AI正在成为企业经营的新基础设施。 从智能体部署、自动化办公，到AI内容生成、智能决策和产品创新，越来越多的企业开始将AI纳入日常经营。工具使用率不断提高，工作流程持续压缩，组织生产力也在发生深刻变化。 但一个更本质的问题正在浮现： 企业用了这么多AI，究竟有多少真正转化成了商业增长？ 当企业开始统计Token消耗量、部署智能体数量、员工AI使用率时，真正需要回答的，或许不是“我们用了多少AI”，而是“AI究竟为企业创造了多少新客户、新收入和新价值”。 在本期《营销科学艺术》与《AI商业宇宙》的播客对谈中，两位嘉宾围绕AI商业增长的底层逻辑、企业经营模式转型、产品创新以及营销价值展开讨论。 一个核心判断贯穿整场对话： AI的价值，不是让企业以更低的成本重复过去，而是帮助企业创造过去无法创造的商业机会。 当效率不再稀缺，真正稀缺的将是创造客户的能力。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 0:41 AI在实际应用是否真正带来降本增效，而非仅仅为了使用AI而使用。 4:06 AI从辅助工具转变为替代部分专业工作。 7:05 企业存在目的是什么？这个是值得再一次思考。是创造客户。 9:15 AI的增效要回到marketing的本质，要提供更有价值的事情。 12:04 AI时代通过提供新的情绪价值和体验来创造新客户实现高溢价和市场增长。 14:24 企业内部通过AI Agent重构工作流程，例如汽车、床垫硬件产品的智能化。 17:01 AI商业增长比半年前更有希望，这应成为所有企业在第四季度的重要任务。 19:05 要回到营销的本质，创造客户，并创造价值、传递价值、收获价值。 01｜从Token竞赛到财务报表：AI需要真正进入企业经营 企业对AI的热情，正在催生一种新的管理现象。 部分企业为了推动AI普及，推出不限量使用Token的内部政策，甚至设置Token消耗排行榜，将使用频率与员工积极性联系起来。 这种方式确实能够降低员工使用AI的心理门槛，帮助组织快速建立AI使用习惯。 但问题也随之产生：Token消耗越多，就代表企业经营得越好吗？ 答案显然不是。 当员工开始习惯使用AI制作PPT、生成内容、开发网站、搭建Dashboard，企业确实能够减少部分基础执行工作。 然而，AI使用率是过程指标，不是商业结果。 一家企业可以部署大量智能体，甚至让原来需要十个人完成的工作由一个人完成，却依然无法保证营收增长。 这里存在三个需要被区分的概念： * AI应用： 企业是否已经开始使用AI。 * AI效率： AI是否降低成本、缩短流程、提高产出。 * AI增长： AI是否创造新收入、新客户及新的商业价值。 前两个问题回答的是生产力，第三个问题才触及经营结果。 企业真正需要建立的，不只是AI使用排行榜，而是AI商业价值的评估机制。 例如，AI是否提高了客户转化率？是否减少客户流失？是否带来了新的销售机会？是否改善了产品利润结构？ 当AI投入与财务表现之间建立起明确联系，AI才真正从一项技术工具进入企业的经营系统。 02｜降本增效之后，企业必须重新回答：为什么需要你？ 中国制造业的一个鲜明特点，是持续追求成本和生产效率的极致优化。 同一种商品，在不同渠道中可能出现巨大的价格差异。供应链越成熟，生产效率越高，商品价格就越容易受到竞争挤压。 AI正在让知识劳动与内容生产经历类似的过程。 过去需要团队完成的营销内容、视觉设计、视频制作和基础开发，现在可以由更少的人借助AI完成。 一人公司、AI原生团队和高度自动化的组织形态不断涌现。 但生产能力的增长，并不必然带来市场需求的同步增长。 一个人能够完成十个人的工作，不代表市场愿意购买十倍的产品。 这也是本期对谈重新回到管理学经典问题的重要原因： 企业存在的目的是什么？ 彼得·德鲁克提出的答案是：创造客户。 这句话放在AI时代，反而更具现实意义。 因为技术可以大幅降低生产门槛，但不能自动解决客户为什么购买、为什么持续购买、为什么愿意支付溢价的问题。 企业不能仅仅通过不断压缩成本来建立长期竞争力。 当所有竞争对手都拥有相近的生产工具时，效率优势可能很快被追平，产品价值、品牌体验和客户关系的重要性则会进一步凸显。 降本决定企业能否更高效地生存，创造客户决定企业能否持续增长。 03｜AI商业增长的第一原则：不要只做旧事，要创造新价值 AI最容易被企业接受的应用方式，是替代过去的工作。 例如，使用AI生成报告、自动回复客户、整理会议纪要、制作营销素材。 这些应用当然有价值，但更多属于现有经营流程的效率改善。 真正具有增长潜力的AI应用，是让企业开始提供过去无法提供的产品、服务与体验。 从这个角度来看，AI商业增长至少包含两种不同路径。 第一条路径：提升既有业务效率。 通过AI优化运营流程、压缩重复劳动、减少决策成本，让企业以更低投入完成原有经营活动。 第二条路径：创造全新的商业需求。 借助AI形成新产品、新服务、新体验、新渠道，让企业进入此前未能覆盖的消费场景。 前者改善成本结构，后者扩大价值空间。 而对增长型企业而言，第二条路径往往更值得投入战略资源。 例如，AI视频生成工具正在降低创意内容制作门槛，让过去受限于技术、预算和团队规模的创作者获得新的表达能力。 这不仅意味着内容产能增加，也可能催生新的娱乐形态、互动体验和内容消费方式。 当内容生产成本下降时，真正能够形成商业价值的，不再只是制作能力，而是创意本身、内容体验以及用户愿意为之投入的注意力。 AI不应该只是过去业务的加速器，更应该成为新业务的创造器。 04｜从功能价值到情绪价值：AI正在重新定义产品创新 长期以来，企业对于产品创新的理解，往往集中在性能提升、成本降低和功能增加。 但在消费需求日益细分的市场中，新的增长机会也可能来自看似微小的体验变化。 本期播客提到一个有意思的日常观察：普通清洁用品开始使用更鲜艳的颜色和更具设计感的外观。 过去，马桶刷、拖把等清洁工具大多以满足功能需求为主，外观设计相对保守。 如今，即使是基础日用品，也开始通过色彩、造型与视觉表达创造新的感受。 这揭示出一个重要趋势： 消费者购买的不只是功能，也在购买体验、审美和情绪认同。 AI进一步放大了这种可能性。 以个性化宠物用品为例，消费者上传宠物照片，AI生成专属视觉形象，再通过柔性生产转化为冰箱贴、服装、包袋等商品。 原本标准化的商品，就这样转变成具有个人情感价值的产品。 这一模式的商业价值并不只在于降低设计成本，而在于改变产品价值的构成： 从批量生产转向个性化定制，从出售功能转向出售情感连接，从标准商品转向个人专属体验。 播客还讨论了智能床垫等产品形态。通过传感器、数据与智能调节技术，传统床垫有机会从单纯的睡眠用品，转向提供持续性睡眠体验的智能产品。 不同案例背后存在一个共同逻辑： 产品创新不再局限于增加功能，而是开始围绕消费者的具体场景和真实感受重新组织价值。 在AI时代，企业需要关注的不只是产品能够做什么，还包括产品能够让客户感受到什么。 05｜从CEO Agent到智能组织：效率革命需要进一步连接增长战略 AI Agent正在改变企业内部的管理与组织方式。 播客中提到，有企业通过内部智能问答系统减少集中审核与重复咨询工作，也有创业企业尝试打造CEO Agent，希望将部分管理知识、业务规则和决策标准沉淀为可调用的智能能力。 这些探索指向了一个趋势：企业正在尝试将过去依赖个人经验的部分工作，转化为可复用的组织能力。 对于企业而言，这不仅是自动化，更是一场组织能力重构。 但需要警惕的是，智能体本身并不等于智能经营。 如果企业只是把原有流程自动化，却没有重新审视流程是否创造客户价值，那么它可能只是在更快地执行原有经营模式。 真正值得企业思考的是： 当AI接管部分重复性工作后，被释放出来的人力、时间和资源，将流向哪里？ 是继续增加内容产量，还是投入产品研发？ 是让销售人员完成更多行政工作，还是让他们深度理解客户？ 是部署更多智能体，还是利用AI识别新的消费需求？ 组织效率提升的终点，不应该只是减少工作量，而应该是扩大组织创造价值的能力。 同时，对于涉及经营决策的Agent，企业仍然需要明确权限、风险边界以及人工审核机制。 智能组织的关键，是让AI与人的商业判断形成更有效的协同。 06｜创造、传递、收获价值：AI商业增长的三重逻辑 本期对谈提出了一个值得企业重新审视的营销框架： 创造价值、传递价值、收获价值。 这是理解AI商业增长的一条重要主线。 第一，创造价值：AI能否帮助企业提供更值得购买的东西？ 从新品开发到个性化服务，从智能产品到情绪体验，AI可以帮助企业重新理解消费者需求，并创造新的价值组合。 例如，根据不同客户偏好形成个性化商品，或者通过智能服务改善原本难以解决的使用体验。 第二，传递价值：AI能否让价值更有效地到达客户？ 产品创新需要与渠道创新结合。 新的内容形式、新的客户触点、新的线上线下场景，都可能改变客户发现产品、理解产品和购买产品的方式。 播客中的外卖包装案例尤其值得思考。 商家通过保温包装、分类封装和一次性桌布等设计，改善消费者从收到商品到实际用餐的完整体验。 包装原本容易被视为成本项，但从客户感知出发，它同样可能成为价值传递的载体。 当然，更复杂的包装也意味着成本与环境负担增加，企业需要在体验改善、投入产出与可持续性之间取得平衡。 第三，收获价值：AI能否让客户价值真正转化为商业回报？ 企业不能仅仅停留在让客户满意，还需要建立可持续的商业模式。 包括更高的成交率、更多的复购、更合理的价格、更高的客单价值以及长期客户关系。 客户数量的增长是一种增长，同一客户因为获得更多价值而增加购买，也是一种增长。 因此，AI商业增长不应被理解为一个孤立的营销工具项目，而应覆盖从价值创造到收入实现的完整经营链条。 07｜增长的新机会：新品、新服务、新体验、新渠道 面对AI带来的市场变化，企业可以从四个方向重新寻找增长空间。 其一，新产品。 通过AI辅助用户洞察、概念开发和产品迭代，发现传统产品体系中未被满足的需求。 其二，新服务。 从标准化交付转向智能化、个性化和持续性的客户服务，形成新的价值来源。 其三，新体验。 即使产品本身没有发生根本变化，也可以借助AI改善购买、使用、交互和售后体验，增强用户感知价值。 其四，新渠道。 结合消费者行为变化与新型商业触点，重新设计获客和转化路径，让产品触达过去难以覆盖的目标客户。 这四个方向并非彼此独立。 真正有竞争力的增长创新，往往来自产品、服务、体验与渠道的组合。 例如，个性化宠物商品既涉及产品创新，也涉及AI设计服务、情绪体验与新的订单转化方式。 这意味着AI商业增长需要从单点应用走向系统性经营创新。 企业不再只是讨论“哪个部门应该使用AI”，而是应该讨论“哪个增长环节最值得被AI重新设计”。 08｜从AI工具部署走向AIBG：企业需要一张增长战略地图 当AI能力逐渐成为市场的普遍配置，企业之间真正的差距，可能不再取决于谁率先使用某个工具，而在于谁能更快将AI转化为系统性的商业能力。 这也是AI Business Growth（AIBG，AI商业增长）值得持续讨论的原因。 AIBG关注的，不仅是技术能否落地，更是AI如何真正影响企业的业务结构、客户增长和经营结果。 对于正在推进AI转型的企业，可以从五个问题重新审视经营战略： 1. 我们当前最核心的商业增长瓶颈是什么？ 2. AI正在改善哪些效率指标，又创造了哪些新的客户价值？ 3. 哪些产品、服务和体验有机会被AI重新定义？ 4. 哪些新渠道、新场景能够帮助企业触达更多客户？ 5. 我们如何把AI投入与收入、利润和客户价值建立明确联系？ 这五个问题共同指向一项经营任务： 企业需要围绕增长目标设计AI战略，而不是围绕AI技术寻找使用场景。 这也意味着营销、产品、销售、运营与管理层，需要形成更加紧密的协同。 AI商业增长不是技术部门单独完成的项目，而是一项跨越组织、连接经营战略的系统工程。 只有当AI真正进入客户创造、产品创新、市场转化和价值实现的过程，技术红利才有可能转化为可持续的增长红利。 结语 AI正让许多过去复杂、昂贵、需要大量人力投入的工作变得更加容易。 但技术门槛的降低，并不意味着商业成功变得简单。 恰恰相反，当更多企业拥有相近的生产能力，市场竞争的焦点会进一步从“谁能生产”转向“谁更值得被选择”。 对于企业而言，降本增效仍然重要，但它已经不足以解释未来的全部增长机会。 真正值得持续投入的，是利用AI发现尚未被满足的客户需求，创造新的产品与服务，形成更加独特的体验，并建立新的商业价值实现方式。 科学让企业更准确地理解客户、优化经营决策；艺术让企业能够创造情绪连接、审美体验和差异化价值。 而AI正在让两者获得新的融合空间。 从工具应用到经营创新，从效率优化到客户创造，从数字化转型到AI商业增长，企业需要完成的不只是技术升级，更是增长逻辑的重新设计。 未来的领先企业，未必是使用AI最多的企业，而是最懂得利用AI创造客户价值的企业。 这才是AI商业增长真正值得回答的问题。 10个Takeaway 01｜AI使用率不等于商业增长率。 Token消耗、智能体数量和内容产量只是过程指标，客户增长与财务表现才是企业经营成果的重要衡量标准。 02｜降本增效是AI商业化的起点，不是终点。 效率提升能够改善成本结构，但企业还需要把释放的生产力投入新的价值创造。 03｜创造客户，是AI时代企业最重要的经营任务之一。 生产能力可以通过技术快速提高，但新的客户需求必须通过持续创新来创造和满足。 04｜AI最大的商业机会，不只是替代旧工作，而是创造新业务。 企业需要寻找过去因技术、成本或组织能力限制而无法实现的产品、服务和体验。 05｜情绪价值正在成为产品差异化的重要来源。 功能与价格之外，审美、个性化、情感连接和使用体验，都可能影响客户的购买决策。 06｜个性化将推动新的产品和服务创新。 AI生成能力与柔性生产结合，让标准化商品获得更丰富的定制空间。 07｜AI Agent的价值，不应只用节省多少人力衡量。 更重要的是，它能否沉淀组织知识、改善客户体验并支持新的经营能力。 08｜AI商业增长需要贯通创造价值、传递价值和收获价值。 孤立的AI应用难以形成持续增长，完整的商业价值链设计更加关键。 09｜新品、新服务、新体验、新渠道，是企业寻找AI增长机会的四个方向。 企业需要将AI能力与真实客户需求、商业场景和经营目标结合，而不是孤立地追逐技术。 10｜AIBG不是工具升级，而是企业增长逻辑的升级。 AI只有真正连接客户、产品、营销、组织与财务结果，才能成为可持续的商业增长动力。 3个思考点 思考点一｜当AI让所有企业都能高效生产时，谁还能创造值得客户付费的新价值？ 思考点二｜如果AI只能证明企业做得更快、更便宜，却不能证明客户更多、收入更高，这算真正的商业增长吗？ 思考点三｜未来企业最大的竞争壁垒，究竟是拥有更强大的AI工具，还是拥有持续创造客户的能力？

