工业品供应中的智能体商务：2026 年的现实

今天什么跑得通，什么跑不通

2026 年的智能体商务，是共用一个名字的两个市场，而它们正朝相反的方向走。

产品发现跑得通。 Adobe 测得，2026 年第一季度美国零售站点的 AI 来源流量同比增长 393%，3 月份的转化率比非 AI 流量高出 42%，单次访问带来的收入高出 37%。无论您怎么看待外界的鼓噪，这至少说明：一条渠道正在像渠道那样运转。

自主完成交易跑不通。 今年最有教益的事件不是一次发布，而是一次撤退。

Instant Checkout 的撤退究竟证明了什么？

OpenAI 于 2025 年 9 月 29 日推出 Instant Checkout，2026 年 3 月 4 日将其撤回，并在当月晚些时候用一篇博客文章正式确认了这一转向。它自己的解释是：初版“没有提供我们所期望的那种灵活度”，因此商家将改用自家的结账流程，而 OpenAI 把精力集中在产品发现上。

真正的教训，藏在这句话下面的细节里。

Forrester 的 Emily Pfeiffer 与 Sucharita Kodali 在 2026 年 3 月把这个结构性问题说得很直白：库存管理“灾难性地缺席于整个计划”。这些智能体并不是在人们感兴趣的那种意义上产生幻觉。它们只是忠实地转述了一份靠抓取而来、而非由厂商主动提供的目录，因此也就一并转述了它的陈旧。

教训就在这里，而且它可以推广：智能体会原样继承它拿到的那份数据的准确性，然后以机器的速度据此行动。 一份 PDF 里写错的规格，在有人读错它之前一直是静止的。一个智能体答案里写错的规格，会在任何人察觉之前，一路传进短名单、报价单和物料清单。

在工业领域，发现与交易的分界线在哪里？

零售场景下的智能体之所以跑得通，是因为有三样东西既公开又唯一：价格、库存数量和 SKU。工业品供应从设计上就把这三样全部推翻。

Deloitte 的报告显示，真正在使用智能体 AI 技术的 B2B 供应商还不到四分之一。这并不是为保守而保守——那些基础要件是真的还不存在。

也正因如此，2026 年对工业企业真正有用的问题不是“智能体会不会从我这里下单？”，而是“智能体能不能把我的规格读对？”。前者还停留在推测里。后者正在发生，无论您是否参与。

那么，工业品供应中真正跑得通的是什么？

把演示环节剥掉之后，真正有牵引力的模式有四种，而它们共有一个性质：智能体产出的是一份提案，做出承诺的是人。

1. 01读得懂合同价的检索。 一个助手能看到某个具体客户已经谈定的目录与价目表，不用打电话就能回答“这个我们拿什么价，以及拿不拿得到货”。这是短期内价值最高的应用，也是最主要卡在授权、而不是卡在 AI 上的应用。
2. 02短缺时的替代料。 当某个物料进入配额分配，要跨厂商找出合规、已认证的替代品，正是机器擅长而人很慢的那类高维筛选。它能跑通的程度，恰恰取决于等效关系是被公开出来的，还是被推断出来的。
3. 03报价与提交文件的组装。 把一份规格书、图纸或物料清单，变成一份带价格、带文件的正式回应。这里的工作是文档合成，不是判断，也正是目前可测量的时间节省大多被记在账上的地方。
4. 04补货与再订货提案。 由消耗量驱动的建议，落进既有的审批流程里，而不是绕开它。

请注意，这四种没有一种要求智能体持有支付凭证，而四种全都要求准确的结构化产品数据。这才是这个市场真实的依赖关系图，而它几乎与市场被包装出来的样子正好相反。

当有供应商向一家工业企业兜售“智能体商务”时，有个好用的检验方法：先问他们做的是这四种里的哪一种，再问数据从哪里来。如果答案是爬虫，那么您被兜售的，正是 3 月里失败的那个东西。

