2023年是跨境電商在海外狂飆突進(jìn)的一年。中國(guó)電商“出海四小龍”（SHEIN、速賣(mài)通AliExpress、Temu和TikTok Shop）在全球市場(chǎng)和海外對(duì)手展開(kāi)激烈競(jìng)爭(zhēng)。

在各大電商平臺(tái)紛紛推出的“全托管（商家只負(fù)責(zé)供貨，跨境電商平臺(tái)提供運(yùn)營(yíng)、物流、售后等服務(wù)）”和“半托管”（平臺(tái)負(fù)責(zé)賣(mài)貨，但商家自己承擔(dān)國(guó)際干線(xiàn)物流、到達(dá)目的地國(guó)后的配送費(fèi)用）模式下，商家的銷(xiāo)量實(shí)現(xiàn)了大幅增長(zhǎng)。

但除了依靠吉印通的強(qiáng)大供應(yīng)鏈和極致性?xún)r(jià)比之外，還能如何實(shí)現(xiàn)長(zhǎng)期可持續(xù)的增長(zhǎng)，在全球與亞馬遜等海外巨頭競(jìng)爭(zhēng)呢？

點(diǎn)“科技樹(shù)”或許是唯一的解法。

生成式AI時(shí)代到來(lái)之后，從ChatGPT到Sora，AI工具的快速迭代，也給跨境電商行業(yè)帶來(lái)了更多可能性：不僅80%以上的獨(dú)立站賣(mài)家正在探索和利用AI技術(shù)來(lái)降本增效、提升用戶(hù)體驗(yàn)，而且各大跨境電商平臺(tái)從2023年下半年開(kāi)始也在相繼布局AI。

比如亞馬遜云科技去年推出了名為Amazon Bedrock的人工智能服務(wù)，允許客戶(hù)通過(guò)Anthropic、Stability AI和亞馬遜的現(xiàn)有模型構(gòu)建GenAI應(yīng)用程序；Shein將AI用于預(yù)測(cè)潮流趨勢(shì)和電商圖片生成；Shopee、Lazada、TikTokShop、Shopify等也在相繼布局AI電商。

在阿*2024年一季度的財(cái)報(bào)中，阿里國(guó)際零售業(yè)務(wù)營(yíng)收222.78億元。同比增長(zhǎng)56%，是本季度增長(zhǎng)幅度最大的業(yè)務(wù)。

阿里國(guó)際高速增長(zhǎng)的業(yè)績(jī)背后，還有一個(gè)秘密推手就是AI。

作者｜王藝

本文轉(zhuǎn)載自*“甲子光年”，混沌君略有刪減

電商出海，AI“造船”

2023年4月，阿里國(guó)際在內(nèi)部成立了“AI Business”團(tuán)隊(duì)，試圖用AI能力賦能跨境電商。

之所以嘗試用AI解決跨境電商的問(wèn)題，與阿里國(guó)際本身所處的環(huán)境有關(guān)。

在國(guó)內(nèi)內(nèi)卷越發(fā)嚴(yán)重的情況下，中國(guó)的互聯(lián)網(wǎng)公司紛紛出海。阿里作為最早開(kāi)展跨境電商業(yè)務(wù)的中國(guó)公司，盡管具備先發(fā)優(yōu)勢(shì)，但是也不得不提防四周環(huán)伺的強(qiáng)敵，在商品品類(lèi)供給、物流配送時(shí)效、售后服務(wù)保障等環(huán)節(jié)都不能松懈。

同時(shí)，跨境電商業(yè)務(wù)的特點(diǎn)，也決定了這是一個(gè)非常適合用AI來(lái)進(jìn)行升級(jí)改造的領(lǐng)域：

首先，海外市場(chǎng)語(yǔ)言和文化多樣，監(jiān)管合規(guī)要求復(fù)雜，不同國(guó)家所在的時(shí)區(qū)也不同，這就給商家在撰寫(xiě)商品名和詳情頁(yè)、安排客服工作時(shí)間等工作帶來(lái)了極大的挑戰(zhàn)；

其次，在市場(chǎng)營(yíng)銷(xiāo)和用戶(hù)獲取方面，海外市場(chǎng)的難度相對(duì)更大，獲客成本相對(duì)更高；

第三，當(dāng)下跨境業(yè)務(wù)的人才仍然十分短缺，設(shè)計(jì)、財(cái)務(wù)、法務(wù)、客服等崗位都急需專(zhuān)業(yè)化的人才。

