特赞推生成式智能体GEA 押注非结构化数据万亿赛道

特赞推生成式智能体GEA 押注非结构化数据万亿赛道 特赞创始人范凌指出，AI原生转型将通过彻底重构组织关系来消灭传统中层职能，而企业突围的关键在于构建由AI理解的上下文系统，而非在老产品上硬加AI功能。 本期节目深入探讨了企业在AI时代的生存与转型法则。特赞通过推出GEA（生成式企业智能体），将业务从营销内容管理升级为企业整套非结构化数据的管理平台，并深耕“上下文（Context）”系统。范凌指出，AI原生组织正在通过重构生产关系来彻底改变工作方式，传统的职能中层正在隐退，而GEO（生成式搜索引擎优化）和“Build in Public”正成为新的营销趋势。尽管AI带来了关于白领失业和技术收敛的担忧，但真正的差异化和决策风险依然由人类承担，AI的本质是让人类从低效工作中解放并回归人文关怀。 特赞成立11年后迎来AI风口，从营销内容管理升级为企业非结构化数据管理平台，并在底层构建面向大模型的上下文系统（Context System）与生成式企业智能体（GEA）。 (1:00) 大模型具备操作电脑与思考能力后，绝大多数知识工作者与“坐着的工作”极易被替代，企业AI化正从副驾驶（Copilot）过渡到智能体嵌入，最终走向彻底重构生产关系的AI原生组织阶段。 (2:30) 大模型自身已内化海量洞察，驱动力转为优质Prompt而非垄断性大数据；作为概率收敛模型的AI产出趋同，真正的独特性与产品差异化仍高度依赖人类的审美品味与“隐性知识”（Tacit Knowledge）。 特赞通过打理上下文（Farming Context）切入下一个万亿级赛道，并在内部将组织重构为由极少数人闭环的Pod小团队，推动中层干部IC化（独立贡献者）。 在商业化与内容营销上，特赞超50%的销售线索源自生成式搜索引擎优化（GEO）；范凌倡导以Build in Public真诚表达，警惕单纯的效率原教旨主义，转向对人的关怀与价值解放。

特赞创始人范凌认为，大模型时代的核心驱动力正从“大数据”转向“上下文（Context）”，企业需摆脱单纯的工具型降本增效，通过重构非结构化数据管理与组织生产关系来实现真正的AI原生转型。 从营销工具到非结构化数据与上下文管理 特赞成立11年来主要聚焦营销场景，以往80%到90%的业务集中在内容管理。随着大语言模型具备理解非结构化数据（如图文、视频）的能力，特赞将业务升级为企业级非结构化数据管理平台，并在底层构建面向模型的上下文系统（Context System）。范凌将该赛道视为下一个万亿级商业机会，并指出特赞过去为约200家世界500强企业管理数字资产，这些资产天然构成了模型运作所需的上下文土壤。 基于德鲁克“企业本质是创造消费者”的理念，特赞推出了涵盖用户洞察、产品创新和营销三大板块的“生成式企业智能体”（GEA）。例如其用户洞察智能体Typica能以模拟用户方式进行全天候低成本对话，将传统的长周期调研转为每日持续洞察；新品创新系统则类似量化交易，后台持续抓取市场交易、舆情与用户反馈信号，自动化完成0到60分的基础工作，让人类员工承接后续的灵性创作。 AI原生转型与组织架构去中层化 范凌将企业引入AI划分为三个阶段：提升个人效率20%至30%的Copilot副驾驶阶段、在既有架构中替换特定角色的智能体嵌入阶段，以及彻底重构生产关系的AI原生组织阶段。他将当前变革类比为电气革命：从1900年左右工厂简单替换电动机，到1930年左右基于泰勒管理理论诞生全新电气工厂，中间历经约30年。当前限制AI落地的核心障碍已由技术问题转变为组织的生产关系思路。 在特赞的实践中，由于两三人的小团队配合AI即可闭环执行业务，传统中层“调配资源”与“推进度”的职能大幅弱化，公司过去一年有一半的中层干部主动或被动离职。特赞转向高内聚的“Pod（小团队）制度”，要求员工向单兵作战的独立贡献者（IC）转型并承担数倍业绩，原有销售、研发等职能部门则降级为关注员工成长与工具培训的内部社区。对于AI替代白领引发的消费链断裂与失业担忧，范凌认为这属于社会治理范畴，需依赖政府税收调配、全民基本收入（UBI）及职业再培训来应对。 