上周，我们为大家分享了精选的活动内容，而在本文中，我们进一步为梳理了圆桌对话的核心观点，希望为跨境从业者提供更精彩的洞见。

圆桌嘉宾——

(资料图片)

品玩：zmo.ai 目前服务的品牌、行业或者品类当中，哪些行业和品类的应用场景会更丰富、更成熟？以及产品目前替代实拍或真人模特的效果如何？

张诗莹： 如果大家真正在做跨境，应该对 TikTok 的热度、海外视频营销的趋势有所感知，但其实在 Instagram 等社交媒体上，图片广告仍然站很大比重。 而且现在无论是亚马逊、eBay等平台商家，还是独立站品牌，白底图 + 场景图都是上架产品必备的展示素材。

zmo.ai 完成的工作分为两个阶段：第一个阶段是实现从0~1替代拍摄，即使拍摄器材和场地都不太好的情况下，商家也能生成足够的广告素材；第二个阶段是从1~10，因为社交媒体的广告和流量获取需要商家不断更新素材，批量生成和 A/B Testing 的快速测试和迭代更容易增加爆款的几率。

想要将能力扩展到更多的品类的原因，在于抛开品类划定而单纯从技术能力上来说，图像生成的效果在实体商品场景生成的效果会更好也非常成熟了。 而服装会更看重上身效果，不是简单的场景生成，所以需要商家需要提前拍摄上身图。

在没有实物、只有平铺图和挂牌图的情况下，服装展示目前的生成效果还不算太理想，商家前期仍然需要做一定的模特、假人的基础拍摄工作，但 zmo.ai 在迅速的帮商家完成效果测试、找到人和场景的最佳适配上效果非常理想。

品玩：除了像服装这种 SKU 量多、上新频率高、对图片素材高需求的品类之外，像消费电子/智能硬件这种客单价高，但是 SKU 相对少的品牌会不会成为 zmo.ai 日后的服务对象？

张诗莹： 商品的 SKU 是一方面，大家对效率的诉求是另一方面。快时尚行业的 SKU 非常多，所以品牌和商家行动也要快。 但是亚马逊和其他平台的卖家也还集中在很多其他的品类上，消费电子是一类，也有很多家居场景、宠物用品、儿童用品的商家对提升效率也有很大诉求。

AI 降低了图片创作的门槛，可能有人认为 AI 生成内容距离100分的拍摄水准还有一段距离，但是很多时候，AI 极大地提升了产出效率，并且可以通过线上数据的测试，推动商家在品牌行为上做出更对的选择。人工作图的过程耗时很长，而 AI 在更短时间内能测试更多素材，就意味着能上更多的产品，这是靠人力无法完成的事情。

品玩：今天现场听到了很多关于 AI 在营销推广上的应用分享，但衔远的产品更偏向用户洞察、产品方案推出等决策过程。能否介绍一下衔远科技的产品设计、底层的技术赋能逻辑？

宁宁： 我们关注到 消费品领域的商业本质，是要有好的产品创意和产品创新， 同时有好的营销手段让消费者形成差异化认知。

而从市场洞察、产品定义、研发到营销这一链路在之前是通过很多小模型拆分完成的。举例来说，在初期洞察市场的过程中，头部的公司会通过定制专属的标签体系和小模型来实现，数据颗粒度和标签越细致，探查趋势的精准度就越高。但这个过程的成本也特别高。如果把这个工作延伸到产品创新到营销的全链路， 就需要依据不同阶段和任务，通过大量的小模型和数据定制来完成。

衔远科技希望能将这样一个链路压缩到一个大模型， 将帮助产品创新和营销作为主要应用场景。基座大模型的初始状态在能力上比较泛，但是在结合数据和产品领域进行垂直训练，实现将洞察市场机会、生成产品方案、营销等场景的整合，就有机会通过体系化的工作流程，做到降本增效。