以上種種，都是做跨境電商的商家，尤其是中小商家們出海路上的“九九八十一難”。

而近年來(lái)興起的AI大模型，恰恰為上述難題提供了絕佳的解決方案。

以市場(chǎng)營(yíng)銷(xiāo)環(huán)節(jié)為例，AI可以自動(dòng)根據(jù)用戶(hù)和商品的特征生成多條種草內(nèi)容，同時(shí)也可以快速、批量地生成大量廣告素材，并生成海量的SEO文本詳描、賣(mài)點(diǎn)等，輔助流量的提升；

在導(dǎo)購(gòu)體驗(yàn)環(huán)節(jié)，AI不僅可以生成真人模特上身圖取代服飾平鋪圖，更是可以改寫(xiě)主圖的“牛皮癬多、清晰度不足、展示不清”等問(wèn)題，強(qiáng)化主圖的美觀度和清晰度；

此外，針對(duì)大部分商家和用戶(hù)頭疼的翻譯問(wèn)題，多語(yǔ)言的AI模型可以提供精準(zhǔn)的小語(yǔ)種翻譯及糾錯(cuò)服務(wù)，讓語(yǔ)言不再是門(mén)檻；而在售后環(huán)節(jié)，AI也可以識(shí)別商品的貨損程度、劃痕程度等，幫助用戶(hù)挽回?fù)p失。

此前，坊間一直流傳著“AI無(wú)用論”，主要是詬病AI大模型商業(yè)化困難。紅杉資本也在年初的AI Ascent表示，2023年美國(guó)科技界在訓(xùn)練AI用的GPU上花了500億美元，但是生成式AI的年收入只有30億美元，投入產(chǎn)出比為17:1。

但是AI大模型不賺錢(qián)的主要原因不在于技術(shù)，而在于找不到合適的應(yīng)用場(chǎng)景。

吉印通創(chuàng)始人李彥宏就曾公開(kāi)表示：“模型本身是不直接產(chǎn)生價(jià)值的，基于基礎(chǔ)大模型開(kāi)發(fā)出來(lái)的應(yīng)用才是模型存在的意義，對(duì)于創(chuàng)業(yè)者來(lái)說(shuō)，卷大模型沒(méi)有意義，卷應(yīng)用機(jī)會(huì)更大。”基于應(yīng)用場(chǎng)景反推所需的AI能力，再?gòu)臄?shù)據(jù)、算法、算力等多方面夯實(shí)基礎(chǔ)，似乎成為互聯(lián)網(wǎng)企業(yè)的共識(shí)。

當(dāng)苦苦尋找應(yīng)用場(chǎng)景的AI，遇上了急需提質(zhì)增效的跨境電商，供給與需求實(shí)現(xiàn)了高度匹配，二者迅速一拍即合。阿里國(guó)際AI Business也因此應(yīng)運(yùn)而生。

阿里國(guó)際AI加速

目前，阿里AI Business團(tuán)隊(duì)擁有超過(guò)100人的團(tuán)隊(duì)規(guī)模，其中算法研發(fā)工程師在1/3左右，其他?cè)藛T負(fù)責(zé)模型推理應(yīng)用、基建以及具體產(chǎn)品的開(kāi)發(fā)運(yùn)營(yíng)。

AI Business的算法團(tuán)隊(duì)主攻三個(gè)方向：多語(yǔ)言的電商大模型訓(xùn)練；對(duì)話(huà)模型和下游任務(wù)；圖像生成和理解能力，分別針對(duì)跨境電商的商品信息本地化、客服機(jī)器人和客服翻譯、內(nèi)容種草和廣告投放等不同場(chǎng)景的需求制定的。

依托AI Business團(tuán)隊(duì)強(qiáng)大的技術(shù)能力，過(guò)去一年，阿里國(guó)際在跨境電商的應(yīng)用端不斷進(jìn)行嘗試和探索，在廣告投放、AI圖像生成、導(dǎo)購(gòu)體驗(yàn)、退款A(yù)gent等40多個(gè)場(chǎng)景中用AI進(jìn)行了優(yōu)化：

