在小说阅读器读本章

去阅读

跨境电商服务正在被 AI 重新分类。

文丨王浩然

编辑丨何洋

先是 " 龙虾 "（OpenClaw），后是 " 爱马仕 "（Hermes Agent），进入 2026 年，Agent 类产品成为全球 AI 行业的焦点。人们开始越来越多地看到 AI Agent 走入真实业务流程的可能性。

与此同时，另一条叙事线也在推进。Anthropic 以平均每半个月一个重量级更新发布的节奏，不断抢走传统服务商的市场，营销、办公、法律、自动化、金融 ...... 似乎没有什么问题是 Claude 不能解决的。

传统 SaaS 软件的市值不断蒸发，资本市场的信心一再动摇。"SaaS 已死 " 的言论甚嚣尘上，就连黄仁勋前不久也在英伟达 GTC 大会上断言，" 每一个 SaaS 公司都将变成 AaaS 公司（Agent-as-a-Service，智能体即服务）"。

这种变化也传导至跨境电商领域。一方面，部分商家出于 FOMO 情绪，开始主动尝试自建 AI 工作流；另一方面，实际业务压力也在推动他们寻找更高效的解决方案。内容生产、广告投放、市场洞察、社媒运营 ...... 很多原本有赖于服务商的环节，都被纳入这套 AI 化体系中。

在一些市场案例中，跨境商家通过组合不同的工具，已经能够自主完成基础数据分析、短视频制作、投放策略调整等工作，也不乏 " 是否还需要传统服务商 " 的质疑声出现。

现在的答案并不明确。在跨境电商这样一个链条复杂、环节众多的行业中，AI Agent 的能力仍在快速演进。它既在部分场景中展现出替代潜力，也在另一些关键环节中暴露出局限。哪些能力已被实际替代，哪些还依赖人工经验？哪些看似可以被取代却在执行中遇到阻力？围绕这些问题，亿邦动力调研了多家业务与 AI 相关的跨境电商服务商，试图还原一个更为真实的图景。

首批被改造的跨境电商服务

在跨境电商的服务体系中，最先被改造的，自然是那些高度依赖重复劳动、标准流程和简单人力的环节。

这些能力过去构成了大量基础性业务，有些需要卖家倾注人力，有些则需要服务商提供，如数据整理、批量内容生产、合规、清关报关等。它们的共同特点是流程清晰、可拆解、可标准化。一些提供这类服务的企业，已经受到了 AI 的威胁；而另一些服务商的部分业务，则已彻底转向 AI。

以选品为例，在选品服务商卖家精灵产品负责人王浩看来，AI 是对卖家选品能力的补充、强化。比如，在某一个具体的品类中，卖家需要长期跟踪关键词变化、搜索排名及细分市场的机会。过去，这一工作依赖运营人员周期性地手动整理数据，再进行分析判断。而今天，AI 已经改造了这个工作流，卖家可直接调用接口获取关键词数据，再通过固定流程清洗数据，最后由模型生成结构化结论，例如选品周报或月报。

另一个典型的领域是合规。各跨境电商平台都在收紧政策，对跨境商家的合规经营提出更高的要求；各个国家市场也对跨境电商业态加强管理，从方方面面加大合规审查力度。

跨境合规服务商睿观 AI 负责人 EK 向亿邦动力指出，跨境电商的合规判断，本质上是一个复杂的数据匹配问题，涉及商标、外观专利、发明专利、版权以及平台政策等多个维度，而且这些规则处于持续变化之中。过去，这一工作依赖经验丰富的人员进行检索和判断，但现实中，数据规模和复杂性远超个体处理能力：一方面，相关的数据量过大，TRO 案件涉及的品牌既包括国际知名品牌，也有大量中小型权利人，而侵权风险点往往藏在细节里，小到一枚印花、一种纹理，权利主体也可能是名不见经传的小卖家 / 品牌；另一方面，能够判断是否侵权违规的决策人水平也参差不齐，这就导致整体的合规排查成本高、周期长，且结果还存在相当大的不确定性。

