無論是搜索，還是推薦，本質上解決的都是購物中的精準營銷問題。而所有的營銷策略，終極難題，都是要解決“信任”問題。
在搜索模式下，傳統的購物網站的商業模型是GMV=流量×轉化率，呈現流量上的銷售漏斗。
如下圖：
傳統的購物搜索，提供了精準的購物流量，但卻依然要靠店鋪的客服以及各種營銷手段，來解決營銷最關鍵的“信任”問題。
在移動端的推薦系統裡，阿里和京東的千人千面，每個用戶進入購物APP看到的是根據自己以往瀏覽行為，單獨定製的購物界面。實際上這背後依然是搜索的邏輯，只不過是將搜索轉為推薦。
消費者不會因為系統推薦了商品，就去購買。甚至在目前算法不精確的情況下，會產生厭煩心理，營銷的“信任”問題依然無解。
在拼多多的分佈式AI設想當中，在目前早期階段，通過社交當中“人”這一因素的加入，消費者購物前，介紹購物的朋友就已經充當了非常專業的銷售顧問角色。因相信朋友而購物，“信任”問題在購物之前就得到解決。
拼多多分佈式AI的下一個階段，是用機器來代表“朋友”。這意味著，拼多多要離開目前的社交場景。
黃崢在接受《財經》雜誌採訪時曾說：微信並非唯一、終極的場景，當拼多多對用戶充分了解後，“脫離微信通過平臺也能創造新的場景，用機器代替‘朋友’做判斷，給用戶推送最適合的商品。”
讓消費者信任機器勝過信任朋友，這是拼多多分佈式AI的終極圖景。
拼多多的分佈式AI一旦成熟，其爆發力將不再依託現有市場上的社交軟件，而成為一個完全獨立的力量。雖然這看上去會比較困難，但這恐怕正是拼多多邀請陸奇加入的原因，也是拼多多如此重視技術和算法人員的根本原因所在。
頭條和拼多多都在算法的幫助上獲得了爆發性增長。唯一不同的是，頭條的強大算法能力被業內公認，而拼多多的算法能力卻被忽視了。
對於阿里和京東而言，對於拼多多前端娛樂化、後端供應鏈的改造，已經錯失了機會。而對於未來，對於AI技術是用來解決商品的展示問題，還是要破解購物的“信任”問題，兩種不同的發展路徑，從長期看可能會和拼多多有著巨大的差別。
閱讀更多 程賢濤 的文章