比如廣告投放場(chǎng)景，針對(duì)人工生產(chǎn)營(yíng)銷(xiāo)素材制作周期長(zhǎng)、產(chǎn)量有瓶頸的痛點(diǎn)，阿里國(guó)際通過(guò)多模態(tài)識(shí)別+多語(yǔ)言文本生成+AI圖片處理+投放效果強(qiáng)化學(xué)習(xí)等AI能力，沉淀了自動(dòng)化選品+賣(mài)點(diǎn)提煉+圖片生成的AI全鏈路廣告創(chuàng)意素材生成解決方案，不僅可以針對(duì)一個(gè)商品智能批量地生成營(yíng)銷(xiāo)廣告素材，更是可以學(xué)習(xí)優(yōu)秀的投放案例，生成營(yíng)銷(xiāo)圖模板，還可以根據(jù)訓(xùn)練數(shù)據(jù)生成打分模型、挑選最佳的營(yíng)銷(xiāo)素材。加入AI能力后，商家的廣告制作成本下降了5%，廣告投放ROI提升了5%。

比如AI圖像生成場(chǎng)景，針對(duì)電商圖制作成本高、設(shè)計(jì)工作流耗時(shí)長(zhǎng)、缺乏國(guó)際化設(shè)計(jì)及小語(yǔ)種人才的痛點(diǎn)，阿里國(guó)際提供了白底圖、營(yíng)銷(xiāo)圖、詳情頁(yè)翻譯、模特圖、模特試穿、視頻翻譯、數(shù)字人等工具，覆蓋了商家從商品上架到站外投放營(yíng)銷(xiāo)物料生成全場(chǎng)景，幫助商家解決電商類(lèi)圖像和視頻“從無(wú)到有”的問(wèn)題。

以速賣(mài)通賣(mài)家Zeuslap為例，這是一個(gè)專(zhuān)門(mén)銷(xiāo)售顯示器的電商品牌。從2023年11月起他們就開(kāi)始使用阿里國(guó)際的AI圖像生成功能，用于店鋪裝修的banner、商品場(chǎng)景圖、商品詳情圖、 各大社交媒體的封面圖等。

AI圖像生成幫助Zeuslap的主理人Mary夫婦極大節(jié)省了時(shí)間成本，以前需要花很多時(shí)間在找素材和設(shè)計(jì)上，現(xiàn)在只需選擇模板、上傳商品就可以完成，而且效果更佳。AI能力也大大加速了Zeuslap的業(yè)績(jī)?cè)鲩L(zhǎng)，使其很快就從一個(gè)從夫妻老婆店成長(zhǎng)為平臺(tái)行業(yè)第一的品牌。

再比如退款場(chǎng)景，針對(duì)商品從海外運(yùn)回國(guó)成本高、退回失敗會(huì)造成很大貨損的問(wèn)題，阿里國(guó)際運(yùn)用多模態(tài)大模型技術(shù)進(jìn)行糾紛理由識(shí)別及憑證校驗(yàn)，理解各種數(shù)據(jù)后計(jì)算出部分退款的金額，為消費(fèi)者提供“不退貨、部分退款”的方案，最大化顧客滿(mǎn)意度、最小化商家成本。

具體來(lái)說(shuō)，模型可以通過(guò)訓(xùn)練，學(xué)習(xí)和理解用戶(hù)糾紛理由、用戶(hù)留言、退款憑證（貨值損壞程度）、交易快照、物流路線(xiàn)等數(shù)據(jù)，并通過(guò)學(xué)習(xí)歷史人工判責(zé)Case處理方式，進(jìn)而做出“是否要退貨”、“如果不退貨，那退款多少”的判斷。

最后以拒付（Chargeback）場(chǎng)景為例，這是做跨境的商家都怕遇到的售后糾紛——貨物發(fā)出去了，消費(fèi)者拒絕付款。以往，要進(jìn)行拒付抗辯，商家需要花數(shù)小時(shí)來(lái)準(zhǔn)備每個(gè)環(huán)節(jié)的資料、證據(jù)。不少中小企業(yè)因?yàn)槿狈ο嚓P(guān)經(jīng)驗(yàn)，面對(duì)拒付糾紛只能“自認(rèn)倒霉”。現(xiàn)在，阿里國(guó)際的AI拒付抗辯Agent，能夠在幾分鐘內(nèi)整理好所有資料，自動(dòng)生成抗辯信，發(fā)送給海外信用卡機(jī)構(gòu)。

測(cè)試數(shù)據(jù)顯示，AI拒付抗辯Agent一年可以幫阿里國(guó)際旗下各平臺(tái)的中國(guó)跨境商家挽回2000萬(wàn)人民幣的損失，保護(hù)商家權(quán)益。

