成都股票杠杆
深响持续关注AI营销：
©️深响原创 · 作者｜刘亚澜
用 AI 做营销，早已不是新鲜事。
淘天已让 AI 全面落地双11，阿里妈妈 LMA 2广告大模型系列中的 URM 通用召回大模型已运用于日常商家生意；ChatGPT 开始测试广告；GEO（生成式引擎优化）如火如荼；“养龙虾”热潮席卷科技圈；营销 Agent 更是被越来越多的 CMO 提上日程……显然AI已不再是营销外挂，而在成为底层基建。
但对于广告主而言，这是一个又激动又痛苦的过程。一方面越来越多的信号、案例表明“智能技术”对于生意增长的实际价值，另一方面信息差、认知偏见、缺乏技术经验等问题又让广告主对AI营销的落地困惑不已——黑盒焦虑、归因盲区、提效不增收等问题何解？ Agent 大爆发，如何选择判别？专业模型的支撑对于 AI 营销又有何价值？
带着这些困惑，「深响」访谈到钛动科技 CEO 李述昊。钛动科技定位为效果导向的全球 AI 营销解决方案提供商，核心产品包括自研“钛极”多模态大模型及营销多智能体 Navos ，主攻跨境营销与品牌出海场景。2025年其已服务超10万家广告主，2025年前三季度营收达1.30亿美元，业务覆盖200多个国家和地区，并与 Meta、Google、Snap、TikTok 等全球领先媒体平台建立了长期合作。
与通用大模型公司不同，钛动走的是一条“专业大模型+多智能体”的应用层路径——将AI嵌入营销执行链路，直接对商业结果负责。这种“实战派”的视角，或许能为我们拨开 AI 营销的浮沫、理解趋势走向带来更深入的启发。
钛动科技CEO 李述昊
Agent + 专业模型，为什么AI营销需要双引擎？
人们对于 AI 营销的理解是渐进的，一开始很多广告主会把AI营销简单等同于 AIGC、量产素材；随着平台算法的演进，大家又将其等同于投放自动化，秒级竞价；而当 Agent 迎来元年，AI 营销又被误解为了“高级版 SaaS 插件”，认为它只是在原有工具上加了个聊天框……这些片面认知，正让品牌错失 AI 驱动的真正增长红利。
以营销Agent为例，李述昊告诉「深响」：“行业内存在‘Agent 会取代 SaaS’的讨论，但我认为 Agent 不是 SaaS 的升级，它是用户，是人的数字版，它可以用 SaaS，它和 SaaS 不是取代关系。你可以把 Agent 理解为调用工具的「小助理」，ROI 太低自动关停、短剧抽高光帧等等，我们历史上所有的工具箱，它都能用，而且用的方法更升级了。 Agent 可以通过对商品的理解、市场洞察，去调模版，去自己生成 prompt（提示词）。”
真正的营销 Agent 并非冷冰冰的软件，它就像一个具备自适应能力的“AI指挥家”。在实战中，它能根据实时反馈（如广告投放效果）即时调整策略；在长期中，它通过持续学习优化决策模型，形成一个越用越聪明、越用越精准的“增长飞轮”。
但由于人们的误解，绝大多数 Agent 并没有完全发挥实力。观察下来，李述昊发现大家的痛点集中在表达不够细节和明确导致AI猜不到意图上。
“我们发现客户跟人类助理讲话，要比跟 Agent 讲话耐心很多。其实用好 Agent 需要有‘培养实习生’的心态，要合理表达需求。中国人经常话里有话让人猜背后的意思，但AI不懂。真正用好 Agent ，需要「会提问、会讲需求」的能力，这是 AI 时代人类技能的升级。”
“面对用户痛点，我们也会多做一步，提示用户，让他多选任务，顺着去做。我们正在做 Proactive Agent （主动型智能体）主动推送洞察和建议，降低使用门槛。比如每天上午 10 点主动推给你昨天的数据分析和建议，而不是等你问。”李述昊透露：“我们还会上线 Skill Market ，把各种范式变成一个市场。比如预算怎么分配，账户怎么开，广告怎么投，创意用什么模板，甚至细化到如何做东南亚美白面膜的冷启动……我把这些范式开放出来，将复杂的营销工作沉淀为一个个 「范式」，形成一个营销能力的集散地。”
这也是辨别营销 Agent 是否真有效的关键。越来越多的品牌出于好奇开始上手，但 Agent 实在是太多了，到底选哪个，如何辨别？钛动给我们的启示在于三个关注点：
第一，背后是否有工具支持，Agent 能随时调用。没有工具支持的 Agent 大概率是套壳；
