智能体出海东南亚，还缺懂本土落地的人 ｜SEA Frontline

AI GRAVITY现场机器人表演 东南亚企业的AI采用率已经超过全球平均水平，但不同国家在基础设施、人才和监管成熟度上仍存在显著差异，亚洲开发银行东南亚发展方案局2026年的一份观察显示。 观察特别指出，智能体AI正成为了东南亚中小企业数字化转型的新方向。 美国是AI出海的首选目的地，但全球化时代，企业更愿意将鸡蛋放在不同的篮子里。东盟地区高AI的使用率给智能体出海提供了新的市场方向。 近六年，东南亚产业数字化增长快速，需求缺口明显。移动互联网、电商、数字内容和企业数字化仍在快速发展，大量企业希望借助AI跨过传统信息化阶段，直接提高客服、营销、运营和决策效率。 对于在移动应用、内容生产、电商服务和企业交付方面积累了经验的中国公司，这里既有能力可以迁移，也有大量尚未被充分服务的场景。 钛媒体「Talk To The World」直播间本次与WAIC 海外品牌AI GRAVITY来到新加坡，邀请极光新加坡合作伙伴&59stVentures 联合创始人兼CSO Jim Lim、NetShort全球商务拓展负责人李力、LingoAI创始人Una Wang、润建股份 AI 事业群副总裁尹捷，分别从东南亚的内容生产、企业Agent和企业AI原生平台三个层面进行探讨。 探讨的共识是，在东南亚这个多元分散的市场内，越接近企业决策、用户互动和文化情感，AI的通用能力能够覆盖的范围就越小。 底层模型、技术平台和通用流程可以标准化输出，但当AI智能体开始面对当地用户、进入企业系统并参与真实决策，本地数据、合作伙伴和文化理解便成为决定产品能否落地的关键。 AI标准化短剧生产，引起海外共鸣仍有空间 内容产业直观地展示了AI可以把多少环节变成标准化生产。 NetShort全球商务拓展负责人李力对我们介绍道，“NetShort 2024 年 9 月才进入海外市场，起步比头部同行晚了一到两年，但到今年上半年，综合收入已经做到了1.2 亿美元。“ 追上来的原因离不开AI 对整条内容生产链的效率提升和成本下降。从剧本编写、分镜生成、角色与场景制作，到素材投放和用户反馈，AI渗透到短剧的全链路。过去NetShort北美真人短剧需要演员、制作公司、场地和数月拍摄，整个制作成本通常要20万到30万美元，而AI短剧可以降至2万至3万美元，制作周期也缩短到几天。 内部降本之外，NetShort还把过去积累的内容资产和制作流程封装为Agent工具，打造一套可复制的生产系统。通过这套工具，可以拆解长篇脚本，生成分镜和镜头建议；内容上线前，平台再通过素材测试判断用户在哪一秒点击、在哪一集流失，以及什么题材更可能带来付费。 但产能越容易复制，真正稀缺的东西反而越清晰：AI可以识别什么让用户点击，却未必理解为什么一个故事能够打动当地人。 把中国修仙故事中的道长换成宙斯，把古代门派换成现代商业帝国，技术上已经不难。难的是判断哪些情绪内核能够跨越文化，哪些人物关系、社会信仰和表达方式会让当地观众感到陌生。 AI 能翻译语言，翻译不了幽默感、家庭观念和社会习俗。泰国、印尼、拉美，每个地区的观众"想看什么样的自己"都不一样，拉美人极重家庭、三代同堂的观念，在国内内容里几乎找不到对应的叙事传统。 NetShort试图通过一支近200人、覆盖17种语言的团队进行编审，抹平差异。李力强调，这项工作需要真正使用当地语言、了解当地生活和文化语境的人参与。NetShort同时希望建立海外创作者生态，把自己的Agent生产工具和内容资产开放给当地创作者，让他们在通用工具之上加入自己的经验。 