一家企业上线了多个智能体，员工每天都在使用AI，Token消耗量持续攀升。下一次经营会议上，管理层依然需要回答一个朴素的问题：这些变化，究竟为生意带来了什么？ 在媒介360「营销科学艺术 × AI商业宇宙」的一期对话中，钱总与谭总围绕AI商业增长（AI Business Growth，简称AIBG）展开讨论。从企业内部的AI使用热潮，到中国制造的极致降本，再到一款彩色清洁用品、一件宠物定制商品和一份外卖包装，话题最终指向同一个商业命题：如何借助AI创造客户、创造价值，并让价值转化为可持续的经营成果。 当生产内容、制作方案、搭建流程的门槛持续降低，企业面临的真正挑战也随之升级：生产力可以迅速放大，市场需求却不会自动增长。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 0:41 AI在实际应用是否真正带来降本增效，而非仅仅为了使用AI而使用。 4:06 AI从辅助工具转变为替代部分专业工作。 7:05 企业存在目的是什么？这个是值得再一次思考。是创造客户。 9:15 AI的增效要回到marketing的本质，要提供更有价值的事情。 12:04 AI时代通过提供新的情绪价值和体验来创造新客户实现高溢价和市场增长。 14:24 企业内部通过AI Agent重构工作流程，例如汽车、床垫硬件产品的智能化。 17:01 AI商业增长比半年前更有希望，这应成为所有企业在第四季度的重要任务。 19:05 要回到营销的本质，创造客户，并创造价值、传递价值、收获价值。 01 AI投入越来越大，财报为什么还没有感觉？ 在对话开场，谭总提到了一个值得所有管理者追问的问题：企业已经部署了多少AI应用，其中究竟有哪些真正影响了财务报表和经营KPI？ 一些公司为了鼓励员工使用AI，尝试过开放式Token预算，甚至以消耗量呈现内部排名。这种方式能够帮助组织形成使用习惯，也暴露了衡量标准的局限。员工用得多，说明AI进入了工作现场；企业挣得更多，则需要另外一套证据。 汇报PPT缩短了制作时间，营销物料产出翻倍，智能体接管了部分审核流程，这些进步当然重要。但如果获客成本、成交转化、客户留存与利润表现长期没有改善，管理层仍然很难回答AI投资回报的问题。 因此，AI项目的第一张成绩单应该从“使用规模”走向“经营变化”。可以同时观察三类指标：成本端看单位任务成本与交付周期，效率端看人均产出与流程完成率，增长端看新增客户、复购、客单价、收入和贡献利润。这样，技术采用和商业回报才有机会连成一条因果链。 02 十倍生产力，为什么未必带来十倍订单？ 对话中一个令人印象深刻的判断是：一个人能够完成过去一个团队的工作，并不意味着市场会购买十倍的产品和服务。 AI让做PPT、生成视频、编写内容、搭建网站变得更加容易。供给侧能力迅速释放，市场也会出现更多相似的方案、商品与信息。制作门槛下降的同时，获得用户注意、理解客户需求、建立信任关系的难度可能进一步上升。 嘉宾谈到中国制造业的价格竞争：同一种家居小商品，消费者在不同渠道看到的报价可能相差数倍。极致降本创造了显著的价格价值，却也提醒企业，成本优势会不断被竞争追平。仅仅把原有商品做得更便宜，增长空间仍有边界。 这里需要分清两个经营问题：效率解决“用多少资源交付”，增长回答“客户愿意为什么付费”。前者决定企业能否健康运转，后者决定企业能否持续扩张。AI可以同时参与两者，但每个项目都需要清楚自己的目标。 03 回到商业原点：企业为什么要创造客户？ 节目引用管理学中的经典命题——企业的目的在于创造客户，并将其放到AI时代重新审视。 创造客户首先意味着找到更多愿意购买的人，也意味着让已有客户在新的场景下愿意获得更多价值。例如，一位消费者过去只需要某项基础服务，企业通过改善体验、增加个性化解决方案，使其愿意购买更高价值的服务组合，客户关系便有机会得到延伸。 这要求企业重新理解“产品”。一件有形商品、一次服务、一个便利的流程、一段被照顾的体验，都可能构成客户愿意付费的价值。功能价值、经济价值与情绪价值可以共同影响购买决定。 对于品牌而言，AI商业增长的起点是具体的人：谁的需求还没有被满足？谁正在某个使用场景中感到不方便、不确定或缺少惊喜？哪些原本难以规模化交付的个性化需求，如今终于可以被经济地满足？ 04 科学与艺术怎样合力？把增长拆成三个环节 讨论进一步提出了一个清晰的营销框架：创造价值、传递价值、收获价值。它为企业规划AI应用提供了一条从用户需求到经营结果的路线。 创造价值：用AI更快识别细分需求、探索新品方向、生成个性化内容与服务方案。关键在于客户获得了哪些可感知的改善，而非模型输出了多少内容。 传递价值：在合适的渠道、时机和场景中，让客户看见并理解这些改善。渠道更新、沟通方式变化、包装和履约体验都属于这一环节。AI可以帮助企业改进内容适配、客户触达和服务响应，但品牌仍需形成鲜明的价值表达。 收获价值：让被创造和传递的价值形成真实交易，并逐步沉淀为复购、口碑与利润。这里可以追踪从触达到购买的转化率、客单价、客户生命周期价值等指标，判断投入是否真正产生商业收益。 科学提供观察、实验与测量的方法；艺术负责洞察情绪、创造惊喜与形成差异化表达。二者共同决定客户是否愿意停留、信任和付费。 05 三个微小场景，揭示AI时代的增长机会 场景一：彩色清洁用品，重新设计平凡的日常。谭总在采购家居用品时注意到，一些清洁工具开始使用明亮的颜色与更丰富的设计。功能变化可能有限，视觉体验却改变了消费者对日常劳动的感受。这提示品牌：情绪价值不一定来自昂贵的创新，细小而准确的体验重塑也可能成为购买理由。 场景二：宠物照片变成专属商品，个性化走向可交付。嘉宾提到海外宠物用品的一个经营思路：消费者上传宠物照片，AI生成图案，再由制造端制作成冰箱贴、包袋或服装。对话中提及的成本与售价属于嘉宾举例，并非经核验的行业利润数据。真正值得关注的是，AI将个性化设计与柔性生产连接起来，让“专属于我”的情感需求有了可规模化的商品形式。 场景三：一份外卖的保温盒，把交付变成体验。谭总分享了一次点烧烤外卖的经历：保温包装、按品类封装的食物和随餐附赠的纸桌布，让在家用餐的体验更加完整。这一案例并非典型AI项目，却提醒企业：增长创新常常藏在交付链路里。AI可以帮助发现客户抱怨、测试包装方案、优化服务流程，最后仍需由真实体验完成价值兑现。 这三个案例横跨日用品、定制商品和餐饮履约，拥有共同逻辑：找到未被充分满足的需求，把细节转变成可以感知、可以传播、可以付费的价值。 06 从工作流到增长引擎：企业下一步该做什么？ 对话还谈到企业内部的审核型智能体、管理者Agent、智能家居与数据驱动产品。这些尝试表明，AI正进入决策辅助、流程执行和产品体验层面。具体业务价值仍需分别验证，尤其在涉及重要决策时，要保留适当的人工审核和责任边界。 如果企业要在第四季度推进AIBG，可以采用一张简洁的增长地图：第一步，从客户旅程里寻找摩擦点，包括发现、比较、购买、使用和复购；第二步，提出能够创造新价值的方案，优先考虑新品、新服务、新体验和新渠道；第三步，将每个试点绑定一项经营指标，并设定对照基线；第四步，在小规模市场中测试，观察真实付费行为；第五步，验证后再把内容生产、客户运营和组织协作纳入可复制的工作流。 衡量AI增长时，需要保持商业上的克制。一次性爆款、流量上涨和自动化覆盖率都可以作为过程信号，但最终仍需落到新增收入、客户质量、复购改善及利润贡献。企业只有持续复盘这些结果，才能辨别技术热度与实际增长之间的距离。 当更多企业拥有接近的AI生产能力，真正的竞争差异将来自需求洞察、品牌理解、体验设计和组织执行。AI降低了创新试错成本，也提高了企业持续发现新客户价值的要求。 结语 · 让技术回到商业结果 AI商业化正在进入一个更讲究结果的阶段。企业需要继续降本、继续提效，同时把资源投向新的客户、新的需求和新的价值场景。 对于品牌和经营者而言，最值得带回会议室的问题是：我们已经用AI创造出了什么客户愿意购买的新价值？ 每一次更准确的客户洞察、每一个更有温度的产品细节、每一条经过验证的新增长路径，才可能让AI从组织里的高频工具，真正成长为财务报表中的增长力量。 10 个 Takeaway 01 使用率≠增长率 AI使用频次、Token消耗与智能体数量说明技术渗透程度，经营回报需要独立验证。 02 财报是AI应用的压力测试 把项目与成本、收入、转化、复购或利润指标绑定，才能建立投入与收益的联系。 03 十倍产能需要真实需求承接 生产内容和交付方案的能力放大之后，客户愿意购买什么仍是首要命题。 04 创造客户是增长的核心动作 既要触达新客群，也要为已有客户创造新的高价值使用场景。 05 经济价值与情绪价值可以叠加 价格、便利、效率之外，个性、愉悦和被理解的体验也会影响购买。 06 AI推动个性化商品进入可交付阶段 从个人输入到设计再到生产的链路缩短，释放了更多细分需求。 07 交付细节同样属于营销 包装、履约和服务体验影响客户对品牌价值的最终判断。 08 增长要串起三个环节 围绕创造价值、传递价值、收获价值部署AI，避免形成孤立工具。 09 新品、新服务、新体验、新渠道值得优先测试 这些方向更容易把AI能力与新的购买理由连接起来。 10 小步验证，建立可复制的增长机制 用真实交易和客户行为验证试点，再扩大投入与组织协同。 3 个思考点 01 如果明天停用一半AI工具，企业哪些核心经营指标会真正受到影响？ 请区分工作习惯变化、流程效率变化与客户价值变化。 02 在客户的完整购买与使用旅程中，哪一个被忽略的小细节，最有可能成为新的付费理由？ 从情绪、便利、个性化和服务确定性四个角度重新观察。 03 未来90天，企业能否选出一个AI增长试点，并用真实新增收入或利润来验证？ 明确目标客群、具体场景、负责团队、基线和复盘时间。

一部“不完美”的电影，为什么成了品牌营销样本？ 从全民吐槽到持续发酵，从用户二创到品牌跟进，再到地方文旅、商业账号纷纷加入讨论，《牛来》所形成的现象，已经超出了电影本身。 对于商业和品牌而言，它真正值得研究的并不是“这是不是一部好电影”，而是为什么这样一部具有明显争议、甚至带有粗粝感的作品，反而能够激发如此大规模的讨论、模仿与参与。 播客讨论中，一个非常重要的观察是：热点出现之后，不同品牌的反应速度呈现出明显差异。部分品牌能够第一时间参与二创，快速进入大众讨论场；另一些品牌则仍然停留在“这个热点和我有没有关系”“是否符合品牌调性”“是否需要层层审批”的判断阶段。 这背后折射出的，已经不只是营销创意的问题，而是品牌在社交媒体时代的整体行动能力。品牌能否及时感知社会情绪、能否迅速找到自身与热点之间的连接、能否以适合自己的方式进入大众文化现场，正在成为新的品牌竞争力。 从这个意义上看，《牛来》更像是一块试金石。它测试的是品牌的内容能力、组织效率、互动意识，以及在AI时代重新理解大众、内容和专业壁垒的能力。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 0:30 《牛来》从全民吐槽到实现3000万票房的现象级转变。 1:19 多品牌迅速围绕《牛来》进行二创营销反映了企业的营销敏捷性。 5:39 品牌的敏捷背后，其实反映的往往是这个企业的决策机制的问题。 7:06 在多元内容时代，没有绝对‘好’的内容标准，只要能引发反馈即具价 11:32 互动已成为营销核心指标，品牌需思考如何在任何场景中激发用户参与感。 14:48 品牌要真正‘会玩’才能与用户打成一片， ‘格式塔营销’增强参与感。 17:25 高端品牌参与《牛来》的草根热点，可通过情绪层面共鸣。 23:13 AI正在解构传统职业壁垒，进入‘人人可创作’的大转行时代。 26:19 《牛来》的意义在于打开创作之门，鼓励非科班人士表达自我。 29:48 品牌应拥抱多样化内容表达，快速响应热点，与用户关注同频。 一、热点营销的本质，正在从创意竞争转向组织效率竞争 传统营销时代，一个品牌可以花数周甚至数月完成一次大型传播项目。但在今天的社交媒体环境里，热点生命周期往往以小时和天计算。 因此，当一个社会热点出现之后，品牌首先面对的并不是“能不能想出一个惊艳创意”，而是有没有能力快速参与。 播客中提到，伊利、蜜雪冰城、九阳、旺旺、海天、卫龙、五菱等品牌都围绕相关热点进行了不同形式的二创。值得注意的并不只是它们做了什么，而是谁最早进入了讨论场。 这意味着，热点营销表面上是内容竞争，背后却首先是决策机制的竞争。 如果一个社交媒体团队发现热点之后，需要先提交分析报告，再经过品牌部、市场部、法务、管理层多轮审批，最后才能发布内容，那么即使创意本身没有问题，也很可能错过传播窗口。 反过来看，那些能够快速跟进热点的品牌，往往意味着它们已经建立了更加灵活的内容授权机制、更短的决策链条，以及对社交媒体环境更成熟的风险判断能力。 因此，“品牌敏捷”并不是一句营销口号，而是一套真实存在的组织能力。品牌在热点中的反应速度，往往能够直接反映企业内部的汇报层级、授权机制以及管理方式。 未来，真正成熟的社会化营销组织，不应该每一次都从零开始讨论“要不要追热点”，而应该提前建立清晰的判断机制：哪些热点可以跟、哪些红线不能碰、什么级别的内容可以由团队自主决策，以及品牌应该以怎样的方式参与。 只有组织机制足够敏捷，创意才有机会发生在正确的时间里。 二、内容时代已经改变：“完美”不再是传播的唯一前提 《牛来》引发的另一个重要讨论，是关于“什么才算好内容”。 在传统内容体系中，专业、精致、完整往往被视为高质量内容的重要标准。但移动互联网和算法分发正在改变这一逻辑。 今天的内容市场已经高度碎片化。有人喜欢电影，有人喜欢知识，有人沉浸在美妆、游戏、金融、宠物、户外、二次元等不同圈层，还有人可能花大量时间观看非常垂直、甚至过去很难被主流媒体理解的内容。 这意味着，大众内容正在被重新定义。 所谓“大众”，不再意味着所有人观看同一种内容，而是大量不同的小众内容同时拥有自己的受众。 因此，今天品牌真正需要解决的问题，也不再是“什么内容所有人都会喜欢”，而是“什么样的内容能够真正激发某一群人的反应”。 这种变化对品牌营销具有非常重要的意义。 过去，品牌往往追求表达的完整性，希望一条内容能够同时承载品牌价值、产品卖点、视觉规范和传播信息。但在社交媒体时代，过于完整和标准的表达，反而容易失去辨识度。 尤其进入AI内容生产时代之后，规范、正确、结构完整的内容会越来越容易获得。AI可以迅速帮助品牌完成文案、视觉、视频、分析等大量一般性工作。 当“标准内容”的生产成本不断下降，真正稀缺的就会变成差异性表达。 这种差异可能来自独特审美，也可能来自真实情绪、个人视角、文化判断，甚至来自某种“不完美感”。 因此，未来品牌最大的内容风险未必是“不够专业”，而可能是所有表达都过于标准、过于正确，最终与其他品牌变得越来越相似。 三、从曝光到互动：品牌必须重新理解社会化营销 传统广告强调传播范围，因此曝光量长期以来都是营销体系中的核心指标。 但《牛来》的传播过程提供了另一种观察视角：真正形成文化现象的内容，往往并不是“被很多人看过”，而是“被很多人继续创作”。 围绕电影产生的模仿、吐槽、改编、品牌二创、地方文旅内容，以及进一步延伸出来的各种商品和衍生表达，本质上形成了一个不断扩张的互动场。 在这个过程中，原始内容已经不再是传播的终点，而成为大众继续创造的起点。 这也是今天品牌社会化营销最值得关注的变化。 过去，品牌负责生产内容，消费者负责观看；今天，品牌越来越需要为用户提供“参与接口”。 所谓参与接口，可以是一句能够续写的话、一个可以模仿的动作、一种能够重新命名的结构、一个开放式的视觉符号，或者一个具有强识别度、但没有被完全解释完的文化元素。 品牌真正需要思考的，不只是“我要发布什么内容”，而是“我能不能设计一种让消费者继续创作的机制”。 当消费者开始主动模仿、改编、解释和传播品牌内容时，品牌与用户之间的关系就从单向传播转向共同创造。 这也是UGC真正的价值所在。它并不是简单地让用户“帮品牌生产内容”，而是在品牌搭建的框架中，让用户获得真正的表达权。 四、“不完整”反而可能成为更好的传播设计 播客中提到了“格式塔”这一心理学概念。 当人看到一个并不完整的图形时，大脑会本能地尝试将它补全。同样的机制也可以被应用在内容与营销设计之中。 品牌过去往往倾向于把传播内容做到100%完整：所有信息都解释清楚，所有视觉都精确控制，所有表达都保持统一。 但内容越完整，消费者可以参与的空间反而越少。 相反，当品牌有意识地留下适度的空白，消费者会拥有更多解释、补充和再创造的机会。 从传播设计的角度看，这意味着品牌不一定需要把所有内容一次性做完。 例如，一条内容可以只提供一个故事开端，让用户补充结局；一个产品话题可以提供固定结构，让消费者自行替换内容；一个视觉元素可以被设计成易于模仿和再创作的模板。 这种“留白”并不是降低品牌质量，而是在重新分配传播中的创造权。 未来好的社会化内容，可能并不是由品牌完成100%，而是品牌完成80%，剩下20%由消费者共同完成。 当参与本身成为内容的一部分，消费者才会真正从传播对象转变为传播主体。 五、“新大众品牌”正在形成 节目讨论中提出了一个值得进一步延伸的概念——“新大众品牌”。 过去的大众品牌，依赖的是大众媒体。 电视、报纸、户外和电影院能够在同一时间向大量人群提供相似的信息，由此制造共同话题和大众文化。 移动互联网则逐渐拆解了这一结构。 今天，每个人都在主动选择自己的内容世界。不同用户长期停留在完全不同的兴趣圈层中，大众注意力被不断切分。 但大众并没有真正消失，而是变成了无数“小众”的叠加。 因此，未来的“大众品牌”也不会再简单依靠一条广告覆盖所有人，而需要不断找到不同文化入口，进入不同人群的生活。 一个热点、一部电影、一种情绪、一个网络梗，甚至一个小众文化现象，都可能成为品牌与某一群消费者建立关系的临时入口。 这意味着，品牌影响力的形成方式也会发生变化。 过去可能依靠一条超级广告建立全国认知，未来则可能来自数百次甚至数千次针对不同文化圈层的有效参与。 品牌不再只是创造“大事件”，也需要拥有持续进入“小现场”的能力。 六、品牌调性不应该成为拒绝参与大众文化的理由 不少品牌在面对热点时最担心的问题，是“会不会损害品牌调性”。 这一问题对于高端品牌、奢侈品牌以及强调专业形象的品牌尤其明显。 但品牌调性并不意味着品牌必须与大众文化保持距离。 真正成熟的品牌，应该拥有把公共文化重新翻译成自己语言的能力。 同一个热点，大众消费品牌可以通过直接玩梗参与；设计品牌可以通过视觉重新创作；科技品牌可以寻找技术层面的连接；强调长期主义的品牌，则可以从坚持、陪伴、创造等精神价值切入。 换句话说，品牌并不需要复制热点本身，而需要找到热点与自身价值体系之间的连接。 因此，热点营销真正考验的是品牌的“翻译能力”。 品牌是否能够将一个公共议题转译为符合自身价值、审美与产品逻辑的表达，决定了参与热点究竟会削弱品牌，还是反而强化品牌。 高端品牌并不是不能玩，而是必须用自己的方式玩。 七、消费者中心，不应该只是一句管理口号 很多品牌长期强调“以消费者为中心”。 但在社交媒体时代，消费者中心应该拥有更加具体的判断标准：消费者正在关心什么，品牌是否真正关心？ 如果消费者正在讨论一个社会热点，而品牌因为内部流程复杂、内容计划提前排满，或者认为“不符合既定传播主题”而完全缺席，那么品牌很难说自己真正理解消费者。 