在过去十余年里AI技术取得了巨大的进步，一系列当今大家耳熟能详的模型Transformer、GPT、BERT、Gan等被创造出来，并为近年来在应用层实现商业化打下了基础。

　　随着基础设施、算法、预训练模型等各部分的成熟度提升，技术上实现SaaS工具以及业务流程AI化的门槛逐渐降低。这使得服务商和SaaS厂商能够以更低成本、更高效率、更优质量提供电商服务与工具。同时，由于国内市场由增量转存量的趋势迫使缩减成本团队以降本增效。利用先进工具替代低效工作流显然是一个绝佳替代方案。

　　生成式AI及其中间层生态应用的低成本和易用性，正在深刻改变电商产业链的格局。一些优秀企业将涌现出来，并取代以往AI技术应用程度低的竞争对手。

　　我们深度采访了5家基于生成式AI技术并应用到电商垂直场景，快速实现商业化的企业，

　　企业级SaaS市场规模到2021年一直保持着高双位数增长的势头。根据艾瑞咨询2022年测算，2021年中国企业级SaaS市场规模达到728亿元。受2022年疫情影响，总需求有一定收缩，但伴随宏观经济的转好，中性预期下的2024年中国企业级SaaS市场规模有望达到1201亿元。其中2021—2024年3年cagr预计为18.1%。

　　2017年到2021年的五年间，行业垂直型SaaS市场规模在整体中所占的比例逐年上升，到2021年已达到47%。据艾瑞咨询预测，到2024年，行业垂直型SaaS将占据48%的市场份额。

　　根据2021年企业级SaaS市场规模达到728亿元，可以推断出行业垂直型SaaS市场规模在2021年为342.16亿元。而且预计在3年后，该市场规模将达到576.48亿元。

　　在企业级SaaS市场中，应用于零售电商场景的类目占比最大。根据艾瑞咨询的数据，2021年，在行业垂直SaaS市场中，零售电商（包括跨境电商）占据了行业垂直型SaaS市场规模的36%，远高于第二名AEC（建筑、工程和施工）的19%。

　　基于以上数据，可以推断2021年电商SaaS（含跨境电商）的市场规模约为123亿元。基于同样假设，我们预测2024年该市场规模有望达到207亿元。

　　在采购SaaS产品的决策过程中，客户会把应用产品提升效果所带来的增量销售额以及降低业务过程中的成本作为主要考虑因素。

　　根据艾媒数据，2022年中国电商服务业行业规模为3663.2亿元，相较于2017年规模1094.9亿元，期间年复合增长率约为27.3%

　　过去五年，电商SaaS行业取得了迅猛发展，2017年市场规模还只有60亿，2021年就已经增长到120亿，并且预计到2024年将突破200亿。

　　随着云计算技术的普及和发展以及IaaS平台的成熟，电商SaaS平台越来越普及，越来越多的上游电商企业采用SaaS解决方案，从而降低部署成本，提高安全性和可靠性。

　　越来越多的电商企业将线上商城和线下实体店融合起来，在这种模式下，可以实现精准的营销和管理，电商SaaS解决方案的需求更加强烈。

　　随着抖音、快手等新的娱乐流量平台的崛起，以及拼多多、得物、小红书等兴趣电商平台的商业化成熟提升，商家需要面对不同渠道以及差异化的平台规则带来更高的电商运营复杂度。

　　电商SaaS厂商向价值链上下延伸业务能力，覆盖电商销售、客户管理、支付结算、数据分析等多个领域。通过打通各业务环节数据，实现精细化各业务环节，提高管理效率。

　　早些年，中国出海商家主要采用独立站或进驻Amazon等跨境电商平台的方式实现出海。近几年随着TikTok、Kwai在全球范围内的兴起，跨境电商形式更加多样化。多语言能力、跨境物流数据对接、海外支付、推广、海关申报等都成了跨境电商SaaS必须具备的能力。

　　生成式AI（Generative AI）是一种基于人工智能技术的算法，其主要功能是生成各种复杂、有创造性的内容，如图片、音乐、视频、文本等。这种技术可以广泛应用于自然语言处理、计算机视觉、语音识别、图像处理、音乐创作和游戏设计等领域。

　　在技术层面，生成式AI厂商使用基于深度学习的模型，例如：自回归模型、生成对抗网络（GAN）、变分自解码器（VAE）作为底层技术来研发预训练模型。这些预训练模型是通过在大规模数据上进行无监督学习而得到的机器学习模型。一旦预训练模型完成了无监督学习，它们可以被进一步微调（fine-tuning）来适应特定的监督学习任务。微调是指在有标签的数据上对预训练模型进行训练，使模型调整自身参数能更好地适应任务要求。

　　预训练模型在自然语言处理（如文本分类、命名实体识别）计算机视觉（如图像分类、物体监测）和其他机器学习任务中表现出色。知名的预训练模型包括GPT、BERT、CLIP、DALL·E等。

　　2006年，李飞飞教授意识到在研究算法时忽视了“数据”的重要性，于是从2007年开始，她带头构建了大型图像数据集——ImageNet，并在2010年发起了以ImageNet数据集为基础的挑战赛ILSVRC。在接下来的五年里，一系列经典的深度学习网络在大赛中脱颖而出。

