预计2025年市场规模4.2万亿美元 AI与云正在改变跨境电商

健康生活 2025年07月25日 22:47 1 admin

中经记者秦枭北京报道

随着全球化进程的加速和数字技术的飞速发展，跨境电商已成为全球贸易的重要组成部分。

根据麦肯锡咨询公司的最新研究报告，预计到2025年，全球跨境电商市场规模将达到4.2万亿美元，较2023年增长约70%。海关总署的数据显示，2024年我国跨境电商进出口约2.71万亿元，同比增长14%。

然而，随着市场的快速扩张，跨境电商的全球化特性与日益复杂的业务场景，IT成本也在持续攀升。服务器、存储、带宽等各项资源的使用，正在不断蚕食利润空间，逐渐成为跨境电商企业越来越沉重的负担。多位业内人士在接受《中国经营报》记者采访时表示，跨境电商企业在面对海量数据处理、高并发访问以及实时分析等需求时，对全球化的部署能力、网络、存储、本地化应用均提出了更高需求，云计算需在合规框架内实现“毫秒级响应、美元级成本、全球级覆盖”突破。

云支出高增下挑战仍存

据Gartner预测，到2025年，跨境电商行业的IT基础设施支出中，超70%将用于云计算相关服务。不仅如此，包括Gartner在内的机构进一步指出，2025年全球云支出将突破7200亿美元，年增长率超21%，其中云基础设施和平台服务（CIPS）增速最为迅猛，可达24%。

然而，随着社交电商、直播电商、即时零售等新兴模式的规模不断扩大，这些新兴模式不仅要求云计算能够提供稳定可靠的核心基础设施来支撑大规模的数据处理和存储需求，还需要具备灵活分布的计算能力，以满足用户在不同场景下对交互性、低延迟和高可用性的严格要求。

例如，在直播电商领域，云计算需迅速应对大量用户同时在线观看直播和下单购买的需求。然而，电商企业往往难以准确预估“促销季”的访问峰值，为了确保系统的扩展性和可靠性，往往会过度配置资源，导致资源浪费。Akamai亚太与全球客户云架构总监李文涛直言，由于海量数据的存储和处理成本高昂，一些电商会选择通过数据采样，仅保留部分日志进行分析。这种做法虽然降低了成本，却牺牲了数据的完整性，使得运维或业务团队在遇到具体问题时难以进行有效的溯源。

Akamai大中华区售前高级经理马俊对记者表示，电商直播有一个显著特点，即以交易和用户交互为核心。尤其在直播过程中，用户交互常常在短时间内出现爆发式增长，这类流量模式可以称为“脉冲式”或“尖刺式”流量模型。这种情况对平台提出了极高的要求，需要拥有海量的带宽和资源储备，以应对突发的流量高峰。在这种场景下，企业不仅要求基础设施具备良好的鲁棒性（指软件、算法或系统在异常情况或极端条件下依然能够正常运行的能力）和弹性，同时也希望实现成本的优化。

而在跨境电商直播业务中，这种需求再次被放大。马俊说道：“跨境电商直播有很明确的技术挑战，其一是要求延迟低，其二是要保证整个链路的安全。总而言之，我们的客户需求是两个字，即‘快’‘安’。”

此外，马俊表示，不同国家和地区对数据隐私保护和合规要求不尽相同，直播过程中也可能面临网络安全事件和威胁。Akamai依托成熟的应用安全能力和AI防火墙等产品套件，可以为电商企业提供合规保障和安全防护，确保关键业务稳定运行。

AI正重塑跨境电商技术底座

对跨境电商平台与卖家来说，在设计、选品、运营、客服、营销、供应链等各个环节，都需要做到深入洞察本地需求、因地制宜地推出本地化产品。而在AI热潮下，智能化决策工具和营销工具能够有效助力电商卖家降本增效。与以往不同的是，中国电商企业在“出海” 过程中，正集体掀起一场从依赖第三方AI服务向自建模型的战略转型，这一趋势正在悄然改变全球跨境电商的云计算生态。

大型云厂商普遍推崇的MaaS（Model as a Service，AI即服务）模式，在跨境电商领域遭遇了前所未有的挑战。

李文涛表示，中国电商企业在实践中发现，依赖API购买AI能力的模式存在多重隐患。数据安全首当其冲，电商核心交易数据与用户隐私信息通过第三方API流转，泄露风险始终高悬；模型定制化更是痛点，标准化的MaaS服务难以适配不同市场的本地化需求，企业无法通过微调和再训练打造专属业务模型；而地缘政策的不确定性，则让依赖外部模型的企业时刻面临服务中断的风险，长期依赖他人的API更会导致用户习惯数据流失，丧失自主布局模型的主动权。

这种集体性担忧催生出新的技术路径。依托中国强大的工程研发人才储备和深厚的DIY文化底蕴，自建AI服务并选择云环境部署已成为中国跨境电商的主流选择。多数企业在AI业务初期会短暂试用MaaS服务进行探索，但进入中后期阶段后，都会果断转向自主托管模型和AI推理服务的部署方式，以此构建技术护城河。

据李文涛介绍，Akamai提供了一个计算资源的底座，通过提供高性能GPU与VPU计算资源解决算力瓶颈，基于Linode K8S应用平台大幅简化业务部署流程，再结合全球核心网络集成实现低延迟响应。帮助企业以更快速度、更低成本、更简单操作完成AI服务的本地化部署，让自建模型从技术理想变为商业现实。

（编辑：张靖超审核：李正豪校对：张国刚）