跨境AI赛道喧嚣背后：工具扎堆入局，究竟谁真的赚到了钱？

作者：冬青

过去几年，跨境电商几乎成为 AI 应用最密集的商业场景之一。从选品、Listing、翻译、生图、视频，到 AI 客服、广告优化、ERP、利润分析、采购和供应链预测，各类工具快速涌现。表面上看，这个市场非常热闹，但热闹归热闹，真正赚钱的又有多少？

从目前能够观察到的市场情况来看，跨境 AI 工具已经证明能够创造真实商业价值，也确实有人赚到了钱，但与此同时，市场正在进入明显的分化阶段：少数成熟产品已经跑出相对健康的商业模式，但大多数 AI 产品仍处于微利、盈亏平衡、融资换增长甚至持续亏损的状态。真正能够长期盈利的企业，越来越集中到那些拥有独家数据、深入企业工作流、能够替代部分人工、直接影响收入或成本的产品上。

收入看起来很高，不代表真的赚钱

AI 行业最容易制造的错觉，就是把“融资很多”“用户很多”“收入很高”直接理解成“公司很赚钱”。

事实上，一家 AI 公司即使做到 1000 万美元 ARR（年度经常性收入），也可能仍然处于亏损状态。因为收入只是公司收到的钱，并没有扣除模型调用、服务器、GPU、数据采购、研发团队、市场获客、销售、客服和管理等成本。相比传统 SaaS，AI 还有一个明显区别，传统软件开发完成以后，用户多使用几次的边际成本通常很低，而 AI 每生成一次图片、视频、回答一次问题、运行一次 Agent，都可能产生新的推理和计算成本，因此收入增加的同时，直接成本也会增加。

这也是为什么很多高速增长 AI 公司，看起来收入非常漂亮，利润质量却并不理想。据Bessemer 研究显示，一批高速爆发的 AI 公司第一年平均 ARR 可以达到约 4000 万美元、第二年达到约 1.25 亿美元，但平均毛利率只有约 25%，部分公司的毛利率甚至为负。相比之下，另一类更加接近传统 SaaS 发展路径的 AI 公司，平均毛利率可以达到约 60%。这说明，AI 可以帮助公司更快获得收入，却不一定帮助公司更快获得利润。真正决定能不能赚钱的仍然是收入质量、毛利、客户留存以及获客成本。

如果一个产品收入增长 50%，但模型和获客成本增长 80%，那么这样的增长越快，反而可能意味着公司烧钱越快。

用户很多，为什么还是赚不到钱？

真正的问题首先来自用户付费意愿与实际服务成本之间的不匹配。

事实上，跨境卖家对于 AI 的接受速度其实并不慢，也愿意为能够带来真实效果的 AI 工具付费，但“愿意尝试”和“愿意长期付费”，又是两回事。

很多 AI 工具都经历过类似的增长曲线：上线之后迅速获得大量注册用户；用户疯狂试用；社交媒体传播；MAU 快速上涨。可当产品进入商业化阶段，公司可能会发现一个尴尬的问题：用户很多，但真正愿意持续付费的人并没有想象中那么多。

对于传统互联网产品来说，大量免费用户有时候并不是坏事。但对于 AI 工具来说，每一个免费用户都可能产生真实的模型调用和服务器成本。于是就会出现一个情况：用户越多，公司可能烧钱越快。

如果免费额度给得太少，用户还没有真正体验到价值就离开；如果给得太多，又容易出现长期薅免费额度的用户。正式收费以后同样存在矛盾：月费过低，重度用户的模型成本可能直接吃掉利润；按次数或者积分收费，又会让用户每使用一次功能都产生“这次又扣多少积分”的心理负担。更重要的是，如果客户随时可以切换到其他产品，而且迁移成本很低，那么产品的收入稳定性也会受到影响。

