Muse 让 Agent 购物出圈了，DeepLumen 要帮商家开一家“接待Agent的店”
A2A 商业马拉松，刚开跑。
A2A 商业马拉松，刚开跑。
👦🏻 采访: 壹小姐
🥷 整理编辑: 十字路口
🧑🎨 排版: NCon
最近，Meta 的 AI 智能体 Muse 引起行业轰动。它能根据你的预算和偏好筛选商品，替你跟商家砍价，甚至帮你追回忘记取消的订阅费。虽然它因隐私和安全问题一度引发争议，但它让 Agent 购物第一次被大众"看得见"。
在这场新开的 A2A 商业马拉松中，Shopify、Visa 等平台和支付公司都在快速入场。创业公司在寻找"平台不愿做或做不好的事"，比如商品事实整理、跨入口归因、中小商家的运营能力。
DeepLumen 便是其中一家。 它在做的是让商家的商品被 Agent 准确理解，让商家的能力被可靠调用、真正参与到用户的购物决策中。
自2025年12月成立以来，DeepLumen 已连续完成三轮融资，累计数千万美元。公司核心产品 Agentic Page 今年 6 月上线 Shopify，目前产品安装近 2000 家商家，产生超 40 万美元可归因 GMV；9 月店铺大盘数据显示，AI 订单占比环比翻倍，DeepLumen 表现最好的一家家具客户 AI 订单占比达 10.7%。
在A2A商业明显提速的时刻，我们和 DeepLumen 合伙人徐鑫聊了聊，他从保险精算师，到抖音电商，再到加入这家创业公司，当时看到了哪些信号？他如何看待 Muse 对 A2A 商业生态的影响？
为什么商家需要一个 to Agent 的专门商品页？DeepLumen 是如何实现 AI 订单"可归因"的？DeepLumen 想成为商家敢用来结算的一本账，他们为此做了哪些准备？客户认可度怎么样？
DeepLumen 合伙人徐鑫
下面是本次访谈实录，经编辑整理。
快问快答
🚥 十字路口
首先从快问快答开始，帮助大家了解你。请问你的年龄？
👨🏻💻 徐鑫
35 岁。
🚥 十字路口
毕业院校？
👨🏻💻 徐鑫
清华大学；数学系。
🚥 十字路口
MBTI 和星座？
👨🏻💻 徐鑫
INTJ；摩羯座。
🚥 十字路口
一句话介绍现在的公司和产品？
👨🏻💻 徐鑫
DeepLumen帮助商家建设面向Agentic Commerce的基础设施。
🚥 十字路口
融资情况？
👨🏻💻 徐鑫
自2025年12月成立以来连续完成三轮融资，累计融资数千万美元。
🚥 十字路口
收入和利润？
👨🏻💻 徐鑫
Agentic Page 今年 6 月上线 Shopify，累计安装近 2000 家商家，产生超过 40 万美元的可归因 GMV。
🚥 十字路口
团队规模？
👨🏻💻 徐鑫
20 人左右。
🚥 十字路口
创业前在做什么？
👨🏻💻 徐鑫
最早在保险公司做精算师，后转做互联网产品，曾在抖音电商工作。
给Agent卖货，商家准备好了吗？
🚥 十字路口
在 2025 年底，你选择从抖音电商离开，加入这家 Agentic Commerce 创业公司，当时有什么具体的信号让你决定投身做这件事？你们要解决的核心问题是什么？
👨🏻💻 徐鑫
在抖音电商工作时，我注意到一个现象：现有电商，尤其是兴趣电商，常常通过"大促"等方式激发购买欲，很多成交依赖消费者的"冲动下单"。我一直在想，有没有可能在购买决策发生之前，就把"需求"和"商品"匹配得更早、更准确。
2025 年 9 月，我看到了一个明确信号：OpenAI 推出 Agentic Commerce Protocol（智能体商业协议）。这意味着购物入口正在发生变化——AI 入口不再只是回答问题，而是开始理解商品、比较供给并执行任务。
过去，用户自己搜索、打开页面、反复点击多个商品详情页、比较商品，再完成下单；现在，用户开始直接问 AI 助手。原本由人完成的"帮我找、替我比较、按条件完成购买"等动作，正逐步交给 Agent。
