淘天AIGX四箭齐发

淘天集团今天（2026年7月20日）公布AIGX技术体系的四项最新成果，包括拍立淘全模态实时Agent、全场景AI创作工作台if Studio、Coupella智惠引擎，以及Agentic推荐系统Dream。

这次发布的重点不是再造一个聊天机器人，而是把AI嵌入电商最核心的四条链路：用户理解商品、商家生产内容、平台分配营销资源，以及推荐系统判断用户下一步需要什么。

其中，Coupella是目前业务成绩最明确的一项成果。淘天披露，Coupella自2025年双11规模化上线以来，已经覆盖数十万商家，AI红包转化率提升81%，头部品牌由AI引导的成交金额超过8000万元。

AIGX不是单个模型，而是一套电商AI技术框架

AIGX是淘天集团面向全域电商场景构建的体系化AI技术框架，其目标是让AI从提供单点能力的工具，升级为可以感知环境、理解意图、生成内容并参与业务决策的系统。

这一定义决定了AIGX与普通AIGC工具的区别。AIGC主要回答“能生成什么”，AIGX试图进一步解决“应该在什么场景生成、生成后采取什么动作，以及动作是否真正带来增量”这些问题。

四项成果刚好组成一条相对完整的业务闭环：拍立淘负责感知和理解，if Studio负责内容生产，Coupella负责营销干预，Dream负责用户意图与推荐决策。它们不是四个平行摆放的AI功能，而是淘天把大模型能力接入交易链路的四个切口。

| 产品或系统 | 简明定义 | 主要任务 | 面向对象 | 当前披露的关键进展 | |---|---|---|---|---| | 拍立淘全模态实时Agent | 能持续理解图像、视频、语音及上下文，并据此执行商品搜索任务的实时智能体 | 商品识别、需求理解、搜索与交互 | 消费者 | 尚未公布延迟、识别准确率及覆盖范围 | | if Studio | 面向电商全场景内容生产的AI创作工作台 | 商品素材生成、编辑和多场景适配 | 商家、品牌及内容团队 | 尚未公布价格、开放范围及生成效率数据 | | Coupella智惠引擎 | 使用AI进行优惠策略和营销资源决策的智能引擎 | 红包、权益和营销干预优化 | 商家、品牌及平台运营 | 覆盖数十万商家，AI红包转化率提升81% | | Dream | 将意图理解、规划和反馈机制引入推荐链路的Agentic推荐系统 | 理解长期需求并动态组织推荐结果 | 消费者及平台推荐团队 | 尚未公布线上流量占比和推荐指标 |

拍立淘Agent要把“看图找货”变成连续对话

拍立淘全模态实时Agent是一个以视觉信息为核心、同时处理多种输入并实时执行搜索任务的智能体。这里的“全模态”意味着系统面对的不再只是一张静态图片，还要综合视频画面、语音描述、文字补充和连续上下文判断用户到底想买什么。

传统拍照搜索更像一次性的图片匹配。用户上传一张椅子的照片，系统提取视觉特征，再从商品库中寻找外形接近的结果；一旦用户补充“要适合小户型、能折叠、预算500元以内”，系统通常需要把这些条件重新交给搜索与筛选模块。

实时Agent试图把这组割裂的操作合并成一个连续任务。用户可以把镜头对准一件商品或一个生活场景，同时用自然语言追加限制，系统则需要识别对象、理解指代、调用商品检索与排序能力，再根据用户反馈调整结果。

这项能力的技术难点不在于识别单张图片，而在于以足够低的延迟完成连续感知和工具调用。一个可用的实时购物Agent需要同时处理流式视觉编码、语音识别、跨模态对齐、商品召回、属性过滤与结果生成，其中任何一环变慢，交互体验都会从“实时助手”退化成“等它想完再说”。

淘天目前没有披露拍立淘Agent的端到端延迟、商品识别准确率、视频帧处理方式及灰度范围。因此，这项成果的产品方向很明确，但距离判断其体验是否真正跨过可用门槛，还缺少最关键的线上数据。

if Studio瞄准的不是海报，而是内容供应链

if Studio是一个覆盖电商内容生产流程的AI创作工作台，其价值取决于能否将商品事实、品牌规范和渠道要求统一到同一套生产环境中。

商家真正需要的通常不是“生成一张好看的图”，而是围绕一个SKU批量产出主图、详情页、短视频、直播素材和活动页面，并确保价格、规格、卖点与品牌视觉不互相冲突。通用图片或视频模型可以提高单次生成效率，却未必能管理这条内容供应链。

全场景工作台的意义在于把生成、编辑、审核和分发串起来。同一份商品信息可以被改写成不同长度的文案，同一套视觉素材可以适配搜索结果页、信息流和直播间，而不是让运营人员在多个工具之间反复复制内容。

电商创作的核心约束也比普通设计更严。模型生成的包装文字、商品结构、材质和数量都必须接近真实商品，任何“看起来合理”的幻觉都有可能变成售后纠纷；食品、美妆和医疗健康类商品还涉及更严格的宣传边界，生成效率不能替代合规审核。

if Studio目前最值得关注的指标不是模型跑分，而是单个SKU的内容生产时间、一次通过率、素材复用率和人工返工比例。淘天此次尚未公开这些数据，也没有说明该工作台的收费方式、商家准入条件及具体开放节奏。

Coupella已经从技术演示走进交易结果

Coupella智惠引擎是利用AI优化优惠策略和营销资源配置的商业决策系统。它解决的问题不是红包文案怎么写，而是红包应该发给谁、何时发、发多少，以及这次优惠是否带来了原本不会发生的成交。

传统营销系统往往依赖固定门槛和人群标签，例如向某类用户统一发放满减券。这种方法容易操作，却可能把补贴浪费在原本就准备下单的人身上，或者给价格敏感度不高的用户提供过高优惠。

