蚂蚁国际推AI智能体重塑跨境支付拦截欺诈并实现秒级动态锁汇

硅谷101

AI使支付平台从被动通道转变为全流程决策中枢，通过打通前端导购代付与底层实时清结算来破解跨境履约瓶颈。

AI-assisted summary of AI重构跨境支付：效率、风控与Agent商业时代 — original source. Check the original for full context.

Source published: 2026-10-25

Key ideas

蚂蚁国际旗下跨境支付平台 Antom 发布全流程智能体应用 Antom Autopilot，将出海新市场调研方案生成压缩至5分钟，并通过全真生产环境仿真直接预测线上交易结果后一键部署。 (5:26)
针对黑产撞库与批量盗刷，Antom 依托 3-in-1 Transformer 模型实现毫秒级拦截，将某典型客户欺诈拒付率从 1.18% 降至 0.02%，全网欺诈平均下降约 55%，SmartDispute 争议申诉胜诉率提升至 41.8%。 (8:10)
在航旅复杂跨境场景中，Antom 通过 Falcon TST 动态锁汇模型将比价、扣款与退款汇率锁定长达365天，同时利用智能分层验证将机票交易成功率提升 3.8 个百分点。 (22:41)
跨境支付平台正从单一收单通道演进为全链路数字金融中枢，万里汇支持 25 种主要结算货币即时到账，航旅多币种企业账户覆盖 100 多个国家，推动资金随订单实时流动并解放巨额保证金。 (18:42)

Detailed notes

## Background 本内容由科技财经频道《硅谷101》于2026年10月25日发布在YouTube平台。视频以蚂蚁国际在上海举办的VOYAGE年度大会为契机，结合对Antom风控负责人Leo Li与航旅解决方案负责人Apple Gao的采访，拆解AI如何深度重塑跨境支付的底层网络、风控逻辑以及Agent商业时代下的行业变革。

## TL;DR 节目从一次普通的跨国买机票交易切入，系统梳理了前端授权与后端清结算的完整链路，指出了通道成本、汇率波动与黑产欺诈等现实博弈。围绕蚂蚁国际旗下商户跨境支付品牌Antom的实践，视频重点解析了Antom Autopilot智能体在全流程运营中的提效、专为风控研发的3-in-1 Transformer安全大模型，以及应对Agent代付场景的AgentSafePay机制。随后，节目进一步剖析了航旅跨境支付这一极端复杂场景，展现了Falcon TST动态锁汇、智能分层验证与多币种企业账户体系如何破局交易瓶颈，论述了支付平台从被动收单工具向智能交易决策中枢的范式转变。

## Atmosphere & style 全片呈现出理性严谨、深度工业级的硬核科技纪实基调。叙事由浅入深，从日常感知的“扫码付款”迅速下潜至纵深庞大的全球金融基础设施与多模态模型算法，兼具学术研讨与商业调研的质感。两位嘉宾的访谈条理清晰、紧扣一线业务痛点，配合严密的逻辑推演与图表拆解，让观众在沉浸式感知底层技术精妙的同时，真切体会到AI重构全球商业链路时那份冷峻而强大的技术张力。

## Bulletin - [05:26](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=326s) 蚂蚁国际旗下跨境支付平台 Antom 发布全流程智能体应用 Antom Autopilot，将出海新市场调研方案生成压缩至5分钟，并通过全真生产环境仿真直接预测线上交易结果后一键部署。 - [08:10](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=490s) 针对黑产撞库与批量盗刷，Antom 依托 3-in-1 Transformer 模型实现毫秒级拦截，将某典型客户欺诈拒付率从 1.18% 降至 0.02%，全网欺诈平均下降约 55%，SmartDispute 争议申诉胜诉率提升至 41.8%。 - [22:41](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1361s) 在航旅复杂跨境场景中，Antom 通过 Falcon TST 动态锁汇模型将比价、扣款与退款汇率锁定长达365天，同时利用智能分层验证将机票交易成功率提升 3.8 个百分点。 - [18:42](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1122s) 跨境支付平台正从单一收单通道演进为全链路数字金融中枢，万里汇支持 25 种主要结算货币即时到账，航旅多币种企业账户覆盖 100 多个国家，推动资金随订单实时流动并解放巨额保证金。

## Key takeaways - [01:22](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=82s) 一笔看似秒级完成的跨境支付被拆解为前端秒级“交易授权”信息流与后端 T+1 至 T+3 天的跨币种“清算与结算”资金流两个截然不同的阶段。 - [03:28](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=208s) 跨境收单机构长期面临通道成功率与成本冲突、风控严苛度与用户转化率平衡的多目标实时博弈，传统人工规则已达维护极限。 - [05:26](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=326s) Antom Autopilot 智能体贯穿入驻、风控、对账与拓市全流程，使商户探索新市场的决策成本断崖式下跌，让企业转向“立刻进入哪些新市场”的主动布局。 - [08:10](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=490s) 面对 Visa 调紧收单行监控计划及新型 AI 免费试用场景下的恶意薅羊毛，AI 驱动的反欺诈闭环让策略秒级生效，大幅压降拒付率并提升争议申诉胜诉率。 - [10:36](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=636s) 智能对账不仅实现自动化核算，更赋予系统对汇率波动、批次错位等差错账目的“自主归因解释”能力，排查周期从数天降至 5 分钟以内。 - [11:33](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=693s) AI 7×24 小时全天候智能运维通过毫秒级监听底层网关健康度，在系统抖动时秒级自动执行重路由与流量旁路，避免以往数小时人工排查造成的商户掉单损失。 - [12:36](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=756s) 智能体商务（Agentic Commerce）颠覆了传统“人找货”的电商转化漏斗，Antom Shopping Agent 帮助中小商户免除高额大模型工程与算力成本，一键嵌接入驻智能导购与代付能力。 - [14:41](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=881s) A+ Rewards 打破传统耗时 48 小时且核销率不足 2% 的被动发券模式，基于消费者即时对话意图实时调配权益，实现瞬时匹配与自动核销。 - [15:58](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=958s) Antom 3-in-1 Transformer 安全模型整合序列行为数据、图网络关联数据及高维表格特征，从根本上克服单一模态传统模型的识别盲区。 - [17:47](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1067s) Antom Shield 构筑支付、反滥用与智能体防护三层防线，配合 AgentSafePay 的“100%敢付敢赔”保障机制，打消商户向 AI Agent 授权交易的安全顾虑。 - [18:42](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1122s) 现代出海商户的核心痛点已延伸至资金调拨与流动性管理，蚂蚁国际通过 Alipay+、Antom、万里汇和 Bettr 协同构建覆盖收单、账户、信贷与外汇的金融底座。 - [20:51](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1251s) 嵌入式金融将 BNPL 分期与商户供应链资金贷款无缝融入商业操作链路，消除传统外部金融审批的割裂感与高门槛。 - [21:46](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1306s) 航旅场景中 AI 比价使前端决策秒级完成，但若底层机票分销与履约结算结构未变，系统在时效与库存上的瓶颈痛点反而会被成倍放大。 - [22:41](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1361s) Falcon TST 预测模型提供最长 365 天动态锁汇，彻底化解比价、扣款与退款汇率互不一致的“三个价格”难题，保障前置比价结果可真实兑现。 - [23:51](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1431s) 智能分层验证对信用良好的低风险旅客实行无感静默通行，并配备超时智能挽救重试机制，防止瞬间丢包导致航司释放抢手库存，使交易成功率提升 3.8%。 - [24:48](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1488s) 针对跨国购票与代付中“乘机人与持卡人不一致”的高频正常需求，3-in-1 Transformer 结合设备、位置与社交关系图谱进行综合研判，助力香港航空覆盖 99.99% 风险并挽回逾百万美元损失。 - [25:51](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1551s) 多币种企业账户体系打破航旅 B2B 供应链中固化授信账期与巨额保证金沉淀，推动资金结算向“随订单即时流转”的新范式跃迁。 - [27:14](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1634s) 跨境支付正从单纯处理交易末梢的工具，演化为串联前置营销导购、动态风控定价以及后置全球资金调拨的全生命周期智能决策中枢。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=0s) AI时代，一次付款背后的全球网络

在消费者的日常感知中，支付已经变成了一件再简单不过的事：在网上购物或点外卖时只需“点一下”，线下消费只需“扫一下”或者“碰一下”，交易便瞬间完成。然而在这短短几秒钟内，资金与信息其实穿过了一套极其庞大且复杂的全球底层基础设施。在全球范围内，这类交易以每分钟数百万次的频率高速运转，其中大量属于跨越国界的流动，将不同地区的消费者、商户、本地化支付方式以及金融机构紧密交织在一起，并须在毫秒级时间内完成身份识别、授权与风险判断。

如今，人工智能（AI）正深度介入这条运转多年的链路之中。它不仅能帮助支付平台实时计算交易路由——判断资金该走哪条通道更划算、更稳定、是否应该拦截放行，甚至在 Agent（智能体）技术的驱动下，开始尝试替用户做出决策并直接完成交易。支付正在从一个孤立、机械的“交易动作”，进化为一个全链路的“智能决策系统”。本期节目结合蚂蚁国际在上海举办的 VOYAGE 年度大会，深入拆解跨境支付面临的痛点，以及行业巨头如何利用 AI 为新的商业时代构筑底座。

[01:22](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=82s) 跨境支付的“接力”：授权、清算与结算