把反方观点如实陈述一遍

Gartner 预测，到 2027 年底，超过 40% 的智能体 AI 项目会被取消，理由是成本不断攀升、业务价值不清晰、风险管控不到位。这是这个领域里最有用的一个数字，它值得被照单接受，而不是挥手带过。

但要看清它究竟在预测什么。它预测的是构建智能体的那些项目的失败，而不是由智能体中介的需求的消失。这两件事是可以分开的，而由此得出的战略含义，几乎和直觉相反：

• 在 2026 年去构建一个自主采购智能体，多半会成为 Gartner 统计里的一个数据点。
• 在 2026 年没能让自己的目录变得机器可读，则是一笔要到 2028 年才入账的选型损失。

第二种风险，化解起来更便宜，逆转起来更困难。

要实现完全的智能体采购，需要哪些条件先成立？

六个前提条件，大致按依赖顺序排列。没有一个是天方夜谭；也没有一个已经完成。

1. 01一份规范、经过校验的产品记录。 参数、生命周期状态与合规证据集中在一处，有版本，有来源可溯。其余一切都在它的下游——这也正是 Instant Checkout 栽在第一步的原因。
2. 02经过认证、且能识别权限的访问。 一个代表指定客户行事的智能体，必须能看到该客户的合同价与配额，而且只能看到这一家的。这是一个授权问题，也是尚未解决的部分里最难的一块。
3. 03可验证的智能体身份。 服务器运营方需要知道是哪一个智能体在调用、又代表谁在调用。目前正在 IETF 推进的 Web Bot Auth 与签名智能体相关工作，是可信的路径。
4. 04一层授权与意图机制。 AP2 的签名意图授权、购物车授权与支付授权——2026 年 4 月捐给 FIDO Alliance，v0.2 版本新增了“人不在场”的交易——之所以存在，就是为了生成一份可发现篡改的记录，说明人类到底授权了什么。
5. 05为这条渠道单独制定的商务政策。 Forrester 关于商品组合规划的那个观点在这里完全适用：哪些物料、哪些价格、哪些库存对智能体开放，得由您自己决定，而不是让爬虫替您决定。
6. 06一套责任模型。 当智能体指定的物料通不过认证，由谁来承担——是数据出错的制造商，是把这份数据提供出去的分销商，还是把它转述了一遍的模型厂商？今天没有任何标准回答这个问题，而采购团队不会在赔偿责任悬而未决的情况下，把流程继续自动化下去。

第 1 步和第 5 步完全在供应商自己手里。第 3、4、6 步是全行业的工作。第 2 步则是商业创造力将要发生的地方。

在此之前该做什么

2026 年真正站得住脚的姿态是智能体可读，交易由人完成：让机器准确地发现、比较和核实您的物料，而把成交这一步留在自己的轨道上。

这意味着要向非浏览器客户端提供一个可读的目录页面——2026 年 8 月 Partsgraph 对全球 984 个分销商与制造商域名做审计时，有 38% 做不到这一点，而 AI 可见性得分的中位数是 100 分里的 50 分。这意味着把生命周期与合规作为结构化字段发布，而不是塞进 PDF。这意味着监测助手实际上是怎么描述您的物料的，因为一个自信而错误的答案比没有答案更糟。这还意味着为那些会直接来问的智能体开放一个可查询的端点：到 2026 年 3 月，MCP 的 SDK 月下载量已达到约 9700 万次，如今又置于 Linux Foundation 的中立治理之下，所以接口之争实际上已经尘埃落定。

一个不太舒服的总结是：整个行业在 2025 年和 2026 年上半年一直在争论智能体会不会买东西，却在更要紧的那场争论上不战而败。智能体已经在回答关于工业物料的规格问题了。这些答案里，大多数是用抓来的、残缺的、过期的数据拼出来的——正是那个葬送了 Instant Checkout 的失败，如今在每一份还没被修好的目录上，安静地跑着。

免费评测工具 [/audit](/audit) 会告诉您，机器此刻从您的目录里读到了什么，以及它在哪些地方把您的物料弄错了。