　　自2013年，AI领域进入了快速发展的阶段。在这一阶段早期，标志性的事件是2016年AlphaGo击败了李世石。AlphaGo运用深度学习的工作原理，实现了类似人类大脑的功能。

　　另一个标志性事件是2017年谷歌提出的Transformer架构。Transformer在任务执行能力和运行速度上都超过了传统的模型CNN和RNN。Transformer的发展推动了深度学习模型的进化，随后涌现出一批基于Transformer的知名预训练模型，包括：BERT、GPT、XLNet等。

　　2018年，AIGC领域集中出现了一批标志性成果。OpenAI发布了最早的生成式AI——GPT-1，它能够生成非常流畅的自然语言文本，生成式AI自此开始得到广泛关注。同年11月，Google发布了BERT模型，成为多模态预训练模型领域的开创者，该模型的成功使其在自然语言处理、图像处理、语音处理等多个领域都得到了广泛应用。一个月后，NVIDIA提出StyleGAN模型，可以实现高质量的图片生成，并且通过控制生成的图像的特定部分，如面部表情或头发颜色等，能够使生成的图像更加真实。

　　过去四年，生成式人工智能技术在商业化和技术层面都得到了快速发展。例如，OpenAI在2021年开放了GPT-3的API，以及在2022年推出了基于GPT-3.5模型微调的ChatGPT，这加速了生成式AI在自然语言和图像处理领域的应用。一系列将AI技术应用于美术创作、视频编辑、代码编写、文字创作等应用自此不断问世。

　　根据前瞻产业研究院和中关村大数据产业联盟数据，到2025年中国生成式AI技术应用规模预计上升至2070亿元，2020-2025年间的年均复合增长率达84%。

　　跨海科技创始人&CEO龚毅表示，当前出海电商人员还普遍处在小规模尝试阶段，比如公司管理层或者员工注册了ChatGPT账号写SEO、博客文章，或者用midjourney生成商品详情图。从当前情况看，出海电商单一功能应用AI的工具可能占整体市场50%—60%，但实现端到端的AI优化工作流的产品渗透率可能不到5%。

　　FOSHO创始人&CEO李嘉怡指出，出海营销人员对AI产品的接受度很高，大约80%的出海人都有使用AI工具的经历。然而，目前大多数人仅限于使用基础功能，在应用的深度和提升决策能力方面仍存在较大发展空间。联盟营销在整个营销市场份额中占比相对较低，尽管越来越多的人听说过联盟营销，但实际使用和精通的人数非常有限。因此，将AI应用于改造旧有的联盟营销产品，可以降低操作门槛，让更多人更容易开展出海营销工作。

　　云享智慧创始人沙涛认为，AI在电商领域渗透率的主要影响因素是技术对业务的贡献能力和法律合规性。技术对业务的推动能力是决定渗透率的关键因素，尤其对中小电商企业来说，先进技术可以显著提升业务表现。

　　对于体量较大的电商企业，除了技术贡献外，合规和知识产权等因素也需要重点考虑，因此大客户和头部玩家在采用AI技术方面更为谨慎。此外，跨境电商的AI渗透率高于国内电商，这也与政策监管力度有关。尽管目前电商领域对AI的应用仍处于早期阶段，许多产品仍停留在概念层面。然而，电商对于AI的需求明确且刚性，技术也在快速迭代，AI将会快速在电商领域得到广泛应用。

　　对于大语言模型在智能客服行业的应用，魔音智能CEO杨凯表示，LLM的发展可以用更高质量的回答处理更广泛的售前问询，极大提升智能客服的效率和质量，为客户提供更好的服务体验。

　　在GPT模型成熟之前，业内通常使用预先配置的问答对以及基于Elastic Search的匹配方式来回答问题。但由于这种方法需要人工配置问答对，所以能涵盖的问题范围通常只能达到几百到几千个，无法覆盖所有情况且回答生硬机械。在实际业务中，当消费者发现对话的是机器人客服后，通常会要求转为人工服务，加剧了客服部门的负担。此外，由于过去智能客服的转化率明显低于人工，店铺通常只会在非高峰时段选择开启智能客服，或仅处理简单问题。

　　然而，通过将产品知识库嵌入，并使用GPT模型快速生成准确的回答，可以解决大量关于产品信息的问题，并通过使用金牌客服的口吻与买家进行沟通。GPT模型具备理解上下文的能力，能够更好地捕捉客户的意图和情感。因此，在处理相对复杂产品的售前工作中，可以使用机器人处理的部分问题，只需要少数金牌客服来处理特殊问题。

　　从产品设计角度来看，万有引力创始人钟卫表示，AI技术的成熟一方面可以让设计师提高生产效率，比如快速生成大量图样然后进行筛选和调整。另一方面，AI降低了设计门槛，让更多非专业人员能够参与设计环节，比如买手、公司运营人员、档口夫妻店主、小工厂老板。

　　当前普遍的设计流程是使用Stretch绘图，photoshop渲染图片，用Blender完成三维处理并输出图片，过高的学习门槛往往将有大量设计需求的人拒之门外。AI的加持能让更多非专业人士参与设计过程，帮助品牌更加了解流行元素和用户喜好，快速提取兴趣点完成生款生图。

