BridgeCraft logobridgecraft
週報作品集關於聯絡登入
聯絡

bridgecraft

從資料視覺化到 AI Agent,一直在找下一個 meta

文章主題指南週報Labs作品集系統架構關於聯絡RSS

© 2026 BridgeCraft — Waiting7777. All rights reserved.

← 所有文章

VC 瘋投 Shopping Agent,但 Amazon 已經開始封鎖了:這個賽道值得賭嗎

2026年9月22日 · Waiting7777 · 7 分鐘閱讀

AI AgentsVC電商MetaShopping Agent新創
📂 AI Agents 系列📂 VC 系列📂 電商 系列📂 Meta 系列📂 Shopping Agent 系列📂 新創 系列

VC 瘋狂押注 AI 購物 Agent,但平台已經開始設防了

> Meta Shift

Adobe Analytics 在今年六月做了一個調查,發現有 41% 的消費者在網購時用過某種形式的 AI 工具 — 這個數字包含你在 Google 搜尋時用了內建 AI、或者問了 ChatGPT 一句「這牌子的球鞋品質怎樣」都算在內。乍看之下沒什麼了不起,但這個數字去年同期幾乎是零。(來源:Adobe Analytics)

另一個數字更有意思:根據 Retail Dive 和電商分析平台 Rithum 在四月做的調查,有 53% 的購物者說他們對 AI 推薦的信任程度,跟對品牌官網的信任程度差不多。這代表什麼?代表消費者心理上的防線在快速軟化。

M13 的投資人 Mark Grace 說他今年夏天明顯感覺到這個賽道在加速 —「現在已經有一些購物 Agent 可以真正替你去完成交易了,而且人們越來越習慣把這種事外包給 AI。」

但就在 VC 開始大量押注這個賽道的同時,另一邊發生了一件很值得一起看的事:Amazon 封鎖了 Meta 的 AI 購物入口。Meta 本來想讓用戶透過 WhatsApp 或 Instagram 的 AI 對話直接完成 Amazon 訂單,結果被直接堵在門外。這件事沒什麼技術難度,就是一個商業決策 — Amazon 不想讓別人的 AI 站在自己和用戶之間。

這就是 AI 購物 Agent 賽道目前最核心的矛盾:技術在往前跑,但平台的圍牆也在同步加高。VC 看到的是市場機會,但他們可能低估了護城河被平台鎖死的風險。


這個賽道的商業模式長什麼樣子

先拆清楚這個賽道在做什麼。根據目前已知的資訊,市場上的玩家大概分成五種類型:

1. 多功能個人 Agent Instinct 和 Town 是這類的代表。這些 Agent 什麼都做 — 幫你排日程、發 email、訂餐廳、買票,購物只是其中一個功能。Instinct 的早期用戶回報說,它能幫忙搶到熱門餐廳的位置、買到特殊放映版本的電影票,聽起來很強。但也有人說他的 Agent 幫他取消了機票,結果退款少到幾乎沒有,直接損失了約 300 美元。這類產品剛融完大輪,但離真正讓普通用戶信任它刷信用卡,還有一段距離。

2. AI 購物助手 這個方向更保守一點:AI 幫你發現商品、做推薦,但不直接幫你結帳。Julie Bornstein 創辦的 Daydream 是這類的代表 — 一個個人化的 AI 購物搜尋引擎。它今年七月底開始直接嵌入零售商的網站,讓消費者在品牌自己的網站上用 AI 搜尋那個品牌的商品目錄。Daydream 的投資方包括 Forerunner、Index Ventures、GV 和 True Ventures,陣容相當豪華。(來源:原始報導)

3. 支付 infrastructure 這塊最低調,但可能是整個賽道最有價值的部分。AI Agent 要真正替你買東西,就需要一套安全、可控的支付 infrastructure — 虛擬信用卡、交易授權層、花費上限控制。這類玩家不直接面對消費者,但每一筆 AI 觸發的交易都要過他們這一層。

4. 零售商工具 幫零售商端建 AI 購物體驗的工具。這類玩家的客戶是 B 端,賣 SaaS 訂閱或按成交量收費。

5. 驗證與信任層 用來確認 AI Agent 身份、防止詐欺的基礎設施。這個問題現在還沒有很好的解法,但隨著 Agent 越來越多,這塊會越來越重要。

商業模式上,B2C 的購物 Agent 通常走訂閱制,或者走交易抽成(每筆成交收一定比例)。B2B 的工具則是 SaaS 訂閱為主。目前公開數字很少,大部分新創還在燒錢建 user base,ARR 資料幾乎都沒有公開。


競爭格局:誰在贏、誰的位置比較危險

把市場上的玩家排列一下:

玩家定位強項風險
DaydreamAI 購物搜尋零售商端嵌入,B2B 路線依賴零售商合作意願
Instinct多功能個人 Agent功能廣,媒體曝光高出錯代價由用戶承擔
Town多功能個人 Agent同上同上
Google / ChatGPT平台型 AI 搜尋用戶基數,入口優勢不是專門為購物設計
Amazon平台本身數據、物流、信任不是 Agent,是被 Agent 打的對象

老實說,在這個格局裡,Daydream 的 B2B 嵌入策略是目前我看到最清醒的打法。它不是要替代零售商,而是幫零售商在自己的網站上建更好的搜尋體驗 — 這樣就繞開了「平台會不會封鎖你」的問題,因為你本來就是在人家的地盤上幫人家做事。

相比之下,那些想要站在消費者和平台之間的 Agent,處境就比較麻煩了。Amazon 封鎖 Meta 這件事已經很清楚地示範了 — 只要平台不想讓你的 Agent 進來,API 可以關、爬蟲可以封、Terms of Service 可以改。技術上你繞得過去,但法律和商業關係上你繞不過去。

Forerunner 的 managing partner Kirsten Green 說現在還太早,很難看到 agentic shopping 的硬數據,但她觀察到越來越多消費者「願意」信任 AI 工具。這是很謹慎的說法 — 「願意」和「實際在用」是兩回事。(來源:原始報導)


Meta 判讀:這是什麼量級的事?

