从支付宝与阶跃合作看AI落地的系统级重构：是工具还是入口？

这篇文章最有价值的信息是，支付宝与阶跃的这次合作不再是简单的“在App里加个聊天机器人”，而是将AI能力直接嵌入到点外卖、出行、本地生活等核心交易链路中。这意味着AI从“问路”变成了“修路”——它开始接管用户与服务的交互界面，而不仅仅是回答“怎么用”。

作为研一新生，我最近在恶补AI应用方向的论文，看到这个新闻第一反应是：这可能是“AI Agent”从实验室走向真实商业场景的一个关键样本。我们组里讨论过很多关于Agent的论文，比如ReAct、AutoGPT，但那些大多停留在对话或单步任务。支付宝和阶跃这次做的，是让AI直接操作后端系统——比如你对着手机说“帮我订明天下午两点去虹桥机场的网约车，顺便在车站附近买一杯咖啡”，AI就能串联起出行、外卖、支付这三个独立服务，且不需要用户手动跳转页面。

短期看，这个合作直接改变了支付宝作为“超级App”的用户体验竞争格局。我整理了一下目前主流App的AI化程度对比：

从新闻透露的信息看，首期接入的是点外卖、出行、本地生活这三个高频场景。这三个场景的日活用户量级在支付宝内分别达到数千万，且交易链路高度复杂——比如点外卖需要知道你的口味偏好、历史订单、配送地址、支付方式，甚至要考虑优惠券叠加。传统上这些需要用户手动操作5-10步，而AI系统级嵌入后，理论上可以压缩到1步指令。

但短期内的挑战也很明显。我作为用户，最担心的是准确率。如果AI点错了外卖地址，或者把“我要一杯冰美式”听成“我要一杯冰美式加糖”，那损失的是真金白银。阶跃的模型能力如何？我查了一下，阶跃星辰（StepFun）在2024年发布的Step-2系列模型，在MMLU、C-Eval等基准测试中达到了GPT-4级别的87%，但这是通用能力。在具体的生活服务场景，需要大量垂直数据微调。支付宝这次合作，可能意味着阶跃获得了海量的真实交易数据作为训练材料，这是一个巨大的优势。

长期看，这个合作可能重塑AI在商业领域的“入口”价值。有两个关键点：

1. 系统级合作 vs 插件级合作。很多公司把AI当作一个插件，比如在微信里加个“AI助手”，但用户仍然需要手动切换。支付宝与阶跃的合作是系统级的——AI直接修改了支付宝的底层交互逻辑，相当于把“搜索框”替换成了“AI命令框”。这会让支付宝从“工具”变成“服务代理”。

2. 数据飞轮效应。AI每执行一次任务，就产生一次新的交互数据。如果每天有1000万笔订单通过AI生成，那么阶跃的模型就能在1个月内获得比之前所有公开数据集都更高质量的真实场景数据。这会让模型迭代速度指数级提升，最终形成护城河。

我想到我们组最近读的一篇论文《Tool Learning with Foundation Models》里提到，AI Agent的瓶颈在于“环境反馈”的稀疏性。很多AI在真实世界失败，是因为它无法知道自己做错了（比如点了外卖没送到，它不知道是地址错了还是商家缺货）。而支付宝提供的支付闭环，天然包含了“失败”信号——订单取消、投诉、退款等。这些反馈数据是训练AI决策能力的黄金标准。

另外，长期看这也会改变支付行业的竞争格局。微信支付在AI方面动作相对保守，字节的抖音支付虽然也在尝试，但缺乏像支付宝这样完善的本地生活生态。如果支付宝的AI化成功，可能会吸引更多用户从“手动操作”迁移到“AI代理”，从而提升用户粘性。用户流失成本会变高——因为你的偏好、历史记录、甚至日常习惯都被AI学习并内化了，换一个App意味着重新训练AI，这个成本比传统App切换高得多。

不过我也注意到一些风险。比如隐私问题：AI需要访问你的位置、支付记录、饮食偏好，这个数据权限有多大？新闻里说“系统级合作”，但用户是否明确知道自己的数据被用于训练模型？

原文链接：https://www.ithome.com/0/978/209.htm