可以說(shuō)，跨境電商場(chǎng)景的探索，讓阿里國(guó)際的AI技術(shù)，從國(guó)內(nèi)14億人口的市場(chǎng)，一下子擴(kuò)展到全球80億人口的市場(chǎng)，也為跨境賣(mài)家提供了更加便捷、高效、低成本的運(yùn)營(yíng)體驗(yàn)，極大賦能了萬(wàn)千跨境商家的生意增長(zhǎng)。

7月16日，在阿里國(guó)際的一場(chǎng)AI主題的分享會(huì)上，阿里國(guó)際數(shù)字商業(yè)集團(tuán)副總裁、AI業(yè)務(wù)負(fù)責(zé)人張凱夫透露，阿里國(guó)際已經(jīng)在40多個(gè)場(chǎng)景里測(cè)試了AI能力，賦能了50萬(wàn)中小商家，1億款產(chǎn)品得到了優(yōu)化；近半年的時(shí)間里，平均每?jī)蓚€(gè)月，商家對(duì)于AI的調(diào)用量就翻1倍。“越是中小商家，越能從AI的應(yīng)用中獲益”，張凱夫說(shuō)。

海量調(diào)用背后的秘密

如此龐大的調(diào)用量是怎么實(shí)現(xiàn)的？

秘訣就在于阿里國(guó)際AI能力的可控和可用。

在相當(dāng)長(zhǎng)的一段時(shí)間里，大模型的可控性和可用性差，是導(dǎo)致其無(wú)法快速進(jìn)行應(yīng)用落地的原因。以文生圖功能常用的Stable Diffusion為例，經(jīng)常出現(xiàn)手指、頭發(fā)等細(xì)節(jié)的失真問(wèn)題，導(dǎo)致生成的模特或商品圖無(wú)法直接使用。

此外，由于缺乏特定的行業(yè)和場(chǎng)景數(shù)據(jù)，加之有些大模型泛化能力不足，導(dǎo)致了電商場(chǎng)景下大模型的可用性差，比如翻譯的不夠精準(zhǔn)，或者難以做到廣告投放的“千人千面”。

在溝通會(huì)上，張凱夫表示，AI Business并不是一個(gè)訓(xùn)練基礎(chǔ)模型的團(tuán)隊(duì)，而是從業(yè)務(wù)視角出發(fā)做靈活的選擇——如果市面上有足夠好的開(kāi)源模型，經(jīng)過(guò)SFT、RAG等調(diào)優(yōu)后發(fā)現(xiàn)效果能夠滿(mǎn)足業(yè)務(wù)預(yù)期，那么就可以使用現(xiàn)成的開(kāi)源模型；如果有些場(chǎng)景需求滿(mǎn)足不了、比如遇到上述問(wèn)題，那么就使用自研模型，或者采用自有技術(shù)做進(jìn)一步的訓(xùn)練和調(diào)優(yōu)。

具體怎么做自研、怎么調(diào)優(yōu)呢？阿里國(guó)際將重點(diǎn)放在了三件事上：

首先是革新了多語(yǔ)言文本生成技術(shù)。以翻譯場(chǎng)景為例，之前阿里國(guó)際為了實(shí)現(xiàn)更快的推理和理解速度，用小模型做翻譯，但是服務(wù)利用率不高，造成了資源浪費(fèi)。后來(lái)他們用大模型將所有的語(yǔ)言集成在一個(gè)統(tǒng)一的大模型里，發(fā)現(xiàn)需要部署服務(wù)器比原來(lái)更少了，服務(wù)的利用率也提高了。

其次是推出了多模態(tài)大模型MarcoPolo-VL。它基于業(yè)界原創(chuàng)結(jié)構(gòu)化嵌入對(duì)齊模型（SEA）訓(xùn)練調(diào)優(yōu)，可提供7B/14B模型，可適用于電商場(chǎng)景下的圖片識(shí)別、優(yōu)化、補(bǔ)全、生成等任務(wù)。