用電競的框架來說,這個賽道目前的狀況是:patch 剛出,meta 還沒定型。

大量新英雄(新創)湧入,每個人都在試不同的打法,沒有人知道最終 meta 會跑向哪。但有幾件事已經很清楚了:

平台方正在打 pre-emptive nerf。 Amazon 封鎖 Meta 是第一槍,不會是最後一槍。當 AI Agent 越來越有能力替消費者做決策,平台失去的不只是流量 — 是對「用戶注意力」的控制權,還有廣告模型的根基。這種威脅他們不可能坐視。

跟歷史上類似的案例比:這讓我想到 2015 年前後的 chatbot 潮。Facebook 開放 Messenger Bot API,大量新創衝進去做客服機器人、購物機器人,然後 Facebook 開始限流、改政策,一批新創就這樣死了。這次的量級更大,但平台博弈的邏輯是一樣的。

另一個可以對照的案例是 SEO 產業:Google 每次改演算法,就有一批依賴搜尋流量維生的公司被打掉。AI 購物 Agent 如果高度依賴某個平台的 API 或資料,那個脆弱性的結構是一樣的。

真正的護城河只有兩個地方:要麼你深度嵌入零售商端(像 Daydream 的方向),要麼你做 infrastructure 讓所有人都要過你這一層。其他的位置,都在巨頭的射程範圍內。

這是 Meta Shift,但時間軸比很多人想的要長,中間的顛簸也會比想的多。


工程師該怎麼看這件事

這個趨勢對工程師最直接的意義有兩個。

第一,支付和身份驗證的需求會爆發。 AI Agent 要能安全地替人花錢,需要一整套 virtual card management、spending limit、transaction authorization 的系統。這些東西現在建的人很少,但需求確定會來。如果你在找有 leverage 的方向,payments infrastructure 結合 AI 是個值得深研的交叉點。

第二,Agent 的 reliability 工程還是一片荒地。 Instinct 幫用戶取消機票然後退款幾乎為零,這種 bug 在一般 app 裡是低優先級,但在 Agent 裡是致命的。怎麼設計 rollback、confirmation flow、error boundary — 這些在 agentic system 裡的 engineering pattern 現在幾乎沒有最佳實踐,誰先搞清楚誰就有先發優勢。

Side project 方向的話:與其做一個「幫你買東西的 Agent」,不如做一個「幫特定垂直領域的賣家建 AI 搜尋體驗」的工具 — B2B 路線、不用碰平台、客戶有付費意願,比 C 端的 Agent 靠譜很多。

延伸閱讀

  • Stripe Link 讓 AI Agent 自動購物 — 支付革命開始了
  • Shopify 說 AI 搜尋反而帶來更多流量 — SEO 真的死了嗎
  • Q2 2026 AI 融資全景:哪些賽道還在吸大錢、哪些已經冷掉了

每週一篇 — 技術趨勢背後的商業邏輯

分享:

Waiting7777

WoW Arena 冠軍轉前端,用電競 meta 思維拆解技術趨勢。

關於作者

相關文章

把個人網站變得 agent-friendly:一個週末補完 9 個 well-known 路由AI AgentsSEO+1

把個人網站變得 agent-friendly:一個週末補完 9 個 well-known 路由

從 Link headers 到 WebMCP,isitagentready 給了我 9 個作業,我花一個週末全部交完。

2026年11月4日 · Waiting7777 · 7 分鐘閱讀

繼續閱讀 →
做 code review agent 之前,我先拆了阿里的 open-code-reviewAIAI Agents+1

做 code review agent 之前,我先拆了阿里的 open-code-review

規劃 code review agent 時越做越發現什麼都能寫成 code,於是拆了阿里開源的 open-code-review,看它怎麼把不能錯的步驟交給程式、只把判斷留給模型,整理成七條設計原則,再回頭判斷這件事到底該不該做成 agent。

2026年10月27日 · Waiting7777 · 9 分鐘閱讀

繼續閱讀 →
Orca 七個月拿下 10 萬顆星:我拆了它的 GitHub 數據,看到 agent 開發真正的瓶頸AI Agents開發者工具+1

Orca 七個月拿下 10 萬顆星:我拆了它的 GitHub 數據,看到 agent 開發真正的瓶頸

一個由 agent 寫出來、拿來管 agent 的開源 IDE。19,000 個 commit、979 次 release 背後,最值得看的數字是 2,525 個放了一個月還沒人處理的 PR。

2026年10月20日 · Waiting7777 · 7 分鐘閱讀

繼續閱讀 →

這篇文章對你有幫助嗎?

每週一篇 — 技術趨勢背後的商業邏輯

AI 產業在變什麼、工程師該注意什麼——拆清楚寄到你的信箱。