智能营销引擎更接近一个受约束的策略系统。它需要预测不同用户在“不发优惠”“发小额红包”和“发大额红包”等干预下的行为差异，再结合预算、库存、利润与品牌规则选择动作；从技术上看，这比单纯预测点击率更强调因果推断和增量价值。

Coupella披露的数据证明它已经进入规模化应用阶段。自2025年双11上线以来，该系统覆盖数十万商家，AI红包转化率提升81%，头部品牌的AI引导成交超过8000万元，这至少说明它不是只在小流量实验中运行的概念产品。

不过，81%的提升仍然需要更完整的统计口径才能准确评价。淘天尚未说明这一数字对应领取转化、使用转化还是最终支付转化，也没有公布对照组规模、观察周期、平均补贴成本及增量利润。

“AI引导成交超过8000万元”也不等同于“AI创造8000万元增量成交”。前者统计的是AI参与链路后的成交规模，后者则需要排除用户自然购买和其他营销渠道的贡献，两者在商业价值判断上存在明显差别。

即便如此，Coupella依然是四项成果中最有说服力的一项。内容生成可以展示样片，Agent可以展示交互，但营销决策最终必须接受转化率、补贴效率和利润的检验，而Coupella已经开始用交易数据回答这个问题。

Dream想改写推荐系统的工作方式

Dream是一个由智能体机制驱动的推荐系统，其目标是让推荐从一次性的内容排序转向持续理解意图、规划结果并根据反馈修正策略。

传统推荐系统通常由召回、粗排、精排和重排等环节组成。系统从海量商品中筛出候选集，再根据点击率、转化率和用户价值等目标打分，这套架构成熟、高效，也支撑了今天绝大多数电商信息流。

Agentic推荐并不意味着抛弃这些基础模块，而是在其上增加更强的意图推理和任务规划能力。用户搜索“第一次露营要准备什么”时，传统系统可能根据关键词返回帐篷和睡袋；智能体式推荐则应理解这是一个组合采购任务，进一步考虑人数、天气、交通方式和预算，并组织出更完整的商品集合。

Dream的潜在价值在于处理模糊需求和长期目标。点击信号只能说明用户刚刚对什么感兴趣，却不一定说明其最终目的；如果系统能够通过对话和行为反馈逐步确认需求，推荐结果就有机会从“猜你喜欢”变成“帮你完成采购”。

Agentic推荐的代价则是更高的计算成本和更复杂的安全边界。大模型推理进入推荐主链路后，平台必须同时控制响应延迟、商品事实准确性、商业规则、广告展示要求和结果可解释性，而传统推荐系统通常可以在毫秒级完成大规模排序。

淘天此次没有公布Dream的线上流量占比、点击率、成交转化率、推理成本和端到端延迟。因此，Dream目前更像一次推荐范式的公开亮相，还不能据此判断它已经替代现有推荐架构。

四项成果组成了一个“感知—生成—决策—反馈”闭环

淘天此次发布最值得关注的地方，是四项成果覆盖了电商平台从需求出现到交易发生的完整路径。拍立淘Agent负责捕捉需求，if Studio负责提供内容，Coupella负责选择干预策略，Dream负责持续组织和调整推荐结果。

| 业务环节 | 传统系统的典型方式 | AIGX体系试图实现的变化 | |---|---|---| | 商品理解 | 图片特征匹配、关键词检索 | 综合图像、视频、语音和上下文理解任务 | | 内容生产 | 人工制作加单点生成工具 | 围绕SKU统一生成并适配多种经营场景 | | 营销决策 | 固定规则、人群标签、统一券额 | 根据个体响应和预算约束动态选择干预 | | 商品推荐 | 依赖历史行为进行候选排序 | 理解任务目标并通过反馈持续调整计划 |

这种闭环比单独发布一个大模型更符合电商平台的现实需求。淘天拥有商品库、交易记录、商家经营工具和推荐场景，真正的壁垒不是模型能否回答商品问题，而是模型能否在商品事实、平台规则和实时交易反馈之间完成可靠决策。

这也是淘天AIGX与通用AI创作产品最明显的差异。通用工具擅长生成文本、图片和视频，淘天则更强调生成结果能否直接进入搜索、营销与成交链路，并被可量化的业务目标约束。

现在最缺的仍是开放程度和成本数据

四项AIGX成果暂时更像淘天内部业务能力的集中发布，而不是面向外部开发者推出的一组标准化产品。官方公开信息尚未给出模型名称、部署架构、接口形态、价格、推理成本和完整开放时间表。

这一区别对开发者很重要。一个在淘宝主站内运行的系统可以调用平台商品图谱、用户行为和经营规则，但第三方应用即使获得相同的基础模型，也未必拥有完成任务所需的数据权限和业务工具。

评估这四项成果还需要等待更多可验证指标。拍立淘Agent需要公布实时延迟和任务成功率，if Studio需要公布生产效率与返工率，Coupella需要补充增量收益和补贴成本，Dream则需要给出推荐效果、流量规模及单次推理成本。

现阶段可以给出一个相对明确的判断：淘天已经不满足于把大模型放进搜索框，而是在尝试让AI接管电商链路中更复杂的任务。Coupella已经拿出初步商业数据，另外三项则展示了方向，但尚未提供足够证据证明它们已经达到规模化生产系统的成熟度。

参考来源

• Alibaba GitHub官方组织页：阿里巴巴开源项目与基础技术生态入口，可用于了解其公开技术项目背景。

本文事件信息依据淘天集团2026年7月20日公开发布内容及当日国内媒体报道整理；因文末链接仅保留指定可访问域名，未列出不符合域名范围的报道页面。