所以 AI 工具真正困难的地方，并不是把模型接进来就完事了，而是要找到一个能够同时满足：用户愿意付费、产品能够留存、模型成本可控、公司还能赚钱的商业模型。

ZMO.AI 就是一个典型的案例。公司最初利用 AI 虚拟模特和商品图帮助商家降低内容制作成本，并在 2022 年获得 800 万美元 A 轮融资；随着生成式 AI 热潮兴起，ZMO.AI 的用户规模快速增长，MAU 一度达到 700 万。然而，创始人后来复盘时发现，用户增长并没有同步转化为商业价值。2024 年 4 月，团队推出 AI 视频创作平台 Creati.ai，并将目标用户聚焦于视频创作者和中小商家。相比 ZMO.AI 主要解决图片生成和电商视觉内容问题，Creati.ai 进一步切入视频创作等更高频、价值感更强的内容生产场景，据报道，Creati.ai 目前已积累超过 2500 万用户并实现了千万美元级 ARR，这也为其公司近期完成超 2000 万美元 B 轮融资提供了有力支撑。

来源：Creati.ai

也就是说，AI 工具最重要的指标从来不是有多少人在用，而是有多少人在一个足够重要、足够高频的问题上产生持续需求，并愿意为解决这个问题持续付费。

但用户付费只是其中一关，真正难的是在用户增长之后，能不能让收入增长快过成本增长。

毕竟，在实际运营中，算力只是整个成本结构的一部分，而且对不同产品的影响差异很大。

Listing、翻译和文本分析类工具，随着大模型调用价格不断下降，单次调用成本会越来越可控；但 AI 视频、大规模生图、复杂 Agent 等场景仍然属于重算力业务，用户使用越频繁，产生的推理成本也会越高。除此之外，Amazon、TikTok Shop、Shopify 等平台规则不断变化，产品需要持续优化适配规则；商品、关键词、广告等数据需要长期采购和维护；模型升级以后，原有 Prompt、工作流和输出质量还需要重新测试……

如果客单价、留存和毛利没有同步提升，用户规模越大，反而可能意味着更高的成本和更大的现金流压力。这也是为什么一些 AI 工具能够快速上线、快速获得用户，却同样可能快速消失。

真正的对手，不止是你的同行

如果说前一阶段的跨境 AI 工具竞争是在解决“用户愿不愿意付钱”，那么现在越来越多工具开始面对另一个问题：你的功能，为什么不能直接被大模型完成？

2023 年一个能够输入关键词、一键生成 Amazon Listing 的工具，可能还具有一定竞争力。但到了 2026 年，这类产品已经越来越危险。因为它面对的竞争对手已经不只是其他跨境 AI 产品公司，还有 ChatGPT、Claude、Gemini，以及 Amazon、Shopify 等电商平台自身不断增强的 AI 能力。

AI 越来越卷，电商平台也不例外。随着竞争加剧，各大电商平台也在加速补齐 AI 能力，从商品创建、Listing 优化、客服，到营销、数据分析和经营决策，越来越多原本需要第三方工具完成的功能，正在被平台逐步整合进自己的生态。这意味着，跨境 AI 工具不仅要和同行竞争，还可能面临来自平台自身的“降维打击”。

因此，目前商业化闭环最难跑通的，主要是那些通用大模型本身就能完成的轻量工具，比如基础文案生成、Listing 优化、普通翻译、简单客服问答等。因为底层模型越强，这些单点场景产品的差异化反而越小，甚至可能被通用模型直接“吃掉”，最终导致获客难度增加、付费意愿下降，利润空间也越来越薄。

试问，如果 GPT、Claude 和 Gemini 明天全部免费，并且能力提升一倍，客户还为什么需要你的产品？

可见，AI 产品的技术可行性，并不等于商业可行性。有时候 AI 产品面对的风险并不是技术不够成熟，也不是用户需求消失，而是平台规则改变了允许使用这项技术的边界。

因此，未来真正健康的跨境 AI 产品，还需要建立自己的“平台合规层”。尤其是高度依赖 Amazon、TikTok Shop、Shopify 等平台数据和接口的产品，更需要持续监控平台规则变化。否则一个产品辛苦做了一两年，可能只需要一次平台政策调整就会功亏一篑。