　　此外，自主代理的出现在无人力介入的情况下可以完成复杂任务并直接呈现结果，比如通过AutoGPT串联多个工具。比如自主完成电商场景中从Banner设计、点击测试到数据分析的闭环流程。

　　AI可以更好地理解与应用数据，使工作流与实际效果更加契合。未来在电商场景中，新品上新、爆款推广和商品调整等核心场景中，AI都会扮演重要角色。

　　从内容生成的角度来看，云享智慧沙涛表示，电商行业正向内容电商和社交电商转型，这一转型意味着商品的销售不再仅仅依赖于商品功能，而更加注重内容质量和情绪价值，因此用低成本生产和分发高质量内容成为电商领域迫切需要解决的刚性需求。生成式AI使实现这些需求成为可能。

　　面向流量平台的营销策略，比如在小红书、抖音等平台上生成和发布高质量的营销内容。

　　设计侧的新品开发和选品等方面，尤其在服装行业中，设计师对高质量内容的需求非常迫切。

　　鲸麦GemX.ai覃帅表示，在当前情况下，颠覆性功能被认为是推动B端用户采用AI化产品的关键因素之一。比如在电商领域，AI创作视频的潜力仍有待挖掘。其次交互友好度和性价比在让企业接受产品过程中也扮演重要角色。在出海电商这个细分场景里，B端付费习惯不再是主要限制因素。

　　1.AI具备组织和编排能力，比传统软件更灵活。与以往的数字化浪潮不同，AI能够快速建立工作流程，缩短效果验证周期。厂商可以通过AI快速搭建工作流的能力，缩短落地流程中的咨询和培训时间。

　　2.跨境企业对AI的应用更为务实，历史包袱较少。跨境卖家通常更注重效率，对AI应用有较高认可度。一旦企业认识到AI对效率的提升作用，他们会迅速寻求合适的工具。

　　1.B端客户的业务标准和流程未确立。无论是否使用AI，明确定义业务标准和流程都是必要的。产品部门往往不能清晰提出产品卖点及其目标用户的痛点，如果不能清晰定义需求、关键词、文风等标准，那么解决这些问题将非常困难。因为AI模型是一种概率工具，如果要素不清晰将会导致生成结果过于随机，使内容的转化能力也变得随机。只有非常清晰定义标准和流程，生成的结果才可控。

　　2.对场景化技术能力要求高。AI工具的顺畅运转需要一系列工程化、数据化和软件化能力支持。如果缺乏这些能力，只能局限于解决单个问题，无法实现高度自动化的工作流程。在客户考虑效益回报率时，如果提效变化不够大，将会面临采购AI工具的阻力。

　　FOSHO李嘉怡指出，联盟营销SaaS厂商营收增长的阻碍主要是其概念在国内营销人的认知中有一定缺失甚至误解，关键原因就是国内流量相对集中造成独立站生态无法发展。因此，需要提供简单易用、一站式的智能解决方案来满足用户的需求，帮助他们理解联盟营销的概念结合最佳实践。

　　云享智慧沙涛认为合规性、知识产权、大模型可控性是可能阻碍B端采用AI化产品的主要因素。

　　合规性：无论使用ChatGPT还是其他国外的底层大模型，用户普遍担心是否符合监管要求。

　　知识产权：目前法律对AI生成内容的知识产权界定并不明确。虽然从逻辑上讲，使用AI生成的内容也可以被视为原创作品，但许多大公司仍持谨慎态度，对知识产权问题持观望态度。这种谨慎观望限制了B端用户采用AI化产品的意愿。

　　AI大模型的可控性：比如在素材生成方面，尽管大模型具有丰富的知识和多样画风，但必须和现实中的商品有连接，才能真正具备价值。然而很多业务场景下大模型很有难度。

　　Transformer模型的诞生对AIGC的发展具有重大意义，主要体现在以下几个方面：一是显著提升了生成语言模型的性能；二是推动了预训练模型的发展；三是促成了生成式模型的应用。

　　Transformer是一种基于人工神经网络的模型，可以让计算机理解和生成人类的语言。

　　相比传统的循环神经网络（RNN）的模型与卷积神经网络（CNN）相比，Transformer克服了大规模并行计算能力不足的限制并突破了应用范围的限制，以及具备较强的在长距离特征捕获能力。并且由于Transformer模型采用了“自注意力”机制，这种技术能让计算机可以更好地处理长文本，同时可以并行计算，大大提高了计算效率。

　　作为基础，Transformer模型孕育了一系列著名的预训练模型，如GPT-3、BERT、RoBERTa等。这些预训练模型广泛应用于文本生成、自然语言处理、语音识别、推荐系统等领域。它们为解决各种自然语言处理任务提供了强大的工具，推动了AI技术的发展。

　　此外，基于Transformer模型的生成式AI还可以通过微调（fine-tuning）等技术实现个性化定制，为用户提供更加符合需求的服务和体验。这意味着，使用Transformer模型，我们可以根据特定任务和数据集的特点，对预训练模型进行微调，使其在特定任务上表现更加出色。

