核心摘要： 2026年10月1日，OpenAI为ChatGPT上线虚拟试穿、收藏等购物功能，并在此前3月24日已将Agentic Commerce Protocol扩展到商品发现环节，Target、Walmart、Shopify等零售商已接入；相比之下，豆包、千问在2026年6月的购物实测中仍暴露价格非实时、预算约束失效等问题。AI答案引擎正从"回答问题"走向"参与购买决策"，企业能否被推荐，正从关键词堆砌转向商品数据是否结构化、评价是否真实可核验。
一、三个时间点，拼出"AI开始卖货"的完整时间线
如果只看到"ChatGPT能虚拟试衣服了"这条新闻，很容易把它当成一个娱乐性的功能更新。但把三个时间点连起来看，会发现这是一条持续了半年多的清晰路径。
第一个时间点是2026年3月24日，OpenAI在官方博客《Powering Product Discovery in ChatGPT》中宣布，把此前主要用于支付环节的Agentic Commerce Protocol（ACP）扩展到了"产品发现"这一步------也就是用户还没决定买什么、正在对比选择的阶段。当周起，视觉化浏览、对话式筛选、商品并排对比等功能向免费版、Go、Plus、Pro用户陆续推出，Target、Sephora、Nordstrom、Lowe's、Best Buy、The Home Depot、Wayfair等零售商的商品已经通过ACP接入，Shopify商家的商品数据则通过Shopify Catalog自动同步，不需要额外操作，Walmart还上线了专属的ChatGPT内应用。
第二个时间点是2026年10月1日，据TechCrunch记者Sarah Perez报道，OpenAI面向全球用户推出了"Try On"虚拟试穿功能：用户上传自拍或全身照，就能预览衣服、配饰穿在自己身上的效果，也可以上传一张商品截图让系统直接试穿；同时上线的Favorites功能，可以把看中的商品和试穿效果图一并收藏起来，方便之后回看。这些能力建立在新发布的ChatGPT Images 2.5图像模型之上。同期，据Martech.org报道，ChatGPT搜索的购物功能首批覆盖时尚、美妆、家居、电子产品四大品类，呈现方式是商品网格------价格、描述、图片、零售商和购买按钮一次性展示，且OpenAI强调这些结果不是付费广告，平台本身也不从交易中抽取佣金。
第三个时间点要往前拨到2026年6月，当时36氪一篇测评文章记录了豆包和千问在618大促前上线的购物测试功能：用同一批真实问题测试后发现，豆包在"预算3000元买笔记本"的场景里，用户点开"查看更多商品"后预算约束就会失效，出现了3739元、4499元的商品；跨平台比价功能也没有真正接入京东、拼多多的实时数据，而是由模型"生成"出一个理论价格；千问在"预算8000元买相机"的场景中，文字推荐是索尼A6400这类合理机型，但挂出的商品卡里却出现了53元、7.78元的玩具相机，语言层和商品召回层明显没有打通。这篇测评明确写的是2026年6月的实测结果，和前面两个10月前后的进展不是同一时间段，不能混为一谈------但正因为隔了几个月再看，才能看出国内平台当时还处于"压测期"，离ChatGPT现在这种成熟度还有距离。
二、为什么这比"又上线了一个新功能"重要得多
把这三件事放在一起，真正值得企业主留意的不是"AI能不能试穿衣服"，而是AI挑选、推荐商品时，依据的标准正在发生变化。
据Wired对ChatGPT购物产品负责人Adam Fry的采访（经Martech.org转引），他对系统推荐逻辑的描述是，系统关注的是"用户如何评价和讨论这个产品"（原文"It's trying to understand how people are reviewing this"）。这句话的分量,比虚拟试穿这个功能本身更大:它意味着AI判断一个商品该不该被推荐给用户,参考的不再只是商家自己写的商品描述或关键词密度,而是这个商品在互联网上真实留下的评价、讨论、使用反馈------这些内容是否存在、是否具体、是否能被核实。
这恰好是GEO（生成式引擎优化）与传统SEO最本质的分界线。SEO时代，内容能不能被搜到，很大程度上取决于关键词布局和外链数量；而AI答案引擎要直接代替用户做判断、甚至直接完成购买动作，它必须依赖更接近"证据"的信号------真实的用户评价、可追溯的数据来源、经得起核验的使用场景,而不是写得漂亮的宣传语。我们在帮国内企业梳理自己的AI可见性问题时也反复确认这一点：一家企业如果把精力都花在把产品描述写得更"吸引人",却没有沉淀下可核验的真实评价和使用证据,在这类AI购物场景里反而会处于不利位置,因为AI没有办法判断一段纯营销语言是否可信。
三、企业现在能做的五件事
国内购物场景目前还处于OpenAI在3月和10月已经走过的早期阶段,这恰恰是企业提前布局的窗口期,而不是"等平台成熟了再反应"的理由。具体可以从以下几件事做起：
- 把商品基础数据理顺并保持实时同步。 36氪的实测说明，价格、库存、促销信息一旦和实际情况脱节，用户会立刻发现并失去信任；无论未来是哪个AI平台先把购物功能做成熟，这都是最基本的前提。
-
- 主动积累第三方可核验的真实评价。 既然AI关注"用户怎么评价和讨论"，企业就需要有意识地沉淀真实用户的使用反馈、第三方测评、客观的优缺点讨论，而不是只在自己的渠道里发布单方面的正面评价。