真正的消费者中心，并不意味着品牌必须参与所有热点，而意味着品牌拥有持续感知公众情绪的能力。 品牌需要知道用户此刻在讨论什么、为什么讨论、其中包含哪些情绪，以及自身是否拥有合理的参与方式。 因此，未来的营销团队不仅是内容生产部门，也应该成为企业内部的“社会情绪雷达”。 它需要不断回答三个问题：消费者现在关心什么？这些讨论背后代表怎样的情绪变化？品牌能够为这一话题贡献什么新的价值？ 从“我要告诉消费者什么”，转向“消费者现在正在讨论什么”，是品牌真正进入社交媒体时代的重要一步。 八、《牛来》更深层的商业意义，是专业壁垒正在被重新拆解 如果只把《牛来》当作一个热点营销案例，其价值仍然有限。 播客后半段进一步讨论了一个更加重要的时代趋势：大量过去被认为高度专业、门槛很高的工作，正在被数字工具和AI重新解构。 过去拍电影需要复杂的专业体系，做网站需要产品、设计、程序等多个角色共同参与，数据分析需要专业分析师完成，创业也通常需要搭建完整团队。 今天，这些工作的进入门槛正在下降。 一个人可以借助工具制作短剧、搭建网站、写书、做内容、进行分析，甚至经营一家One Person Company。 这并不意味着专业价值消失，而意味着专业价值的来源正在改变。 过去，一个人的优势可能来自“只有我会做这件事”。未来，当越来越多工具把专业能力模块化之后，真正的竞争问题会变成：“既然大家都能做，为什么你的结果更值得被选择？” 这意味着，工具能力本身会逐渐成为基础能力，而审美、判断、洞察、创造力、人格表达以及持续行动能力，会成为更加难以复制的竞争优势。 从这个角度看，《牛来》提供的不只是电影产业的案例，而是一个关于AI时代职业价值重构的缩影。 九、AI时代，差异性表达会变得更加重要 AI正在显著降低内容生产成本。 文章、图片、视频、网站、数据分析等过去需要大量专业时间完成的工作，正在快速被工具化。 这意味着未来市场不会缺内容，反而会进入内容极度过剩的阶段。 在这样的环境里，“生产能力”不再足以构成竞争壁垒。 当所有人都能够高效生产相对完整、正确、专业的内容时，真正拉开差距的将是内容背后的观点、审美和人格。 对于品牌而言也是如此。 品牌不能只追求“比过去生产得更快”，而需要思考“AI帮助所有品牌都变快之后，我的不可替代性在哪里”。 答案很可能并不在生产效率，而在差异性表达。 未来真正有价值的内容，不一定是最标准的内容，而是那些能够让人一眼认出“这是这个品牌才会说的话”“这是这个品牌才会做的事”的内容。 十、品牌未来最重要的社会化能力，是“会玩” 播客中有一个非常直白的判断：如果品牌始终保持高高在上的姿态，消费者很难真正愿意与品牌互动。 这一判断揭示了许多品牌社会化传播的真实问题。 今天几乎所有企业都拥有微博、抖音、小红书、视频号等账号，但拥有账号并不意味着真正完成了社会化。 不少品牌依然按照传统广告逻辑运营社交平台：品牌发布、消费者观看；品牌宣传、消费者接受。 但真正成熟的社交品牌，需要具备完全不同的能力。 它必须能够理解网络语言、理解消费者情绪、适度接受被调侃、快速回应文化热点，并在必要的时候允许自己的表达不那么“完美”。 因为消费者真正愿意与之产生关系的，通常不是一个高高在上的企业Logo，而是一个能够被感知到性格、情绪和态度的品牌人格。 因此，“会玩”并不是简单追求年轻化，而是一种新的品牌经营能力。 它意味着品牌能够从控制传播，走向参与传播；从单向输出，走向共同创造；从品牌中心，真正走向消费者中心。 结语：品牌真正需要重新获得的，是想象力与行动力 《牛来》是不是一部传统意义上的好电影，仍然可以继续讨论。但从商业和品牌视角看，它已经提供了一个非常有价值的时代样本。 它说明，内容未必足够完美才有传播力，品牌也不一定需要通过始终保持距离来维护价值感。真正重要的是，品牌能否及时理解公众正在发生的情绪变化，并找到适合自己的参与方式。 更重要的是，这一现象与AI时代正在发生的更大变化相互呼应。 内容生产门槛正在下降，职业壁垒正在被重新拆解，传统意义上的专业优势正在被重新定义。在这样的环境里，品牌和个人真正需要守住的，不再只是工具能力，而是洞察力、审美、创造力、表达能力与行动速度。 所以，《牛来》真正留给品牌的启示，不应该只是“下一次热点怎么蹭”。 更值得思考的是：一家企业是否拥有足够敏捷的组织机制，品牌是否仍然具备进入大众文化的想象力，内容是否具有真正的差异性，以及消费者是否拥有参与品牌表达的空间。 未来的品牌竞争，很大程度上将是行动力、文化感知力和创造力的竞争。 谁更快理解时代，谁更自然地进入消费者正在发生的文化现场，谁就更有机会获得下一轮品牌增长。 10个 Takeaway 1. 热点营销首先是组织效率竞争。 品牌反应速度的背后，是授权机制、审批层级和决策效率。 2. 品牌真正需要解决的不是“能不能追热点”，而是“从哪个角度建立连接”。 产品、场景、价值观、情绪、技术与用户都可以成为连接入口。 3. AI时代，标准内容会越来越廉价。 真正稀缺的将是具有审美、情绪、观点与人格特征的差异性表达。 4. 内容不一定需要获得所有人的认可。 当大众被拆分为无数小众之后，能够真正打动一部分人，本身就可能形成商业价值。 5. 社会化营销应该从曝光逻辑走向互动逻辑。 一个能够激发大量用户再创作的内容，往往拥有更长的传播生命周期。 6. UGC的关键是给消费者留下创造空间。 品牌不需要完成100%的表达，可以通过适当留白激发用户补充、改编与传播。 7. 未来的大众品牌，本质上是拥有进入多个小众圈层能力的品牌。 大众不再是一群完全相同的人，而是大量兴趣群体的集合。 8. 品牌调性不是拒绝热点的理由。 真正重要的是能否将公共文化转译为符合自身价值体系和审美体系的表达。 9. AI正在重新定义专业价值。 当越来越多人可以完成过去高门槛的工作，审美、判断、洞察和创造力会成为新的壁垒。 10. 真正成熟的社交品牌必须“会玩”。 它不仅会发布内容，更能够理解网络文化、回应公众情绪，并与消费者共同创造。 3个思考点 第一，当AI能够把大多数内容都做得越来越正确，品牌真正的竞争力反而会变成：能不能表达得足够不同。 第二，所谓追热点，本质上不是品牌跟着流量走，而是品牌有没有能力跟着消费者正在发生的情绪变化走。 第三，未来淘汰一部分品牌的，可能不是预算不够，而是组织太慢、表达太标准、与消费者之间的距离太远。

下一个品牌战场，不是消费者搜不搜你，而是AI会不会主动推荐你 过去二十年，品牌最熟悉的一套增长逻辑是：消费者搜索—平台排序—品牌争夺点击—完成转化。 但AI正在改写这条链路。 当一个消费者问AI：“我想减肥，这周应该怎么吃？”“第一次去上海住哪里？”“给30岁的朋友送什么礼物？”时，他可能根本没有输入任何品牌名。 AI却会替他分析需求、拆解场景、判断条件，然后直接给出几个答案。 这意味着，一个新的商业问题出现了： 为什么AI推荐你，而不是竞争对手？ 这期播客讨论的核心，正是这个正在发生的变化：AI已经不只是一个信息搜索工具，而正在成为一个推理者、决策辅助者，甚至未来的消费代理人。它的推荐逻辑，也正在成为品牌必须理解的一套新商业基础设施。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 0:45 AI会基于每个人的背景给出不同的回答，这与传统关键词匹配模式截然不同。 3:08 AI推荐并非简单提供“最好”的答案，而是基于多重利益考量。 9:36 AI在学习人类的推理内容，在营销中，AI推理逻辑类似于改变人做决策的逻辑。 14:25 AI可以模拟社会现象，模拟消费者购买意愿、商品成功与否、媒介触达响应等。 19:43 AI模拟可以复现这类现象，包括内容好坏、商品成功、媒介触达响应等。 21:58 AI的推荐不只是一种营销渠道，它反过来又变成了营销的决策的工具。 25:26 AI要全员要用起来，正确最基本的一个步骤是全员使用。 一、从“搜索你”到“AI替我选”：营销逻辑正在发生根本变化 搜索时代的逻辑其实非常直接。 消费者输入“减肥餐”，搜索引擎寻找与“减肥餐”高度相关的网页、商品和内容。因此过去的品牌营销，很大程度上是在经营： 关键词、排名、流量入口和消费者注意力。 但AI时代并不是这样。 当消费者说： “我最近想减肥，帮我安排一周饮食。” AI并不会简单搜索“减肥餐”。 它可能继续推理： 你是想快速减重，还是长期健康管理？你有没有运动习惯？你接受低碳饮食吗？你是不是素食主义者？你的预算是多少？你平时在哪里吃饭？ 最终，AI会根据这些属性重新组织信息，再产生推荐。 也就是说： 搜索时代解决的是“你说了什么”；AI时代判断的是“你真正想解决什么”。 附件中的对谈明确指出，在多重 reasoning 与 Agent 架构下，AI已经不再只是关键词匹配，而会把用户需求、历史信息以及各种 attributes 放进上下文，再形成最终推荐。 这对营销意味着一个巨大变化： 品牌不再只是争夺关键词，而要争夺AI的推理路径。 二、AI推荐的核心，不是“最好”，而是谁的“最优解” 这里还有一个容易被忽略的问题： AI推荐给你的，真的一定是最好的商品吗？ 答案未必。 因为任何一个推荐系统背后，都存在一个目标函数。 平台希望什么？品牌希望什么？消费者希望什么？ 三方利益未必完全一致。 传统电商平台的推荐，往往需要同时考虑成交率、平台收入、广告价值、用户留存等目标。 而进入AI时代之后，一个非常重要的问题将变成： AI最终站在哪一边？ 如果AI越来越接近消费者的个人代理人，那么长期来看，消费者会越来越期待AI真正站在自己的利益一侧。 这意味着未来真正具有竞争力的品牌，可能不能只研究： “怎么让AI多推荐我？” 而必须进一步回答： “为什么推荐我，对消费者来说是合理的？” 对谈中把AI推荐定义为一个“推理和决策的过程”，并进一步讨论品牌、平台与消费者三方利益之间的关系。 这可能会成为未来AI商业生态最重要的信任基础之一。 三、品牌的新营销机会：改变AI的“推理链” 这可能是整场讨论里最值得企业关注的一点。 过去营销真正厉害的地方，并不是让消费者记住一句广告词。 而是： 改变消费者理解问题的方式。 比如： 孩子长不高——是不是应该补钙？节日到了——是不是应该送礼？工作压力大——是不是应该安排一次旅行？口渴——是不是应该喝某一种饮料？ 品牌营销一直在做一件事： 把一个需求，与一个解决方案建立稳定的认知连接。 现在，这套逻辑正在从“影响消费者”延伸到“影响AI”。 对谈中提出了一个非常重要的判断： 面对AI marketing，一个重要机会，就是理解AI如何把用户的问题转化成推理，并影响这种推理逻辑。 换句话说： 未来品牌真正值得建设的AI资产，不只是大量文章、产品介绍和SEO页面。 而是： “在什么场景下，为什么应该想到我？” 这是一个全新的品牌基础设施。 四、未来品牌竞争的单位，可能从“关键词”变成“场景” 举一个非常典型的逻辑。 消费者可能不会问： “哪家快餐品牌最好？” 他可能问： “帮我安排一周体重管理期间的饮食。” 这时候，一个品牌是否进入答案，取决于AI如何理解： 健康、热量、便利、运动、价格、饮食结构以及用户偏好。 于是品牌竞争的单位，就发生了变化。 过去： 品牌 × 关键词 未来： 品牌 × 场景 × 属性 × 人群 × 推理路径 一个饮料品牌，不能只告诉AI： “我是一个饮料品牌。” 而要告诉AI：我适合什么场景？解决什么问题？适合什么样的人？什么时候应该出现？为什么比其他解决方案更适合？因此，未来企业知识库真正重要的，不只是“把资料数字化”。而是把品牌的商业价值重新拆成一套AI能够理解的场景地图和价值关系图。 五、企业真正需要建设的，是一套“AI可理解的品牌知识系统” 很多企业今天谈AI，第一反应仍然是： 做一个企业知识库。 把官网、产品手册、新闻稿、案例、FAQ全部放进去。 这是第一步，但远远不够。 如果企业希望未来真正进入AI推荐链，知识库至少需要回答五个问题： Who：我是谁？ 品牌定位、产品、技术、能力、资源。 For whom：我适合谁？ 消费者、企业客户、行业、年龄、需求类型。 When：什么时候应该想到我？ 消费场景、工作场景、生活场景、决策节点。 Why：为什么应该选择我？ 差异化能力、证明、案例、产品效果。 Compared with what：和什么相比，我在哪些条件下更合适？ AI不是在背产品说明书。 AI是在做判断。 所以品牌未来真正的内容资产，应该从： Content Library 升级为： Decision Knowledge System。 六、比AI推荐更大的变化：市场本身开始可以被模拟 播客的后半段，又把这个问题往前推进了一步。 如果AI可以模拟一个消费者的判断，那么能不能模拟一万个消费者？ 如果可以模拟一万个消费者，又能不能模拟一个市场？ 这正是合成数据与市场模拟值得关注的地方。 传统市场研究通常依赖： 消费者问卷、访谈、焦点小组、定量研究、定性研究以及各种现实数据采集。 而AI正在提供另外一种可能： 先构建虚拟消费者，再让这些虚拟消费者在不同场景下进行决策。 对谈将这种方式进一步延伸到数字孪生、个人模拟、社会模拟和市场模拟：企业可以测试一个新产品有没有人买、内容会产生什么反应、不同群体可能如何支持或反对。 这可能带来一个非常大的变化： 市场研究开始从“观察市场”走向“预演市场”。 七、AI市场模拟，可能成为企业未来的“商业沙盘” 想象一下。 企业准备推出一个新产品。 以前的流程是： 调研 → 产品 → 投放 → 上市 → 看数据 → 再调整。 未来可能变成： 提出产品概念 ↓ 进入AI模拟市场 ↓ 模拟不同用户群 ↓ 模拟价格 ↓ 模拟舆情 ↓ 模拟渠道 ↓ 模拟竞争对手反应 ↓ 寻找风险 ↓ 修改方案 ↓ 再进入真实市场。 也就是说： 企业第一次拥有了一个可以反复“试错”的虚拟市场。 对谈中将这种能力形容为一种更高级的AI应用：企业可以通过AI模拟客户群和整个市场，让行动先在虚拟市场中进行预演。 它不能替代真实市场。 但它很可能成为真实决策之前的重要一层。 未来优秀企业之间的差距，可能不仅是： 谁的数据更多。 而是： 谁能够更快、更低成本地推演未来。 八、传统咨询与市场研究，也因此进入重构期 如果市场可以被模拟，传统研究公司的价值链自然会发生变化。 过去企业花费大量成本购买的是： 数据采集能力。 未来企业真正愿意付费的，可能变成： 市场结构理解 + 模型能力 + 数据能力 + AI模拟能力 + 商业判断。 因此，AI并不意味着“咨询不需要了”。 相反，它会让低价值的数据搬运和报告生产快速贬值。 同时，让真正的专业判断变得更加重要。 对谈中也谈到，企业需要通过系统化地理解整个市场结构来进行模拟，这依然是一种专业服务；同时，传统研究与咨询模式将面对巨大变革压力。 未来咨询公司的产品，可能不只是： “一份报告。” 而是： 一套持续运行的商业决策系统。 九、AI真正改变企业的，不只是生产力，而是“决策力” 现在很多公司理解AI，仍然停留在效率层： AI写文案。 AI做PPT。 AI整理会议。 AI做客服。 AI写代码。 这些当然重要。 但从这场讨论来看，更值得关注的下一阶段是： AI开始进入决策系统。 企业可以用AI： 理解客户； 模拟客户； 测试产品； 模拟市场； 预判舆情； 优化营销； 辅助战略。 这时AI就不再只是一个Copilot。 而开始成为企业的： Decision Engine。 十、企业的AI化，要从“全员使用”走向“体系化运营” 那么企业现在到底该做什么？ 播客给出的第一步非常明确： 全员先用起来。 只有全员使用之后，企业才会逐渐发现： 哪些工作可以被AI重构？ 哪些流程可以重新设计？ 哪些经验可以沉淀成Skills？ 哪些能力应该进入企业AI中台？ 附件中提到，在全员使用基础上，企业需要继续寻找效率提升和工作模式转变的可能，并通过AI中台、Skills等方式重新组织企业运行模式。 所以AI转型并不是： 给员工买几个AI账号。 真正的AI转型应该经历： 工具化 → 流程化 → 知识化 → 系统化 → 决策化。 最后，AI不再属于某一个部门。 它会成为企业新的操作系统。 结语｜未来最重要的问题：为什么AI应该选择你？ 过去，企业一直在问： 消费者为什么选择我？ 搜索引擎为什么把我排在前面？ 平台为什么给我流量？ 而AI时代，一个新的问题正在出现： 为什么AI应该推荐我？ 这个问题的背后，不只是一次新的营销技术升级。 它意味着品牌、内容、市场研究、咨询、数据以及企业决策体系，都可能被重新定义。 未来真正有竞争力的企业，需要同时建设两种能力： 一种能力，是让AI理解自己。 另一种能力，是用AI理解市场。 前者决定： 你能不能进入AI的答案。 后者决定： 你能不能比别人更早看到答案。 当AI开始参与消费者决策、企业决策甚至市场模拟之后，企业真正需要争夺的，已经不只是注意力。 而是： 进入AI的推理链、推荐链与决策链。 10个 Takeaway 01.AI正在从搜索工具变成决策工具。消费者未来不会只让AI“找东西”，而会直接让AI“替我选”。 02.AI营销的核心不再只是关键词，而是推理逻辑。品牌需要研究：什么需求、场景和属性会让AI想到自己。 03.品牌竞争正在从“抢流量”转向“抢推理链”。能否成为AI解决某类问题时自然想到的答案，将成为新的品牌资产。 04.未来品牌最重要的内容，不是更多内容，而是更结构化的知识。企业需要建设AI可以理解的产品、场景、人群、价值和证明体系。 05.品牌的基本竞争单位正在从“关键词”变成“场景”。未来要经营的是“品牌 × 人群 × 场景 × 属性 × 推理路径”。 06.AI推荐背后，本质上存在利益选择。平台、品牌和消费者三方利益如何平衡，会决定AI推荐体系长期的信任基础。 07.AI正在让市场研究从“观察市场”进入“模拟市场”。合成数据和虚拟消费者可能成为下一代商业研究的重要工具。 08.未来企业会拥有一个“虚拟商业沙盘”。新产品、定价、传播甚至市场反应，都可能在进入现实世界之前先进行AI推演。 09.AI对企业最大的价值，最终不是生产力，而是决策力。提高10%的写作效率只是开始，提高10%的商业决策质量可能更加重要。 10.企业AI化必须从“全员会用”升级到“体系化运营”。最终要形成企业知识库、Skills、AI中台、市场模拟和决策系统。 一句话思考点 ① 搜索时代品牌争夺的是第一屏，AI时代品牌争夺的是第一个被想到。 ② 当消费者把选择权交给AI，品牌最大的竞争对手可能不是另一个品牌，而是AI的推理逻辑。 ③ AI真正改变商业的那一天，不是它替我们写完一份报告，而是它开始替企业提前演练未来。