　　总的来说，Transformer模型为AIGC领域的发展打开了新的局面，为自然语言处理和人工智能应用发展带来了新机遇。

　　RLHF是一种优化生成模型训练的算法，旨在提高自然语言生成质量和效率。通过与人类的交互，该算法可以帮助AI模型更好地理解人类语言和行为，从而生成更准确、更自然的文本、图像等内容。RLHF可以不断学习和优化，通过人类的反馈来提高生成式AI的效果和应用范围，使其更加吸引人的注意力。

　　魔音智能杨凯表示，为了实现稳定可用的智能客服产品，需要接近GPT-4水平的模型，以及利用类似Claude等AI工具来完成撰写超长文本摘要类内容任务。基于LLM开发应用，必须能理解程序和API对接，且稳定生成一致性结果。目前的情况是GPT-4可用性还不够成熟，国内模型的研究和发展与GPT-4差距很大。未来几个应用比较广泛的LLM模型是否会被开源将对产业产生重要影响。

　　FOSHO李嘉怡表示FOSHO主要基于独家知识图谱进行联盟数据处理，因此大模型带来的影响相对较小。然而，对于一些只调用大模型完成产品描述和文案生成等较浅功能，并主要依赖公有数据的公司会有一定影响。

　　跨海科技龚毅表示，因为跨境电商生成的内容主要用于国外消费者，同时生产流程基本在境外，因此风险不大。国内也一定会逐步跑出等同或超过的GPT3.5的大语言模型。如果应用于境内场景，可以通过模型私有化部署，让数据不离开本地。

　　鲸麦GemX.AI覃帅认为，目前的趋势是开源模型越来越多，因此模型带来的地缘政治风险不是主要的影响因素。反而不开源的大模型可能要考虑会不会被繁荣的开源社区生态倒逼。当然，如果地缘政治等因素影响开源生态，情况可能会另有不同。

　　跨海科技龚毅表示，由于摩尔定律的存在，使数据和生成能力成本不断降低。每次大模型更新后，同等体量生成的成本都会是原来的1/10。

　　相比于在现实世界中完成同样的任务，例如找一个非英美本土的会英文的人撰写一篇700字的SEO文章可能需要花费20美元。而如果是由美国本土作者完成，费用可能达到300美元。与此相比，使用AI生成的效率提升了上千倍。现在的成本仅相当于几千分之一的费用。

　　魔音智能杨凯认为，未来细分场景下的竞争可能不会特别激烈。未来将会有更多AI应用层公司在非常有针对性且差异较大的场景中提供独特价值。这些公司通过在特定场景中创造独特价值，客户也能基于其创造的价值为产品买单。

　　云享智慧沙涛表示，最早卷起来的细分赛道符合这几个特征：使用通用大模型（如ChatGPT）、经过Prompts等简单工具直接降低电商运营成本，在文字和对话等场景中发挥重大作用，比如个人助理、文案辅助生成、标题辅助生成等。当然最先卷起来不一定是坏事，这往往代表着痛点最强、需求最旺盛、技术又进一步成熟。

　　相反，依托多模态的展现形式（如视频和图片），并使用自有预训练模型或经过领域特有数据监督学习和强化人工反馈的场景还未被大规模占领。这也意味着在这些领域存在更多机会，但技术难度较高，成熟的解决方案尚未普及。例如，指定电商商品可控的视频和图片生成，公域多模态营销内容的生成等，都是竞争相对缓和的领域。

　　云享智慧沙涛表示，大模型成熟度突破临界点给了创业公司一个技术和数据平权的机会，所以将来遇到的所谓同类公司很可能以前并不是同行，可能是技术更强，但在行业认知比较弱的玩家；另一些可能是在行业认知方面非常强大，能快速学习AI技术补齐短板的对手。这意味着市场竞争格局将变得更加多样化和复杂化。

　　魔音智能杨凯表示，切入电商市场的应用层公司主要的护城河来自技术优势、成本控制、先发优势。技术壁垒上主要体现在通过模型实现产品能力的提升。成本方面的控制也主要来源于公司技术积累，比如对于一些模型资源调用的节约。虽然产品的技术思路可能不复杂，在论坛和期刊上也有对解决方案的讨论，但是在探索实际落地应用方面，对追赶者来说如果从零开始可能需要消耗大量时间。

　　跨海科技龚毅认为，AI-native初创公司的护城河体现在边界明确、体验优秀和成本优化方面。

　　1. 产品力是关键，必须能为客户带来实实在在价值，形成可观的ROI。在出海场景中，AI化的SaaS工具应首先能利用GPT自动规划工作流，同时调用各种能力实现数据回流。

　　2.公司必须具备良好的成本控制能力。选择有成本优势、能力相对全面、根据场景优化的自动化工作流程是更为明智的选择，而不是全程使用高成本的AI模型。一定要避免让客户为不需要的功能承担不必要的成本。