以饮品行业为例，我们通过对比消费趋势、现有的饮品 SKU ，直接帮助品牌定位“供”与“需“的缺口，精准匹配满足消费者诉求的产品。 在具体的应用场景中，我们协助一个头部乳品的企业实现了配方数字化和智能化。接下来大模型还能挖掘产品卖点、自动生成商品页图片，或在展示场景中保留货， 通过AI生成匹配场景的“人（模特）”和“场（背景）”。

品玩：沿着技术可行性的思路，为什么过去做每个环节都是单个的小模型，但是今天的大模型能够在每一个环节辅助决策？是技术上的迭代，还是衔远在训练模型的过程中做了哪些工作？

宁宁： 首先，我觉得还是要澄清，今天的大模型仍然不能完成所有事情，但是可以作为一个企业的中央大脑，去调度不同的工具或者小模型完成具体的任务。例如， 目前的大模型并不太适合精细化的数字计算，但理解意图之后再拆解成各种任务，再把执行的结果汇总输出， 是大模型擅长做的。所以衔远首先在自己搭建的模型之上着重优化了几个能力。

第一个是理解意图，然后匹配合适的工具。 用“搜索”相关的场景来举个例子，通过指定知识库和需求场景，模型能首先检索出相关信息，然后生成一段更容易让消费者理解和接受的回复。但要做到这一点，前提是有准确的知识库，也需要强化大模型的思维能力，例如增加上下文Token的数量，让模型的理解的语境更广。这是我们需要在模型架构上优化的地方。

第二点，我们会用需求的场景，去反推模型需要具备的能力，由此对整个架构进行迭代。 从数据层面而言，商品领域的大模型重点在于匹配产品与消费者的关联。这个过程需要深入洞察商品和消费者，结合模型的推理能力去分析消费者需要什么样的商品、他们的消费者意图是什么、能不能直接给出相应的推荐。

这一过程和用户使用ChatGPT的场景很类似。 比如当消费者想要购买一台洗碗机，衔远的ProductGPT模型可以根据家里有几口人、有几个孩子、偏好嵌入式的洗碗机等等需求，在全网找到精准匹配的洗碗机SKU，给出电商平台和价格的信息。在消费者利用大模型寻找最合适的产品的同时，商家的思路就可以反过来，利用大模型去定位消费者有待满足的产品需求。

我们也会帮助品牌准确呈现销售数据、完成各维度的分析，找出对应品类、品牌、商品的消费者最近在谈论什么，从而把握市场需求。 衔远目前是用模型+数据+产品的方式，把产品价值的闭环呈现出来。

品玩：最近，大家都明显感觉到大模型在出海领域，也是一个很多创业者的活跃赛道，真格基金有哪些比较看好的方向或者是项目？或者从投资人的角度来看，大模型和出海的结合，有哪些场景是值得做的？

秦天一： 因为品牌成长的早期有太多的变量，所以在一定的方向内，我们也很重视人是怎么看待这些机会的。而关注到大模型和跨境行业，是因为之前的机会大多集中在生产关系上，而大模型能够激起生产力的变化，对之后可能会出现的更大变化而言，而现阶段的应用仅仅是开始。

但是大模型的能力是个很大的前提，大家很难像拥有藏宝图一样，一下子就对应到具体的机会领域。 就像回溯到工业革命或者信息革命的早期，当时的人想象不了如今的技术能力、产品形态是什么样子的。

技术的革命是在不断地尝试、总结中发生的。一个新的就是浪潮下，更通用思考方法，是去看新的工具能解决什么样的问题。 举例而言，大模型就改变了电商产品和信息的分发。我们不少朋友已经在跨境电商领域尝试图片、视频生成，甚至“数字人”的应用。在一级市场上，真格基金其实投了很多跟 AI 有关的项目，同时我们也做了非常多的 AIGC 的马拉松，我们发现这些应用的更新和迭代速度特别快，关注各个领域的目的也是为了收集更多的 idea、看到更多的可能性。

