文章作者、来源：哈佛商业评论

今年早些时候，中美两国的科技巨头为推广各自的AI新品，发起了两场截然不同的营销攻势。

在中国春节期间，阿里巴巴向其客户发放了超过4亿美元的补贴。消费者通过阿里巴巴的AI助手“通义千问”完成的每一顿餐饮、每一张电影票、每一次机票预订和每一单生鲜配送，都能获得补贴——前提是这笔交易由通义千问全程处理完成。

两周后，在太平洋彼岸的第六十届超级碗上，OpenAI、谷歌、Meta和亚马逊各自斥资高达1000万美元购买了30秒的广告时段，试图让美国消费者相信，他们的AI才是最聪明、最能干、最具变革性的。

这两场活动的差异，反映了两国企业正在采取截然不同的战略。越来越多的证据表明，至少就目前而言，中国企业的选择更为明智。

美国策略：比拼能力

在美国，主流的AI策略是比拼能力：通过更优质的训练数据、更大的模型、更好的基准表现和更先进的功能来创造竞争优势。其假设是：能力带来用户采用，用户采用带来市场主导地位。AI界面本身成为一个目的地，一个消费者主动前往进行研究或交易的地方。

这种逻辑在技术战略中根深蒂固。在以往的平台之争中——搜索引擎、社交网络、移动操作系统——最好的产品通常获胜，并在很长一段时间内保持领先。

比拼能力确实推动了AI行业的增长。仅ChatGPT一家，其周活跃用户就在2025年翻了一番，达到8亿，整个市场也在持续急剧扩张。总体而言，美国AI用户的数量正以每年约30%的速度增长。这是一个高速增长的行业。

但在整体增长的背后，出现了一个令人不安的模式：没有一家美国AI公司能长期保持领先。当谷歌在2025年11月发布Gemini 3时，OpenAI的CEO山姆・奥特曼发布了内部“红色警报”备忘录，并将公司的下一次发布提前了数周。而就在三年前，正是谷歌针对ChatGPT发布了自家的“红色警报”。

这种模式再清楚不过了：在AI竞赛中，今天的市场领先者就是明天的追赶者。每一个基准优势都是暂时的。每一次新版本的发布都会引发所有竞争对手的恐慌。公司将数十亿美元投入到边际改进中，结果却发现竞争对手在几周内就赶了上来。企业市场份额也讲述了同样的故事：OpenAI的份额从2023年的约50%下降到2025年的27%，而Anthropic从12%上升到40%，谷歌攀升至21%。

更重要的是，AI能力的每一次新改进，其惊艳程度都在递减。当所有主流AI助手都能胜任地回答大多数问题、写出过得去的邮件、总结文档并生成可用的代码时，一个“更好”模型带来的边际改进对普通用户来说就变得难以察觉。90%和93%准确率之间的差异，对运行基准测试的研究人员来说意义重大，但对一个决定是打开ChatGPT还是直接在谷歌输入问题的消费者来说，影响要小得多。

这种不稳定性和日益收窄的能力差距，似乎正在让消费者对AI失去兴趣。我们对超级碗那一周（西方AI广告投放最密集的时期）约11.9万条社交媒体帖子的分析发现，对AI广告的负面情绪是正面情绪的2.5倍多。当筛选到专门讨论AI广告的帖子时，负面情绪达到了95%，反复出现的主题是审美疲劳和指责AI广告正在使监控常态化。值得注意的是，唯一进入观众喜爱度前十名的与AI沾边的广告，是Ring的“搜索派对”寻狗功能——这条广告从头到尾没有提到AI，完全聚焦于一个具体且能引发情感共鸣的结果。

在这种背景下，比拼能力看起来已经不再是一个好策略。那么，还有其他选择吗？

挖掘习惯护城河

另一种选择是挖掘一条“习惯护城河”：将AI深度嵌入用户的日常生活，以至于切换到替代品会让人感到费力，即使替代品可能略好一些。

大多数战略防御中的护城河来自规模、网络效应或数据锁定。习惯护城河则有所不同：它存在于顾客的行为中，而非公司的基础设施中。行为科学家认为，习惯由三部分构成：触发行为的信号，通常由该信号引发的行为，以及奖励（即强化行为重复的积极结果）。用户并非有意识地选择行为——线索（“我想今晚看电影”）直接触发一个特定行为（打开ChatGPT，询问正在上映的电影）。