数据来源：睿观 AI 统计数据

在 AI 的加持下，睿观 AI 可以帮助卖家实现从新品上架前的风险预检，到在售商品的持续监控，未来，AI 还能够进一步进行大规模数据处理和自动化决策：系统可以批量接收商品信息，对接专利和商标数据库，并结合历史判断经验，直接给出是否存在侵权或违规风险的结论；更进一步，还可以基于店铺或 ERP 数据进行 " 反向扫描 "，主动识别潜在风险。

此外，在传统外贸流程中，报关是一个高度依赖人工、牢牢掌握在报关行手中的复杂环节，现在也正受到 AI 的冲击。

传统报关体系，本质上是个典型的 " 多岗位协同 + 多环节流转 " 的协作流程。报关员需要根据合同、发票、装箱单等基础资料，在海关系统中逐字段录入信息，并依次经历初审、复审、查验等多个节点。一票报关通常需要接单岗、打单岗、初审岗、复审岗和查验岗等多个角色配合完成，中间还夹杂着货代等层层环节。在大量人力成本的基础上，单票价格长期维持在 150 元 -500 元之间。

跨境关务 AI 服务商 " 小麦云 AI" 联合创始人赖泽楠表示，他们将报关流程中所有可标准化的操作拆解为固定 SOP，并转化为可执行的 AI 技术能力。卖家只需上传基础的出运资料，无论是 PDF、图片、Excel 还是 Word 格式，系统都可以在短时间内完成识别与处理，并自动生成报关单。整个过程从原本需要数天甚至一周的周期，缩短至约 30 秒完成；单票运输费用降至 5 元 / 单。

" 其实，最近几年 AI 的突飞猛进，给了服务商很多发展机会。"Shopify 生态服务商 Kikstart Ecom 创始人 Cheryl 说，" 服务商的人力成本都比较高，利润率和增长空间不算很大，AI 可以很大程度降低对人力的依赖，更注重战略层面的发展。那些只依靠堆人头做起来的 agency，在这波浪潮中就会被拉开很大差距。"

这种对人力成本的优化能力，最先赋能的群体，也以中小企业为主。

比如，AI 营销服务商光年触达的客户以中小型外贸企业为主，其所推出的销售 Agent，可以接管业务流程，帮中小企业快速找到匹配的海外客户，自动完成全网信息抓取、潜在客户分析筛选、从付费数据库 API 采购精准联系人信息、自动生成并发送个性化邮件 /WhatsApp 消息等一系列动作。

" 我们现在做的，就是良币驱逐劣币。" 其创始人潘一鸣认为，过往的 SaaS 工具，往往需要对组织进行优化和调整，需要有懂工具的人才能用好产品，甚至部分简单的 workflow 产品，也需要懂 AI 的人才能用好，但对中小企业来说，很难招到这样的人。" 我们现在就是在降低这样的门槛 "。

在内容生成领域，AI 内容营销服务商筷子科技创始人陈万锋总爱对外讲的故事，也多是对中小企业的赋能，比如农贸、宠物托运等细分行业的中小企业。" 卖玉米种子、帮主人把宠物从广州托运到上海等等，这些团队服务做得很好，但不会讲故事。筷子科技可以帮助他们每周稳定生产 80-120 条内容，爆款率（播放量超过 1000）也能做到 15%-20%。"

" 什么暴论都不足以形容现在的发展。" 陈万锋认为，未来，头部咨询公司的价值体系会逐渐崩塌，" 包括数据洞察咨询、创意咨询、投放等 "。

AI 还啃不动的 " 硬骨头 "