但商家侧的基建仍然是空白。过去商家做的是面向人的页面、广告和运营，商品事实分散在标题、描述、图片、FAQ、政策页和库存系统里，这些信息很难被 Agent 稳定理解。面向 Agent 的商品表达、调用权限和效果核验，还没有搭建起来。
因此，我们要解决的核心问题是：在商家侧补齐面向 Agent 的商品表达、调用权限与效果核验能力，让商品和服务能够被 Agent 理解、调用，并最终完成交易。
我们判断，这将是长期存在的需求，这层基础设施需要提前建设。
🚥 十字路口
品牌取名 DeepLumen 有什么寓意？
👨🏻💻 徐鑫
"Deep"是深处、深层，"Lumen"是光。DeepLumen 可以理解为"深层世界里的一束光"。
过去的电商，主要是为人浏览而设计的。人可以看图片、读商品详情页，再去寻找库存、配送和退货信息。但今天，在这些界面背后，正在形成一个由 Agent 读取、理解和交互的商业世界。
现在，品牌和商品已经存在，顾客也有真实需求，但这两者未必能被 Agent 清楚地连接起来。
所以我们的愿景，就是成为一束光：帮助品牌走进正在形成的 A2A 世界，让商家的商品被 Agent 准确理解，让商家的能力被可靠调用，真正参与到用户的购物决策中。
🚥 十字路口
最近 Muse 引起了很大的行业轰动，你怎么看 Muse 对 A2A commerce 带来的推动作用？
👨🏻💻 徐鑫
Muse 一个很大的作用，是把 Agent 购物变成了大家能看得见的体验。
过去大家听到这个概念，可能还觉得很遥远；现在真正看到一个 Agent 能根据用户的预算、偏好和配送要求筛选商品，并在授权后继续推进购买，大家就更容易理解：Agent 可以承担怎样的购物任务。
但一个消费级产品引发关注，并不等同于 A2A 生态已经成熟了。现在 Muse 主要是让更多人看见了这个方向的价值，也让更多商家开始动身做准备了。
对 DeepLumen 来说，接下来我们要解决的问题也会更具体：这些 Agent 来了之后，我们怎么帮商家把商品讲清楚，接住 Agent 带来的需求，帮商家为新入口准备好供给、调用和结果核验。
给商品做一张Agentic Page
🚥 十字路口
假设有一个北美 DTC 商家，在 Shopify 上卖跑鞋。接入 DeepLumen 前后，他的生意会有什么具体的改变？
👨🏻💻 徐鑫
接入 DeepLumen 之前，商家通常已经有了 Shopify 的商品、库存、订单和结账系统。但这些商品信息，主要是按人的浏览习惯来组织的。比如：跑鞋的尺码、脚型适配、缓震和支撑、使用场景、退货条件、配送时效，这些可能分散在商品描述、图片、FAQ 和政策页里。所以，一个 Agent 即使找到了商品，也不一定能准确回答：到底"适不适合我、为什么推荐、能不能按时送到"。
接入 DeepLumen 之后，商家可以在原有站点上一键部署 Agentic Page。
我们会帮商家把商品规格、适配条件、FAQ 和服务规则，整理成更容易被 AI 读取的内容，再通过相应渠道向 AI 平台提交。
商品上新时，对应的 Agentic Page 也会自动同步，商家不用再逐个重新整理。
所以，对这家跑鞋店来说，接入 DeepLumen 可以更便于 AI 搞清楚：这双鞋是不是适合自己、商品有哪些特点、能不能满足自己的需求。
另外，我们还会把观测到的链路抓取下来，把 AI 来源访问和订单记录这些串起来，让商家能够看到，商品在 Agent 世界里真实发生了什么。
🚥 十字路口
原来的商品页面上这些信息都有，Agent 也能读到，为什么还需要一个专门的新页面？
👨🏻💻 徐鑫