打破这个序列需要用户有意识地克服一个自动反应：停下来，注意到这个线索，然后做出不同的选择。这是一种心理上的转换成本，可能高得不合常理。这通常就是为什么人们会继续使用他们不喜欢的银行、客观上更差的浏览器以及他们不再偏好的搜索引擎——即使转换的实际操作成本很低。

在线习惯的形成需要三个条件：一致的场景（相同的应用、相同的时间、相同的意图）、高频的触发线索（用户每天接触的次数越多，行为惯例自动化的速度就越快），以及可预测的奖励（用户必须每次都能快速得到他们想要的东西）。外卖、打车、支付和本地服务，都属于具备这些条件的在线交互场景，也正是中国AI正在布局的领域。

让用户上瘾

通义千问于2026年1月启动了其推广活动，推出了被业界观察者称为“全球首个综合性AI智能体超级应用”，整合了阿里巴巴整个消费者生态中的400多项能力：淘宝用于购物，支付宝用于支付，饿了么用于外卖，飞猪用于旅行，高德用于导航。该应用在公开测试的第一周就获得了1000万次下载。随后不久，上述春节假期推广活动助推了其普及，取得了巨大成功，约有1.4亿用户通过通义千问的智能体功能完成了他们的首次AI驱动购物体验。截至5月中旬，这一数字已达到3亿。

通义千问代表了一种与美国方法截然不同的理念。它不是将AI定位为一个聪明的用户会有意识选择访问的优质目的地，而是将AI视为用户在完成他们本来就打算做的事情时所经过的路径。马克·格里文及其同事在《哈佛商业评论》上撰文指出，中国在智能体商务领域的优势在于其基础设施——支付、物流和超级应用之间的协同运作。他们对基础设施的判断是正确的。而更深层次的问题——也是本文所要回答的问题——是这些基础设施在用户心智中创造了什么可能。

以用户体验为例。过去订电影票需要打开购票应用、选择影院、挑选座位、比较价格、完成支付，可能需要七八个步骤，横跨多个页面。而通过通义千问，同样的任务简化为一句话：“订两张今晚的电影票，中间座位。”剩下的由AI处理。

通义千问上线时，最引人注目的演示涉及餐厅预订：AI根据用户的位置和偏好筛选餐厅，然后拨打电话给餐厅，其AI语音逼真到让观众怀疑自己听到的是真人还是机器。AI没有推荐餐厅或提供电话号码。它“拿起”电话，拨打过去，协商预订，然后汇报结果。

这背后的战略洞察比便利性更深刻。通义千问并不要求用户为了AI相关的特定任务而来找它。相反，它在用户正在执行的既有任务中截获他们，并提供一条更快的完成路径。心理框架从“我应该尝试使用AI”转变为“刚才真方便，下次我也这么干”。这就是习惯的开始。

阿里巴巴的做法并非史无前例。它是腾讯十年前制定的战略在AI时代的应用。2014年，微信在春节期间推出了数字红包，允许用户通过应用发送小额现金红包。表面上，这只是一种有趣的文化改良。实际上，这是一次行为干预，它训练了数亿用户将银行账户绑定到微信，并使移动支付常态化。三年之内，微信支付就从支付宝手中夺走了中国移动支付市场40%的份额。腾讯在补贴上几乎没花什么钱。它只是利用了一种现有的文化习惯，并将自己插入其中，成为阻力最小的路径。

有些读者可能会反对说，习惯护城河只是中国特有的现象，阿里巴巴的成功反映了其现有生态系统的独特结构。这有一定道理。但这种反对意见指向的是机遇，而非不可能。正因为西方消费者的习惯分散在亚马逊、谷歌、苹果以及众多垂直玩家之间，第一个在美国实现跨领域行为整合的公司，就有可能捕获不成比例的价值。解决这个问题所带来的回报，比在中国更大，而非更小。

那么，解决问题的方法是什么样的？

习惯护城河行动指南

西方企业面临的结构性障碍是真实存在的，但这并非不可改变。以下是四项行动，按从最易于立即执行到最具结构野心的顺序排列。每一项既适用于争夺消费者默认选择的AI公司，也适用于银行、零售、酒店、医疗等行业的现有企业，无论它们是否参与重新设计，其客户关系都将面临被平台截流的局面。