产品创新四象限与Harness Engineering 在AI产品落地路径上，范凌提出了四象限评估框架：“老瓶装新酒”（在老软件上生硬叠加AI功能）被视作最差路径，不仅研发与Token成本侵蚀毛利，且客户付费意愿极低；特赞选择以“新瓶装新酒”切入，由核心团队用业余时间开发出Atipica等全新产品，验证后再以“新瓶装老酒”的AI原生方式重构客户老需求（如推出GEA）。目前其智能体付费率达传统软件的10倍，催生了结果付费和行业利润分成等新商业模式。 随着系统复杂化，AI容易出现过度揣摩意图、堆积上下文而丧失客观性的现象。特赞通过“驾驭工程”（Harness Engineering）进行工程化调优，保持上下文精准高效，并在后端建立高频人类评估（Evaluation）流程，对齐输出以确保描述客观。得益于新业务增长，特赞在2024至2025年团队规模逆势翻倍，当前年度算力卡消耗在5000万至1亿元人民币之间，预计今年将远超5000万元。 品牌稀缺性重塑与面向大模型的GEO营销 针对AI生成导致内容同质化的现象，范凌指出AI作为概率模型具有收敛性，而真正的差异化仍依赖人类隐性知识（Tacit Knowledge）与独特干预。当AI让产品制造与技术研发门槛大幅降低后，技术本身不再稀缺，品牌背后的历史、文化与“活人感”反而更加重要，这促使AI企业创始人走向直播、播客进行“在公众面前构建（Build in Public）”，甚至回归线下开设快闪店以建立实体信任。 在营销获客端，特赞有50%以上的业务销售线索直接来自生成式搜索引擎优化（GEO）。范凌反对短期违规的内容投毒行为，认为大模型的阅读偏好接近深入探究的知识型读者，有效的GEO应是面向模型输出结构清晰、旁征博引的深度内容，从而在模型回答行业解决方案时被自然引用与推荐。 针对模型厂商向下做应用可能挤压中间件空间的担忧，范凌认为实际应用必然依赖多模型协同，垂直领域的护城河在于上下文沉淀。面对国内效率内卷与产能过剩的矛盾，他借由摄影诞生解放绘画的历史经验主张，企业应当超越唯效率论的资本逻辑，将AI视作解放人类创造力并回归精神关怀的契机。

[2:30] 范凌: 以后坐着的工作都会被AI取代，所以我们得经常站着工作、去见见用户。 Andrej Karpathy: 员工用AI总觉得不够好，而CEO用AI却能想象到各种爆发性场景。 范凌: 大模型时代，最大的数据源变成了“模型本身”——它已经内化了对阿里、抖音等各个平台的理解。 范凌: 人类的创造力依然极其重要，只是过去人们把很多本不属于创意的工作误以为是创意。 范凌: 如果模型是种子，上下文就是土壤，不同的土壤长出的东西完全不同。 范凌: 大语言模型的阅读习惯很像“知识宅男”，喜欢看知乎式旁征博引、与问答相关的深度内容。 范凌: 采用“偷鸡摸狗”的投毒方式做GEO是极其短期的，因为AI模型会越来越聪明并产生免疫，真正有效的GEO是面向大语言模型做“内容营销”。 范凌: AI时代不是在原有的地盘上精耕细作，而是“大航海时代”，去发现新大陆。 范凌: 一个伟大的企业，应该去思考如何让科技“Go beyond（超越）”单纯的降本增效，走向对人类精神世界的丰富与关怀。

[0:00] 像Anthorfic这样的公司现在的营销的方式不是今天做什么很数字化的营销非常的回到消费品它会做线下的pop up我最近有两个同事实在支撑不住了都是AI用的最好的同事说这个要修一个月我说完全支持你们应该有空隙不能被AI不停的卷哈喽大家好欢迎来到我们的节目我是孙阿波这是一档由竞技波财经出品的播客节目我们关心商业的趋势商业的未来也关心我们如何在这一个商业的时代更幸福更快乐的生活哈喽大家好如果你是AI圈的朋友以及你是广告营销创意设计行业的大概率应该听过特战这家公司今年是特战成立的第11年11年前当时我还认真的探讨过特战的发布会范老师就提出了AI我还说什么是AI我当时还没有搞太明白11年后特战终于迎来了AI行业真正的这一股大的风所以我们今天请来了特战CEO范林老师和我们一起来交流关于企业如何实现AI原生转型如何用AI真正规模化落地以及他们最新推出的GEA我们现在特战的增长的秘密范老师前几天刚去了美国参加了GTC我们也会聊一聊最一线最真实的科技观察和行业思考欢迎谢谢伯伯邀请很高兴来到这里你能不能跟我们再详细介绍一下特战到底是什么它在不同时间点大家理解都是不一样的一个公司就像现在一