问题就在于，人和机器读页面的方式不一样。人能等页面加载、点开折叠内容、看尺码图；但 Agent 很多抓取链路只拿到初始 HTML，藏在脚本、图片或者 PDF 里的重要信息，并不一定会进入它的判断。
首先，我们的 Agentic Page 做的是把商家已有的信息，整理成更适合 AI 读取的版本。
比如，先输出不依赖 JavaScript 执行的语义化 HTML，让商品是什么、适合什么场景、关键规格是什么，尽量在一次读取里交代完整。然后，我们会补齐大模型更容易理解的摘要、FAQ、规格清单和结构化数据，把品牌、商品和评价之间的关系说明白。
另外，Agentic Page 有一块很有价值的工作，是把图片、视频和 PDF 里的购买信息转成可检索的文字。
因为即使机器具备看图能力，也不意味着每条商品抓取链路都会调用它。就拿我们一个家具客户的一款餐桌套装举例：一张圆桌加四把椅子，桌面宽 120 厘米、高 76 厘米，商品图里明确写了适合四个人。但想让 Agent 清楚地判断这套餐桌的适用范围，就必须让 Agent 读到这些信息，光有图片是不够的。
我们要做的，就是让这些已有事实，更容易被 Agent 准确提取和比较。
我们还搭了一套工程化的 A/B 测试体系，比较不同内容表达在 AI 可见度和引用率上的表现，再把结果用回到下一轮内容优化里。
这里还有一个很重要的原则：表达可以重组，但事实要有来源。比如，长段营销文案可以拆成清楚的短句；但价格、库存、型号这些字段，直接从商家后台取，绝对不能让模型自行发挥。
对商家来说，他能感受到的变化是，**原本散落在不同位置的信息，更容易被 AI 找到，并用于回答具体的购买问题。**再往后的链路里，我们还会通过访问和订单记录，反馈有哪些内容真正参与到了一笔交易里。
十字路口
具体如何为商品制作 Agentic Page？
徐鑫
我们会自动抽取已有信息、整理字段、生成表达，再把需要确认的地方交给商家或者团队处理。大部分重复性的工作会交给系统。
不同商品内容，不能用同一种方式处理。像价格、库存、SKU、型号这些有明确来源的事实，我们直接从商家系统同步；摘要和 FAQ 可以用模型来组织，但会确保每一句都能回到原始素材。如果遇到原资料缺失或者互相矛盾，我们会把问题找出来，请商家补齐。
现阶段，我们更关心的是：哪些步骤已经自动完成了，哪些错误会影响购买行为，出错之后多久能发现和修正；同时我们会尽快完善字段，提高商家的 AI 订单收入。
十字路口
A2A commerce 赛道做类似事情的团队还有不少，商家选择 DeepLumen 的原因是什么？
徐鑫
我觉得，商家可以从这四个方面来衡量，这也是我们可以承诺的地方：
第一，商品信息有没有可靠来源。 商品、价格、库存、配送和退货等这些高风险事实，应该来自商家授权的数据源。我们不替商家编造卖点，也不让模型自行决定价格或合规承诺。
第二，能不能沿用商家现有系统。 我们的 Agentic Page 是运行在商家已有站点之上的 AI 优化层，不要求商家放弃原站。未来逐步开放调用和交易交接时，我们也会沿用商家现有的结账、订单和售后体系。
第三，能不能适配不同 AI 入口。 我们关注的不只是品牌在某一个 AI 回答中有没有出现，而是同一份商品事实能不能适配页面、Catalog、Feed 或者 API 等不同入口，并且在多个 AI 渠道里持续维护。
第四，结果能不能核对。 我们会区分 AI 抓取、明确 AI 来源访问、Agent 参与、订单和退款回执，也会把来源不明、Google 普通搜索、广告、联盟、直接访问和证据冲突，排除出合格结果。能核对到哪一步，我们就只对外说到哪一步。对商家来说，这比一个看起来很大的"AI 影响"数字更重要。
我们会一直追溯到 AI 回答里提到商品这一步，再继续往下看：商品有没有被准确理解，有没有带来真实访问，最后有没有形成商家自己的订单。