MarcoPolo-VL的底層技術(shù)，是阿里國(guó)際自研的的多模態(tài)大模型架構(gòu)Ovis。不同于其他MLLM（多模態(tài)大模型）通常由視覺(jué)編碼器經(jīng)MLP連接器投影后以非結(jié)構(gòu)化方式直接生成內(nèi)容，Ovis借鑒了LLM（大語(yǔ)言模型）中的文本嵌入策略，引入了可學(xué)習(xí)的視覺(jué)嵌入表，將連續(xù)的視覺(jué)特征先轉(zhuǎn)換為概率化的視覺(jué)token，再經(jīng)由視覺(jué)嵌入表多次索引加權(quán)得到結(jié)構(gòu)化的視覺(jué)嵌入。

這種新型的模型架構(gòu)規(guī)避了基于MLP連接器的MLLM常見(jiàn)的信息丟失、信息錯(cuò)誤、過(guò)擬合風(fēng)險(xiǎn)等局限性，能夠更好地進(jìn)行多模態(tài)內(nèi)容的識(shí)別和生成。評(píng)測(cè)結(jié)果表明，在相同參數(shù)量級(jí)下，Ovis在多項(xiàng)基準(zhǔn)測(cè)試中均優(yōu)于主流開(kāi)源MLLM，并且Ovis-14B的性能整體上超越了閉源模型Qwen-VL-Plus；Ovis-7B在視覺(jué)感知、推理和編程、數(shù)學(xué)和科學(xué)、生活場(chǎng)景等多種多模態(tài)任務(wù)上也均有優(yōu)秀的表現(xiàn)，該模型也已在Huggingface、Github等社區(qū)全面開(kāi)源。

在自研模型之外，阿里國(guó)際還會(huì)通過(guò)一系列的技術(shù)手段不斷改進(jìn)多模態(tài)內(nèi)容的生成效果。以目前文生圖最大的痛點(diǎn)“可控性差”為例，為了解決這個(gè)問(wèn)題，AI Business的算法團(tuán)隊(duì)會(huì)分兩步走，第一步是不斷通過(guò)訓(xùn)練、RAG等提升模型能力，第二步則是通過(guò)多輪交互逐步改進(jìn)出圖效果。

之所以要進(jìn)行“多輪交互”，主要是由于用戶(hù)與AI產(chǎn)品的交互大多是通過(guò)自然語(yǔ)言進(jìn)行的，自然語(yǔ)言的表達(dá)不夠精確，需要算法團(tuán)隊(duì)在后臺(tái)通過(guò)并行化拆分（Pipeline Parallelism）的方式逐步調(diào)優(yōu)。比如用戶(hù)告訴AI“把臺(tái)燈放在圖片的左邊”，這本是一個(gè)模糊的概念，但是通過(guò)將圖片切片、變成九宮格的形式，將臺(tái)燈先放在桌子的左下角，然后再通過(guò)多輪的交互對(duì)話(huà)逐步調(diào)整，更有可能生成用戶(hù)滿(mǎn)意的圖片。

在這些技術(shù)優(yōu)化的基礎(chǔ)上，阿里國(guó)際研發(fā)的視覺(jué)和多模態(tài)模型實(shí)現(xiàn)了更穩(wěn)定、可控的出圖品質(zhì)和更高效的出圖速度，8秒就可生成一張圖片，還可以自動(dòng)美化背景、一鍵虛擬試衣，極大降低了商家的圖片制作成本，提升了商品圖的點(diǎn)擊率。

第三是構(gòu)建了一個(gè)通用的模型服務(wù)PaaS平臺(tái)Spark。它基于阿里云等底層基礎(chǔ)設(shè)施，包含App Builder（應(yīng)用構(gòu)建器）、Model Space（模型工作臺(tái)）、AI應(yīng)用引擎、AI在線(xiàn)服務(wù)平臺(tái)等模塊，這些模塊共同組成了一套端到端的（從訓(xùn)練、推理再到應(yīng)用）完整技術(shù)鏈，讓電商的各個(gè)場(chǎng)景都能共享AI基礎(chǔ)設(shè)施。正如前文所提到的，模型工作臺(tái)中，不僅包括自研模型，也包括開(kāi)源模型和合作伙伴的模型，阿里國(guó)際會(huì)通過(guò)提示工程、指令微調(diào)等手段，統(tǒng)一對(duì)這些模型做訓(xùn)練、調(diào)優(yōu)、評(píng)估和部署。

經(jīng)過(guò)一年多的努力和嘗試，Spark的能力已經(jīng)應(yīng)用在了40多個(gè)應(yīng)用場(chǎng)景中，賦能了50萬(wàn)中小商家，有超1億件的商品信息得到了優(yōu)化。

