---
title: "售前全交给 AI，人工只留售后电话？5 位大佬拆解出海全链路降本真实痛点"
id: "20260819A09XEU00"
publicationAccount: "非凡产研"
originalPublishedAt: "2026-08-19T17:01:18+08:00"
canonical: "https://ffcap.cn/research/20260819a09xeu00"
source: "https://view.inews.qq.com/a/20260819A09XEU00"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["销售与客服","全球化出海","营销增长","电商零售","AI Agent","智能硬件","物流与供应链"]
---

# 售前全交给 AI，人工只留售后电话？5 位大佬拆解出海全链路降本真实痛点

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

**AI行业观察**

## **做 AI 客服的和做人工客服的坐到一个台上，说了些大实话**

  

"战略有时候就是这样，你决定不做什么，反而更能说明你真正要做什么。"

  

台上坐着五个人。其中一个，开了一家 AI 客服公司。另一个，开了一家 2000 多人的人工客服公司。

按理说，这俩人该打起来。

结果在 FOSHO DAY 2026 的圆桌上，做 AI 客服的陈光说：企业要是只能把 AI 投到一个环节，先投营销，别投客服。做人工客服的王耿东说：我们公司 70% 的业务已经是售后电话了，售前？基本交给 AI 了。

做 AI 的劝你别急着把钱砸给客服，做人工的主动交代哪些阵地已经撤了。这场圆桌好玩就好玩在这：五个人的利益位置完全不同，说出来的话却互相印证，像一次对口供。

先把人认全。主持人是非凡产研的吴畏。五位嘉宾：快牛 QuickCEP 创始人陈光，做 AI 客服和消费者运营，服务了中国出海品牌 TOP 100 里的 70%；Vinyl 乙烯创始人 Andy，做海外众筹和投放，今年上半年业务同比增长了两到三倍；PingPong 中国电商业务总经理郑志坤，管钱的；链帮出海 BrandLink 联合创始人王耿东，管人的，2000 多名员工，头部智能硬件品牌里服务了七成；Deep Edge AI 的 Albert，现场唯一把智能体做到线下实体空间去的。

五个人，刚好凑齐一条出海全链路：市场研究、营销获客、支付履约、售后服务，外加一个线下实体。

  

## **AI 只能投一个环节？没人投给自己**

吴畏开场就问了个狠问题：假设现在是 2026 年，企业只能把 AI 投到一个环节，投哪？

这个问题其实很刁钻。因为台上每个人都有自己的生意，投给哪个环节，就等于给谁的生意投票。

结果没人投自己。

做客服的陈光第一个答，答案是营销。理由很直白：增长是第一层级，没有增长，客服也没那么多事情可做。

做支付的郑志坤也投营销。他的视角是数据：中国企业供应链很强，运营也很强，相比之下，营销能力仍然是最明显的短板。

王耿东很诚实。他做人工客服，按理说最该捍卫客服预算。但他直接摊了账本：客服在很多企业经营费用里的占比也就几个百分点，甚至更低；营销投入能占到百分之十几、二十几。 要投，就投占经营权重更大的环节。

Andy 做营销出身，投营销不意外。连做导购机器人的 Albert，答案都是市场研究和消费者洞察，用他的话说，现在产品开发越来越快，真正难的是找对市场。四舍五入，这也算营销的上游。

五个人，四个半投营销。可以看到在一线干活的人眼里，2026 年的出海企业，缺订单的程度远大于缺效率。降本的故事讲了三年，大家心里都清楚：省出来的钱是线性的，长出来的钱才是指数的。

  

## **客服怎么变成收入中心：一个讲上下文，一个讲放弃**

接下来这个问题，是整场圆桌含金量最高的部分：客服一直被当成成本部门，怎么让它创造收入？

陈光给的答案是上下文。

他的逻辑是这样的：今天各家 Agent 底层用的是差不多的模型，基础能力差距没有想象中大，真正拉开差距的是上下文。你长期用一个产品，它为什么越来越懂你？因为你的上下文都沉淀在里面。

![售前全交给 AI，人工只留售后电话？5 位大佬拆解出海全链路降本真实痛点 · 原文图片 1](https://inews.gtimg.com/om_bt/Oqx5pfAuplckqqdKyRcGa1fmGFjspRXjHhNfn0i2p7FOEAA/1000)

AI 客服想从"回答问题"走到"创造收入"，就得知道订单、消费习惯、这个用户点开过哪封营销邮件、和品牌发生过什么互动。用行话说，context is all you need。上下文越完整，Agent 越可能顺带做导购、做召回、做转化。

第二件事更有意思。陈光说，所谓 Agent 的"自我进化"，不是什么玄乎的词，本质上就是每一轮转化率都能继续优化：把营销自动化里那套 A/B Test 的打法搬进 Agent，不断测试、学习、再测试，在某个环节逐步逼近最优解。