我们是真正实现 AI 订单"可归因"的。我们收费，也都是跟着能够核对的订单结果走，采用 CPS 模式。
十字路口
具体是怎么实现AI 订单"可归因"的？这其中的难点是什么？
徐鑫
这件事最早要回答的，其实是商家很直接的一句话：你说帮我带来了订单，我在哪里能看到？
如果只能给他看我们自己的报表，这个答案是远远不够的。所以，我们把归因的落点，放在商家自己的交易记录上。
我们会把一次访问从哪里来、经过哪个商品页面、最后有没有形成订单串起来，再用 Shopify 的访问记录、订单数据和 UTM 来源标记，逐一核对。
这里有两件事要分清：订单经过了 Agentic Page，说明 AP 参与了这条购买路径；而有明确的 ChatGPT 等来源，才能进一步谈 AI 来源订单。我们要把这两层关系交代清楚，这样商家才能知道自己为什么付这笔钱。
归因真正的难点，其实是交易里的细节。
为了真正实现 AI 订单"可归因"，我们跟典型的商家持续沟通，一起把归因、计费标准和流程打磨清晰。
比如，不同品类的商品因为毛利不同，CPS 费率也会不同。包括运费、税费、保险这些费用，我们会协商从计算佣金的金额里扣除。而且，用户退款后，订单状态和佣金也要跟着调整。
这些情况我们都会放进归因和结算规则里，确保真实交易里遇到的每一个问题，都能真正得到解决。
我们要做的是：最后成为商家敢用来结算的一本账，而不只是一个看起来漂亮的增长数字。
十字路口
有哪些真实案例能证明 DeepLumen 在订单"归因"方面，效果确实很突出？
徐鑫
我们自建了归因系统，为 Agentic Page 建立了一套订单级的访问与转化追踪体系。
在这个系统里，我们会把 Agentic Page 的访问日志和 Shopify 里的浏览、成交记录放在一起核对，清晰完整地还原用户从哪个入口来、经过了哪些页面、最后形成了哪笔订单。
就拿一家卖户外相机的客户为例。
我们查到，8 月 31 日，一位用户从 ChatGPT 点击进入这家店的商品页面，购买路径经过了 Agentic Page，然后大约 13 分钟后完成购买，订单金额是 74.22 美元，状态为已支付。在 Shopify 的访问记录里，能对上 ChatGPT 来源、AP 标记和最终订单，商家可以据此还原这段购买过程。
我们能说明清楚哪些订单真正经过了我们的推荐、从哪个 AI 入口来的，链路是闭环的。
十字路口
如果出现 Agent 完成下单但不返回回执的情况，你们如何补救？
徐鑫
最终还是要回到商家的订单系统。
如果能拿到订单号、授权交易请求和成交会话的，我们会沿着这些记录核对支付和订单状态；只有金额、时间碰巧接近，还不够确认是同一笔交易，如果证据暂时对不上，就留在待核验里。
十字路口
还会遇上哪些棘手的情况？
徐鑫
退款、重复请求、价格变化，其实也是同样的道理。我们会追溯执行过程中到底发生了什么，最后都会跟商家真实的订单结果去做对应。
想要建立长期信任，收费依据就得讲清楚。我们的原则是：说不清楚、核对不上的订单，我们坚决不收钱。
十字路口
DeepLumen 目前合作的商家有多少？
徐鑫
截至目前，我们的产品累计安装近 2000 家商家，累计产生超过 40 万美元的可归因 GMV。
现在我们的客户，主要分布在服饰配饰、3C 品类、家居园艺、健康美容、户外工具与运动领域。其中，服饰类商家的订单数量会比较多，家居和户外类的客单价更高。
十字路口
哪些是你们的目标服务客户？
徐鑫
商品本身有价值，但消费者在购买前需要花时间理解、比较和确认的品牌商家，都是我们的目标客户。
这里面，有每月百单左右的小店，也有稳定订单规模的成熟品牌。通常都是有自己的网站和交易基础的品牌商家，先从 Shopify 生态切入试水。