个模型每几个月要重新训练一遍我们每个人每几个月也可能每一两年要重新训练一遍公司也每一两年可能要重新定一遍特战这个名字就是Tech加Design最早我们希望用科技能够赋能各种各样的想象力伯伯刚刚讲我们跟营销跟创意什么这些方面有关那科技毫无疑问是人工智能从10年前开始我们就开始做人工智能来生成各种各样的内容主要用在企业各种需要内容的场景营销为主吧百分之八九十是营销的场景过去这两三年呢我们就发现有一个机会以前如果你认为这个数据有两类一类叫结构化的数就在Excel表格里面那些还有一类呢非结构化的图文视频等等等等那原来机器是很难处理非结构化的数据的比较好处理的是一加一等于二这样的结构化数据但是大约模型的出现让理解非结构化数据这件事情变得容易很多所以我们原来只在营销场景做的各种内容的管理生成分发分析匹配一下子就变成企业里边可以做整个非结构化数据的管理了那有了这些非结构化数据企业的知识AI就可以理解AI理解企业知识就可以干很多的事所以现在我们底层还是叫非结构化数据的管理平台上面变成大约模型可以理解的所谓context system等一下我们肯定会聊到的在上面的应用场景除了营销之外我们还做产品创新和用户洞察德鲁克讲一个企业的本质是创造一个消费者所以我觉得没有一个企业或者生意商业会说不关心用户的都是用户为中心所以用户作为起点两件很重要的fundamental的事情一件是给用户讲好故事就是营销另一件事情给用户提供好服务就是产品产品的运行所以我们希望把这三个部分用AI能够帮企业提效也能够帮企业转型这就是我们现在在做的事情我们把这整套东西叫做Generative Enterprise Agent还是略有烧脑因为现在我觉得尤其这过去一年多大家都有点磨真了现在就是什么活动他不讨论AI就是不对的活动你觉得现在到底我们该怎么弄因为前期日子大家都讨论这个降本真相包括丁磊有个截图赶紧开掉要快就在前期日子说蒸留你的同事把你做成一个agent全民养龙虾有时候我觉得比较神奇的是说有的skills是叫查天气那我为什么不在手机上看一下天气呢我要给他发一串指令查一下天气就好像大家现在有很多魔幻的行为你怎么看这件事情我觉得过去这一年AI的变化非常非常快这个deep seek moment就一年多以前 [5:00] 这个时间开始AI可以开始想了以前AI是生成内容生成文字只能说AI开始思考了那去年年底是Cloud Code或者OPUS 4.6AI可以很容易的调用电脑了那既然能调用电脑能操作电脑就代表能做原来用电脑干的所有的事情所以我一直在公司里面说我说以后做着的工作都会被AI取代所以我们得经常站着工作得去见见用户等等所以得站着的那些工作可能会更有价值最近变化就是AI操作电脑以后可以做所有知识工作者的工作做的好与不好另当别论他已经开始基本上所有知识工作者的工作他都可以开始做我想问的是咱们特战卖的产品是说这个企业买了这个东西就能把原来要对接你们的人都开掉了吗这个挺有意思很多企业的第一个AI对于Copilot一样的东西所以是给每一个人加一个AI助手从而让每个人可以提下20%到30%第二个看到就去年会有一些公司说在自己的组织架构图里边放上一些智能体但这个组织架构图还是原来组织架构图只是中间有一些角色可以放上智能体但今年大家会讲的更多叫AI原生的组织应该以AI的方式或者AI优先的方式重构组织不管我们在做的集业也好还是这么多的AI的工具也好本质上都期待能够助力用户能够变得更AI原生而不是只是让它的一个胳膊变得更强大而已但是这里的挑战就又变成不是一个技术的挑战不是说今天技术好与坏前两天这个Android Capacity好像还有一篇很火的推特他就说有两类人一类叫员工用AI就怎么用都觉得不够好另一类叫CEO用AI就能想象到很多AI的爆发性的场景所以同一个AI也会有完全不同用法现在AI已经不仅是一个技术问题很大程度上可能是个组织的思路问题或者组织生产关系的思路因为我最近去了好几个500强公司都点名说聊AI大家好像都是非常憧憬着这件事情但是变化并不大到底什么是AI