从单点工具走向Agent

过去的 AI 产品，大多停留在“人提出问题、AI 给出答案”的阶段，本质上还是一个辅助工具。但现在，越来越多 AI 产品开始从“提供答案”走向“直接完成任务”，不仅能够理解需求、调用数据和制定方案，还可以进一步执行任务，并根据实际结果持续调整和优化。这意味着 AI 正在从一个辅助工具，逐渐变成能够真正参与业务执行的 Agent，这也是当前跨境 AI 最值得关注的变化之一。

Yuma 这家公司最初主要解决电商客服自动化问题，而如今进一步发展为面向客服、销售、社交媒体等多个场景的 AI Agent 平台，并推出了  Yuma Sales AI，主要针对 Shopify 独立站卖家解决售前决策与销售场景的问题，如实时识别高意向访客、推荐商品、加购挽回、生成个性化优惠等。

新加坡 AI 公司 Graas 早期主要围绕电商数据整合、预测和经营分析展开，2025 年进一步推出 Agent Foundry，将 AI 能力延伸到解决获客成本、定价优化、利润管理等经营环节。

这类产品的共同点都是嵌入了企业原有的经营系统。这也是为什么“AI Agent”值得关注。

达人营销领域，也正在经历同样的变化。

随着 TikTok、Facebook、Instagram、YouTube 等海外内容生态快速发展，越来越多品牌开始依靠达人内容触达海外消费者。但与此同时，达人营销本身也面临明显的效率挑战：如何从大量海外创作者中找到真正适合品牌定位的达人，如何判断达人真实影响力，如何管理合作流程，如何评估最终营销效果，如何帮助品牌降低试错成本，以及如何帮助优质达人获得更多与品牌合作的机会等等，于是，AI 开始进入这一流程。

AI 驱动网红营销工具 EasyKOL 值得关注的地方，在于将原本高度依赖纯人工的达人营销，变成一套数据化、规模化的工作流。一方面，它沉淀了 TikTok、Instagram、YouTube 等平台的达人数据，通过受众画像、互动率、内容表现、找相似达人等能力提升筛选和匹配效率；另一方面，又将达人搜索、筛选、个性化邮件触达、CRM 管理以及投后效果追踪串联起来。当品牌能够基于哪些达人更有效、什么样的受众更匹配、哪些达人值得持续合作等数据，进一步找到并复制下一批高潜达人时，EasyKOL 的价值就体现出来了。

相比单纯追求短期流量和商业化结果，负责人 Dietmar. 表示，EasyKOL 更强调长期价值建设，希望在持续服务的过程中沉淀数据、建立信任，推动平台、品牌、达人及整个行业共同正向成长。

AhaCreator 则代表了 AI-Native 平台另一种更深层次的 AI 实战方向。

据 AhaCreator CMO 蔡姝凝介绍，平台利用 AI Agent 将达人营销全链路工作串联起来，对发现、筛选、触达、沟通以及后续管理等大量重复性工作进行主动性、智能化处理，同时又在达人名单、内容审核、最终定价这类关键节点保留人工决策，让品牌团队能够将更多精力投入到营销策略和增长决策中。这类产品值得关注的地方，还在于 AI 在实际业务执行过程中能够持续沉淀数据，随着平台使用时间不断积累，进一步反哺后续的达人匹配和营销决策。这也是单纯依靠模型调用的 AI 工具难以复制的。

据了解，AhaCreator 目前平台上已有超过 500+ 家企业，海外达人入驻量达到了 14W+，全网可触达 500 万达人网络，覆盖 140 多个国家和地区。近期 AhaCreator 更是宣布成为“飞书首个海外达人营销 AI Agent 合作伙伴”并获得完成超千万美元融资，这也从侧面验证了这一细分场景的商业价值。

这种趋势在当下火热的 AI 视频生成赛道，同样正在发生。

作为一款专为TikTok 卖家打造的 AI 视频生成平台，CreatOK 已经将“爆款发现、视频拆解、AI 复刻到一键发布”等环节串联起来，形成了一套相对完整的内容生产工作流。但 CreatOK 联合创始人张锦也提到，随着通用视频生成工具越来越多，产品很难形成长期差异化，用户的选择成本也越来越高。因此，团队也正在进一步探索 Agent 能力，如果这条路径继续向前推进，产品有可能进入 TikTok 电商的内容运营全链路，最终进化成一个“AI 员工”。

