AI重构跨境支付：效率、风控与Agent商业时代

“支付”这件事，正变得愈发便利。无论是线上购物、餐饮下单，还是线下消费，用户只需点击、扫码或轻触设备，就能完成支付。然而，这几秒之内，背后实际上运作着一套错综复杂的支付体系。

在全球范围内，这类交易每分钟发生数百万次，其中不少涉及跨境流动。不同地区的消费者、商家，以及多样的支付方式和金融机构被连接起来，快速完成识别、授权和风险评估。看似简单的付款动作，实则牵动着整条支付链条。

如今，AI也开始介入这条链条，协助支付平台实时判断交易应选择哪条路径、是否放行，甚至能否直接替客户完成交易。支付正从一个简单的交易动作，逐渐转变为一套智能决策系统。

那么，全球跨境支付的链条如何运作，面临哪些挑战？AI的加入正带来哪些变化，行业巨头又进行了哪些探索？本文将以蚂蚁国际的实践为例，探讨跨境支付的运行机制，以及它们如何为AI时代做准备。

跨境支付链条与挑战

从点击付款到最终完成，一笔跨境支付背后需经过多个环节。

跨境支付的复杂性

以购买国际机票为例：在航空公司网站选好机票和支付方式，点击“付款”后，一笔交易便启动。

首先，商家向收单机构发起支付请求，并发送交易信息。收单机构是商家进入支付网络的入口，Antom、Stripe、PayPal等支付平台，在实际业务中也会提供收单或相关支付处理服务。它们负责连接不同支付方式、选择合适的支付通道，并识别和控制交易风险。

随后，交易信息进入Visa、Mastercard、银联等卡组织网络。卡组织承担信息转接的角色，将交易信息从商家一侧传递至消费者一侧的发卡机构，即消费者银行卡所属的银行。

银行验证账户和支付信息，检查余额或信用额度，同时评估交易风险，决定是否批准交易，并返回授权结果。结果再经由卡组织、收单机构，最终传回商家，这一信息传递和授权过程可能只需几秒钟。

需要注意的是，此时完成的主要是交易授权，传递的是交易信息，资金尚未真正进入商家账户。实际的资金划转发生在后续的清算和结算环节：资金从发卡机构一侧，经支付网络和收单机构，最终结算至商家账户。若涉及跨境交易，还可能包含货币兑换和跨境资金流动，整个过程通常需要T+1至T+3天，甚至更久。

因此，一次简单的付款操作背后，商家、收单机构、卡组织和发卡机构已完成复杂的信息传递与授权。其中，收单机构是承前启后的关键节点，确保每笔交易顺利完成并不容易。

跨境支付的复杂性

对于希望开展全球业务的商家而言，它面对的并非一个统一的支付市场。不同国家和地区的支付习惯存在明显差异：北美以信用卡为主，亚洲许多地区更习惯使用电子钱包，另一些市场则较依赖银行转账，甚至拥有独立的本地支付网络。

这些体系之间并不天然互通，因此，连接不同国家的支付方式、银行与支付网络，本身就是一项复杂的基础设施工程。

另一个挑战是跨币种与跨境结算。消费者使用美元付款，而商家最终收到的可能是欧元或人民币，其中需跨越不同的金融体系，处理汇率、货币兑换和资金结算等问题。

此外，收单机构不仅需保证交易成功，还必须兼顾成本、风险和消费者的支付体验。例如，一条支付通道的成功率较高，但成本也更高；另一条通道的成本较低，却更容易失败。风险控制同样需权衡：审核过于宽松可能放过欺诈交易，过于严格又可能误伤正常消费者。

收单机构因此面临复杂的实时决策：选择哪条支付路径、是否放行，以及如何在速度、成本与安全之间取得平衡。当业务从一个国家扩展到几十乃至上百个市场，这些问题的复杂程度还会成倍增加。

过去，这些难题主要依靠支付机构的基础设施、预设规则和人工经验来解决。近几年，AI成为支付链路中的新变量，其影响主要体现在两个层面：

一方面，AI正在优化原有支付链路中的交易决策，提高支付效率与智能化水平；另一方面，随着Agent参与商品搜索、下单，乃至自主完成支付，新的交易方式和支付场景也带来了此前没有遇到的问题。

AI让支付变“聪明”

高度复杂的全球支付网络，长期以来需大量人工工作来维持运转。进入新市场前，需调研当地支付方式和监管要求；交易出现异常时，需人工排查；不同市场的账目不一致，需财务人员核对；支付渠道发生故障，也需人工发现、定位并决定处理方式。

随着跨境交易规模增长，这些工作的效率压力不断增加，单纯依赖人力的方式已难以满足需求。因此，AI成为支付行业降本增效的共同探索方向。头部支付机构开始将AI应用于交易决策、风险控制和运营等环节。

