炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！
文 | 《北美前哨》欄目 康路 發自紐約
在智能體商業（Agentic Commerce）全面爆發的 2026 年，以谷歌通用商業協議（UCP）為代表的全球技術標準正與亞太地區閉環的本土 AI 生態展開博弈，推動全球零售業邁向一場顛覆性的「機器營銷」革命。
德勤發布的《商業的未來：亞太地區的智能體購物》報告以及相關行業研判顯示。隨着消費者逐步將購買決策權移交給 AI 助理，傳統品牌力與消費者忠誠度正面臨斷崖式消解的危機。而在後端架構上，Token（詞元）消耗取代軟件許可證成為核心計量單位，更讓企業 AI 支出演變成高波動性的非線性可變成本，直接衝擊着企業的損益表與自由現金流。
面對行業轉型中的關鍵趨勢，《北美前哨》對話該報告的撰寫人之一、德勤東南亞消費行業主管Vivek Sharma，解析亞太地區消費行業在智能體商業時代下的生存紅線、成本重塑與新流量變現路徑。
以下為對話內容（略有刪減）：
1、《北美前哨》：今年年初，谷歌在 NRF 2026（美國零售聯合會年度展會）上推出的通用商業協議（Universal Commerce Protocol，簡稱 UCP）被認為是智能體商業（Agentic Commerce）時代的「TCP/IP協議」。從企業落地的角度來看，通用商業協議究竟解決了零售商的哪些核心運營或技術瓶頸？鑑於阿里通義千問等亞太本土生態已經構建了從發現到支付的閉環，您預期亞太品牌最終會接入通用商業協議，還是會看到明顯的區域性協議分裂？跨國品牌應當如何應對這種雙軌協議環境？
Vivek Sharma：隨着客戶在商品發現、購買、忠誠度管理以及客戶服務等全鏈條中變得越來越依賴智能體，通用谷歌的商業協議確實展現出了端到端智能體商業工作流的巨大潛力。它扮演了一個統一的協議層角色，能夠顯著減少零售商對複雜點對點集成的需求，而且不需要大型零售商推翻並更換其現有的技術架構。
但在實際操作中，大多數大型跨國企業已經在多雲環境以及高度多元化的移動和支付生態中運行。因此，當下的當務之急並不是將所有標準統一到某一個單一的協議上，而是要確保不同智能體商業標準之間的互操作性，從而讓這些不同的系統能夠實現無縫協同。
2、《北美前哨》：亞太地區在智能體零售的落地速度上差異明顯，從印度的即時零售履約，到日本應對勞動力短缺的店內服務智能體等。根據德勤目前的客戶接觸，哪些細分區域在邁向全面商業化生產的速度最快？能否分享兩到三個具體實例來展現不同市場的優先級差異？
Vivek Sharma：由於中國已經擁有從商品發現到支付的成熟生態，能夠為消費者提供無摩擦的結賬體驗，因此中國在端到端客戶旅程的 AI 應用上確實走在前面。與此同時，新加坡和東南亞其他地區在零售業的 AI 落地速度也非常迅猛。
技術的應用很大程度上取決於更大範圍的生態系統支撐。日本的店內服務智能體側重於解決本土勞動力短缺的問題，而印度由於擁有成本合理的勞動力資源，正在經歷即時零售的爆發式增長。
在具體實例方面，新加坡的星級超市 FairPrice 已經部署了智能購物車，並且已經取得了可衡量的業務成果，不僅擴大了消費者的客單價籃子，還顯著提升了門店的運營效率。另一個例子是電商平台 Lazada，他們將 AI 深度嵌入到其核心的四個維度中，即發現、可靠性、優惠交易和決策制定。其推出的 AI 驅動個人購物助手、智能推薦和智能化商品信息展示，正在大幅增強消費者的電商互動體驗。