他还点破了一层窗户纸：过去很多企业其实知道要做精细化运营，问题是算不过 ROI。养一堆分析师和运营去做很细的动作，人力成本太高，不值当。现在这些动作能交给 AI，过去性价比不成立的事，突然就成立了。

同一个问题，王耿东从人工这一侧给出了镜像答案。

他的公司这几年业务结构变化很大：售前、邮件、电话都做，到现在 70% 是售后电话。售前尤其是文字导购，AI 已经很擅长了，处理文本准确率高，偶尔出点小错风险也低，那就交出去。

![售前全交给 AI，人工只留售后电话？5 位大佬拆解出海全链路降本真实痛点 · 原文图片 2](https://inews.gtimg.com/om_bt/On4rFfF8gSrc_9h8SZCWVaf7XOX9M6Mxkw5f8cg-GgUNQAA/1000)

售后撤不了，尤其是极端客诉和高客单价产品。他举了个例子：他们服务一些家庭储能产品，一套几万美金。用户出了问题，客服一通电话能定位并解决，就直接省掉一次工程师上门。这时候客服本身就在挣钱。

然后他说出了全场我最喜欢的一段话：

**"看我们主动放弃什么，某种程度上就能看出 AI 已经能做什么。"**

他们现在主动放弃一部分卖家型客户、放弃低客单价品类。十几美金的衣服出了问题，直接退款就是最经济的解法，没必要投入很重的人工。他们坚守的是头部品牌、高客单价、高复杂度的产品，这些品牌赚的还有品牌溢价和用户心智的钱，人和品牌之间需要更深的接触。

一家被 AI 围攻的公司，用"放弃什么"来定义自己的护城河。这个思路比绝大多数 AI 布道都清醒。

  

## **AI 替代不了什么：时机、情绪，和没人敢背的锅**

圆桌聊到后来，话题变成了：哪些事 AI 就是干不了？

Andy 的答案是一个词：时机。

![售前全交给 AI，人工只留售后电话？5 位大佬拆解出海全链路降本真实痛点 · 原文图片 3](https://inews.gtimg.com/om_bt/Of5XX8NeNPf47dykaLXxs2JaF9H8vFBSvBbpP7AtDfCHsAA/1000)

众筹是个特别适合积累数据的行业。Vinyl 做了快十年，每个项目结束都存 Report，攒了 500 多个项目的完整数据，从几十万美金的到接近千万美金级别的都有。这些历史数据现在成了很值钱的 AI 资产，他说得很实在：没真正做过那么多项目的机构，拿不到这类数据。

现在他们一年看 1000 多个项目，只接 30 到 40 个。客户先填问卷，AI 直接分析这个产品的众筹上限下限、预算怎么做、各阶段干什么，再给项目打分。他们内部有条线：接进来的项目要有机会做到 100 万美金以上。初筛这关，AI 干得又快又好。

但有一件事 AI 干不了：它不知道此时此刻，已经有十家公司拿着非常接近的产品在往市场里冲。

硬件市场变化太快了。一个众筹爆款出来，三个月里可能冒出三到五家类似产品，半年内十几家。这个实时竞争状态，公开数据里根本没有，只能靠一线项目经验去闻。所以选品到最后就三个东西：创新、经验、时机。产品本身当然重要，但你是不是在最合适的时间进场，同样重要。

营销侧还有一样东西 AI 搞不定：情绪。

Andy 提到网红谈判。讨价还价是高度人性的过程，一个网红已经被你谈烦了、情绪明显变了，AI 没意识到，还在继续压价，最后整个合作谈崩。品牌里那些独特的审美、表达和价值感，也不是简单提高点击率能解决的。

郑志坤的答案最狠。聊到 AI 出问题谁来担责，这位管钱的说：

**"如果企业今天把 AI 放到一个场景里，还首先在想出了问题到底谁背锅，那这个场景尽量先别用 AI。"**

他的逻辑是，AI 能做的事已经很多了，光低风险、边界明确的提效场景，空间就足够大，没必要一上来就把它放到责任边界都没想清楚的地方。连卡牌这种强情绪消费的行业，都有 AI 验真伪、辅助鉴定这种功效明确的环节。所以别问哪个行业能不能用 AI，要问哪个环节功效明确、责任清晰。

![售前全交给 AI，人工只留售后电话？5 位大佬拆解出海全链路降本真实痛点 · 原文图片 4](https://inews.gtimg.com/om_bt/OtZhO6B-7mCbrz1a3yKQORjHC-FIr-a_4TOjtNgZeLYBcAA/1000)

PingPong 自己马上要上一个 AI 外汇产品：按币种、风险因素、回款账期给卖家评级，输出外汇策略。为什么是外汇？因为汇率一年波动几个点，对跨境企业就是很大的利润变量，而远期、对冲这些工具，很多财务不是不会，是不敢。做好了老板表扬，做差了要担责。AI 先把复杂信息结构化，给出建议，老板只需定一个风险偏好：激进、中性还是保守。

