众所周知 ，最近两个月，淘宝搜索的 AI 化有了明显的提速趋势。

8 月，淘宝低调全量上线了 "AI 万能搜 " 产品；9 月，淘宝 "AI 助手 " 传出内测消息、拍立淘的 "AI 找低价 " 也全量上线。

这三个产品分别覆盖了传统搜索入口，图片搜索入口、以及搜索页面呈现后的交互，算是在淘宝端内形成了一个围绕搜索场景的能力矩阵。

前段时间，硅星人也拿到了 "AI 助手 " 的内测资格，我们想借着这个机会，干脆把淘宝 AI 做搜索的产品逻辑捋一捋，同时看一下它背后的落地能力。

AI 万能搜：适合攻略 & 种草

首先，"AI 万能搜 " 毫无疑问是最贴近大语言模型体感的产品。

它的入口很克制地放在了 " 搜索 " 的二级页面。用户点进搜索后，如果购买意图非常明确，可以继续使用 " 传统搜索 " 能力来高效完成购物，流程步骤与过去完全相同，不会有任何被打扰的体感。

但可能很多人在搜索购物时，其实没有想得很清楚自己的需求，只是 " 随手 " 搜搜看。那么 " 万能搜 " 就成为一个备选项。比如 " 中秋送礼 " 的 tag，其实就是典型的模糊需求的场景。

某种程度而言，AI 万能搜其实成为了用户搜索场景需求的一种延伸，将 AI 搜索从中间分割成了两个部分：清晰而明确的需求选择 " 搜宝贝 "，模糊的需求选择 "AI 万能搜 "。而搜索框便成为了一个天然的漏斗，从而将用户更加精准导流到大语言模型的场景中。

从实测来看，AI 万能搜最适合的场景之一是 " 初筛 "，给用户一个初步的购物选择方向。

比如，我们输入 " 中秋给女朋友父母送什么合适？"AI 万能搜在思考的过程中，会想到中秋、长辈、预算等多个不同的维度，然后给我输出三个大类的选项，" 滋补养生 "、" 茶叶茶具 "、" 健康按摩 "。

我可以直接点击大类的按钮，然后跳转到对应类目下的商品明细表里。

AI 万能搜支持多轮对话，可以在沟通中不断明确需求。

比如，你可以追问，" 长辈有糖尿病，但不喜欢喝茶。"

系统就会自动剔除跟 " 茶 " 有关的选项，从而选择针对性的养生产品，甚至 " 无糖月饼礼盒 "。同理，我们也可以在里面进一步提出对价格、产地等其他的要求，系统也同样可以支持。

作为对比，如果你在 " 传统搜索 " 里搜 " 长辈中秋礼物 "，你得到的只能是系统根据历史数据而猜测出来的商品列表。

除了 " 初筛 " 以外，AI 万能搜在热门单品的对比上，也比传统的端内对比更详细。

比如，我问 AI 万能搜，"iPhone16 pro 和 iPhone17 怎么选？" 它的对比结果是这样长长的一条，包含了核心参数、使用人群推荐。AI 万能搜甚至会直接给出很明确的价格段分析，告诉用户 16pro 128G 目前的价格段是 5500-6500 元

看完这个推荐，基本就对两边的硬件选择有大概的了解了。

传统的端内对比，只有一些简单的参数对比，缺乏针对性的分析。而且由于相同商品，在不同网店的价格也有差异，所以即便单个商品的比较也未必能直接转化成决策。

AI 助手：赛博门店导购

如果说 AI 万能搜适合调研，这次内测的 "AI 助手 " 则能够在 " 传统搜索 " 场景下，帮助用户进一步细化和明确商品需求。

比如，我在 AI 万能搜的帮助下，决定要买 iPhone17，但产品划痕问题让我觉得很担忧，于是我决定购买一个手机壳。

这时我在系统里搜索手机壳，跳出来的界面是这个样子的：

系统做了一个简单的分类，可以选择风格和品牌。

但只是有风格并不足以满足我对手机壳的所有要求，这时我如果点击 "AI 帮我挑 " 字样的按钮，就可以唤醒 "AI 助手 "。

AI 助手会根据正在浏览的品类，自动生成大量的分类指引：

如上所示，AI 助手为我生成了五个大类，超过 19 个选项和五个备选问题。

在 AI 助手里，我们直接点击蓝色的文字，选项就会直接跳进对话框里。我们可以将自己想要的要求都点击进去

这里会有一个强迫症狂喜的过场动画，刚刚浏览页的商品会从眼前略过，而符合要求的商品则会被留在页面里，给人一种大浪淘沙的舒适感。

既然是 AI 助手，它同样支持多轮对话和定制化的需求。比如，我告诉他：" 不想要硅胶，怕发黄，还要带支架 "

如果在 AI 助手中进行多轮对话的话，整个使用体感会重新回到接近 "AI 万能搜 " 的感受。从一个商品的筛选辅助工具，重新变回一个讨论者。

在测评中的另一个感受是，越是非标准化的产品，AI 助手的能力就更强大。

比如，我如果搜索 " 解压玩具 " 这个品类。

可以看到 "AI 助手 " 给出的选择维度一下子变得更多了，涉及到了更多的场景和产品特点的维度。

用户在发出 " 解压玩具 " 需求的时候，很少有人能想到这么多的产品维度。AI 助手其实可以看作是一个辅助筛选决策的生成式说明书，解决用户 " 临门一脚 " 的筛选门槛。