以一次普通的跨国买机票为例：消费者打开航空公司官方网站，选定航班与支付方式后点击“付款”，一笔跨境交易便正式触发。这一过程通常包含两个截然不同的阶段：前端的“交易授权”与后端的“清算与结算”。

```mermaid flowchart LR accTitle: 跨境支付信息与资金流向 accDescr: 展示从消费者发起付款，经商户、收单机构、卡组织到发卡机构的授权流，以及后续清结算资金流的流转全过程。

subgraph 前端授权 ["前端交易授权 (几秒内完成信息流)"] Consumer["消费者 (点击付款)"] --> Merchant["商户 (发起请求)"] Merchant --> Acquirer["收单机构 (Antom/Stripe/PayPal)"] Acquirer --> CardScheme["卡组织网络 (Visa/Mastercard/银联)"] CardScheme --> Issuer["发卡机构 (银行验证并授权)"] Issuer -.->|"原路返回授权结果"| Merchant end

subgraph 后端清结算 ["后端清算与结算 (T+1 至 T+3 天资金流)"] IssuerFund["发卡行扣款"] --> SettlementNet["支付网络 & 收单机构"] SettlementNet --> FX["货币兑换 & 跨境调拨"] FX --> MerchantAccount["商户账户最终入账"] end ```

在前端授权阶段，商户首先把交易信息发送给收单机构（如 Antom、Stripe、PayPal 等）。收单机构相当于商户进入全球支付网络的“总入口”，核心职责是为交易“找路”——对接不同支付方式、挑选最优通道并完成首轮风控。紧接着，交易信息被推送到 Visa、Mastercard、银联等卡组织网络。卡组织扮演着全球“中转中心”的角色，负责把商户侧的信息合规分发给消费者卡片所属的发卡机构（即发卡银行）。发卡行在校验账户状态、余额或信用额度、评估欺诈风险后，决定批准交易并将授权结果原路返回。整个信息往返虽然只需短短几秒，但此时流动的仅仅是“数据信息”，商户账上其实还没收到真金白银。

真正的资金划转发生在随后的“清算与结算”流程中。发卡行扣除的款项，需要经过清算网络与收单机构的层层处理，最终结算至商户账户。由于涉及跨币种汇兑和跨国金融体系清算，整个结算流程通常需要 T+1 到 T+3 天，甚至在某些特殊市场耗时更久。

[03:28](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=208s) 成功率、成本与风险，跨境支付的复杂性

收单机构要让跨国交易既快又稳地跑通，面临着极其复杂的现实权衡。首先，全球从来不是一个统一的市场：北美地区习惯使用信用卡，亚洲多地高度依赖各类电子钱包，还有不少国家依赖本地银行转账或本土专属支付网络。这些底层基础设施互不兼容，收单机构必须在全球逐一攻克本地化对接工程。其次，跨币种结算带来了汇率波动与货币兑换的高昂成本；更关键的是，收单机构时刻处于一个复杂的“多目标实时博弈”中： - **通道成功率与成本的冲突**：成功率高的支付通道往往手续费昂贵，而费率便宜的通道网络极不稳定、极易中断。 - **风控严苛度与用户体验的平衡**：风控规则拦得太松，商户会被黑产刷爆并承担巨额欺诈损失；拦得太死，又会导致正常消费者付款遭误伤，直接造成商户掉单。

过去，这类错综复杂的路由决策完全依赖死板的人工规则与专家经验维护。而随着交易扩展到全球上百个国家，其复杂度呈指数级爆发，AI 由此成为了底层破局的核心动力。

[05:26](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=326s) AI接入支付运营，新市场调研压缩至五分钟

以往维系全球支付网络的代价是沉重的人力包袱：开拓新国家需要派团队进行漫长的合规与习惯调研；交易异常需要人工查日志；账目不平依赖财务反复核对；渠道故障更要等人工发现后再手动切换。随着跨境贸易激增，这种传统运营模式已逼近效率极限。在蚂蚁国际举办的 VOYAGE 年度大会上，旗下主打商户跨境支付业务的平台 Antom（自 2023 年起全面服务全球商户）展示了一套全流程智能体应用——**Antom Autopilot**，将 AI 贯穿于商户入驻、系统对接、交易风控、拒付处理、财务对账与海外拓市的每一个节点。

以开拓海外全新市场为例，企业必须弄清当地消费者偏好（信用卡还是电子钱包）以及当地金融监管条例。过去企业若自行摸索往往需要耗时 6 个月，即使由专业收单机构出具咨询方案也至少耗费 2 至 4 周。而在 Antom Autopilot 的辅助下： - **市场方案生成压缩至 5 分钟**：以进军印尼市场为例，AI 会综合当地宏观支付格局、用户支付偏好与商户具体业务模式，几分钟内自动生成个性化的支付渠道组合推荐。 - **关键突破在“全真生产环境仿真”**：传统工具往往止步于方案生成，而 Antom Autopilot 能把推荐配置直接导入真实的结账页与生产底层跑一遍压力与链路测试，精准预测线上真实交易结果，无误后直接一键部署上线。 - 正如大会分享中所总结的那样：“当研究变得如此便宜时，我们所提出的问题就会改变。我们不再问团队，我们什么时候才负担得起对某些特定市场进行研究，而是仍然回到这个问题：我们现在需要立刻进入哪些市场？”

[08:10](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=490s) 支付欺诈与拒付：AI如何提前识别风险？

对于以信用卡为主的海外市场，欺诈和拒付（Chargeback）是跨境商户最致命的痛点。此前 Visa 进一步调紧了“收单行监控计划（VAMP）”，欺诈与争议交易的警戒红线从过去的每 1000 笔 22 笔大幅缩减至 15 笔。一旦商户超标，不仅会面临巨额罚金，甚至可能直接被吊销支付通道。与此相对，黑产的作案手法也在全面智能化升级：利用自动化机器人脚本批量导入成千上万张被窃卡密进行“撞库测卡”，瞬间发起上万次扣款测试，导致受害者投诉激增、店铺拒付率瞬间飙升 50%。

Antom 风控负责人 Leo Li 指出，除了传统盗刷外，黑客与攻击者正迅速转向新型 AI 商业模式找漏洞：“随着更多的 AI 商户他去推出例如说像后付费、免费试用期这样的一些服务用来去吸引新的用户，那有不少的风险的攻击，特别是类似于（恶意）薅羊毛这样的一个行为出现在这样的业务过程中。”

[10:36](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=636s) 智能对账，也要解释异常

支付完成并不意味着链路的终结，多国业务随之而来的财务对账往往是跨境商家的噩梦。例如在横跨东南亚和欧洲运营时，一次对账往往同时涉及 6 种以上的货币，不同渠道的结算周期从 T+2 到 T+7 各不相同；更由于批次归集规则不一，同一笔订单很可能被拆解分散在不同周期的对账文件中。

过去财务团队必须耗费 48 到 72 小时逐行勾稽对碰。Antom 引入 AI 之后，不仅将对账匹配彻底自动化，更关键的是让 AI 学会了“归因解释”——发现差错账目时，AI 能自主下钻分析背后的汇率波动、渠道扣费延迟或结算批次错位等深层诱因，并直接输出诊断报告，将整个长达数天的财务排查周期骤降至 5 分钟以内。

[11:33](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=693s) AI运维：让支付网络全天候稳定运行

作为一刻也不能停摆的底层金融设施，任何一条通道的闪断都会演变为直接的资金流失。在网络基础设施尚不完善的东南亚等新兴市场，部分本地支付渠道每月甚至会遭遇 1 到 3 次系统级宕机。过去依靠工程师倒班值守与人工打日志排查，等人工定位到根因并手动切换路由时，商户往往已经白白蒙受超过 5% 的交易额损失。

通过 7×24 小时的 AI 智能运维架构，AI 能够全局毫秒级监听全球支付管道的运行健康度。一旦监控到某个本地网关成功率出现异常抖动，系统能全自动剖析其影响范围，秒级制定出限流关停、流量平滑旁路、备用通道智能路由重定向等应对方案，把原本需要数小时乃至数天的故障感知与修复动作压缩至分钟级。

[12:36](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=756s) Agent改变“购物入口”，连接推荐、下单与支付

伴随 Agentic Commerce（智能体商务）概念的兴起，消费流程正经历根本性解构。以往典型的电商路径是极其耗费精力的“人找货”模式：用户需要主动打开搜索框、对比各家价格、领券凑单最后手动核销结算。而在智能体时代，消费者只需对 AI 输入一句话：“帮我找一条适合主持我们年度科技峰会的白色裙子吧”，Agent 就能独立理解复杂语境并揽下后续所有链路。

这种范式颠覆了传统独立站的转化逻辑。过去流量能否变现高度受制于消费者的检索耐心与商户的人工客服水平；而在智能体接管后，Agent 在用户进站时即可精准承接个性化导购、辅助生成订单并在获取授权后直接调用 API 完成代付与售后。然而，中小型商家普遍无力独立负担搭建 Agent 带来的高额工程壁垒： - 模型底座调优、工具链调用（Tool-use）与多轮对话系统的高昂研发成本。 - 云端 GPU 算力成本，以及每一次推理、搜索与对话产生的实时 Token 账单。

为此，支付巨头开始将底层技术封装为产品化组件。Antom 推出的 **Antom Shopping Agent** 便是将到访接待、商品推荐、订单创建、风控支付以及售后客服全套串联，以低门槛插件的形式让商户一键嵌进自己的网站。

[14:41](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=881s) 优惠如何匹配需求？AI营销的转化逻辑

传统电商营销高度依赖“广撒网”式的买量投放和批量派券，但随着数字流量见顶，行业数据显示平台获客成本整体攀升了 15%，而流量转化率反而滑落了 20%；传统优惠券从下发到用户感知使用，商户需要维系长达 48 小时以上的运营触达链条，最终平均核销率仅有惨淡的 1.87%。

Antom 探索的 **A+ Rewards** 改变了营销逻辑，将模式从被动的“发券等客”转变为基于实时意图的“瞬时匹配”： - 覆盖了亚太十大核心市场及超过 21 个主流数字钱包与支付生态。 - 当消费者向 Agent 表达“我今天想喝杯咖啡”等即时意图时，AI 能直接在对话上下文中检索 A+ Rewards 资源库，调出周边最匹配的优惠返现政策并在结账时自动核销，彻底省略掉以往“看广告-领券-存券-唤醒复购”的超长流失漏斗，极大提升了对潜在新客的转化概率。

[15:58](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=958s) 三合一Transformer：支付风控的模型底座

当交易与履约决策被大量交由 AI 代理时，底层风控系统需要更强的特征洞察力。Antom 推出了专为支付构建的 **3-in-1 Transformer 安全模型**。传统风控模型往往陷入“单兵作战”的局限，要么只看单笔交易的即时参数，要么仅分析用户历史行为，极易在复杂的跨国新型诈骗中产生盲区。

Antom 风控负责人 Leo Li 强调：“我们的 3-in-1 Transformer 由于我们将多模态的一个数据更好地结合起来，从而能够帮助我们能够从细微之处更深入地去理解风险和支付之间的一个关系，帮助我们从而更精准地去识别出这里面支付中存在的这个风险。”该架构在一个统一的深度模型中融合了三组完全不同模态的数据源：

```mermaid flowchart TD accTitle: 3-in-1 Transformer 安全模型架构 accDescr: 展示序列数据、图数据和表格数据三类多模态输入，如何汇入统合的 Transformer 从而全景识破交易风险。

subgraph Inputs ["多模态风险特征输入"] Seq["序列数据 (Sequence Data) • 追踪用户历史行为轨迹 • 鉴别突变式操作与异常行为"] Graph["图数据 (Graph Data) • 挖掘设备、账户与资金关联网络 • 识破隐蔽的跨账户团伙黑产"] Tabular["表格数据 (Tabular Data) • 包含上万个高维专业风控特征 • 判定交易要素是否符合正常支付规范"] end

Model["3-in-1 Transformer 统合模型底座 (跨模态注意力机制联合计算)"] Decision["精准风险识别与放行/拦截决策"]

Seq --> Model Graph --> Model Tabular --> Model Model --> Decision ```

[17:47](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1067s) AI支付的三层安全防护

在 3-in-1 Transformer 模型看透风险之后，需要具体的防护盾牌在交易链路上完成拦截阻断。为此，Antom 构建了 **Antom Shield** 三重递进防护机制： 1. **第一层：支付防护**——重点针对传统的跨国伪卡盗刷、恶意拒付和高危通道漏洞实施防御。 2. **第二层：反滥用防护**——遏制针对新商业模式的非交易欺诈，包括批量云手机养号、自动化刷取免费体验额度以及薅取促销补贴的行为。 3. **第三层：智能体防护**——专门应对 Agent 介入支付场景衍生出的新型风险，防范恶意提示词攻击或非授权代理意图偏移。

同时，针对商户对 Agent 交易自主性的安全顾虑，Antom 配套推出了 **AgentSafePay 风险保障机制**。官方承诺，只要商户部署 Antom Shopping Agent 及官方收单服务，在核准范围内的智能体自动化交易如果因模型误判引发欺诈风险损失，Antom 全额支持“100%敢付敢赔”，以此彻底打消商户向 AI 智能体放权的技术戒心。