第二，Agent 的训练是否有最佳实践积累，有数据、案例、客户分析等训练 Agent 或构建 RAG （Retrieval-Augmented Generation，检索增强生成) 系统的语料和知识素材。这些是看不见的积累，有了这些才能做出真正能干活的 Agent，才能形成“服务客户越多，数据维度越丰富；数据越丰富，智能体决策越精准；智能体越精准，越能吸引更多客户”的数据飞轮护城河。
第三，Agent 背后是否有自己的营销专业模型。毕竟通用大模型在特定营销领域的专业反思与决策能力，通常弱于垂直训练的专业模型。在有知识壁垒的 To B 场景，仅依赖通用模型会大幅限制其专业价值与决策可控性。
“好的 Agent 不会是黑盒，Navos 具备 Reflection 过程，会告诉你数据源在哪、调了哪个排行榜。那些 Wrapper（套壳）才可能会黑盒，因为没有自己思考。”李述昊谈到广告主关系的归因问题，他认为“多智能体”的价值这时候就凸显了——你可以专门让一个“数据分析 Agent”去审视“投放 Agent”的结果，Agent 和专业模型让多触点归因的自动化、精细化和实时性大幅提升，使其在复杂营销场景下更具可操作性和参考价值。
更进一步理解，大模型的出现为 AI 完成了「九年义务教育」，使其具备了与人类自然交互和基础认知的能力。现在的关键，不再是训练AI的基础能力，而是为AI赋能专业知识和技能，让它能“工作”，创造实质的商业价值。而专业模型则是「大学专业教育」，让 AI 掌握本科生、研究生，甚至博士生级的产业知识，比如品牌增长、跨境营销、消费者洞察等，让它走进具体产业和场景，在具体业务中创造可验证的价值。
广告营销专业大模型测评基准榜单
从现在到未来，A to A 还有多远？
至于未来的发展节奏，李述昊认为3-5年后就会出现 A to A（Agent to Agent）营销。
通俗来讲，A to A 就是每个消费者都有一个深度了解自己喜好、预算、日程和过敏史的 Agent，每个品牌也都有一个或者多个深谙自家产品卖点、库存和动态定价策略的营销 Agent。当你想买一套“适合下周去北海道滑雪的高性价比装备”时，你不再去搜索框翻页，而是告诉你的 Agent。然后你的 Agent 会直接去全网与各个品牌的 Agent 沟通，剔除虚假宣传，完成性能对比，最后直接给你 1-2 个最优选。
这听上去似乎离现在还有很远。但比尔盖茨早在 2023 年就预测，未来的 AI 智能体将让用户“再也不需要去搜索网站或亚马逊”，因为 Agent 将独立完成从阅读评论到下单的全过程。当 Agent 接管了流量入口，品牌方唯一的出路便是学习如何与这些“数字管家”进行对话与对接。去年4月，Google 则联合 Salesforce、SAP、Atlassian 等 50 多家伙伴发布了 Agent2Agent (A2A) 开源协议，便是想要建立一套 AI 智能体之间的“通用语言”。
老牌杠杆配资公司不可否认，技术从创造到落地到被客户和用户接受，都有着巨大的时间差。我们能做的或许就是从认知上提前占位，在行动上加速探索。
李述昊认为，未来在消费上，“无目的消费”会被 Social Commerce（短视频、直播）占领；“有目的消费”则被每个人的个人 Agent 接管。“我们的 Agent 去和用户的 Agent 沟通，这个市场至少能与现在的搜索市场持平。”
而离我们更近的、正在发生的是随着各大社交平台和电商平台对AI的重视，中国品牌们更能发挥独特的供应链优势——先完成“ ROI刷题”，利用 AI 极速测款，把供应链、品控、履约打扎实；再做多触点归因（MTA）和混合营销模型（MMM），追踪用户全旅程，抹平文化鸿沟、实现品牌溢价。
在 AI 重构营销的进程中，广告主最需要跨越的并非技术鸿沟，而是对“掌控感”的执念。我们看到，营销行业的玄学正被各个击破，曾经无法度量的“品牌心智”正在被多触点归因（MTA）量化为逻辑链路；曾经难以跨越的“文化隔阂”正被专业模型转化为精准的地域语义；而曾经依赖人工盯盘的“投放黑盒”，也正在被具备反思能力的 Agent 转化为 24 小时在线的理性决策。
找对人，做对事，其实AI营销，远没有想想中难。
以下为深响整理后的部分访谈实录：
行业变迁与钛动的发展
深响：钛动成立至今不到十年，您怎么归纳它的发展阶段？同时，在公司成长的过程中，营销行业、客户群体发生了哪些变化？
