核心观点

• 位置比价值更决定命运： 在 AI 时代，一个产品或公司能否成功，关键在于其在产业链、外圈控制点和时间维度上的所处状态，而非其本身的价值。
• AI Agent 不是赛道： AI Agent 只是模型能力外溢后的临时命名，其本质是界面形态，不天然构成一个稳定赛道。平台公司会将其原生化，导致 Agent 公司被淘汰。
• 中间层死亡清单： 依赖模型能力、缺乏护城河的中间层公司（如 Wrapper、Handoff、Design-to-code、Prompt 工具、Workflow 拼装）将被平台原生化功能取代，面临生存危机。
• 真正的产品层： Harness、Skills 和可信执行层是 AI 时代真正有价值的“产品层”。Harness 将模型能力接入工作环境，Skills 让能力可被复用，可信执行层则增加组织对 AI 的信任。
• 模型公司的平台战争： 模型公司之间的竞争已从参数之争转向入口、成本、信任和生态控制权的争夺。Anthropic、OpenAI、Google 和 DeepSeek 正在激烈争夺 AI 时代的控制权。
• 工作和人的拆解： AI 将替代规则可编码的工作片段，而非整个职业。初级岗位（如 paralegal、会计、影像读片、客服）面临被替代的风险，而判断者、承担者、关系维护者和规则创造者则更具价值。
• AI Native 公司： AI Native 公司将生产权和评价权分开，将 AI 作为默认执行者，并建立可信执行层，从而在 AI 时代生存下来。
• 创业和资本的张力： “不要创业”不是劝退，而是针对那些站在平台公司原生化目标位置上的创业项目。真正值得做的位置包括行业合规壁垒、私有数据、组织工作流深嵌、硬件一体和评价权独立。
• AI 不是泡沫： AI 行业整体不是泡沫，但存在大量个体因为站错位置而经历泡沫。判断 AI 是否是泡沫，需要区分宏观行业泡沫和个体位置泡沫。
• 外圈和方法： 监管、资本、硬件和安全是 AI 时代的四个外圈控制点，它们决定了 AI 公司的命运。Crypto、硬件、安全边界和 Token 经济正在重塑 AI 产业的权力结构。

关键数据和研究结论

• 中间层创业公司平均融资生命周期为 14 个月，平均产品生命周期为 8 个月，而平台原生化跟进时间为 60-90 天。
• 过去三年，硅谷 AI 应用层创业公司总融资 480 亿美元，同期累计实际营收不到 27 亿美元。
• 头部模型公司未来 5-10 年市值将进入 10 万亿美元区间。
• AI 时代将出现“第 0 世界”，一个并行于人类物理世界的执行层，所有商业活动将存在物理轨道和第 0 轨道两条并行路径。

总结

AI 时代是一个充满机遇和挑战的时代，位置比价值更决定命运。创业者和投资者需要认清形势，选择正确的位置，才能在 AI 浪潮中脱颖而出。

核心观点与关键数据

• 范式革命：搜索从传统平台入口演变为AI智能体的底层Skill，用户通过完整问题获取AI组织的信息，企业需竞争“答案可见度”而非单一搜索框。
• GEO定义：生成式引擎优化（GEO）是AI答案秩序中的品牌心智工程，目标是在高价值决策场景中让AI稳定、准确、正向地理解并推荐品牌。
• 技术机制：GEO涉及问题理解、检索召回、证据排序、内容抽取、答案生成等环节，品牌需具备可发现性、可理解性和可信度。
• AI心智定位：通过标准化语料工程、实体关系建设和跨源证据链建设，将品牌定位词转化为大模型语义空间中的高确定性坐标。
• 5B增长模型：从人类5A模型升级为特秀GEO 5B模型，即Be Indexed、Be Understood、Be Trusted、Be Referenced、Be Recommended。

研究结论与落地路径

• 行业准入：高客单价、长决策周期、信息不对称、信任门槛高的行业适合优先部署GEO，价格透明、强货架电商等品类不建议早期投入。
• 内容矩阵：采用“核心资产一稿多构”方式，形成官网专题、公众号长文、短问答等差异化表达。
• 度量体系：GEO监测指标包括推荐率、提及率、引用源、语义一致性等，需建立Prompt集和监测机制。
• 落地路线：从审计开始，明确AI可见度状态，再进行内容、技术、分发和销售动作，形成增长闭环。
• 风险治理：坚持真实、一致、结构、多源、迭代原则，避免黑帽或灰帽做法，及时处理负面AI答案。
• 行动建议：企业需进行全网AI可见度基线审计，明确自身状态，并从整理品牌资产、建立Prompt库、盘点内容资产等方面启动GEO项目。

