74%的企业已在运营中使用AI预测关税，但仅有47%将其接入贸易合规或海关平台——这是马士基《2026年亚太贸易动能研究》揭示的“AI集成差距”。当AI工具游离于合规平台之外各自运行，它只能优化运费，而无法触及关税风险。甚至在AI使用企业中，仍有77%报告关税风险较高。本文聚焦AI在供应链韧性中的真实角色——从关税预测到合规集成，从“用上AI”到“把AI真正接入业务体系”，解析领先企业如何将AI转化为结构性竞争优势。
AI应用的现状——采用率与集成度的断层
采用率已达74%，但集成度严重不足
近四分之三（74%）的受访者已在运营层面使用AI进行关税预测，26%处于测试与试点阶段，仅有1%尚未采用。采用与否已不再是重点。真正值得关注的，是AI究竟接入了什么系统、嵌入了哪些环节。73%的受访者将AI应用限制在特定区域或产品范围内，而仅有47%将其与贸易合规或海关平台相连接——正是这种连接，才使AI从单纯优化效率的工具，转变为实质性降低风险敞口的能力。
集成差距是两种AI成熟度类型之间最清晰的分界线。在AI探索企业中，仅有10%将AI连接到了合规平台，而AI使用企业中这一比例为59%，相差49个百分点。没有这种连接，AI只能优化运费，仅此而已。
AI使用企业仍面临高风险
即使在AI使用企业中，仍有77%报告关税风险较高。这证实了仅部署AI，而不进行合规整合和网络重构，并不能降低结构性风险。AI使用企业承担着更复杂的网络运营，因此从结构上面临更大的风险敞口——风险敞口差距反映的是网络复杂性，而非技术短板。
AI探索企业承担着更重的合规负担：单证复杂度（85% vs 76%）和行政工作量（82% vs 74%）均高于AI使用企业。而在结构性调整方面，AI使用企业走得更远：已有更多企业完成了采购市场转移（35% vs 20%），停留在被动调整路线模式阶段的企业则更少（24% vs 37%）。这表明更高的AI成熟度与结构性进展直接相关。
AI赋能关税预测的三种方式
调研显示，AI在关税预测中主要通过三种方式发挥作用。实时关税与税费计算是最直接的应用——将关税监测数据接入成本建模工具，使费率一旦变化到岸成本便能自动重新计算。商品归类自动化帮助企业在不断变化的原产地规则下快速确定HS编码分类，减少人工错误和合规风险。单证核查与合规验证通过AI自动核验单证完整性和准确性，在货物出发前即发现潜在问题。
然而，即使在最领先的运营者中，实时关税与税费计算也始终是一个盲点。了解自身的网络是不够的，企业更需要在任何给定时刻，针对每一条通道，实时掌握运行这一网络的真实成本。
AI赋能关税预测的方式与集成度| AI应用方式 | 应用范围 | 集成程度 |
|---|
| 实时关税与税费计算 | 部分企业已部署 | 普遍未与成本模型打通 |
| 商品归类自动化 | AI使用企业为主 | 与合规平台集成度较高 |
| 单证核查与合规验证 | AI使用企业为主 | 工作流内嵌程度不一 |
| AI应用限制在特定区域 | 73%的企业 | — |
| AI接入贸易合规/海关平台 | 47%的企业 | 形成持续竞争优势 |
领先企业的AI实践——三种可观察的行为特征
在数字化转型方面领先的企业，表现出三种可观察的行为特征。首先，将合规视为基础设施：在叠加任何其他投资之前，就已经完成数字化、设定好管控机制，并具备可审计性。其次，从“用上AI”走向“把AI真正接入业务体系”：相关工具不是游离于合规平台之外各自运行，而是与合规平台深度打通。第三，围绕结构性韧性重构自身网络：采用多枢纽、多式联运架构，并预先配置好应急路线方案，使网络在面对扰动时无需依赖人工干预也能自行吸收冲击。
对这类企业而言，韧性已不再是未来要补上的优先事项，因为它早已被嵌入体系之中。近四分之三（74%）已经拥有该工具，其中47%已将其与合规平台对接的企业，正在构建持久的运营优势。
AI驱动供应链韧性的行动路径
马士基建议企业将AI接入合规体系：将AI工具直接集成到贸易合规和海关平台中，使商品分类、关税计算和单证核查在货运工作流内部运行，而不是在工作流之外进行。在高风险决策点设置人工审批环节。其结果不仅仅是处理速度的提升，它还提供了一条可验证的审计轨迹，足以经受监管审查。
孤立的AI最多只能优化运费。真正打通后的AI能告诉你这批货到底该不该运、该走哪条路径，以及最终到岸成本是多少。领先企业并非行动更快，而是更懂得如何校准航向、掌控路径。阻碍并非技术层面的，而是结构性的——合规数字化能力、AI集成深度以及网络架构设计上的差距，正是已经明确航向的企业与仍在摸索的企业之间的分水岭。