[18:42](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1122s) 支付平台为何布局企业账户与金融服务？

现代跨国商户的诉求早已超越了单纯的“在前端把钱收进来”。一家业务遍及美国、欧洲及东南亚的企业，每天在不同战区吸纳各类币种资金，面临着供应商付款、异地研发员工工资结算、换汇避险以及跨国财资归集等复杂挑战。资金如果无法在不同子账户和全球分行间灵活调拨，商户的资金利用效率与供应链抗风险能力就会被大幅稀释。

这驱动着主流支付巨头纷纷从单点收单机构演变为一体化的跨国数字金融中枢。目前蚂蚁国际的全球商业布局已延展为相互咬合的四大核心板块： - **Alipay+**：扎根消费者侧，互联全球数十个本土主流电子钱包与移动银行 App，实现“一个扫码规范游遍全球”。 - **Antom**：立足商户收单端，提供覆盖 200 多个国家地区、支持 300 多种支付方式及 140 多种货币的聚合收单能力。 - **WorldFirst（万里汇）**：聚焦账户、资金与外汇管理，为出海企业配备高弹性的全球多币种账户。 - **Bettr**：深植企业真实业务场景，依托全链路数据流提供信贷、流动性管理等深度嵌入式金融服务。

在万里汇的资金网络赋能下，商户的跨国调拨能力迎来了质的飞跃：其服务网络不仅打通了全球 200 多个国家，针对其中 25 种主要结算货币实现了“即时到账”，多达 85 种货币能够保证稳定“T+0”清算，并且深度接入了全球 60 多种数字钱包体系。当款项调配给雇员私人账户、跨国钱包端或者采用这 25 种特定货币支付时，全部支持资金秒级到账，为全球化运营的企业消除了传统跨境电汇迟滞带来的资金流动性风险。

[20:51](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1251s) 嵌入式金融：将融资、分期与外汇无缝融入商业链路

金融服务正在彻底摆脱“独立孤岛”的形态，转而以基础设施的形式深入嵌进企业日常运营与消费者的交易链条之中。以往企业如果遇到资金瓶颈，往往需要脱离交易场景单独寻找外部金融机构；而如今在像 AliExpress 这样的跨境电商平台上，中小商户一旦面临补货压力或短期的现金流周转需求，直接在后台系统就能一键申请运营资金贷款，不必再另寻融资渠道。与此相对应，消费者端也能够直接使用“先买后付”（BNPL）功能来完成弹性分期。

从前端消费者的扫码付款、商户的全球收单，到企业内部资金的灵活流转，再进一步延伸到下游的信贷融资与跨币种外汇兑换，这些以往被割裂在银行、第三方清算机构和 ERP 系统中的环节，现在正被一个有机、协同的支付生态整体包裹起来。支付不再仅仅是交易链条末端的一个收银工具，而是进化为串联消费者、商户、资金池和综合金融服务的基础设施底座。当这样一套集成了风控、流动性支持与账户管理的综合能力落地到对时效要求极高的垂直行业时，其带来的重构效应尤为显著。

- 商户端支持在卖家中心无缝接入流动资金借贷，免除外部复杂资质审批流程。 - 消费者端原生支持分期付款与 BNPL，降低结算门槛以促进高客单价商品的转化。 - 支付基础设施打破了原有分散割裂的金融服务模式，打通了“收单-结算-流动性管理-融资”的闭环。

---

[21:46](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1306s) 航旅业的结构性重构：AI 颠覆分销链路与痛点放大

跨境航旅行业堪称全球支付体系中最复杂的考验场之一。一张普通的国际机票，背后牵扯着横跨多国的发卡行、收单行、外汇结算机构，以及航空公司、全球分销系统（GDS）、在线旅行平台（OTA）与各级票务代理商等极其繁复的参与方。更为关键的是，航旅交易对时效性有着近乎苛刻的要求：航司的座位库存与动态舱位价格分秒变动，消费者的出行决策和比价路径也高度动态化。当 AI 全面介入旅行的搜索、比价和自动化预订时，后端支付与履约的效率瓶颈不仅没有消失，反而被呈倍数放大。

航旅解决方案负责人 Apple Gao 对此进行了深刻的剖析，指出行业当前正经历两层深度的结构性变化：其一是机票分销与销售体系本身的格局变迁；其二则是底层 AI 技术给销售全链路带来的颠覆式重整。AI 固然极大地简化了用户的交互界面，让比价和决策能够在几秒钟内由智能体完成，但如果底层的 B2B 供应链履约以及支付流转依然停留在原有旧结构中，系统就会遭遇严重承压。