3、《北美前哨》：數據表明，亞太地區僅有約 30% 的消費類企業成功將其 AI 項目投入全面生產，集成工程和成本往往遠超模型本身的 API 費用。對於一家中型零售商而言，目前部署一個有實際意義的智能體能力的真實總擁有成本（TCO）是多少？如果零售商想在未來 12 個月內保持競爭力又不想突破預算，德勤建議的投資策略和順序是什麼？
Vivek Sharma：根據德勤 2026 年零售業全球展望報告，44% 的受訪者反映其傳統系統正在拖慢創新步伐，這進一步凸顯了企業對清潔、互聯的數據架構進行投資的迫切性。因此，建立一個隨時可供 AI 調用的數據基礎，應當被納入智能體能力總擁有成本的底座。
當零售商在這個數據底座上開始部署智能體 AI 時，他們必須徹底重構評估成本和價值的方式。目前許多組織對 AI 的直接成本感知並不明顯，因為這些成本往往被嵌入在現有的 ERP、CRM 或 SaaS 平台等系統服務費中。
然而，隨着 AI 從試點項目轉向全企業範圍的部署，其成本模型正在發生本質的變化。Token（詞元），正在取代傳統的軟件許可證或人頭費，成為最主要的成本計量單位。這就帶來了一個結構性的轉變：AI 支出現在完全由使用量驅動，呈現非線性特徵，並且天生更具波動性，這將直接對企業的利潤率、財務預測和資本規劃產生深遠影響。
這種轉變之所以至關重要，原因在於以下兩點：
第一，Token 的消耗量會隨着用戶使用率、數據吞吐量以及模型複雜度的提升而呈現指數級放大。
第二，AI 成本在財務上表現為可變投入成本，而非固定資產支出。
AI 不再僅僅是一個單純的技術投資，它已經演變成一個需要主動治理的經濟系統。這種轉變要求企業在構建 AI 商業案例時使用截然不同的方法。那些能夠建立端到端可見性、依靠穩健模型以及推行嚴謹的雲財務管理的首席財務官和首席信息官，才能將 Token 消耗直接與損益表結果掛鉤，從而在成本波動中掌控全局，構建起持續的競爭優勢。
4、《北美前哨》：超過 80% 的零售高管認為，智能體的普及會削弱傳統的品牌忠誠度，品牌應該如何將策略轉向面向機器的營銷？德勤正在採取哪些具體步驟幫助客戶構建智能體可讀的商品資產？品牌又該如何確保自己在智能體主導的市場中成為首選推薦？
Vivek Sharma：德勤 2026 年零售業全球展望報告顯示，81% 的受訪零售高管認為，到 2027 年，生成式 AI 將顯著削弱傳統的品牌忠誠度。因為智能體技術在幫消費者做選擇時，更聚焦於價值、契合度等理性指標，而非傳統的品牌知名度。
如果這一預期成為現實，零售商必須立刻採取特定的 AI因子策略。這包括確保其商品數據和價格數據達到極高的準確性、可訪問性，並針對 AI 智能體的抓取和閱讀進行深度優化，否則這些產品將在機器篩選的環節，直接變得對消費者不可見。
與此同時，營銷高管們已經意識到了 AI 的顛覆性潛力。67% 的受訪零售高管預計在未來一年內擁有 AI 驅動的個性化能力，從而解鎖能夠針對每個客戶動態調整的定製化體驗、定向營銷活動和忠誠度計劃。
由於對 AI 賦能充滿信心，零售高管們正計劃將更多的營銷活動收歸內部自研。對於運營零售媒體網絡的企業而言，這種內部化帶來了更大的業績上行空間。高達88%的受訪零售商高管已將「零售媒體網絡（RMN）」視作企業未來的核心營收與利潤增長引擎。不僅如此，79%的高管正計劃將這一廣告變現模式推向「非生態本土廣告」領域，即跨越自身零售貨架的商品品類邊界，完全依靠自身沉澱的消費者第一手行為數據，進行全行業的精準流量變現。例如，一家主營日常雜貨的零售商，由於掌握了消費者高頻、真實的購買數據，因此可能會為保險公司等非貨架關聯行業投放廣告。
責任編輯：孫同懷