我们正处于一个充满矛盾的商业周期之中。在企业内部，引入人工智能工具后，几乎每一个个体都感受到了前所未有的能力增强，个人的工作速度似乎实现了突飞猛进的发展 。然而，将视角拉高至整个组织层面，我们却面临着一个令人深思的现实：公司的整体战斗力并没有随之变强，项目交付周期没有缩短，企业的盈利能力也未见显著提升 。团队总体的行事效率似乎陷入了停滞 。本篇文章将拨开现象的迷雾，运用“现象-理论-分析-预测（PTDP）”的深度研究框架，探讨在 AI 时代，为何个体的提效无法有效传导至组织层，以及企业应如何打破这一增长困境 。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 00:41 个体使用AI后能力增强，但组织整体效能未提升，盈利能力并未改善。 01:53 谭总自建AI研究技能PTDP，即“现象-理论-分歧-预测”四步法。 06:38 协调成本未降反升，AI产出大量内容导致信息过载。 07:55 ‘技能替代’问题，团队间默会知识流失，协作默契被打破。 10:01 AI放大了个体可替代感，导致努力水平下降。 13:04 即便个人工作提速十倍，受限于协调环节占比，整体效率增幅有限。 15:55 企业虽个体产出飙升，但营收利润等指标停滞或下滑。 19:03 AI集体悖论的本质不是AI不够好，而是组织不够新。 21:47 组织协同与进攻能力将成为竞争关键，在AI时代保持人的核心竞争力。 效率的幻觉与结构性拥堵 在商业现场，关于效率的感知往往具有欺骗性。多项研究数据已经揭示了“个体提效”与“组织迟滞”之间的巨大鸿沟。浙江大学的一项近期研究表明，当 AI 替代团队中的一名员工后，虽然留存个体的能力变强了，但团体的整体绩效却出现了显著下降，且这种负面影响还会溢出并干扰未接触 AI 的队友 。Gartner 针对供应链领域的预测也印证了这一点：到2025年，使用 AI 的员工每周平均能节省 4.1 小时的个人时间，但在团队层面上，所节省的时间仅仅只有 1 个小时 。 在开发领域，这种感知与实际的错位尤为明显。一项针对 1255 个开发团队的分析指出，75% 的开发者在使用 AI 编码助手后，编写代码的速度提升了 5 到 10 倍，然而团队整体的发版速度却没有任何改变 。在另一项开发者实验中，每个人都自认为速度提升了 20%，但团队实际提交任务的速度却反而变慢了 19% 。感知的效率与实际的产出效率之间，存在着高达 50% 的落差 。 之所以出现这种现象，核心在于成本结构的剧变与管道层的拥堵。AI 使得个人生产内容的成本下降了数倍，但人与人之间的协调成本并没有随之降低，甚至可能大幅上升 。过去通过三言两语即可达成共识的会议，如今被每个人动辄上万字、数十页的 AI 生成材料所充斥 。这就导致了产业链局部的急剧加速，如同上游爆发洪水，而下游的评审者和决策者的带宽极其有限，最终造成了严重的拥堵和决策滞后 。 组织协同的瓦解与“去技能化”危机 除了物理时间上的协调瓶颈，AI 正在重塑组织内部的知识结构与信任网络。阿姆达尔理论指出，一个系统的最大加速比受限于必须串行（或协调）的环节占比 。即使 AI 让个体的工作效率提升 10 倍，只要协调工作占据了一半的流程，系统总体的加速上限也只能达到 80% 。 更深层次的危机在于默会知识（Tacit Knowledge）的消失 。在过去，团队成员之间存在着一种不言而喻的默契，只需简单的指令即可推进工作，大家对项目的细节、日程和最终目的有着共同的理解 。但当工作模式转变为“超级个体+AI孤岛”后，这种建立在人与人交互基础上的结构性默契开始瓦解 。 与此同时，劳动过程理论警示我们，技术变革往往伴随着“去技能化” 。如同工业革命让熟练工匠变成了流水线上的操作工，AI 的广泛使用也可能让知识工作者失去对全局流程的掌控力 。个体沦为庞大系统中的“操作员”，过度依赖 AI 的判断，丧失了自身的战略取舍能力与内容把控力 。长此以往，组织可能会面临严重的社会认同瓦解：个体的不可替代性感知降低，导致努力水平下降，甚至出现为了薅取公司资源（如 Token 消耗）而引发的“公地悲剧” 。 AI 造成的集体悖论，其本质并不在于 AI 工具本身不够强大，而在于我们的组织形态和管理机制已经显得过于陈旧 。管道层的堵塞、文化层的信任瓦解以及知识层的默契流失，正在形成一个自我强化的恶性循环 。 面对 2026 年即将全面显性化的“组织级阿姆达尔天花板”，企业如果只关注 AI 工具的引入，而忽略了组织架构的重塑，必将撞上增长的南墙 。破局的关键在于构建全新的组织形态，发展无法被 AI 替代的“24K黄金软实力”，培养具备跨界视野和深度协同能力的复合型人才 。只有当组织的进化速度能够承载个体的能力跃升时，AI 才能真正转化为企业的核心商业护城河。 10个 Takeaway * 在组织中引入 AI 后，往往会出现个体的单兵作战能力大幅增强，但项目总体交付和盈利能力并未成比例提升的悖论现象 。 * 浙江大学的研究指出，用 AI 替代团队成员会使个体变强，但会导致团体整体绩效显著下降并产生负面溢出效应 。 * Gartner 的数据显示，个体员工因 AI 每周节省 4.1 小时，但组织层面仅感知到 1 小时的提效，个体红利难以直接转化为组织红利 。 * 即便 75% 的开发者使用 AI 后写代码快了 5-10 倍，但开发团队的实际发版速度依然保持不变 。 * 员工感知的自我效率提升与团队实际的产出效率之间，存在着可能高达 50% 的落差 。 * AI 大幅降低了个人的生产成本，但组织内部的沟通与协调成本并未减少，大量冗余的 AI 产出反而加重了决策者的审核负担 。 * 过度依赖 AI 工具削弱了团队间长期积累的“默会知识”，破坏了无需过多言语即能协作的团队默契 。 * 技术变革带来的“去技能化”使得知识工作者可能像过去的产业工人一样，失去对整体工作流程和集体知识的控制力 。 * 当个体在组织中感受不到自身的不可替代性时，会出现类似“格林尔曼现象”的努力水平下降和责任感缺失 。 * 预计在 2030 年前，企业可能会遭遇因过度依赖 AI 而引发的重大组织事故，即系统保持运转惯性，但无人知晓底层的执行逻辑和决策原因 。 思考点 * 当你的团队可以利用 AI 瞬间生成海量方案时，谁来为决策的质量和最终的商业结果负责？ * 在全面拥抱自动化的进程中，你的企业是在提升员工的核心竞争力，还是在加速剥夺他们对业务全貌的掌控感？ * 如果硬性产出已经不再是稀缺资源，我们该如何重塑人与人之间的信任网络与“软实力”，以打破组织的效能天花板？

随着生成式AI深入生活的方方面面，营销界迎来了新的风口——GEO（生成式引擎优化）。在“万一AI不推荐我怎么办”的普遍恐慌下，品牌方纷纷入局，催生了一个高度繁荣却泥沙俱下的市场 。市面上涌现出上万家自称能做GEO的机构，伴随而来的，是“660元买断AI标准答案”、“极简训话术”等收割乱象 。在这场由AI主导的“心智争夺战”中，品牌究竟该如何拨开迷雾，守住自身数字资产的底线？本文带你一探究竟。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 00:27 GEO叫做生成式引擎优化，ai已经深入到我们的生活的方方面面。 04:42 AI在信息处理会将不同来源的信息错误地组合在一起。 07:17 AI不加思索地接受并传播虚假信息，进一步加剧了市场乱象。 08:32 在同一个对话中，AI会维护之前提供的信息，即使这些信息是错误的。 11:41 AI在信息处理中在大部分真实信息中掺杂少量虚假信息，更具欺骗性。 12:57 企业在选择AI服务提供商时，应将AI优化视为长期战略而非短期行为。 15:47 AI已经成为一种新的媒介，需要理解客户中AI做决策的百分比。 21:28 品牌投毒行为是非常恶劣的，不应该进行。 23:39 AI平台下场做广告或转化后，会对市场规范产生影响。 27:19 广告主在GEO市场中应关注企业实力、整合营销能力、和长期系统产品。 GEO市场的“魔幻现实”：繁荣与造假齐飞 今年315之后，GEO市场迎来了爆发式的增长，目前中国市场上声称开展此业务的企业可能高达上万家 。然而，繁荣背后暗藏着荒诞的乱象。 最典型的现象是AI的“信息嫁接”与数据造假。当你向AI提问“GEO效果好的公司有哪些”时，它往往会煞有介事地捏造出一些你从未听过的公司，并赋予其极其精确的虚假数据，例如“市场占有率超过46%”、“客户续费率达到98.5%” 。更令人啼笑皆非的是，AI还会将不同的信息强行嫁接，例如编造秒针营销科学院与艾瑞共同发布了某份联合榜单，以此作为虚假数据的权威背书 。 在这个过程中，AI展现出了“偷懒”和轻信的弱点：它无法准确判断信息的真伪，对于夸大事实的软文和洗稿内容往往不加思索地全盘接收 。 从“注意力法则”到“决策份额法则”的预算跃迁 面对乱象，品牌为何还要坚持做GEO？答案在于媒介投资底层逻辑的演变。过去，品牌营销往往遵循“注意力法则”，即消费者的注意力在哪里，预算就投向哪里 。 如今，我们正在步入“决策份额法则”时代。在许多品类的消费中，AI在顾客决策中所占的比例正逐渐从5%攀升至20%甚至30% 。这意味着，品牌在AI媒介渠道上的投资比例，理论上也应向这个目标值靠拢 。AI作为一种全新的媒介，其对受众的决策引导力正在被实质性地放大 。 警惕廉价捷径，拒绝恶意“投毒” 面对预算分配的焦虑，市场上出现了大量主打低价、速成的GEO服务，如所谓的“极简训话术” 。但品牌必须警惕，用极低代价就能完成的事情，往往无法成为企业长期的数字资产 。 用编造信息的方式进行AI“投毒”，不仅会给品牌留下难以抹除的互联网负面记忆，未来甚至需要花费数倍的成本去纠正错误 。尤其值得关注的是，相比于虚构一个新品牌，在AI认知中虚构事实、篡改大品牌的信息关联是更为严重的行为 。此外，恶意为竞争对手“投毒”不仅恶劣，更可能触及法律底线 。 大浪淘沙：如何筛选靠谱的GEO服务商？ 随着ChatGPT等AI平台开始推进自身的商业化和效果广告，GEO市场走向规范化是不可避免的趋势 。在这个过程中，必然会经历一场大浪淘沙。 对于品牌而言，选择服务商不应只看其短期的“技术黑客”手段，而应回归整合营销的本质。真正能够长期生存下来的GEO机构，必须具备整合营销能力、明确的技术壁垒，以及能够守住底线的长期价值观 。 在AI构建的全新数字世界里，品牌与AI之间的认知战已经打响 。正如人们会遗忘“618”最初属于哪家电商一样，品牌在AI心中的心智占领也需要长期的管理与争夺 。面对这场长程马拉松，品牌无需急于一时的流量波动，最重要的是想清楚目标，将基础信息建设扎实，坚持长期主义，做安全、做稳定，才是跨越周期的制胜之道 。 10个 Takeaway 1.GEO（生成式引擎优化）市场在今年315之后迎来了强烈爆发，目前相关企业数量估计已达上万家 。 2.AI在处理信息时存在严重的“信息嫁接”缺陷，会将不相关的权威机构名称与虚构的商业数据拼凑在一起 。 3.AI自身缺乏判断信息真伪的能力，往往会轻信并推荐市场上夸大其词的商业软文和企业自我宣传 。 4.AI在同一对话中具有维护自身逻辑的“自尊心”，但在新对话中又能识别出之前信息的虚假性 。 5.媒介预算分配正在从传统的“注意力法则”向“决策份额法则”转变 。 6.AI在众多消费品类的顾客决策中所占的份额，正呈现从5%上升至20%-30%的趋势 。 7.低价且轻易就能实现的GEO效果，往往伴随高波动性，无法转化为企业的长期资产 。 8.在AI环境中使用编造信息“投毒”，可能会留下难以抹除的痕迹，后期纠错成本极高 。 9.AI平台自身的商业化（如推出AI内部的效果广告）是必然趋势，这将倒逼GEO市场走向规范 。 10.具备整合营销能力、拥有核心技术壁垒且坚守底线的老牌机构，在GEO长线竞争中更具优势 。 3个思考点 1.当你的潜在客户习惯用AI来做购买决策时，你的品牌在AI的“大脑”里是被推荐的优先选项，还是查无此人的空白？ 2.如果一项号称能影响未来媒介格局的技术服务异常廉价，它是在为你创造长期资产，还是在透支你的品牌信誉？ 3.在AI生成的信息海洋中，品牌究竟该追求短期取巧的“极简曝光”，还是构建经得起溯源的真实信息地基？

当 AI 从概念走向落地，从 "要不要用" 变成 "怎么用好"，一场关于工作方式、组织形态甚至人类价值的深刻变革正在发生。2026 年 5 月 24 日，M-Side 营销科学艺术联合 AI 商业宇宙推出特别节目，邀请行业资深专家谭总，结合一线实战经验与创新实验，深度拆解个人与组织如何真正驾驭 AI，探索 AI 原生时代的商业生存法则。 从学生用 AI45 分钟完成完整品牌策划，到作家用多 Agent 一夜更新 6 版书稿，AI 正在以前所未有的速度重构生产力。但与此同时，"AI 疲劳" 在美国市场蔓延，组织层面的 AI 落地陷入困境，人类的价值与定位面临重新定义。这场对话不仅分享了可复制的 AI 使用方法论，更为所有企业和个人指明了在 AI 时代的核心竞争力所在。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 00:07 AI时代人们面临的工作和生活挑战，美国市场出现的"AI疲劳"现象。 02:08 学生感觉已经掌握AI工具，但距离真正驾驭AI还有差距。 08:00 部分代理是由AI和人类分工协作完成，全代理则是完全交给AI处理。 12:41 AI在学术出版领域能够协助研究者快速整理和输出多年积累的知识成果。 20:00 AI不只是工具，而是需要像驾驭马匹一样对待的存在。 23:31 人与AI需要互相交织和共创，并将这种模式推广到企业培训中。 26:30 "品位"（taste）是创新的核心要素,对"什么是好"有明确的判断。 30:24 未来的世界是多元化和多智能的，每个企业需要依靠自己的独立智能。 一、个人驾驭 AI：从 "部分代理" 到 "全代理" 的范式革命 在大多数人还在纠结 "如何写好提示词"、"如何让 AI 更听话" 时，新一代年轻人已经探索出了一种颠覆性的 AI 使用模式 —— 全代理模式。 谭总在中央民族大学的课堂实验揭示了这一趋势。他将学生分成 3 人小组，要求在 45 分钟内完成一个益生菌品牌的完整策划，包括品牌定位、故事、海报、logo 等过去需要一个学期才能完成的工作。令人震惊的是，所有小组都按时交付了高质量的成果。但这只是第一步，真正的考验在于市场竞争。 谭总搭建了一个基于腾讯 IMa 知识库的纯 AI 实验场，要求每个品牌提交不超过 5 篇内容，然后由 AI 模拟消费者进行推荐排名。在有了明确的输赢反馈后，学生们需要继续生产内容，提升自己品牌的排名。在这个过程中，两种截然不同的 AI 使用模式显现出来： * 部分代理模式：这是大多数职场人的主流方式。人主导任务分解，明确告诉 AI"第一步做什么，第二步做什么"，然后对 AI 的输出进行筛选和修改。这种模式安全可控，但效率有限，人的精力仍然被大量琐碎工作占据。 * 全代理模式：这是 Z 世代学生更倾向的方式。他们将老师的讲课录音、PPT、过往排名等所有信息一股脑丢给 AI，只给出一个终极目标 ——"我要赢"，然后由 AI 自主思考并执行所有步骤。这种模式就像乘坐自动驾驶汽车，人只需要设定目的地，完全放开方向盘。 谭总自己的写书经历更是全代理模式的绝佳实践。他计划撰写一本研究了 20 年的著作《酒精媒介与宇宙人》，探讨 "人为什么成为人" 这一深刻命题。他没有逐字逐句地写作，而是： 1. 用录音软件毫无约束地口述 20 多分钟核心观点，想到哪说到哪； 2. 让 Kimi 多 Agent 基于这些观点进行深入学术研究，补充最新的论文和证据； 3. 