炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
文 | 《北美前哨》栏目 康路 发自纽约
在智能体商业（Agentic Commerce）全面爆发的 2026 年，以谷歌通用商业协议（UCP）为代表的全球技术标准正与亚太地区闭环的本土 AI 生态展开博弈，推动全球零售业迈向一场颠覆性的“机器营销”革命。
德勤发布的《商业的未来：亚太地区的智能体购物》报告以及相关行业研判显示。随着消费者逐步将购买决策权移交给 AI 助理，传统品牌力与消费者忠诚度正面临断崖式消解的危机。而在后端架构上，Token（词元）消耗取代软件许可证成为核心计量单位，更让企业 AI 支出演变成高波动性的非线性可变成本，直接冲击着企业的损益表与自由现金流。
面对行业转型中的关键趋势，《北美前哨》对话该报告的撰写人之一、德勤东南亚消费行业主管Vivek Sharma，解析亚太地区消费行业在智能体商业时代下的生存红线、成本重塑与新流量变现路径。
以下为对话内容（略有删减）：
1、《北美前哨》：今年年初，谷歌在 NRF 2026（美国零售联合会年度展会）上推出的通用商业协议（Universal Commerce Protocol，简称 UCP）被认为是智能体商业（Agentic Commerce）时代的“TCP/IP协议”。从企业落地的角度来看，通用商业协议究竟解决了零售商的哪些核心运营或技术瓶颈？鉴于阿里通义千问等亚太本土生态已经构建了从发现到支付的闭环，您预期亚太品牌最终会接入通用商业协议，还是会看到明显的区域性协议分裂？跨国品牌应当如何应对这种双轨协议环境？
Vivek Sharma：随着客户在商品发现、购买、忠诚度管理以及客户服务等全链条中变得越来越依赖智能体，通用谷歌的商业协议确实展现出了端到端智能体商业工作流的巨大潜力。它扮演了一个统一的协议层角色，能够显著减少零售商对复杂点对点集成的需求，而且不需要大型零售商推翻并更换其现有的技术架构。
但在实际操作中，大多数大型跨国企业已经在多云环境以及高度多元化的移动和支付生态中运行。因此，当下的当务之急并不是将所有标准统一到某一个单一的协议上，而是要确保不同智能体商业标准之间的互操作性，从而让这些不同的系统能够实现无缝协同。
2、《北美前哨》：亚太地区在智能体零售的落地速度上差异明显，从印度的即时零售履约，到日本应对劳动力短缺的店内服务智能体等。根据德勤目前的客户接触，哪些细分区域在迈向全面商业化生产的速度最快？能否分享两到三个具体实例来展现不同市场的优先级差异？
Vivek Sharma：由于中国已经拥有从商品发现到支付的成熟生态，能够为消费者提供无摩擦的结账体验，因此中国在端到端客户旅程的 AI 应用上确实走在前面。与此同时，新加坡和东南亚其他地区在零售业的 AI 落地速度也非常迅猛。
技术的应用很大程度上取决于更大范围的生态系统支撑。日本的店内服务智能体侧重于解决本土劳动力短缺的问题，而印度由于拥有成本合理的劳动力资源，正在经历即时零售的爆发式增长。
在具体实例方面，新加坡的星级超市 FairPrice 已经部署了智能购物车，并且已经取得了可衡量的业务成果，不仅扩大了消费者的客单价篮子，还显著提升了门店的运营效率。另一个例子是电商平台 Lazada，他们将 AI 深度嵌入到其核心的四个维度中，即发现、可靠性、优惠交易和决策制定。其推出的 AI 驱动个人购物助手、智能推荐和智能化商品信息展示，正在大幅增强消费者的电商互动体验。
3、《北美前哨》：数据表明，亚太地区仅有约 30% 的消费类企业成功将其 AI 项目投入全面生产，集成工程和成本往往远超模型本身的 API 费用。对于一家中型零售商而言，目前部署一个有实际意义的智能体能力的真实总拥有成本（TCO）是多少？如果零售商想在未来 12 个月内保持竞争力又不想突破预算，德勤建议的投资策略和顺序是什么？
Vivek Sharma：根据德勤 2026 年零售业全球展望报告，44% 的受访者反映其传统系统正在拖慢创新步伐，这进一步凸显了企业对清洁、互联的数据架构进行投资的迫切性。因此，建立一个随时可供 AI 调用的数据基础，应当被纳入智能体能力总拥有成本的底座。
当零售商在这个数据底座上开始部署智能体 AI 时，他们必须彻底重构评估成本和价值的方式。目前许多组织对 AI 的直接成本感知并不明显，因为这些成本往往被嵌入在现有的 ERP、CRM 或 SaaS 平台等系统服务费中。
然而，随着 AI 从试点项目转向全企业范围的部署，其成本模型正在发生本质的变化。Token（词元），正在取代传统的软件许可证或人头费，成为最主要的成本计量单位。这就带来了一个结构性的转变：AI 支出现在完全由使用量驱动，呈现非线性特征，并且天生更具波动性，这将直接对企业的利润率、财务预测和资本规划产生深远影响。
这种转变之所以至关重要，原因在于以下两点：
第一，Token 的消耗量会随着用户使用率、数据吞吐量以及模型复杂度的提升而呈现指数级放大。
第二，AI 成本在财务上表现为可变投入成本，而非固定资产支出。
AI 不再仅仅是一个单纯的技术投资，它已经演变成一个需要主动治理的经济系统。这种转变要求企业在构建 AI 商业案例时使用截然不同的方法。那些能够建立端到端可见性、依靠稳健模型以及推行严谨的云财务管理的首席财务官和首席信息官，才能将 Token 消耗直接与损益表结果挂钩，从而在成本波动中掌控全局，构建起持续的竞争优势。
4、《北美前哨》：超过 80% 的零售高管认为，智能体的普及会削弱传统的品牌忠诚度，品牌应该如何将策略转向面向机器的营销？德勤正在采取哪些具体步骤帮助客户构建智能体可读的商品资产？品牌又该如何确保自己在智能体主导的市场中成为首选推荐？
Vivek Sharma：德勤 2026 年零售业全球展望报告显示，81% 的受访零售高管认为，到 2027 年，生成式 AI 将显著削弱传统的品牌忠诚度。因为智能体技术在帮消费者做选择时，更聚焦于价值、契合度等理性指标，而非传统的品牌知名度。
如果这一预期成为现实，零售商必须立刻采取特定的 AI因子策略。这包括确保其商品数据和价格数据达到极高的准确性、可访问性，并针对 AI 智能体的抓取和阅读进行深度优化，否则这些产品将在机器筛选的环节，直接变得对消费者不可见。
与此同时，营销高管们已经意识到了 AI 的颠覆性潜力。67% 的受访零售高管预计在未来一年内拥有 AI 驱动的个性化能力，从而解锁能够针对每个客户动态调整的定制化体验、定向营销活动和忠诚度计划。
由于对 AI 赋能充满信心，零售高管们正计划将更多的营销活动收归内部自研。对于运营零售媒体网络的企业而言，这种内部化带来了更大的业绩上行空间。高达88%的受访零售商高管已将“零售媒体网络（RMN）”视作企业未来的核心营收与利润增长引擎。不仅如此，79%的高管正计划将这一广告变现模式推向“非生态本土广告”领域，即跨越自身零售货架的商品品类边界，完全依靠自身沉淀的消费者第一手行为数据，进行全行业的精准流量变现。例如，一家主营日常杂货的零售商，由于掌握了消费者高频、真实的购买数据，因此可能会为保险公司等非货架关联行业投放广告。
责任编辑：孙同怀