李述昊：我们公司的理念是 “Develop Company as a Product”（像打造产品一样打造公司），我们一直按照版本号 1.0、2.0、3.0 来迭代。
1.0 时代（2017-2020）：Performance + BI（商业智能），这个阶段的关键词是“用技术来做生意”。当时营销行业无论是数字媒体、纸媒还是电视，大多还是基于曝光量（Impression based）或写"漂亮报告"。钛动重新定义了什么是真正的效果，不是随便说用户增长就是效果，而是细化换算。我们建立了 UPR（User Performance Require，一个用户在接触、使用客户产品或购买商品时的全流程表现） 数据体系，底层靠 BI 系统支撑。 这个阶段打下了数据分析基础。
当时“出海”并非主流，市场热衷于“进口”与“新零售”。幸运的是，我们早期抓住了阿里和字节跳动这两个数据量极大的客户，它们自身的技术实力很强，在那时候的国际化战略就很坚决。而互联网也从工具、社交，来到了内容与线下服务阶段。所以在当时最火的营销还是搜索的时候，我们就笃定内容、建设数据分析体系、围绕 Facebook 做内容向的广告，奠定了今天钛动的格局。
2.0 时代（2021-2024）：AI底座 + 投放与创意工具箱。这个阶段不是转型，是升级。我们构建了 AI 底座，并将公司甲方的基因（来自阿里、京东、宝洁等的团队）产品化。我们做了二三十个产品，最核心的是 Tec-Ad（投放工具箱） 和 Tec-Creative（创意工具箱），非常标准，让我们能服务10万广告主。
什么创意跑得好，头部创意什么样，哪个创意点击高，我们可以把这些抽象成创意范式。那时候虽然还没有今天这么好，但 AIGC 可以解决其中部分片段的问题。
而当时的产业背景是出海、跨境电商真正成为一个赛道了。美国发钱刺激用户消费，大家没有安全感，但又有消费冲动，跨境电商尤其 Facebook（Meta）突飞猛进，营销与电商结合，TikTok 也高速发展。我们抓住了这波机会，成为TikTok 全球最大伙伴、Meta 成长最快伙伴。
还有一个很重要的背景是中国供应链极强。我们沉淀下一些AI的后端理念，比如"要测试不要策划"。中国供应链完全支持先营销再发货，哪怕测款测一天，创意测完可能公司并没有库存，再去1688 或者任何一个工厂找货，两天就找完了，3天就寄出国，跨境7、8天，最终到客户那里，原来大概两周，现在慢慢压缩到一周甚至5天。中国供应链优势就是测款快、先营销后发货，这让我们沉淀了大量数据和行业基准。
3.0 时代（2025 至今）：Agent + 专业模型，大模型走向生产。
第一个时代我们用BI解决问题，第二个时代用AI解决问题，现在我们是Agent+专业模型。
2025年对我们来说算是大模型走向生产的一年，最大的爆发点体现在两方面：一是大语言模型能将语言翻译成指令，而且幻觉降了很多；二是专业模型的训练成本急剧降低。早期一个垂类模型训至少2亿美金起，现在一个专业模型1000万到2000万美金就可以搞定，参数量小10倍。我们将1.0、2.0积累的独特商业理解整理成数据训练自己的专业模型“钛极”，Navos 智能体则调用这些模型和工具箱，完成复杂任务。
营销Agent与专业模型
深响：钛动的 Agent 相比市场上其他广告类 Agent，差异化能力在哪里？
李述昊：先说一个认知误解。行业内存在“Agent 会取代 SaaS”的讨论，但我认为 Agent 不是 SaaS 的升级，它是用户，是人的数字版，它可以用 SaaS，它和 SaaS 不是取代关系。
我们历史上所有的工具箱，我们的AI都能用，而且用的方法更升级了，Agent 可以通过对商品的理解、市场洞察，去调模版，去自己生成提示词。你可以把 Agent 理解为调用工具的"小助理"，账户充钱、ROI 太低自动关停、短剧抽高光帧，Agent 可以把原来的工具用得很好。工具箱是 Product Kit，Product Kit 加 Skills 是我们 Agent 目前全力以赴在训练的东西。
钛动 Agent 差异化的地方有三点：
有工具支持：我们原本就有广告投放和创意工具箱，智能体能调用它们。那些没有工具包的 Agent 只是套壳。
有最佳实践积累：我们积累了10万广告主的案例、与平台共创的培训材料、投放数据、几亿套创意数据。这些是训练 Agent 或构建 RAG 系统的语料/知识素材，是看不见的积累。有了这些才能做出真正能干活的 Agent。
