Jay 發自 凹非寺量子位 | 公眾號 QbitAI

在投資者為AI泡沫爭論不休之際，B2B領域中，AI正從一個輔助工具，快速成長為能真正創造商業價值的生產力。

作為中國最大的B2B供應鏈平臺，阿里巴巴集團旗下源頭廠貨平臺1688今年幾乎以「梭哈」的決心押注和布局AI。

繼1688 AI版App、1688誠信通AI版等一系列AI原生產品后，1688近日又發布了一個跨境電商AI智能體——遨蝦（alphashop.cn）

過去二十多年，1688連接了超100萬家產業帶源頭工廠與上億B端買家，為中國電商搭建起一座覆蓋全國的B2B供應鏈「鋼筋水泥」

如今，1688每年的平臺交易額已超8000億元，其中跨境交易額超過2000億元。

而當1688開始用AI去澆筑跨境電商的「數字基建」時，又會給這個行業帶來怎樣的變化？

跨境電商新范式

一般而言，無論是把貨賣到國內還是國外，都得依次走完最基礎的三個步驟——選品、采購、上架

但一旦放到跨境電商的語境下，上述每個環節的復雜度都會呈指數級上升。

因此，當你走進一家中型跨境電商公司，映入眼簾的是層層分工的選品部、采購部、運營部……每個部門都有幾十號人在四處奔走

選品

選品，是跨境電商運營王冠上的明珠，也是整個工作流中最要命的一環。

毫不夸張地說，選品的優劣幾乎決定了跨境電商生意一半的成功率。若能押中一個爆品，往往能帶來3～5個月的持續進賬

但選錯一個品，不僅廣告費用全打水漂，還要背庫存、壓現金流，甚至陷入虧損。

一家200人規模的跨境電商公司，往往要配備約30多名買手專門負責選品。他們每天緊盯各大電商平臺的類目走勢，在成百上千個SKU里篩選出最具潛力的新品。

買手們需要在無數產品中扒評論、比銷量、查成本、看廣告位……一通折騰下來，往往一周過去，依然找不出一個真正能打的品，最終只得靠「直覺」。

而一旦涉及到多個國家多個平臺，則會遇到更大的挑戰。

最直觀的，是不同國家之間消費者畫像的差異。

語言反而是最容易克服的一關，真正難的是文化與審美。以服裝為例，當地買家的穿衣風格、配色偏好、審美取向往往與國內截然不同。

而且海外市場并不像中國這樣是一個統一的消費體。即便同在一個國家，拉丁裔、非洲裔、白人消費者的需求也天差地別。

當消費者對風格的偏好差異巨大，而國內商家又不了解當地文化語境時，很容易押錯方向。

在國內，商家可以隨時根據天氣和熱點調整策略。

比如，一場突如其來的寒潮催生出保暖品類的需求，內貿可以輕松抓住這個風口：三五天內打樣、上架、發貨，甚至可以在有貨之前直接先掛上預售鏈接

但如果想在5月份向美國賣短袖T恤，考慮到貨物漂洋過海的時間，商家必須在倉庫上架的三個月前——2月份就把貨推過去。

這個時間點在國內正好撞上春節。工廠放假、停工，意味著這批貨其實在前一年年底就得完成生產。

也就是說，商家隔著半年時間，就要提前預測下一年的流行色、款式、版型。這顯然很容易誤判。

然而，選品所需要的這些能力——方法論固定、高度重復、信息搜集——正好是如今大模型最擅長的。

以遨蝦為例，其Agentic Mode具備選品規劃和工具調用能力

AI能在幾十秒內完成大量的商品篩選和并行的多線程看品，從海量數據庫中檢索出符合選品要求的商品。

在此基礎上，AI不僅能抓取商品數據（如價格、銷量、評價），還會自動計算壟斷系數、平均得分、中國商家占比等關鍵指標，通過這些指標理解市場供需動態，給出犀利直接的選品建議——推薦還是不推薦。

原本需要團隊花上一周的信息搜集工作，現在AI用不到一分鐘就能跑完，過程全程可回溯，選品邏輯可檢驗和推敲，且交付結果是一份量化的商業分析報告，相當于把大賣家的選品思路直接「翻譯」了出來