　　3.技术壁垒方面，适合技术实力强大的创业公司在特定垂直领域发挥优势。例如，控制预训练模型的训练成本和训练效率是其中重要的技术壁垒。

　　1.对行业独有认知体现在，比如对运营层面的逻辑、数据和工作流程方法的整合。比如在业务过程中商品设计方面存在类似范式，包括沉淀品类数据、界定模型、模型控制算法、对整个链条的调优以及投放数据回流。

　　a.控制模型是构建品类模型的核心。在万有引力的业务场景中，通过算法可以调整人体模特和商品展示，确保衣服和人物动作的一致性。控制模型的意义在于能够快速响应客户要求的修改，并生成符合要求的展示效果。

　　b.工具链通过多种模型和控制方法的组合，实现从客户需求到最终效果的转换。在实际业务中，万有引力的工具链能通过调用多个模型和控制方法，将照片转化为逼真的乐高模型。

　　c.功能层面是模型的输出部分也是中台，也是整个模型管理和控制的核心，确保模型的稳定性和高效性。模型的中台是一个可炼制、可控制和可调用的部分，通过中台输出的接口或页面功能，用户可以直接调用各类功能。功能层面提供便捷的接口和功能，使用户能够方便地使用模型进行商品定制和展示。

　　鲸麦GemX.ai覃帅表示，在打通市场数据到设计方面，客户主要将AI应用在数据分析和产品开发。除了在功能上显著提升效率，在产品设计模态上也从文字和图表增加到了产品设计图的方式，给产品开发这一段业务功能上带来了从无到有的极大变化。

　　FOSHO李嘉怡认为，AI+出海联盟营销公司的核心技术壁垒在于基于大模型和独家知识图谱进行数据处理。通过结合大模型的强大推理能力和独家的知识图谱，能够深入理解用户需求和行为，精准锁定目标受众，提升广告投放的效果和回报。比如通过更多维度的快速筛选匹配的网红达人对接营销活动计划，以及将适合的内容千人前面的推送给受众。

　　魔音智能杨凯表示，从产品复杂度来看，随着复杂度增加，对售前机器人的要求提升、需求增加。

　　复杂产品需要更多咨询和对比，因此对售前需求更高，比如美妆个护、3C数码、家居家装。相对而言，对于标准化产品（如零食、服装）对智能售前客服需求相对较低。

　　售前环节中，客户对于替代人工的诉求要远大于提效，比如copilot类产品难以衡量产品价值。另外把产品做得足够好，能够达到与真人客服水平相仿甚至超越，这样的产品要远大于面向大众但使用频率较低的产品。

　　云享智慧沙涛认为，当前电商领域主要有两类需求客户群体，他们的诉求和意愿如下：

　　降低成本类客户：这类客户主要包括电商运营公司、跨境电商和国内电商代运营商。他们的主要诉求是降低运营成本，因此非常希望能通过AI技术生成图片、视频、商品描述和文案，以及提供多语言客服等服务，从而降低人力成本和提升运营效率。这类客户在短期内对于使用AIGC工具的意愿是最强的，因为他们的落地路径最短，能够快速实现成本降低的效果。

　　提升销售类客户：这类客户在内容电商时代非常重要。他们的主要诉求是通过制作内容、展示商品、获取流量和增加销售额。虽然他们对成本并不敏感，但更注重销售额和投资回报率。他们希望通过AI化的技术来创造出与真人类似甚至更好的转化率，以提升销售额。

　　在大模型出来之前，沙涛认为传统的营销科技优先的顺序应该是提升营收增长，其次是降低成本，最后是提升效率。主要是因为成本和效率都已经非常成熟，可提升的空间有限。

　　而大模型出来之后，中小客户可能优先考虑的是降低成本，大模型带来了很多非常快速直接降成本的机会。而头部和大型客户更重视合规性和提升营收上，因为他们的决策过程较复杂。

　　跨海科技龚毅认为，目前，一些从业者已经开始尝试使用AI工具生成独立站博客文章或发布Facebook页面帖子，虽然还没有规范化和流程化，但频率会逐渐增加。另一些用户已经有了更深度的使用，例如在选品、生成亚马逊listing、社媒内容方面，他们会使用AI工具按照过去的业务流程去提效。

　　小型出海商家更注重解决单点问题，尤其是从无到有的阶段。过去没有可用的AI工具，导致他们不太愿意去解决这些问题，而现在通过ChatGPT等工具可以解决一些基本问题，但很难形成完整的业务闭环。

　　大型出海商家则寻求业务闭环，以获取高回报率。这部分商家目前拥抱AI技术最积极。作为业内被模仿和追赶的对象，他们需要在选品、供应链、研发、内容运营等方面通过形成极高的效率来保持竞争优势。同时，他们也意识到如果竞争对手得到AI的武装，自身的市场地位将面临更大的挑战。

　　对于垂直/通用型SaaS企业来说，获取AI的成本和门槛都有所降低，且上游不再是主要的成本构成因素，这为更多企业使用AI提供了机会。

　　万有引力钟卫认为，企业对AI能力的需求因情况而异，主要的诉求包括：快速推出新款产品、快速测试经典款的转化率、解决素材问题。

　　产品设计方面，在实际的接触中，一些特定领域的设计师在工厂所在地区相对稀缺，且工资较高，因此造成工厂型卖家缺少设计能力。在对素材生成方面的需求，跨境电商卖家希望快速获取高成本的模特素材，或解决模特与产品图的拍摄。

　　在接触客户过程中，大卖家（人数在一百人以上）更关注增效，中小商户基本只关注增收。

　　在产品力方面，客户对生成型产品的颗粒度要求非常高。满足客户投放需求的细节决定着专业度，因为如果产品无法实现货版相符，客户不会接受。而这些细节的调优需要时间投入，也是垂直行业应用生成式AI的壁垒之一。