大量基础能力正在被 AI 接管，已是不争的事实。目前，跨境电商的实际运营中，还难以被完全替代的往往集中在判断、稳定执行、系统化整合的部分。

亿邦动力获悉，卖家精灵如今并没有做常规意义上的 AI 选品功能。" 选品是高度个性化的。市面上有些友商，包括很多卖家都在讨论 AI 选品，但是真正能选出来、最终能拿到结果的，目前情况还不乐观，还有一段时间的路要走。" 王浩说。

他指出，在当前的 AI 应用中，选品能力更多停留在 " 筛选 " 阶段。通过数据抓取和模型分析，系统可以从海量商品中筛选出一批潜在机会，但这一过程本质上仍是粗筛，只是做得更为精细。真正的决策发生在筛选之后，卖家是否愿意投入资源、是否判断该产品具备竞争力、是否符合自身供应链与品牌策略，这些都依赖企业内部的判断模型。

其次，在企业级执行层面，稳定性与可控性构成了另一道门槛。

OpenClaw 爆火后，不少卖家选择自建工作流，并认为自建的工作流可以取代 RPA 服务商所提供的服务。但在影刀方面看来，这样的尝试在企业场景中实际上很难实现规模化落地。

一方面，与个人使用工具不同，企业更关注流程是否能够长期稳定运行，而不是单次任务是否完成。当前的智能体产品，在执行过程中仍存在不确定性，例如结果波动、环境依赖、交互异常等问题，这使其更适用于辅助型或单点任务，难以直接嵌入核心业务流程。

另一方面，企业对于成本与风险的要求更加严格。模型调用带来的 token 消耗，以及执行过程中的不稳定性，在规模化应用中都会被进一步放大。

" 企业是不允许出错的。" 影刀方面表示，"AI 可以参与理解和判断，但企业真正需要的是一套能够稳定运行的执行体系。在这一体系中，企业需要的是完整、准确且能够持续运行的流程。影刀 RPA 的价值，不仅在于完成具体操作，更在于其能够嵌入企业工作流，实现稳定执行，并通过全流程运行日志实现可回溯、可定位、可优化。"

也因此，RPA+AI，反而成了一个相对成熟的解法：用 AI 做洞察与分析，用 RPA 承担具体的执行，并通过流程实现持续运行与规模化复用，而不是完全交由 AI 来执行。

此外，执行策略与整体规划方面的能力，也难以在短时间内被取代。

Kikstart Ecom 是一家主做 Shopify 独立站 UX/UI 设计提升、转化率优化的服务商。在惯常的印象里，设计与页面优化似乎往往是率先被 AI 取代的环节之一。在很多案例中，用 Agent 快速落地网页的情况也并不少见。但在 Cheryl 看来，这并不足以为卖家带来长久的转化。

AI 可以生成页面模块、撰写文案，做一个个模块化的功能，并把这些功能拼接在一起，但难以在整体结构的设计上取代像 Kikstart Ecom 这样的机构。

" 每个页面应该放什么？有哪些亮点需要提出来？图片应该放什么？这些问题在每个领域都不太一样。"Cheryl 说，" 商家可以做一些简单的小功能，比如一个 FAQ 页面，就不需要找我们，甚至可以通过 Shopify 的 AI 功能直接完成。但问题在于，怎么把这些功能在一个页面里组合起来，并带来相应的转化率提升。"

实际项目中，Cheryl 的团队往往要先分析流量来源、用户路径和转化漏斗，梳理好整体的战略，再决定页面结构、功能模块以及信息呈现方式，并在其中做不同的 A/B 测试来小规模调优。

在她看来，是否设置 FAQ，有些时候并不是一个独立的问题，而是取决于用户在哪一环节流失、哪些信息缺失导致转化受阻；同样，购物车环节是直接套模板，还是要加入加购推荐、免运费提示，怎么加入也需要基于数据分析和经验判断进行组合设计。Cheryl 甚至还遇到过，商家自己用 AI 做的插件、功能与原本页面的主题或其他插件存在技术冲突。