有自己的专业模型：如果是通用场景，普通的文生视频，Navos 调用 Seedance一定比我做得好；但如果你在想“Tiktok 印尼前五名短视频怎么做”，那就得调用我们的专业模型。通用大模型在特定营销领域的专业反思与决策能力，通常弱于垂直训练的专业模型，在有知识壁垒的 To B 场景，仅依赖通用模型会大幅限制其专业价值与决策可控性。
这些差异化的实力非常明显，聊两个问题就能看出来。今年我们还会把专业模型尽可能开放，给客户自己布。我们可以定制化，跟客户训一个客户的专业模型。
深响：这跟您之前的观点好像有冲突，您以前说钛动不想做私有化部署和定制化？
李述昊：不私有化部署，但做定制化训练。这是两个概念。私有化部署（交付代码）太贵且没必要，但模型会走向定制化。头部客户产品量很大、每年的成交额巨大，完全值得拥有一个专属的“专业营销模型”，这叫“专属”而非“私有”。私有指的是代码和数据库的隔离。
深响：钛动专业模型的能力有可能被蒸馏出去吗？
李述昊：哈哈我巴不得有人来“蒸”，我们这行业里面真正投入技术的人太少了，我们四五百个研发，200个算法在北京做模型，100多个在杭州和广州做工程，技术投入非常大。别人来蒸馏我们，反而对我们的训练有帮助，但没人来蒸，我是不怕的，我有专业数据，其他人没有。
深响： 客户用上 Navos（钛动 Agent 产品）后，反馈如何？用好 Agent 需要什么能力？
李述昊：Navos 有三大功能：洞察、创意、投放。洞察目前最通用，因为AI最擅长信息整理。
实话说，我们发现客户跟“助理”讲话，要比跟Agent讲话耐心很多很多。其实用好 Agent 需要有“培养实习生”的心态，要合理表达需求。中国人经常话里有话让人猜背后的意思，但AI不懂。真正用好 Agent，需要“会提问、会讲需求”的能力，这是AI时代人类技能的升级。
这也是典型的用户痛点，表达不够细节和明确导致AI猜不到你的意思。我们现在也会多做一步，提示用户，让他多选任务，让他顺着去做。我们正在做 Proactive Agent（主动型智能体）主动推送洞察和建议，降低使用门槛。比如每天上午 10 点主动推给你昨天的数据分析和建议，而不是等你问。
我们还会上线 Skill Market，把各种范式变成一个市场。比如预算怎么分配，账户怎么开，广告怎么投，创意用什么模板，我把这些范式开放出来，客户就不用想谁有范式选谁就好。就像 Shopify 之所以值钱，因为它有模版，你不需要从头写代码，选一个模板，它就自动集成了支付、物流和评论系统。
我们就将复杂的营销工作（比如“如何做东南亚美白面膜的冷启动”）沉淀为一个个 “范式”，形成一个营销能力的集散地。
深响：您之前提到过“营销平权”，中小企业也可以通过 Agent 取得好的营销效果。
李述昊：这就是我们正在紧锣密鼓研究的模板。模板不是一个公司沉淀来的，而是一个类目的最佳实践沉淀下来的，这个做到了就能实现平权，就是 Skill market。技能模板可随便轻度调用，我们叫 Adoption，就跟 Shopify 下载一个模板一样方便。那一天就能实现营销平权，现在还在路上。
深响： 您怎么说服老客户用 Navos？
李述昊：它不是取代关系，而是升级。老客户习惯用工具，继续用没问题，Navos 帮他省事儿（监控、批量、加班看数据等等）；新客户看中 Navos 的洞察能力，让 Navos 写行业报告、分析视频范式。
我们对前端 UX（界面）不在意，因为 LUI（自然语言界面） 可以长在任何地方，可以在豆包、企业微信、浏览器、短信……你怎么联系一个人类，就可以让它怎么出现。
深响：广告主担心Agent会让营销变成“黑盒”，我们怎么去验证效果、科学归因？
李述昊：好的 Agent 不会是黑盒。Navos 具备 Reflection 过程，会告诉你数据源在哪、调了哪个排行榜。那些Wrapper（套壳的）可能会黑盒，因为你没有自己think。
归因的话，我们是 Multi-agent （多智能体） 体系，你可以专门让一个“数分 Agent”去审视“投放 Agent”的结果。
深响：TikTok、亚马逊也在做智能化，广告主为什么还要用第三方工具？