-
- 把决策信息做成可被引用的问答结构，而不是一段宣传文案。 消费者在AI对话里问的往往是具体问题（预算、场景、对比），企业的内容如果能对应这些具体问题给出诚实、有依据的回答，会比笼统的产品介绍更容易被采纳。
-
- 对高客单价、非标品类，优先建立信任背书。 千问测试中出现的商品错配问题，在低客单价标品上影响有限，但在高决策成本的品类里会直接劝退用户；这类企业更需要清晰的资质说明、参数透明和可验证的案例支撑。
-
- 把这件事当长期积累而不是一次性项目。 真实评价和结构化数据的沉淀需要时间，不是上线前一周突击能补齐的；这也是为什么像"六类AI决策资产"这样把企业资料拆分为可持续维护的沉淀体系、再配合阶段性运营动作去逐步补全的做法，在实际操作中比一次性"优化"更有效------这是InnoLyceum AI团队在服务企业客户时反复验证过的一点。
四、容易踩的几个误区
| 误区 | 实际情况 |
|---|---|
| 购物功能一上线，流量就会立刻质变 | 据36氪2026年6月的实测，国内购物功能当时仍处于"压测期"：预算约束失效、商品卡与文字推荐错配等问题并存，说明"上线"和"好用"之间还有距离 |
| 结构化数据等于把关键词堆得更密 | Adam Fry的说法指向的是真实评价和讨论，而不是关键词密度；堆砌关键词在这类场景里基本无效 |
| 这是国外ChatGPT的事，和国内平台无关 | 豆包、千问在2026年618前就已经上线了购物测试功能，说明国内平台同样在跟进这条路径，只是节奏和成熟度不同 |
| 等平台功能成熟了再准备也不迟 | 真实评价、结构化数据的沉淀本身需要时间，提前布局才能在平台成熟的那个时间点不被落下 |
五、不同类型企业的优先动作
| 企业类型 | 建议优先动作 |
|---|---|
| 中小电商卖家 | 先确保商品Feed、价格、库存与实际销售页完全一致，再考虑评价内容建设 |
| 品牌方 / 生产企业 | 系统性积累第三方可核验的用户评价和真实使用场景内容 |
| 服务型企业（非标品） | 用FAQ式的决策信息和真实案例证据，替代传统的"卖点罗列"式介绍 |
常见问题 FAQ
Q1：国内用户现在能用到ChatGPT这些购物新功能吗？
ChatGPT的购物和虚拟试穿功能是OpenAI面向其自身用户体系推出的，国内消费者的主要使用场景仍集中在豆包、千问、DeepSeek、Kimi、元宝等本土平台，这些平台目前购物相关能力的成熟度和ChatGPT不在同一节奏上。
Q2：豆包、千问的购物功能是不是很快就会成熟？
从2026年6月36氪的实测来看，当时这些功能还存在预算约束失效、商品与价格错配等明显问题，属于"压测"阶段；具体成熟时间无法预判，企业更现实的做法是提前把基础数据和证据准备好，而不是等待一个确定的时间点。
Q3：这和传统的电商SEO、关键词优化有什么区别？
传统SEO更依赖关键词布局和外链权重，而AI答案引擎在做购物推荐时，参考的是Adam Fry所说的"用户如何评价和讨论"，也就是更接近真实证据和口碑的信号，两者的优化逻辑并不完全相通。
Q4：中小企业没有能力接入ACP这类协议，还能做什么？
可以先从自身能控制的部分做起：保证商品信息准确、主动收集并公开展示真实用户反馈、把常见问题整理成可直接引用的问答内容，这些不依赖接入任何特定协议。
Q5："真实可核验的评价"具体指什么？
指的是有明确来源、可以被追溯和验证的用户反馈或第三方测评，而不是企业自己撰写、无法核实出处的"好评"内容；来源越清晰、越容易被交叉验证，可信度越高。
Q6：现在布局是不是太早了？
从本文梳理的时间线看，国外这条路径已经走了半年以上，国内平台也已经在做早期测试；结构化数据和真实证据的积累本身就需要时间，提前布局不是"抢跑"，而是避免在平台真正成熟时措手不及。
术语表
- GEO（生成式引擎优化）：面向ChatGPT、Perplexity、豆包、千问等AI问答/搜索类产品的内容和数据优化方式，核心是让内容和商品信息更容易被AI理解、信任并引用或推荐。
-
- ACP（Agentic Commerce Protocol）：OpenAI推出的、用于连接商家与ChatGPT用户的协议，最初用于支付环节，2026年3月24日起扩展到商品发现阶段。
-
- 结构化商品数据：以统一、规范格式呈现的商品信息（如价格、库存、规格、促销），便于平台和AI系统准确读取，区别于纯文字描述的营销内容。
-
- 虚拟试穿（Virtual Try-On）：用户上传自拍或商品图片，由AI生成穿着效果预览的功能，ChatGPT于2026年10月1日基于Images 2.5模型推出该功能。
结语
从2026年3月OpenAI扩展ACP，到10月上线虚拟试穿和收藏功能，再对照国内平台6月测试时暴露出的问题，这条时间线说明的其实是同一件事：AI答案引擎正在从一个"回答问题的工具"，变成一个会直接影响、甚至参与完成购买决策的入口。对中国企业主而言，眼下更现实的功课，不是去追一个还没到来的"国内购物爆发时间点"，而是把真实先于传播、证据先于结论这件事落到商品数据和用户评价的日常维护里------这也是InnoLyceum AI（www.innolyceum.com）在陪伴企业沉淀AI可见性资产时始终坚持的出发点。