从支付数据往经营决策走，郑志坤反而希望 AI 走得慢一点、深一点。理由朴素得让人没法反驳：这个行业所有事情都和钱有关。

  

## **那个做机器人的，反而不想让机器人跳舞**

Albert 是台上唯一做实体智能体的。按现在的行情，做机器人的最容易飘，他反而是最泼冷水的那个。

他的导购机器人全部用轮子移动。理由简单：效率上，轮式在很多商业场景里比双足现实得多。

![售前全交给 AI，人工只留售后电话？5 位大佬拆解出海全链路降本真实痛点 · 原文图片 5](https://inews.gtimg.com/om_bt/OzdSpQoGSXrzfGt82fftydBIaj7-ZJbsxTaHvVxBVPB_8AA/1000)

他做过企业咨询，对这件事的判断很硬：机器人表演功夫、跳舞，那些事一年看一次就够了。企业长期需要的，是一个每天都能持续创造价值的角色。

他们的切入点来自一个真实痛点：一家两三千平米的智能硬件体验中心，上千个 SKU，每个销售员都要理解和介绍。一个员工培训两三个月刚能用，人离职了。这个成本黑洞，才是机器人的生存空间。

数据打通这个老大难问题上，Albert 的答案也和别人不一样。大家都在讲 API、MCP、系统集成，他直接退回端侧：客户搭自己的本地 AI 服务器，敏感数据尽量留在自己环境里。理由同样朴素，大模型很强，但大模型没有你企业自己的私有数据。他管这个叫"软件 3.0"时代的壁垒：只有自己的数据，才能训练出真正懂你业务、客户和组织的系统。

陈光在旁边补了一个行业视角：现在很多软件基础设施还没适配 Agent 时代。他们做大客户，大量时间耗在协调 Salesforce、OMS、ERP 的系统集成上，非常浪费。未来每个软件厂商都得变得更 Headless，把能力用 CLI、API、MCP 这类方式开放出来。界面不值钱了，值钱的是界面后面那套把某个细分场景做透的能力模型。

哪些事能交给 Agent？陈光的划线也清楚：已经固化成 SOP 的流程，配上安全护栏和定期评估，可以逐步放手。新产品上线、新业务、突发故障，这些高风险的事，还得人来判断。责任最终落在甲方的决策人身上，工具给建议，执行是企业的选择。

  

## **有没有 AI 泡沫？五个人的答案没一个重样**

收尾问题，一人一句：现在有没有 AI 泡沫？

**Albert：**有。最大的泡沫是大家对 AI 的预期和它真实能力边界之间的认知差。不常用的人觉得 AI 无所不能，每天重度使用的人，越来越清楚它的边界在哪。

**王耿东：**绝对有。做的人太多，很多方向的门槛没有想象中高。最后能留下来的，是那些除了 AI 之外，本身就有独有业务能力、行业资源和难替代资产的公司。

**郑志坤：**有泡沫，但有泡沫未必是坏事。今天能在实际场景里用起来、创造价值的，就不是泡沫；今天完全没有实际使用场景的，在当下就是泡沫。 至于未来有没有用，未来的事未来再说。

**Andy：**一定要说一个，具身智能泡沫最大。他们实测过一些项目，体验和可用性离预期都很远。很多产品看着热闹，没有什么功能能稳定进入真实使用场景。

这句话说完，不知道坐在台上的 Albert 作何感想，全场唯一做实体机器人的就是他。好在 Albert 前面那句"机器人跳舞一年看一次就够了"，算是提前替自己做了切割。

**陈光**的答案最不合群：AI 软件没有泡沫。

他给了两个理由。第一，算力依然很缺，新模型一发布就限流，说明供给端跟不上需求。第二，他们做大企业落地时越来越明显地感觉到，模型能力其实已经够强了，真正的阻碍是老系统怎么改造、数据怎么接、业务流程怎么融。这些瓶颈一突破，Token 的实际使用量还会继续涨。至于具身智能，他说还需要更长时间找稳定场景。

注意一个细节：五个人里，唯一说"没有泡沫"的，是把话说得最窄的那个。他只辩护 AI 软件，特意把机器人摘了出去。

  

## **写在最后**

这场圆桌听下来，最大的收获不在某个具体判断，在这群人思考 AI 的方式已经变了。

两年前大家问的是"AI 能做什么"。现在这五个一线玩家回答的是"我敢把什么交给 AI，坚决不交什么"。Andy 敢交初筛，不敢交时机；王耿东敢交售前端，不敢交极端客诉；郑志坤敢交策略建议，不敢交付款指令。陈光把固化成 SOP 的流程划给 Agent，把突发情况留给人。Albert 更彻底，连数据都不肯出客户的机房。

王耿东那句话可以当整场的注脚：战略有时候就是这样，你决定不做什么，反而更能说明你真正要做什么。

这句话说的是他的客服公司，听着也像在说 2026 年所有想用 AI 的企业。

  