同時(shí)，也正是得益于該平臺(tái)，阿里國(guó)際AI的使用量開(kāi)始大幅上升。近半年的數(shù)據(jù)顯示，平均每?jī)蓚€(gè)月，商家對(duì)于AI的調(diào)用量和推理量就翻1倍，同時(shí)每4-5個(gè)月推理成本還可以降低50%，為中小商家們帶來(lái)了1%-30%的點(diǎn)擊率、轉(zhuǎn)化率和消費(fèi)者滿(mǎn)意度提升。

跨境電商“All in AI”

正如前文所提到的，2023年是“AI電商”的元年。除了阿里，Shein、TikTok Shop以及亞馬遜、Shopify等跨境電商平臺(tái)也在加碼和布局AI：

亞馬遜除了推出可讓用戶(hù)構(gòu)建應(yīng)用程序的全托管生成式AI服務(wù)Amazon Bedrock外，還推出了生成式AI助手Amazon Q，可以幫助客戶(hù)做軟件開(kāi)發(fā)和數(shù)據(jù)分析；同時(shí)，亞馬遜的AI Listing功能讓賣(mài)家能夠撰寫(xiě)更高質(zhì)量的文案，其最新的電商AI搜索工具Rufus也能夠?yàn)橘I(mǎi)家提供購(gòu)買(mǎi)建議、產(chǎn)品比較、商品推薦等內(nèi)容，將原來(lái)AI對(duì)電商的賦能從“轉(zhuǎn)化率端”轉(zhuǎn)向了“流量端”；此外，2023年以來(lái)，亞馬遜還圍繞AI-generated review highlights（AI評(píng)論整合）、Fit Review Highlights feature（AI服裝合身功能）generative AI to make product listings even more informative for customers （AI鏈接編寫(xiě)）這三類(lèi)功能推出了一系列AI產(chǎn)品，幫助商家在經(jīng)營(yíng)上提質(zhì)增效。

Shein從其主打“小單快返”柔性供應(yīng)鏈的第一天開(kāi)始，就已經(jīng)將AI和大數(shù)據(jù)融入了企業(yè)的基因；生成式AI時(shí)代到來(lái)之后，Shein更是在圖片生成、圖片優(yōu)化、虛擬試衣、客服機(jī)器人等領(lǐng)域都用上了AI功能。

社交媒體新星TikTok則在廣告領(lǐng)域發(fā)力，推出了名為“Symphony AI ”的配音工具，可以將內(nèi)容無(wú)縫翻譯成十多種語(yǔ)言和方言，創(chuàng)作者和商家可以跨越文化和語(yǔ)言的界限，與全球觀眾和消費(fèi)者進(jìn)行有效溝通；他們還在測(cè)試一項(xiàng)名為”Symphony Digital Avatars“的全新功能，該功能允許品牌商在廣告過(guò)程中使用AI生成數(shù)字分身，以增加廣告的“人情味”，提升品牌營(yíng)銷(xiāo)效果和購(gòu)買(mǎi)轉(zhuǎn)化率。

獨(dú)立站電商平臺(tái)Shopify更是靠著AI戰(zhàn)略實(shí)現(xiàn)了逆風(fēng)翻盤(pán)：他們不僅用AI重構(gòu)了網(wǎng)站90%的購(gòu)物體驗(yàn)，更是推出了AI商家助手SideKick，可以回答業(yè)務(wù)的核心問(wèn)題、調(diào)整網(wǎng)站銷(xiāo)售策略并執(zhí)行，還能根據(jù)賣(mài)家的促銷(xiāo)活動(dòng)需求，對(duì)網(wǎng)站進(jìn)行快速的裝修升級(jí)。推出AI功能后，Shopify在2023年第三季度的總收入達(dá)到17.1億美元，凈利潤(rùn)成功扭虧為盈。

在各個(gè)布局AI的跨境電商平臺(tái)中，阿里國(guó)際有著其獨(dú)特的優(yōu)勢(shì)：

首先是電商經(jīng)驗(yàn)優(yōu)勢(shì)。

阿里國(guó)際是中國(guó)最早出海的跨境電商企業(yè)之一，加之背靠阿里這一龐大的電商生態(tài)帝國(guó)，阿里國(guó)際擁有十多年電商經(jīng)驗(yàn)積累和超3億海外消費(fèi)者，這為其積累了豐富的跨境電商場(chǎng)景和用戶(hù)行為洞察，為大模型訓(xùn)練提供了最天然、最好用的素材；