总而言之，我们确实觉得站在“大浪潮”下，从创业的角度来说，占据先机、通用的思考方法，以及清楚具体要解决什么问题，是更重要的。

品玩：从真格基金的视角看，这波浪潮相比于元宇宙、web 3.0，不一样的地方在哪里？长期来看，对于品牌或者个人能力的提升又有哪些可能性？

秦天一： 我说几个可能不太成熟的想法。我觉得像嘀嘀打车、Uber这样的产品，确实只是改变了打车的方式，但并没有改变出租车这个行业本身，也依然是很成功的产品。 而在企业的运作过程中，或者大家工作交流中，其实常常在非常细碎的方面上花费精力、进行大量重复模式的沟通，而 AI 的能力哪怕只是在这些过程中协助处理，也对效率的提升有很大帮助。

在我负责的一个项目中，创始人考虑到当前的市场环境，并不想增加太多人手，因此掌握了用 AI 工具撰写营销文案、设计海报、制作视觉图像，甚至编写基础代码的技巧，而这为他节省了至少三到四个员工的工作量。这种应用既探索了 AI 工具在现有生产模式下的潜力，也说明了如今的技术已经具备一定的能力。

品玩：刚刚 zmo.ai 提到了之前的产品更多面向海外，但现在也在考虑服务更多的国内商家。在zmo.ai 看来，国外和国内的电商场景，在 AIGC 工具的使用、应用场景上存在什么差异吗？

张诗莹： 我认为并没有很大的差异，国内和国外的用户都希望工具能够快速上手并且融入工作流，而 Prompt 对大家而言都是困难点。从电商面对都是 C 端的消费者群体这点来看，大家对整个素材的风格设计上，需求也相对一致。

不过对国内的用户而言，提示词的语言是一大问题。 很多模型目前的英语能力更强，而多数商家用英文写 Prompt 还很难做到母语水平。所以 zmo.ai 在产品设计上，尽量减少了商家自己写提示词的需求，而是通过可以直接使用的模版，结合商家上传的参考图直接生成素材，保证整个产品的应用性； 其次，国内的跨境商家上架的产品比海外要多一些，大家对于营销和广告会也会需求也更细。

所以事实上，大家在 AI 的应用上都面临相似的挑战，我们希望做到降低使用门槛、提升产品的易用性，让 zmo.ai 能帮助商家真正的提效。

品玩：还有一个延伸的小问题。因为用 AIGC 生成图片和视频已经成了很多商家的共同选择，在这种情况下，商家怎样才能确保自己广告素材的独特性？

张诗莹： 我认为对于商家而言，在独特性之外，提升爆品率也是一大需求。很多时候，大家很难预测哪个产品会成为爆款，可能 商家更需要一个高效的工具，比别人更快生成创意素材，去验证可能成为爆款的产品。

然后，用户通过 Prompt 和不同的参考图，是可以保证生成效果独特性的，而最终的效果取决于用户对于这个产品，或者对生成内容本身的理解。

所以，最底层的其实依然是商家对于品牌的产品上的独特思考，同时找到跟工具最有效率的互动方式。 或者大家把 AI 放在员工的位置，如果期待完全依靠工具做出爆款，其实不太靠谱，但是它能够帮你大幅度提效，而背后的理解逻辑本质上是一致的。

品玩：衔远科技在国内的零售、消费品行业已经有成功的实践了，接下来在跨境电商方面的计划，有什么关于使用场景、实现效果的设想吗？整个部署的流程需要多长时间完成？

宁宁： 跨境电商跟衔远目前的服务场景和能力模块，其实很多方面是相通的。寻找市场机会、产品创新、优化营销层面的效果和效率，衔远其实都已经有了一些能力的沉淀。 衔远是按照工作的角色能力打造ProductGPT的产品能力，实现对企业员工的真正的赋能。