## **更多对话细节**

**陈光 Billy Chen**｜快牛 QuickCEP 创始人 & CEO

**Andy Peng**｜Vinyl 乙烯 创始人

**郑志坤**｜PingPong 中国电商业务总经理

**王耿东**｜链帮出海 BrandLink 联合创始人

**Albert Lee**｜Deep Edge AI CEO

**主持人：吴畏**｜非凡产研 创始人

![售前全交给 AI，人工只留售后电话？5 位大佬拆解出海全链路降本真实痛点 · 原文图片 6](https://inews.gtimg.com/om_bt/O-mNkagKuiqZJbertKyGCxelvxvxOzkVmMGinpCPH4b2MAA/1000)

### **如果 AI 只能投一个环节，最应该投在哪里？**

**吴畏：**我们先很快做一轮介绍。每位用一句话介绍自己所在的公司和业务，再回答一个问题：假设现在是 2026 年，如果企业只能把 AI 投到一个环节，你觉得最应该投在哪里？

**陈光：**我是陈光。QuickCEP 主要服务全球品牌的客服环节，我们用一套 AI Agent 平台，帮助全球品牌做消费者服务与运营。目前已经服务了中国出海品牌 TOP 100 里的 70% 左右。

如果只能选一个环节，我反而觉得应该先投营销。增长是第一层级，有增长之后才会有大量订单和服务需求。没有增长，客服也没有那么多事情可做。当然，营销做起来之后，客户来了，后面的客服和消费者运营就很重要。

**Andy Peng：**我是 Andy，Vinyl 乙烯的创始人。我们主要做海外众筹、独立站投放，也做一些营销相关的业务。这么多年服务的公司主要集中在智能硬件出海，以及一些比较创新的新产品。

这几年增长很明显。尤其最近资本市场比较活跃，硬件出海的公司变多了，很多企业都要完成从 0 到 1 的任务。我们今年上半年和去年同期相比，大概增长了两到三倍。

在 AI 应用上，我自己的经验更多是在营销端，所以如果只能选一个，我也会选营销。尤其对于需要种草的新产品，AI 在市场研究、内容和投放前期都能发挥很大的作用。

**吴畏：**郑总，你们做支付，看到的数据也比较多。先介绍一下 PingPong，再说说你觉得 AI 最应该投在哪个板块。

**郑志坤：**我是 PingPong 的郑志坤。PingPong 主要集中在收款、付款、汇款这些产品上，帮助中国企业解决海外支付和资金链的问题。

我们服务的不只是传统跨境电商卖家。这两年也在服务像比亚迪，以及一些餐饮出海企业。很多企业在国内已经很强了，但真正走到海外以后，支付链路往往还是缺能力的，我们就是帮他们解决这一块。

过去几年，我们也一直在深入各个行业。比如 2023 年做过 e-bike 行业联盟，2024 年比较早地做了 AI 硬件行业联盟，前段时间也在关注 Maker Tool，也就是创客工具这个品类。像 3D 打印行业因为拓竹这类公司的出现，整个行业关注度一下子起来了。

如果说明年的新品类机会，我依然看好 Maker Tool，会有很多迭代产品和新公司出来。其次还是 AI 硬件，很多原来硬件能力已经很强的公司，会因为 AI 再做一轮产品迭代。

如果问 AI 最应该投在哪里，对 PingPong 自己来说，当然应该投在支付这个环节，因为我们希望用 AI 去赋能更多卖家。但如果站在客户角度，我还是建议先投营销。中国企业供应链很强，运营也很强，相比之下，营销能力仍然是比较明显的短板。

**吴畏：**王总，你们做的是人工客服，今天这个题对你们很有挑战。介绍一下公司，再说说你觉得 AI 最值得投在哪里。

**王耿东：**我是链帮出海 BrandLink 的王耿东。我们做的是"人工"，不是"人工智能"。公司 2022 年成立，现在全球有 2000 多名员工。头部出海品牌里，我们服务了大概 50 家；如果只看头部智能硬件品牌，我们服务的比例大概在 70%。

智能硬件的客服不只是简单回答问题。很多头部品牌本身产品创新很快，需要教育消费者，而且品牌调性和用户体验要求都很高，所以客服本质上也是品牌体验的一部分。

AI 会不会取代人工客服？我们当然一直在关注。所以我们和 QuickCEP 这类 AI 公司也是战略合作关系。我们的思路很简单：AI 能解决的、重复性的事情交给 AI，AI 暂时解决不了的事情交给人。人和 AI 加到一起，给品牌做端到端的服务。

但如果问企业最应该把 AI 预算投在哪里，我不认为应该全部投客服。客服在很多企业整体经营费用里的占比其实很低，整个行业平均可能也就是几个百分点，甚至更低；营销的投入可能占百分之十几、二十几。从这个角度看，更应该优先投在占企业经营权重更大的环节。

