📰 2026-06-04 AI 日報

Amazon 搜尋長出眼睛,這才是電商 AI 真正的翻桌時刻
阿凱📝 主編觀點 · 產品思維 — 哪個 AI 產品做對了什麼,我們能學到什麼

Amazon 搜尋長出眼睛,這才是電商 AI 真正的翻桌時刻

Amazon 上週悄悄做了一件事:在搜尋結果裡直接放 AI 生成的商品圖像。你搜「露營椅」,不再只看到一排文字連結,而是看到一張 AI 渲染出來的情境圖——帳篷旁邊有把椅子,光線剛好,背景是你想要的那種山景。 這聽起來像是小功能更新,但背後的邏輯翻轉了。 傳統電商搜尋的核心問題是:用戶腦子裡有個模糊的圖像,但他們只能用文字描述,然後平台再把文字比對商品關鍵字。這中間的落差,就是大量轉換率流失的地方。Amazon 現在做的是繞過這個文字到圖像的翻譯層,直接生成「你可能想要的樣子」,讓用戶認圖而不是認字。 這個邏輯放在產品設計上很值得拆解:AI 最有價值的地方,不是替你寫報告,而是填補使用者「說不清楚但心裡有數」的那個空白。用戶說不清楚「我要那種有點北歐風但也有點工業風的燈」,AI 生一張給你看,比讓你打一百個形容詞有效多了。 當然這裡有個風險是 Amazon 心裡很清楚的:AI 生成的圖和實際商品長不一樣,一旦買家收到貨發現落差,退貨率可能反而上升。這是 Pinterest 在廣告圖層吃過的虧——視覺太美,商品太普通,用戶失落感更大。所以 Amazon 怎麼處理「AI 圖像對應到真實商品」這條連結,才是這個功能成敗的關鍵。 從產品思維看,Amazon 這步棋真正的目的不只是美化 UI,而是在測試一件事:如果 AI 能在用戶下決策之前就把「想像中的商品」具象化,那整個購物漏斗從發現到購買的距離會大幅縮短。做到這一步,Amazon 搜尋就不只是搜尋,而是一個需求生成引擎。 Zalando 和 IKEA 幾年前就在測試類似的視覺搜尋,但當時受限於模型能力沒做起來。這次 Amazon 有 Bedrock 撐腰,生成品質不是同一個水準。接下來值得盯的是 Shopify 什麼時候跟進——一旦這個功能變成標配,沒有它的電商平台會開始顯得很舊。
企業花大錢買 AI,卻發現沒人知道該讓它做什麼
塵子💬 塵子觀點

企業花大錢買 AI,卻發現沒人知道該讓它做什麼

VentureBeat 調查顯示,只有 43% 的企業有中央團隊統一管理 AI,近三分之一把問題怪罪給供應商不夠透明。這就像花幾萬塊買了一台頂級跑步機,結果家裡沒人會綁鞋帶,機器最後只能當晾衣架。 大家現在拼命搶購模型,以為買到最強的 AI 就能解決問題。但現實是,大多數公司連自己的工作流程都沒理清楚,就急著把 AI 塞進業務裡。他們以為問題出在模型不夠聰明,其實問題出在沒人知道該讓 AI 做什麼。 Google 剛募到 850 億美元,Amazon 開始用 AI 生成商品圖,大廠們繼續堆砌技術。但對多數中小企業來說,買再強的工具也沒用——你得先有人知道怎麼把它接進真實的業務流程,而不只是讓它在簡報裡出現。 治理落差比模型落差更難填。模型可以花錢升級,混亂的組織架構不行。當三分之一的公司把責任推給供應商,本質上是在承認自己從一開始就沒想清楚要做什麼。這不是技術問題,是決策問題。 所以別再盯著模型參數看了。先問清楚:誰負責讓這台機器真正運轉?這個問題沒答案,買再多授權也沒意義。 SOURCE: AI 代理的清算:企業面臨執行層面問題,而非模型問題
🚀 產品速報2026-06-04

AI 的下一個數據集是你的公寓:從雲端走向家庭,開發門檻全面降低

過去我們習慣認為,AI 模型的訓練數據來自於網路上公開的書籍、文章和圖片。但現在情況正在發生根本性的改變。根據最新趨勢,AI 的下一個關鍵數據來源不再是遙遠的伺服器,而是你身邊的公寓。這意味著未來的 AI 將透過智慧家電、語音助理和各種感測器,直接深入家庭環境,收集真實生活中的互動數據。這不僅是數據來源的轉移,更是 AI 從被動閱讀文字轉變為主動感知環境的質變。 先說最重要的功能轉變:AI 開始具備環境感知能力。過去 AI 只能等你輸入指令才回應,現在它能透過家中的智慧設備,即時處理並理解你的行為模式。例如,當你在廚房忙碌時,智慧冰箱或語音助手能自動調整燈光與音樂,甚至預測你需要的食材。這種技術依賴於邊緣運算的進步,讓數據能在本地設備上處理,僅將高價值資訊上傳至雲端,既提升了反應速度,也兼顧了隱私安全。...