當然，這些僅僅是參考資料，最終拍板仍需人來做。

但至少，現在有了一份可被檢驗和沉淀的判斷依據，而不是靠「拍腦袋」在平臺上大海撈針。

采購

敲定商品后的第二步是采購：找能提供貨源的供應商

供應商雖然數量沒有SKU那么夸張，單位信息密度卻更大，做工能耗因此更高——

工廠是否能做外貿、是否能改版、起訂量、賬期、交期、質檢要求……每一項都需要親自確認。

以一件沖鋒衣為例。當你決定要做這款產品后，下一步就得在國內找到一家能生產它的工廠。

傳統流程下，往往第一步就卡殼：光靠關鍵詞或者是一張圖找出來的款式、性能千差萬別，根本描述不清。

于是，你只能不停地換詞、翻圖片庫，從「看到一件沖鋒衣」到終于碰上「能做同款的工廠」，一上午就這么耗掉了。

更麻煩的，是后面那道「詢盤」：

MOQ（最小訂單量）、價格、運費、交期、外貿服務、是否能做英文標、是否能過質檢……每問一家供應商，都得重新走一遍流程

而在AI的幫助下，絕大部分人力環節都可以被省去：

只需要把「沖鋒衣」的照片丟進去，AI便能根據圖片識別款式、結構、材料，并從1688的供應鏈數據庫里匹配出相似款式的工廠。

原本一上午的事，現在幾十秒就能跑完。

在此基礎上，遨蝦能根據供應商的銷量、服務分、跨境經驗等維度，篩出最合適的那幾家。

接下來是最「魔幻」的部分：

你可以一次選中多個供應商，讓遨蝦批量替你完成詢盤——包括問MOQ、問價格、問交期，并自動輸出一份結構化的比較報告

這個功能當你每天上品量達到10個以上時，就知道他有多香。

上架

當需求和供給兩端都安排妥當后，跨境電商的「三步走」終于來到最后一環——上架。

具體而言，上架就是把一個原始商品，變成平臺認可、消費者能看懂、愿意下單的完整商品頁面。其中包括標題描述（Listing）、關鍵詞撰寫、多語言翻譯、產品圖與場景圖生成等一整套工作。