指令 AI 将学术成果转化为畅销书风格的书稿； 4. 发现问题后，继续口述修改意见，让 AI 扮演编辑角色进行多轮修订。 通过这种方式，谭总一夜之间就将书稿更新了 6 版，AI 不仅完整保留了他的核心观点，还帮他找到了 2000 年一位科学家提出的 "醉猴假说"—— 这一与他的研究不谋而合的理论，为他的著作提供了强有力的生物学证据。 二、组织驾驭 AI：比工具升级更难的是组织重构 如果说个人层面的 AI 驾驭已经有了清晰的路径，那么组织层面的 AI 落地仍然是一个全球性难题。 谭总明确指出："AI 绝对不只是工具。" 过去的数字化转型，本质上是用工具提升效率，核心是 "以数据说话、数据驱动决策"，组织架构和工作流程不需要根本性改变。但 AI 不同，它就像一匹跑得比你快、力气比你大、还比你便宜的马，如果你不能驾驭它，就可能被它踩在脚下。 当前企业在 AI 落地过程中普遍面临以下挑战： 1. 认知误区：很多企业仍然将 AI 视为 "高级自动化工具"，只是用它来替代部分人工工作，没有意识到 AI 将重构整个业务流程和组织形态。 2. 管理难题：AI 智能体不像人类员工那样遵守规章制度，它们会 "健忘"、会 "出错"，需要全新的管理方式。 3. 人才断层：老一代员工习惯了部分代理模式，难以接受全代理的工作方式；而新一代员工虽然擅长使用 AI，但缺乏足够的行业经验和判断力。 更值得警惕的是，AI 的能力正在以两周一次的速度迭代，今天还在讨论的 "提示词工程"、"工作流设计"，明天可能就会过时。技能的通货膨胀正在加速，企业永远无法通过追赶最新技术来获得长期竞争力。 三、未来的竞争：不是人与 AI 的竞争，而是 "人机合一" 的品味之战 当 AI 在标准化文案、设计、数据分析等领域已经全面超越人类时，人类的价值在哪里？ 谭总给出的答案是：品味。 在 30 多个小组的品牌实验中，谭总发现了一个有趣的现象：当所有小组都使用 AI 后，创意开始出现明显的同质化。这说明 AI 的创意是有边界的，它只能基于已有的数据进行组合和生成，无法创造真正全新的东西。 而人类的独特价值，就在于能够突破 AI 的边界，创造出前所未有的连接。就像乔布斯所说，苹果之所以伟大，不是因为乔布斯会写代码、会设计，而是因为他有极致的品味，他知道 "什么是好的"，能够定义产品的方向和体验。 这种品味体现在： * 跨学科的连接能力：能够将酒精与人类进化、广告与马斯克的火箭、生物学与社会学看似无关的领域联系起来，创造出新的价值。 * 审美与判断力：在 AI 生成的无数个方案中，能够一眼看出哪个是最好的，哪个是有问题的。 目标定义能力：能够提出有意义的问题，设定清晰的目标，而不是让 AI 漫无目的地生成内容。 这一趋势已经在就业市场得到验证。谭总分享了美国市场的最新数据：薪资下降最快的是计算机和理科专业，而文科专业的薪资反而企稳。很多大厂开始优先招聘有品味、有冲劲的高中生，而不是经过四年陈旧教育的大学生。因为在 AI 的加持下，技能可以快速学习，而品味和创造力却难以培养。 AI 时代的大幕已经拉开，没有人能够置身事外。但我们不必恐惧，因为 AI 不是人类的敌人，而是人类最强大的伙伴。 对于个人而言，驾驭 AI 的关键是敢于放开方向盘，尝试全代理模式，将琐碎的工作交给 AI，把精力集中在那些只有人类才能做的事情上 —— 思考、创造、定义方向。 对于组织而言，AI 转型不是简单的技术升级，而是一场深刻的组织革命。企业需要重新设计工作流程、管理模式和人才体系，打造真正的 AI 原生组织。 最终，在这个 AI 无处不在的时代，能够胜出的不是那些最会使用 AI 的人，而是那些最懂得如何与 AI 共生、最能发挥人类独特价值的人。正如谭总所说："驾驭 AI 就像骑马，你不用和马比谁跑得快，你只要能指挥马跑到你想去的地方。" 10 个Takeaway 1.美国市场已出现AI 疲劳现象，过度鼓吹 AI 会引发受众抵触，企业应更关注 AI 的实际应用价值而非概念炒作。 2.个人使用 AI 存在两种核心模式：部分代理（人主导任务分解）与全代理（AI 主导执行，人仅定目标），后者代表了未来的发展方向。 3.Z 世代天然倾向于全代理模式，他们更愿意信任 AI 的执行能力，这将深刻改变未来的职场工作方式。 4.多 Agent 协作可显著提升复杂任务效率，在学术研究、书稿撰写、品牌策划等领域已展现出巨大潜力。 5.AI 已在标准化文案、基础设计、数据分析等领域全面超越人类，人类无需再与 AI 比拼基础技能。 6.AI 的创意存在明确边界，大规模使用后会出现创意同质化问题，这是人类突破 AI 限制的关键机会。 7.组织驾驭 AI 远比个人困难，AI 不是简单的数字化工具，而是需要重构整个组织的逻辑和架构。 8.未来职场的核心竞争力从 "技能" 转向 "品味"，即定义好坏、创造跨学科连接、设定目标的能力。 9.美国就业市场出现结构性反转：计算机专业薪资快速下降，文科专业薪资企稳，人才需求发生根本性变化。 10.企业应优先招聘有品味、有冲劲的年轻人才，通过 AI 加持快速释放其潜力，而非执着于传统的学历和经验要求。 3 个思考点 1. 驾驭 AI 的最高境界不是 "控制 AI"，而是 "与 AI 共生"，让 AI 成为你的能力延伸而非竞争对手。 2. 当 AI 能完成所有标准化工作时，人类的独特价值在于那些 "无法被量化" 的能力 —— 品味、想象力和判断力。 3. 组织变革的速度，决定了企业在 AI 时代的生存能力，犹豫和观望只会被时代无情淘汰。

当前，AI的能力正突飞猛进，呈现出“AI向前跑，人在后面追”的态势 。在本期《MSAI营销科学艺术》与《AI商业宇宙》联合播出的节目中，两位嘉宾深入探讨了在自主经济崛起的背景下，企业与个人如何利用AI Agent（智能体）重构工作流 。当AI从简单的辅助工具进化为具备自我规划能力的“数字员工”时，我们面临的不仅是工作效率的极致提升，更是对传统商业与个人价值体系的巨大冲击与重构 。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 01:07 Agent系统在企业工作中展现出强大能力，能够实现自我规划。 02:48 AI可以读取和写入IMA知识库，拥有持续更新的能力。 05:02. 编辑工作通过自主Agent系统，可以节省大量时间。 07:01 AI能够独立完成任务，未来自主经济将更加普及。 10:41 训练新技能对人来说是一个巨大挑战，而AI学习的很快。 12:10 AI模型有三个创造技能的方法：从工作中学习、从经验中总结和知识蒸馏。 14:12 在AI技术快速发展的背景下，对人的价值和企业价值愈发困惑。 16:27 比喻AI是一台性能猛兽，如何驾驭它很重要性。 告别单打独斗，多Agent协同重塑内容生产 随着大模型能力的跃升，多Agent系统（如Kimi、小龙虾、爱马仕等）已经能够实现自我规划与自我修复 。在实际应用中，这种能力极大地释放了企业的生产力。例如，Media360的编辑团队通过引入AI Agent，让其根据既定的选题方向和行业分析标准，每小时自动产出基于热点的分析文章，大幅节省了人工编辑的时间 。 同时，对于个人创作者而言，通过构建外挂知识库（如腾讯IMA知识库）并与AI工具打通，用户可以将日常碎片化的灵感、历史录音和文章进行结构化沉淀，让AI在吸收海量历史知识后，甚至能一口气完成数十万字的长篇内容创作 。 打造AI的“肌肉记忆”：三大Skill萃取法门 面对海量的复杂任务，仅仅掌握提示词（Prompt）已经不够，真正的高效工作流在于将经验沉淀为AI的Skill（技能），让任务变成机器的“肌肉记忆” 。节目中总结了三种高效创建专属Skill的方法： 从工作中学习（SOP固化）： 当AI在某次任务中表现出色时，直接要求它总结刚才成功的步骤与主要原因，并将其方法论包装成一个Skill 。这就像工厂里的老师傅让学徒复现完美敲击螺丝钉的步骤一样简单直接 。 从经验中总结（特征提取）： 让AI分析既有优质资产的规律。例如，通过让AI分析“秒针营销科学院”公众号的文章特点，可以直接生成该公众号专属的写作Skill，用于后续内容的自动化改写 。 蒸馏他人的知识（系统化提炼）： 将专业的书籍或学术成果投喂给AI，让其提取核心方法论 。例如，将《新情绪红利》的书稿交给AI，它可以一口气总结出20个关于品牌情绪分析的Skill，这些Skill甚至能直接用于输出高质量的企业家IP或ToB公司情绪报告 。 价值倒挂时代的破局：学会Harness（驾驭） AI技能的普及带来了一个极其痛苦的矛盾——“价值倒挂”：过去价值20万元的复杂研究项目，现在用AI Skill来做可能连2000元都收不到，因为工具大幅降低了劳动的稀缺性 。传统的咨询服务、数据服务和软件服务的价值体系正面临崩盘的风险 。 在这个时代，AI就像一台性能强悍的“性能猛兽”或大排量摩托车，它的能力已经超越了普通人 。面对这一现状，核心竞争力变成了“Harness”（驾驭）能力 。不同的人在猛兽面前表现各异，我们唯一的出路就是骑上它，在实践中积累驾驭它的经验，并最终回归到德鲁克所说的企业核心目的——“创造客户” 。 时代的巨变往往不留情面。就像曾经熟悉城市大街小巷、拥有一膀子力气的“骆驼祥子”面对汽车的出现一样，今天的企业老板和打工人也都站在了重新选择的窗口 。在这个“一人公司”（OPC）兴起和数字员工普及的时代，积极拥抱工作流变革、不断利用自身独特性创造新的Skill，是在迷茫中重塑个人与企业价值的必经之路 。 10个 Takeaway 1.AI迭代速度已超越人力： 当前现状是“AI向前跑，人在后面追”，且用户自身储备的知识越多，AI工具就越能发挥出强大的效用 。 2.多Agent集群已具备实战能力： 如今的多Agent系统真正实现了自我规划和修复能力，不再仅仅是对话机器人，而是可以协作完成复杂项目的系统 。 3.“知识库外挂”是核心资产： 将个人或企业的历史内容（如录音、笔记）存入IMA等知识库并授权AI读取，是实现深度个性化生成的前提 。 4.编辑工作流的高度自动化： 借助于自主Agent，媒体或内容团队已经可以实现每小时或每半小时自动化产出深度的行业热点分析，极大替代了传统的人工搬运工作 。 5.警惕生产力提升带来的“价值倒挂”： 技能的轻易获取导致工作价值感大幅降低，过去高昂的专业服务（如调研、咨询）在AI面前正面临严重的贬值危机 。 6.不要只做“伸手党”，要打造专属Skill： 在公共市场寻找免费Skill是不够的，企业必须结合自身的独特标准，将内部经验转化为AI的专属Skill，形成机器的“肌肉记忆” 。 7.正向反馈是创建基础Skill的捷径： 当AI干得不错时，及时表扬并让其自我提取过程，能够零门槛地将偶然的成功转化为可复用的SOP技能 。 8.“知识蒸馏”可批量生成高级能力： 通过向大模型投喂专业书籍或体系化理论，可以直接提炼出数十个高价值的专业分析Skill（如品牌情绪分析），迅速拉齐专业门槛 。 9.未来的核心竞争力叫做“驾驭（Harness）”： AI的性能已经远超人类，人类的价值不再是奔跑，而是学习如何跨上这台“性能猛兽”，在不同场景下熟练地驾驭它 。 10.价值崩盘后的终极回归： 在旧有服务价值体系瓦解的当下，企业必须回归到德鲁克的商业本质，即一切技术的应用最终都要落脚于“创造客户” 。 思考点： 1.关于商业护城河： 当AI能瞬间产出比肩顶尖咨询公司水准的天士力集团深度研报时，我们真正的商业护城河到底在哪里？ 2.关于稀缺性与用户留存： 在机器批量生成内容的同质化时代，该如何利用独特的品牌情绪与体验来推动Media360跨越10万+会员的增长大关？ 3.关于组织形态演进： 面对“一人公司”与数字员工崛起的趋势，现有的业务团队该如何与多Agent工作流重构协作边界与分配机制？

2026年的开局，AI领域再次迎来了令人瞩目的爆发 。在最新一期的《AI商业宇宙》和《MSAI销科学艺术》播客中，主持人携手秒针营销科学院院长谭总，以及专注于企业AI转型与创意的联合主播Maggie，共同探讨了2026年AI产业的新热点与商业挑战 。从火爆全民的“养龙虾”现象，到中国大模型调用量的历史性反超，再到企业如何在阵痛中重塑组织架构，本文将带您提炼这场关于AI新时代的深度对话 。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 0:36 2026年龙虾养殖热潮下token成本成为重要考量因素。 6:36 AI越来越接近人类学习模式，能够持续增强特定技能。 8:40 AI已不仅是媒体工具，更发展为具备电商等综合能力的平台AI化。 13:21 AI进行艺术创作时，可以突破人类原有的创作限制。 14:47 AI可以应用于面试辅导场景，能快速收集公司信息、分析岗位需求。 16:25 AI被应用于教育中，学生可以使用AI改编《木兰辞》。 18:07 AI与人类深度交互才能实现真正的能力提升。 22:23 AI最终改变的是人类的工作习惯和组织形态。 25:40 大模型和Agent技术的发展降低了成本，为超级个体提供了可能。 28:49 农业、工业、教育都在做很多AI的改变。 34:19 Marketing在AI时代仍然重要，人们需要权威信源和内容的回归。 全民“养龙虾”热潮与中国大模型的资源优势 2026年春节前后，最引人注目的AI新玩意非“龙虾”（Openclaw等类似工具）莫属 。无数人热衷于在云端或购买二手机器部署“龙虾”，国内甚至衍生出了单次收费200至500元的上门装机服务，形成了一门实实在在的好生意 。 与此同时，中国和美国大模型的Token调用消耗量迎来了分水岭——中国模型的调用量已经超过了美国 。这种井喷式发展的底层逻辑在于生产资料的降维打击。在AI时代，核心生产资料是电 。中国凭借极具优势的电力成本，将Token的费用打到了极低的价格（如OpenAI的十分之一），从而在全球算力与模型的成本竞争中占据了绝对的高地 。 企业AI转型的阵痛：先用“外科手术”改变人 在商业应用端，AI的边界正在无限拓宽，它不仅是媒体，更成为了电商，甚至可以帮你点奶茶 。因此，企业如今面对的不再是数字化转型，而是必须进行的“AI转型” 。营销的终极逻辑也随之改变：你是否能说服AI，让AI在各种场景下成为你的“第二推销员”？ 。 然而，转型的最大瓶颈往往在于组织本身 。面对AI的冲击，企业内部往往有一半人支持，一半人抵制 。如果企业想要用AI转型，首要任务就是像“外科手术”一样改变组织内的人员结构和认知 。业务的需求需要懂AI的人来接盘，如果组织跟不上，企业就会被时代的车轮无情淘汰 。 人机协作的新范式：放手干与Skill的无限叠加 我们该如何与AI协同进化？节目中提出了一个有趣的洞察：除了通过深度讨论与AI打磨想法，有时候像“放手型领导”一样让AI自己去干，反而能收获意想不到的顶级结果 。因为AI拥有“无边界感”，没有人类的条条框框，有时提示词给得越少，它产出的创意和解决方案反而越好 。 更重要的是，AI正在将人类的能力转化为一个个微小的“Skill（砖块）” 。你可以用一句话指挥“龙虾”去操作复杂的流程工具（如Coze、n8n） 。你可以教会AI一种辩证的思维方式，一旦它学会了这个“Skill”，就会成为你不知疲倦且永不遗忘的超级助手 。 超级个体崛起与全球外包产业的洗牌 当“龙虾”这类智能体极大降低了技术门槛，真正意义上的“超级个体”被装上了腾飞的翅膀 。借助政策支持和极低的AI运营成本，超级个体完全有能力跨越地域限制，去赚取全球市场的利润 。 宏观来看，AI的降临引发了国与国之间激烈的竞争 。传统依赖白领外包和呼叫中心（Call Center）的国家（如印度）正面临重灾区级别的冲击，因为“世界办公室”无法与“世界龙虾场”相抗衡 。而中国则凭借廉价电力、基础制造业和文化IP输出的组合拳，站上了极其有利的竞争位。 结语 历史的车轮是不可逆的 。经历了2026年春节各大模型砸下重金的“AI春晚”洗礼后，整个市场和客户的认知发生了彻底的转变，需求迎来了井喷式爆发 。“打不过就加入”，这是面对新时代最理智的选择 。无论是企业重塑人机协作的流程，还是超级个体拥抱“龙虾”等新工具，转型已经到了刻不容缓的时刻 。欢迎加入《AI商业宇宙》和媒介360的社群，与我们共同探索AI转型落地的方法论，一起驾驭这趟疾驰的高速列车 。 10个 Takeaway “龙虾”成为2026顶流工具：部署“龙虾”（云端或本地AI实体）已成为全民热潮，带动了软硬件甚至上门安装的新生意 。 中国算力消耗反超美国：得益于举国上下的热情与国家战略的推动，中国AI模型的Token消耗量已跃居世界第一 。 低价电力重塑全球AI格局：AI时代的真正竞争资源是电，中国低廉的电价使其Token成本具有碾压级优势，弥补了部分芯片效能的短板 。 企业高管是AI最强推手：老板和领导层往往是最新AI工具的重度用户，他们直接利用AI替代了部分助理职能，率先享受效率红利 。 AI转型必须先对“组织动刀”：组织中必然存在排斥AI的声音，企业必须以雷霆手段转变人员思维，否则业务和团队都会在变革中作废 。 让AI成为你的“第二推销员”：AI已无所不能（兼具媒体与电商属性），品牌商业转型的关键在于说服AI，让它主动向用户推荐你 。 “放手型”AI应用法有时更有效：不要过度限制AI。利用它缺乏“边界感”的特点，有时候少给限制，让它自由发挥，能拿到比过度精修更好的方案 。 教AI比教人更有乐趣和收益：AI能迅速学习人类的辩证思维或工作流，将其固化为自身的“Skill”，且永不遗忘、不会退步 。 超级个体应瞄准全球化变现：软硬件成本的急剧下降赋予了个人极强的生产力，个人应跳出内卷，利用AI赋能赚取全球收益 。 传统白领外包国面临生存危机：以印度呼叫中心为代表的外包产业遭遇AI降维打击，未来竞争将是资源、算力和新IP的综合国力较量 。 思考点： 1.当AI能够包揽基础执行并瞬间给出海量方案时，你该如何将自己的核心竞争力向“提出好问题”与“提升判断力”转移 ？ 2.在日常的人机协作中，你是在单纯享受全权交办给AI的“偷懒捷径”，还是在与它深度探讨的过程中不断拓宽自己的认知边界 ？ 3.面对“龙虾”等智能体赋予超级个体的强大生产力，你将如何利用这波技术红利打破内卷，把眼光放到全球市场去赚取收益 ？

