千问大模型点外卖项目失败

寂静回声

春节AI盛宴的硝烟刚刚散尽，QuestMobile的数据显示，千问大模型日活曾一度冲到了7352万的惊人高点。
然而，将近一个月过去了，千问大模型的日活具体还剩下多少，尤其是还有多少人每天用千问大模型点外卖，官方并未披露。但有一点可以确定：补贴退坡以后，我身边的人大部分卸载了，再也没有见过用千问大模型下单买奶茶的人了。

用千问大模型点外卖，比用淘宝闪购点外卖的体验差距有多大？坦白说，几乎是全方面的倒退：
首先是速度慢。用千问大模型下单一杯奶茶，从唤醒App到文字/语音输入，再到AI理解并执行，操作时间至少是传统方式的翻倍，而且还不稳定。
其次是操作难。用千问大模型下单需要打字或语音输入，而闪购只需要点选。
第三是服务差。用千问大模型下单后，售前售后等服务相关需求，最终还是要去闪购查看。当用户遇到问题时，反而要多走一道流程。
第四是决策难。千问大模型只有半屏可以显示商品内容，信息量远低于闪购的完整货架。
当你想对比不同店铺的优惠、查看用户评价时，千问AI的展示效率远不如传统界面。
千问唯一的优势就是补贴够大。春节期间“免单”确实吸引了大量用户，但一旦补贴退坡，这种由薅羊毛驱动的增长立刻显露出脆弱性。当用户不再为省钱而来，谁还会忍受这种低效的体验？

体验差就算了，千问大模型点外卖注定成本更高。
用千问大模型下单，每一次都会调用AI算力，这个成本远超闪购常规下单。
2月6日活动当天，千问系统就因为算力承载不足被击穿——单量超过200万单时，系统已经明显延迟，这是淘宝双十一都很少出现的情况。
一位多次参与双11大促的PM指出，双11不涉及算力问题，因为没有预测和研判，只是秒冲。而AI agent需要大量的算力，高并发请求叠加了AI理解需求、比价、支付等复杂算力消耗，导致现有服务器资源无法支撑。
据估算，单次使用AI点外卖的算力成本可能在2元左右。这个数字并非空穴来风——参考用ChatGPT购物，OpenAI会抽佣4%（电商单价更高，实际抽佣几乎都会大于2元），以及使用近期爆火的小龙虾下单电商商品算力成本也会明显高于2元。
短期内的确可以用补贴来培养用户习惯，但长期看，这个成本必然会叠加在订单里，由用户买单。而外卖大战的历史早已证明，1块钱的补贴差异都会产生天量的订单流失，用户显然不会因为使用了“AI技术”就愿意为20元的外卖付出22元。

MIT的一份研究报告揭示了残酷的现实：高达95%的企业AI项目都达不到预期。这个惊人的比例背后，是企业正在重复踩踏的一个个深坑。
目前的AI只能解决流程中的某一个问题，几乎不能解决整个流程本身。ChatGPT可以替代搜索，豆包可以帮助修图，但AI在面对完整业务流程时，往往显得力不从心。
为什么AI很难介入流程问题？根本原因在于：互联网上只有结果，没有流程。
你可以随便找个AI问一下做某件事的具体流程，看看结果就知道AI对流程的理解有多么肤浅了。AI模型训练所依赖的数据，大多是成品、是结果，而不是从零到一的思考过程和决策链条。
比如今天这篇文章，我可以让AI做润色，但它只得到了我写这篇文章的最终结果，无法了解我为什么要写、以及通过怎样的调研和思考才写出这篇文章的。
回到外卖这个场景，点外卖是一个复杂的决策流程：吃什么？从哪家买？如何比价？优惠券怎么凑？配送时间是否合适？外卖App花了十几年去优化和迭代这些流程，AI很难在短时间内把这些流程都融会贯通。
尤其是涉及到决策环节需要用户介入确认时，本来一眼就能完成的比价，现在可能需要三五次对话，用户早就失去耐心了。