当AI绘画、AI对话等生成式工具席卷全球时，AI代理在真实消费场景中的表现却出人意料地冷淡。DoorDash CEO Tony Xu在最新季度财报电话会上披露的一组数据，让业界重新审视AI技术的商业化边界：AI代理在该平台上产生的订单量仅有数百笔，而平台本季度总订单量接近10亿。这一对比背后，究竟隐藏着怎样的AI原理与科技深度？又为什么被寄予厚望的AI代理，在点餐这件小事上败下阵来？
一、DoorDash财报透露的尴尬现实
在DoorDash的2026年第三季度财报电话会议上，一位分析师抛出了一个业界普遍关注的问题：外部AI代理到底给平台带来了多少订单？CEO Tony Xu给出了一个令人意外的数字——在AI代理上线运行的全部周期内，总共只生成了“几百笔”订单。相比之下，DoorDash在第三季度处理了接近10亿笔总订单。即使按最乐观的估计，AI代理贡献的订单占比也仅为百万分之一量级。
Xu用“非常低的使用案例”来形容这一现状，坦承这几乎不影响DoorDash的业务基本面。事实上，这一数字的象征意义远大于商业意义：它意味着尽管大模型能力持续突破，但在高频、低决策成本的日常消费领域，用户依然选择最直接的原生交互方式。值得注意的是，DoorDash自身并没有将AI代理作为核心增长引擎，而是把精力放在优化配送算法和商户工具上。
这一现象并非DoorDash独有。包括Uber Eats、Grubhub在内的多家外卖平台都曾表态，AI代理带来的增量订单占比极低。与大模型训练领域的火热投资相比，应用端的冷清显得格外刺眼。业内开始意识到，AI代理并不是万能钥匙，至少在家常便饭场景中，用户更习惯自己动手。
从AI原理的角度看，AI代理需要理解用户的实时语境、口味偏好、时间敏感度等多重变量，而当前的大模型在这些方面仍存在“常识性鸿沟”。点餐看似简单，却隐含了大量潜规则：比如下午两点还能不能点午餐？雨天配送费是否值得？这些经验性知识很难被数据完全覆盖。
二、AI代理的潜力与局限
尽管点餐场景表现惨淡，Tony Xu仍然对AI代理的未来表达了谨慎乐观。他特别指出，AI代理在“长期考虑型购买”和重大决策中可能发挥真正价值，因为这类任务需要用户在后台完成大量对比、权衡和信息收集。AI代理可以“主动代替用户处理背景工作”，这比简单下单要复杂得多。
这一判断与业界观察高度吻合。AI代理的本质是“有目标、会规划、能执行”的数字智能体。它不同于ChatGPT那种“一问一答”的被动工具，而是可以主动分解任务、调用工具、迭代方案。在预订机票、对比保险、研究数码产品等场景中，AI代理确实能节省大量时间。但代价是：用户需要相信代理做出的选择，而信任的建立需要时间和体验的积累。
然而，在日常消费领域，AI代理的介入反而增加了认知负担。用户点一份炸鸡，脑子里只需要几秒钟决定“吃什么、去哪儿买”，然后打开App点两下就完成了。如果换成AI代理，用户还需要描述需求、等待代理思考、确认结果、处理异常……整个过程可能比直接操作更慢。这恰恰解释了为什么DoorDash上的AI代理订单屈指可数。
更根本的原因在于，AI代理尚未形成独立的用户心智。人们不会因为“可以用AI代理”而专门去用某个外卖平台。相反，只有当平台本身提供了智能助手功能，且体验足够顺滑时，用户才可能自然地接受。目前来看，DoorDash的AI代理接入还停留在极客尝鲜阶段，远未达到大众化门槛。想了解当下有哪些实用AI工具，不妨浏览AI工具导航，找到真正能提效的助手。