在客户服务上，我们除了看行业和客单价，也会更关注客户当前最需要解决的经营问题是什么。比如，小商家更关心能不能多一条获客来源，降低对付费广告的依赖；成熟品牌则更关心，AI 能不能成为一条值得长期经营的新渠道。
接下来，我们会沿着真实交易去挑重点品类合作：一方面看商家有没有成交基础，另一方面也看商品经营本身有哪些我们可以提升的空间。
十字路口
和 DeepLumen 合作之后，品牌方可以实现怎样的效果提升？AI 出单量现在能达到什么水平？
徐鑫
不同商家的表现差异很大，主要取决于品类、商品信息的复杂度，以及用户在 AI 平台上的问询情况。
目前表现最好的，是一个家具客户。9 月期间，我们直接给他们带来的 AI 订单，占全店订单的比例约 10.7%。 对一个家具商家来说，这已经达到一个值得单独去经营的渠道水平了。
还有一个德国的箱包配件品牌，原本月均订单八千多单。安装我们产品的首月，记录了近两千次 AI 访问，带来了近一百笔 AI 渠道订单。
另外，从客户安装到产生第一笔 AI 出单，周期平均在 1～2 周左右，也有 1～2 天就出单的。 比如有一家人体工学椅商家，从安装到产生第一笔 AI 订单，大约 25 小时。
当然，我们更关注首单之后能不能稳定出单。因为一次购买，证明链路是可以走通的，能稳定带来有价值的访问和订单，才值得商家长期投入。
十字路口
目前 CPS 费率收多少？
徐鑫
我们的 CPS 是按商品品类收费的，费率在5%～15%之间。
不同品类，毛利结构、客单价和获客成本都不一样。推广策略上，我们是前 3 单免费，先让大家看到真实订单；稳定出单之后，再开始按约定的 CPS 规则收费。
十字路口
现在有哪些上下游客户？
徐鑫
这一波电商变化牵涉模型、身份、支付、建站和商家系统，任何一家公司都很难独自把它推动起来。我们会和两类伙伴一起推进这件事：
一类是离商家很近的代理渠道、建站和电商服务商。 他们已经理解当地商家的经营方式，也有长期的信任关系。
**另一类是行业基础设施建设者，比如 Visa。**他们解决的是 Agent 怎么获得支付授权、怎么确认交易责任；我们是从商家侧，把商品、供给和实际交易场景接上去，把 Agentic Commerce 的能力接到商家的日常经营里。
十字路口
这个市场现在提速明显吗？最近一个月，客户的 AI 订单量有什么变化？
徐鑫
有提速的迹象，我们自己也在用订单去看这件事。
前几天我们做过一轮复盘，从 8 月到 9 月，店铺大盘的 AI 订单占比整体上涨了一倍。
这表明，AI 渠道正在逐步成为重要的流量来源，商家现在值得开始做准备了。谁先布局，谁就能先掌握这波流量红利。
十字路口
你提到 Agentic Store 是 DeepLumen 真正想做的事，具体指的是什么？
徐鑫
当 Agent 成为购物任务的直接操作者，商家就要学会和这个新用户做生意。
Agentic Page 是我们的第一步，先解决商品能不能被 AI 读取和理解。长期来看，我们还会把这层能力升级为面向 Agent 的商家"经营"底座。
Agentic Store，就是我们为商家准备的一整套经营能力，帮商家开一家能更好地接待 Agent 的店。
过去，商家花很多精力让一张页面更有吸引力；以后，商家还需要把"我能卖什么、在什么条件下能交付、我愿意承担什么责任"，向 Agent 表达清楚。而且，商品介绍是相对静态的，但一笔能成交的供给是动态的，比如价格、库存、配送范围变化这些，在 Agentic Commerce 里，都需要有人跟进处理。
Agentic Store 是帮商家搭建的一个 Agentic Commerce 的经营"后台"。我们会做一个统一的 AI 销售运营系统，商家可以统一查看不同 AI 入口带来的访问、订单、归因和结果回执，统一维护商品信息和服务规则。交易本身，可以继续落在商家原有的结账、支付和履约系统里。
🚥 十字路口