**吴畏：**Albert，你是现场唯一一个做实体智能体、导购机器人的，介绍一下你们。

**Albert Lee：**我从大公司出来创业还不到一年。Deep Edge AI 主要做实体助手的智能体平台，现在最重要的场景是导购机器人。我们希望让智能体跳出屏幕和软件，直接在线下和用户交互，核心能力偏情感交互和体验层的"机器人大脑"。

我不觉得机器人一定要做得特别像人。最重要的还是把完整的用户服务链路做好：介绍产品、识别会员、理解需求、推荐商品、给出付款二维码等等。我们现在大部分机器人都是用轮子移动，因为从效率上讲，轮式移动在很多商业场景里比双足更现实。

如果说 AI 现在最应该投在哪，我觉得除了研发，更重要的是市场研究和消费者洞察。现在产品开发越来越快，真正难的是找对市场、理解机会、判断什么需求值得做。市场洞察是起点。

**吴畏：**听下来大家虽然角度不一样，但有一个共同点：AI 应该先去解决企业价值占比更大的环节。多数人提到了营销，也有人强调市场洞察、支付，以及后续客服和消费者运营。

### **客服怎么从"成本中心"变成"收入中心"？**

**吴畏：**很多企业一直把客服当作成本部门。怎么让客服不只是回答问题，还能够做推荐、召回、销售转化，甚至创造收入？

**陈光：**Agent 发展到今天，其实各家产品如果底层用的是同样的模型，基础能力差距未必有想象中那么大。长程任务、工具调用这些能力大家都在做。真正拉开效果差异的，一个非常关键的东西是上下文。

你长期使用一个产品，为什么它越来越懂你？因为你的上下文都沉淀在里面。放到 To B 的 Agent 解决方案也是一样。

如果希望一个 AI 客服不只是完成服务，还能做导购、转化和召回，就必须给它足够多的上下文。它不能只知道售后知识，还要知道订单、用户消费习惯、这个人过去点过什么营销邮件、之前和品牌发生过什么互动。上下文越完整，Agent 才越有可能从"回答问题"走向"创造收入"。

第二件事，是让 Agent 在执行营销和消费者运营任务时，能够基于数据不断优化。营销自动化本来就需要持续做 A/B Test。现在可以把这种闭环引入 Agent，让它根据每一轮转化结果去调整策略。

所谓"自我进化"，不是一个很玄的词，本质上就是每一轮转化率都能继续优化。你不断测试、学习、再测试，最后在某一个环节逐步逼近最优解。

过去很多企业不是不知道要做精细化运营，而是算不过 ROI。你需要很多分析师和运营人员去做一堆很细的动作，成本太高。现在如果这些动作可以交给 AI，过去性价比不高的事情就可能突然变得值得做。

所以我觉得有两个核心：第一，把足够完整的消费者上下文给到 Agent；第二，把运营过程沉淀成可以不断优化的 Skill。Agent 真正懂这个用户之后，增收才有基础。

### **众筹行业里，AI 能替代经验吗？**

**吴畏：**安迪，众筹很多时候是消费电子和创新产品出海的第一站。从市场调研、选品、新品开发，到 Kickstarter、Indiegogo 上线，这条链路里哪些事适合 AI，哪些事情 AI 暂时替代不了？

**Andy Peng：**众筹其实是一个很垂直的行业，也特别适合积累经验。我们做这个行业快 10 年了，很清楚一个项目最后能做到什么量级，背后的数据是什么，产品在什么 Launch 时机进去，最后是怎么做到那个结果的。

过去这些东西很多都在少数核心人员的脑子里。我们每个项目做完都会存 Report，累计已经有 500 个以上项目的数据。里面有几十万美元的项目，也有几百万美元的项目，还有接近千万美元级别的项目。

这些历史数据现在变成了非常重要的 AI 资产。不是头部机构，没有真正做过那么多项目，其实拿不到这类数据。

我们一年可能会看到 1000 多个项目，但真正服务的大概只有 30 到 40 个，因为一个项目周期往往要四个月。现在我们会让客户先填一份问卷，AI 根据产品信息直接分析：这个产品众筹的上限、下限大概在哪里，预算应该怎么做，整个周期各阶段要做什么，然后给项目打分，判断该不该接。

我们自己有一个 Benchmark，希望接进来的项目有机会做到 100 万以上。AI 可以先帮我们完成大量初筛工作。

但这件事也特别能说明 AI 替代不了什么。它很难判断"现在是不是一个好的时机"。它可以抓网上的信息，也可以拿我们的历史项目做对比，但它未必知道，此时此刻已经有十家公司拿着非常接近的产品在往市场里冲。

硬件市场变化很快。一个众筹爆款出来，三个月里可能就有三到五家类似产品，半年内甚至十几家。这个实时竞争状态，如果没有一线项目经验，很难只靠公开数据判断。

所以我觉得选品最终还是几个东西：创新、经验和时机。尤其时机非常重要。早期多色 3D 打印、激光雕刻机、储能产品，包括现在一些很适合种草的新品类，很多时候产品本身当然重要，但你是不是在最合适的时间进入，同样重要。

