吴泳铭兼任淘天CEO：AI驱动电商统一指挥的真正价值

一家公司要把AI真正用进电商，不是先上大模型、先堆算力，也不是先做一个“能聊天的客服”。最先卡住的，往往是组织与指挥链：数据分散在不同事业部，目标口径各说各话，预算与算力排期互相抢，最后AI团队成了“做项目的外包”。

从这个角度看，阿里巴巴在2023-12-20宣布由集团CEO吴泳铭兼任淘天集团CEO（同时还兼任阿里云智能集团CEO），它的信号意义远大于“人事变动”四个字。这更像一次为“AI驱动电商与新零售”清障的组织工程：用更短的决策链，换更快的AI落地速度；用统一的战略优先级，换跨平台协同的规模效应。

我在给电商团队做AI咨询时发现，2025年的竞争已经很明确：不是谁“有AI”，而是谁能把AI变成稳定产出——更低的履约成本、更高的转化率、更好的复购和更可控的风险。这次“兼任”，正是围绕这些指标在做治理。

为什么说“统一指挥”是AI落地电商的前置条件？

**答案很直接：AI在电商链路里天然跨部门，任何“烟囱式管理”都会把效果打折。**推荐、搜索、广告、客服、供应链、仓配、商家运营、风控……只要你想让模型提升业务结果，就必然触碰到多个团队的目标、数据与资源。

AI项目最容易死在三个“组织断点”

1. 数据断点：用户行为、商品信息、交易履约、售后评价分散在不同系统，数据口径不一致，训练数据难以闭环。
2. 资源断点：算力预算、推理成本、研发节奏被不同业务线分别决策，导致模型“做得出来、推不上去”。
3. 指标断点：技术团队看离线指标（AUC、Recall），业务团队看GMV与ROI，缺少统一的北极星指标，最后变成“各自正确”。

当集团层面把电商（淘天）与云（阿里云）放在同一位CEO的统一视野内，至少能解决一件关键事情：让AI从“成本中心的探索”变成“战略优先级的工程化能力”。

对新零售更关键：线上线下协同需要同一套“算法语言”

新零售不是把门店接入线上那么简单，而是让“选品—定价—库存—履约—会员运营”在全渠道形成联动。这里最怕的就是：线上一套策略、线下一套策略、仓配又是一套策略。统一指挥的价值在于：

• 统一用户与商品主数据，让会员、权益、偏好在全渠道可用
• 统一预测与补货节奏，让门店与仓网共享一套需求信号
• 统一促销与价格规则，减少“线上卷死、线下卖不动”的内耗

“用户为先、AI驱动”落到淘天，会先变成哪些能力？

**答案是：会优先变成能立刻影响转化与履约的“高频能力”，而不是好看的演示。**淘天这种体量的平台，一旦把AI能力规模化，每提升0.1%的效率都是真金白银。

1）个性化推荐与搜索：从“猜你喜欢”到“你现在就需要”

推荐和搜索仍是电商增长的主战场，但2025年用户的耐心更短、选择更多、内容更碎片化。更有效的做法是：

• 用多模态理解商品（图、视频、标题、属性）减少“图不对文”
• 用大模型做意图识别，把“随便看看”和“马上下单”区分开
• 把“内容种草信号”纳入排序，让推荐更贴近真实决策路径

一句话概括：排序不再只追CTR，而是追“从点击到收货”的全链路价值。

2）智能客服与售后：目标不是省人，而是提升一次解决率

很多企业上AI客服的第一目标是“降人力”，结果用户体验变差、投诉变多，得不偿失。更稳的路径是先把指标定对：

• **一次解决率（FCR）**优先于“机器人接待率”
• 复杂问题用“人机协作”，让AI做检索、总结、话术建议
• 售后场景用AI做责任归因与证据提取（物流、聊天、图片）

当这些能力在平台侧沉淀为标准件，商家侧的运营也会更轻。

3）需求预测与智能仓储：AI的利润往往藏在履约里

对大促（尤其是双12后到春节前的年货季）来说，最容易出问题的是“卖爆了但送不到”。AI在供应链的典型落点包括：

• 需求预测：按地域、渠道、价格带、活动强度拆分预测
• 库存优化：多级库存（中心仓/区域仓/门店仓）协同补货
• 仓内作业优化：波次拣选、路径规划、异常包裹识别

这里的核心逻辑是：转化率提升1%，不一定赚钱；履约成本下降1%，大概率直接进利润。

4）动态定价与促销优化：别让价格战变成“算法误伤”