native的组织以前的组织它哪里就不行了讲一个很直观的画面上一次这样的改变叫电气革命电气革命工厂里边先把所有的蒸汽机改成电动机这件事情很容易做因为你立马就可以看到电动机更高效更省能源产出更好但是什么时候开始以电动机的方式重新设计工厂呢是30年以后所以1900年左右大家开始把蒸汽机改成电动机到1930年左右才变成有第一个电气工厂那时候有新的管理学理论什么泰勒主义等等所以我觉得组织上要改变没有那么快工具上改变非常非常快所以我觉得现在所有的企业只要你不是今天成立的公司你都会存在一个过程叫怎么样把过去搞明白包括下面的员工的具体的组织形态搞明白才会有怎么改造成新的你这个你还是没回答我你认为怎么向新走以及新的AI native的公司它到底现在是什么组织架构因为你看以前基于工业和后工业时代和移动互联网时代也出现了很多新的词什么阿米巴这个那个也是倾向于变成小的团队那是不是小的团队是AI native的这之间又有什么区别我可能很难用一个定义来讲什么叫AI native但我可以分享一两个用了我们产品以后跟原来有什么不一样比如说我们做了一个用大元模型理解用户的产品叫Typica就像我前面讲没有一个企业会说自己不是用户为中心的但原来理解用户的方式挺长的挺慢的挺贵的你要做线下调研等等当你有了一个AI智能体可以模拟用户的时候那你就可以7×24小时的让他去想客户在想的问题你就可以随时随地用一个问题来问他包括帮你一起共创下一个选题下一个产品等等所以原来是可能一年半年做一次用户调研现在是每天你可以和他交流来产生用户的洞察如果你每天都可以用成本很低的用一杯咖啡的价格可以调研一次是不是这个会带来对于用户理解并且之后的流程的改变我们还有一个用力的场景现在很难有单品的大爆款那我们有些企业就说我要做更多的新品创新要更细分的市场但是新品创新的人不会改变所以我们就做了一个 [10:00] 新品创新的GEA事实上是一个7乘24小时在后台不停地寻找市场的信号就有点像量化交易那种找市场信号来捕捉哪些点是有可能做新品创新的有可能是交易的信号有可能是舆情的信号有可能是社媒上有个突然火的东西有可能一个新的IP有可能是用户吐槽它或者表扬它的voice of customer这些信号聚合起来每天持续地做新品的创新但并不代表说AI做新品创新非常好只代表AI能够在前面批量化的比较暴力的起量人就不用做0到60分的事人可以从60分开始接力做更完美的东西前面我们也提到现在可能做到60分70分甚至80分的产品我觉得都没有竞争力但是原来我们花很多时间把东西从0做到60现在我们应该让AI做前面的而且批量化的自动化7生20cc似的让人去找到这个灵性感性的那个部分这些是一些AI原生的起点换句话来说今天如果有一个AI工具你到底能不能充分的用好它围绕它来重构你的工作方式吧因你刚刚提到的这两个工具或者说我们AI的产品它在大数据时代就有同样理念的商品了类似于品类的雷达包括阿里他们也做了很多这样的东西你认为大数据到AI产品本质上有区别吗区别还是很大的大数据时代核心经营人力叫大数据你要有足够多的数据但是分析能力弱数据能力强所以大的平台才能拥有这些数据能力但是呢这些这么多的数据怎么变成你的这个处理能力是非常弱的但是在大模型时最大的数据源是模型本身他理解阿里的平台理解抖音的平台他都已经在模型里边了所以你不再需要大数据了你需要那个好的一些好例子或者好数据把大模型里边的洞察能够prompt出来在大语言模型的时代这样的产品会更为你而设你的观点告诉他他把他的数据处理把那个好的东西给你因为我们是一个design的这么一个起点过去我们总是认为design是人是不可替代的那现在包括你像有的最新的这个GPTP的图已经没有AI感了以及说它自动生成宝贝业跟90分的一样甚至我们这几天我们在给我们的客户做图因为我们公司有一个设计师他的设计能力的提升是跟审美是高度挂钩的那他的审美能力的提升是缓慢的它不可能这样提升的所以你总是觉得很多时候不好有时候好有时候不好有时候说你最近挺好有时候你最近做得很垃圾但刚刚就在你来之前我去它公园上我看一下我做得很好已经不再是用Adobe的系列产品做了不停的去跟这些AI产品批出来的全新的图它可能都没有像以前鼠标不停拖拽不停的提示那人的这个现在创意还重不重要还是说只要以后机器来创意了这个问题是一个还蛮难回答的问题我一直觉得人的创意非常非常重要只是说我们原来把很多东西误以为叫创意我记得十年前去阿里的时候阿里跟我说他们的公司有2000个设计师整个阿里生态有200万设计师而且背景都很好因为那时候电商比较赚钱所以背景最好的设计师都去做电商投图去了这些投图难道真的需要这么好的