从AI Agent技术的演进路径来看，行业正在从“对话式AI”走向“执行式AI”。但这一过程远比预想中漫长。大模型可以写出漂亮的文案、生成惊艳的图片，却很难在复杂现实场景中安全、稳定地完成多步骤操作。AI代理的落地，需要的不仅仅是模型能力，更是与业务流程、数据权限、用户体验的深度融合。
三、AI绘画：从炫技到实用的路径
与AI代理的“叫好不叫座”形成鲜明反差的是，AI绘画在几乎同一时期实现了大规模渗透。从社交媒体上的头像生成，到电商场景中的商品图设计，AI绘画工具已经深入到普通人的数字生活。国内外的AI绘画平台涌入了大量创作者，也催生了“AI画师”这类新兴职业。
为什么AI绘画能快速普及？一个重要原因是它的反馈链路极其直接：用户输入一句描述，几秒钟后就能看到图像结果，满意就用，不满意就改。这种“即点即得”的体验，非常符合人类对创作工具的期待。而在AI代理点餐的场景中，用户从下指令到获得实际成果（食物到手）之间存在漫长的物理等待，AI代理在中间环节优化的空间实在有限。
另一个关键差异在于容错率。AI绘画出了一张不完美的图，用户可以重新生成，或者用AI画图工具调整局部细节，成本极低。而AI代理如果点错了餐、写错了地址，用户要承担实实在在的金钱和时间损失。这种风险不对称，导致用户对AI代理的容忍度远低于AI绘画。
不过，AI绘画的流行也为AI代理的发展提供了启示：那些能够降低创作门槛、带来即时正反馈的工具，总是更容易获得用户青睐。如今很多平台尝试将AI图片生成能力集成到工作流中，让用户先看到效果再决策，这种“可视化交互”模式同样适用于代理场景。未来AI代理或许应该学会“先给你看结果，再替你执行”，而不是一味地在后台隐式操作。
从AI原理的角度分析，AI绘画成功的关键在于它将概率模型的能力映射到了具体、可验证的产出上。图像的好坏有主观标准，但至少是可见的；而AI代理的行为结果往往分散在一连串操作中，用户难以判断是代理的功劳还是自己的指令本就清晰。换句话说，AI代理需要更透明的运行逻辑和更强的可解释性，才能真正赢得信任。
四、为什么简单任务不需要AI代理？
Tony Xu在财报会上直言：“当任务简单到就像点餐，我们倾向于看到用户直接来到DoorDash。”这句话点破了AI代理的适用边界：越是高频、低摩擦的日常任务，用户越依赖肌肉记忆和固有习惯。打开App、搜索、下单、付款，这一套流程已经被数以亿计的用户练成了本能，试图用AI代理替代反而多余。
从行为经济学的视角看，用户在使用外卖App时投入的决策成本已经很低。即便AI代理能把决策时间从3分钟缩短到30秒，这种节省在用户的感知中几乎可以忽略。而为了获得这种微小的效率提升，用户需要承受额外的不确定性：代理可能误解自己的口味、可能遗漏优惠券、可能选错配送地址。这些风险在用户心中的权重，远远大于那几秒钟的节省。
这也解释了为什么DoorDash自身在AI上的投入重点并非“接管用户操作”，而是用AI优化配送时长、预测订单峰值、提升推荐精准度。这些后台优化不改变用户的操作习惯，却能在不知不觉中改善体验。相比之下，让AI代理直接替用户下单，听起来很酷，但并没有真正解决用户的痛点。
对于初创公司而言，这个案例是一个重要的警示：不要为了“AI化”而AI化。如果现有流程已经足够顺畅，强行加入AI代理反而多此一举。在企业数字化转型过程中，技术落地的优先级应当基于“是否创造显著增量价值”，而非“是否足够前沿”。否则很容易陷入伪需求陷阱，造出无人问津的科技玩具。
当然，简单任务不接受AI代理，并不意味着AI代理没有用武之地。恰恰相反，那些复杂、冗长、需要跨系统操作的任务，才是AI代理的主战场。比如企业采购中的多级审批、旅行计划中的航班与酒店协调、二手交易中的价格谈判等，这些场景中AI代理的“多步规划”能力才有用武之地。