但在「上架」這件事上，內貿和外貿幾乎是兩個世界。

對于跨境電商來說，同一個產品往往要適配十幾種語言、十幾家平臺。而每個平臺的規則、表單、素材要求都不一樣。

俄羅斯是Wildberries，中東是Noon，拉美是Mercado……每個平臺都有自己的上架規范。

如果靠人工執行，十個國家、十個平臺同時鋪貨，這意味著十倍甚至更高的運營人力。

在這件事上，AI展現出了其對跨境電商的價值——多模態生成。

對AI來說，一次性鋪貨一個平臺和鋪貨十幾個平臺在本質上沒區別：它可以一次性完成多語言、多平臺、多素材適配。

這與編程Agent的邏輯很像：程序員寫出一個Mac軟件后再想適配Windows和Linux，未來或許也可以「一鍵遷移」

而如今，跨境電商的內容生成，同樣變成了可復制、可規模化的工程。

除此之外，就「素材生成」這一環節本身而言，AI也能省下過去大量的制圖成本。

在多模態AI的加持下，攝影棚、相機、燈光等生產資料，首次被「打包」成了人人可得的基礎設施

借助這套工具箱，即便是不懂拍照、不擅長寫文案、甚至從未做過外貿的工廠，也能輕松完成跨境店鋪裝修。

綜上，遨蝦雖然沒有改變跨境電商的運作邏輯，但卻讓整條鏈路在效率與成本上發生了翻天覆地的變化。

實測中，許多原本每月盈利三四十萬元的客戶，嵌入遨蝦后，月利潤一度增長至四五十萬元

「肉多、狼少、但難啃」的海外市場

當下，國內電商內卷嚴重，跨境電商相對更藍海，已成為電商圈的普遍共識。

在「中國供應鏈」這張王牌的加持下，「出海」開始成為電商行業的全新戰略方向。

雖然海外市場「肉多狼少」，但這塊「洋肥肉」并不是誰都咬得動。

據估算，中國目前約有一千多萬內貿電商賣家，但真正能成功出海的，不到十分之一

原因正如前文所述，選品、采購、上架等每一個環節，一旦放進跨境場景，復雜度都會呈倍數增長。

1688跨境負責人一隆認為，復雜度的背后，是商家與那片跨境藍海之間，隔著兩條難以跨越的「鴻溝」。

第一，信息不對稱。

這是同時扎根在供需兩側的結構性問題。

需求側：

不同國家、不同族裔的審美、尺寸、消費偏好差異巨大；

與此同時，物流時間的存在會進一步放大這種不確定性，商家需要提前數個月去揣摩一個異國他鄉消費者的心中所想。

供給側：

不同工廠的利潤模型、起訂量、交期、可改版能力都不同。

而商家也有不同的利潤訴求、鋪貨策略、品類偏好，因此在采購時，需要花大量時間去尋找匹配的供給商畫像。

進入大模型時代，這種因信息不對稱而產生的摩擦力正在瓦解。

AI能將社交媒體、電商平臺的趨勢數據實時匯聚為洞察報告，也能把供應商畫像拆解成可比對的結構化信息。

過去中小賣家只能靠經驗完成的判斷，開始變得有跡可循。

第二，規模效應。

中國有十幾億人口，是全球少有的統一大市場。

一張圖、一套素材做出來后能以近乎為零的邊際成本服務全國消費者；與此同時，中國的供應鏈又在長三角、珠三角等地區高度集中，能形成極強的協同效應。

正因為如此，國內電商才能以如此快的速度實現規模化和普及。

但一旦走向海外，這套邏輯不再成立。

首先，不同國家的語言不統一，文化偏好不統一，流行節奏也不統一

這意味著，運營邏輯必須按國家拆分，你要為每個市場單獨做翻譯、做素材，交易成本明顯更高

然而，如此高昂的交易成本卻無法帶來相應的回報。

即便是英國、德國這樣體量較大的國家，也只有幾千萬人口，僅僅相當于國內一個省

同樣的圖文，在中國能覆蓋全國，在海外卻只能覆蓋一個「省」大小的市場，并且適配成本還這么高，商家自然更傾向于做內貿。

不過，大模型恰恰能完美解決這個痛點：

無論是西語、葡語、德語，還是更小眾的語言，都能一鍵翻譯；圖片、視頻、場景圖可以同時一次性交付十幾個版本。

本質上，其實是用AI這支粘合劑，強行把這些分散的小市場「拼」成了一個大市場

原本割裂的多語言、多平臺、多類目，在AI賦能的數字基建下第一次緊密連接在一起，變得可規模化。

而一旦信息通暢、進入海外市場的成本趨近于零，跨境貿易與內貿之間將不再有本質區別。

彼時，把貨賣到國外會像「開個淘寶店」一樣簡單，跨境電商勢必也將迎來一輪迅猛擴張。

為中國制造插上翅膀

作為一個為跨境生意定制的Agent，遨蝦的底層框架基于阿里「通義千問」系列模型，并為選品、詢盤、咨詢等模塊進行了定制化訓練。

以選品為例：新品、跟賣品、爆款的邏輯完全不同。為了讓遨蝦真的理解不同業務的商業邏輯，1688引入人工專家標注，通過在千問模型上后訓練強化電商垂直領域Agentic Model能力

此外，在實際任務執行中，還能調用海量的阿里私域數據。例如1688供應商資質、驗證海外認證信息等，這些都不是可在互聯網獲取的公開資料。

從中，也能一窺遨蝦在跨境電商方面的獨特優勢：

無論是模型訓練還是Tools，相比只能使用公開數據的通用模型，遨蝦背后是阿里巴巴過去26年在B2B電商鏈路里長期沉淀的真實業務數據

1688平臺上分布著海量制造商，這些長期積累的結構化供應鏈數據，為其構建了一個壁壘極高的供應鏈知識庫。

而供給端數據的意義，不僅在于可用于Scaling的量。

更重要的是，如果沒有這些數據，很多訓練根本無法進行。

例如，如果只知道需求端售價，卻不知道供給端成本，就無法判斷利潤率，自然就無法設定訓練標準。

此外，與公開互聯網數據相比，阿里所掌握的私域交易數據更為純凈，不易受到AIGC「污染」。這使其在全面性和準確性上具備天然優勢，也讓模型訓練的結果更貼近真實的商業邏輯。

正是依托這條數據護城河，遨蝦才能在基座模型之上有效完成微調與強化學習，從而成為一個真正懂跨境生意，并且值得信任的AI助手。

平臺經濟有一個底層邏輯，無差別利他

放在跨境電商行業里，這意味著不偏袒大賣家，不排擠小賣家，每一位參與者都能以同樣的方式接入平臺能力。

當遨蝦把原本獨屬「大團隊」的運營能力，下放給個人與小微商戶后，市場競爭的勝負手——也將重新回到商品本身

遨蝦體驗地址：https://alphashop.cn

目前還在公測，沒有手機版，電腦端可以免費用。

歡迎體驗后的朋友來評論區分享～