淘天 AIGX 体系技术辨析：从 Agent 交互到因果推断的商业化落地
淘天集团 AIGX 体系：构建电商智能新范式
在淘天集团第五届「硬核少年技术节」上，官方正式发布了 AIGX 体系的四项核心技术成果。这四项成果分别布局于感知、创作、推断、理解四个维度，标志着淘天将大模型与 Agent 技术全面渗透至电商经营的核心链路，并已在实际业务中产生显著的数据反馈。
淘天的 AI 落地并非单一模型的堆砌，而是针对电商不同环节构建了垂直的专家 Agent 协同网络。以下是对这一体系的深度解析及行业启示。
一、技术全景：AIGX 四大 Agent 架构解析
1. AIGI/图搜（感知）：拍立淘全模态实时 Agent
- 技术升级：将传统的“拍照搜同款”升级为具备实时意图理解能力的多模态 Agent。
- 交互逻辑：支持摄像头实时捕捉、自然语言指令输入（如预算与偏好）、上下文记忆复用及语音即时打断。
- 场景拓展：从单一的购物检索延伸至穿搭建议、外文包装翻译比价、博物馆展品讲解等多维生活场景。
2. AIGC/If Studio（创作）：全场景 AI 创作工作台
- 技术架构：整合设计、视频、建站三大专家 Agent，通过自然语言描述需求，实现任务自动拆解与推进。
- 底层模型：内置
happyHorse 1.1视频模型，覆盖 CG 动画、商品棚拍、种草试穿等电商高频视觉生产需求，大幅降低中小商家的内容制作门槛。
3. AIGR/Dream（理解）：Agentic 驱动的推荐系统
- 范式转变：突破传统“千人千面”基于静态标签（性别、年龄、偏好）的匹配逻辑，转向动态意图识别与策略适配。
- 决策机制：系统根据用户当前行为阶段（随机浏览、比价纠结、临门下单、购后复购）动态调整推送策略，而非简单依赖历史标签。
- 业务成效：该系统已部署于首猜场景，带动整体成交金额提升 3%。
4. AIGU/Coupella 智惠引擎（推断）：生成式因果推断大模型
- 定位：聚焦解决商家经营中两大核心痛点——“配券难”与“算账难”。
- 核心逻辑：通过生成式因果大模型进行精准的效果评估与策略生成，实现从营销方针制定到投放执行的 AI 自闭环。
二、深度辨析：Coupella 的商业化闭环与数据验证
在 AIGX 体系中，Coupella 智惠引擎的技术路径最具 ToB 商业参考价值。其核心突破在于利用因果推断技术，剥离传统营销数据中的“水分”，精准计算真实增量。
三层归因挤占模型
传统促销往往难以区分优惠券带来的究竟是新增量还是存量转移。Coupella 通过以下三层归因剔除无效营销：
- 抢隔壁：剔除跨店竞争导致的单纯流量转移（内卷效应）。
- 抢自己：剔除即便不发券也会自然下单的确定性订单。
- 抢明天：剔除透支未来订单导致的短期波动。
经过这三层过滤后的营销投入，才对应真实的业务增量。商家仅需设定核心目标（如追求成交、拉新或 ROI 底线），系统即可自动生成最优发券方案。
关键数据表现
- 覆盖率与转化：自上线以来覆盖数十万商家，AI 红包整体转化率提升 81%。
- 商家投入意愿：在今年 618 大促期间，近 10 万 商家在平台出资之外，主动追加资金投入。
- 极端案例验证：世界杯期间，一家无运营团队的体育用品小店接入 Coupella 后，AI 主动匹配潜力消费者。七日内到店买家从 7 人跃升至 454 人，单日 GMV 从 1,310 元飙升至 11.9 万元，ROI 达到 28.7 倍，且超半数访客为新客。
- 学术认可：相关底层因果推断技术已被 KDD 2026 收录。
三、行业启示
1. 从“标签匹配”到“意图推断”
推荐系统与搜索逻辑正经历从静态画像向动态因果推断的演进。能准确识别用户“当下想解决什么问题”的 Agent，将具备更高的商业转化效率。
2. ToB 落地的关键在于“算账”
在电商与营销领域，AI 的价值不仅在于生成内容，更在于通过因果推断解决财务归因难题。能够量化真实增量、提供可解释 ROI 的模型，更容易获得 B 端商家的真金白银投入。
3. 多 Agent 协同的必要性
复杂的商业场景（如电商经营）无法由单一模型通吃。AIGX 体系展示了通过感知、创作、推断、理解四大垂直 Agent 交叉协作，覆盖全链路的工程化可行性。
参考来源：
* 原始报道：淘宝，是如何搞 AI 的？
* 技术收录：KDD 2026