LingoAI创始人兼CEO Una Wang从数据端解释了同一个问题。主流基础模型的训练数据仍然集中在英语、中文和西班牙语等语言；即使印尼语拥有庞大使用人群，模型可以获得的高质量文本、声音和文化数据仍然有限。 LingoAI是一家专注于AI本地化与数据解决方案的企业，面向全球提供多语种多模态数据集服务。Una表示，“语言背后承载着历史、宗教、幽默和情绪，仅靠网络抓取或字面翻译无法完整获得这些信息。”她以汽车语音唤醒功能举例，看似成熟的智能座舱在泰国、印尼等国家并无法被当地车主通过语音唤醒，背后是本地语言数据的缺失。 这意味着，要让模型理解本地文化，仍需要当地社区参与数据采集、标注、评价和授权。AI模型和Agent能够把内容生产变成工业化、规模化，但决定作品是否具有情感共鸣的，仍然是创作者对当地人的理解，AI对于文化判断，仍需要人的介入。 Agent可以标准化流程，交互与执行需要本地化 如果说内容产业最难标准化的是情感，那么企业Agent无法标准化的是交互、执行和信任问题。 东南亚的企业可以直接调用OpenAI、Claude或DeepSeek等开源模型，但获得的只是一种通用智能能力，而不是可以独立完成任务的产品，从模型到进入企业干活的Agent仍旧缺一层。 极光和它的新加坡合作伙伴Jim Lim将这一层划分为五个层次：企业知识层（知识库和知识图谱）、系统集成层（打通 CRM、ERP）、工作流执行引擎（多步骤任务和审批闭环）、多智能体协同（把复杂任务拆给不同"部门"的智能体去处理），最后是企业治理层（权限、审计、人在回路的干预机制）。 对应到极光的产品布局，EngageLab 更侧重客户互动和多渠道触达，GPTBots.ai 则更侧重企业级 AI Agent 构建与流程自动化。 但Jim与客户接触中发现，这五层越往上走，问题越不只是技术实现，而更涉及组织流程、权限边界和信任建立。 极光的思路是把 AI 智能体当成一名新员工来看待，先让它处理简单、高频、低风险的任务，随着信任积累再逐步放权，而不是一步到位追求完全自主。 技术安全和信任之外，还有产品交互的本地化，其中最费工夫的仍然是语言与文化这一层。Jim 举了一个称呼的例子：在新加坡，客服直呼客户姓名就足够礼貌；但在印尼，需要根据年龄分别称呼对方"Pak"或"Ibu"表示尊重。这也说明，线上与用户交互的 Agent 不能只依赖翻译完成本地适配，还需要理解当地称呼、礼貌表达和沟通习惯。 除此之外，监管合规（不同国家的数据驻留要求）、数字基础设施差异（中国用户习惯微信，新加坡用户习惯 WhatsApp，泰国习惯用 LINE）,都需要本地渠道伙伴一起跑通Agent落地的最后一公里。 因此，极光今年八月和马来西亚 Exabytes 签署三年期合作备忘录，在泰国、印尼、新加坡也都是靠当地伙伴真正摸清楚市场的真实需求，完成本地化的交互与执行。 保留安全模型、通用工作流的标准化底座，再通过本地部署选项、渠道连接和当地合作伙伴补齐最后一层，极光的打法反映出企业Agent出海的现实境遇，即模型能力可以远程提供，但真正决定Agent采用率的，一方面是智能体能否按照当地企业和用户熟悉的方式工作，另一方面则是组织信任。 模型可以换，能力必须沉淀在本地 润建股份的Apollo 11把这一问题进一步推向企业内部。 和帮助企业接入外部Agent服务不同，润建股份的Apollo11，是帮助企业将ERP、CRM等历史数据、业务逻辑沉淀为专属于企业自身的业务本体（企业大脑底座），再在这套本体之上运行AI能力。 润建股份AI事业群副总裁尹捷做过一个比喻：“对于业务复