每經記者｜張梓桐    每經編輯｜余婷婷    

在全球跨境支付需求激增與AI（人工智能）技術加速滲透的雙重背景下，中國企業出海支付面臨的挑戰與復雜性日益增加。

近日，植根新興市場的全球金融科技公司PayerMax CTO（首席技術官）Eric Fu、PayerMax AI項目負責人Singlin Yan，以及亞馬遜云科技解決方案架構師總監韓思捷接受了包括《每日經濟新聞》記者在內的媒體采訪，圍繞AI應用場景選擇邏輯、技術落地難題，以及游戲出?？蛻糁Ц锻袋c等關鍵議題展開討論。

Singlin Yan在接受記者采訪時明確了“先易后難”的AI（人工智能）+支付的落地思路：“我們在一開始做的時候，就是希望AI能快速落地，而不是先去解決那些很高級的問題。我們選擇先讓它解決一些簡單的問題，因為要先確定它能跑起來?！?/p>

PayerMax成立于2018年，總部位于新加坡，業務覆蓋150+國家和地區，支持600+支付方式與70+幣種，持有新加坡、阿聯酋、沙特阿拉伯、泰國、印度尼西亞、菲律賓，以及中國香港等多個市場的金融牌照和監管機構的官方認證。

圖片來源：PayerMax官網

談及支付行業AI未來的技術突破點，Eric Fu將“數據質量”置于首位：“我把AI比作引擎，燃料就是數據。好的燃料才能讓結果更好——用過AI的都知道，提問不好結果就不好，所以數據質量起決定性作用?，F在我們最緊急的是業務架構數字化，要是數字化不夠，‘燃料’不完整，AI效果會受影響?！?/p>

AI場景選擇：從“簡單落地”起步，以“業務痛點”為錨點

談及PayerMax選擇AI四大應用場景（支付成功率告警、根因分析、對客運營、內部運營）的核心邏輯，Singlin Yan首先明確了“先易后難”的落地思路。這一思路并非憑空而來，而是基于全公司業務痛點的系統性梳理。

Eric Fu補充說：“年初我們組織了全公司的人參加AI×支付應用大賽，很多課題都是由不同分組自己報上來的——他們匯總了實際工作中遇到的難點、效率低下的環節，希望通過AI解決?！?/p>

在場景落地過程中，AI的“不確定性”曾是核心阻礙。

Singlin Yan坦言：“AI最大的問題就是回答充滿不確定性。我們通過提示詞調優和RAG（檢索增強生成）補充兩種方式，不斷提高準確性?！倍鴮τ谌孕枞斯そ槿氲?%極端場景，其界定標準也十分清晰：“AI不能像人一樣跨團隊協作，我們給它提供了工具，能解決的問題它會自己處理；但剩下5%是AI工具無法覆蓋的，需要人工跨系統交互，或者復雜問題需要二次確認?！?/p>

在AI技術落地的核心支撐層面，PayerMax與亞馬遜云科技的合作成為關鍵。當被問及AI如何串聯支付、外匯風險管控、資金管理等環節時，Eric Fu以“支付成功率異常歸因”為例進行了解釋：“支付成功率背后影響因素太多——渠道穩定性、發卡行攔截、外匯匯率波動都可能導致問題。過去人工分析需要針對不同屬性特征排查，現在我們會篩選外匯、資金、卡幣、渠道等特征，作為AI歸因的依據，大幅提升效率。”

“支付業務最怕數據泄露，這會導致合規問題。我們了解到Amazon Bedrock能滿足合規要求，而且成本可控，是一站式服務，還能自選模型并定義，自然就選擇了這個環境?！盓ric Fu表示。

這一合作帶來的效率提升有明確數據支撐：“此前，一天的支付成功率告警很多，周均預估40個左右，每次分析要半小時。現在基本不需要人工了，周均能節省100小時人力成本。”

“以前人工監聽郵件要不定時翻看還要翻譯，準確率低。現在Amazon Bedrock會自動讀取郵件并翻譯，直接通知到人。既提升了時間效率，也保證了準確度。”Eric Fu說。

游戲出海客戶痛點：流量曝光與支付通道拓展成核心

作為PayerMax的重要客戶群體，游戲出海廠商的支付需求呈現顯著共性。

Eric Fu將其分為兩類核心訴求：“一類是大平臺客戶，他們發行新游戲希望快速引爆市場，需要曝光度。比如在東南亞，我們會幫他們和當地錢包（指電子錢包/數字錢包，e-Wallet）合作聯合營銷，錢包用戶能轉化為游戲客戶；我們還提供自建充值站能力，游戲產品放在我們平臺上，玩家看到新游戲或充值幣，自然能引流?！?/p>

另一類需求則聚焦支付通道優化?！坝行┛蛻粼局挥肁pplePay、GooglePay這類App內支付，現在轉向第三方支付，核心是為了降低成本、增加支付方式覆蓋，擴展用戶群。這是很多游戲客戶的典型訴求?！盓ric Fu表示。

針對不同市場的差異，PayerMax也有針對性方案。

Eric Fu表示，“游戲客戶收單有地域特征——做歐美卡類和東南亞市場的需求不同，新發行商和老發行商的訴求也有差異。我們會根據具體市場和客戶類型，提供定制化支付解決方案，比如東南亞側重本地錢包整合，歐美強化卡類支付穩定性。這一點在品牌電商出海同樣適用，不同市場對支付方式的偏好差異，同樣需要我們做定制化應對。”

談及支付行業AI未來的技術突破點，Eric Fu將“數據質量”置于首位，認為其起著決定性作用。韓思捷則從金融行業特性出發，強調“準確性與可解釋性”：“AI有幻覺，輸出可能不可解釋，這在金融行業很關鍵——支付需要數字準確。現在用RAG（檢索增強生成）、workflow（工作流）把AI框定在范圍內，但未來還有很多事可做，比如讓AI生成代碼執行任務，因為代碼結果確定可重復。不過，這會帶來新挑戰，比如代碼執行的安全性、可靠性，亞馬遜云科技已經推出Amazon Bedrock Agent Core預覽版，就是為了解決這類精準性和不可預測性問題?！?/span>

對于AI與跨境支付的結合方向，韓思捷提出三大場景：“第一是風控。大模型處理非結構化數據有天然優勢，比如調用外部數據（如合作伙伴的身份信息）進行綜合判斷，提升風控準確性；第二是個性化金融。脫敏后的用戶畫像數據，能通過AI做合規范圍內的個性化產品推薦；第三是效率提升。比如語音、聲紋、拍照支付等自然交互方式，都是值得探索的方向?！?/p>

回溯PayerMax今年全面擁抱AI的原動力，Eric Fu坦言：“AI發展很久了，但今年觸動大是因為DeepSeek開源——我們原來擔心模型訓練要把數據外傳，而Amazon Bedrock剛好出來了，溝通后發現用它的服務性價比更高，合規也有保障?！?/p>