来源：CreatOK

真正有机会长期赚钱的，

是“数据+工作流+执行”

前面我们提到，AI 文案、翻译、生图、视频等工具快速增长，但随着基础模型能力不断提升，这些能力会越来越标准化，单独依靠某一个功能形成长期竞争壁垒的难度会越来越高。

也就是说，越接近通用内容生成，越容易被模型替代；越接近企业核心经营，长期商业价值越高。

以 Helium 10 为例，官方目前披露其全球用户已超过 450 万，活跃 Chrome 插件用户超过86 万；Jungle Scout 则拥有超过 100 万全球客户，并追踪超过 6 亿件 Amazon 商品；SellerSprite 的全球注册用户也已达到 170 万以上。

这些工具当然也在不断强化其 AI 能力，但真正构成长期竞争壁垒的，仍然是其多年积累的商品、关键词、价格、销量、排名和竞品等结构化数据，以及围绕这些数据建立起来的分析能力。

大模型可以越来越聪明，但它并不能凭空获得一家公司多年积累的数据资产。这也是为什么，模型能力可能会越来越便宜，但高质量数据反而越来越值钱。

来源：Google

当这些数据开始参与决策，并在每一次业务执行之后继续产生新的数据，就会形成一个不断自我强化的闭环：数据越多，决策越精准；执行越多，沉淀的数据也越丰富，最终形成难以复制的壁垒。

因此，未来更具防御力的跨境 AI 产品，也会越来越倾向于把行业 Know-how、用户数据、平台数据和企业内部工作流结合起来，打造垂直领域的 AI Agent。

例如：在 TikTok Shop 平台，AI Agent 可以连接商品数据、达人数据、内容表现、广告投放和销售结果，帮助企业完成从选品、内容生产到营销优化的完整闭环。在跨境 B2B 定制行业，AI Agent 可以连接客户询盘、产品数据库、历史报价、供应链信息和业务沟通记录，实现从询盘分析、报价建议、客户跟进到订单预测的一体化。

各大电商平台当然也会不断扩展自己的 AI 能力，但 Amazon 天然最了解 Amazon，Shopify 最了解 Shopify，TikTok Shop 最了解 TikTok Shop，而跨境卖家在实际经营中大概率也不会只押注在一个平台上，数据也因此分散在不同平台和系统中。这恰恰也是第三方 AI 工具的机会，把分散在不同平台和系统中的数据连接起来，将 AI 能力嵌入到具体业务流程中。

CreatOk 联合创始人张锦表示，随着泛能力大模型持续优化，单点 AI 能力越来越难形成长期竞争优势，未来真正具备长期价值的跨境 AI 企业，不一定是能够调动最强模型能力的，而更可能是在某一个垂直细分场景建立深度能力，提供完整解决方案，并最终为客户赚钱或省钱的，再者就是拥有真实的公域&私域数据资产。模型可以采购，AI能力可以组合，但行业数据、客户使用习惯和业务流程沉淀，需要长期积累，很难被快速复制。

写在最后

回到最开始的问题：开发一款跨境电商 AI 工具能不能赚钱？答案当然是：能。但“是不是做一个 AI 工具就能赚钱？”答案其实是“不”。

未来几年，市场上仍然会不断出现新的跨境 AI 工具，但与此同时，也会有一些工具逐渐退出，尤其是那些缺乏差异化、与业务场景结合不深的工具，随着底层模型能力持续提升，原本的功能优势会越来越弱。

所以未来跨境 AI 工具最大的机会，可能并不是简单的“AI 化电商”，而是 AI 化经营。

真正决定它能走多远的，也不只是调用了哪个模型、拥有多少用户，而是需要回答三个现实的问题：客户愿意持续付多少钱？替客户节省了多少钱？如果客户离开这个产品，重新建立这套数据和工作流需要多大成本？

如果这三个问题都能得到一个好的答案，那它才真正有机会变成一门可持续的生意。

*本文仅为行业观察与分析，不构成投资、经营或商业决策建议。文中部分数据及信息源于公开资料及AI整理，具体信息请以官方最新披露为准。