　　1. 一般年销量在1亿-2亿美金或者刚出海的新品牌，营销和电商方面的人力相对有限。尤其是国内联盟营销因为流量过于集中造成用户认知缺失。

　　2. 对较大型客户而言，尤其是全球化品牌，可能已经拥有自己的联盟营销团队或者代理机构。他们在应用联盟营销的过程中更关注增长效果，例如提升销售和减少成本。

　　她认为跨境电商在此次AI浪潮中是最先受益的行业，因为这个行业涉及多场景、多国家、多文化背景，客户对于高质量的内容以及投放天然有高要求，因此对产品的深度和广度需求很大。

　　FOSHO专注于通过营销智能助推中国品牌的全球化之路，核心团队来自全球头部品牌、一线A等优秀企业，拥有营销+科技的双重基因以及丰富的出海本地化knowhow。基于行业领先的大数据应用+自研AI引擎+强大全球渠道生态，FOSHO创新出海联盟营销流程，打造覆盖“洞察+决策+交易+管理+优化”全链条的一站式品牌出海AI营销解决方案，智能助力品牌全球化多渠道增长。

　　FOSHO AFF AI联盟云是首个AI驱动的一站式联盟营销云平台，链接全球联盟客、红人及各类合作伙伴，一站串联出海营销伙伴合作全流程，AI赋能各环节提质增效，助力品牌一键打开海外增长，实现全渠道、多元化合作伙伴的智能出海。

　　Intelligence是FOSHO AFF的策略洞察大脑。基于FOSHO独有的百亿级全球联盟营销生态知识图谱，用户可以通过智能情报快速了解主流行业、品牌竞品的联盟营销策略，搜索、筛选及智能匹配150万+联盟客渠道，并实时了解联盟客营销动态

　　Marketplace是FOSHO AFF的智能化多元渠道交易平台，帮助用户直达海量全球活跃联盟客，并进行高效建联沟通、一键发布任务、AI生成素材、订单智能追踪、佣金自动结算等营销合作全流程。（该模块目前处于内测阶段）

　　Manager是FOSHO AFF的数据运营平台，可一键式授权接入多个联盟平台，生成多国家、多平台、多项目的联盟数据可视化看板，实现集成式运营管理。并支持透视分销订单和佣金明细，智能识别存疑订单，规避损失

　　1.基于全球化电商场景的自研企业级NER模型：极大提高数据存储及挖掘效率，构建覆盖400+标签维度的行业knowhow信息脉络，形成百亿级的全球联盟营销生态知识图谱

　　2.基于独家知识图谱及风格迁移算法的营销创意AIGC模型：根据百亿级知识图谱的海量营销物料和实时转化结果开展模型训练，通过定向风格智能模仿器OSII，生成贴合不同营销场景、渠道伙伴特性的个性化物料内容

　　3.基于AAL和大模型训练的集成式AI Commander Engine：基于AAL让大模型自动熟悉产品功能、有效信息和流程，形成自学习的专家级联盟经验模型以及SOP，通过RPA实现原有多步骤工作流的自动化操作

　　Kua.ai由一批人工智能和图形，算法方面的研究人员和技术人员组成。成员来自Amazon、腾讯、尼尔森、卡耐基梅隆大学、中山大学等商业机构和高等学府。公司致力于将AI内容生成领域最优秀的技术通过应用的方式介绍给跨境电商和品牌出海客户。Kua.ai与粤港澳大湾区数字经济 （IDEA）研究院、数说故事、中山大学、亚马逊、Meta等行业领先的人工智能机构有深度合作，这保证了公司持续站在技术前沿，为用户提供最先进的技术工具。

　　作为领先的跨境出海AIGC应用，kua.ai基于GPT-4及AIGC技术，为跨境卖家和出海品牌生成电商平台、独立站建站和日常运营所需的图文素材，以及社交媒体平台营销所需的内容。

　　1.经营电商平台（如亚马逊）所需的选品、消费者洞察、关键词研究以及Listing创作优化（图文）

　　2.独立站建站基本配套图文（品牌起名、域名灵感、元描述、Banner图等）

　　3.AI创作独立站日常运营内容（商品Listing图文生成和上架、商品洞察、选品灵感、SEO文章和配图、社媒管理等）

　　4.AI作图（文生图，一键白底，一键换背景，图片裂变，轮廓出图，AI P图等）

　　无论是电商平台卖家、独立站卖家，还是外贸工厂，kua.ai都可以提供最基本和最全面的运营素材，做到100%贴合跨境各种营销场景。

　　魔音智能（北京魔音云智能科技有限公司）提供一套领先的企业知识库、智能客服等解决方案。满足大中型SaaS、IT、零售、金融等公司全场景、一体化的客户服务和管理需求，助力客户成功与业绩增长。利用ChatGPT技术实现基于企业知识库的无语料配置智能客服体验，让员工和客户快速查询并学习产品知识，提升客户满意度的同时减少服务开支。

　　Unigravity（北京驾惠时代科技有限公司）是一家专注于将人工智能技术应用于产业生产力的高新科技企业，为客户提供AIGC生产技术和产品运营服务。目前，已经发布珠宝配饰和服装行业应用方案“万有引力”系统，服务着包括跨境电商、各型销售商和生产企业，实现了改款设计、创意设计、批量设计及各种生成方式，通过生产效率提升，帮助企业销售增长。

