AI 选型如何改变了 B2B 采购

真正改变的是什么？

改变的不是采购者开始使用 AI，而是他们在整个流程的哪一个环节使用它。

三十年来，工业采购的旅程都始于一次搜索、一个分销商网站、一本产品目录或一位销售代表，终于一份短名单。供应商要做的事，是在起点处出现——靠 SEO，靠授权分销，靠那些坐在设计工程师旁边的现场应用工程师。早期的存在感，换来后期被纳入考虑。

这个顺序已经颠倒过来了。采购者如今从助手开始，先拿到一份短名单，然后才去接触供应商的某个界面——而且通常只是为了核实一个早已收窄了的决定。Forrester 在 2026 年 1 月的分析发现，94% 的企业采购者会在采购流程的某个环节使用 AI，高于一年前的 89%；而比这个头条数字更值得注意的是：把生成式 AI 或对话式搜索列为更有意义、更重要的信息来源的采购者，人数是列出其他任何一种来源的两倍，排在供应商网站、产品专家和销售人员之前。

请仔细读这句话。它说的不是 AI 成了众多渠道中的一条，而是 AI 顶掉了这个行业花了几十年才建起来的那些渠道。

如今评估到底发生在哪里？

三组数据从不同角度交叉印证了同一个转变。

Adobe 的数字来自零售，而工业采购不是零售。但它们所揭示的机制与渠道无关：当筛选这件事由助手完成时，随后发生的那次访问就是一个决定，而不是一次浏览。Adobe 还发现，这些访客的停留时长多出 48%，浏览页面数多出 13%。更少、更晚、也更合格——而且完全取决于助手是否选中了您。

支撑这一切的规模并不算边缘。OpenAI 在 2026 年 2 月报告，ChatGPT 的周活跃用户已超过 9 亿。无论其中有多大比例是正在核对某个物料号的工程师，这个人群都比任何一家分销商的现场组织曾经触达过的都要大。

为什么受冲击更大的是选型，而不是市场营销？

因为工业领域的利润实际上就产生在选型这一环，而选型又格外容易被机器影响。

一条渠道走弱时，营销漏斗会平缓地衰减。选型不会衰减——它只会有一个了断。一个物料要么在物料清单（BOM）里，要么不在；一旦进去了，再把它拿掉的代价就很高。12 到 36 个月的设计导入周期意味着，决定与收入之间隔着好几年。

捕获这份价值的传统机制是设计注册（design registration）：某家分销商的现场工程师让供应商的物料被设计进了客户的产品，供应商就以额外的毛利、价格保护，或在该项目上的独家供货作为回报。整套体系——授权代理协议、需求创造指标、FAE 编制——存在的意义只是为了回答一个问题：这次设计导入到底是谁促成的？

由助手主导的选型，破坏的不是这个问题的答案，而是这个问题本身。如果一位设计工程师把需求描述给助手，拿回三个带参数的候选物料，并针对其中之一提交了设计注册，那么这份需求不是任何现场工程师创造出来的，而是数据创造出来的。而怎么给数据记功，还没有人谈妥。

这套机制本来就已经绷得很紧。长期以来，只要客户把生产外包给代工厂，设计注册就很难运转，因为设计发生在一个地方，采购订单却出现在完全另一个地方——注册在纸面上还成立，商业逻辑却已经散了。由机器组装的短名单，把同样的压力从流程的末端搬到了前端。投入做数据的那家分销商，未必就是握着客户关系的那一家；而参数被读懂了的那家制造商，可能自始至终都没有被找过。

是什么决定了您的物料会不会出现在答案里？

值得把这个机制说得具体一点，因为大多数商务团队都把它当成一种排名来理解。

助手在回答一个选型问题时，大致做四件事：把需求翻译成约束条件，检索候选记录，按约束条件把不合格的筛掉，然后为幸存者给出理由。您的物料在这四步中的任何一步都可能被淘汰，而只有最后一步，才多少像市场团队过去优化过的那类东西。

