对于熟悉中国互联网历史的人来讲，「让天下没有难做的生意」是一句很有分量的口号，它曾经改变了中国商品流通方式，也代表了阿里巴巴二十年如一日、通过数字技术解决中小企业在商业运营中遇到的困难、让生意变得更轻松的这件大事。
过去二十年，像阿里旗下 1688 这样的 B2B 平台，其核心是解决信息匹配的问题，通过打破信息壁垒，完成了一场波澜壮阔的「信息平权」运动。工厂和商家被接入了前所未有的广阔市场，理论上，供需双方拥有了无限的连接可能。
但现在，随着 AI 大模型的巨浪袭来，机遇之下是新的、更严峻的挑战。一个新的「AI 能力鸿沟」正在撕裂商业世界。在这种时代巨变面前，大公司可以投入巨大资源构建自己的 AI 军团，优化着生产、营销到决策的每一个环节，享受着技术带来的代际红利。
而在链条的另一边，广大的中小企业、新一代的商家，即便手握海量信息，却发现旧的「指南针」已经不再适用于新的战场；生意的痛点依然存在，甚至被进一步放大了。买家找货依旧如大海捞针，因为模糊的需求难以被精准理解；商家获客成本越来越高，利润被无休止的价格战侵蚀；而出海企业面对复杂多变的全球市场，语言、文化、合规的壁垒，更是让他们力不从心。
正是在这个背景下，在今年的云栖大会关于跨境电商的发布会期间，1688 不仅发布了首个跨境电商智能体「遨虾」，还在圆桌会谈中，再一次喊出了「懂生意的 AI」，试图为数以千万计的中小生意人，找到一条跨越这道鸿沟的答案。
这场圆桌所讨论的内容核心，正是探讨 AI 如何从一个提效的「工具」，进化为共担决策的「合伙人」。1688CTO 霍承富、1688 商业化负责人齐晓宁、1688 跨境负责人一隆，围绕着主持人、极客公园 CEO/创始人张鹏提出的「如何解决生意里最有摩擦力的问题」，展开深入的剖析。
无论是帮助买家在稍纵逝的市场趋势中快速洞察商机，还是帮助卖家从「卷价格」的肉搏战转向「创造新款」的价值战，亦或是帮助出海商家彻底夷平语言、成本与效率的壁垒，AI 正在从根本上重塑生意的逻辑。
信息平权之后，新的战争已经打响。这一次，战场的核心不再是「信息」，而是「能力」。
01
AI 实现「看得见」的提效与增长
张鹏： 我在会场感觉特别接地气，很多地方在讲 AI 技术上限不断提升，但在你们这，我看到 AI 已经开始在生意上释放巨大的能量。要谈论「懂生意」，就必须首先拿出商家能感知到的、实实在在的商业结果。你们是怎么选择要解决的问题，并且让 AI 在这里面起作用的？
霍承富： 解决最有摩擦力的问题的产品，是最有生命力的。我举个买家的例子，现在所有商品的生命周期都非常短，玩具从最开始的《黑神话·悟空》到 labubu，现在都不见踪影了。怎么在第一时间发现生意机会，这是个核心问题。所以我们的 AI 找厂、AI 参谋，就是为了帮助买家第一时间感知市场需求和变化。当一个买家输入一句模糊的需求，比如「想找一家做环保毛绒玩具、500 件可起订、有欧美出口经验的工厂」，系统不再是简单匹配关键词，而是像一个资深采购，理解他真实的商业意图，精准推荐供应商，还附上产能、资质、履约表现的对比报告，极大缩短了决策周期。
齐晓宁： 我平时和商家接触非常多，发现他们现在关注的焦点已经从「规模」回归到「利润」。最影响利润的就是两件事：我的产品怎么开款，我的客户从哪儿来。
过去，大概 80% 的商家开新款都是看同行，看竞对，最后就只能卷价格。但我看到一些有想法的「厂二代」，他们会去看时装周，捕捉流行元素，雇实习生去海外平台看数据，再用生图工具和自己的产品结合，能把毛利率从 30% 做到 90%。这种能力不是人人都有。所以我们就想，我们有 AI 的能力、有数据，有机会帮助商家把这件事做得更快更好。我们的「AI 数字员工」团队，就是要让每个工厂老板都能拥有自己的「创意引擎」，辅助他做经营决策。
02
夷平壁垒，AI 让「全球通」成为可能
张鹏： 跨境生意天然要面对更多壁垒。一隆你刚才也提到，AI 解决语言问题大家容易理解，但你们看到的、最有摩擦力的问题远不止于此？
一隆： 是的，内外贸之间的壁垒，核心是两层：第一层是成本，第二层是效率。比如土耳其语，语料少，又没有近似语种，99.9% 的卖家天然就不会去经营这么一个极小语种的市场。但在大模型时代，你一下子就能把几十种语言全都做出来。你做几十个平台、发无数个款，和你只做两三个平台发几百个款的成本可能是一样的。
更重要的是效率，现在招一个西语客服，工资一万多，还只能在中国 8 小时工作，有时差。AI 客服不需要达到八九分，只要达到六七分，就远远比真人来得好。它正在成为能干的「本地员工」，7x24 小时处理全球业务，把中国成熟的商业方法论用更低成本、更高效的方式在海外应用。
张鹏： 新一代的年轻人动手能力很强，自己搭一些工具链路也能解决问题。为什么他们最终用 1688 会更好，这里面有什么结构化优势吗？