1. 寻找习惯线索，而非功能差距

大多数产品团队的本能是问：我们的AI能做到什么竞争对手的AI做不到的事？

而习惯护城河的问题是：我们客户的日常生活中，有哪些现有行为是我们的AI可以截获并以比现有路径更简单的方式完成的？

星巴克提供了一个有启发性的案例。它的Deep Brew AI平台并不试图成为市场上最聪明的AI。它追踪每位顾客点什么、什么时候点、在哪里点，然后利用这些模式预先选中他们常喝的饮品、推荐搭配，并在早晨通勤时间推送通知。这款应用在顾客有意识地决定下单之前就预先下了单。

到2026年初，星巴克公布了一款AI订购助手的计划，允许用户描述心情（“为忙碌的早晨提神”）而不是浏览菜单。星巴克截获了其顾客生活中频率最高的线索（晨间惯例），并使AI成为穿过这一惯例的阻力最小路径。

每个企业都有类似的线索。对一家区域性银行来说，那就是顾客查看余额的时刻——这是大多数成年人最频繁的银行行为。如果这家银行让自己的AI在那个时刻自动出现，并提供一键支付、转账和预算查询功能，它就截获了一个习惯线索，竞争对手若想取代它，并非易事。对一家连锁酒店来说，那就是商务旅客抵达的时刻：如果这家酒店让它的AI成为地面交通、餐厅预订和会议后勤的默认助手，它就将一笔单一交易（房间）转化成了一个持续的关系（旅程）。

2. 补贴行为，而非订阅服务

西方的默认做法是补贴用户获取服务：免费试用、首月折扣、新注册用户享受高级功能。这是OpenAI在2025年9月推出其即时结账功能时所采取的方法——该工具允许用户在ChatGPT内部直接从Shopify和沃尔玛等合作零售企业购买产品。注册用户可获得一个月的ChatGPT免费使用权，之后则需要支付订阅费。其目标是让ChatGPT成为一个人们不仅可以发现产品，还能购买产品的平台。

但六个月后，根据Forrester的数据，只有约30家Shopify商家与该服务进行了整合。2026年3月，OpenAI确认放弃即时结账功能，因为人们并不用它来购物。

正如我们之前所见，通义千问在营销中采取了不同的方法。它补贴的是实际的购买行为，从而降低了用户做一件他们本来就打算做的事情的成本。它们花钱让用户选择去体验使用这个工具是多么便捷，并押注这种便捷会让人上瘾。

中国企业的策略重新构建了用户获取的经济逻辑。与其赠送一个月的ChatGPT高级版，OpenAI本可以补贴通过其智能体完成的前五笔DoorDash外卖订单。与其将Gemini Advanced捆绑到Google One中，谷歌本可以免除在Gemini内完成的前三次旅行预订的预订费。每个获客成本可能相差无几。但一个通过AI智能体预订了三顿晚餐的用户，很可能已经改变了他们的默认行为。

3. 打造环境效用，而非目的地式体验

如前所述，西方企业的陷阱在于将AI视为一个目的地。而习惯护城河的策略是将AI作为环境基础设施嵌入其中，存在于用户已有的工作流中。这个原则很简单但反直觉：任何需要被用户主动调用的面向用户的AI体验，都有可能被忽略。能够撑过未来三年的AI体验，将是那些根本不需要被调用的体验——因为它们就是工作流现在发生的地方。

GitHub Copilot与Microsoft 365 Copilot的比较精确地说明了这一点。GitHub Copilot之所以有效，是因为它占据了开发者正在打字的确切位置。而Microsoft 365 Copilot，尽管位于4.5亿人已经在使用的同一套应用程序中，其付费渗透率仅为3.3%，主要原因在于它仍然作为一个需要被调用的功能存在，而非一条默认的工作路径。架构方面的启示是：让AI成为默认路径，需要用户主动选择退出，而不是作为一个需要用户主动选择加入的功能。