第二行是那个不声不响的杀手。被要求找一个 AEC-Q100 Grade 1 物料的助手，不会把一个它无法核实认证状态的元件放进来。它不会报告这次排除，也不会含糊其辞。数据缺失会被当作属性缺失——对一个谨慎的工具来说，这是正确的行为；对一家物料其实完全达标的供应商来说，这是灾难性的结果。

当短名单由机器组装时，价值被谁拿走？

这个规律是一致的：筹码正在从你认识谁，转移到机器能核实你的物料的哪些事实。对那些护城河就是一支现场队伍的组织来说，这是个不舒服的结论；而对任何数据做得好、却完全没有现场队伍的人来说，这是一个真实的机会。

这是一次断裂，还是又多了一条渠道？

诚实的回答是：产品发现的转变有充分证据，交易的转变没有。

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。这个预测经受住了时间的检验：OpenAI 在 2026 年 3 月撤回了自家的 Instant Checkout，此前大约只有十来家 Shopify 商家真正上线；Deloitte 的报告则显示，真正在使用智能体 AI 技术的 B2B 供应商还不到四分之一。

工业采购还有零售所没有的额外摩擦。合同价是谈出来的，而且保密。审批要牵动 Forrester 统计到的 13 位内部相关方和 9 位外部影响者，采购部门在 53% 的采购周期里扮演决策者。合规文件——RoHS、REACH、冲突矿产、UKCA 与 CE 声明——必须随决定一起附上，而不是嘴上声称一句就算数。

这些都拦不住助手写出那份短名单，它们拦住的是助手去下那张订单。这是两个不同的判断，把它们混为一谈，是这个市场上最常见的错误。

制造商或分销商该怎么办？

1. 01先去弄清楚，助手现在是怎么说您的物料的。 挑五个真实的物料号，用三个不同的助手，各问五个您已经知道答案的事实性问题。大多数团队会在二十分钟内发现一个具体的、可以改掉的错误。
2. 02用一个普通的非浏览器客户端去抓取您自己的目录页。 2026 年 8 月 Partsgraph 审计全球 984 个分销商与制造商域名时发现，其中 38% 无法向标准的非浏览器客户端返回可读的目录页，而 AI 可见性得分的中位数是 100 分里的 50 分。最常见的单一原因就是客户端渲染。
3. 03让一份记录成为规范来源。 参数散落在 PIM、PDF 数据手册和 ERP 三处，就会产出三个不同的答案。助手会引用它先找到的那一个，而且不会告诉任何人它引用的是哪一个。
4. 04把合规与生命周期状态作为数据发布，而不是作为文档。 停产、最后采购（last-time-buy）日期和区域认证，既是助手答案里最容易出错的字段，出错时在商业上也最致命。
5. 05给智能体一条直达通道。 Microchip 在 2025 年 11 月发布了官方的 Model Context Protocol 服务器，向 AI 客户端开放经过核实的产品规格、数据手册、库存、价格与交期。这份名单至今短得扎眼——在同一次 2026 年 8 月的审计中，984 个域名里没有任何一个对外声明了 MCP 端点。
6. 06在渠道自己动手之前，先把需求创造的规则改写掉。 如果设计注册没法为机器发起的选型记功，分销商就会停止在产生这些选型的数据上投入，而这个问题最后会落到制造商头上。

会复利累积的那一部分

采购者重新回去一口气打开十二个标签页——这样的未来是不存在的。一旦助手把某个选型问题答对了，它就会成为这一类问题的默认来源；而默认是会自我强化的：被引用的答案会被进一步加固，能被读懂的供应商则会被引用。

时滞只会让事情更糟，不会更好。2026 年赢下的一次选型，要到 2028 年才变成收入。这意味着，那些在 2028 年才发现自己设计导入率悄悄下滑的公司，回头看到的将是两年前做出的数据质量决定——没有具体的谁做的，发生在一个没有人负责的系统里。

如果您想知道助手此刻是怎么描述您的产品目录的，免费评测工具 [/audit](/audit) 会检查机器实际读到的是什么。