" 做什么样的模板，这些模板怎么搭配，都是问题。从 UI 上来说，怎么让消费者看上去没有拼凑感、有本土化的设计感，这些都是需要解决的问题。" 她说。

" 不过，如果商家内部有专业团队，也完全可以在 AI 的辅助下自行设计这些内容。"Cheryl 谈道，" 但对于更多的商家来说，至少在短期内，还是服务商会更了解这些环节。这毕竟需要一个学习的过程。对一个企业来说，学习成本、时间成本都不算低，大家更喜欢看到直接结果。"

未来已来，服务商集体找寻新坐标

今年第一季度刚刚过去，陈万锋觉得，AI 在电商领域的落地已经开始趋近于成熟，" 未来所有的流程都可以用算力去取代 "。

在过去的服务体系中，数据洞察、创意生成、内容制作、投放执行等环节往往由不同团队或不同类型服务商完成。商家需要购买工具、雇佣团队或外包服务，分别解决不同的问题。而在新的技术路径下，这些环节逐渐被压缩进统一的体系中。

以数据洞察为例，传统方式依赖人工调研或购买报告，对竞品、行业和自身情况进行分析。而在新的模式下，通过向量检索和模型推理，系统可以在短时间内完成信息整合与分析，直接输出结论。原本需要数天甚至数周的工作，被压缩到分钟级完成。

创意生成的逻辑也在发生类似变化。过去的创意过程依赖团队讨论和经验积累，本质上是人脑对信息进行关联和推理。而在模型体系中，这一过程转化为向量空间中的计算，通过对大量数据的关联分析生成新的内容表达。在一些从业者看来，这种方式不仅效率更高，而且在发散性和组合能力上超过人工。

而到了具体的拍摄、剪辑，所有的环节也不再依赖线下团队和制作流程。" 现在的 Seedance2.0，已经完全碾压原有的拍摄了。过去几年电商大量搞 MCN 拍摄基地，短剧火了就搞短剧拍摄基地，我最近的朋友圈都说那些基地要烂尾了，以后可能就要没有用了。" 陈万锋说。

新的时代，跨境电商服务商的护城河也在发生变化。数据层的积累、业务经验的沉淀，以及与商家业务的贴合程度，共同构成了他们的生存壁垒。

比如，对卖家精灵来说，其在选品领域积累了多年的数据，" 市面上这些工具所获得的选品数据，大部分都是实时数据，而如果要看到更长久的趋势，需要结合过往多年的数据才能洞察到真正的趋势 "。

" 我们认为最重要的还是回到人性这个角度。"Cheryl 说，" 如何把技术落地，怎么做新的产品，这些都好说。但是我们做 Marketing，怎么传递品牌价值观，怎么对待海外的文化差异，这些不是 AI 能够很快理解的。"

不止一位服务商提及，未来的时代一定会走向 A2A（Agnet to Agent）。用户只需要给出一个目标，剩下的环节全交给 AI 来完成。对于服务商来说，开发面向 Agent 的能力也成了提上议程的事。

陈万锋表示，筷子科技已经开始改变过往的开发范式，全员使用智能体进行开发，也在将资源投入到下一代的架构中，" 比如，现在我们要求开发工程师在写代码之前写一个 md 文档，让 AI 读完之后 AI 来写 "。

而当 A2A 时代到来，取缔掉大量的中间服务环节，许多服务商也并不担心会丢掉机会。

" 如果是 Agent 时代，你会发现，每个企业可能都需要若干个 Agent，甚至可能一个品一个 Agent。这些 Agent 需要有一套算法机制来持续优化自身，这些一定不是通用的，需要产品化的解决方案。" 光年触达创始人兼 CEO 潘一鸣说，" 而且，A2A 去掉了人的因素所导致的信息限制，对 Agent 的能力是极大的解放，效率会有上万倍的提升。"

END

点赞、分享、推荐支持一下 ~