# AI 选型如何改变了 B2B 采购

> 工程师与采购人员如今在打开供应商网站之前，先去问 AI 助手。当短名单在供应商还不知情时就已由机器组装完成，这一变化对选型指定、设计注册与分销商的需求创造究竟意味着什么？本文用可核查的实测数据，梳理制造商与分销商手里还剩下什么、又有什么正在被悄悄侵蚀，以及这笔账为什么要到 2028 年才出现在报表上。

**Language:** zh-Hans  
**Published:** 2026-08-09  
**Category:** Market · **Tags:** B2B buying, specification, design registration, distribution, AI search, demand creation  
**Canonical:** https://partsgraph.ai/zh/blog/how-b2b-buying-changed-ai-specification

## 简而言之

**AI 如何改变了 B2B 采购旅程，以及产品被选型指定的方式？**

供应商评估的第一轮，已经从供应商网站转移进了 AI 助手里。Forrester 发现，94% 的企业采购者如今会在采购流程的某个环节使用 AI；而把生成式 AI 或对话式搜索列为最有意义的信息来源的人数，是列出其他任何一种来源的两倍——排在供应商网站、产品专家和销售之前。其现实后果是：短名单往往在供应商还不知道这个机会存在的时候就已经拼好了，依据的只是助手能读到的、关于您那些物料的数据。因此，能否被选中，如今取决于机器可读的准确性，而不再取决于关系覆盖的广度；价值也随之流向那个提供了机器所引用数据的一方。

---

## 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。

> **Figure.** Where the shortlist is set in B2B buying, and why the deciding step is invisible to vendors.

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。

| 测量对象 | 发现 | 它意味着什么 |
| --- | --- | --- |
| Forrester，企业采购者，2026 年 1 月 | 94% 会在采购流程中使用 AI；61% 使用雇主配发的私有 AI 工具；采购者使用 ChatGPT 的可能性约为消费者的 2 倍，使用 Copilot 的可能性约为 4 倍 | 相当大一部分评估发生在您无法埋点观测的企业内部部署里 |
| SparkToro，美国 Google 搜索，2026 年初 | 68% 以零点击结束；每 1,000 次搜索中约有 276 次点击到达开放网络，低于 2024 年的 374 次 | 页面越来越多地是被机器读取并总结，而不是被人访问 |
| Adobe，美国零售站点，2026 年第一季度 | AI 来源流量同比增长 393%；3 月份转化率比非 AI 流量高 42%；单次访问收入高 37% | AI 引荐的绝对量还很小，但意向强度异常之高 |

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。

| 环节 | 什么会让您的物料出局 | 这是谁的问题 |
| --- | --- | --- |
| 检索 | 不存在机器可读的记录，或者页面对非浏览器客户端返回的是空白 | 工程，不是市场 |
| 约束筛选 | 采购方指定的某个参数——温度等级、封装、认证、生命周期状态——在您的记录里没有，于是该物料无法被确认为合规，直接被丢掉 | 产品数据 |
| 消歧 | 您的物料号在您自己的网站、分销商列表和数据手册上解析结果不一致，助手无法确定哪一条记录才是权威的 | 数据治理 |
| 佐证 | 记录存在，也一致，却没有任何依据——没有测试条件，没有版本号，没有来源 | 文档 |

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？

| 参与方 | 过去的筹码来源 | 什么会留下 | 什么会被侵蚀 |
| --- | --- | --- | --- |
| 元器件制造商 | 品牌偏好，加上通过分销触达的 FAE 覆盖 | 拥有那份规范的参数记录——对自家物料而言，制造商是唯一的权威来源 | 依赖分销去传递信息；助手读的是最容易被读懂的那一家，而不是拿到代理授权的那一家 |
| 授权分销商 | 现场覆盖、设计注册、本地库存 | 跨厂商归一化的数据、真实的库存与交期、合同价——这些是单一制造商给不了的 | 把需求创造记在人际接触上的做法；只靠关系的差异化 |
| 目录分销商 | 搜索曝光与品类广度 | 结构化、可查询的品类广度；成为机器最容易对账的那个来源 | 付费搜索的经济模型，因为过去会到达的那次点击，已经在助手里被回答掉了 |
| CEM／代工制造商 | 在合格替代料上的采购议价能力 | 固化在工具链里的合格供应商逻辑 | 几乎没有——机器可读的替代料数据变好，CEM 是受益方 |

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. **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. **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. **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. **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. **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. **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。*

## 常见问题

### AI 辅助采购真的会取消销售对话吗？

不会——它只是把这场对话往后推，并且收窄了它。Forrester 2026 年的研究所描述的采购决策，牵涉大约 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。这些人照样要见面，照样要谈判，照样要看客户案例。变了的地方在于：他们走进第一次对话时，短名单已经成形了。如今这场销售对话，是建立在一组并非由您团队提供、而且您可能根本看不到的假设之上的。

### 这是不是只是把消费级 AI 购物的鼓噪搬到了工业领域？

产品发现层面的转变，在两边都有充分证据。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%。Forrester 的 B2B 数据显示，企业采购中正在发生同样的移动。目前还缺少证据的，是自主完成的工业交易——Deloitte 报告称，真正在使用智能体 AI 技术的 B2B 供应商还不到四分之一。请把产品发现当作已经发生的事实，把交易当作尚待验证的推测。

