AMZ123获悉，近日，据外媒报道，面对东南亚电商场景中语言复杂、购物需求差异明显等问题，Shopee开始打造自己的专用AI大语言模型（LLM）Compass。
Shopee发现，通用AI虽然在英语任务上表现不错，但一旦进入具体的电商场景，尤其是印尼语、泰语、越南语等本地语言环境，能力会明显下降。
目前，Shopee在东南亚、台湾和巴西8个市场拥有数亿月活跃用户，AI已经被用于商品搜索、推荐、欺诈检测以及客服等多个环节。但平台每月要处理数十亿次、覆盖6种语言的搜索请求，通用模型在不同市场之间出现的能力差距，可能进一步影响销售收入、客服处理速度以及欺诈识别效果。
Shopee AI团队发现，问题并不只是“能不能看懂印尼语”。例如，同一个模型可能能够理解普通印尼语，却难以准确理解印尼消费者的购物搜索词；在泰国市场，模型可能能够处理泰语，却无法很好地完成商品分类；面对越南语客户时，也可能难以准确判断消费者真正想要什么。
为解决这一问题，Shopee开发了专门面向东南亚电商场景的Compass。Shopee对Compass-v3进行了预训练，这是一款基于混合专家（mixture-of-experts）的垂直领域模型，总参数量达到2450亿，每个Token实际激活710亿参数。
模型训练使用了12万亿个经过筛选的多语言Token，覆盖印尼语、泰语、菲律宾语、马来语、他加禄语和葡萄牙语等语言。
除了多语言语料，Shopee还加入了大规模合成电商指令数据，并使用数十亿条自有数据进行训练，包括商品标题、用户评价和评分等。这些数据能够让Compass更贴近真实的购物场景，也帮助模型理解消费者在不同市场中的搜索和购买需求。
为了专门测试AI处理东南亚电商任务的能力，Shopee还开发了EcomEval基准测试。根据NVIDIA的介绍，测试结果显示，通用AI模型在多语言电商任务中存在明显的性能下降，部分开源模型在某些类别中的得分甚至低于52%。
而Compass v3.5在EcomEval中的表现则更加突出。在Ecom QA类别中，Compass v3.5得分达到94%，高于GPT-4o的85%；在Shopping Concept类别中，Compass得分为92%，高于GPT-4o的82%；在User Understanding类别中，Compass得分为84%，同样高于GPT-4o的76%。整体来看，Compass v3.5在5项东南亚区域电商任务中均表现出较强能力。
随着模型能力提升，Compass也开始进入Shopee的多个核心业务环节。在商品搜索和推荐方面，Compass被用于帮助消费者更准确地找到商品，NVIDIA表示，这一应用推动了转化率和广告收入提升。在欺诈检测方面，AI系统的检测效率较人工流程提高了50倍，同时将处理成本降低了90%。
物流同样成为Compass发挥作用的重要场景。Shopee利用视觉技术帮助找回和处理包裹，NVIDIA称这一应用每年可以节省数百万美元。在客服方面，LLM则被用于替代过去较为固定的脚本式聊天机器人，让客服能够根据具体上下文进行更加灵活的多语言交流。
Compass的使用规模也在快速扩大。根据NVIDIA数据，在短短8个月内，Compass API处理的Token数量就从每月30亿增长至3400亿，增长113倍。目前，Compass已经承担Shopee大部分AI流量。与此同时，Compass的采用量仍以月环比100%的速度增长。
为了支撑大规模训练和推理，Shopee使用了数千块NVIDIA GPU，包括A100、H100以及RTX PRO 6000 Blackwell，并且每年持续增加GPU数量，以满足不断增长的AI训练和推理需求。
在组织和基础设施层面，Shopee母公司Sea Limited也在持续加码AI。2026年4月，Sea Limited在新加坡成立AI卓越中心（AI Center of Excellence），用于加快基础模型研发，并进一步强化公司的自有AI技术体系。
目前，Compass的开发仍在继续。Shopee正在探索更多能力，包括多模态搜索、对话式购物指导以及用于物流场景的视觉语言模型。随着覆盖的语言、市场和应用场景不断增加，Shopee正在把专门针对电商业务训练的AI模型，从一个内部项目逐渐打造为平台技术体系中的核心能力。
作者✎ Summer/AMZ123
声明：此文章版权归AMZ123所有，未经允许不得转载，如需授权请联系: amz123happy
