AI重构跨境支付：效率、风控与Agent商业时代

文 | 硅谷101 “支付”这件事情，正在变得越来越便捷。无论是网上购物、在线点单，还是线下消费，消费者只需要点击、扫码或碰一碰，就可以完成支付操作。但在这短短几秒钟内，背后实际上运转着一套复杂的支付系统。 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、商户，以及不同的支付方式和金融机构被连接起来，快速完成识别、授权和风险判断。看似简单的付款操作，实际上牵动着整条支付链路。 如今，AI也开始进入这条链路，帮助支付平台实时判断交易应该选择哪条路径、是否放行，甚至能否直接替客户完成交易。支付正在由一个简单的交易动作，逐渐转变为一套智能决策系统。 那么，全球跨境支付的链路如何运作，面临哪些难点？AI的加入正在带来哪些变化，行业巨头又进行了哪些实践？本文将结合蚂蚁国际的实践，探讨跨境支付的运行机制，以及它们如何为AI时代做准备。 从点击付款到最终完成，一笔跨境支付背后需要经过多个环节。 ▍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”之后，一笔交易就开始了。 首先，商户向收单机构发起支付请求，并发送交易信息。收单机构是商户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，将交易信息从商户一侧传递至消费者一侧的发卡机构，也就是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，最终传回商户，这一信息传递和授权过程可能只需要几秒钟。 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户账户。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，最终结算至商户账户。如果涉及跨境交易，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，商户、收单机构、卡组织和发卡机构已经完成了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，要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户而言，它面对的并不是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，亚洲很多地区更习惯使用电子钱包，另一些市场则较为依赖银行转账，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。 另一个难点是跨币种与跨境结算。消费者使用美元付款，而商户最终收到的可能是欧元或人民币，其中需要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，收单机构不仅需要保证交易成功，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。风险控制同样需要权衡：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。 高度复杂的全球支付网络，长期以来需要大量人工工作来维持运转。进入新市场前，需要调研当地支付方式和监管要求；交易出现异常时，需要人工排查；不同市场的账目不一致，需要财务人员核对；支付渠道发生故障，也需要人工发现、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经难以满足需求。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户跨境支付业务的平台，自2023年开始为全球商户提供支付服务。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：从商户入驻和系统集成，到交易风控、拒付处理、对账及新市场拓展，AI已经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，需要先去理解“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要2至4周。 通过Antom Autopilot，这一过程可以缩短至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，再根据不同商户类型的业务特点，个性化推荐支付组合。 以前很多系统到“推荐”这一步就结束了，Antom Autopilot还增加了仿真环节：它可以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，企业需要考虑何时才能负担得起特定市场的调研成本；如今，则可以将更多精力放在判断哪些市场值得立即进入。 第二个难点是安全。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户头疼的问题。 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，商户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，在商户平台反复尝试支付，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%。 Leo Li Antom风控负责人 除传统的欺诈和拒付问题外，攻击者也在不断转向新的业务场景。以AI商户为例，越来越多的企业推出后付费、免费试用期等服务吸引用户，而这类业务过程中也出现了不少新的风险攻击，尤其是“薅羊毛”等滥用行为。 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，风控可以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