### 什么是设计注册，AI 选型为什么会威胁到它？

设计注册（design registration）是元器件供应商用来奖励分销商的机制：谁让自家的物料被设计进了客户的产品，谁就能拿到额外毛利、价格保护，或在该项目上的独家供货。它奖励的是需求创造——现场应用工程师花在影响一份设计上的时间。如果短名单是助手在任何人介入之前就提出来的，那么创造这份需求的是数据，不是现场。而这份功劳该怎么记，至今没有人谈妥。

### 哪些采购者在用哪些 AI 工具？

Forrester 发现，61% 的企业采购者使用本单位配发的私有 AI 工具；采购者使用 ChatGPT 的可能性大约是消费者的两倍，使用 Microsoft Copilot 的可能性大约是四倍；而 ChatGPT 与 Copilot 用户中，有超过一半是在自家防火墙后面使用的。最后这一点在商业上很要紧：相当大一部分评估发生在企业内部部署里，您无法埋点观测，无法在分析工具里看到，也无法再营销。

### 如果搜索都以零点击结束，网站内容还重要吗？

更重要了，而不是更不重要——只是理由变了。SparkToro 测得，2026 年初有 68% 的美国 Google 搜索以零点击结束，每 1,000 次搜索中约有 276 次点击到达开放网络，低于 2024 年的 374 次。您的页面已经不再主要是流量来源，它们是决定答案怎么说的那层训练与检索底料。您发布内容，是为了被引用，而不是为了被访问。

### 分销商该担心，还是说这对他们是机会？

两者都是，而分水岭在数据上。一家握有准确、归一化、跨厂商参数数据，并且附带真实库存与交期的分销商，恰恰是助手最需要的，也是单一制造商提供不了的。而一家靠现场覆盖和关系深度做差异化的分销商，处境更危险，因为机器不接电话。能活下来的资产是产品目录，不是覆盖地图。

### 这个过程会以多快的速度发生？

比流量曲线看上去的要慢，比采购周期所能容纳的要快。工业设计导入周期是 12 到 36 个月，所以一个在 2026 年由助手选定的物料，要到 2028 年才体现为收入。这段时滞才是真正的战略难题：等到收入层面的影响在您的报表里看得见时，产生它的那些选型决定已经是三年前的事了，而它们当时依据的，只是您的数据在那一刻所说的内容。

## 资料来源

1. [Forrester, B2B Buyers Make Zero-Click Buying Number One (22 January 2026)](https://www.forrester.com/blogs/b2b_buyers_make_zero_click_buying_number_one/)
2. [Forrester, 2026 Buyer Insights: GenAI Is Upending B2B Buying (press release, 21 January 2026)](https://www.forrester.com/press-newsroom/forrester-2026-the-state-of-business-buying/)
3. [SparkToro, In 2026, Less than One Third of Google Searches Still Send a Click](https://sparktoro.com/blog/in-2026-less-than-one-third-of-google-searches-still-send-a-click/)
4. [Adobe, Generative AI-powered shopping rises with traffic to US retail sites (Q1 2026)](https://business.adobe.com/blog/generative-ai-powered-shopping-rises-with-traffic-to-retail-sites)
5. [TechCrunch, AI traffic to US retailers rose 393% in Q1 (16 April 2026)](https://techcrunch.com/2026/04/16/ai-traffic-to-us-retailers-rose-393-in-q1-and-its-boosting-their-revenue-too/)
6. [Search Engine Land, OpenAI: ChatGPT now has 900 million weekly active users](https://searchengineland.com/chatgpt-900-million-weekly-active-users-470492)
7. [EE Times, The Inside Story About Demand Creation and Design Registration](https://www.eetimes.com/the-inside-story-about-demand-creation-and-design-registration/)
8. [Digital Commerce 360, Agentic commerce faces reality check in B2B ecommerce (10 March 2026)](https://www.digitalcommerce360.com/2026/03/10/agentic-commerce-faces-reality-check-in-b2b-ecommerce/)
9. [Gartner, Over 40% of agentic AI projects will be canceled by end of 2027 (25 June 2025)](https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027)
10. [Microchip Technology, Microchip unveils Model Context Protocol (MCP) Server (6 November 2025)](https://ir.microchip.com/news-events/press-releases/detail/1344/microchip-technology-unveils-model-context-protocol-mcp-server-to-power-ai-driven-product-data-access)

## Other languages

- English: https://partsgraph.ai/blog/how-b2b-buying-changed-ai-specification/md
- Deutsch: https://partsgraph.ai/de/blog/how-b2b-buying-changed-ai-specification/md
- Français: https://partsgraph.ai/fr/blog/how-b2b-buying-changed-ai-specification/md
- Español: https://partsgraph.ai/es/blog/how-b2b-buying-changed-ai-specification/md
- Italiano: https://partsgraph.ai/it/blog/how-b2b-buying-changed-ai-specification/md
- Nederlands: https://partsgraph.ai/nl/blog/how-b2b-buying-changed-ai-specification/md
- Polski: https://partsgraph.ai/pl/blog/how-b2b-buying-changed-ai-specification/md
- Português: https://partsgraph.ai/pt/blog/how-b2b-buying-changed-ai-specification/md
- Svenska: https://partsgraph.ai/sv/blog/how-b2b-buying-changed-ai-specification/md
- Türkçe: https://partsgraph.ai/tr/blog/how-b2b-buying-changed-ai-specification/md
- 日本語: https://partsgraph.ai/ja/blog/how-b2b-buying-changed-ai-specification/md
- 한국어: https://partsgraph.ai/ko/blog/how-b2b-buying-changed-ai-specification/md

---

Partsgraph — the agent-ready parts data layer. Free AI-visibility grader: https://partsgraph.ai/zh/audit