跨境AI赛道喧嚣背后：工具扎堆入局，究竟谁真的赚到了钱？

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。