Apple Gao 尖锐地指出了这一矛盾背后的核心痛点：“AI的工具其实给了整个用户带来了很大的一个便捷性，但是你的整个销售，就是分销的这个结构没有变的话，原先的服务的履约是整个B to B的销售里面最关键的那个bottleneck（瓶颈），AI它也会把一些痛点去放大。”

```mermaid flowchart TD accTitle: 航旅跨境支付交易与履约链路 accDescr: 展示从AI用户端发起到航司结算的全套业务与数据交互流向。

subgraph User["用户交互层"] A["用户 / AI Agent 比价下单"] end

subgraph Payment["Antom 支付与风控引擎"] B["Falcon TST 动态锁汇"] C["智能分层验证 / 极速重试"] D["3-in-1 Transformer 关联风控"] end

subgraph Core["全球资金网络与航旅结算"] E["企业账户网络 (100+国家 / 40+本地币种)"] F["航司 / OTA / 代理商实时结算"] end

A -->|"实时锁定价格与汇率"| B B -->|"保障低时延交易"| C C -->|"识别跨国代付/排查欺诈"| D D -->|"资金随订单即时流转"| E E -->|"自动化授信与清分"| F ```

---

[22:41](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1361s) 破解“三个价格”难题：AI 比价与 Falcon TST 动态锁汇

随着生成式 AI 与比价插件的普及，购买国际机票的操作被简化到了“只需说一句话”的程度。用户只要把出发地、目的地和偏好输入给 AI Agent，算法便能在秒级时间内横扫全网航班并输出最优购买建议。然而，AI 在屏幕上抓取并呈现给用户的报价，在真实的金融交易链路中却往往难以直接兑现。

其症结在于机票票面价格变动与外汇波动的双重叠加。用户通过 AI 检索比价时看到的是一个基准价，真正跳转扣款时因汇率瞬时跳动可能变成另一个更高的扣款价，如果后续行程变动发生退票，退款时的清算汇率又会产生第三个数字。这种“比价价、扣款价、退款价”三价不一的混乱体验，极大地破坏了自动化交易的信任基础。一旦购买决策全权交由 AI 接管，若支付侧无法保证价格的一致性与所见即所得，前置的智能比价就会失去意义。

为了彻底消除这一摩擦，Antom 引入了基于 Falcon TST 预测模型的动态锁汇机制。该系统在 AI 刚报出价格的瞬间就利用算法锁定当前汇率，并将该确定汇率平移贯穿至后续的正式扣款、清算乃至退票退款环节，锁定周期最长可达整整一年。通过将动态波动的“三个价格”锚定收敛为单一价格，用户获得了确定、透明的结算预期，航司商户有效隔绝了外汇敞口带来的利润侵蚀风险，而 AI 生成的采购决策也终于获得了在物理世界金融网络中百分之百兑现的底气。

- 传统跨国购票往往存在比价汇率、扣款汇率、退款汇率互不一致的“三个价格”现象。 - Falcon TST 模型提供前置汇率预测与锁定能力，实现全流程单一定价。 - 汇率锁定期最长支持 365 天，全面覆盖旅客远期预订与后期退改签场景。

---

[23:51](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1431s) 毫秒级护航航旅交易：智能分层验证与 3.8% 成功率跃升

在航旅预订场景中，时间就是库存，时间也是利润。AI 能够以极快的速度完成航线决策，但如果关键交易卡顿在收银台或身份核验环节，前置的一切算法提速都会付诸东流。航司的机位库存是全局动态分配的，只要用户支付发生超时或短暂报错，系统为了避免超售就会迅速把锁定的座位释放给其他渠道。当旅客反应过来重新输入支付信息时，往往原先低折扣的特惠机票和抢手舱位早已被抢购一空。

为了避免“AI 决策仅需几秒钟，而支付断崖导致订单流失”的窘境，支付风控系统必须在绝对安全和无感极速之间找到精密平衡。Antom 研发了“智能分层验证”方案，颠覆了全量无差别要求用户输验证码、做二次认证的陈旧风控模式。系统会基于实时信用模型，对长期表现良好的可信白名单用户实行静默式通行，大幅免除冗余繁琐的交互；只有在捕捉到异常特征的高风险交易时，才会弹出更具针对性的强化验证。此外，一旦交易在银行端遭遇短时网络波动或超时，系统将启动底层智能重试机制，抢在航司库存被强制回滚之前把款项冲正并敲定出票。

- 针对信用良好的低风险旅客实行无感通行，最大限度剔除支付拦截门槛。 - 系统配备超时智能挽救重试功能，严防因瞬间网络丢包引发的库存释放。 - 数据显示，这套智能分层验证体系使机票预订的整体支付成功率提升了 3.8 个百分点。

---

[24:48](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1488s) 跨国代购风控困境：3-in-1 Transformer 织就立体防御网

AI 全面接管风控之后，经常面临由于“误杀”而错失生意的巨大危险，这一点在航旅行业表现得尤为尖锐。在一般的普通电商交易中，如果收货人、持卡人、IP 属地三者彼此分离，往往意味着极高的盗刷欺诈风险；然而航旅出行却有着独特的业务常态，许多表面上极度“反常”的数据组合，在现实生活中却合情合理。

例如，一位常住英国的外派高管可能需要从东京起飞前往曼谷，手头使用的是中国香港发行的公司信用卡；或者父母在境内用自己的账户为异国求学的子女订购返程机票，行政秘书用自己的电脑替公司高管出差订票。在这些真实场景中，付款主体与实际乘机旅客完全不是同一个人，跨地域、跨国籍、跨币种交错共存。若风控模型依然沿用呆板的单一维度硬性规则，就会把这些高客单价的真实出行需求判定为盗刷欺诈并强行阻断。

破解这一矛盾的关键，在于将风控视角从孤立的“一笔交易”升维为“交易背后的完整复杂关系网”。这正是底层 Antom 3-in-1 Transformer 大模型大展身手的舞台。该模型将物理设备指纹、网络路由环境、定位轨迹数据，与付款人及乘机人的人际关联、过往历史信用轨迹进行多模态综合计算，实时研判“这个人、这张银行卡、当前设备与这场跨国行程”拼凑在一起是否具备逻辑合理性。在香港航空的落地应用中，这套基于关系图谱深度学习的模型实现了 99.99% 的风险覆盖率，在守住业务基本盘的同时，帮助航司规避挽回了超过 100 万美元的潜在欺诈损失。

- 航旅场景中“乘机人与持卡人不一致”属于普遍高频常态，传统硬规则拦截极易造成误杀。 - 3-in-1 Transformer 穿透单一维度，融合设备、网络、位置以及社会人际关系链条进行全局判断。 - 助力香港航空达成 99.99% 的风险识别覆盖率，直接削减逾 100 万美元的欺诈资产损失。

---

[25:51](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1551s) 告别固定授信账期：多币种企业账户激活资金实时流动

跨境航旅的供应链极度纵深复杂。一张机票成功付款之后，沉淀在资金池里的款项必须迅速、准确地向航司总部、区域分公司、全球分销系统和各级票务代理商逐级结算清分。在过去数十年里，传统的航旅 B2B 供应链极度依赖固定的静态授信额度、高昂的预缴保证金以及按周或按月进行的离线批量结算。

然而，在 AI 智能体驱动的高频交易时代，订票指令如潮水般全天候产生，如果资金依然被锁死在旧有的结算账期与抵押池中，代理商和上下游商户的资金周转将不堪重负。Antom 给出的解法是通过搭建跨地域的企业账户体系，将分布在全球各地的产业链主体深度互联，使得资金不再沉睡于固化账期中，而是“随着订单的达成实时流淌”。与此同时，该体系还通过内置授信方案，极大程度解放了此前被沉淀资金占用的巨额保证金压力。

目前，这套企业账户网络已经覆盖全球 100 多个国家，在 40 多个本地化市场开立了本币账户，彻底推动航旅支付从陈旧的“先交易、攒批次、后结算”迈向“资金随交易即时流动”的新范式。

Apple Gao 在总结围绕航旅行业的底层布局逻辑时指出，业务方案的演化必须完全基于商户面临的现实痛点来进行：

“随着整个行业的结构性的变化，航旅的客户在整个去operate（经营）他的业务的经营维度上，会遇到很多的一些挑战。所以这也是为什么我们在整个建设对应的能力的时候，会不断地把我们围绕着航旅客户的这些经营的能力，把它单独拉出来，不管是帮他去降低他的风险效率，还是围绕着他的票价的波动，去提供航旅的dynamic pricing（动态定价）的这一些能力，这都会变成我们整个去提供服务的时候的一个guidance（指引）。”

---

[27:14](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1634s) 超越收单工具：AI 时代支付平台的全新商业想象力

统揽全局演进，跨境支付早已告别了单纯“把钱从 A 账户扣走并转入 B 账户”的纯通道角色。在技术架构维度，AI 正赋予支付网络空前的自主决断能力。传统的系统完全依赖人工编写的规则引擎，哪些订单必须拦截、遇到阻碍走哪条清算专线、系统超时如何兜底，都依赖预先设计的硬编码与轮班工程师维护；如今的 AI 原生引擎则能基于实时流量全自动推演风险、智能择路最优成本结算通道，并在异常出现时自主纠偏和调优。

在商业边界维度，支付正在由以往交易的最末梢，大踏步向前置导购、比价、商品推荐与选型渗透，深度联动精准营销和线索转化，同时向交易后端延伸至企业多币种全球资金管理、动态外汇兑换与授信借贷。

这一战略变革恰恰呼应了蚂蚁国际 VOYAGE 大会的主题——“Attention Is All You Need”。这句源自 Transformer 奠基论文的著名术语在此获得了双重映射：一层意味着支付系统技术底座的智能化重构，另一层则昭示着支付平台行业角色的颠覆与定位升级。立足于此，Antom 构筑起了由“Antom 3-in-1 Transformer”支付基础大模型、“Antom Autopilot”AI 智能体、AI 原生平台以及全栈 AI 解决方案构成的系统化产品矩阵，实现对全球商户全生命周期经营的深度赋能。

在应对全球化竞争时，Antom 还展示出了极为关键的在地化服务壁垒。大量传统国际支付巨头的研发与核心运营团队扎根于欧美，但在全球跨境电商和出海贸易版图中，极高比例的核心商户与供应链其实集聚在亚洲。扎根亚洲土壤的 Antom，凭借在中国与亚洲腹地部署的完整一线服务团队，能够对商户的突发故障与运营诉求提供远比欧美竞对敏捷及时的响应。

Apple Gao 阐述了 Antom 的本质定位与商业初衷。她指出，Antom 的名字本身就是“Ant to Merchant”的缩写，这意味着其自诞生起的核心基因就是陪伴商户共同成长：

“所以从这个缩写就可以看到，其实我们一开始成立是希望陪伴着我们的商户一起去成长的，所以也就意味着我可能提供的服务并不仅仅只是收单和支付。我们的目标一定不是去抢占其他的收单机构的份额，因为整个市场的盘子如果它不增长的话，对于商户来说他的经营和他的增长并没有变得更大的，所以我们的目标一定是在服务好商户的基础之上，围绕着他的经营的精细化操作和未来的整个revenue（收入）的增长，去帮他业务变得更大。”

支付行业眼下掀起的这场深刻巨变，绝不仅仅是一次技术工具层面的微调，它正在将支付从被动接收交易的末端终点，延展成为定义、促成并管理一笔交易如何发生的智能全生命周期网络。这正是 AI 时代赋予跨境支付的全新商业空间与未来图景。

## Notable quotes > [05:26](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=326s) 当研究变得如此便宜时，我们所提出的问题就会改变。我们不再问团队，我们什么时候才负担得起对某些特定市场进行研究，而是仍然回到这个问题：我们现在需要立刻进入哪些市场？

> [21:46](https://www.youtube.com/watch?v=wPMjMlgJuU4&t=1306s) AI的工具其实给了整个用户带来了很大的一个便捷性，但是你的整个销售，就是分销的这个结构没有变的话，原先的服务的履约是整个B to B的销售里面最关键的那个bottleneck（瓶颈），AI它也会把一些痛点去放大。 — Apple Gao

