跨境大卖的AI三年节奏：2019信息化、2022数字化、2025 AI底座

本文经授权转载至：品牌出海BrandGlobal

AI正在重塑跨境电商的运营方式，但商户真正需要考虑的不是“要不要用AI”，而是“怎么用AI、怎么让AI进入业务、怎么把AI变成基础设施”。乐奇（SmallRig）作为一家成立于2010年、以影像相关配件为主、研产销一体、以国际业务为主的中国出海企业，近日SmallRig乐奇创新CIO方小路分享了该品牌从信息化、数字化到AI底座的演进路径。

【上了AI，不代表AI进了业务！乐奇用经验告诉我们——九成员工自建的智能体没落到生产环境，缺的是底座、数据治理和业务共创。12月30日深圳，2027ChaoBuy大会专设AI驱动精准营销与运营效率专场，不讲Demo，只讲怎么让AI从“看一看”变成“跑起来”。点此锁定席位】

【以下是分享内容精华版】

一、乐奇的数字化底盘：每三年一次质变

乐奇（SmallRig）成立于2010年，是一家基于影像相关配件的制造商，具备研发、生产、销售一体化能力，并以国际业务为主，做线上加线下的平台。产品主要围绕相机影像生态、手机影像生态，以及灯光、电源、麦克风等相对小众的赛道。

从行业阶段看，乐奇经历了从光学影像生态，到智能影像生态，再到2023—2025年所定义的“影像场景生态”阶段。

在数字化进程上，乐奇从2019年正式启动信息化建设，2022年推进数字化治理，到2025年开始构建公司级AI底座。据其介绍该公司基本上每三年就有一个质的变化，一步一个脚印夯实数字化的基础，以及AI与业务的结合。

二、AI落地三阶段：探索、共创、底座

乐奇将过去一到两年的AI落地实践，大致分为三个阶段。其核心判断是：企业AI落地不是一次性上线，而是业务和技术的共同进化。

阶段一：探索起步，完成0到1

在大模型热潮初期，乐奇对AI的全面应用相对保守。当时GPT-3.5引发行业讨论，但乐奇内部认为，它更像一个高级自动问答机器人玩具，看起来很新颖，但回答的问题只能“看一看”。

随着GPT-4/4.0以及国产大模型逐步推出，乐奇在2025年开始更加重视AI。但重视的第一步不是大赶快上，而是解决两个问题：

①对业务部门：降低使用先进大模型的门槛，让业务用得上、用得起；

②对技术部门：找到切入点，自己完成0到1搭建，建立驾驭大模型、使用大模型的能力。

这个阶段，乐奇完成了0到1的智能客服搭建。选型时也考虑过第三方智能客服解决方案，但后来发现，这更像一个练兵场景，也是跨境企业最容易切入的点。因此，0到1最大的产出不是产品，而是整个组织的经验。

阶段二：业务与技术共创，小场景MVP闭环

当业务部门对AI有一定理解力后，乐奇开始让技术与业务一起围绕场景做共创。重点聚焦高价值、可验证的小场景，做最前期的MVP闭环，让业务部门看到AI带来的好处。

这个阶段更注重“小”，而不是“大”。乐奇做大量小切面、小切口，目标至少上线20到30个小多智能体。2026年初的一个季度内，乐奇大概上线了20个能够进入生产环境的智能体应用。

因为业务部门真正与IT一起，从被动接受变成主动合作，融入项目团队，智能客服的优化也不再是单点接收业务需求，而是技术与业务坐在一起，探讨如何把客服Agent用得更好。今年年初，智能客服的转人工率出现非常明显的下降。

关键不只是AI有没有给出答案，而是答案是否真正命中知识库、是否有好的体验、是否真正解决问题。这个优化过程往往没有对技术架构做大范围改变，而是在知识库、向量化、回收数据、理解客人为什么问这些问题，以及如何更好服务客户等业务层面做了大量优化。

阶段三：建底座，让AI从Demo走向生产

到第三阶段，业务部门不仅能感知AI有帮助，还慢慢有了自我沉淀和认知。很多没有技术背景的业务人员，通过类Agent工具，也可以自主、自助地做一些事情。

但问题也随之出现。据了解，年初很多大型企业在找小切口，有的企业上了成百上千甚至上万个智能体。但经过三个月使用，大概九成员工自己搭建的智能体没有落到生产环境，或者慢慢没有人用了，原因在于底座的缺失。

底座包括：数据质量、权限控制、应用质检。缺乏底座，搭一个Demo很快，但Demo进入生产环境还有很远的路。

因此，乐奇技术部门反而选择不再主导智能体搭建或AI应用，而是沉淀下来做建底座的事。具体包括：

①AI平台控制：查看全企业Token消耗、各智能体应用质检和应用情况；

②权限统一：ERP、数据中台、Agent底座等系统工具和数据工具，权限要统一化；

③人员管理：谁用得好、谁是积极分子、谁是落后分子、哪个部门渗透率更高；

④成本平衡：Token消耗达到一定范围后，企业会考虑花费是否划算，如何找到最优平衡点；

⑤智能体管理：企业有多少Agent在每天发挥作用，运行情况如何，出错、响应延迟、日志由谁回收、优化和迭代；

⑥MCP平台：提供新的接口方案，让大模型从公域知识模型读到企业私域内部未公开数据；

⑦技能包：把优秀员工的最佳实践封装成Skill，把员工技能蒸馏出来，服务更多员工。

到智能客服3.0阶段，它已经不局限于售前、售后。它覆盖产品资料、外部声音、独立站促销信息、品牌活动、中台或ERP供应情况、客服、售后、质检，甚至研发信息。对于研产销一体的乐奇，用户共创产品设计过程中的问题，也可以通过智能客服这一对外沟通窗口，把企业内部信息与互联网信息融合起来。