随着人工智能技术的狂飙突进，“AI将带来终极平权”的论调不绝于耳。似乎有了AI，任何人都可以写代码、做设计，小企业也能拥有大厂的营销工具。然而，这真的是一幅美好的乌托邦画卷吗？ 在最新一期的《MSAI x AI 商业宇宙》播客中，主持人与秒针营销科学院院长谭北平展开了一场关于“AI 对于职业是平权还是分化”的深度对谈 。透过表面繁荣，他们揭示了一个残酷而又充满机遇的真相：平权只是幻象，分化与马太效应才是AI时代的底层逻辑。面对这场不可逆的淘汰赛，无论是企业还是个人，都需要重新思考自己的生态位。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 1:03 AI对于每个人发热职业和未来：是平权还是分化？ 4:18 AI推荐场景下本身就不平等，品牌力量的核心是马太效应和规模效应。 6:54 在营销角度，AI市场最终不平权，但每个人都有机会追赶。 8:30 在职业角度，平权在理想状态下看似美好，但实际可能带来不利影响。 9:48 人与AI的协作有三种模式：AI作为工具、启发式沟通和捷径式模式。 13:06 在国家层面，各国之间并非平权关系，中国的供应链目前处于头部位置。 15:17 中国的token成本仅为美国的十分之一，这有着显著的供应链优势。 19:19 AI技术正在改变工作方式，个人要通过AI工具提升工作效率。 21:22 今年初已经涌现出skills等新概念，职场人需要积极拥抱AI技术。 一、 平权的幻象与职场竞争的残酷化 人们常说，AI消除了技能壁垒，带来了平权 。过去不会写代码、不会做美工的人，今天借助AI也能产出优秀的作品 。小公司也因此能迅速掌握智能营销工具 。 然而，当“平权”真的降临到自己头上时，人们往往会发现这并不美好 。在职场上，平权意味着消除门槛，这导致一个工作十年的资深员工，可能会和一个刚毕业的大学生、甚至一个高中生站在同一起跑线上竞争 。这种抹平经验溢价的“平权”，实际上加剧了年龄歧视和职场内卷，让35岁以上的职场人处境尴尬 。 一些曾经吃尽时代红利的“铁饭碗”行业正在迅速崩盘 。例如曾经备受追捧的土木建筑行业，如今面临严重的失业潮，连同济大学土木系的老师数量甚至超过了学生，许多建筑师被迫转行 。这正是技术平权带来行业洗牌的真实写照。 二、 分化的真相：商业层面的马太效应 在商业和营销领域，AI带来的绝不是资源的平均分配，而是更为极端的“马太效应” 。 当我们向AI寻求商品推荐（例如猫粮）时，它并不会将市场上的100种产品平均展现给消费者，而是会高度集中推荐少数头部品牌 。如果一个系统是不平等的，那么企业的破局点依然是“Branding（品牌建设）” 。只有那些具备复利效应、规模效应（Scale）和长期优势的品牌，才能在AI的推荐算法中建立起自己的“水坝”，获得源源不断的流量 。相反，缺乏规模效应的点对点效果营销，只会陷入大家都不赚钱的苦战 。 三、 生产力的两极分化与国家级“护城河” 掌握AI技能的超级个体与普通人之间，正在拉开巨大的鸿沟 。在内容生产端，一个学会将AI融入工作流的三四人视频小组，产能可以从每个月1,000条迅速飙升至3,000条，甚至将目标定在每月10,000条 。这种指数级的效率提升，会像中国制造的低成本高覆盖一样，横扫整个市场，将那些依然停留在传统产能的团队彻底干掉 。 在宏观的全球视角下，国家之间的AI竞争同样是高度分化的 。由于大量的白领工作外包容易被AI替代，印度的呼叫中心和编程外包产业正在迅速萎缩 。而中国得益于极其强大的电力能源供应和举国体制的产业链布局，其AI算力（Token）成本仅为美国的十分之一 。这种建立在能源和供应链基础上的成本优势，构成了中国在AI时代极具竞争力的国家级护城河 。 四、 拥抱变化：从 Agent 到 Skills，打造“黑灯办公室” 面对分化，职场人和企业该如何自救与破局？答案是成为“原生AI组织”和拥抱AI化生存 。 一个有趣的发现是，人与AI的协作模式中，“独断专行”直接让AI输出结果，往往比人类过度干预、反复探讨的效果更好 。因为人类的深思熟虑反而会磨掉AI原本180分的创意棱角，使其沦为平庸的120分 。 此外，AI的应用趋势正在发生转变：从期望一个无所不能的“Agent（智能体）”来包揽一切，转向将能力原子化的“Skills（技能）” 。Skills就像是人类可以随时调用的“外挂”和瑞士军刀，它能极大地弥补年龄增长带来的专注力和效能下降 。未来，超级个体完全可以通过购买大量二手电脑，装载各种BOT（机器人），让它们24小时不间断地自动写文章、做外贸，从而打造一个不需要交五险一金的“黑灯办公室” 。 结语 在AI构建的新商业宇宙中，平权是技术下放的起点，分化与马太效应才是市场竞争的终局。时代不会等待任何一个犹豫不决的人。不要去对抗趋势，而是要学会成为驾驭AI的超级个体，把AI变成你的外挂和无数个不知疲倦的数字员工。与其在平权的幻象中被分化、被淘汰，不如主动出击，利用AI的规模效应，在这场残酷但充满无限可能的淘汰赛中脱颖而出。 Takeaway 1.AI带来的表象是平权，本质是分化：AI让小企业和非专业人士掌握了强大的工具 ；但最终会导致极端的马太效应和资源向头部集中 。 2.职场“平权”加剧了竞争残酷性：经验溢价被打破，资深员工可能要与刚毕业的学生甚至高中生在同一起跑线上竞争，年龄歧视问题凸显 。 3.传统行业面临崩盘危机：曾经吃尽红利的土木建筑等行业由于技术变革和市场变化，正面临严重的失业潮，大量专业人才被迫转行 。 4.AI推荐机制强化品牌规模效应：AI在推荐产品时并非平均分配，而是倾向于头部品牌 ；企业必须建立有复利和规模效应的品牌护城河，否则只能陷入低价内卷 。 5.“独断专行”的AI协作产出更佳：相比于人类反复与AI商讨从而磨平其创意棱角，直接让AI以高概率生成结果往往能获得更出色的灵感 。 6.AI让产能实现指数级拉开差距：善用AI流程式作业的小团队，其内容产能可以从每月1,000条激增至上万条 ；这种高覆盖能力将迅速淘汰不使用AI的传统团队 。 7.全球白领外包产业链正在被重塑：欧美企业曾经依赖的印度人工呼叫中心和基础编程外包，正快速被标准化的AI服务大量替代 。 8.能源与算力成本是国家级核心竞争力：得益于充足的电力供应和供应链优势，中国的AI算力（Token）成本仅为美国的十分之一，在全球竞争中占据极大优势 。 9.从Agent向Skills的范式转变：行业正从追求全能的智能体（Agent），转变为将AI能力原子化为具体的技能（Skills） ；这些技能将成为个人提升效能的强大“外挂” 。 10.“黑灯办公室”成为超级个体的新杠杆：通过利用二手电脑矩阵和各种自动化BOT，个人可以拥有无需缴纳社保、24小时运作的数字员工团队，实现产能的极致放大 。

在 AI 大模型深度渗透商业决策的当下，消费者的信息获取、产品选择早已与 AI 推荐深度绑定，传统铺量式、碎片化的营销逻辑彻底失效。 GEO（深层次引擎优化）作为 AI 时代的营销核心，其本质是让企业的核心信息被大数据与大模型精准抓取、深度认知，这并非单一的营销动作，而是企业重构品牌资产、实现商业可持续发展的系统性工程。 做好 GEO，就是让 AI 读懂品牌，成为企业在新赛道中占据先发优势的关键。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 0:57 GEO的核心是将企业的核心信息更好地让大数据和大模型抓取。 3:30 品牌最重要的第一件事情是你要更明确的定义你自己。 5:38 AI信任传统可信媒体的内容，因为这些平台有筛选机制。 11:01 GEO是一个系统性工程，涉及PR、电商、官网运营和洞察等多个方面 14:18 企业需要将内容分为多条线，包括AI可识别的知识资产和品牌认知系统。 16:10 在AI时代，品牌需要清晰定义自身定位，确保内容能够被AI有效识别。 17:51 既要相信AI，也要保持个人判断力。企业需要做好基本功，明确自身定位。 认知重构：GEO 的核心是让 AI 成为品牌的 “精准传声筒” 不同于传统搜索引擎优化对长尾关键词的极致追求，GEO 的核心逻辑发生了本质性转变 —— 从 “讨好算法做匹配” 升级为 “定义自己被认知”。 当人们遇到陌生概念、选购产品时，第一反应便是向 AI 工具寻求答案，AI 的解读与推荐直接决定了品牌在消费者心中的初始印象，甚至影响最终的消费决策。 而 AI 对信息的判断有着明确的底层逻辑：它偏爱条理清晰、权威有深度的内容，信任经过严格筛选的传统可信媒体，对缺乏证据的主观表达、无依据的虚假宣传会直接判定为无效信息。 这意味着，GEO 的核心目标，就是让企业的品牌定位、产品核心价值等关键信息，成为 AI 的 “可信记忆”，让 AI 成为品牌向消费者传递核心信息的精准传声筒，而非让碎片化信息在 AI 的认知中形成偏差与误解。 基础夯实：三大动作，搭建 AI 可识别的品牌信息体系 AI 无法像人类一样从碎片化、情绪化的内容中提炼品牌核心，想要让 AI 精准认知品牌，企业必须主动搭建一套清晰、权威、易抓取的信息体系，这是布局 GEO 的核心基本功，三大关键动作缺一不可。 1. 清晰体系化定义自身，告别 “短片式表达”。企业需要从 “说服人类” 转向 “说服 AI”，摒弃碎片化的社交内容输出，通过撰写严谨的白皮书、行业研究报告，明确品牌的核心定位、产品优势、行业价值，让 AI 获取到的是有逻辑、有深度的核心信息，而非零散的热点式表达。 2. 筑牢官方阵地壁垒，掌握信息主动权。企业官网是品牌独有的信息阵地，也是 AI 判定品牌信息权威性的重要来源，做好官网运营，让品牌核心信息在官网上系统化呈现，能让 AI 形成对品牌的基础认知框架。 3. 抢占权威媒体阵地，强化信息可信度。AI 对传统可信媒体的内容赋予极高权重，这类平台的筛选机制让内容具备天然的权威性。企业在权威媒体上发布专业内容、发布品牌观点，能让 AI 进一步强化对品牌信息的信任度，让品牌核心信息成为 AI 的 “可信答案”。 同时，中国企业需摆脱移动端 “长图 + 视频” 的单一传播惯性，这类内容虽符合人类的阅读习惯，但 AI 识别需消耗大量 TOKEN，往往会 “选择性偷懒”。 企业需在视觉内容之外，配套文字化、结构化的核心信息，让 AI 能低成本、高效率地抓取品牌关键内容。 关键校验：第三方视角，规避 AI 认知的 “信息偏差” 布局 GEO 的核心误区，在于企业陷入 “自我认知的信息茧房”，而 AI 的长期记忆功能，会进一步放大这种偏差。很多企业管理者因长期在个人设备、专属 APP 中查询自身产品，AI 会基于用户行为形成个性化推荐，让管理者看到的永远是品牌的正向解读，而普通消费者从 AI 处获取的信息，却与企业的自我认知大相径庭。 因此，多维度、第三方的信息校验，是确保 AI 对品牌认知无偏差的关键。企业需用不同手机、不同 AI 工具，以中立的第三方视角反复提问：“你认识的这个品牌是谁？”“这个品牌的核心优势和劣势是什么？”“这个品牌适合什么样的客户和场景？” 通过这类问题，验证 AI 对品牌的认知是否与企业的核心定位一致。一旦出现偏差，及时调整信息输出方式，在权威渠道补充核心信息，确保 AI 传递给消费者的内容，是企业想要表达的精准信息，实现品牌信息在 AI 认知中的 “一致性”。 逻辑适配：洞察 AI 推荐逻辑，聚焦核心场景放弃长尾铺量 想要让 GEO 的效果最大化，企业必须读懂 AI 的推荐逻辑 ——AI 并非简单的 “关键词搜索器”，而是 “需求属性解读器”。 当被问及 “90 岁老太太适合什么美妆产品” 时，AI 不会纠结于 90、91、92 岁的年龄细分，而是先提炼出 “高龄、保湿、防过敏、自然妆效” 等核心需求属性，再基于这些属性匹配对应的品牌与产品。 这一逻辑彻底颠覆了传统营销的 “长尾思维”，企业无需再为无限细分的长尾场景做铺量式内容输出，而是要聚焦核心场景，打造核心属性。 将品牌与产品的核心价值提炼为明确的属性标签，让 AI 能精准捕捉并与用户的潜在需求匹配。 而这一过程的关键，是企业的洞察工作从 “洞察消费者” 升级为 “双洞察”—— 既要洞察消费者的真实需求，更要洞察 AI 的决策与推荐逻辑，让品牌信息与 AI 的解读逻辑同频，才能让品牌在 AI 的推荐体系中脱颖而出。 实战落地：一份 GEO 行动清单，抢占 AI 时代营销新赛道 如今，GEO 的布局已经成为企业间的新赛道，数据显示，已有 19% 的企业在去年完成了 GEO 的初步布局，近 50% 的企业计划在今年推进相关工作，面对新的营销竞争，企业的 GEO 布局刻不容缓。一份清晰的 GEO 行动清单，能让企业的布局更具针对性： 主动提问验证：用多设备、多 AI 工具向 AI 提问品牌核心问题，验证 AI 的认知与企业自我定位是否一致； 明确核心定义：撰写品牌白皮书 / 研究报告，梳理品牌核心定位、产品核心属性，形成系统化的文字内容； 筑牢官方阵地：优化官网内容，让品牌核心信息结构化、系统化呈现，成为 AI 认知品牌的核心阵地； 抢占权威渠道：在传统可信媒体发布品牌专业内容，强化 AI 对品牌信息的可信度； 保持内容统一：让 PR、电商、官网等全链路内容的核心信息一致，搭建 AI 可识别的品牌知识资产； 保持独立判断：相信 AI 的认知与推荐能力，但不盲目依赖 —— 不追问 AI 的推荐原因，其解释为生成式表达，并非基于核心算法，企业需保持自身的商业判断力。 AI 时代的商业竞争，归根结底是 “品牌认知被谁定义” 的竞争，而 GEO 正是企业掌握品牌认知定义权的关键。 抛弃传统的铺量思维、碎片化思维，回归品牌核心，用权威、系统、一致的信息构建 AI 可识别的品牌资产，让 AI 成为品牌的 “精准传声筒”，才能让企业在 AI 浪潮中站稳脚跟，抓住商业可持续发展的核心密码。 Takeaway 1、AI 时代，GEO 成为企业营销的核心生存法则，是品牌适配 AI 生态的关键。 2、GEO 核心是让企业核心信息被大数据、大模型精准抓取与深度认知。 3、AI 偏爱条理清晰、权威有深度的内容，对无依据主观表达会判定无效。 4、搭建 AI 可识别的信息体系，是企业布局 GEO 的核心基本功。 5、企业需从 “说服人类” 转向 “说服 AI”，体系化定义自身核心信息。 6、AI 时代的商业竞争，归根结底是 “品牌认知被谁定义” 的竞争。 7、以第三方多维度校验 AI 对品牌的认知，规避自我信息茧房与认知偏差。 8、读懂 AI “解读需求属性” 的推荐逻辑，聚焦核心场景放弃长尾铺量。 9、GEO 是贯穿 PR、电商、洞察等环节的系统性工程，非单一营销动作。 10、布局 GEO 需构建 AI 可识别的品牌知识资产，同时保持独立商业判断力。 思考题 1、企业如何快速让 AI 精准认知自身核心信息？ 2、布局 GEO 时，如何有效规避 AI 认知的信息偏差？ 3、企业该如何搭建适配 AI 的全链路内容体系？