一个很有意思的场景是体育用品的器械设备。

只要买过装备的人，肯定都被品牌复杂的型号和系列转得晕头转向。虽然头部厂商一般都会在官网或者小程序里给一些指引，降低选购门槛。但对于普通消费者来说，找到官方指引本身就是有门槛的，更不要说有意识找支援的人原本就已经是少数了。

以羽毛球拍为例，尤尼克斯的系列至少有小十种，每一个系列下面又有很多种不同档次的拍。如果把羽毛球拍拉出一张思维导图，其复杂程度一点不亚于英伟达的 GPU 天梯图。

现在 AI 助手可以一键变成导购员，直接绕过了官方导购，给出针对性的建议。

有时候在官方导购程序选完后，发现另一个同类竞品降价了，所有的对比逻辑都要重新来。而淘宝站内的价格有很好的实时性，就能杜绝类似的问题。

除了直接点击 " 帮我搜 " 以外，淘宝团队还将 AI 助手的能力以卡片形式前置到了商品信息流里面，即植入一个商品栏大小的 "AI 帮你找到合适的宝贝 "。

实测来看，AI 一般来说，如果用户连续下滑，大概过三四个分屏后，系统可能 " 担心 " 你迟迟找不到合适的商品，便有可能跳出类似的方块。

此时如果连续点选完系统提出的问题，那么页面会跳转回刚才的 "AI 助手 " 界面。

在测试中，"AI 帮你找到合适的宝贝 " 不会在所有浏览页中掉落。比如指向明确的带着商标甚至型号的商品搜索，类似指定型号的羽毛球拍搜索，一般就不会掉类似的提示。

所以在 AI 助手的整体使用体感上，可以明显感觉到，AI 和背后的淘宝搜索团队，其实不断在打磨系统对场景的理解程度。

他们不仅对商品进行了拆分，对场景也有自己的算法分类。尤其是在使用过程中，AI 助手可以给用户提出一些他想不到的筛选标准，从而完善用户的消费决策链条，节省用户的决策成本。

拍立淘：把商品当做新入口

如果说 " 万能搜 " 给我的感受是帮用户 " 走出第一步 "，AI 助手就是帮用户 " 再走一步 "。

而拍立淘的 " 搜低价 " 其实也是一个类似故事。

拍立淘在过去就是市面上最好用的商品拍照识别工具之一，尤其是对于一些非标的创意商品尤其如此，周末逛潘家园，很多物件只能靠拍立淘才能找到。在我看来，相比纷繁复杂的端内入口，拍立淘才是 " 万能淘宝 " 最真实的写照，它将庞大的真实世界商品与线上空间联系在了一起。

这是我在朋友家看到的音响，觉得很不错，于是拍了个照传给拍立淘。然后你在右下角能看见一个 "AI 找低价 " 的按钮，点进去就可以跳出一个新的页面。

" 找低价 " 只是 AI 在拍立淘上的一个 " 招牌 "，因为点进去就会发现不止如此：除了能帮你找到最全最低价的同款商品，它还会推荐更多高性价比的平替商品。

如果说 " 拍立淘 " 是用户与商品建立联系的第一步，" 找低价 " 就是在之前的基础上 " 更进一步 "

它给了我三个维度的商品：

" 低价 "、" 平替 "、" 周边 "。

如果我搜索宠物洁齿片，自然不会有 " 周边 "，取而代之的会有不同规格、以及相同功能产品的推荐。

同理，如果是洗发水，系统会推荐不同规格的商品；如果是服装，系统会推荐不同材质的商品。

会发现 AI 的思路在这里依然是 " 发散 " 的，它会围绕潜在的需求不断延伸。

与过去简单的搜索商品 + 低价呈现的组合不同。由于 AI 天然具备的 " 发散思维 " 能力，拍立淘的形态变得不仅是工具，而是成为了一个类似围绕线下商品的 " 入口 "。与其说它在服务和引导用户，不如说它尝试通过每一个行为去 " 启发 " 用户。

结语：AI 与场景不是一劳永逸的关系

今年 3 月，淘宝的发布会上宣布了 AIGX 的技术体系升级战略。他将淘天的 AI 驱动的场景分成了 AIGI（索引）、AIGR（推荐）、AIGB（出价）、AIGA（拍卖）、AIGC（创意）、AIGD（数据）等多个业务或技术场景板块。所以今年以来，外界对于淘宝会怎么样进行 "AI 改版 " 就充满了好奇。

因为即便从全球来看，除了搜索以外，用 AI 来重塑业务和 C 端交互逻辑的头部互联网平台，淘宝也能算是。

尤其在今天，很多人都在讨论 AI 的下半场：

AI 大模型基础能力的收敛趋势愈发明显，关于智能的竞赛有明显从智能上限转战场景落地的趋势。但今天 " 找到场景 " 依然是一件 AI 落地钟很难的事情。相对应的，对于那些有现成场景的互联网平台来说，如何用 AI 去升级体验，也同样是一件 " 燃烧产品经理头发 " 的难事。

这次淘宝的 AI 搜索功能，其实正好展现了这个团队对 "AI 落地场景 " 的理解。

他们不追求用一个类似 " 端到端 " 的、大一统的方式，用 AI 一劳永逸地解决问题。而是将 AI 的能力拆解到了用户使用搜索的不同环节，然后根据每一个环节的特性，针对性地调整了 AI 在其中的表现策略。在让 AI 变得更懂用户也更懂场景的同时，也做到了不打扰用户，从而让 AI 与用户和谐相处的同时，慢慢培养用户对 AI 的使用习惯。

从这个角度来说，淘宝通过拆解场景，让 AI 服务于场景，而不是执着于 "AI 原生 "，反而成为 AI 落地的样本，让 AI 在具体场景里找到最适合它的位置。