“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。

跨境支付链路与难点

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。

Al让支付变“聪明”

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整体商户情况来看，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，商户还需要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，发现差异后还要继续查找原因。

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，整个流程可以压缩至5分钟。

除上述环节外，支付系统还需要持续稳定运行。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可以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。过去需要数小时甚至数天的检测与处理过程，如今可以缩短至分钟级。

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，我们越来越多的听到一个新词：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。消费者只需要向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，以及商户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，背后需要接入模型、技术开发并持续维护，还需要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，都可能构成商户的门槛。

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，直接嵌入商户的网站。

除了改变消费者“怎么买”，Agent也在改变商户“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，还可能需要超过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，让商户可以把优惠券、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”。对商户而言，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。

Leo Li

Antom风控负责人

Antom 3-in-1Transformer将多种类型的数据更好地结合起来，帮助我们从细微之处更深入地理解风险与支付之间的关系，从而更精准地识别支付过程中存在的风险。

底层模型提供了风险判断，但风险被识别后，还需要落实到防控上。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，商户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收单服务的商户，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，随后还需要进行结算、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，在海外商户完成支付。

Antom则更靠近商户一侧，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，资金仍需要继续流动，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。

Carl Huang

万里汇Enterprise总经理

我们的覆盖范围已经超过200个国家，25种货币可以即时到账，85种货币始终可以做到T+0，还可以覆盖60多种数字钱包。

如果将款项支付至员工账户、数字钱包账户，或者以这25种货币进行支付，都可以实现即时到账。

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上的中小商户需要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、商户收款，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、商户、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。

Apple Gao

Antom航旅解决方案负责人

行业的结构性变化主要体现在两个层面：一是机票销售结构发生变化；二是最近AI带来的效率提升，颠覆性地改变了整个销售链路。

AI工具给用户带来了很大的便捷性，但如果整个销售分销的结构没有变的话，原本服务的履约是整个B to B销售中最关键的bottleneck（瓶颈），也可能被AI进一步放大。

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。支付系统需要尽可能确保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；对商户而言，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，支付环节也需要兼顾速度与安全，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A国，却从B国出发，使用C国发行的信用卡购买机票；或者父母替孩子购票、助理为老板订票时，付款人和乘客也并非同一人。

如果AI只分析某一个维度，就容易将这些正常交易误判为风险。因此，AI时代的旅行风控，不能只关注单笔交易，还需要识别交易背后的完整关系，这也正是前文提及的Antom 3-in-1 Transformer的应用场景。

该模型把设备、网络、地理位置、付款人与乘客的关系以及历史行为等信息，放在一起分析，判断这个人、这张卡、这个设备和这次旅行组合起来是否合理，再实时作出风险判断。

据称，在香港航空的实际应用中，该系统实现了99.99%的风险覆盖率，并帮助减少了超过100万美元的欺诈损失。

资金的实时流动

支付生态的重要性，也在航旅这个行业中非常凸显。

一张机票售出后，资金还需要在航空公司、OTA和代理商等参与方之间继续流动。传统旅行供应链往往依赖固定授信、保证金和批量结算。而当AI带来的订单越来越实时，原有模式便可能难以适应：订单可能在持续产生，资金却还停留在原来的账期和结算流程里。

Antom的思路是通过企业账户连接不同参与方，使资金随着订单流动，并减少保证金造成的资金占用。

目前，这套账户体系覆盖100多个国家、40多个市场的本地货币账户，并同时提供内置授信能力。这意味着，旅行支付从“先交易、后结算”，逐步转向“资金跟着交易流动”。

Apple Gao

Antom航旅解决方案负责人

随着整个行业发生结构性变化，航旅客户在业务经营中会面临许多挑战。

因此，我们在建设相关能力时，会把围绕航旅客户经营需求的能力单独提取出来。无论是帮助客户降低风险、提升风控效率，还是围绕票价波动提供动态定价（dynamic pricing）能力，这些都会成为我们提供服务时的指引。

从“收钱”到“智能交易”，支付正在走向哪里?

整体来看，支付的作用现在已经不仅仅“收款”这么简单了。

一方面，随着AI进入支付体系，支付系统本身变得越来越自主和智能。过去，支付系统主要靠规则驱动：什么交易该拦、走哪条支付渠道、出了问题怎么处理，都需要提前设定规则或者人工介入。现在，AI可以实时分析交易、判断风险、选择更合适的支付路径，甚至在发现问题后自动调整和优化。

另一方面，支付平台的边界也在扩大。以前我们理解“支付”，通常出现在交易的最后一步，即用户选好商品、决定购买并完成付款。如今随着AI开始参与比价、选品、寻找优惠，乃至直接完成购买，支付开始更早地进入交易过程，与导购、营销和转化等环节相连接。交易完成后，支付平台的服务还在向结算、换汇和资金管理延伸。

蚂蚁国际此次VOYAGE2026的主题是“Attention Is All You Need”，其中的“Attention”，对应着AI进入支付领域的两个方向：支付的智能化，以及支付平台角色的重新定位。

目前，Antom围绕这两个方向构建了产品矩阵，包括一个“三合一”支付基础模型Antom 3-in-1 Transformer、一个AI智能体Antom Autopilot、一个AI原生平台，以及一套全栈AI解决方案，覆盖企业的整个支付生命周期。

此外，做全球生意还有一个很现实的问题：本地服务。很多国际支付公司的核心团队位于欧美，而全球跨境电商和出海业务中，有相当一部分商户来自亚洲。

Antom扎根亚洲，在中国及亚洲地区拥有更完整的服务团队，因此能够更及时地响应和处理商户的需求。

Apple Gao

Antom航旅解决方案负责人

Antom是“Ant to merchant”的缩写，由此也可以看出，我们一开始成立之初，就是希望陪伴商户共同成长的。因此，也意味着我们提供的服务不仅限于收单和支付。

我们的目标并不是抢占其他收单机构的市场份额，如果整个市场没有增长，对于商户来说，他们的经营规模和增长空间也不会扩大。所以我们的目标一定是在服务好商户的基础之上，围绕着他的经营的精细化操作和未来的整个收入的增长，去帮他业务变得更大。

所以，支付正在发生的变化，不只是技术的升级。它要解决的问题，正在从“把钱收进来”，到现在需要进一步去回答：“这笔交易，应该怎么发生、怎么管理？”

这意味着，支付的边界也在被重新定义：它正在从交易的最后一步，走向整个交易过程。而这，可能也是AI时代带给支付的全新想象空间。