Jay 发自 凹非寺量子位 | 公众号 QbitAI

在投资者为AI泡沫争论不休之际，B2B领域中，AI正从一个辅助工具，快速成长为能真正创造商业价值的生产力。

作为中国最大的B2B供应链平台，阿里巴巴集团旗下源头厂货平台1688今年几乎以「梭哈」的决心押注和布局AI。

继1688 AI版App、1688诚信通AI版等一系列AI原生产品后，1688近日又发布了一个跨境电商AI智能体——遨虾（alphashop.cn）

过去二十多年，1688连接了超100万家产业带源头工厂与上亿B端买家，为中国电商搭建起一座覆盖全国的B2B供应链「钢筋水泥」

如今，1688每年的平台交易额已超8000亿元，其中跨境交易额超过2000亿元。

而当1688开始用AI去浇筑跨境电商的「数字基建」时，又会给这个行业带来怎样的变化？

跨境电商新范式

一般而言，无论是把货卖到国内还是国外，都得依次走完最基础的三个步骤——选品、采购、上架

但一旦放到跨境电商的语境下，上述每个环节的复杂度都会呈指数级上升。

因此，当你走进一家中型跨境电商公司，映入眼帘的是层层分工的选品部、采购部、运营部……每个部门都有几十号人在四处奔走

选品

选品，是跨境电商运营王冠上的明珠，也是整个工作流中最要命的一环。

毫不夸张地说，选品的优劣几乎决定了跨境电商生意一半的成功率。若能押中一个爆品，往往能带来3～5个月的持续进账

但选错一个品，不仅广告费用全打水漂，还要背库存、压现金流，甚至陷入亏损。

一家200人规模的跨境电商公司，往往要配备约30多名买手专门负责选品。他们每天紧盯各大电商平台的类目走势，在成百上千个SKU里筛选出最具潜力的新品。

买手们需要在无数产品中扒评论、比销量、查成本、看广告位……一通折腾下来，往往一周过去，依然找不出一个真正能打的品，最终只得靠「直觉」。

而一旦涉及到多个国家多个平台，则会遇到更大的挑战。

最直观的，是不同国家之间消费者画像的差异。

语言反而是最容易克服的一关，真正难的是文化与审美。以服装为例，当地买家的穿衣风格、配色偏好、审美取向往往与国内截然不同。

而且海外市场并不像中国这样是一个统一的消费体。即便同在一个国家，拉丁裔、非洲裔、白人消费者的需求也天差地别。

当消费者对风格的偏好差异巨大，而国内商家又不了解当地文化语境时，很容易押错方向。

在国内，商家可以随时根据天气和热点调整策略。

比如，一场突如其来的寒潮催生出保暖品类的需求，内贸可以轻松抓住这个风口：三五天内打样、上架、发货，甚至可以在有货之前直接先挂上预售链接

但如果想在5月份向美国卖短袖T恤，考虑到货物漂洋过海的时间，商家必须在仓库上架的三个月前——2月份就把货推过去。

这个时间点在国内正好撞上春节。工厂放假、停工，意味着这批货其实在前一年年底就得完成生产。

也就是说，商家隔着半年时间，就要提前预测下一年的流行色、款式、版型。这显然很容易误判。

然而，选品所需要的这些能力——方法论固定、高度重复、信息搜集——正好是如今大模型最擅长的。

以遨虾为例，其Agentic Mode具备选品规划和工具调用能力

AI能在几十秒内完成大量的商品筛选和并行的多线程看品，从海量数据库中检索出符合选品要求的商品。

在此基础上，AI不仅能抓取商品数据（如价格、销量、评价），还会自动计算垄断系数、平均得分、中国商家占比等关键指标，通过这些指标理解市场供需动态，给出犀利直接的选品建议——推荐还是不推荐。

原本需要团队花上一周的信息搜集工作，现在AI用不到一分钟就能跑完，过程全程可回溯，选品逻辑可检验和推敲，且交付结果是一份量化的商业分析报告，相当于把大卖家的选品思路直接「翻译」了出来