## Mentioned Leo Li, Apple Gao, 蚂蚁国际, Antom, Antom Autopilot, Antom Shopping Agent, A+ Rewards, 3-in-1 Transformer, Antom Shield, AgentSafePay, Alipay+, WorldFirst（万里汇）, Bettr, AliExpress, Falcon TST, 香港航空, Visa, Mastercard, 银联, Stripe, PayPal

## Video description 跨境支付，正在变得越来越简单。点一下、扫一下，一笔付款就完成了。但看似简单的操作，背后却牵动着一整条复杂的支付链路。而现在，AI正在改变这条链路。

一方面，AI开始进入支付的各个环节，从市场接入、交易风控，到对账和系统运维，让原本依赖大量人工的工作变得更加高效、智能。另一方面，AI也带来了全新的交易场景。当Agent开始替人选商品、找优惠，甚至下单付款，支付系统也面临着新的挑战：如何确认授权、识别风险，并保障交易安全？

这期视频，我们从一笔跨境支付出发，拆解全球支付体系的运转逻辑。同时，借着蚂蚁国际在上海举办Voyage年度大会的机会，也去进一步看看AI正在如何改变跨境支付，以及支付巨头们正在如何应对这些新变化。

当AI开始深度参与交易，支付平台的角色将如何改变？全球支付行业又正在走向怎样的未来？

采访嘉宾： Leo Li，Antom风控负责人 Apple Gao，Antom航旅解决方案负责人

时间轴： 00:00 AI时代，一次付款背后的全球网络 01:22 跨境支付的“接力”：授权、清算与结算 03:28 成功率、成本与风险，跨境支付的复杂性 05:26 AI接入支付运营，新市场调研压缩至五分钟 08:10 支付欺诈与拒付：AI如何提前识别风险？ 10:36 智能对账，也要解释异常 11:33 AI运维：让支付网络全天候稳定运行 12:36 Agent改变“购物入口”，连接推荐、下单与支付 14:41 优惠如何匹配需求？AI营销的转化逻辑 15:58 三合一Transformer：支付风控的模型底座 17:47 AI支付的三层安全防护 18:42 支付平台为何布局企业账户与金融服务？ 21:43 当航旅碰上“AI支付”，真实场景下的跨境支付考验 22:39 AI比价与汇率锁定：一张机票的价格难题 23:51 机票交易的转化瓶颈：付款失败与库存变化 24:46 跨国购票与他人代付，考验风控的判断力 25:50 航旅结算：让资金随订单实时流动 27:12 从“收钱”到“智能交易”，支付正在走向哪里？

【延伸观看】

当AI开始参与购物、商业决策，甚至直接完成交易，新的商业入口和机会也随之出现。关于Agent的入口竞争、AI对人类行为的预测，以及背后的可靠性与安全问题，我们之前还做过几期相关视频，感兴趣可以接着看看👇

▶ https://www.youtube.com/watch?v=ARocqV7DtC8

▶ https://youtu.be/--ePbkaRwl4?si=2Xf_675LCex1rs6c

▶ https://youtu.be/J5_90lWxM_o?si=ME4T0jPnYWg3dKxI

【欢迎加入硅谷101 Discord讨论群】 👉https://discord.gg/PACWRvyfCm

【往期精彩视频】 https://www.youtube.com/watch?v=pC3QbOu7_s4

https://youtu.be/nuD-P-AFjG0?si=3ubP0fN-cy27-Vij

https://youtu.be/BmcoQDwdkeM?si=WrLn-34Kv-O6a5Q2

https://youtu.be/2pZ9Gl7qVUo?si=01gRD4_4pEC5qU-3

https://www.youtube.com/watch?v=nilNLfW7izg

https://www.youtube.com/watch?v=tzEWYNQmnmc

https://www.youtube.com/watch?v=89ThCi5qq-A&t=6s

https://youtu.be/x2meJPOn9ws?si=p4voD9TJW9-M44hm

https://youtu.be/svNElhOYajQ?si=vFKE_9M_Onr7yUOf

https://youtu.be/cB_X6AImPjQ?si=b5jpZegDdrzAfk9N

https://youtu.be/H35nVgNGyo8?si=d4SAJHw4JmfBTPYb

https://youtu.be/G-1qbtXJKyQ?si=qiVXq7JGKkDZIQAT

https://youtu.be/i0t3RyLILnw?si=RTAcHEoVXsGKd5j7

[Source](https://www.youtube.com/watch?v=wPMjMlgJuU4)

中文简报

蚂蚁国际推AI智能体重塑跨境支付拦截欺诈并实现秒级动态锁汇 AI使支付平台从被动通道转变为全流程决策中枢，通过打通前端导购代付与底层实时清结算来破解跨境履约瓶颈。节目从一次普通的跨国买机票交易切入，系统梳理了前端授权与后端清结算的完整链路，指出了通道成本、汇率波动与黑产欺诈等现实博弈。围绕蚂蚁国际旗下商户跨境支付品牌Antom的实践，视频重点解析了Antom Autopilot智能体在全流程运营中的提效、专为风控研发的3-in-1 Transformer安全大模型，以及应对Agent代付场景的AgentSafePay机制。随后，节目进一步剖析了航旅跨境支付这一极端复杂场景，展现了Falcon TST动态锁汇、智能分层验证与多币种企业账户体系如何破局交易瓶颈，论述了支付平台从被动收单工具向智能交易决策中枢的范式转变。蚂蚁国际旗下跨境支付平台 Antom 发布全流程智能体应用 Antom Autopilot，将出海新市场调研方案生成压缩至5分钟，并通过全真生产环境仿真直接预测线上交易结果后一键部署。 (5:26) 针对黑产撞库与批量盗刷，Antom 依托 3-in-1 Transformer 模型实现毫秒级拦截，将某典型客户欺诈拒付率从 1.18% 降至 0.02%，全网欺诈平均下降约 55%，SmartDispute 争议申诉胜诉率提升至 41.8%。 (8:10) 在航旅复杂跨境场景中，Antom 通过 Falcon TST 动态锁汇模型将比价、扣款与退款汇率锁定长达365天，同时利用智能分层验证将机票交易成功率提升 3.8 个百分点。 (22:41) 跨境支付平台正从单一收单通道演进为全链路数字金融中枢，万里汇支持 25 种主要结算货币即时到账，航旅多币种企业账户覆盖 100 多个国家，推动资金随订单实时流动并解放巨额保证金。 (18:42)

Reading summary

跨境支付正在从被动、机械的底层通道转变为全链路的智能决策系统。蚂蚁国际旗下的Antom等平台通过引入大模型与智能体（Agent）技术，将AI深度嵌入商户拓市、自动化运营、多模态风控及全球资金流转之中，重塑跨境商业基础设施。运营与运维自动化：拓市、对账与故障自愈 (5:26) 过去跨国商户进入新市场需历经数月的合规与习惯调研，而在Antom Autopilot等智能体工具辅助下，针对印尼等市场的渠道推荐方案可在5分钟内生成，并通过全真生产环境仿真验证直接部署。针对涉及多币种与错位结算周期的跨境财务对账，AI不仅实现自动匹配，还能自主下钻分析汇率波动和扣费延迟等深层诱因，将排查周期从数天压缩至5分钟内。在底层基础设施运维方面，针对新兴市场本地网关每月可能出现数次的系统级宕机，7×24小时智能运维系统可全局毫秒级监听通道健康度。一旦监控到异常抖动，系统能自动制定限流关停、流量平滑旁路及智能路由重定向策略，将过去耗费数小时的人工排障压缩至分钟级，降低因通道闪断导致的订单流失风险。多模态风控底座：精准拦截与自动化争议处理 (8:10) 针对Visa调紧VAMP监控红线（每千笔警戒线由22笔降至15笔）以及黑产利用自动化脚本撞库测卡等新型威胁，Antom推出了3-in-1 Transformer安全模型。风控负责人Leo Li指出，该模型统合了追踪历史轨迹的序列数据、识破团伙欺诈的图数据以及高维专业风控指标的表格数据，穿透孤立交易维度以更深理解风险关系。该技术推动典型商户欺诈拒付率从1.18%降至0.02%，全网平均欺诈水平下降约55%；通过智能辅助材料组织，争议申诉胜诉率由24.5%升至41.8%。在此基础上，Antom Shield建立了涵盖传统支付、反模式滥用与防范提示词攻击的智能体三重防护，并配套推出了针对模型误判的“100%敢付敢赔”保障机制（AgentSafePay），降低商户采用自动化交易的顾虑。智能体商务与即时营销：缩短转化漏斗 (12:36) 在消费端，Agentic Commerce（智能体商务）正逐步取代传统搜索式“人找货”模式，允许智能体根据单句意图承接导购、下单及代付。针对中小商户自建Agent面临的高昂模型微调、工具链研发与GPU算力账单，Antom推出了 Shopping Agent 插件，将接待、推荐、支付与售后封装为低门槛组件，供商户一键集成。传统数字营销面临流量见顶、获客成本上涨15%而转化率滑落20%、优惠券核销率仅1.87%的瓶颈。Antom通过A+ Rewards改变逻辑，覆盖亚太核心市场及21个主流数字钱包，在消费者表达即时意图时直接于对话上下文中检索并自动核销优惠，免除长链路运营损失，提升潜在客群转化率。垂直行业场景攻坚：航旅动态锁汇与关系风控 (21:46) 航旅业务对时效性与库存分配要求极高。航旅解决方案负责人Apple Gao指出，AI简化了比价流程，但若后端履约结构不变，供应链痛点会被放大。针对比价、扣款与退款汇率不一的“三个价格”难题，Antom引入Falcon TST预测模型，实现最长365天的动态锁汇，使用户获得单一透明价格并隔离航司外汇敞口；配合免除冗余验证的智能分层体系与超时挽救机制，机票预订支付成功率提升了3.8个百分点。针对外派商旅、父母替子女订票等“乘机人与持卡人不一致”的高频误杀风险，3-in-1 Transformer将设备环境、网络轨迹与人际信用关系综合研判。在香港航空的应用中，该模型实现了99.99%的风险覆盖率，帮助航司规避挽回超100万美元的欺诈损失。嵌入式金融协同：构建多币种资金流转网络 (18:42) 现代跨国商户的经营痛点已延伸至资金归集、供应链付汇与避险。依托Alipay+、Antom、万里汇（WorldFirst）及Bettr四大板块，平台正从单点收单演变为综合金融网络。商户可在卖家中心原生接入流动性信贷，消费者端则嵌入“先买后付”（BNPL），打破原先割裂在银行与ERP系统中的环节。通过万里汇资金网络，商户可接入100多个国家和40多个本地币种账户，其中25种主要货币支持即时到账，85种支持T+0清算。在航旅等高频结算场景中，该体系推动航司、分销系统与代理商摆脱传统预缴巨额保证金和周期批量结算的模式，使资金随订单生成实时流动。 AI与智能体技术的融入正在把跨境支付从被动的通道收敛改造为覆盖交易全生命周期的商业中枢。然而，如何在高频并发与不可逆的金融结算中持续保障模型决策的绝对安全性，并平衡不同司法管辖区的监管合规，仍是该体系长期演进中需持续验证的课题。

Source quotes

[5:26] 当研究变得如此便宜时，我们所提出的问题就会改变。我们不再问团队，我们什么时候才负担得起对某些特定市场进行研究，而是仍然回到这个问题：我们现在需要立刻进入哪些市场？ [21:46] Apple Gao: AI的工具其实给了整个用户带来了很大的一个便捷性，但是你的整个销售，就是分销的这个结构没有变的话，原先的服务的履约是整个B to B的销售里面最关键的那个bottleneck（瓶颈），AI它也会把一些痛点去放大。

Original transcript