首先，市场趋势的洞察涉及到如何踩准机会、打造爆品。 以产品经理在海外市场打造爆品的需求为例，衔远的大模型运用来自海外市场、商品和消费者需求洞察的数据，分析供给侧有没有相应的品类满足消费者需求，并在这个过程中可以协助总结产品的创新机会点。

其次是营销，这也是大家最常谈论的应用方向，而当前的阶段， AI 工具在实现更高效率、更低成本的商业拍摄上发挥作用。 在跨境商家对商品图、模特展示图的需求上，我们能够结合需求和卖点，做到零门槛的生成。虽然最终结果还需要人做最终的把控，但是整个生成的自动化程度还是很高的。

最后，我们可以帮助企业实现模型的私有化部署。 衔远科技提供的解决方案包括模型、算力、数据，我们将产品能力与模型高度整合，通过嵌入的行业洞察和数据，为客户提供相对全面的解决方案，并且结合客户的数据进行微调优化，这样可以极大提高模型效果。

品玩：有的品牌可能已经具备了一定的数据量和工程师基础。对他们来讲，是应该选择在接入通用模型的基础上微调，还是有机会选择训练自己的大模型？

宁宁： 我觉得可以类比之前很多企业在数字化转型过程中的探索。 回归数字化转型的话题本身，大家最终考虑的，还是企业要达成这个能力付出的成本。 选择已经针对品类、应用场景训练好的模型产品一体化方案，整体的成本肯定低于自己从头开始搭建和调试一个大模型。

另外一个需要考量的因素是战略布局。 衔远科技之所以选择这个自有大模型+私有化产品部署的路径，也是因为我们觉得在商品领域，衔远已经有能力预训练应用场景明确、可以直接落地的模型和产品，而私有化部署是出于保护用户数据的考虑。我们的方案总体成本应该会低于企业自研大模型。

品玩：从长期来看，AIGC+跨境电商的技术趋势，会对出海行业带来什么影响？

秦天一： 电商是一个特别宽的领域，今天着重讨论的能力，在于图片和视频的生成过程对商品展示、营销过程的赋能。以 zmo.ai 刚刚分享的内容来说，虽然模特展示图生成还需要人作为基础，整个测试也需要一些时间，但如果生成的效果足够好，其实 不仅是对效率的提升，而且商家可以拿到的数据维度也会不同 。关于摄影灯光渲染的位置、整体的风格调性、适合当模特身材和姿势，都可以变成数据飞轮，能让整体效果提升到下一个新的阶段。

而AIGC+本身就是诞生于技术风口、变化之中的能力，能够适应很多东西的变化，也更有利于跨境行业的全球化竞争。

张诗莹： 传统电商的运作模式，从商品设计出图、生产、拍摄，再到销售，整个流程是很耗时的。但现在，商家可以通过 AI 工具的力量，快速地生成数十个与原款相似，但又具有细微差别的商品款式，然后通过快速的测试再从中筛选出具有市场潜力的款式进行生产和销售。 这不仅提升了设计和生产效率，还有利于供应链端的创新。 因为事实上，AI 的创意只要解决了布料的问题，大部分设计都可以变为产品。

AIGC的运用会不断的丰富数据维度，如何从大量的数据中筛选出对商家有价值的信息，如何利用这些信息优化广告和listing配置，都成为了商家面临的新挑战， 但 AI 工具本身在数据处理上也有优势，它可以帮助商家更快速、更精准地满足全球不同市场的审美和消费需求，去打开新的市场。

宁宁： 我觉得分两个层面。 第一，对商家来说，最核心的肯定还是效率的提升，让商家更有核心竞争优势；第二个是从消费者层面来讲， AI 工具能够更直接地帮助消费者找到合适的商品。

最终，每个商品都能够应需而生，然后消费者的需求也能被真正满足。这两点都是跨境电商+AIGC后能看得到的改变。

标签：