当然，这些仅仅是参考资料，最终拍板仍需人来做。

但至少，现在有了一份可被检验和沉淀的判断依据，而不是靠「拍脑袋」在平台上大海捞针。

采购

敲定商品后的第二步是采购：找能提供货源的供应商

供应商虽然数量没有SKU那么夸张，单位信息密度却更大，做工能耗因此更高——

工厂是否能做外贸、是否能改版、起订量、账期、交期、质检要求……每一项都需要亲自确认。

以一件冲锋衣为例。当你决定要做这款产品后，下一步就得在国内找到一家能生产它的工厂。

传统流程下，往往第一步就卡壳：光靠关键词或者是一张图找出来的款式、性能千差万别，根本描述不清。

于是，你只能不停地换词、翻图片库，从「看到一件冲锋衣」到终于碰上「能做同款的工厂」，一上午就这么耗掉了。

更麻烦的，是后面那道「询盘」：

MOQ（最小订单量）、价格、运费、交期、外贸服务、是否能做英文标、是否能过质检……每问一家供应商，都得重新走一遍流程

而在AI的帮助下，绝大部分人力环节都可以被省去：

只需要把「冲锋衣」的照片丢进去，AI便能根据图片识别款式、结构、材料，并从1688的供应链数据库里匹配出相似款式的工厂。

原本一上午的事，现在几十秒就能跑完。

在此基础上，遨虾能根据供应商的销量、服务分、跨境经验等维度，筛出最合适的那几家。

接下来是最「魔幻」的部分：

你可以一次选中多个供应商，让遨虾批量替你完成询盘——包括问MOQ、问价格、问交期，并自动输出一份结构化的比较报告

这个功能当你每天上品量达到10个以上时，就知道他有多香。

上架

当需求和供给两端都安排妥当后，跨境电商的「三步走」终于来到最后一环——上架。

具体而言，上架就是把一个原始商品，变成平台认可、消费者能看懂、愿意下单的完整商品页面。其中包括标题描述（Listing）、关键词撰写、多语言翻译、产品图与场景图生成等一整套工作。