在蚂蚁国际于上海举办的VOYAGE2026上，也展示了支付行业利用AI解决相关问题的具体实践。

Antom是蚂蚁国际旗下主要负责商家跨境支付业务的平台，自2023年开始为全球商家提供支付服务。在此次Antom的演示中，Antom Autopilot智能体体现了AI对支付服务流程的改造：从商家入驻和系统集成，到交易风控、拒付处理、对账及新市场拓展，AI已参与支付服务的多个环节。

我们通过以下几个典型场景，来说明这个智能体的具体运作方式。

首先是新市场研究。企业进入一个新市场之前，需先理解“当地人到底怎么支付”这件事，例如了解当地消费者偏好信用卡还是电子钱包，以及当地的监管制度等。过去，企业自行完成这类调研可能需要约6个月，收单机构提供建议也至少需2至4周。

通过Antom Autopilot，这一过程可缩短至5分钟。例如，一家企业准备进入印尼市场，AI会先分析当地支付格局和用户习惯，再根据不同商家类型的业务特点，个性化推荐支付组合。

以前许多系统到“推荐”这一步就结束了，Antom Autopilot还增加了仿真环节：它可将推荐的支付方案放到结账页和生产环境中提前测试，观察真实交易可能出现的结果，确认后再一键上线。

据Antom称，当市场调研的时间从两周缩短至五分钟，研究成本也随之大幅降低，企业的决策重点因此发生变化。过去，企业需考虑何时才能负担得起特定市场的调研成本；如今，则可将更多精力放在判断哪些市场值得立即进入。

第二个挑战是安全。在许多海外市场，信用卡仍是普遍的支付方式，而欺诈与拒付，也是信用卡交易中最让商家头疼的问题。

Visa不久前进一步收紧了“收单行监控计划（VAMP）”：按照新的标准，每1000笔交易中，欺诈和争议交易的门槛从过去的22笔降至15笔。一旦超过门槛后，商家和收单机构可能面临罚款，严重时还可能影响支付通道。

与此同时，欺诈攻击手段不断演变，识别和拦截难度也在增加。例如，“盗卡测试”如今已成为普遍问题：攻击者利用机器人持大量盗取的信用卡信息，在商家平台反复尝试支付，以确认哪些卡片可以使用，短时间内便可能发起上万次支付操作。遭遇盗刷的用户向银行申诉后，店铺的投诉率就迅速上升，拒付率甚至可能增长50%。

面对这类问题，传统风控通常以事后处理为主：等待拒付报告出现，再由人工定位原因，整个过程可能需要2周到4个月。引入AI后，风控可转向实时监测与提前预判。

以Antom Autopilot为例，AI持续监测交易，发现异常后自动分析并生成拦截规则。这些规则不会立即上线，而是先通过历史交易“回放”，模拟可能拦截的交易及其对支付成功率的影响。规则上线后，系统每7天自动评估风控效果、生成报告，形成“实时监测—模拟验证—上线—持续复盘”的闭环。

这套系统的效果也非常显著，Antom表示，一家客户的欺诈拒付率从1.18%降至0.02%，从Antom整体商家情况来看，欺诈平均下降约55%。

即便拒付已经发生，AI仍可参与后续争议处理。例如，Antom SmartDispute会提供申诉建议，将平均争议胜诉率从24.5%提升至41.8%。Antom AutoDispute则可以自动整理材料、协助提交申诉，减少人工工作量。

交易完成后，商家还需面对繁琐的对账工作。跨境交易涉及不同的国家、支付方式和结算规则，例如，在东南亚、欧洲等市场，一次对账可能涉及6种以上货币，不同渠道的结算周期可能分别为T+2或T+7。同一笔交易因结算批次不同，甚至可能出现在不同文件中。传统人工对账一个周期可能需要48至72小时，发现差异后还需继续查找原因。

这也是AI开始发挥作用的地方，Antom除了可以将人工对账自动化，还让AI进一步去解释异常。在找出问题之后，还接着会判断背后的原因是什么，并生成对应的报告，整个流程可压缩至5分钟。

除上述环节外，支付系统还需持续稳定运行。跨境支付连接大量渠道与合作机构，任何环节发生故障都可能造成损失。

在东南亚，一些支付渠道每月可能出现1至3次故障。以前这类事情很大程度上，还是靠人工值班和排查，等问题被定位时，可能已经损失了超过5%的交易量。因此，7×24小时的系统运维同样重要。

AI可持续监测全球支付渠道，发现异常后自动判断影响范围和原因，并进一步提出关停、切换流量、智能路由等处理方案。过去需数小时甚至数天的检测与处理过程，如今可缩短至分钟级。