### **支付工具能不能被 AI 升级成经营决策系统？**

**吴畏：**郑总，PingPong 掌握的是企业资金进出的链路。AI 有没有可能让支付工具进一步升级成企业的现金流管理，甚至经营决策系统？

**郑志坤：**这个问题对支付行业一直都很有挑战。我有时候会想，如果十年前就有今天这么强的 AI，支付是不是也能做很多事情？但仔细想，十年前可能还不一定有今天这么强的需求。

因为十年前做跨境，很多企业是单一市场、单一品牌、单一平台。今天已经完全不一样了。

第一，多市场。很多企业不只做欧美，还会覆盖东南亚、中东等更多市场。

第二，多平台。除了亚马逊，还有 TikTok 等不同渠道。

第三，多模式。除了货架电商，还有内容电商、DTC 出海。

多市场、多平台、多模式一叠加，支付的复杂度就完全不一样了。不同市场对应不同货币，不同平台回款周期不同，还会涉及财务、税务、汇率和资金管理。

很多老板都希望找一个特别强的财务，一个人把这些问题全部解决掉，但现实里真正能覆盖这些事情的往往是一个财务团队。

我们接下来会上一个和 AI 相关的外汇产品。它会根据不同币种、不同风险因素、不同回款账期，对卖家做评级，再给出相应的外汇策略，辅助财务决策。

外汇风险对企业利润的影响其实很直接。比如汇率一年波动几个点，对于很多跨境企业已经是非常大的利润变量。问题在于，远期、对冲、外汇衍生品这些策略，很多财务不是不会，而是不敢轻易做。做好了老板表扬，做不好可能就要担责。

AI 在这里可以做的是，把复杂的信息先结构化，再给出策略建议。

我理解 AI 在企业里可以分成输入层、中间层和决策层。老板不需要参与每一个动作，他只需要先确定风险偏好，比如激进、中性还是保守。后面的策略可以由系统结合企业实际业务来生成，并根据历史执行结果继续迭代。

### **人工客服为什么还没有被 AI 替掉？**

**吴畏：**王总，你们服务很多消费电子、智能硬件品牌，而且跨国家、跨语言。现在人还留在这条链路里，主要是在做什么？哪些工作 AI 暂时替代不了？

**王耿东：**我们可以从业务结构的变化来看。

刚开始做的时候，售前、邮件客服、电话客服我们都做。现在我们的业务里，大概 70% 是售后电话。售前做得越来越少，因为售前尤其是文字型导购，AI 已经很适合做了。它处理的是文本，准确率可以做得比较高，而且即便有一点小错误，风险相对也低。

但售后不一样，尤其是极端客诉、高客单价产品。一个很简单的判断错误，可能就会带来退货、差评；再严重一点，甚至会变成品牌公关事件。

我们现在服务得比较多的，就是产品复杂、客单价高的智能硬件。客服自己需要拿着产品反复实操，真正知道用户遇到问题时该怎么排查和引导。

这几年我们的客户结构也很有意思。华南地区的头部客户越来越集中在南山，储能、激光雕刻机、扫地机、AI智能硬件、吸奶器等等，很多都是使用门槛高、产品复杂、客单价也高的品类。

对这些头部品牌来说，客服不只是成本中心。它还承担了品牌体验和用户心智的交付。很多客户跟我们说得很直接：满意度指标做好，成本不是第一优先级。核心就是用户满意度。

比如我们现在也服务一些高价值的家庭储能产品，一套可能几万美金。用户出了问题，如果客服通过一通电话就能判断并解决，就能直接省掉一次工程师上门维护的成本。这时候客服本身就在创造价值，不只是消耗成本。

我们的收费方式整体还是 BPO 的逻辑，以基础人力费用加绩效为主，而绩效里一个很核心的指标就是满意度。

### **线下为什么需要一个导购机器人？**

**吴畏：**Albert，你的导购机器人不是为了简单替代导购员。在线下零售场景里，为什么需要它存在？

**Albert Lee：**我们一开始其实不是做导购机器人，而是做端侧 AI。端侧的意思是尽量不依赖云端大模型，因为云端模型会面临时延、成本和稳定性的问题。

后来我们一直在研究，垂直行业里端侧 AI 到底有什么真正能落地的场景。其中有一个客户是大型智能硬件体验中心，一家店两三千平方米，里面可能有上千种科技产品，包括机器人、无人机、录音笔、智能乐器等等。

它最大的痛点是培训。上千个 SKU，每一个都需要销售员理解和介绍。一个员工可能培训两三个月刚刚能用，结果人又离职了。这个成本非常高。

所以我们把端侧 AI、交互能力和实体硬件结合起来，做成零售导购机器人。

我自己以前做企业咨询，所以我对这件事有一个很强的判断：企业真正长期需要的，不是机器人表演功夫、跳舞。这些事情可能一年看一次就够了。企业需要的是一个每天都能持续创造价值的角色。