4. 比拼二次交易，而非首次交易

大多数公司优化的指标都是首次交易指标：注册量、免费试用转化率、应用安装量、上线首日热度。这些描述的是顾客是否尝试了你的产品一次。而习惯护城河建立在之后发生的事情上，即当相同线索触发时，客户是否会在没有提示的情况下再次选择你的产品。能力赢得的是试用机会，习惯赢得的是默认选择。

OpenAI的即时结账功能的失败很好地说明了这种区别。该功能带来了浏览行为，但没有产生购买行为，而且关键是没有产生重复购买行为。用户通过ChatGPT发现产品，却在别处——在他们已经有使用习惯的零售商那里——完成交易。OpenAI优化的是第一次交易（发现），而习惯存在于第二次交易（回到亚马逊或沃尔玛自己的应用）。

一家有意建立习惯护城河指标的公司，会很快发现这个问题，因为它会关注这样一个比率：顾客在使用你的产品完成一次任务后，在自然重复周期内再次完成同类任务的比率。对于外卖，这个窗口期是几天。对于旅行，是几周。对于专业任务，是几个月。如果在这个周期内你的重复完成率远低于该行业的基准，那就说明你还没有养成用户习惯，只是一次性的使用。

这改变了各行各业的运营逻辑。营销预算应从提升知名度转向在可能的再次触发时刻消除摩擦。产品路线图应优先考虑任何能提高再次完成概率的因素——重复任务的速度、对过往偏好的记忆、对重复性需求的预判——而不是优先考虑能增加首次交易新奇感的因素。

阿里巴巴本能地理解了这一点：其春节投入的成效，不在于有多少用户尝鲜用过一次通义千问，而在于接下来几周内，有多少用户自发地再次打开了它。

长远之计

20世纪80年代，底特律的汽车制造商们按照50年来行之有效的指标来造车：马力、造型、年度改款——这些都是消费者看重的、看得见的进步信号。

新崛起的丰田没有遵循这套做法。相反，它投资于那些不起眼的基础设施，让顾客能够围绕他们的汽车形成日常惯例：生产系统、经销商服务体验、以及决定你买车五年后车子是否还能平稳运行的可靠性。等到底特律明白其中的区别时，丰田已经拥有了十年的复合优势，并且培养了一代客户——当他们要购买新车时，默认行为就是先去丰田经销商处看看。这条护城河不是发动机，而是发动机默默促成的使用习惯。

西方AI公司有可能重蹈底特律的覆辙，而且速度更快。本季度庆祝的每一个基准领先优势，下季度就会被对手以更低的成本追平。那些在旧金山和山景城之间来回飞传的“红色警戒”备忘录，正是优势按期贬值发出的回响。当一项优势以六周为周期快速衰减，它就不再是一种策略，而变成了一种维持地位的持有成本。

习惯是相反类型的资产。当竞争对手推出更好的模型时，习惯不会重置。它们不会在六周内被追上。它们会在数百万人的生活背景中悄然复合增长，直到有一天，用户不记得自己以前是怎么做的了。iPhone不是第一款智能手机。谷歌不是第一款搜索引擎。它们所建立的是阻力最小的路径——而这条路径一旦确立，就是任何消费市场上最持久的资产。

需要说明的是，我们并非建议美国或中国的AI公司停止投资技术能力。能力是让一家企业能够坐在牌桌前的门票。我们的观点是：当能力达到“足够好”之后，战略注意力的边际投入应该放在哪里——而能力达到“足够好”的速度，比大多数西方公司在战略规划中预估的要快得多。

美国企业的高管们花了两年时间追问，AI是否要来抢他们的员工饭碗了。他们可能盯错了方向。AI不是冲着你们的员工来的。它是冲着顾客主动来找你们的那一刻来的。如果那一刻开始经由别人的AI之手，那么留给你们的员工去做的事情，可能就没那么重要了。

关键词：#AI

崔媛媛（Gina Cui）、帕特里克·范·埃施（Patrick van Esch）、扬·基茨曼（Jan Kietzmann）| 文

崔媛媛是南卡罗来纳州康威市卡罗来纳海岸大学教授。帕特里克·范·埃施是南卡罗来纳州康威市卡罗来纳海岸大学教授。扬·基茨曼是维多利亚大学古斯塔夫森商学院的创新与信息系统教授。

周强 | 编校