DoorDash披露:AI智能体下单仅数百单,开放合作成关键

DoorDash 披露 AI 智能体订单仅数百单,揭示智能体电商仍处极早期,瓶颈在交易信任与生态协作。
DoorDash 近日透露,其平台通过 AI 智能体产生的订单量仅为“数百单”,与外界对智能体购物助手颠覆外卖行业的预期形成鲜明对比。文章分析认为,这一数字说明智能体电商仍停留在实验和尝鲜阶段,从 AI 推荐到 AI 代用户完成支付下单之间,横亘着支付授权、地址确认、售后责任和用户信任等现实门槛。比订单数字更值得关注的是 DoorDash 愿与第三方智能体开发者合作,将智能体视为新流量渠道而非威胁。文章指出,智能体下单的真正瓶颈不在模型能力,而在交易环节的确定性与可追责性,以及用户习惯。平台开放接口、明确责任边界、建立结算机制等基础设施建设,比模型能力更能决定智能体订单的天花板。
DoorDash 近日透露,其平台通过 AI 智能体(AI agents)产生的订单量仅为“数百单”。这一数字与外界对 AI 购物助手即将颠覆外卖行业的预期形成鲜明对比,也揭示了智能体电商仍处于极早期阶段。

数百单意味着什么?
“数百单”是一个极具信息量的定性信号。对于一个日均订单量以百万计的外卖平台而言,这个数字几乎可以忽略不计。它说明目前真正通过 AI 智能体完成端到端下单的用户行为,仍然停留在实验和小范围尝鲜层面。
这并不代表 AI 智能体没有价值,而是说明从“AI 推荐餐厅”到“AI 代替用户完成支付和下单”之间,还隔着信任、支付授权、地址确认、售后责任等一系列现实门槛。DoorDash 主动披露这一数据,更像是在给行业预期降温:智能体电商的规模化拐点尚未到来。
AI 智能体(AI Agent) 在这里指的是能够自主感知环境、规划步骤并调用工具(如浏览器、API、支付接口)来完成用户目标的软件系统,区别于仅提供建议的聊天机器人。一个典型的智能体下单流程包括:理解用户偏好、检索商家与菜单、组合订单、确认地址与支付方式、提交订单并跟踪状态。其核心能力是“任务编排”,即把多个原子操作串联成端到端的工作流。当前主流实现多基于大语言模型(LLM)的函数调用(function calling)能力,配合记忆与规划模块。这也是为什么文章强调“从推荐到下单”之间存在鸿沟——推荐只需生成文本,而下单要求智能体具备可靠的工具调用、异常处理与权限管理能力。
平台态度:开放合作而非封闭自建
比订单数字更值得关注的是 DoorDash 的表态——它表示愿意与第三方智能体开发者合作。这意味着 DoorDash 不打算把 AI 下单入口牢牢攥在自己手里,而是倾向于把智能体视为新的流量渠道。
这一策略有其合理性。外卖平台的核心资产是商家供给、配送网络和用户账户体系,而智能体开发者擅长的是对话交互与任务编排。两者合作可以让智能体负责“帮用户决定吃什么并完成操作”,平台负责履约。对 DoorDash 而言,多一个入口就多一份订单,且无需承担智能体本身的研发成本。
但开放也带来新的问题:当第三方智能体代替用户下单时,订单归属、异常处理、退款责任如何划分?平台与智能体开发者之间的商业分成模式如何设计?这些问题目前都没有公开答案,而它们恰恰决定了智能体订单能否从“数百单”走向规模化。
智能体电商可以理解为一种新型交易范式:用户不再直接操作 App,而是把购物意图委托给 AI 智能体,由智能体与电商平台(或通过 API)交互完成浏览、决策和支付。它与传统电商的区别在于“交互主体”从人变成了代理程序。这带来一系列新的基础设施需求,例如面向智能体的身份认证(如何证明代理获得了用户授权)、机器可读的商品与库存接口、以及代理行为的审计日志。目前行业尚无统一标准,部分平台采取开放 API 的策略,另一些则自建封闭的智能体。DoorDash 的表态属于前者,即把智能体当作类似搜索引擎或社交平台那样的外部流量入口,这也解释了它对第三方开发者合作的开放姿态。
智能体电商的真正瓶颈
从 DoorDash 的数据可以反推整个智能体电商赛道的现状。当前 AI 智能体在信息检索、比价、推荐等环节已经相当成熟,但一旦涉及实际交易,用户往往会退回手动操作。原因在于交易环节对确定性和可追责性的要求远高于信息环节。
另一个被低估的瓶颈是用户习惯。让 AI 代替自己点外卖,需要用户先建立对智能体决策质量的信任,而外卖本身是一个高频、低决策成本的场景——用户自己点餐可能比向 AI 描述需求更快。这在一定程度上解释了为什么智能体订单增长缓慢。
支付授权与可追责性是智能体交易落地的关键障碍。在传统线上支付中,用户本人点击“确认支付”即构成授权;而当智能体代劳时,需要一种机制来证明该操作获得了用户事先或事中的同意,例如令牌化支付凭证、限额授权或生物识别二次确认。同时,一旦订单出错(如送错地址、重复下单),责任归属需要在用户、智能体开发者和平台之间清晰划分,否则平台将承担全部客诉与退款风险。此外,地址、联系方式等个人数据的共享也涉及隐私合规。这些机制目前多处于探索阶段,缺乏行业通用规范,正是它们而非模型能力,决定了智能体订单能否规模化。
对行业的三点启示
第一,智能体电商仍处于基础设施建设期。平台开放接口、明确责任边界、建立结算机制,这些“脏活累活”比模型能力更能决定智能体订单的天花板。
第二,早期数据不应被过度解读。数百单既是现状,也是起点。随着智能体与平台账户体系的打通,订单量可能出现非线性增长,但前提是信任机制先建立起来。
第三,平台开放合作的态度值得关注。DoorDash 的选择表明,外卖平台更愿意把智能体当作渠道而非威胁。这种定位如果被更多平台采纳,智能体开发者将获得更明确的商业化路径。
智能体下单从“数百单”到“数百万单”之间,缺的不是模型能力,而是交易信任与生态协作。DoorDash 的这次披露,恰好把这个 gap 摆到了台面上。
相关推荐

WorkBuddy实战:腾讯AI Agent如何让大模型真正动手干活
WorkBuddy是腾讯推出的办公场景AI Agent工具,能理解自然语言需求并直接操作电脑完成任务。本文通过文件转换实战演示,对比豆包等聊天大模型与Agent的核心差异,分析WorkBuddy与CodeX的能力差距及适用场景。

Vibe Coding保姆级教程:3步上手AI编程
一篇面向零基础用户的Vibe Coding保姆级教程,分三步讲解Claude Code安装、DeepSeek API接入与编辑器调度配置,附常见报错解决方法和踩坑提醒。

Instagram放任名人AI深伪内容泛滥?
一张AI生成的Mia Goth照片经Instagram蓝V认证账号发布后全网疯传,Google AI Overview将其当作真实信息摘要。Taylor Swift和Lionel Messi的AI视频播放量达百万级,Meta却不要求AI照片标注,平台治理面临失效质疑。