但在「上架」这件事上，内贸和外贸几乎是两个世界。

对于跨境电商来说，同一个产品往往要适配十几种语言、十几家平台。而每个平台的规则、表单、素材要求都不一样。

俄罗斯是Wildberries，中东是Noon，拉美是Mercado……每个平台都有自己的上架规范。

如果靠人工执行，十个国家、十个平台同时铺货，这意味着十倍甚至更高的运营人力。

在这件事上，AI展现出了其对跨境电商的价值——多模态生成。

对AI来说，一次性铺货一个平台和铺货十几个平台在本质上没区别：它可以一次性完成多语言、多平台、多素材适配。

这与编程Agent的逻辑很像：程序员写出一个Mac软件后再想适配Windows和Linux，未来或许也可以「一键迁移」

而如今，跨境电商的内容生成，同样变成了可复制、可规模化的工程。

除此之外，就「素材生成」这一环节本身而言，AI也能省下过去大量的制图成本。

在多模态AI的加持下，摄影棚、相机、灯光等生产资料，首次被「打包」成了人人可得的基础设施

借助这套工具箱，即便是不懂拍照、不擅长写文案、甚至从未做过外贸的工厂，也能轻松完成跨境店铺装修。

综上，遨虾虽然没有改变跨境电商的运作逻辑，但却让整条链路在效率与成本上发生了翻天覆地的变化。

实测中，许多原本每月盈利三四十万元的客户，嵌入遨虾后，月利润一度增长至四五十万元

「肉多、狼少、但难啃」的海外市场

当下，国内电商内卷严重，跨境电商相对更蓝海，已成为电商圈的普遍共识。

在「中国供应链」这张王牌的加持下，「出海」开始成为电商行业的全新战略方向。

虽然海外市场「肉多狼少」，但这块「洋肥肉」并不是谁都咬得动。

据估算，中国目前约有一千多万内贸电商卖家，但真正能成功出海的，不到十分之一

原因正如前文所述，选品、采购、上架等每一个环节，一旦放进跨境场景，复杂度都会呈倍数增长。

1688跨境负责人一隆认为，复杂度的背后，是商家与那片跨境蓝海之间，隔着两条难以跨越的「鸿沟」。

第一，信息不对称。

这是同时扎根在供需两侧的结构性问题。

需求侧：

不同国家、不同族裔的审美、尺寸、消费偏好差异巨大；

与此同时，物流时间的存在会进一步放大这种不确定性，商家需要提前数个月去揣摩一个异国他乡消费者的心中所想。

供给侧：

不同工厂的利润模型、起订量、交期、可改版能力都不同。

而商家也有不同的利润诉求、铺货策略、品类偏好，因此在采购时，需要花大量时间去寻找匹配的供给商画像。

进入大模型时代，这种因信息不对称而产生的摩擦力正在瓦解。

AI能将社交媒体、电商平台的趋势数据实时汇聚为洞察报告，也能把供应商画像拆解成可比对的结构化信息。

过去中小卖家只能靠经验完成的判断，开始变得有迹可循。

第二，规模效应。

中国有十几亿人口，是全球少有的统一大市场。

一张图、一套素材做出来后能以近乎为零的边际成本服务全国消费者；与此同时，中国的供应链又在长三角、珠三角等地区高度集中，能形成极强的协同效应。

正因为如此，国内电商才能以如此快的速度实现规模化和普及。

但一旦走向海外，这套逻辑不再成立。

首先，不同国家的语言不统一，文化偏好不统一，流行节奏也不统一

这意味着，运营逻辑必须按国家拆分，你要为每个市场单独做翻译、做素材，交易成本明显更高

然而，如此高昂的交易成本却无法带来相应的回报。

即便是英国、德国这样体量较大的国家，也只有几千万人口，仅仅相当于国内一个省

同样的图文，在中国能覆盖全国，在海外却只能覆盖一个「省」大小的市场，并且适配成本还这么高，商家自然更倾向于做内贸。

不过，大模型恰恰能完美解决这个痛点：

无论是西语、葡语、德语，还是更小众的语言，都能一键翻译；图片、视频、场景图可以同时一次性交付十几个版本。

本质上，其实是用AI这支粘合剂，强行把这些分散的小市场「拼」成了一个大市场

原本割裂的多语言、多平台、多类目，在AI赋能的数字基建下第一次紧密连接在一起，变得可规模化。

而一旦信息通畅、进入海外市场的成本趋近于零，跨境贸易与内贸之间将不再有本质区别。

彼时，把货卖到国外会像「开个淘宝店」一样简单，跨境电商势必也将迎来一轮迅猛扩张。

为中国制造插上翅膀

作为一个为跨境生意定制的Agent，遨虾的底层框架基于阿里「通义千问」系列模型，并为选品、询盘、咨询等模块进行了定制化训练。

以选品为例：新品、跟卖品、爆款的逻辑完全不同。为了让遨虾真的理解不同业务的商业逻辑，1688引入人工专家标注，通过在千问模型上后训练强化电商垂直领域Agentic Model能力

此外，在实际任务执行中，还能调用海量的阿里私域数据。例如1688供应商资质、验证海外认证信息等，这些都不是可在互联网获取的公开资料。

从中，也能一窥遨虾在跨境电商方面的独特优势：

无论是模型训练还是Tools，相比只能使用公开数据的通用模型，遨虾背后是阿里巴巴过去26年在B2B电商链路里长期沉淀的真实业务数据

1688平台上分布着海量制造商，这些长期积累的结构化供应链数据，为其构建了一个壁垒极高的供应链知识库。

而供给端数据的意义，不仅在于可用于Scaling的量。

更重要的是，如果没有这些数据，很多训练根本无法进行。

例如，如果只知道需求端售价，却不知道供给端成本，就无法判断利润率，自然就无法设定训练标准。

此外，与公开互联网数据相比，阿里所掌握的私域交易数据更为纯净，不易受到AIGC「污染」。这使其在全面性和准确性上具备天然优势，也让模型训练的结果更贴近真实的商业逻辑。

正是依托这条数据护城河，遨虾才能在基座模型之上有效完成微调与强化学习，从而成为一个真正懂跨境生意，并且值得信任的AI助手。

平台经济有一个底层逻辑，无差别利他

放在跨境电商行业里，这意味着不偏袒大卖家，不排挤小卖家，每一位参与者都能以同样的方式接入平台能力。

当遨虾把原本独属「大团队」的运营能力，下放给个人与小微商户后，市场竞争的胜负手——也将重新回到商品本身

遨虾体验地址：https://alphashop.cn

目前还在公测，没有手机版，电脑端可以免费用。

欢迎体验后的朋友来评论区分享～