Shopify 也在做 Agentic Storefronts，会跟你们形成正面竞争吗？
👨🏻💻 徐鑫
会有重叠。Shopify 有商品、库存、订单和结账系统，也在做 AI 渠道分发和来源归因。
但我们不和平台争 C 端入口，而是从商家侧补齐商品事实、跨入口运营和结果核验。
大平台更适合解决消费者从哪里发起购物、用什么通用格式连接商品，以及怎么完成交易；而商家仍然需要解决具体的经营问题。
比如，同样进入一个 AI 入口，为什么某件商品总被推荐，另一件被忽略？是商品本身不合适，还是适配、规格和使用条件没表达清楚？商家修改之后，AI 的理解和实际成交有没有变化？这些问题，都需要深入到品类、商品和经营过程里，持续去做。
DeepLumen 要做的，就是帮商家做一个可持续迭代的 Agent 系统，把商家的商品表达、AI 如何选择商品，以及真实订单反馈连起来，帮商家形成 Agentic Commerce 的日常运营能力。
我们会从商家整盘生意出发，让商家清楚地知道：同一批商品在不同入口有没有被准确理解，各个渠道带来了什么订单，哪些地方值得继续投入。
🚥 十字路口
DeepLumen 累计拿到了多少融资？
👨🏻💻 徐鑫
自2025年12月成立以来，我们已经连续完成三轮融资，累计融资额数千万美元。
这笔资金最重要的投入，是持续做商家侧的基础设施建设。
因为 Agentic Commerce 市场，是跟着入口、协议和商家的真实需求一起演进的，所以我们既要把当下的 Agentic Page 做到商家愿意使用、愿意付费，跟着商家的需求迭代，成为他们值得信赖的合作伙伴；同时也要为后面的 Agentic Store，积累商品、系统接入和交易经验。
🚥 十字路口
目前的团队构成是怎样的？
👨🏻💻 徐鑫
现在团队 20 人左右。我们团队一个很明显的特点是：懂AI的人，和懂商家经营的人。
我们团队成员长期专注在 AI、数据基础设施和商业技术领域，兼具前沿技术研发和商业化落地能力。
其中，核心团队拥有深厚的理工科与技术背景，成员毕业于斯坦福大学、哥伦比亚大学、威斯康星大学麦迪逊分校、清华大学、北京大学、上海交通大学、浙江大学、中科大等高校，专业背景涵盖物理、数学、计算机科学等领域。
我们团队比较务实。我们重点在做的事，本质上就是：把商品理解、商家系统接入和交易结果放在一起做判断，同时跟着真实商家的问题去做调整。
🚥 十字路口
接下来半年里，DeepLumen 的市场计划是怎样的？
👨🏻💻 徐鑫
我们会继续服务 Shopify 商家，同时也会覆盖使用 WooCommerce 和其他建站方案的 DTC 商家，大家一起抓住 Agentic Commerce 时代的机遇。
在市场拓展上，我们会和熟悉当地市场、垂直品类的代理及服务商合作。他们更了解商家的经营习惯，也有长期积累的信任关系。我们提供产品、接入和效果核验支持，大家一起把商家的培训和服务做好。
另外，我们也在筹划和支付、身份认证等这些基础设施伙伴一起发起市场活动。
我们会通过一些具体的场景活动，帮商家更清楚地理解：Agent 可以怎样参与到购物里；这件事和自己的生意有什么关系；商家需要做哪些准备。
🚥 十字路口
我们看到 DeepLumen 在招募代理，现在招募进度如何？
👨🏻💻 徐鑫
我们目前已经有 30 多个合作中的代理伙伴。
分成规则上，我们也做了调整：现在基础比例统一是 50%，达到相应的合作规模之后，可以提高到 60% 或 70%。我们希望，持续带来商家、做好服务的伙伴，能分享更多收益。
A2A 商业马拉松，刚开跑
🚥 十字路口
在你的观察中，最近 A2A 智能体商业市场有哪些新变量出现，正在催熟整个生态？
👨🏻💻 徐鑫
我主要看三件事：商品怎么接进来；Agent 怎么获得支付授权；商家怎么确认来访 Agent 的身份。