从电视媒介的 GRP 指标，到在线广告的点击导向，再到社交媒体的互动核心，媒介迭代始终重塑着品牌营销的底层逻辑。 如今，AI 正式跻身核心媒介之列，不仅打破了流量主导的营销惯性，更将品牌竞争推向 “认知可见性” 的全新战场。在这场革命中，品牌唯有读懂 AI 的认知逻辑，重构营销体系，才能在智能时代占据先机。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 0:35 媒介形式从电视媒介到在线广告，再到社交媒体和现在的AI媒介。 2:23 社交媒体时代的指标从传统的impression转变为以engagement为核心。 5:26 AI媒介的KPI可以从用户需求和品牌曝光的角度进行探讨。 9:47 外卖品牌的可见性与营销投入密切相关，品牌需要拓展新的关键词领域。 11:40 AI的认知模式正在向人类的市场调研方式靠拢，不再追求唯一正确答案。 18:09 品牌认知的构建需要明确的营销策略和持续努力。 21:46 信源分析工具可以帮助品牌理解不同AI模型的认知差异。 27:17 AI推荐机制研究显示其与人类决策过程高度相似。 一、媒介迭代的本质：从流量指标到认知争夺 媒介的进化史，本质是 “价值衡量标准” 的迭代史。电视时代，GRP（毛评点）、Reach（触达率）是衡量传播效果的核心，品牌比拼的是曝光广度；在线广告时代，Impression（曝光量）、Click（点击量）、CPA（转化成本）成为关键，流量变现效率决定品牌生死；社交媒体时代，Engagement（互动量）崛起为北极星指标，点赞、转发、一键三连等互动行为直接关联品牌销量，KOL/KOC 矩阵、热点内容成为流量密码。 而 AI 媒介的到来，彻底颠覆了传统指标体系。AI 既不依赖单纯的曝光量，也不迷信表面的互动数据，而是以 “品牌认知” 为核心进行推荐决策。当用户向 AI 提问时，其推荐结果高度集中于前 6-7 个品牌，50% 的推荐权重向头部倾斜，这与人类 “记不住太多选项” 的认知习惯高度契合。这种 “少数派胜出” 的规则，意味着品牌竞争已从 “流量抢夺” 转向 “认知占领”—— 只有在 AI 的认知体系中具备高可见度，才能进入用户决策链路。 二、AI 认知的核心逻辑：可见性与信源权威 （一）可见性：关键词场景下的生存之战 AI 时代的核心营销指标是 “关键词场景可见性”，即品牌在特定需求场景下被 AI 推荐的概率。我们通过 1239 次实测发现，在 “中国市场最健康的外卖” 这一关键词下，赛百味、沙县小吃、麦当劳占据前三，其中麦当劳的可见度（14.8%）是肯德基（7.5%）的两倍。这一结果背后，是麦当劳持续的营销投入 —— 通过小红书等平台强化 “健康” 属性、打造 “麦门” 文化，最终将品牌认知转化为 AI 推荐优势。 可见性的争夺，本质是 “关键词占位战”。品牌不仅要在核心品类关键词中站稳脚跟，更要拓展新的场景关键词。劲酒打破 “中老年男性药酒” 的固有认知，以 “姨妈酒” 切入女性消费场景，成功实现品牌破圈；麦当劳跳出 “快餐” 标签，抢占 “健康外卖” 新赛道，都是可见性拓展的成功案例。 （二）信源权威：AI 认 “真” 不认 “梗” 与社交媒体偏爱 “有趣、有梗” 的内容不同，AI 更倾向于权威信源的扎实内容。数据显示，AI 获取信息的来源中，新闻网站占比 40%+，官网占比 17%，远超社交媒体的 15%。这意味着，品牌在官网发布的产品功能介绍、新闻媒体的权威报道、行业机构的认证背书，远比社交媒体的玩梗内容更能影响 AI 认知。 值得注意的是，AI 对信源的认可与人类流量逻辑无关。B 站上一篇点赞量几乎为 0 的科普内容，仅因来自 “中环专科” 官方账号，就被 AI 纳入认知体系；体检机构爱康凭借官网 40% 的信源占比，以 79.2% 的可见度遥遥领先行业。这启示品牌：与其沉迷于互动量焦虑，不如深耕权威信源内容建设，用扎实的信息 “投喂” AI。 三、AI 推荐的底层密码：像人一样 “决策” AI 的推荐机制看似神秘，实则与人类决策逻辑高度相似，呈现出 “简洁启发式” 的核心特征。人类在决策时，往往不会逐一权衡所有选项，而是选择某一核心标准（如 “颜值优先”“性价比第一”）进行判断，这就是 “简洁启发式”；AI 虽具备强大算力，却也偏爱这种 “省力决策”—— 在某一属性上形成绝对优势的品牌，更容易获得推荐。 这种决策逻辑带来两个关键启示：一是品牌需明确核心价值主张，在某一维度建立不可替代的认知优势。例如，赛百味长期绑定 “健康” 属性，成为 AI 推荐 “健康外卖” 的首选；二是品牌需持续丰富产品属性，匹配多元用户需求。麦当劳不仅强调 “健康”，还通过 “儿童餐”“无油汉堡” 等属性拓展认知边界，从而在更多场景中被 AI 匹配推荐。 同时，AI 的推荐具有 “抽样随机性”—— 不同 AI 模型、同一 AI 的不同次回答，结果均可能不同。这并非意味着 AI 认知不可控，而是需要通过 “Bootstra p（靴法）” 等统计方法捕捉趋势。通过上千次提问数据的重抽样分析，我们能清晰看到品牌可见性的真实水平，为营销决策提供精准依据。 四、品牌破局策略：重构 AI 时代的营销体系 （一）精准占位：关键词场景深耕 品牌需建立 “核心关键词 + 拓展关键词” 的矩阵布局。核心关键词聚焦品类本质，如体检机构的 “体检预约”“健康筛查”；拓展关键词瞄准新兴需求场景，如近视解决方案的 “儿童近视防控”“青少年离焦镜”。通过在权威信源中反复强化关键词关联，提升 AI 认知中的匹配度。 （二）信源优化：权威内容矩阵建设 优先强化官网内容建设，详细阐述产品功能、认证资质、用户案例，形成品牌认知的 “核心阵地”；与新闻媒体、行业机构合作，发布权威报道和研究成果，提升信源可信度；布局科普类平台（如 B 站、百度百科），以官方身份输出专业内容，即便没有高互动量，也能被 AI 纳入认知体系。 （三）认知迭代：动态匹配市场需求 品牌定位不宜频繁变动，但核心价值需持续微调。随着市场需求变化，不断丰富品牌内涵，将用户新需求纳入品牌认知。例如，植发品牌可围绕 “生物扩增植发”“机器人植发” 等新技术，更新品牌价值主张，让 AI 感知到品牌的与时俱进。 五、AI 时代，每个品牌都值得 “重做一次” AI 媒介的崛起，让品牌营销重新回归本质 —— 说服与价值传递。它打破了流量时代的 “算法迷信”，让扎实的内容、清晰的定位、权威的背书重新成为核心竞争力。在这个认知决定生死的时代，品牌无需纠结于复杂的流量玩法，而应聚焦 “如何让 AI 记住并推荐自己”。 正如媒介 3.0 到 AI 媒介的跨越所揭示的，每一次技术革新都是营销逻辑的重构。那些能够读懂 AI 认知规则、深耕品牌价值的品牌，终将在这场革命中脱颖而出。AI 时代，每个品牌都值得 “重做一次”—— 在 AI 的认知体系中，重新定义自己的关键词、重塑自己的信源矩阵、重构自己的用户连接。这不是对过去的否定，而是在智能时代抢占未来的必然选择。 Takeaway 1、AI 已成为核心媒介，重塑品牌营销底层逻辑。 2、媒介迭代核心是价值衡量标准的持续升级。 3、AI 时代营销核心指标是关键词场景下的品牌可见性。 4、品牌认知需靠持续营销努力构建，无无缘由的曝光。 5、AI 偏好权威信源，新闻网站与官网权重远超社交玩梗内容。 6、AI 推荐呈现抽样随机性，需通过统计方法捕捉趋势。 7、AI 决策遵循人类 “简洁启发式”，单一核心优势决定推荐优先级。 8、品牌需布局 “核心 + 拓展” 关键词矩阵，抢占多元场景。 9、内容价值无关人类互动量，专业权威内容更受 AI 青睐。 10、AI 时代营销回归本质，认知争夺决定品牌长远竞争力。 思考点 1、AI 媒介时代，品牌如何精准抢占关键词场景可见性？ 2、面对 AI 信源偏好，品牌应如何重构内容建设策略？ 3、如何利用 AI 决策逻辑，实现品牌认知的高效破圈？

在 AI 技术重塑商业规则的今天，新生产力的落地却遭遇了普遍困境。70% 的 AI 项目失败并非源于技术短板，而是组织未能跟上时代步伐。 当硅谷掀起 10 万大裁员、亚马逊连续两轮精简人员，当 "一人公司" 概念兴起与 35 岁职场困境交织，AI 时代的商业增长已不再是单纯的技术应用命题，而是组织变革与个体进化的双重考验。 今天，我们就从核心矛盾出发，拆解 AI 时代商业增长的底层逻辑。 SHOWNOTES： 1:41 AI驱动的增长要求企业进行组织变革。 5:28 汽车行业销售体系数字化转型挑战 10:04 组织变革对AI驱动商业增长的重要性，培养线上销售能力很关键。 13:01 70%AI项目失败源于组织问题而非技术，决策者在组织变革中的关键作用。 14:30 营销团队在AI时代转型AI共创在营销策划中很重要性。 20:17 不同背景人才对AI时代组织变革的有不同的见解。 28:59 企业在当前时代面临战略转型需求，AI原生企业和传统企业都要适应新环境。 33:04 AI时代企业需要重新定义资产，包括算法资产、AI资产、品牌资产等。 核心矛盾：AI 生产力与传统组织的适配危机 AI 带来的不仅是工具革新，更是商业逻辑的重构，但传统组织架构却成为了新生产力落地的最大阻碍。这种适配危机在传统行业中表现得尤为突出，汽车行业的转型困境就是典型例证。 传统大型车企往往拥有 600-800 家门店，销售体系按全国 6-8 个大区层层划分，销售顾问只需坐等客户上门服务。但随着互联网流量时代到来，线下流量持续萎缩，企业亟需销售顾问具备线上内容创作、流量抓取、产品种草等新能力 —— 既要能拍视频讲透产品亮点，又要能设计钩子引导线下体验。 然而，传统层级化组织架构根本无法支撑这种转型：分散的门店管理、割裂的部门职能、固化的岗位设置，使得销售内容难以统一管控，线上线下数据无法高效流转，新系统与旧组织的冲突日益尖锐。 蔚来等先锋新能源品牌的实践给出了破局方向：将互联网用户运营职能与汽车专业知识库深度融合，建立系统化的数字化管理体系，把销售团队的线上能力培养纳入组织核心目标。这印证了一个关键结论：AI 驱动的增长必须以组织变革为前提，没有适配 AI 的组织架构，再先进的技术也只能沦为 "空中楼阁"。 组织破局：AI 原生组织的五大核心特征 面对 AI 时代的竞争压力，企业需要从根本上重构组织形态，打造能够与 AI 协同共生的新型组织。AI 原生组织并非简单的部门合并或人员调整，而是具备五大核心特征的系统性革新： 特征一：数据驱动的决策文化 AI 时代的决策不再依赖经验判断，而是建立在精准归因基础上。不同于传统营销的渠道归因，AI 驱动的决策需要实现内容归因、策略归因与技术归因的多维融合，让每一项决策都有数据支撑。这种文化要求组织打破数据孤岛，建立统一的数据知识库，让数据成为战略制定、流程优化、效果评估的核心依据。 特征二：小团队 + 大平台的组织模式 AI 的赋能让 "一人多能" 成为可能，也催生了高效灵活的组织形态。一个核心成员搭配多个 AI 工具 / 智能体，就能完成过去多个部门的工作 —— 比如单独个体可借助 AI 实现多社媒平台的内容传播与直播运营。这种模式下，组织的核心价值从 "管理人数" 转向 "赋能个体"，通过搭建开放的技术平台、资源平台，让小团队具备撬动大市场的能力。 特征三：动态角色替代固定岗位 AI 时代的工作不再有明确的岗位边界，而是根据任务需求动态调整角色。就像媒介 360 的实践：让设计师同时承担小红书运营工作，凭借专业审美力提升内容效果；创始人既要是商业模式的思考者，也能成为内容创作者。这种动态角色设置打破了部门壁垒，让人才资源自由流动，极大提升了组织的敏捷性。 特征四：实验文化取代执行文化 AI 带来的高效生产力让多维度测试成为可能。传统组织的 AB 测试已无法满足需求，AI 原生组织倡导 "ABCDE 多轮测试" 的实验文化，通过小步快跑、快速迭代的方式探索最优方案。DeepSeek 与通义千问在 AI 工具竞赛中的成功，正是得益于实验性的策略制定 —— 前者通过科学的预算分配方案，后者通过精准的赛道选择，均实现了超额收益，而这正是实验文化的价值体现。 特征五：人机协同的工作流设计 人机协同并非简单的 "人用 AI"，而是构建专属的高效协作流程。每个人的专业领域、工作场景不同，人机协作的方式也必然存在差异。以 AIGC 内容创作为例，有人擅长用 AI 生成初稿后进行创意优化，有人习惯用 AI 进行数据调研后制定创作策略，不同的流程设计会带来截然不同的成果。组织需要鼓励员工探索个性化的人机协作模式，让 AI 成为个体能力的延伸而非替代。 个体进化：从执行者到 "Human +" 超级个体 AI 时代对个体提出了前所未有的高要求，单纯的执行型人才已难以立足。正如 "Humanplus"（增强人类）理念所倡导的，个体需要完成从 "被动执行" 到 "主动掌控" 的进化，成为与 AI 协同共生的超级个体。 这种进化体现在两个核心维度：一是角色升级，从内容生产者转型为内容策展人，用专业眼光指挥 AI 完成创作、筛选、优化等基础工作，聚焦创意策划、策略制定等核心价值环节；二是能力拓展，从单一技能持有者成长为多模态运营者，既要掌握本专业知识，又要熟悉 AI 工具应用、跨平台内容运营、数据解读等复合技能。 AI 的迭代速度远超人类学习速度 ——AI 可以五秒千行完成文案创作，还能实现去重、规避平台规则等高效产出，单纯的技能比拼人类毫无优势。但人类的创意洞察、战略思考、情感共鸣能力是 AI 无法替代的。超级个体的核心竞争力，正是在于能够驾驭 AI、放大自身优势，实现 "人类智慧 + AI 效率" 的双重赋能。 战略升维：从 "基业" 到 "智业" 的价值重构 AI 时代的企业竞争，早已超越产品与渠道的比拼，进入 "智能价值" 的竞争维度。传统企业追求的 "基业长青" 需要升级为 AI 时代的 "智业增长"，以智能复利为核心，重新定义企业的使命与资产。 使命重构：从 "卖产品" 到 "提供智能价值" Nike 的转型给出了绝佳示范：不再将产品局限于运动鞋服，而是通过电动助力鞋、智能温控服装等创新产品，提供运动场景下的智能解决方案；合并三大品牌创新部门，打造 "Nike mind" 概念，将感知科学与运动心智相结合，重新定义运动产品的核心价值。这启示我们：美妆品牌需要提供 "美的智能"，医药健康企业需要打造 "健康管理智能"，所有企业都应思考：AI 时代，我们能为用户提供什么样的专属智能价值？ 资产升级：构建多维智能资产体系 AI 时代的企业资产已不再局限于品牌与人才，而是形成了包含算法资产、AI 资产、知识库资产、数字孪生资产的多维体系。算法资产让企业拥有自主决策的核心能力，知识库资产成为 AI 赋能的基础，数字孪生资产可实现虚拟仿真、风险预判（如虚拟消费者调研、财务系统预测）。企业需要建立 "人本 + 智能" 的双循环战略，既要像苹果那样坚守人本主义，关注每一个用户的真实需求，又要通过开放创新接入优质 AI 模型，让智能资产与业务深度融合。 治理保障：建立 AI 治理委员会 AI 的快速发展也带来了伦理风险与数据安全挑战。企业需要建立专门的 AI 治理委员会，规范 AI 的应用边界，保障数据安全与隐私保护，避免技术滥用带来的风险。这既是合规要求，也是企业可持续发展的核心保障。 变革与进化的双向奔赴 AI 时代的商业增长，从来不是技术的独角戏，而是组织变革与个体进化的双向奔赴。 对于企业而言，组织不变革，就如同老马车行驶在高速公路上 —— 即便拥有优质赛道，也难以发挥应有的速度。唯有打造具备数据驱动、灵活高效、人机协同特征的 AI 原生组织，才能让 AI 技术真正落地，实现可持续增长。 对于个体而言，不主动进化为 "Human+" 超级个体，就可能被时代淘汰。但焦虑毫无意义，关键在于找准定位：放弃与 AI 比拼基础技能，聚焦自身的创意、战略与情感优势，学会驾驭 AI 工具，让技术成为自身发展的助力而非阻力。 AI 时代的大幕已经拉开，这是一个充满变革与机遇的时代。无论是企业还是个体，唯有主动拥抱变化、勇于革新，才能在智能共生的商业宇宙中占据一席之地。AI 商业宇宙将持续陪伴大家，洞察行业趋势，分享实战干货，让我们一起在变革中成长，在进化中前行！ Takeaway 1、70% AI 项目失败源于组织适配不足，非技术短板。 2、AI 驱动增长的前提是组织架构先行变革。 3、传统层级制组织已难承载 AI 时代的敏捷需求。 4、AI 原生组织核心特征：数据驱动、小团队大平台。 5、动态角色替代固定岗位是组织适配 AI 的关键。 6、实验文化取代执行文化，助力 AI 时代快速迭代。 7、人机协同工作流是组织效率升级的核心抓手。 8、个体需向 “Human+” 超级个体进化，驾驭 AI 而非对抗。 9、AI 时代企业资产需扩容至算法、知识库等智能资产。 10、组织变革 + 个体进化，是 AI 时代商业增长的双重核心。 思考题 1、组织不变革，AI 生产力如何突破落地瓶颈？ 2、个体应如何构建核心能力，避免被 AI 替代？ 3、AI 时代企业需重构哪些资产与战略才能持续增长？

