AI行业市场分化现状 - To C端市场对AI智能要求不高 应用类似增强版搜索引擎 关键在于摸清用户喜好和使用场景 [3] - To B端市场则完全不同 智能越高越赚钱 企业愿意为顶级模型支付大价钱 强模型与弱模型的差距将越来越大 [3] 自主学习技术的发展与瓶颈 - 2025年已有团队尝试使用实时数据进行训练 但效果一般 [3] - 当前核心瓶颈并非技术不行 而在于想象力缺失 即不清楚自主学习技术落地后的具体应用目标 [3] - 需要先明确具体应用目标 例如盈利交易系统或科学难题工具 才能有效推进 [3] AI产业落地建议与预测 - 建议大公司依靠自身场景获取真实数据 减少对外部标注数据的依赖 [3] - 强调人与人之间的差距关键在于是否会使用AI工具 中国需要普及相关教育 [3] - 预测To B领域的Agent技术将快速增长 若能实现全球企业部署 可能推动全球GDP多增长5%-10% [3] 中国AI团队的发展前景与挑战 - 中国AI团队有望实现全球领先 [3] - 实现领先需要突破三个关键点：算力、To B市场成熟度以及创新文化 [3]

文章核心观点 - 公司正将AI代理技术应用于零售搜索领域，旨在解决消费者购物过程中的繁琐问题，例如价格追踪和库存查询，并代表用户自动完成购买 [1][2][3] - 该技术通过提升购物便利性和消费者信心来促进实际购买，对消费者和商家均具有积极意义 [4][7][8] - AI代理技术仍处于发展初期，其大规模应用需解决多代理间通信等挑战，但公司基于其现有的购物图谱和AI技术基础（如Duplex）正持续推进 [11][12][13] AI代理技术在零售搜索中的应用 - 技术核心是让AI代理代表用户执行任务，例如追踪商品价格并在达到目标价位时自动购买 [1][2][7] - 应用场景包括帮助用户查询附近商家的特定产品（如Alibaba）库存，并由AI代理自动致电商家确认 [3][9] - 技术已能精确到商品变体级别（如鞋子的尺寸和颜色）进行价格追踪和购买 [10][11] 技术对消费者和商家的价值 - 对消费者而言，该技术通过处理繁琐购物步骤（如比价、核实库存）来提升购物便利性和购买信心 [4][7] - 对商家而言，价格追踪和自动购买功能有助于捕获那些因价格因素而犹豫的潜在客户，减少销售损失 [7][8] - 消费者拥有对体验的控制权，公司致力于从真实用户需求出发开发技术 [4][6] 技术基础与发展阶段 - 相关AI技术（如用于代表用户致电商家的Duplex）自2018年起已开始应用，为当前代理技术奠定了基础 [9][10] - 公司拥有庞大的“购物图谱”作为支撑，包含全球商家的约500亿条商品Listing [13] - 技术仍处于早期阶段，大规模企业级应用面临挑战，例如需要不同AI代理之间能够相互通信 [11][12] - 未来可能演变为商家的代理与公司的Gemini代理进行交互的生态 [14]