其次是行業(yè)know how。

電商很大程度上是一個(gè)經(jīng)驗(yàn)驅(qū)動(dòng)的行業(yè)，從阿*1999年就開(kāi)始做跨境業(yè)務(wù)，到如今已經(jīng)有25年的歷史；而阿里國(guó)際旗下也囊括了AliExpress、天貓吉印通海外、Lazada、trendyol、Daraz、Miravia等多個(gè)平臺(tái)，擁有非常豐富的電商人才儲(chǔ)備和業(yè)務(wù)經(jīng)驗(yàn)。這些都為其積累了大量行業(yè)know how，讓其在搭建面向AI的業(yè)務(wù)場(chǎng)景時(shí)更順暢、阻力更?。?/p>

最后是完善的AI基礎(chǔ)設(shè)施。

跨境電商業(yè)務(wù)流程多、場(chǎng)景復(fù)雜多樣，需要大量的Agent來(lái)輔助，才能實(shí)現(xiàn)自動(dòng)化的工作流進(jìn)而降本增效。阿里國(guó)際一直秉持“應(yīng)用為先”的發(fā)展戰(zhàn)略，很早就把AI和數(shù)字化的能力松耦合地集成到了現(xiàn)有的業(yè)務(wù)場(chǎng)景和產(chǎn)品體系里，保留了大量的API接口，這讓其在大模型時(shí)代到來(lái)之后能夠迅速跟上步伐、將大模型的能力集成到各個(gè)業(yè)務(wù)中。

在阿里國(guó)際看來(lái)，相比于國(guó)內(nèi)電商，AI大模型對(duì)于跨境電商的助力更大，效果也更明顯。

阿里國(guó)際AI業(yè)務(wù)算法負(fù)責(zé)人駱衛(wèi)華表示，以商品推薦的“千人千面”為例，傳統(tǒng)算法需要對(duì)用戶(hù)信息有更多的認(rèn)知和了解之后，才能完成這一任務(wù)。?cè)缃竦那闆r是，國(guó)內(nèi)淘系的用戶(hù)和訂單數(shù)據(jù)相對(duì)來(lái)說(shuō)更加豐富，而海外的用戶(hù)數(shù)據(jù)則比較稀疏。“想要在稀疏的數(shù)據(jù)上做出更好的效果，這有些時(shí)候會(huì)是一個(gè)挑戰(zhàn)”。

而有了AI大模型的加持之后，則可以極大緩解因?yàn)橛脩?hù)數(shù)據(jù)不足導(dǎo)致的推薦不精確問(wèn)題，極大提升推薦效果和用戶(hù)滿(mǎn)意度。

張凱夫也表示，一直以來(lái)互聯(lián)網(wǎng)平臺(tái)的核心任務(wù)都是“搜推廣（搜索、推薦、廣告）”，在大模型出來(lái)之后，很多人都在關(guān)心“大模型如何改造搜推廣”，但是這在國(guó)內(nèi)進(jìn)度非常緩慢，原因就在于國(guó)內(nèi)的搜推廣已經(jīng)做的很好了——依托海量的用戶(hù)數(shù)據(jù)和優(yōu)質(zhì)算法，抖音的內(nèi)容推薦已經(jīng)做到了世界領(lǐng)先，吉印通的電商搜索也是全球做得最好的。在原有技術(shù)已經(jīng)足夠領(lǐng)先的情況下，大模型很難再?gòu)牡讓蛹軜?gòu)上完全顛覆掉原有的搜推廣模式，只能是錦上添花；

而反觀跨境電商，由于用戶(hù)數(shù)據(jù)比較稀疏，搜推廣做得還不算完善和成熟，因此將有限的、稀疏的數(shù)據(jù)接入大模型之后，搜推廣的效果往往表現(xiàn)地更加突出，用戶(hù)體驗(yàn)更好，轉(zhuǎn)化率提高得也更明顯。