在 AI 技术重构商业生态的今天，营销归因早已超越单纯的效果核算范畴，成为决定企业资源配置、战略方向的核心竞争力。 当媒介 3.0 迈向 5.0 焕新阶段，“AI 即媒体” 的认知深入人心，传统依赖平台的归因模式已然崩塌。企业唯有挣脱平台霸权，搭建专属的 AI 归因体系，才能在混沌中找到确定性，实现从流量驱动到价值驱动的本质跨越。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 2:22 在AI迅猛发展下，传统归因模型失效，需重构建适应新时代的归因体系。 8:30 平台自身作为归因裁判存在利益冲突，导致企业丧失独立判断能力。 10:32 组织结构壁垒是实现统一归因的关键障碍，建议打通销售与营销权限。 13:01 AI驱动的多层次归因创新：内容与策略解码。 19:52 AI能融合定性定量数据进行复杂建模，并通过真实数据验证预测准确性。 29:51 企业在AI时代必须重构营销范式，不能仅关注提示词工程等表层技巧。 35:56 尽管内容可被拆解为原子级要素，但企业仍需保持战略定力 41:05 企业必须摆脱平台归因束缚，建立独立的AI归因体系。 41:22 AI时代企业要坚持组织先行、内容优先的实操路径。 一、传统归因困局：平台主导下的价值扭曲与能力丧失 传统归因体系的核心矛盾，在于平台既当 “运动员” 又当 “裁判” 的利益冲突。数字时代的多触点归因（MTA），本是为解决 “消费链路中谁贡献最大” 的核心问题 —— 消费者可能先在优酷看到广告，后在淘宝完成下单，归因的初衷是公平核算各环节价值。但现实中，淘宝、抖音等平台的归因模型天然偏向自身，将成交功劳尽数揽入怀中，形成 “有私欲的公器”。 这种偏向性直接导致两大恶果：一是企业预算分配失衡，盲目将资源集中于成交渠道，忽视品牌认知、内容种草等前期关键环节；二是企业逐渐丧失独立归因能力，在平台的正强化诱导下，沦为 “平台打工人”，失去对营销本质的判断。 更致命的是，随着搜索引擎等传统流量入口失效，依赖单点数据的传统归因模型已无法适配全域营销场景，部门墙林立的组织架构进一步加剧困局 —— 小红书运营看不到内容对销售的贡献，电商团队忽视前期种草价值，最终陷入 “钱花在哪都不知道” 的营销迷思。 二、AI 赋能：归因从 “触点核算” 到 “三维解码” 的升维 AI 技术的爆发，让营销归因实现了从单一触点核算到 “触点 - 内容 - 策略” 三维解码的根本性升维，为企业突破困局提供了核心武器。 （一）触点归因：从 “平台数据茧房” 到 “全域链路穿透” 传统触点归因局限于平台内部数据，形成数据孤岛。而 AI 技术能够打破平台壁垒，实现全域消费链路的穿透式追踪。通过多源数据整合、用户 ID 打通等技术，AI 可完整还原消费者从品牌认知、内容互动到最终成交的全路径，精准核算每个触点的真实价值，彻底摆脱 “平台只报喜不报忧” 的数据陷阱。 （二）内容归因：原子化解码与反馈闭环的构建 AI 让内容归因从 “模糊感知” 走向 “精准拆解” 成为可能。借助 AI 的内容解码（decoding）能力，可将海量短视频、社交内容拆解为故事脉络、视觉符号、情感节奏、产品呈现方式等原子级要素，如同解析内容的 DNA。再通过用户点击、停留、转化等反馈数据，反向建立 “内容要素 - 用户响应” 的对应关系，精准识别哪些内容元素真正驱动用户决策，让内容创作从 “凭经验” 变为 “靠数据”。 （三）策略归因：AI 模拟与胜率验证的科学决策 策略归因是 AI 时代归因的最高维度。借鉴 AI 数字货币交易比赛的逻辑 ——6 个 AI 模型在相同资源条件下，因策略不同产生天壤之别（ChatGPT 追涨杀跌亏 60%，千问单点高倍赚 120%，DeepSeek 组合稳健盈利），营销策略归因同样可通过 AI 进行模拟与验证。AI 能够融合定性与定量数据，通过时序预测、多专家系统等技术，对 “海量内容 vs 精品内容”“头部 KOL vs 尾部 KOC” 等不同策略进行胜率测算，让企业在小规模试错中找到最优战略方向。 三、破局关键：组织先行 + 私器构建，摆脱平台依赖 AI 时代的有效归因，绝非单纯的技术应用，而是 “组织变革 + 系统搭建” 的双重革命，核心是让归因从 “平台公器” 回归 “企业私器”。 （一）组织变革：打通 “营销 - 销售” 壁垒是前提 归因的落地，首先需要组织架构的支撑。当前企业的部门墙是归因最大障碍，解决方案在于推行 CPO（首席增长官）模式，打通营销与销售的权限，实现 “流量 - 内容 - 转化” 全链路的统一管理。正如实战案例所示，当小红书运营与电商业务由同一团队负责时，才能建立内部专属的归因工具，清晰核算内容种草到电商成交的转化价值，避免 “各说各话” 的内耗。 （二）系统搭建：打造企业专属的归因 “秘密武器” 真正有效的归因体系，必须是企业独有的 “私器”。每个行业、品类、产品的目标受众、消费习惯都存在差异，只有企业自身最清楚业务本质。平台提供的归因工具仅能作为参考，企业需结合自身数据库、行业经验与 AI 技术，搭建单向透明的归因系统 —— 既要利用 AI 的高效算力进行大规模数据分析，实现超级高效版的 AB 测试；又要融入企业的知识库与经验沉淀，让归因结果更贴合实际业务场景，彻底摆脱对平台的依赖。 四、核心坚守：技术为器，战略为魂，不丢营销本质 在 AI 赋能归因的浪潮中，企业最容易陷入 “技术至上” 的误区。但无论技术如何迭代，营销的核心本质从未改变，归因体系的搭建必须坚守两大核心。 （一）战略定力：拒绝碎片化，锚定品牌核心 AI 对内容的原子化拆解，并非导致营销碎片化的理由。企业需保持战略定力，明确品牌的核心定位与价值主张，所有的内容创作、触点布局、策略选择都应围绕品牌核心展开。归因的最终目的，是优化资源配置以强化品牌价值，而非陷入 “数据细节” 迷失方向。 （二）能力根基：AI 是工具，人文与专业不可替代 AI 是先进的生产力工具，但无法替代营销的核心能力。优质内容的创意内核、对消费者人性的洞察、品牌建设的长期主义思维，这些都需要企业自身的专业积累。只有将正确的战略、优质的创意、真实的用户数据输入 AI，才能让归因系统发挥价值；反之，脱离了核心能力的 AI 工具，不过是 “无的之矢”。 五、归因革命背后的商业主权回归 AI 时代的营销归因革命，本质上是一场商业主权的回归 —— 企业从平台的 “流量附庸”，重新掌握营销决策的主导权。当企业通过组织变革打破壁垒，借助 AI 技术实现三维解码，搭建起专属的归因私器，就能在万亿数字营销范式崩溃的浪潮中，找到确定性的增长路径。 未来，真正的营销强者，必然是那些不被平台数据绑架、不沉迷表层技术，而是以战略为魂、以 AI 为器，将归因融入企业核心竞争力的组织。他们将通过科学的归因体系，让每一分营销投入都产生确定性价值，在 AI 驱动的商业新范式中，构建起不可复制的增长引擎。 Takeaway 1、AI 时代营销归因，核心是打破平台霸权，重掌商业决策权。 2、传统多触点归因已失效，需构建 “触点 - 内容 - 策略” 三维体系。 3、组织变革是归因落地前提，必须打通营销与销售协同壁垒。 4、企业专属归因 “私器”，是 AI 技术 + 自身数据 + 行业经验的融合。 5、内容归因的关键，在于 AI 原子化解码与用户反馈的闭环验证。 6、策略归因可通过 AI 模拟试错，沉淀适配自身的最优营销逻辑。 7、归因不是单纯算效果，而是贯穿全链路的价值管理核心。 8、AI 是归因工具而非目的，品牌本质与用户洞察不可替代。 9、拒绝数据碎片化陷阱，以战略定力锚定品牌核心价值。 10、归因革命的本质，是企业从流量附庸到价值驱动的转型。 思考题 1、企业搭建专属 AI 归因体系，最核心的壁垒是技术、组织还是战略？ 2、如何平衡 AI 内容原子化解码与品牌战略的整体性？ 3、脱离平台数据依赖后，中小企业该如何低成本构建归因能力？

在生成式 AI 掀起全球技术革命的今天，模型、算力与应用工具的迭代速度远超想象，中美两国的技术博弈与产业创新正在重塑全球 AI 格局。 本期播客为《生成：AI生产力重构营销新范式》新书解读第二十二章，我们将跳出技术细节的迷雾，以更具洞察力的视角，拆解 AI 产业的核心逻辑、发展趋势与中国机遇，看看这场变革如何改写企业命运与行业规则。 共谈嘉宾： 谭北平 — 营销科学家 MSAI联合主播 / 秒针营销科学院院长 钱峻 — 营销科学家 MSAI 联合主播 / MSAI M360 创+平台创始人 SHOWNOTES： 2:22 人工智能模型可分为大语言模型、图像模型、视频模型和垂类模型。 5:09 DeepSeek推理模型在大语言模型基础上学习思维链，成本大量降低。 12:09 人工智能模型供给趋势：成本降低、多模态发展、个性化服务以及智能体化。 14:39 中国芯片虽面临技术限制，但算力基础设施仍在加强。 17:11 应用工具供给极度丰富，从专业生产力工具转向多样化应用。 19:17 生成式AI工具将更智能化和个性化，服务个体需求。 21:18 中美智能模型差距约2%，某些领域中国仅落后半年。 24:17 AI市场呈现百花齐放状态，将持续洗牌但难以形成完全垄断。 一、模型革命：从 "规模制胜" 到 "推理为王"，中国模型实现换道超车 （一）模型生态多元化：覆盖全场景的能力矩阵成型 人工智能的核心竞争力始于模型，如今的模型体系已告别单一维度的竞争，形成了覆盖多场景的多元化矩阵。从文本处理领域的大语言模型（LLM），到图像识别领域的卷积神经网络模型，再到动态分析场景的视频模型，以及聚焦基因测序、医疗诊断、股票预测等细分赛道的垂类模型，不同类型的模型正成为社会生产的 "基础设施"。 我们熟悉的豆包、文心一言、通义千问等，正是大语言模型的典型代表，而华为盘古则深耕工业场景，快手可灵 AI 聚焦创意生产，垂类模型的专业化发展让 AI 应用更加精准高效。 （二）推理模型横空出世：打破语料与规模的枷锁 2025 年，AI 领域最具颠覆性的突破莫过于推理模型的崛起。以中国团队研发的 DeepSeek 为代表，推理模型在大语言模型基础上完成了核心升级 —— 不再局限于海量语料的学习，而是转向思维链与推理过程的训练。这一变革彻底打破了 "规模法则" 的迷信，过去被质疑的 "中文语料仅占全球 5%" 的劣势不复存在，高级思维与推理能力成为模型竞争的核心维度。 更值得关注的是，推理模型带来了成本的指数级下降，其训练与运行成本仅为传统模型的 1/10 甚至更低。如今，微博、腾讯、百度等企业纷纷采用 DeepSeek 作为模型框架，美国多家企业也将服务模型切换为 DeepSeek 和千问，充分印证了中国推理模型的全球竞争力。 数据显示，全球 AI 大模型中美国占 44%，中国占 36%，中美差距已缩小至 2%，在实际应用场景中，中国模型的表现甚至实现了反超 —— 在全球股票与数字币投资模型大赛中，千问与 DeepSeek 跻身前三，而美国主流模型则表现不佳。 （三）开源 VS 闭源：中国模型重构全球竞争规则 全球模型竞争的底层逻辑正在发生深刻变化：美国模型逐渐走向闭源垄断，试图通过 "算力资源集中 + API 绑定" 的模式，构建起依赖美国服务器的产业生态；而中国模型坚持开源路线，在全球开源模型榜单中占据前列，以免费、低成本、可部署的优势，赋予每个企业成为独立智能体的可能。 这种差异背后，是中国产业政策对创新的支持，也是中国企业对 "普惠 AI" 的追求，最终形成了 "美国垄断封闭，中国开源开放" 的鲜明格局。 二、算力博弈：能源与芯片的双重破局，中国走出特色发展之路 （一）算力核心矛盾转移：能源成为关键竞争要素 算力是 AI 运行的 "动力引擎"，而如今算力竞争的核心已从芯片性能转向能源供给。AI 对能源的消耗堪称惊人：ChatGPT 每日耗电量约 50 万千瓦时，相当于 1.7 万个美国家庭的日用电量；谷歌 AI 的年能源消耗堪比爱尔兰整个国家。能源短缺已成为制约全球算力发展的瓶颈，美国约 1/3 的算力卡因电力不足而闲置，而中国正凭借能源优势破解这一难题。 （二）芯片卡脖子下的突围：构建能源 + 算力的协同优势 尽管中国在高端芯片领域面临技术限制，但通过战略布局实现了算力基础设施的持续升级。一方面，以华为为代表的企业持续推进芯片技术自主创新，众多独立芯片厂商共同发力，逐步降低对外部芯片的依赖，英伟达在中国的市场份额已逐渐归零；另一方面，中国将算力中心向绿色能源富集区部署，依托风电场、水电站等低成本能源基地，大幅降低电力成本。这种 "能源 + 算力" 的协同策略成效显著，2025 年上半年中国算力采购成本下降 70%，产业链集群效应初步显现。 （三）企业算力选择理性化：中小规模模型成主流 过去追求超大参数模型的热潮正在退去，企业对算力的需求变得更加理性。数据显示，规模企业用户更倾向于选择 100 亿 - 200 亿参数的模型，这类模型无需超大型机房，部署成本可控 ——DeepSeek 仅需 8 台显卡服务器即可运行，纯硬件成本约 300 万人民币，完全满足企业实际应用需求。这种理性选择背后，是企业对 "实用算力" 的追求，也推动了算力资源的高效配置。 三、应用工具进化：从生产力工具到生活方式，AI 重构应用生态 （一）工具供给百花齐放：从专业级到大众化的全面覆盖 AI 应用工具的发展已进入 "井喷期"，供给极度丰富且呈现多元化特征。2024 年 8 月数据显示，仅深圳市完成备案并上线的 AI 大模型就达 190 个，覆盖基础层（芯片、云计算）、技术层（自然语言处理、计算机视觉）、应用层（医疗、金融、教育）全产业链。工具形态也从过去晦涩的专业生产力工具，转向友好、有趣的大众化应用 —— 豆包、千问等工具不仅能帮用户批改作业、进行英文对话，还能提供情感陪伴、宠物照看等服务，AI 工具正从 "工作助手" 转变为 "生活伙伴"。 （二）应用工具四大趋势：智能化、个性化、智能体化、场景化 当前 AI 应用工具的发展呈现出清晰的四大趋势：一是成本持续降低，TOKEN 调用成本大幅下降，让更多企业和个人能够使用 AI 工具；二是多模态融合，文本、图像、视频等多种形式的交互成为常态；三是个性化服务，模型能够记录用户需求、推理用户意图，提供定制化解决方案；四是智能体化（Agentic AI），工具不再局限于被动响应，而是能够主动调用资源、反问确认需求、自我检查成效，像 "代理人" 一样完成复杂任务。 更重要的是，AI 工具正与实体经济深度融合：新能源车成为 AI 应用的重要载体，政务领域的招投标管理、质量管理引入 AI 辅助，金融行业的风险规避与预测依赖 AI 模型，医疗领域的智能问诊、法律领域的文书撰写都离不开 AI 工具的支持。场景化应用的深化，让 AI 从技术概念转化为实实在在的生产力。 （三）新入口革命：AI 助理重塑移动互联网格局 AI 应用的普及正在催生移动互联网的新入口 —— 人工智能助理将打破 APP 之间的壁垒，重塑流量分发规则。过去，我们需要通过搜索引擎查找信息、通过邮件 APP 发送邮件、通过购物 APP 完成消费；未来，AI 助理将整合这些功能，实现 "一站式" 服务，用户无需切换多个应用，即可通过 AI 完成信息检索、沟通协作、在线消费等一系列操作。这一变革不仅改变了用户习惯，更将为企业营销带来全新的逻辑重构。 四、产业展望：洗牌与机遇并存，中国 AI 市场的未来图景 （一）市场格局：百花齐放与持续洗牌并行，垄断难以形成 当前中国 AI 市场呈现百花齐放的繁荣景象，文心一言、豆包、通义千问等主流模型与众多垂类模型共同构成了多元化生态。未来，市场洗牌将成为常态，但完全垄断难以实现：一方面，头部企业凭借用户规模和技术积累，可能在通用领域形成相对垄断；另一方面，垂类领域的创新永不停歇，自动驾驶、税务识别、医疗诊断等细分赛道将持续涌现新的玩家。像 Kimi 这样因定位单一而掉队的案例，也将促使企业不断调整战略，适应市场变化。 （二）企业战略：无需自建模型，聚焦场景与智能体构建 对于企业而言，AI 时代的技术布局无需 "大而全"，而是要 "专而精"。当前模型供给已极度充分，企业无需盲目自建通用模型，而是应依托外部成熟的模型与算力资源，聚焦自身行业场景，构建专属的垂类应用与智能体。通过微调、工作流程优化等方式，将 AI 工具与业务深度融合，才能在这场变革中抢占先机。 （三）中美竞争：从技术差距到生态博弈，中国优势持续扩大 中美 AI 模型的竞争已从单纯的技术差距，转向生态体系的全面博弈。尽管在编程等专业领域美国模型仍有优势，但在应用场景落地、成本控制、开源生态等方面，中国模型已形成显著优势。随着中国模型开源化、低成本、可部署的特点被全球市场认可，以及能源与算力协同优势的持续强化，中国 AI 产业将从 "跟跑" 走向 "并跑"，并在部分领域实现 "领跑"。 生成式 AI 带来的不仅是技术的革新，更是产业逻辑、商业模式与生活方式的全面重构。模型的推理革命、算力的能源破局、应用的场景深化，正共同推动中国 AI 产业进入高速发展的黄金时期。对于企业而言，这是挑战更是机遇；对于每个人而言，这是变革更是红利。 Takeaway 1、生成式 AI 驱动全球技术变革，模型、算力、应用工具供给持续丰富 2、人工智能模型已形成多元矩阵，覆盖文本、图像、视频及各类垂类场景 3、推理模型崛起改写竞争规则，思维链训练取代语料规模成为核心优势 4、模型竞争进入推理 + 场景维度，成本大幅降低成为关键竞争力 5、中美模型差距仅约 2%，不存在绝对代差，各有领域优势 6、中国模型坚持开源路线，打破海外闭源垄断格局 7、算力竞争核心转向能源供给，中国依托绿色能源构建独特优势 8、芯片受限背景下，中国算力基础设施仍持续升级，成本显著下降 9、AI 应用工具从专业生产力型，转向生活化、娱乐化、个性化 10、AI 市场将持续洗牌，难成完全垄断，垂类场景创新空间广阔 思考点 1、推理模型崛起后，企业该如何利用开源优势与场景适配构建核心竞争力？ 2、能源成为算力竞争关键，中国应如何持续强化 “能源 + 算力” 的协同优势？ 3、AI 智能体成移动互联网新入口，企业营销需做出哪些核心调整？