从交易前的市场研究，到交易中的风控，再到交易后的对账以及支付系统的实时运维，AI首先改变的，是支付背后复杂、重复的工作。

但这只是第一步，当AI开始从“帮人把支付做好”，进一步变成“自己参与交易”，支付面对的问题也会完全不一样。

Agent新场景

近年来，我们越来越多地听到一个新词：Agentic Commerce（智能体商务）。传统线上购物通常由消费者自行搜索商品、浏览网页、比较价格、领取优惠，最后完成付款。

随着Agent加入，这样的流程就被彻底颠覆了。消费者只需向AI表达购买意图，搜索、比价乃至付款，便都可以由Agent完成，主流支付平台也正在围绕这一场景加快布局。

这件事带来的变化，并非只是增加了一个AI导购。过去的电商链路以“人找商品”为主，未来可能转向“Agent理解人、再替人完成交易”。当交易参与者发生变化，原有的销售和支付链路也会随之改变。

首先受到影响的是购物入口。过去，独立站能否将流量转化为订单，很大程度上取决于用户能否找到并选定商品，以及商家是否拥有足够的销售与客服人员。

在Agent时代，用户进入网站之后，智能体会主动打招呼，并精准地根据需求去推荐商品、提供建议。接着它还可以继续引导下单、生成订单，并在用户的授权下完成支付。交易完成后，甚至还可以提供售后服务。

但对大量中小企业而言，自行搭建这样的Agent并不容易。Agent要持续运行，背后需接入模型、技术开发并持续维护，还需准备云服务器和算力。Agent每次与用户对话、搜索或调用工具，也都会产生Token消耗和推理成本。无论是技术团队、经验还是成本，都可能构成商家的门槛。

因此，主流支付公司都在积极研发一站式的Agent产品。例如，Antom推出的Antom Shopping Agent，可以把访问、导购、下单、支付到售后串成一条完整流程，直接嵌入商家的网站。

除了改变消费者“怎么买”，Agent也在改变商家“怎么卖”。以前的营销通常依靠投放广告、发优惠券，等待用户触达、领取并最终消费，效率存在局限。

研究数据显示，平台获客成本上涨了15%，流量转化却下降了20%。传统优惠券从发放到实际使用，还可能需超过48小时以上的运营支持，最终核销率仅为1.87%。

随着AI的进入，营销思路开始由“广撒网”，转向“做匹配”，Antom在A+ Rewards上的探索便是一个例子。

A+ Rewards并非单纯的优惠券工具，而是覆盖亚太10大市场、连接超过21个数字支付平台，让商家可以把优惠券、返现、订阅折扣等营销活动，直接放进用户日常使用的钱包场景里。

例如，用户向Agent提出“今天想喝杯咖啡”，AI可以识别意图，再从A+ Rewards中寻找相关优惠并进行推荐，再协助用户完成核销。

这样一来，原本“看到广告、领取优惠、回来消费”的营销链路，由此被压缩为“表达需求、匹配优惠、完成交易”。对商家而言，这既可能提高转化率，也可能触达此前未主动访问过的新用户。

风控安全

无论是AI进入原有支付链路，还是创造新的交易场景，背后都有一个共同趋势：越来越多的“判断”与“执行”任务正在交由AI，安全问题也因此变得更加复杂。

前文提到，Antom Autopilot等产品正在提高风控效率，但这一能力首先依赖于对风险的准确识别。为此，Antom推出了Antom 3-in-1 Transformer安全模型。它最大的特点，是将三类不同的数据纳入同一个Transformer模型进行分析。

过去，不少风控模型往往只关注某一种数据维度，例如一笔交易本身的特征或用户行为。但在Antom看来，单一维度很容易看到局部，却可能忽略交易背后的关联。一笔交易有没有风险，往往同时包含多个层面的信息。

这三类数据分别是：

第一，序列数据，用于判断当前交易是否符合用户过去的行为轨迹；

第二，图数据，用于分析设备、账户和资金之间是否存在可疑的关联网络；

第三，表格数据，涵盖上万个专业风险维度，用于判断交易本身是否符合正常支付模式。

它们分别回答三个问题：这个用户过去怎么做？他和谁有关联？这笔交易本身有没有异常？将这些信息结合起来，有助于AI识别更加完整的风险图景。

底层模型提供了风险判断，但风险被识别后，还需落实到防控上。为此，Antom进一步建立了三重防护机制Antom Shield，分别对应AI支付正在面对的三类不同风险。

第一层是支付防护，解决传统的盗卡、欺诈和拒付问题；

第二层是反滥用防护，针对批量注册、设备养号、薅免费额度等新型风险；

第三层是智能体防护，解决Agent开始参与交易之后产生的新风险。

由此，底层模型负责识别风险，Antom Shield负责实施防护，二者结合起来，共同构成AI支付的安全基础。

即便是AI在交易过程中出现了错误，商家的损失也是完全可控的。对此，Antom推出了AgentSafePay风险保障机制。据Antom介绍，使用Antom Shopping Agent及Antom收单服务的商家，如果发生符合保障条件的智能体交易风险，可获得其所称“100%敢付敢赔”的保障。