一隆： 下半场真正的优势，第一是私有数据。市面上很少有像我们这种基座型的商业经营体，能够拿到海量甚至货通全球的中国制造的数据。其次是私有的场景和工具。比如我们做 AI 生图，这有巨大的工程量，有规模效应，不是谁都能干的。而且，我们认为未来不能只是把传统员工的每一段职能都 AI 化，比如 AI 美工、AI 买手、AI 客服，它一定是端到端的 AI，而不是 AI 员工的求和。
张鹏： 这种 Agent 的能力，今天的成熟度怎么样？
一隆： 我觉得 Agent ready 的程度是超乎你想象的，它不是很遥远的未来，可能 3-6 个月就 OK。像基于 research 生成选品报告，多语言翻译，多模态素材生成，这些过去一年已经被解答得很好了。这个变化来临的周期，会比我们想象的快得多。
03
反常识的细节里，
藏着「做生意」的真常识
张鹏： 听下来我发现，要证明一个 AI 是不是真的「懂生意」，不能只看它推出了多少功能，更要看它在关键时刻怎么做判断和取舍。这里面有很多细节，可能不符合通用的产品逻辑，但却很符合「生意人的常识」。
齐晓宁： 没错。比如老板下了一个指令：「这个月必须把这批库存清了。」一个通用的 AI 工具可能会给你上百种营销技巧让你自己试。但我们的「数字员工店长」会直接为商家生成几套具体的、可执行的方案，清晰列出每套方案的投入费用、预计完成时间，以及能带来的 GMV。
商家只需要根据自己的情况选择一个，然后交给 AI 团队去执行。在商机瞬息万变的时候，商家需要的不是一个选项繁多的工具箱，而是一个能提供确定性、能承担责任的合作伙伴。
张鹏： 这个思路很有意思。另一个常见的 AI 应用是推荐「爆款」，但这在 B2B 领域，尤其对工厂来说，好像是个陷阱
霍承富： 是的，因为算法鼓励所有人去生产同质化的产品，最终结果就是「追共识就只能卷价格了」。一个懂生意的 AI 应该明白，工厂真正的核心竞争力，不是模仿爆款，而是它独特的、非结构化的生产能力——可能是某种特殊工艺，可能是对材料的深度理解。但工厂的痛点在于，很难把这些「内功」精准地翻译给买家。
张鹏： 所以 1688 的 AI 产品，是怎么解决这个问题的？
霍承富： 我们最大的壁垒之一就是 1688 的「工厂资产」。AI 正在做的，就是把这些资产做深度解构和显性化呈现。比如我们会把工厂在 1688 的经营年限、每月上新数、老客回购率、客服响应率这些买家判断工厂是否靠谱的决策因子，做成一张「显性的思维导图」去呈现。我们不是让所有工厂都去追爆款，而是帮助每个工厂更好地成为自己，并把那个独一无二的自己，呈现给最合适的客户。
齐晓宁： 其实，许多痛点是怎么发现的，包括怎么用 AI 解决问题，都是跟商家聊天聊出来的，不是在办公室里琢磨出来的。
04
从信息平权到能力平权
张鹏： 当 AI 越来越多地参与到业务场景中，它的角色就不再仅仅是一个工具了。我看到一个清晰的路线图，AI Agent 正在从一个高效的工具，进化成一个有默契的「生意搭子」，甚至是深度参与决策的「AI 合伙人」。
齐晓宁： 是的，从技术上来说，做一个工具、一个能解决复杂任务的员工，和一个合伙人，是完全不同的三套技术体系。工具是解决单点任务，比如生个图、做个视频。但数字员工要执行的是长周期任务，比如「这个月要清多少货盘」，它能够规划并带领商品、客服、营销等不同的垂直模型协同作战，像一个团队。我们现在一周的复杂任务执行准确率能到六七十。
张鹏： 那再往后，要成为「合伙人」甚至「企业的操作系统」，还需要解决什么问题？
齐晓宁： 下一个最难的问题是数据，特别是企业自身的、非结构化的数据。如果大模型能理解这些数据，并执行长期任务，它发挥的威力就大多了。
到那一步，AI 不但能完成复杂任务，还能在出现异常情况时，帮你中断并给出解决方案，真正成为企业自身的操作系统。
张鹏： 我听下来感觉，这标志着一个新时代的开启：从过去的「信息平权」，迈向未来的「能力平权」。平台输出的不再只是信息和匹配，而是做生意的「方法论」和「能力」。
霍承富： 我们交付的价值就是数字供应链。但是价值创造过程中，可能需要价值受益者（买家、卖家）共建，一个是把资源放在 1688，另外一个是把授权放在 1688。资源，无论你做增长还是做库存，这些信息都放在 1688；授权，比如我就想做某个品类，希望赚多少钱、做什么范围，其他的东西都托管给 1688，借 1688 平台的 AI 能力、技术底座、供应链的系统能力，去交付给你生意结果。我觉得到那一步才是真正把生意搭子做实，当然这也是我们努力的方向。
齐晓宁： 最终，我们希望商家能把精力集中在生产更好的商品和做好服务上，不要再去卷流量、卷玩法，被平台经营的复杂性卷进去。而是专注好自己的商品和服务，接入我们构建的这个智能供应链网络，一块把中国制造的效率提高，让中小商家的生意做得更简单、更好。