在阿里國(guó)際看來(lái)，AI與跨境電商的結(jié)合只是邁出了第一步——在用AI將電商的“降本增效”做到極致后，阿里國(guó)際可能還會(huì)探索更多跨境電商和AI相結(jié)合的場(chǎng)景，比如往前切產(chǎn)品，在貨架電商像直播電商、內(nèi)容電商演進(jìn)的大趨勢(shì)下探索更多樣的AI電商產(chǎn)品形態(tài)；往后切供應(yīng)鏈，顛覆傳統(tǒng)的“內(nèi)貿(mào)轉(zhuǎn)外貿(mào)”模式，用中國(guó)的數(shù)字基礎(chǔ)設(shè)施做物流、供應(yīng)鏈等“電商基建”的全球化升級(jí)。“我們認(rèn)為現(xiàn)在只是起步階段，其實(shí)未來(lái)的業(yè)務(wù)增量空間里，AI能產(chǎn)生更多有創(chuàng)新性的東西”，阿里國(guó)際技術(shù)平臺(tái)負(fù)責(zé)人徐昭說(shuō)。

下一步，阿里國(guó)際還計(jì)劃將自己的AI能力開(kāi)放給阿里生態(tài)之外的商家，用AI賦能更廣闊的跨境電商市場(chǎng)。

無(wú)論是降本增效，還是提振業(yè)績(jī)，我們都看到了AI給跨境電商帶來(lái)的種種新的可能。而未來(lái)AI和大模型將如何與跨境電商更緊密的結(jié)合，我們也拭目以待。

混沌學(xué)園作為AI教育和實(shí)踐的先鋒，一直致力于探索AI的無(wú)限可能。

近日，混沌推出的AI+探索流城市線(xiàn)下活動(dòng)，正是為了幫助每一位有志于擁抱AI的企業(yè)管理者，系統(tǒng)地構(gòu)建起AI知識(shí)框架，掌握前沿技術(shù)，實(shí)現(xiàn)企業(yè)的智能化升級(jí)。

巡講老師：朱俊，混沌學(xué)園的創(chuàng)新教練，英偉達(dá)中國(guó)區(qū)精英級(jí)合作伙伴，以及多個(gè)AI社區(qū)的創(chuàng)辦人。他將20年的AI實(shí)踐經(jīng)驗(yàn)濃縮成一門(mén)課程，旨在幫助企業(yè)在AI時(shí)代中搶占先機(jī)。

朱俊老師的課程不僅提供了AI工具的使用技巧，更重要的是教授了一套企業(yè)AI落地的方法論。這套方法論包括聚焦問(wèn)題、回到現(xiàn)場(chǎng)、拆解流程和找到單點(diǎn)，幫助企業(yè)精準(zhǔn)定位問(wèn)題并快速找到解決方案。

他將通過(guò)妙鴨相機(jī)和海馬體等案例，展示了AI技術(shù)如何顛覆傳統(tǒng)行業(yè)的服務(wù)模式，為用戶(hù)創(chuàng)造更大的價(jià)值。

如何在AI的浪潮中乘風(fēng)破浪，而不是被淹沒(méi)？

企業(yè)如何在這場(chǎng)變革中找到自己的定位，抓住屬于自己的紅利？

活動(dòng)亮點(diǎn)：

案例剖析：精選實(shí)戰(zhàn)案例，深入剖析企業(yè)AI應(yīng)用的實(shí)效與策略，讓您直觀感受AI的力量。

方法指導(dǎo)：通過(guò)奇跡提問(wèn)法，引導(dǎo)您找到企業(yè)AI應(yīng)用的切入點(diǎn)，開(kāi)啟AI賦能之旅。

深度交流：與AI領(lǐng)域的專(zhuān)家和企業(yè)管理者面對(duì)面交流，共同探討AI在不同行業(yè)中的應(yīng)用和挑戰(zhàn)。

活動(dòng)詳情：

混沌AI應(yīng)用城市巡講第一站：濟(jì)南

時(shí)間：7月27日 13:00-18:00（濟(jì)南站）

地點(diǎn)：濟(jì)南市歷城區(qū)經(jīng)十路7000號(hào)漢峪金谷4號(hào)樓

掃描下方海報(bào)立即報(bào)名！

混沌AI應(yīng)用城市巡講第二站：青島

時(shí)間：7月28日13:00-18:00（青島站）

地點(diǎn)：青島市市北區(qū)臺(tái)柳路179號(hào)和達(dá)中心城B座21樓

掃描下方海報(bào)報(bào)名

報(bào)名咨詢(xún)方式：

陶老師 13141383311（*同號(hào)）

晨薇老師18827274013（*同號(hào)）

搶占AI時(shí)代的先機(jī)，與混沌一起，探索AI的無(wú)限可能，開(kāi)啟屬于你的AI+時(shí)代！