而4.0仍在规划中，乐奇认为，未来独立站可能完全AI化，从纯粹货架电商变成AI自助式在线服务窗口；AI还可能跟研发、自动化生产、CNC机床连接起来，在影像场景生态或共创生态中带来新的突破。

三、系统变革：从ERP到GRP，数据从为人服务到为AI服务

AI应用来源于系统底座，而系统底座不仅是增加了一个新入口，它推动了整个信息流的重新设计，包括数据能力、系统架构都要重构。

过去很多企业建设信息系统，第一步是流程化、标准化，骨子里是管理人、管理过程。也就是说，传统系统是给人用的，最初并没有设计给AI用。数仓、BI系统也是给员工和老板做报表。但给人看报表，与给AI理解数据语义，是有区别的。

乐奇认为，最大的困扰不是把数据导入给AI，而是在导入前，能否把数据加工成让AI更理解的状态。直接导入AI很容易，甚至把Excel扔给它就可以，但它能回答问题，不代表能解决幻觉和准确性问题。

同时，乐奇提出，现在已经是一个GRP时代。传统企业系统是在组织企业内部数据、流转和资源。但跨境电商不一样，做一门生意不仅要组织内部部门和职能，还要协调平台、物流商、仓储商，甚至政府、海关、关务等企业之外的组织。只有这些组织或站点有机结合，运转效率才能更高。因此，信息系统会从ERP逐步转向GRP。

GRP讲的是全球范围内的资源协调与组织，同时要具备与AI通讯的能力。系统边界从内部扩大到外部，变成内外结合的状态。BI也慢慢变成“人不要看报表，让AI去读报表”。数据不再只为报表服务，而是为AI服务。数据的直接使用者从人变成AI，数据管理标准也随之变革。数据的入库、治理会越来越重要。

领星MCP方案大概已有300多个，分端上的14个业务板块，以及一个大的开放平台。这与乐奇从ERP走向GRP的考虑相印证：GRP不是一套系统，而是一个体系。更开放、迭代更快的平台，未来能有效成为GRP的核心一环。

四、AI时代感悟：模型不是障碍，认知与落地才是

AI出现时，很多商家会焦虑。但乐奇通过实践认为，工具变化很快，AI能力变化也很快。大模型未来能解决很多问题，不是一个疑问句，而是一个肯定句，只不过可能需要不到三年，也可能三个月。因此，模型能力不应该成为使用AI的障碍。

真正越来越重要的是：怎么使用AI、怎么理解AI，以及组织的认知能力。对组织来讲，怎么快速跟上时代，怎么判断场景，怎么组织数据，怎么快速试做，反而更关键。

乐奇的核心感悟是：AI不是一个替代者，而是一个新的技术路线。它正在急剧拉低技术门槛。过去中大型商户花五年、十年构造的复杂ERP或数据系统，随着AI到来，中小卖家可以用更低成本、更少时间快速拉平技术差距。

但技术差距被拉平后，中小卖家是否有更强竞争力，不一定。真正拉开差距的，是行为和认知。认知决定方向，行为把判断转化成业务结果。落地过程中，数据可用性，以及企业内部技术部门和业务部门的工程化落地能力，往往成为AI真正发挥价值的核心。

五、给中小卖家的“三要三不要”

基于实践，乐奇给起步中的中小商家提出“三要三不要”建议：

第一，不要上来就选又大又笨的传统系统，要选相对更开放的第三方系统。

比如那种迭代快、接口数量多、数据开放度快的系统。不要一开始就背负传统大系统的包袱。AI时代，大而重的系统差距会被急剧抹平，随着Token费用急剧下降，软件功能的价值会急剧缩小，某一个模块、功能、页面会变得越来越不值钱。

第二，要在核心数据上下笨功夫，不要试图绕开数据治理。

数据治理和数据管理是AI时代绕不开的必修课，没有取巧捷径。很多中小企业想不建系统，直接建数据中台，快速建立数字化和AI化能力。但这种捷径很可能是在走弯路。数据基础必须额外重视。

第三，要从小切口拿到结果，不要幻想AI让部门没活干、利润跳几级。

不要试图说“上了AI，某某部门以后就没活干了”，也不要试图说“用了AI，企业利润规模就能往上跳几个级”，这几乎不可能。首先要从小切口拿到AI结果，经验是在每一个小切口一步一步成功上得到的。有了经验，认知才能真正发生变化。

结语

AI时代下，跨境电商的数字变革不是单点工具的上线，而是从智能客服、业务共创、AI底座，到系统架构、数据治理和组织认知的系统工程。乐奇的实践表明，模型能力会持续进化，但企业能否把AI用进业务、沉淀为基础设施，取决于认知、数据和工程化落地能力。