李述昊：Facebook 有一百个理由去做建站工具，是一百个理由去做游戏发行，但是没做，所以才成就了它全球化的成功。平台的主战场在 C 端，Facebook 做 Agent 的人比我还少，这不是他们的主业。
更重要的是立场问题，平台的立场是用户，它要追求生态平衡；而钛动的立场是服务商。我会为了我的客户去挖掘平台的每一寸红利，这和平台的普适性立场完全不同。
我们跟平台是合作远远大于竞争。从古至今，媒体都需要合作伙伴，数据公司需要咨询公司，生态不会变。
深响：如果广告主选定了 Agent 和背后的垂模，他需要投入，需要“培养”，是否意味着迁移成本会很高？
李述昊：我们当然建议客户不要各种切换，但具体还是看客户的习惯。我们侧面的 session 是保留的，我们要一个 session 一个 session 地去训，我还会弹窗提醒客户去原来的 session，不要开新的。当然这个也有争议，比如豆包就把这个取消掉了，但 ChatGPT 还是保留的。我认为专业场景还是要保留 session。
可以理解用户目前还在好奇阶段，什么都试一试，但简单试一试，一两句话试不出来差距，10句话以上，差距肯定就很明显了。
未来营销图景
深响： 按照现在的趋势发展，未来的AI营销会是怎样的图景格局？
李述昊：我预判 3-5 年后会出现 A to A（Agent to Agent）。搜索会有一个很明显的分野，这就是谷歌拉红色警报的原因。未来人类不再用结构化关键词，而是自然语言交流。
而在消费上，“无目的消费”会被 Social Commerce（短视频、直播）占领；“有目的消费”则被每个人的个人 Agent 接管。 营销将变成 GM（Generative Marketing）。我们的 Agent 去和用户的 Agent 沟通。这个市场至少能与现在的搜索市场持平。
虽然这些前瞻性的观点可能还不被完全理解，但我们已经在业务上提前 1-3 年布局了。
元股证券:ygzq.hk未来营销漏斗会重构。过去上层是传统 4A 公司擅长的“讲故事、做品牌”，但由于缺乏数据支撑，往往被视为“玄学”；下层“效果广告”，纯从转化倒推，极其内卷 ROI。
而中层介于两者之间。它既不只是讲故事，也不只是为了即时买单。其核心是“种拔分离”——“今天看，五天后买”。这需要靠“大闭环”和“重内容”来产生溢价，摆脱纯粹的价格竞争。MTA（多触点归因）模型会很重要。
目前主流是“末次点击归因”，即订单算给最后一个素材，这极其不合理。而钛动正在研发的模型是要计算这一个订单背后，比如8 个素材、1 次搜索、2 个好评，到底各自占多少权重。这种模糊归因的数据量极其巨大，传统算法根本算不出来，必须依靠 AI 才能实现真正的用户旅程追踪。
美国公司因为离供应链远，选品成本高，所以被迫花大钱做深度策划（Campaign）。中国公司离供应链近，应发挥“快”和“测”的长处，在基本功打实后再通过 MMM (Mixed Market Model，混合营销模型) 提升溢价。
深响：Agent普及后，公司组织架构会怎么变？
李述昊：我们会更重视中台，形成“大中台、小前台”。我们会新增一个角色——Agent指挥家（orchestrator），他懂技术、懂服务、懂客户，能把多智能体协同起来。未来基层员工可能都是Agent，人类只负责发号施令。
深响：各大海外平台加强AI，对中国品牌接下来的出海全球化会有什么影响？
李述昊：现在AIGC已普及，创意批量生产效果明显。Agent还在用户体验改善阶段，产业格局变化要到年底或明年。但趋势是确定的：搜索入口会被Agent取代，GEO将取代SEO/SEM。
平台加强AI对中国品牌来说是巨大利好。线上越发达，中国人越擅长。我们学新技术快，供应链强，这是优势。但必须学会和Agent交流，定义清楚需求。未来每个公司人很少，因为基层工作都被Agent做了，剩下的人都是“指挥家”。
深响：中国品牌怎么在AI营销的帮助下拿到溢价、不卷ROI？
李述昊：分两步。第一步成都股票杠杆，用ROI测款，把供应链、品控、履约打扎实——这是中国人擅长的“刷题”。第二步，做多触点归因（MTA）和混合营销模型（MMM），追踪用户全旅程（今天看、后天买），实现品牌溢价。这不是推翻ROI，而是升级。我们正在布局这个方向，等客户第一阶段跑通后，再帮他们做第二阶段的差异化。
元股证券｜股票配资之家正规炒股配资网提示：本文来自互联网，不代表本网站观点。