增长生态

除了具体支付流程的变化，全球化企业对支付平台的需求也正在扩大。

目前，对于许多全球化企业而言，支付不再只是让客户完成付款。一家企业可能同时在美国、欧洲和东南亚开展业务，每天收到不同币种的款项，随后还需进行结算、换汇，向供应商和员工付款，并统一管理分散在不同国家和账户中的资金。

因此，除了支付之外，企业还希望资金能够更快、更灵活地在不同账户和市场之间流动。这也是为什么，近几年主流支付平台都在快速行动，开始从单纯处理交易，逐渐延伸到企业账户、跨境付款、资金调拨和流动性管理。

蚂蚁国际的业务布局也反映了这一趋势，目前，整个蚂蚁国际的体系分为四大板块。

其中，Alipay+更靠近消费者一侧，主要连接不同国家和地区的钱包、银行App等支付方式，让消费者可以使用自己熟悉的支付工具，在海外商家完成支付。

Antom则更靠近商家一侧，帮助企业接入不同市场的支付方式，并提供相关数字化服务。目前，Antom覆盖200多个支付市场、300多种支付方式和140多种货币。

交易完成后，资金仍需继续流动，这便涉及WorldFirst（万里汇）的业务。WorldFirst连接账户、资金和外汇，帮助企业利用多币种账户开展全球收付款及换汇。对于业务更加复杂的企业，还可以对不同实体、账户和市场中的资金进行集中管理与调度。

当支付、账户与资金流得到连接后，金融服务也具备了融入企业经营场景的基础。Bettr提供的正是这一层金融服务，包括企业信贷、资金管理、外汇和流动性等。

例如，AliExpress上的中小商家需补货或短期资金周转时，可以直接在商家后台申请营运资金贷款，无需另行寻找融资渠道。消费者购物时，也可以通过“先买后付”等方式分期付款。

也就是说，金融服务不再是独立存在的产品，可以直接嵌入企业经营和消费者交易之中。从消费者付款、商家收款，到企业资金流动，最后延伸至融资、外汇等服务，原本分散在不同系统中的环节，正在被同一个生态包裹起来。支付也由此成为连接消费者、商家、企业资金和金融服务的一层基础设施。

这些产品与能力进入具体行业后，可以如何发挥作用？航旅业务提供了一个典型案例。

案例解读：当航旅碰上“AI支付”

一张跨境机票背后，连接着不同国家、币种和支付方式，也涉及航空公司、代理商等多个参与方。

同时，航旅交易对实时性要求很高，价格、库存和用户决策不断变化。随着AI参与旅行搜索、比价和预订，支付环节的效率问题也更加突出。

AI比价体验

如今，借助AI，机票比价与购买正在变得更加简单。用户只需提出需求，AI就可以快速比较不同航班与价格，甚至直接给出购买建议。

但AI看到的价格不一定就是最终支付价格，除机票价格本身会变动，跨境支付还会受到汇率波动的影响。AI比价时、实际支付时和后续退款时，汇率都可能不同，同一张机票因此可能出现“三个价格”。

当用户把比价与购买决策交给AI，价格能否保持一致就成为新的问题。支付系统需尽可能确保AI展示的价格，在后面的交易过程中尽可能保持一致。

Antom采用的一种方式是动态锁汇：通过Falcon TST模型的预测能力，在报价时就锁定当时的汇率，并将该汇率延续至后续支付和退款环节，最长可锁定一年。

这样，原本可能出现的“三个价格”，可以尽可能变成一个价格。对用户而言，价格更加透明；对商家而言，可以降低汇率波动带来的影响；对AI而言，其提供的报价也更容易在真实交易中兑现。

不让支付挡住转化

即使搜索、比价和购买决策已经完成，如果最后卡在支付上，前面的效率提升仍可能落空，航旅交易尤其如此。机票价格和库存实时变化，支付一旦失败，座位可能很快被释放；消费者重新支付时，原有价格和座位也可能已经无法获得。

所以，当AI将购买决策缩短至几秒钟，支付环节也需兼顾速度与安全，尽可能减少对购买流程的打断。

其中一种方式是智能分层验证：对长期可信的用户减少不必要的验证，对高风险交易则实施更加严格的身份验证。如果发生支付超时或失败，系统还可以进行智能重试，尽可能在价格和库存变化之前完成交易。

Antom表示，在实际应用中，这种方法让整体机票预订支付成功率，提升了3.8个百分点。

AI智能风控

当AI开始自动参与风控，大量交易可能会被系统拦截，但航旅支付的特殊之处在于：一笔看似“不正常”的交易，并不一定存在欺诈。

例如，一个人住在