[0:00] 你们有没有觉得 [0:01] “支付”这件事情真的越来越简单了 [0:04] 网上购物、在线点单 [0:06] 点一下 [0:06] 线下付款 [0:07] 扫一下、碰一下 [0:09] 这件事就完成了 [0:10] 但是你有没有想过 [0:12] “支付”变得越来越便捷的背后 [0:14] 到底发生了什么 [0:15] 实际上就在这短短几秒钟里 [0:17] 这笔钱穿过了一套非常复杂的支付系统 [0:21] 在全球这样的交易 [0:22] 以每分钟数百万次的频率发生着 [0:25] 并且很多都是跨境流动 [0:27] 不同地区的消费者、商户 [0:28] 不同的支付方式、金融机构 [0:30] 都被连接起来 [0:31] 并且快速完成识别、授权和风险判断 [0:35] 所以表面上看 [0:36] 我们只是“点了一下付款” [0:37] 背后却牵动着一整条支付链路 [0:41] 而现在AI也开始进入到这条链路之中 [0:44] 它正在帮助支付平台实时决定 [0:46] 这笔交易应该怎么走 [0:48] 哪条路径更合适、要不要放行 [0:50] 甚至能不能直接替客户完成交易 [0:52] 支付也正在从一个简单的交易动作 [0:55] 变成一个完整的智能决策系统 [0:57] 那么全球跨境支付是一个什么样的链路 [1:00] 中间有什么难点 [1:02] AI来了之后 [1:03] 支付这件事又在发生着什么样的变化 [1:06] 以及行业的巨头们 [1:07] 又在率先做什么样的实践尝试呢 [1:10] 今天这期视频 [1:11] 我们和蚂蚁国际合作 [1:13] 一起深入聊一聊“跨境支付”这件事 [1:15] 以及他们是如何为AI时代做准备的 [1:24] 首先一笔跨境支付 [1:26] 从点击付款到最终完成 [1:28] 背后到底要经过哪些环节呢 [1:33] 比如我最近要准备回国出差 [1:35] 打开航空公司网站 [1:37] 选好机票和支付方式 [1:38] 点击“付款”之后 [1:40] 那一笔交易就开始了 [1:41] 首先商户会发起支付请求 [1:44] 把交易信息发送给收单机构 [1:47] 收单机构可以理解为 [1:48] 商户进入支付网络的入口 [1:50] 像Antom、Stripe、PayPal这类的支付平台 [1:53] 在实际业务中 [1:54] 也会提供收单或者相关的支付处理服务 [1:57] 它们做的事情 [1:58] 可以简单理解为给交易“找路” [2:00] 连接不同支付方式 [2:02] 选择合适的支付通道 [2:04] 同时识别和控制风险 [2:06] 接下来交易信息进入卡组织网络 [2:08] 比如说Visa、Mastercard、银联等等 [2:10] 它们像一个“中转中心” [2:12] 负责把交易信息从商户一侧 [2:14] 传递到消费者一侧的发卡机构 [2:17] 最后交易到达发卡机构 [2:19] 也就是消费者银行卡背后的银行 [2:21] 银行会验证账户和支付信息 [2:24] 检查余额或者信用额度 [2:26] 同时判断这笔交易是否存在风险 [2:28] 之后就会决定是否批准交易 [2:30] 并且返回授权结果 [2:32] 这个结果会沿着原路返回 [2:34] 从发卡机构经过卡组织、收单机构 [2:37] 最终回到商户 [2:38] 整个过程可能只有几秒 [2:40] 但到这里完成的主要是交易授权 [2:43] 流动的是交易信息 [2:45] 钱还没有真正地到商户手上 [2:48] 而真正的资金划转 [2:49] 发生在之后的清算和结算环节 [2:52] 资金从发卡机构一侧 [2:54] 经支付网络和收单机构 [2:55] 最终结算到商户账户 [2:58] 如果是一笔跨境交易 [2:59] 中间还可能涉及货币兑换和跨境资金流动 [3:03] 整个过程通常需要T+1到T+3天 [3:05] 甚至更久 [3:06] 所以我们看到的只是一次点击“付款” [3:09] 但是在屏幕背后 [3:10] 商户、收单机构、卡组织和发卡机构 [3:13] 已经在几秒钟之内 [3:15] 完成了一轮信息传递和授权 [3:17] 其中收单机构是这个链条当中承前启后 [3:21] 最为关键的节点 [3:22] 而它们要让这笔交易顺利完成 [3:25] 其实并不容易 [3:29] 首先对于一家想做全球生意的商户来说 [3:32] 它面对的从来不是一个统一的支付市场 [3:36] 不同国家和地区的支付习惯差别很大 [3:39] 北美以信用卡为主 [3:40] 亚洲很多地区更习惯电子钱包 [3:42] 还有一些市场仍然大量依赖银行转账 [3:45] 甚至有自己的本地支付网络 [3:47] 而这些体系之间并不天然相通 [3:50] 支付服务商要把不同国家的支付方式 [3:52] 银行和网络连接起来 [3:54] 这本身就是一项非常复杂的基础设施工程 [3:57] 第二个问题是跨币种和跨境结算 [4:00] 消费者用美元付款 [4:02] 商户最终收到的可能是欧元或者人民币 [4:05] 这中间就要跨越不同的金融体系 [4:07] 处理汇率、货币兑换、资金结算等等 [4:10] 而且除了“成功付款”之外 [4:12] 收单机构还要同时兼顾成功率、成本 [4:15] 风险和消费者的支付体验 [4:17] 比如说一条支付通道成功率高 [4:19] 但成本也更高 [4:20] 另一条成本低 [4:21] 却更容易失败 [4:23] 风控也是一样 [4:24] 拦得太松会放过欺诈 [4:26] 拦得太严又会误伤正常消费者 [4:28] 所以收单机构要解决的 [4:30] 是一个复杂的实时决策问题 [4:32] 这笔交易该走哪条路 [4:34] 要不要放行 [4:35] 怎样让它更快、更便宜 [4:36] 同时又足够安全 [4:38] 而当交易从一个国家 [4:39] 扩展到几十、上百个市场 [4:41] 这些问题的复杂度也在成倍上升 [4:44] 在过去这些问题主要靠支付机构的 [4:46] 基础设施、规则和大量人工经验来解决 [4:50] 但在最近几年 [4:51] AI成了这条链路里面一个全新的变量 [4:54] 它带来的改变主要体现在两个层面 [4:57] 一方面 AI正在改造原有的支付链路 [4:59] 重新优化交易中的每一个决策 [5:01] 让整个支付过程更高效、更智能 [5:04] 另一方面 [5:04] 当Agent开始参与搜索商品、下单 [5:07] 甚至自主完成支付 [5:08] 它也创造出新的交易方式和支付场景 [5:11] 带来了过去没有遇到的新问题 [5:13] 那么 AI到底能怎样去解决 [5:16] 跨境支付原来的这些难题 [5:18] 而当AI开始成为新的交易参与者 [5:20] 支付又应该如何去适应和赋能 [5:22] 这些新的转变呢 [5:30] 刚才我们说到一笔跨境支付背后 [5:32] 是一套高度复杂的全球支付网络 [5:35] 而要维持它的正常运转 [5:37] 其实非常依赖人力 [5:39] 进入一个新市场 [5:40] 先得派人调研当地的支付方式和监管要求 [5:44] 交易有异常 [5:45] 往往需要人工排查 [5:46] 不同市场的账对不上 [5:48] 要靠财务人工处理 [5:50] 渠道出了故障 [5:51] 也得靠人工发现、定位、再决定怎么办 [5:54] 随着跨境交易增长 [5:55] 这些工作对效率的要求也越来越高 [5:58] 靠人力显然是太低效了 [6:01] 于是 AI成为了行业降本增效的 [6:03] 共同探索方向 [6:04] 头部支付机构都开始把AI引入交易决策 [6:07] 风控和运营等环节 [6:09] 最近蚂蚁国际也正好在上海召开了 [6:12] VOYAGE年度大会 [6:13] 我们也有机会来近距离看看 [6:15] 现在的支付行业 [6:17] 具体是怎么用AI解决这些问题的 [6:20] 目前蚂蚁国际旗下主要负责 [6:21] 商户跨境支付业务的平台叫做Antom [6:24] 它从2023年开始 [6:25] 为全球商户提供支付服务 [6:28] 在此次的Antom演示中 [6:29] 这种变化被集中体现在一个 [6:31] 叫Antom Autopilot的智能体上 [6:34] Antom Autopilot把AI放进了 [6:36] 商户使用支付服务的整个过程中 [6:38] 从最开始的入驻和系统集成 [6:40] 到交易中的风控 [6:42] 再到后面的拒付处理、对账和新市场扩展 [6:45] AI都开始深度参与其中 [6:48] 那么这个智能体具体是怎么工作的呢 [6:50] 下面我们就挑几个典型场景来看看 [6:56] 比如说对于一家想进入新市场的企业来说 [6:59] 首先就要先去理解 [7:01] “当地人到底是怎么支付”这件事 [7:04] 像这个地方的消费者是更喜欢用信用卡 [7:06] 还是电子钱包 [7:08] 当地的监管制度是什么样的等等 [7:10] 过去企业如果自行调研的话 [7:12] 可能需要大概6个月 [7:14] 而收单机构给出建议 [7:15] 也至少要花上2到4周 [7:17] 这个效率实在是太低了 [7:20] 但是通过Antom Autopilot [7:21] 这个过程能够缩减到多少呢 [7:24] 只需要5分钟 [7:25] 比如说企业想要进入印尼市场 [7:28] AI会先分析当地支付格局和用户习惯 [7:32] 再结合不同商户类型的业务特点 [7:34] 个性化推荐支付组合 [7:36] 以前很多系统到“推荐”这一步就结束了 [7:39] 而Antom Autopilot多了一个关键环节 [7:41] 那就是仿真 [7:42] 它可以把推荐的支付方案 [7:44] 放到结账页和生产环境里提前跑一遍 [7:47] 看看真实交易可能会出现什么结果 [7:50] 确认没有问题之后 [7:51] 再一键上线 [7:52] 两周 5分钟 [7:55] 当研究变得如此便宜时 [7:57] 我们所提出的问题就会改变 [8:00] 我们不再问团队 [8:01] 我们什么时候才负担得起 [8:03] 对某些特定市场进行研究 [8:05] 而是仍然回到这个问题 [8:06] 我们现在需要立刻进入哪些市场 [8:11] 那第二个“老大难”的场景就是安全了 [8:14] 在很多海外市场 [8:15] 信用卡依然是非常普遍的支付方式 [8:18] 而信用卡交易里面 [8:19] 最让商户头疼的问题就是欺诈和拒付 [8:22] 不久前 Visa进一步收紧了 [8:24] 他们的“收单行监控计划（VAMP）” [8:26] 按照新的标准 [8:27] 每1000笔交易中 [8:28] 欺诈和争议交易的门槛 [8:30] 从过去的22笔降到了15笔 [8:32] 一旦超过 [8:33] 商户和收单机构不仅可能会被罚款 [8:36] 严重的话甚至会影响支付通道 [8:38] 但现在随着技术的发展 [8:40] 欺诈的攻击手段 [8:41] 变得越来越难以识别和拦截 [8:44] 比如说“盗卡测试”如今已经是普遍问题 [8:47] 机器人拿着成千上万张盗来的信用卡 [8:49] 在商家平台疯狂试刷 [8:51] 看哪张能通 [8:53] 一眨眼就能点击上万次付款 [8:55] 被盗刷的用户向银行申诉之后 [8:58] 店铺的投诉率就瞬间飙升 [9:00] 拒付率甚至能够涨50% [9:02] 除了老生常谈的欺诈和拒付问题以外 [9:05] 我们现在看到了攻击者 [9:07] 他也不断在转向一些新的业务场景 [9:09] 随着更多的AI商户 [9:11] 他去推出例如说像后付费、免费试用期 [9:15] 这样的一些服务 [9:16] 用来去吸引新的用户 [9:18] 那有不少的风险的攻击 [9:21] 特别是类似于（恶意）薅羊毛这样的一个行为 [9:23] 出现在这样的业务过程中 [9:25] 对于这类型的问题 [9:26] 传统的风控往往是“事后处理” [9:28] 也就是等拒付报告出来 [9:30] 再由人工去定位问题 [9:32] 整个过程可能需要2周到4个月之久 [9:35] 那AI应用进来之后 [9:37] 风控就可以变成实时监测、提前预判 [9:40] 具体怎么做呢 [9:41] 以Antom Autopilot为例 [9:42] AI可以持续监测交易 [9:44] 发现异常之后自动分析 [9:46] 并且生成拦截规则 [9:47] 但这些规则不会直接上线 [9:49] 而是先用历史交易进行“回放”（Replay） [9:52] 模拟会拦下哪些交易 [9:54] 以及对支付成功率有什么影响 [9:56] 上线之后系统还会每7天 [9:58] 自动评估风控效果并且生成报告 [10:00] 形成一个 [10:01] “实时监测、模拟验证、上线、持续复盘”的闭环 [10:05] 这套系统的效果也非常显著 [10:07] Antom表示一家客户的欺诈拒付率 [10:09] 从1.18%降到了0.02% [10:12] 而从整个Antom商户来看 [10:14] 欺诈平均下降了大约55% [10:17] 而即使拒付已经发生 [10:19] AI也可以继续参与后面的争议处理 [10:22] 比如说Antom的SmartDispute [10:23] 会提供申诉建议 [10:25] 将平均争议胜诉率 [10:26] 从24.5%提升到了41.8% [10:30] 另外 AutoDispute还可以自动整理材料 [10:32] 协助提交申诉 [10:33] 减少人工处理的工作量 [10:38] 前面我们说AI帮助解决了 [10:40] 市场问题、欺诈问题 [10:41] 那一笔交易完成之后 [10:43] 是不是就顺利结束了呢 [10:44] 那对于商户来说 [10:46] 他们还有一项非常繁琐的工作要做 [10:48] 那就是对账 [10:50] 跨境交易涉及不同国家、不同支付方式 [10:52] 和不同结算规则 [10:54] 比如说在东南亚、欧洲 [10:56] 一次对账可能涉及6种以上的货币 [10:59] 不同支付渠道的结算周期 [11:01] 有可能有些是T+2、有些是T+7 [11:04] 同一笔交易因为结算批次不同 [11:06] 