Google 推出支援音視頻分析的開源 Gemma 4 12B,同時 Alphabet 為其 AI 業務籌得破紀錄的 850 億美元融資,展現科技巨頭對生成式應用的強烈信心。然而企業界正經歷 AI 代理的清算,發現執行層面的落地難題遠大於模型本身的技術挑戰。在應用場景拓展上,AI 正從雲端走向本地運行,並開始深入住宅數據與電商搜尋等日常領域。

AI 的下一個數據集是你的公寓

AI 的下一個數據集是你的公寓

The Rundown AI 探討了 AI 模型訓練數據來源的演變,指出未來 AI 將深入家庭環境,透過智慧家電與感測器收集真實生活數據。同時,文章提及無程式碼(no-code)工具讓使用者能輕鬆建立自訂的部落格寫作代理,降低開發門檻。

智慧家居無程式碼AI 代理
The Rundown AI
Demis Hassabis 獨家專訪:AI 與 AGI 及疾病治療的未來

Demis Hassabis 獨家專訪:AI 與 AGI 及疾病治療的未來

Google DeepMind 執行長 Demis Hassabis 接受專訪,深入探討人工智慧在通用人工智慧(AGI)發展上的進展,以及如何利用 AI 技術加速疾病治療的研發。此次訪談揭示了頂尖實驗室對醫療領域的長期佈局,強調 AI 將從理論研究走向實際臨床應用。

AGI疾病治療DeepMind
The Rundown AI
Alphabet 為 Google AI 業務籌得破紀錄 850 億美元融資

Alphabet 為 Google AI 業務籌得破紀錄 850 億美元融資

Alphabet 透過高達 850 億美元的股票發行,展現市場對 Google AI 業務的強烈信心與投資意願。這筆巨額資金將加速 Google 在生成式 AI 領域的研發與基礎設施建設,鞏固其在全球 AI 市場的領導地位。

AlphabetGoogle AI融資
TechCrunch AI
Amazon 搜尋引入 AI 生成商品圖像

Amazon 搜尋引入 AI 生成商品圖像

Amazon 宣布在搜尋結果中整合視覺搜尋與 AI 技術,直接展示與搜尋查詢相符的 AI 生成商品圖像,旨在更直觀地引導用戶找到合適商品。此舉標誌著電商平台從傳統關鍵字匹配轉向生成式 AI 驅動的商品展示新範式。

AmazonAI 生成圖像視覺搜尋
TechCrunch AI
Google 推出開源 Gemma 4 12B,支援音視頻分析且可本地運行

Google 推出開源 Gemma 4 12B,支援音視頻分析且可本地運行

Google 發布了參數量約 120 億的開源模型 Gemma 4 12B,該模型採用 Apache 2.0 授權,專為在配備 16GB 記憶體的一般企業筆記型電腦上本地執行而優化。與追求龐大規模的趨勢不同,此模型具備音頻與視頻分析能力,讓開發者能在不依賴雲端的情況下部署多模態 AI 應用。

Gemma 4本地運行多模態
VentureBeat AI
AI 代理的清算:企業面臨執行層面問題,而非模型問題

AI 代理的清算:企業面臨執行層面問題,而非模型問題

VentureBeat 的調查顯示,許多企業在 AI 治理上存在嚴重落差,認為擁有中央管控團隊的企業僅佔 43%,且近三分之一將問題歸咎於供應商不透明。這揭示企業目前過度聚焦於模型選擇,卻忽略了實際執行與治理架構的缺失,導致大部分解決方案都建錯了方向。

AI 治理企業 AIAI 代理
VentureBeat AI
The Download: AI 現在能接管行政部門

The Download: AI 現在能接管行政部門

AI 技術已從單純的對話工具演變為能實際執行會計、設計、市場研究及產品開發等複雜行政任務的解決方案。這意味著小型企業也能以低成本獲得原本僅大型公司才擁有的全方位營運能力,大幅降低創業與經營門檻。

AI 行政小型企業自動化
MIT Tech Review
Direct Preference Optimization 超越聊天機器人應用

Direct Preference Optimization 超越聊天機器人應用

Hugging Face 發表文章探討 Direct Preference Optimization (DPO) 技術,展示其應用範圍已從單純的聊天機器人擴展至更廣泛的 AI 模型訓練場景。這項技術讓開發者能更有效地利用人類反饋來優化模型行為,無需依賴複雜的強化學習步驟,大幅降低訓練成本與門檻。

Direct Preference OptimizationHugging Face模型訓練
Hugging Face Blog

今日洞察

AI 產業正從單純的模型競賽轉向深度應用與基礎設施的雙重佈局。巨額融資與開源模型並行,顯示市場既追求雲端生成式 AI 的規模效應,也重視本地化部署與隱私安全。數據來源從網路延伸至家庭環境,結合電商視覺搜尋與醫療臨床應用,標誌著 AI 已深入實體經濟與日常生活。然而,企業治理的嚴重落差提醒業界,技術落地關鍵不在模型參數量,而在於執行架構與供應鏈透明度。未來競爭將取決於能否將理論研究轉化為實際臨床效益與商業閉環,並解決數據隱私與治理缺失的痛點,否則再先進的技術也難以規模化落地。

🔮 趨勢雷達

未來三至六個月,AI 產業將從單純的模型競賽轉向基礎設施與治理的實戰落地。隨著 Google 推出可本地運行的多模態開源模型,邊緣計算將取代雲端依賴成為企業部署主流,Q3 時期本地化部署將大幅降低運算成本。電商領域的生成式圖像應用將迫使傳統搜尋引擎在年底前全面轉型,無法整合視覺生成技術的廠商將被市場淘汰。同時,巨額融資將推動醫療 AI 進入臨床驗證階段,但企業治理缺失將引發投資降溫,資金將從概念驗證急轉至具備中央管控能力的解決方案,缺乏執行架構的 AI 代理項目將在半年內遭遇大規模裁撤。