五、AI代理的长期价值在哪里？
DoorDash CEO的讲话透露了一个重要信号：AI代理在“长期考虑型购买”和“重大决策”中被寄予厚望。这类行为的共同特征是决策周期长、信息维度广、试错成本高。以买车为例，用户需要比较品牌、性能、价格、口碑、保值率、售后服务等众多因素，还要结合自己的预算与生活场景。AI代理可以持续追踪这些信息，并在政策变化或促销活动出现时主动提醒用户。
这与AI绘画的“快速生成-即时反馈”完全相反，AI代理的价值体现在“持续服务-时机成熟时行动”。它更像一个忠实的私人助理，而非一次性的提问工具。未来的AI代理可能不再需要用户逐条下达指令，而是通过长期理解用户的偏好和目标，在合适的时间主动提出建议：“根据您三个月来的关注，这款车降价了，并符合您的所有条件，要不要预约试驾？”
实现这样的能力，需要AI代理具备“记忆”—不是简单的会话记忆，而是跨时间、跨场景的长期记忆。这既依赖于用户授权的数据积累，也考验大模型对情景的推理能力。当前很多AI代理产品还停留在“单轮任务执行”层面，缺乏持续跟踪和多轮交互的深度。随着AI Agent技术的成熟，这些限制将逐步被打破。
另一种可能的路径是AI代理间的协作。比如旅行规划代理与外卖配送代理共享用户的行程信息，在用户抵达酒店前自动预定好当地特色餐食。这种“代理生态”一旦形成，点餐就不再是孤立动作，而是整个生活服务链条中的一环。到那时，DoorDash上的AI代理订单量可能才会迎来真正的增长。
值得注意的是，这一过程中隐私与安全问题不可回避。AI代理需要访问用户的账户、位置、支付信息，一旦出现泄露或误操作，后果远比AI绘画的图片错乱严重。因此，AI代理的普及需要建立在可信赖的安全框架之上。这不仅是技术问题，更是制度与伦理问题。\n
六、科技深度观察：AI落地的真实节奏
将DoorDash的AI代理数据与AI绘画的爆发对比，我们可以看到AI技术落地的两个不同维度。AI绘画属于“生成式AI”的范畴，它创造了全新的内容形态，填补了用户“想画但不会画”的空白；而AI代理属于“决策式AI”的范畴，它试图替代用户已有的熟练操作，这种替代天然带有摩擦和不信任感。
从科技深度来看，AI代理的成熟将是渐进式的，而非革命式的。它需要经历“能用—好用—爱用”的漫长迭代过程。当前AI代理在DoorDash上的表现，恰恰说明它正处于“能用”与“好用”之间的尴尬地带。技术细节上，大模型对上下文的理解能力、工具调用的准确性、异常处理的兜底策略，都还有不小的提升空间。
用户习惯的培养同样需要时间。很多人愿意尝试文生图，是因为它带来了“魔法般”的新奇体验；但让AI代理替自己花钱购买服务，则涉及更深层的信任转移。教育市场是一个缓慢的过程，任何试图一蹴而就的产品最终都会面临用户的用脚投票。DoorDash的数据就像一面镜子，照出了AI代理与真实需求之间的真实距离。
当然，我们不必对AI代理的前景感到悲观。回顾移动互联网发展初期，用户同样不习惯用手机支付、叫车、订外卖，但如今这些都成了日常。AI代理面临的挑战，只是新技术适应期的一种必然阵痛。只要技术性能持续提升，安全机制足够可靠，AI代理终将在更多复杂场景中证明自己的价值。
对于创作者和从业者而言，AI绘画的成功经验或许值得借鉴：找到那些用户能够清晰感知价值、并能逐步建立信任的切入点，远比追逐宏大的“万能代理”概念更有意义。或许在未来，DoorDash这类平台会以“AI辅助决策”的形式接入智能代理，而不是完全接管用户的点餐行为。人与AI各司其职，也许才是科技落地的最优解。