核心观点与关键数据

当前采购软件供应商普遍宣传其AI功能，但市场上存在两种截然不同的产品类型：AI原生平台和AI赋能平台。AI原生平台将智能作为核心，实现端到端的智能协调；而AI赋能平台则是在传统软件基础上添加AI功能，各功能模块独立且无法互通。

关键数据：

• Hackett Group预测，2025年采购工作量将增长约10%，预算增长仅约1%，AI将成为弥合这一差距的关键工具。64%的采购领导者认为AI将在5年内改变团队工作方式。
• 约47%的组织已在使用AI赋能的采购软件。
• Gartner估计，声称拥有AI代理功能的供应商中，只有约130家具备真实能力。
• Gartner预测，到2030年，50%的跨职能供应链解决方案将使用智能代理自主执行决策，60%的企业将采用此类软件，较2025年的5%大幅增长。
• Gartner预计，到2027年底，超过40%的AI代理项目将被取消，主要原因是成本上升、价值不明确和风险控制不足。

产品类型对比

AI赋能平台

• 架构：基于固定、基于规则的流程设计，AI作为后期添加的功能集。
• 特点：各功能模块独立，如分类、合同摘要、聊天机器人等，无法跨系统协作。
• 局限：用户仍需手动驱动流程，无法实现跨领域推理，各模块功能重复导致工具碎片化。

AI原生平台

• 架构：以智能为核心，平台功能（如RFx、合同检查、采购订单）作为智能执行任务的工具。
• 特点：包含五个核心要素：
  1. 自适应界面：根据任务和用户角色动态调整交互方式。
  2. 专业代理：为采购各领域（如寻源、合同、应付）设计专用代理，通过协调代理协同工作。
  3. 领域知识：基于企业实际采购数据（交易历史、供应商关系、市场情报等）进行推理。
  4. 共享能力：所有代理使用统一的AI模型、安全检查、质量监控和系统集成。
  5. 专用基础设施：为AI工作负载设计的高性能计算、存储和合规部署。
• 优势：实现端到端流程的智能协调，持续自我进化，数据访问无额外成本，治理控制集中统一。

研究结论

选择AI原生平台而非AI赋能平台对采购团队至关重要：

1. 流程与目标导向：AI原生平台能实现目标导向而非仅限于流程自动化。
2. 数据与成本：AI原生平台通过共享服务优化成本，避免数据访问的额外计量费用。
3. 进化与扩展：AI原生平台通过配置而非开发实现能力扩展，持续进化。
4. 治理与控制：AI原生平台将治理作为平台属性，实现集中控制和统一审计追踪。
5. 长期价值：AI原生平台随AI技术发展而增值，而非累积成本。

建议采购领导者将AI原生平台作为下一代采购系统的标准，避免选择碎片化、成本高昂的AI赋能方案。

行业发展概况

• 平台类目地位与活跃度：在一级类目【手机平板与配件】中，【平板电脑】销售额排名第5，销量排名第7，新增评论数和新增互动数均排名第5，显示其市场活跃度较高。
• 行业销售额表现：本月行业销售额为27,871,791本地币，环比下跌5.5%，主要由销量驱动。
• 店铺增⻓/下滑分布：46.0%的店铺销售额上升，49.1%的店铺销售额下滑；45.4%的店铺销量上升，47.9%的店铺销量下滑；25.2%的店铺平均价格上升，27.0%的店铺平均价格下滑。
• 店铺变动幅度分析：销售额上升的店铺中，64.0%的增幅在(0,20%]；销售额下滑的店铺中，68.8%的跌幅在(-20%,0]。
• 头部店铺表现：未提供具体TOP20榜单数据，但提及新增销售额TOP10和TOP10格局变化。

行业内商品动态分析

• 商品增⻓/下滑分布：未详细说明销售额、销量、均价的具体分布情况。
• 商品变动幅度分析：未提供上升与下滑商品的增幅/降幅区间数据。
• 商品价格变动与销量关联分析：未展开具体分析。
• 商品生命周期与上新观察：未提供热销商品上架年份分布、上架月份特征及本月新品数据。
• 商品区域来源分析：未提供相关数据。
• 消费者搜索行为分析：未展开具体分析。

价格段市场趋势

• 各价格段销量与销售额份额及变化：未提供具体数据。
• 各价格段商品分布与上架年份：未提供相关数据。
• 各价格段⽤⼯互动分析：未提供点赞、评论的具体分析。
• 核心价格段深度聚焦：未展开具体分析。

报告总结

• 本月巴西Shopee虾⽪平板电脑行业销售额环比下跌5.5%，主要由销量驱动；店铺层面表现分化，约46%的店铺销售额上升，49%的店铺下滑；价格方面，约25%的店铺价格上涨，27%的店铺价格下跌。头部店铺表现及商品动态分析需进一步数据支持。