阿里媽媽推出“AI萬相”，主打超級智能體引擎？

文 ｜ Rita

在營銷圈，我們曾習慣于用“劍”來形容工具，它鋒利、精準，但終究需要人手去揮舞。

然而，當大模型的Token成本降至“水利化”的0.1美元，當AI解決問題的時長以每7個月翻一倍的速度進化時，某種質變正在發生 。在本周阿里媽媽舉辦的2025-2026未來商業獎年度盛典分享現場，我們感受到了一種強烈的信號：AI不再僅僅是那把劍，它正在進化為那只“握劍的手” 。

從Query到Token：

一場關于“意圖”的重構

過去一年，阿里媽媽從超級智能體逐步進化，將所有的投放技能訓練成四個經營Agent，推出 “超級智能體引擎” ——“AI萬相” 。這種進化的核心驅動力，用技術語言來說，是算法從理解Query（關鍵詞）轉向了理解Token（意圖）。

如何理解？

在傳統的電商邏輯中，消費者的路徑是“已知答案”后的搜索 。比如用戶搜索“迪奧口紅”或“海瀾之家”，這是一種精準但存量的博弈，品牌只能在既有的需求池里爭奪點擊。

但在AI原生的新范式下，消費者的旅程往往始于一個模糊的“意圖”或“痛點” 。例如，“我皮膚癢怎么辦？”或者“我想解決咖啡機的清洗問題” 。在AI的搜索邏輯下，行為是從問題開始，經過AI給出的方案，最后才導向商品。

為了承接這種復雜的意圖，阿里媽媽推出了“AI萬相”超級經營智能體引擎 。它不再是一個單一的聊天機器人，而是由四個各司其職的子Agent組成的專家團 ：

萬相智識：負責“識人”。它能穿透碎片化的行為，捕捉用戶背后的真實動機和消費意圖。例如，當一位女性用戶搜索“小孩不愛喝水”，它能精準識別出這背后是一位新手媽媽的焦慮。

萬相智品：負責“懂貨”。它能結構化解析商品語義，讓品“會說話”。即使商家描述的是面料屬性，智品也能根據消費者的場景，如參加晚宴，自動將賣點翻譯為匹配用戶語境的語言。

萬相智造：負責“創意”。它實現了“一人千面”的實時內容生成。針對同樣一款吹風機，它能為新手父母生成強調“靜音”的素材，為科技愛好者生成強調“創新設計”的創意。

萬相智投：負責“決策”。除了實時優化出價，今年它還引入了“無界智惠券”。它能識別出那些差臨門一腳就能轉化的客戶，在猶豫瞬間送上補貼，將投放與補貼深度咬合。

“‘AI萬相’具備獨立思考、全鏈路調度與閉環交付的能力，商家只需要下達經營指令，‘AI萬相’負責調動Agent完成商家的經營目標”，淘天集團阿里媽媽商業化運營中心總經理樹羊在現場分享。

當AI學會了“聯想”與“破圈”

舉個例子，ubras有一款“小奶皮”內衣，主打面料鎖水、潤膚的功能。作為一個新功能品類，它的推廣難點在于如何讓非內衣意圖的人群感知到它。

原來，傳統的電商邏輯是“類目對齊”：你賣內衣，你的關鍵詞就是“聚攏”、“無痕”、“純棉”。如果僅停留在這一層，品牌永遠在存量池里和競品貼身肉搏。但ubras與阿里媽媽“AI萬相”的這次結合，本質上是把營銷的觸角從“品類搜索”延伸到了“生活痛點”。

1.意圖的“折射”：從燥癢到面料的邏輯閉環

在以往，一個消費者在淘寶搜索“冬天皮膚干癢”，系統大概率會吐出一排潤膚乳或加濕器。這是直覺邏輯。

但在AI萬相的“智識Agent”視角下，它通過對全網消費趨勢和專家知識圖譜的深度學習，建立了一個非線性的邏輯：皮膚干癢-減少摩擦與水分流失-貼身衣物面料升級-含有“牛奶纖維”成分的內衣。

這種“聯想能力”是傳統關鍵詞匹配無法企及的。當消費者還在為干癢尋找外涂方案時，AI已經預判了她對“觸感潤膚”的潛在需求以及日常所用品的進一步適配，并將“小奶皮”精準地推送到了她的信息流中。這不僅僅是精準，這是一種“認知截流”。

2.商品語義的“降維打擊”

ubras“小奶皮”背后有很多硬核技術，比如添加了天然乳蛋白纖維、18種氨基酸等。如果品牌直白地宣傳這些術語，轉化效率往往極低，消費者不想讀論文。

這里的“萬相智品Agent”做了一次精彩的“賣點翻譯”：針對成分黨：突出“氨基酸含量”與“保濕度”；針對懶人黨：突出“穿上的身體乳”；針對精致媽媽：強調“給肌膚吃牛奶”。

AI根據用戶當前的搜索語境，實時生成最能觸動那一個人的“翻譯版本”。這種千人千面的語義重構，讓ubras的點擊效率比傳統單一賣點素材提升了數倍。

在這個案例中，超過50%的成交人群來自非內衣意圖。這意味著，AI萬相幫ubras從潤膚、母嬰、甚至高端家居服的流量池里，“找”來了大批新客。這些用戶原本沒有打算買內衣，但被AI精準地喚醒了潛在痛點。

可見，當AI擁有了常識、擁有了聯想力，它就變成了一個24小時在線的頂級推銷員，它不只是在賣貨，它是在為消費者的生活痛點提供“意料之外、情理之中”的解決方案。

AI萬相全面接入多產品線進入“意圖驅動”階段

除了淘系內部的閉環，目前阿里媽媽也將“AI萬相”的能力注入了阿里媽媽百靈、萬相臺AI無界、UD智匯投以及達摩盤等產品等板塊中。

以Uni Desk為例來看，之前我們談論Uni Desk，核心關鍵詞是“跨域”和“歸因” 。商家通過Uni Desk在站外海量媒體投放，再通過看板看回流 。

但現在，底層邏輯還是像開篇所言，變成了從“買位置”到“找意圖”。簡單來說，過去Uni Desk外投靠的是人群標簽的靜態匹配，現在系統能跨越媒體邊界識別“意圖序列” 。

比如一個用戶在站外看露營攻略，AI能基于其家庭結構預判其對“親子露營”的深層需求，從而在蛋卷桌、戶外玩具等投放中主動精準召回。實測顯示，這種基于意圖的“申請式定向”讓店鋪ROI提升了近20% 。與此同時，投放方式也在改變，原來傳統的Uni Desk操作非常依賴優化師的經驗，需要24小時盯盤、手動換素材 。如今它可以通過AI操盤動態調整多端預算。

而更值得關注的是：這一切變化，并沒有增加商家的使用成本。

在這個過程中，商家不需要學習繁瑣的新工具，在原有的操作界面背后，“AI萬相”驅動的智能體工作流已在靜默運轉。

結語

當“AI萬相”開始以這種方式嵌入各個產品層，我們或許需要換一個視角看待這件事：

它不再是一次能力疊加，而是一種底層邏輯的遷移：從“人理解用戶”，到“系統理解意圖”；從“人做決策”，到“機器完成分配”。

營銷這件事，正在悄悄換一套運行方式。