　　上海适享文化传播有限公司（云享智慧）成立于2018年，是一家专注人工智能实际应用的高科技创新公司，公司核心团队来自英孚，携程等知名外企或者互联网企业。“云享智慧”是公司基于实际应用场景的系列人工智能解决方案的品牌。公司着重于研发知识增强的可控大模型生成场景，包括利用大模型的智能搜索，和图片生成，为时尚零售行业赋能。

　　产品2：基于大模型的搜索引擎：自有电商平台（小程序or APP or官网）中的智能搜索、智能导购、个性推荐、智能客服等；

　　基于大模型开发的AI底座、基于知识图谱增强、多年时尚零售客户服务累积，产品应用效果稳定、可控

　　产品1：一切需要通过模特照片来展示的商家，包括但不限于服装品牌、生产厂家、经销商

　　鲸麦GenMatrix专注于用数据智能驱动品牌全球化产品创新，提供从“需求洞察”到“产品创新”的一站式解决方案。基于大数据和人工智能技术，通过对全球电商市场和社交媒体数据持续的采集治理、挖掘预测和整合分析，并借助人工智能的多模态理解、推理与生成能力，通过对市场、产品和消费者进行深度洞察，挖掘消费者需求和产品创新机会，帮助品牌全球化企业打造有竞争力的创新产品和实现业务增长。

　　市场洞察：通过对Amazon等全球主流电商平台和海外社交媒体数据持续的采集治理，通过数据建模和机器学习，对市场趋势、市场容量、市场竞争及新品机会等各大维度自动化挖掘和分析总结，了解市场变化、挖掘潜力爆款以及发现细分市场机会，快速锁定产品方向。

　　产品以SaaS订阅和KA私有化部署的方式进行交付，截至目前刚好上线年，SaaS已有注册用户2万+名，付费用户2000+名，目前定价为1999元/年（近期将会上调到3999元/年）。KA客户已有6名，有10+家企业还在POC阶段，目前定价为20万～100万/年。

　　魔音智能杨凯表示，当前由于大语言模型的驱动智能客服的拟真度可以达到与真人相仿。在未来，智能客服在电商场景下将比较适合客单价几百到一千元的产品。更高客单价产品的售前客服相对难以被智能客服替代，主要原因是场景之间的差异，比如汽车销售的到店场景。

　　跨海科技龚毅认为，人工智能技术的成熟将为原有领域带来革命性变化，同时在电商场景下，服务机构是否积极拥抱变革以及能否用好AI工具将成为避免被时代淘汰的核心。

　　未来AI电商工具的商业模式将更多地采用按量或按效果付费的形式。因为客户使用得越多，AI工具所创造的价值越大。随着产品的成熟和客户对AI工具认知的提高，AI工具可能更加倾向采用这样的盈利模式，一方面更好地满足客户需求，另一方面与实际价值相匹配。

　　FOSHO李嘉怡认为整体出海营销的势头已经从以前的大卖铺货型转向品牌全球化和多渠道化。出海营销方面整体应该分为五个阶段

　　第一阶段（2010年—2016年）：出海商家主要是跨境电商和传统外贸结合的形态，以铺货型卖家为主。因为海外电商的快速发展，出海商家依靠自身生产力和供应链向海外市场销售相对比较便宜的产品。

　　第二阶段（2016年—2017年）：由于生产制造业水平提升，特别是3C电子领域。一批具有定价权的企业逐渐形成，特别是3C电子领域。

　　第三阶段（2017-2020）：企业开始采用直销模式（DTC），回归自营生态，如独立站和APP，实现直接对消费者销售的海外扩张。

　　第四阶段（2020年—2021年）：因为疫情对海外消费者的消费习惯影响，加速了电商渗透率，跨境电商迎来了快速增长。

　　第五阶段（2022年以后）：企业将更多资源投入品牌全球化建设。发达国家电商市场的电商市场告别平台红利期。出海企业开始追求更精准、多渠道和品牌化布局。

　　从产品设计角度来看，万有引力钟卫表示，通过应用AI，电商平台的匹配效率和用户体验可以得到提高。以前以货架逻辑为基础的前端体验转变为个人兴趣和匹配关系的逻辑，例如虚拟人和直播等创新方式。这些创新能够提供更准确的匹配和更好的用户体验，从而增加交易成功率。

　　在电商领域，人、货、场等方面一直在被解构和重新构建。商品匹配、交易和客服等方面都面临着新的挑战和变革。尤其是电商直播的兴起使场景的重要性不断增强。

　　另一方面，货的改变会直接影响人的匹配效果。过去，货在匹配关系中占主导地位，其中包括是否是大宗商品/爆款商品、设计师文化、品牌等因素。然而，在过去几年，消费者的行为不再遵循传统品牌逻辑，表现为国内消费者更多选择国产品牌，全球消费者越来越倾向购买属于自己文化族群的产品。

　　因此，现在是一个非常关键的时间节点，AI设计的加入能够帮助品牌按照人群需求提供多样化的产品，从而提升整体效率和用户体验。

　　例如，通过AI为人群生成相应的商品设计，特别是非标准化产品（如服装、家居、玩具），然后通过测试点击投放的闭环流程来测款，最后进入生产流程。这将大幅降低供应链库存压力，同时降低成本，这可能是未来几年电商领域最大的改变之一。