所以我们的机器人要做的是导购、产品介绍、CRM、库存管理，把原来网站、小程序里的一部分能力搬到线下实体空间，同时让它可以和顾客直接互动。我们也会加一些轻互动，比如小游戏，让顾客愿意停留。

另外，我们也在研究一些高客单价、低频场景，比如医美、美容院、酒店等。像酒店快速 Check-in 这类任务，用户对机器人介入的接受度可能就比较高。

隐私确实是一个问题。摄像头、用户识别这些能力，不是所有场景都适合。所以最后还是要选场景，不能因为技术能做就什么地方都做。

### **全链路数据怎么打通？哪些事可以交给 Agent，出了问题谁负责？**

**吴畏：**最后回到今天"全链路"这个主题。从市场洞察、营销获客、销售转化，到支付履约、售后服务，很多企业现在最大的问题就是数据不通。

你们怎么看未来怎么把这些数据真正打通？哪些已经固定下来的环节，可以比较放心地交给 Agent？哪些事情不应该交给 AI？如果出了问题，责任最终应该由企业、服务商还是模型厂商承担？

**陈光：软件基础设施必须先适配 Agent**

陈光：最近 FDE 这个概念很火，我们其实从去年就开始建 FDE 团队。做下来最大的感受是，现在很多软件基础设施还没有真正适配 Agent 时代。

未来每个环节的软件厂商都需要变得更 Headless，把能力以 CLI、API、MCP 这类 Agent 更容易调用的方式开放出来。这样无论是甲方自己的 Agent，还是不同服务商之间的 Agent，都更容易互相调用和联通。

我们最近做几个大客户，深入到 IT 系统里以后，大量时间都花在协调 Salesforce、OMS、ERP。为了把消费者相关的数据融到一个平台里，不停做系统集成。这些工作其实非常浪费时间。

如果大家的能力都可以被标准化调用，给 Agent 文档，它自己就能完成很多对接。我们自己下半年的一个重点，也是把更多能力开放出来给客户和合作伙伴。

我觉得软件厂商未来真正的核心竞争力，并不是那个界面。界面从 GUI 变成 API、CLI、MCP 都可以，真正值钱的是后面那套能力模型：你能不能把某一个细分场景做得足够好。

至于哪些事情可以交给 Agent，我的判断是：企业里已经明确决策、已经固化成 SOP 的流程，可以逐步放手给 Agent 执行。当然要有安全护栏、Eval 和定期回归评估。

但新产品上线、新业务、新的故障类型、某一批次突然出现的产品瑕疵，或者其他高风险、突发的情况，我不建议直接让 Agent 自己决策。这些事情还是要由人判断。

最后谁担责？我认为最终还是甲方自己的决策人担责。模型厂商、Agent 厂商本质上提供的是工具。工具可以给建议，但最终是否执行，仍然是企业自己的决策。

**品牌营销里，人依然要处理"情绪"和差异化**

**吴畏：**安迪，你们营销和投放这一侧怎么看？

**Andy Peng：**我们也一直在测 AI 自动投放。像 Meta 这些平台都在推越来越自动化的投放功能，内容也可以直接生成 AI 图片、AI 视频。

Agency 当然会焦虑：有一天广告优化师是不是会被 AI 完全取代？我们团队里很厉害的优化师，可能亲手花过上千万美金广告费，如果平台自动投放足够强，那这个岗位还需不需要？

但目前我们测下来，还没有办法完全取代。

一个核心原因是品牌里面有情感和差异化。真正厉害的品牌，最后都会形成自己非常独特的审美、表达和价值感，这部分不是简单提高点击率就能解决的。

我们实际也踩过坑。有些众筹平台对 AI 内容有明确限制；有些品牌方也不接受 Agency 未经确认直接用 AI 素材。我们现在如果想测试 AI 图片，必须先问客户能不能测。客户同意，我们才会去跑。

还有网红营销里的谈判。讨价还价本身就是高度人性的过程。一个网红可能已经被你谈烦了、情绪明显变化，但 AI 没意识到，还在继续压价，最后整个合作就谈崩了。

所以每个环节都需要判断：哪些部分可以交给 Agent，哪些地方还必须有人。至少在当前阶段，营销里涉及品牌、情绪和关系的部分，人还很重要。

**如果还在纠结"谁背锅"，这个场景可能还不该交给 AI**

**郑志坤：**我们现在做支付和外汇相关产品，也在和 ERP 厂商聊数据打通。

为什么现在很多东西打不通？技术当然是一方面，但还有一个很现实的问题是利益和边界。大家都会担心：你是不是进入了我的领域，我是不是把自己的核心数据交给了你。这是一个天然的数据和商业壁垒。

