海外零售巨頭如何應對大模型時代的流量入口競爭？

面對基礎大模型帶來的流量入口變革，線下零售企業主要面臨兩種選擇：完全開放流量入口或與大模型進行流量切割。Walmart采取了“擁抱但隔離”的策略，即在向GPT、Gemini等基礎大模型開放的同時，在中間層部署自研大模型Sparky，以確保流量與數據沉淀在自身系統內。

這一策略的核心在于解決直接連接基礎大模型時的諸多短板。早期測試顯示，直接通過ChatGPT等渠道進行即時結賬，存在商品信息準確度不足、無法核驗實時庫存及配送時效等問題，難以與零售商內部整套購物工具體系打通。Walmart通過引入Sparky，引導用戶從通用大模型的探索階段無縫進入定制化的沃爾瑪環境。Sparky不僅提供商品決策、全模態交互等功能，更底層依托Walmart龐大的門店網絡與供應鏈體系，確保了履約的高效性與準確性。

數據顯示，Sparky的介入顯著提升了用戶活躍度與客單價，促成的GMV大幅增長，證明了該模式在激活用戶需求方面的有效性。對于中小零售商而言，由于缺乏類似的強大基礎設施與生態體系支撐，直接對接大模型可能面臨更大的被動分流風險，行業出清速度或將加速。因此，構建具備自身特色的AI中間層或深度整合現有數字化能力，成為應對大模型時代競爭的關鍵。