先说商品接入。 现在，OpenAI 已经提供商品 Feed 和 Products API，Shopify 也在帮助商家把商品接入 ChatGPT，并通过商家自己的结账系统完成交易。
这意味着，商家有了更明确的参与方式。当然，接进来以后，还需要继续解决：商品为什么被选中，哪些信息需要优化，最后能不能成交。我们的 CPS 收费，也是建立在这些实际结果上。
再看支付授权。 Visa 的 Intelligent Commerce、Mastercard 的 Verifiable Intent 和 Google 的 AP2，都在围绕用户授权推进各自的能力和规则。他们在解决的是：这次购买是不是用户同意的，Agent 可以买什么、能花多少钱，实际操作有没有超出授权。有了这些约束，用户才更有信心把具体的购买任务交给 Agent。
再看身份验证。 Visa 的 Trusted Agent Protocol，以及 Cloudflare 的 Web Bot Auth 和 Signed Agents，都在帮助商家确认来访 Agent 的身份；Okta 旗下的 Auth0 在推进 Agent 的权限管理。商家既要知道是谁在操作，也要知道它被允许做什么。当然，身份得到验证，并不意味着它就可以直接下单或付款。
我觉得真正值得关注的一个变化时点是：商品、身份、授权、支付开始围绕同一笔交易连接起来。
🚥 十字路口
你判断 A2A commerce 生态会在什么时候爆发？
👨🏻💻 徐鑫
我判断，未来半年到一年，会出现一批可以反复使用的 Agent 购物场景。到那个时候，Agentic Commerce 会进入规模化商业验证的窗口。
但 A2A commerce 真正大规模爆发，需要四层基础设施同时跟上：一是，商家的商品事实要完整且实时，价格、库存和政策要有可靠来源；二是，Agent 的权限边界要清楚；三是，支付、履约、退货和责任归属要能回到商家原有系统；四是，平台要提供稳定的接入和回执。
总体来说，这个变化会分几步走：首先，用户先习惯让 AI 帮自己比较；然后接受由它发起交易、自己确认；最后，用户把一些明确的购买任务长期委托出去，授权范围随着信任一点点扩大。
我认为，"需求清楚、结果容易核对的场景"，会率先跑通。
🚥 十字路口
这期间，DeepLumen 要完成哪些里程碑工作？
👨🏻💻 徐鑫
一年之内，我们的目标是拿出一批持续使用的商家案例，同时回答好这个问题：哪些商品信息的改善，真的改变了 AI 的推荐和选择；哪些变化，又带来了真实的访问和成交。
我们会根据数据表现，做精细化的运营工作。另外，不同商家的诉求不一样，有的希望提高转化，有的希望降低获客成本，有的希望让高客单商品多一条销售渠道。我们会针对性地去满足。
最后，还是要回到利润上。
我们更看重的是扣除商品成本、履约、退款、佣金和额外运营投入之后，这条渠道真实给商家留下了多少收益。
🚥 十字路口
如果把这场 A2A 智能体商业发展看作一场 100 公里的马拉松，你觉得当前跑到了哪里？
👨🏻💻 徐鑫
大概在前十公里处。
现在大家已经看到了方向，也开始有真实的交易发生。下一步，就是让消费者更放心地委托、商家能稳定地承接。
🚥 十字路口
下一步关键要解决的是什么问题？
👨🏻💻 徐鑫
眼下最难的是，把一次购物里的责任串起来。
买方 Agent 要知道自己的授权范围；商家要给出有效的价格和库存；支付要确认这笔钱确实得到授权。交易遇到缺货、超预算或者退款时，还要知道由谁处理，什么情况下需要交回用户确认。
模型能把任务走完，只是其中的一部分；商家和用户真正需要的，是出现意外时依然可靠。
对 DeepLumen 来说，我们会先把商家这一侧做好，让商家能提供可靠的商品信息，把供给接上、把规则讲清楚，同时能接住真实订单。
加入会员群