随着市场越来越成熟，我觉得大家最终会更清楚，数据打通不是为了谁侵入谁，而是为了共同服务卖家，让企业做更好的经营决策。

至于"背锅"这个问题，我的观点比较直接：如果企业今天把 AI 放到一个场景里，还首先在想出了问题到底谁背锅，那这个场景尽量先别用 AI。

AI 可以做的事情已经很多了。光是在低风险、明确的提效场景里，空间就已经足够大，没有必要一开始就把它放到责任边界都没想清楚的地方。

而且很多看起来很"情绪化"的行业，其实也有很清晰的 AI 场景。比如卡牌，本质上是一个很强的情绪消费品，但 AI 可以用来识别卡牌真伪、辅助鉴定。这类场景的价值就非常明确。

所以不是哪个行业能不能用 AI，而是要找到那个功效明确、责任边界也清晰的具体环节。

我们在"放弃什么"，就说明 AI 已经能做什么

**王耿东：**我换一个角度讲。看我们主动放弃什么，某种程度上就能看出 AI 已经能做什么。

我们现在会主动放弃一部分卖家型客户，也会放弃一些低客单价品类。因为这些客户竞争的核心是运营效率、供应链效率，并不需要通过客服给用户传递太多情绪价值。像十几美金的服装，出了问题直接退款可能就是最经济的解决办法，没有必要投入很重的人工服务。

那我们坚守什么？我们坚守头部品牌、高客单价和高复杂度的产品。

这些品牌赚的不只是产品性价比的钱，还要赚品牌溢价和用户心智的钱。这个时候，用户和品牌之间需要更深的接触，人依然有价值。

战略有时候就是这样：你决定不做什么，反而更能说明你真正要做什么。

**私有数据会成为企业真正的壁垒**

**吴畏：**Albert，你既有线下硬件，又涉及 CRM、会员系统，线上线下的数据怎么接？

**Albert Lee：**我以前做企业咨询时就长期做数据这一块，所以我对这个问题比较敏感。

我们现在做项目，经常要接客户的 CRM、会员系统等数据。最大的问题之一，就是客户非常担心数据安全：打通以后，会不会被其他客户拿到？会不会泄露？

所以我们很多零售项目会回到自己擅长的端侧 AI。客户可以搭建自己的本地 AI 服务器，对数据做隔离，让敏感信息尽量留在自己的环境里。

现在大模型很强，但大模型没有你企业自己的私有数据。

我觉得到了"软件 3.0"时代，企业私有数据会变成非常重要的竞争壁垒。只有你自己的数据，才能逐步训练出真正懂你业务、懂你客户、懂你组织的智能系统。

### **现在有没有 AI 泡沫？**

**吴畏：**最后每个人一句话：你觉得现在有没有 AI 泡沫？如果有，最大的泡沫是什么？

**Albert Lee：**我觉得或多或少有。最大的泡沫，其实是大家对 AI 的预期和它今天真实能力边界之间的认知差。

很多不太真正使用 AI 的人，会觉得 AI 什么都很厉害；但真正每天大量使用的人，会越来越清楚它到底能做什么、不能做什么。AI 肯定有用，但不要把能力边界想得过头。

**王耿东：**我觉得绝对有泡沫。现在做的人太多了，而且很多方向的门槛没有大家想象中那么高。

最后真正能留下来的，还是那些除了 AI 之外，本身有独有业务能力、行业资源和难以替代资产的公司。AI 和这些东西结合起来，才更有可能成为长期竞争力。

**郑志坤：**有泡沫，但有泡沫未必是坏事。经济好的时候本来就会有泡沫。

我的判断很简单：今天已经能在实际场景里用起来、创造价值的 AI，就不是泡沫；今天还完全没有实际使用场景的东西，在当下就是泡沫。当然，它未来也可能变得有用。

**Andy Peng：**如果一定要说一个，我觉得目前具身智能的泡沫比较大。我们实际测过一些项目，体验和真正可用性距离预期都还很远。很多产品看起来很热闹，但还没有什么功能能够稳定进入真实使用场景。

**陈光：**我说"没有泡沫"，主要是指 AI 软件，不包含机器人。像 AI 软件、生图、生视频这些方向，我觉得今天还谈不上没有空间。

一个原因是算力依然很缺。很多新模型一发布就限流，说明供给端还跟不上需求。

第二，我们自己在做大企业 AI 落地时，越来越明显地感觉到：现在模型能力、AI 能力其实已经够强了，真正的阻碍往往不是模型，而是老系统怎么改造、怎么融合、怎么把数据和业务流程接起来。

一旦这些瓶颈被逐步突破，Token 的实际使用量还会继续增长。所以我觉得 AI 软件还有很大的空间。至于具身智能，我觉得还需要更长时间去找到真正稳定的应用场景。

---

原始发布版本：https://view.inews.qq.com/a/20260819A09XEU00

本站阅读页：https://ffcap.cn/research/20260819a09xeu00