就可能出现在不同的文件里 [11:08] 所以对不上账、接着去找原因 [11:11] 是让企业财务最头疼的事情 [11:13] 传统人工对账 [11:14] 一个周期可能就会花48到72小时 [11:17] 这也是AI开始发挥作用的地方 [11:20] Antom除了可以将人工对账自动化 [11:22] 还让AI进一步去解释异常 [11:25] 在找出问题之后 [11:26] 还接着会判断背后的原因是什么 [11:28] 并生成对应的报告 [11:30] 而整个过程可以被压缩到5分钟 [11:35] 除了这些具体的问题之外 [11:36] 支付还是一个一刻也不能停的系统 [11:39] 跨境支付连接着大量渠道和合作机构 [11:43] 任何一个环节出现故障 [11:44] 就会造成巨大的损失 [11:46] 在东南亚 [11:47] 一些渠道每个月可能会出现1到3次故障 [11:50] 以前这种事情很大程度上 [11:51] 还是靠人工值班和排查 [11:53] 等问题被定位时 [11:55] 可能就已经损失了超过5%的交易量 [11:58] 所以系统的7×24小时的运维也非常重要 [12:01] AI可以持续监测全球支付渠道 [12:04] 发现异常后自动判断影响范围和原因 [12:06] 并且进一步给出关停、切换流量 [12:08] 智能路由等处理方案 [12:10] 原本需要数小时甚至数天的检测和处理 [12:13] 现在也被压缩到了分钟级 [12:15] 所以从交易前的市场研究 [12:17] 到交易中的风险控制 [12:19] 再到交易之后的对账 [12:20] 以及支付系统的实时运维 [12:22] AI首先改变的 [12:24] 是支付背后的那些复杂重复的工作 [12:27] 不过这只是第一步 [12:29] 当AI开始从“帮人把支付做好” [12:30] 进一步变成了“自己参与交易” [12:33] 支付面对的问题也会完全的不一样 [12:39] 最近这一两年我们可能经常听到一个新词 [12:42] 叫做Agentic Commerce（智能体商务） [12:45] 是什么意思呢 [12:46] 我们之前在网上买东西 [12:47] 一般是自己搜索商品、浏览网页 [12:50] 比较价格、领取优惠 [12:51] 最后付款 [12:52] 但Agent加入之后 [12:53] 这样的流程就被彻底颠覆了 [12:55] 消费者只需要把购买意图告诉AI [12:58] 比如 [12:59] “帮我找一条适合主持 [13:00] 我们年度科技峰会的白色裙子吧” [13:03] 而剩下的工作 [13:04] 从搜索、比价到付款 [13:05] Agent都可以帮你完成 [13:07] 而最近主流的支付平台 [13:09] 都在围绕这个新场景加快布局 [13:12] 这件事情带来的变化 [13:13] 其实不只是多了一个AI导购 [13:15] 过去的电商链路是“人找商品” [13:18] 未来可能变成 [13:19] “Agent理解人、再替人完成交易” [13:22] 而一旦交易的参与者变了 [13:23] 原来的销售和支付链路也会随之变化 [13:29] 那具体怎么变 [13:30] 第一个层面就是“购物入口”变了 [13:33] 以前一个独立站能不能把流量转化为订单 [13:36] 很大程度上取决于 [13:37] 用户自己会不会找、会不会选 [13:40] 以及商户有没有足够的销售 [13:42] 和客服人员去服务 [13:44] 但在Agent时代就省事多了 [13:46] 用户进入网站之后 [13:47] 它会主动打招呼 [13:48] 并且精准地根据需求 [13:50] 去推荐商品、提供建议 [13:52] 接着它还可以继续引导下单、生成订单 [13:55] 并在用户的授权下完成支付 [13:58] 交易完成之后 [13:58] 甚至还可以提供售后服务 [14:01] 这样全能的Agent [14:02] 每个商户都想拥有 [14:04] 但是大量的中小规模企业 [14:06] 却很难有能力自己去搭 [14:08] Agent要持续运行 [14:10] 背后需要模型接入、技术开发和持续维护 [14:13] 还需要准备云服务器和算力 [14:15] Agent每一次和用户对话、搜索和调用工具 [14:18] 也都会产生Token和推理成本 [14:20] 无论是技术团队、经验还是成本 [14:23] 对于商户来说都可能是门槛 [14:26] 所以我们看到主流支付公司 [14:27] 都在积极研发一站式的Agent产品 [14:30] 比如说Antom最近推出的 [14:31] Antom Shopping Agent [14:32] 就把访问、导购、下单、支付到售后 [14:35] 串成一条完整的流程 [14:37] 直接嵌入商户的网站 [14:42] 那除了改变“怎么买” [14:43] Agent还能改变“怎么卖” [14:45] 以前的营销通常是投广告、发优惠券 [14:48] 等待用户看到、领到然后消费 [14:50] 但这种方式其实很低效 [14:52] 研究数据显示 [14:53] 平台获客成本上涨了15% [14:55] 流量转化却下降了20% [14:58] 而传统优惠券从发放到真正使用 [15:00] 中间还可能需要48小时以上的运营支持 [15:03] 最终的核销率只有1.87% [15:06] 所以AI进入之后 [15:07] 营销思路开始从“广撒网”转向“做匹配” [15:10] 这也是Antom在A+ Rewards上的一个探索 [15:14] A+ Rewards不是一个单纯的优惠券工具 [15:16] 它覆盖了亚太十大市场 [15:18] 和超过21个数字支付平台 [15:21] 让商户可以把优惠券、返现 [15:23] 订阅折扣等营销活动 [15:24] 直接放进用户日常使用的钱包场景里 [15:27] 比如说一个用户对Agent说 [15:29] “我今天想喝杯咖啡” [15:31] AI就能识别意图 [15:32] 再从A+ Rewards里面去寻找相关优惠 [15:35] 并且进行推荐 [15:37] 然后帮助用户完成核销 [15:39] 这样一来原本“看到广告、领取优惠 [15:42] 回来消费”的长链路 [15:43] 就被压缩成了 [15:45] “表达需求、匹配优惠、完成交易” [15:48] 对于商户来说这不仅能够提高转化 [15:51] 也可能触达那些 [15:52] 原本从未主动访问过的新用户 [15:58] 不过无论是AI进入原有的支付链条 [16:00] 还是创造出新的交易场景 [16:03] 背后共同的趋势是 [16:04] 我们正在越来越多地 [16:06] 把“判断”和“执行”交给AI [16:08] 而这也意味着 [16:09] 安全问题也变得更加复杂了 [16:11] 此前我们有提到 [16:12] 像Antom Autopilot这样的产品 [16:14] 正在让风控变得更高效 [16:16] 但从底层来看 [16:17] 高效需要建立在一个前提之上 [16:20] 那就是系统首先得具备 [16:21] 准确地识别风险的能力 [16:26] 为此 Antom是推出了 [16:27] 3-in-1 Transformer安全模型 [16:29] 它最大的特点 [16:30] 是把三类不同的数据 [16:32] 放进同一个Transformer模型中进行分析 [16:35] 过去很多风控模型 [16:37] 往往只关注某一种数据维度 [16:39] 比如一笔交易本身的特征 [16:41] 或者用户的行为 [16:42] 但在Antom看来 [16:43] 单一维度很容易看到局部 [16:45] 却可能忽略交易背后的关联 [16:47] 一笔交易有没有风险 [16:49] 往往同时包含多个层面的信息 [16:51] 第一类是序列数据 [16:53] 看这笔交易是否符合用户过去的行为轨迹 [16:57] 第二类是图数据 [16:58] 看账户背后的设备、账户和资金之间 [17:01] 是否存在可疑的关联网络 [17:03] 第三类是表格数据 [17:04] 包含上万个专业风险维度 [17:07] 用来判断这笔交易本身 [17:08] 是否符合正常的支付模式 [17:11] 这三类数据分别回答 [17:12] 这个用户过去怎么做、他和谁有关联 [17:15] 这笔交易本身有没有异常 [17:17] 而把这些信息放在一起 [17:19] AI就能识别完整的风险图景 [17:21] 我们的3-in-1 Transformer [17:24] 由于我们将多模态的一个数据 [17:26] 更好地结合起来 [17:28] 从而能够帮助我们能够从细微之处 [17:31] 更深入地去理解风险和支付之间的一个关系 [17:34] 帮助我们从而更精准地去识别出 [17:37] 这里面支付中存在的这个风险 [17:40] 底层模型提供了风险判断 [17:42] 但是风险被识别之后还需要落实到防控上 [17:48] 为此 Antom是进一步搭建了一套 [17:50] 三重防护机制Antom Shield [17:52] 分别对应AI支付正在面对的 [17:54] 三类不同风险 [17:55] 第一层是支付防护 [17:57] 解决传统的盗卡、欺诈和拒付问题 [18:00] 第二层是反滥用防护 [18:02] 针对批量注册、设备养号 [18:04] 薅免费额度等新型风险 [18:06] 第三层则是智能体防护 [18:08] 解决Agent开始参与交易之后 [18:10] 产生的新风险 [18:11] 这样一来底层模型负责“看懂风险” [18:14] Antom Shield则是把风险给挡住 [18:17] 两者结合起来就共同地构成了 [18:19] AI支付的安全底座 [18:20] 而即便是AI在交易过程中出了错 [18:23] 商户的损失也是完全可控的 [18:25] 对此 Antom推出了AgentSafePay风险保障机制 [18:29] Antom表示使用Antom Shopping Agent [18:31] 及Antom收单服务的商户 [18:33] 如果发生符合保障条件的智能体交易风险 [18:37] 能够做到“100%敢付敢赔” [18:43] 除了前面的这几点 [18:44] 非常具体流程上的改变之外 [18:46] 如果我们把视角再往后一步 [18:49] 看一下整个支付行业的变化 [18:51] 可能会发现 [18:52] 现在对于很多全球化企业来说 [18:54] 他们对支付的需求 [18:55] 已经不仅仅是让客户把钱付过来而已了 [18:59] 一家企业可能同时在 [19:00] 美国、欧洲、东南亚做生意 [19:02] 每天收到不同币种的付款 [19:04] 它需要完成结算、换汇 [19:06] 给供应商和员工付款 [19:08] 再把分散在不同国家和账户里面的资金 [19:10] 统一管理起来 [19:11] 所以除了支付之外 [19:13] 它们还希望资金能够更快、更灵活地 [19:15] 在不同账户和市场之间流动 [19:18] 这也是为什么 [19:19] 近几年主流支付平台都在快速行动 [19:21] 开始从单纯处理交易 [19:23] 逐渐延伸到企业账户、跨境付款 [19:26] 资金调拨和流动性管理 [19:28] 这个变化在蚂蚁国际的业务布局中也很明显 [19:31] 目前整个蚂蚁国际的体系分为四大板块 [19:34] 其中 Alipay+更靠近消费者这一端 [19:37] 主要连接全球不同国家和地区的 [19:39] 钱包、银行APP等支付方式 [19:42] 让消费者可以使用自己熟悉的支付工具 [19:44] 在海外商户完成支付 [19:46] Antom则是更加靠近商户这一侧 [19:49] 帮助企业接入不同市场的支付方式 [19:51] 并且提供相关的数字化服务 [19:53] 目前覆盖200多个支付市场 [19:55] 300多种支付方式和140多种货币 [19:58] 但交易完成之后 [19:59] 资金还要继续流动 [20:01] 这时候就到了WorldFirst [20:03] 也就是万里汇 [20:04] 它连接账户、资金和外汇 [20:06] 帮助企业通过多币种账户 [20:08] 进行全球收付款和换汇 [20:10] 对于业务更复杂的企业 [20:12] 还可以进一步对不同的实体、账户 [20:14] 和市场的资金进行集中管理和调度 [20:17] 我们的覆盖范围确实已经超过了200个国家 [20:21] 25种货币可以即时到账 [20:25] 85种货币始终可以做到T+0 [20:29] 而且我们还可以覆盖60多种数字钱包 [20:31] 如果你把款项支付到员工账户、数字钱包账户 [20:33] 或者以这25种货币进行支付 [20:38] 