　　从营销领域来看，当前普遍的产品功能都比较浅，因为基本上都属于基于营销物料快速生成，然后进行投放。AI在其中更多地采用套壳的方式。随着AI技术的进一步发展和应用，有望看到更深入和创新的产品功能在营销领域得到应用。

　　魔音智能杨凯表示大语言模型和算法在产品优化方面带来的增益不会永无止境的提升。技术红利的释放会带来行业快速增长、创业公司实现商业化、最终行业趋于成熟。

　　跨海科技龚毅认为，在未来三到五年内，甚至更短的时间内，电商领域将实现50%以上高质量文章（包含关键词的文章）由AI来生成或辅助完成，其中超过90%的流程将实现自动化。

　　随着AI生成效率的提升，消费者可能会面临信息过载的问题，因此可能出现针对B2C行业的AI工具根据消费者需求定制信息，为其提供经过浓缩且经过算法处理的信息。

　　未来也可能出现集合电商平台、独立站和品牌官网的站点，通过AI助手帮助用户发现商品。

　　在短期内，选品、用户洞察和关键词规划等应用将逐步兴起，因为这些功能需要数据的接入，以避免大模型幻觉。

　　万有引力钟卫表示，尽管电商平台在解决一些问题上有一定优势，但并未从根本上改变人、货、场的匹配问题。这就是AI介入的机会所在。

　　过去的搜推逻辑通常是通过销售数据或爆品进行产品设计。现在创意更易实现高效，可以在前端根据用户需求进行设计。AI浪潮为B端客户创造增量收入提供了机会，例如通过多样化产品满足终端消费者的个性化需求，实现更高效的工作流程和数据分析，从而挖掘更大的营收空间。AI化的卖家能够提供更个性化的商品选择，满足不同人群的需求，相较于有限且价格固定的商品选择，这将增加潜在用户成为最终客户的可能性。

　　大模型必须有自己的核心应用，缺乏行业核心场景及应用的大模型是不可持续的。算力服务和模型能力是大模型的关键因素。寻找行业核心应用和特定场景至关重要，将计算能力与行业需求相结合，与行业参与者建立伙伴关系，了解并满足其特定需求。

　　未来六个月将能看到行业应用成为大模型发展的重点，尤其是面向2B领域的应用。虽然在国内市场上，SaaS增速放缓，但大模型的应用可以带来新的机会。通过将算力、模型和行业需求结合，可以开拓创新和增长的机会。

　　在营销领域，应该重视中台的塑造，虽然AI在工具层面能帮助提升效率和降低成本。但是如果没有整个中台的重塑，过于浅层的应用AI会使企业陷入竞争激烈的红海市场。

　　通用模型（如AGI）的应用也是一个关键议题。AGI可以适用于不同行业，但也面临行业壁垒的挑战。仅仅套用通用模型是不够的，某些行业需要更专业化、细化的模型训练和应用。

　　云享智慧沙涛认为从中长期来看，AIGC的真正天花板在于能否创造出与真人类似或者更好的转化率。

　　在整个生成式AI产业链的上下游环节中，模型层和芯片层都存在机会，但这些机会并不适合初创公司。真正的机会在于应用层，特别是那些可以通过AI颠覆式改造场景的应用领域。

　　选择应用场景行业时，需要考虑行业的集中度和公开知识的多少。在集中度较高、公开知识较多的领域，已有业务场景的公司可能通过与AI相结合来保持领先优势，但对于创业公司并不友好，例如金融、保险、汽车、呼叫中心等行业。

　　相反，对于集中度较低、拥有大量潜在客户且公开知识特别多的行业，是AI-Native创业企业的最佳机会，例如服装、电商、餐饮、时尚和工业能源行业，这些行业对于初创公司来说更为友好。

　　FOSHO李嘉怡认为应用层初创公司在垂直领域中优势来自对行业深刻的认知，并能够在特定场景中适配私有和公有数据来为客户创造价值。

　　面对同样采用AI改造解决方案的成熟公司，这些竞争对手可能有成熟的产品，但缺乏初创公司的灵活性。同时模型层公司在底层技术和模型调优方面可能更具优势，但在垂直场景中结合第一方数据和共有数据，应用层初创公司更能发挥自身优势。

　　万有引力钟卫表示，GPT3.5/4的推出在给出结论或者预测推理方面带来了相当颠覆性的变化，对上一个时代的解决方案是一种降维打击。

　　因此作为初创公司现在正处在弯道超车的机会，当前大家在基础的技术能力上回到同一起跑线，因此团队理解能力非常重要。对问题的理解将带来不同的解决方案，而且头部公司对往往对问题解决存在一定的惯性。比如他们可能仍然会用以前的匹配逻辑和交易场景的处理，每一个环节慢一点，最终整体会慢许多。

　　鲸麦GemX.ai覃帅认为对于具备AI-Native能力的初创公司而言，关键在于针对传统软件无法解决的核心痛点提供创新解决方案，这是他们的主要竞争优势。此外，如果能够在传统功能上实现更大的性价比提升，将进一步增加市场吸引力。