动态定价不是“自动降价”，而是把价格、补贴、券包、会员权益当成一个组合优化问题。统一指挥的意义在于：平台、品牌商家、直播/内容渠道的价格策略需要一致，否则会出现：

• 同款不同渠道价差过大，伤害品牌心智
• 补贴打到错误人群，ROI被稀释
• 活动节奏混乱，库存与履约压力失控

AI能做的是把决策前移：先模拟，再投放；先约束，再优化。

CEO兼任的“AI逻辑”：电商与云要形成一条价值链

**答案是：AI在电商的规模化，离不开云的工程能力与成本治理。**大模型时代，真正难的不是训练一次模型，而是长期、稳定、可控地把推理能力放到每个业务触点。

成本治理：推理成本会成为平台级“隐形税”

2025年很多电商企业会遇到同一个问题：

• 你把客服、导购、内容生成、商家助手都接上大模型后，推理调用量指数级增长
• 如果没有统一的模型路由、缓存、蒸馏与评测体系，成本会失控

当电商与云的“一号位”统一，资源调度会更像经营：

• 哪些场景用大模型，哪些用小模型/规则
• 哪些能力平台化复用，避免重复造轮子
• 哪些模型指标必须过线（幻觉率、拒答率、合规策略）

工程化复用：把“AI能力”做成平台的基础设施

我更看重的是第二层价值：把AI能力做成可复用组件，例如：

• 商品多模态理解（自动属性补全、类目纠错、素材审核）
• 统一的评测与灰度体系（A/B、在线指标、回滚机制）
• 商家侧的智能运营工具（选品建议、投放建议、内容生成）

这些组件一旦沉淀下来，新业务上线速度会明显变快。

给电商与新零售团队的可操作建议：学“统一指挥”的三件事

**答案先给：用统一指标、统一数据、统一评测，把AI从项目变成生产力。**不管你是平台招商、品牌商还是连锁零售，这三件事都能照做。

1）先定一个“北极星指标”，再谈模型

别一上来就讨论“用哪个大模型”。先把目标讲清楚：

• 增长侧：转化率、复购率、客单价、广告ROI
• 体验侧：搜索满意度、客服FCR、退款率、NPS
• 履约侧：缺货率、妥投时效、单均履约成本

建议做法：每个AI场景只绑定1个主指标+2个护栏指标（例如转化率为主，投诉率与毛利率为护栏）。

2）把数据打通到“可训练、可回流”的程度

很多企业自称“数据很多”，但无法训练：缺标注、缺统一ID、缺回流。你需要的是最小闭环：

• 统一用户ID/商品ID/门店ID/订单ID
• 建立反馈回流（点击、加购、购买、退货、差评、咨询）
• 用业务规则做弱标注，先跑起来再逐步精细化

3）建立AI上线的“评测—灰度—复盘”制度

AI不是上线一次就完事，它会漂移、会被对抗、会被新活动打穿。建议固定节奏：

• 每周评测：准确率、幻觉率、违规命中率、成本/调用
• 灰度策略：按人群/地域/类目逐步放量
• 复盘机制：每次大促后复盘模型失效点，并形成规则库

把这套制度跑顺，团队对AI的信任会快速建立。

读者常问：兼任会不会“权力过集中”，反而拖慢？

**更现实的看法是：对AI这种跨域工程，短期集中反而更快；长期要靠机制而不是靠人。**兼任能解决的是方向一致与资源冲突，但最终还是要落到：

• 清晰的授权边界（哪些必须集团拍板，哪些BU自行决策）
• 可量化的投入产出（算力投入与业务指标挂钩）
• 年轻化团队的执行力（快速试错、快速复盘）

如果机制建立起来，兼任的“统一指挥”就会从人治变成流程与平台能力。

写在系列文末：AI电商竞争的分水岭是“能否规模化”

阿里这次让吴泳铭兼任淘天集团CEO，本质是用组织结构为“AI驱动电商与新零售”铺路：电商与云的战略一致、工程能力复用、资源投入更可控。在2025年的电商环境里，这种统一指挥的价值，会逐步体现在推荐效率、履约成本、商家运营工具与用户体验上。

如果你所在的企业也在推进AI项目，我建议你用一个问题自测：**我们是在做几个漂亮的AI功能，还是在建立一套可复制的AI经营系统？**答案，会决定你明年的增长曲线。