那么都可以实现即时到账 [20:40] 而当支付和账户、资金流 [20:41] 都被连接起来之后 [20:42] 金融服务也就有了 [20:44] 进入企业经营场景的基础 [20:46] Bettr提供的就是这一层 [20:48] 更嵌入业务的金融服务 [20:49] 包括了企业信贷、资金管理 [20:51] 外汇和流动性等 [20:53] 比如说AliExpress上的中小商户 [20:56] 如果需要补货或者短期周转资金 [20:59] 就可以直接在商家后台申请运营资金贷款 [21:02] 而不需要再单独去寻找融资渠道 [21:05] 消费者在购物的时候 [21:06] 也可以使用“先买后付”的方式完成分期 [21:09] 也就是说金融服务不再是独立存在的产品 [21:12] 可以直接嵌入 [21:13] 企业经营和消费者交易当中了 [21:16] 从消费者付款到商户收款 [21:18] 再到企业资金流动 [21:20] 最后延伸到融资、外汇等等 [21:22] 原本分散在不同系统里的环节 [21:24] 正在被一个生态包裹起来 [21:26] 支付也正在成为连接消费者、商户 [21:29] 企业资金和金融服务的一层基础设施 [21:32] 当所有的这些产品、服务和能力 [21:34] 真正进入一个具体行业之后 [21:36] 会发生什么呢 [21:38] 接下来我们可以结合航旅 [21:40] 这个具体的案例来看一看 [21:46] 航旅是一个典型的跨境支付场景 [21:49] 一张跨境机票的背后 [21:50] 连接着不同国家、币种、支付方式 [21:52] 以及航司、代理商等多个参与方 [21:55] 而且航旅交易对于实时性的要求很高 [21:58] 价格、库存和用户决策都在不断变化 [22:01] 随着AI进入旅行搜索、比价和预订 [22:04] 这些支付环节的效率问题也会更加突出 [22:07] 结构性上的变化主要是有两层 [22:09] 一层是整个机票的销售结构是发生了变化 [22:14] 第二层是最近AI所带来的效率提升 [22:18] 是把整个销售的链路 [22:21] 是做了一个颠覆性的改变 [22:23] AI的工具其实给了整个用户 [22:25] 带来了很大的一个便捷性 [22:27] 但是你的整个销售 [22:28] 就是分销的这个结构没有变的话 [22:31] 原先的服务的履约是 [22:32] 整个B to B的销售里面 [22:34] 最关键的那个bottleneck（瓶颈） [22:36] AI它也会把一些痛点去放大 [22:41] 现在借助AI [22:42] 比价、买机票已经越来越简单了 [22:44] 我们只需要告诉AI需求 [22:46] AI就可以快速比较不同航班和价格 [22:49] 甚至直接给出购买建议 [22:51] 但是AI看到的价格 [22:52] 不一定是最终支付价格 [22:54] 除了机票价格本身会变化 [22:56] 跨境支付还会受到汇率波动的影响 [22:59] AI比价时是一个价格 [23:01] 真正支付的时候汇率可能就已经变了 [23:04] 退款时候又可能是另外一个汇率 [23:06] 于是一张机票可能会出现“三个价格” [23:09] 当用户把比价和购买决策交给AI之后 [23:12] 价格能不能保持一致 [23:13] 就成了一个新的问题 [23:15] 而支付系统需要做的 [23:16] 就是让AI给出的价格 [23:18] 在后面的交易过程中尽可能地保持一致 [23:21] Antom采用的一种方式是动态锁汇 [23:24] 它们通过Falcon TST模型的预测能力 [23:27] 在报价的时候就锁定当时的汇率 [23:30] 并且将这一汇率延续到 [23:31] 后续的支付和退款环节 [23:34] 最长可以锁定一年 [23:35] 这样原本可能会出现的“三个价格” [23:38] 就尽可能地变成了同一个价格 [23:40] 对于用户来说价格更透明 [23:42] 对于商户来说 [23:43] 可以降低汇率波动带来的影响 [23:45] 而对于AI来说 [23:46] 它给出的价格也更容易在真实交易中兑现 [23:52] 不过搜索、比价和决策都完成了 [23:55] 如果最后卡在支付上 [23:57] 前面的效率还是会被浪费掉 [23:59] 旅行尤其如此 [24:01] 机票价格和库存都在实时变化 [24:03] 支付一旦失败 [24:04] 座位可能很快被释放 [24:06] 等用户重新支付 [24:07] 原来的价格和座位可能都已经没有了 [24:10] 所以当AI把购买决策压缩到几秒钟 [24:13] 支付也必须跟上 [24:14] 它既要保证安全 [24:16] 也要尽可能减少对用户购买流程的打断 [24:19] 那么怎么在安全和速度之间找到平衡 [24:22] 一种方式是智能分层验证 [24:25] 对长期可信的用户减少不必要的验证 [24:27] 对高风险交易再进行更严格的身份验证 [24:31] 如果支付出现超时或者失败 [24:33] 系统还可以进行智能重试 [24:35] 尽可能在价格和库存变化之前完成交易 [24:38] Antom就表示在实际应用当中 [24:40] 这种方法让整体机票预订支付成功率 [24:43] 提升了3.8个百分点 [24:48] 还有一个问题是 [24:49] 当AI开始自动参与风控 [24:50] 大量交易可能会被系统拦截 [24:53] 但旅行支付有一个特殊之处 [24:55] 就是一笔看起来“不正常”的交易 [24:57] 并不一定是欺诈 [24:58] 比如说一个人住在A国 [25:00] 却从B国出发 [25:01] 用C国的信用卡买机票 [25:03] 或者父母替孩子买票、助理替老板订票 [25:07] 付款人和乘客本来就不是同一个人 [25:10] 如果AI只看某一个维度 [25:12] 就很容易把这些正常交易误判成风险 [25:15] 所以AI时代的旅行风控 [25:17] 需要看的就不只是一笔交易 [25:19] 而是交易背后的完整关系 [25:21] 也就是前面提到的3-in-1 Transformer [25:24] 它发挥作用的地方 [25:26] 它会把设备、网络、地理位置 [25:28] 付款人与乘客的关系、历史行为等信息 [25:31] 放在一起分析 [25:32] 判断这个人、这张卡、这个设备 [25:34] 和这次旅行组合起来是否合理 [25:36] 再实时给出风险判断 [25:38] 在香港航空的实际应用当中 [25:41] 这套系统据称实现了99.99%的风险覆盖率 [25:45] 并且帮助减少了 [25:46] 超过100万美元的欺诈损失 [25:51] 最后支付生态的重要性 [25:53] 也在航旅这个行业中非常凸显 [25:56] 一张机票卖出去之后 [25:58] 背后还有航司、OTA、代理商等多个参与方 [26:01] 钱还要继续往下流 [26:03] 传统的旅行供应链 [26:04] 很多时候依赖固定授信、保证金和批量结算 [26:07] 但当AI带来的订单越来越实时 [26:10] 这套模式就会越来越吃力 [26:12] 因为订单可能在不断产生 [26:14] 资金却还停留在原来的账期和结算流程里 [26:17] Antom的思路 [26:18] 是通过企业账户把不同参与方连接起来 [26:21] 让资金随着订单流动 [26:23] 同时减少保证金带来的资金占用 [26:25] 目前这套账户体系覆盖了100多个国家 [26:28] 40多个市场的本地货币账户 [26:31] 同时提供内置授信能力 [26:33] 这也意味着旅行支付从“先交易、后结算” [26:36] 逐渐走向“资金跟着交易流动” [26:39] 随着整个行业的结构性的变化 [26:42] 航旅的客户在整个去operate（经营） [26:44] 他的业务的经营维度上 [26:46] 会遇到很多的一些挑战 [26:48] 所以这也是为什么 [26:49] 我们在整个建设对应的能力的时候 [26:52] 会不断地把我们围绕着航旅客户的 [26:55] 这些经营的能力 [26:57] 把它单独拉出来 [26:58] 不管是帮他去 [26:59] 降低他的风险效率 [27:00] 还是围绕着他的票价的波动 [27:03] 去提供航旅的dynamic pricing（动态定价）的 [27:05] 这一些能力 [27:06] 这都会变成我们整个去提供服务的时候的 [27:09] 一个guidance（指引） [27:14] 我们一路看下来会发现 [27:16] 支付现在已经不仅仅是“收收钱” [27:19] 这么简单了 [27:20] 一方面 AI进入之后 [27:21] 支付系统本身变得越来越自主和智能 [27:24] 过去的支付系统主要靠规则驱动 [27:27] 什么交易该拦、走哪条支付渠道 [27:30] 出了问题怎么处理 [27:31] 都需要提前设定规则或者人工介入 [27:34] 但现在AI可以实时分析交易 [27:37] 判断风险、选择更合适的支付路径 [27:40] 甚至在发现问题之后自动调整和优化 [27:43] 另一方面支付平台的边界也在扩大 [27:46] 以前我们理解 [27:47] “支付”主要出现在交易的最后一步 [27:49] 用户选好商品、决定购买 [27:51] 然后完成付款 [27:53] 但当如今AI开始参与比价 [27:55] 选商品、找优惠 [27:56] 甚至直接完成购买 [27:58] 支付也更早地进入到交易过程 [28:00] 开始和导购、营销、转化连接起来 [28:03] 同时交易完成之后 [28:05] 支付平台还在继续向结算、换汇 [28:07] 和资金管理延伸 [28:09] 讲到这里 [28:10] 再回头看这次 [28:11] 蚂蚁国际VOYAGE大会的主题 [28:13] 其实就非常有意思了 [28:14] 它叫做Attention Is All You Need [28:16] 这个Attention [28:17] 其实是对应了AI进入支付的两个方向 [28:20] 支付的智能化和支付平台角色的重新定位 [28:24] 如今 Antom围绕着这两个方向 [28:26] 搭建了由一个“三合一”支付基础模型 [28:28] Antom 3-in-1 Transformer [28:30] 一个AI智能体Antom Autopilot [28:32] 一个AI原生平台 [28:34] 一套全栈AI解决方案 [28:35] 组成的产品矩阵 [28:37] 覆盖企业的整个支付生命周期 [28:40] 另外做全球生意还有一个很现实的问题 [28:42] 就是本地服务 [28:44] 很多国际支付公司的核心团队在欧美 [28:46] 而全球跨境电商和出海业务中 [28:49] 有相当一部分商户来自亚洲 [28:51] 而Antom本身扎根亚洲 [28:53] 在中国和亚洲有更完整的服务团队 [28:55] 因此也能够更加及时地 [28:57] 响应和处理商户的问题 [28:59] Antom是Ant to Merchant的 [29:01] 这样的一个缩写 [29:02] 所以从这个缩写就可以看到 [29:04] 其实我们一开始成立 [29:06] 是希望陪伴着我们的商户一起去成长的 [29:10] 所以也就意味着 [29:11] 我可能提供的服务 [29:12] 并不仅仅只是收单和支付 [29:15] 我们的目标一定不是 [29:16] 去抢占其他的收单机构的份额 [29:18] 因为整个市场的盘子 [29:20] 如果它不增长的话 [29:21] 对于商户来说 [29:22] 他的经营和他的增长并没有变得更大的 [29:25] 所以我们的目标一定是 [29:27] 在服务好商户的基础之上 [29:29] 围绕着他的经营的精细化操作 [29:32] 和未来的整个revenue（收入）的增长 [29:34] 去帮他业务变得更大 [29:36] 所以支付正在发生的变化 [29:38] 不只是技术的升级 [29:40] 它要解决的问题 [29:41] 正在从“把钱收进来” [29:43] 到现在需要进一步去回答 [29:45] “这笔交易应该怎么发生、怎么管理” [29:48] 这意味着支付的边界也在重新被定义 [29:51] 它正在从交易的最后一步 [29:53] 走向整个交易的过程 [29:55] 而这可能也是AI时代带给支付的 [29:57] 全新想象空间 [29:59] 好了以上就是本期《硅谷101》的 [30:02] 全部内容了 [30:02] 你们的点赞、留言还有转发 [30:04] 是支持我们做好深度科技 [30:05] 和商业内容的最佳动力 [30:06] 我是陈茜 [30:07] 那我们就下期视频再见啦拜

蚂蚁国际推AI智能体重塑跨境支付 拦截欺诈并实现秒级动态锁汇