设计师去做吗然后他们除了为钱真的享受这个创造吗当时做AI是为了让他们解放出来而且从这种优化目标很明确的工作当中解放出来从而能做一些更非结构化的东西或者目标更复杂的东西那现在我觉得也是一样的只是说现在的AI做图能力更强了但是我是觉得创造力依然重要只是说原来很多被以为是创造的行为事实上没有那么多的创造力我觉得AI是个概率模型所以它只能让大家趋同而不能求益差异还是来自于人的干预就包括你的设计师提了一个很不一样的角度这个产生的差异否则让AI全都收敛性的但我觉得一个改变是什么比如说在我们这样的公司里边产品经理做完工作设计师做设计师做完以后要去找开发那现在当然设计师的能够控制的对结果的真实控制会比原来容易很多比如原来做一个网页这设计师的眼睛是相当的 [15:00] 前单工程师可能是毛孤孤的现在设计师自己就可以把这些都实现了我觉得是大大的赋能力有创造力的人那咱们的这个GDA和现在很多出来创业的各类工资做的数字员工啊以及各种AI工具本质区别是什么我们自己是有一些做GDA是有一些历史原因的因为原来我们帮这么多大概200家世界500强的企业管他们的数字资产我前面说的图文视频这些非结构化的东西所以这些东西就是大语言模型要去读的上下文那每一个企业都可以用同样的模型但每个企业的上下文是不一样的所以我觉得以前我们可能很多的工作是创造内容现在我觉得我们的未来的很多工作叫farming context来打理这些上下文这些上下文本来就存在我们的系统里所以我们很自然的会从上下文的维度切入进去上下文像是一个土壤一样的模型像是一样的种子不一样的土壤长出来的东西不一样我们的出发点是上下文是差异点第二个呢我们会去做还是不想只做一个数字员工我们想重构一件事情就像我刚刚说的不要人去驱动AI即使AI再厉害还是人驱动的能不能AI去驱动人人给判断给审美给一些灵运感觉的东西所以我们是希望能够用AI重构一些企业里面最核心的营销产品创新和用户洞察这三个领域你提到这三个领域以前特别依赖一个东西叫手感和它的第六感叫天赋因为很多很强的人他也说不清楚自己到底靠的是什么那你觉得以后这个事情会变吗我觉得手感依然很重要最近不是在聊AI的时候有一个词突然出现好多人都在讲我前两天那个复旦没有名的叫做王德峰他也在讲张笑语也在讲Tastic Knowledge隐性知识隐形知识就是手感上海话就搜丝就你的一个感觉你说不清楚的但是比如说我们用同样的原材料烧出来饭就是不一样的味道这就是手感依然重要只是说有了AI以后我举个例子今天我在跟电影的创始人在聊他就说他们要做网络小说的改编改编的过程当中他们会去采访很多网络小说的热衷的读者他们怎么解读这个小说改编了以后三体改编又有人说好有人说不好有些什么东西是他们不喜欢看到这些狂热粉丝们不喜欢看到的那我说这件事一定要人去做因为每一次的交谈都有很多收获但是这些人你不能三天两头跟他聊他们也不会三天都给你时间所以呢把这个聊了结果作为一个上下文的预料把它们捏成AI的读者那这时候你可以邀请这群AI的读者一起共创情节你有网文的改编的过程当中比如说有一些东西你可以拿这些人去测一测所以AI可能在帮助我们降低这些的门槛但是AI不能取代我们跟这些有洞察的人很有手感的这种细水长流的交流所以我觉得这个东西如果我们今天只把它看作有点像是取代型的那可能原来这个事的人做的意义本来就不够大只是不得不让人做但如果我们把它看作是互补型的那有可能这里就有一个人机协作的很好的范式的出现了在第一波的时候大家考虑的是财人并且前些日子有个叫做2028经济危机AI引发的大财源导致的经济危机那我到今天我都觉得是有可能的为什么呢因为我会觉得说过去企业里面有大量的做60份工作的而且过去还是中产工作那这一些他被替代了他是没有出路的那是不是我们就要经历一个漫长的这么一个阵痛期再重新自我去培训自己或者下一代人的培养方法不一样把自己变成一个AI驾驭时才能找到好的工作但问题来了在这个很长一段时间里面OK比如说你说的你们的500强客户也有我们的500强客户你会发现他们的商品主要是卖给中产他能做成500强主要靠的是全球经济的繁荣诞生了很多中产这些工作都消失了大家都没钱了那经济就必然会受到很大的冲击你是怎么看这件事情的这个也不是只是AI技术特殊的社会环境每一代技术来都会有一次工作的冲击AI这一波我们突然有点不习惯的原因它冲击的是白领 [20:00] 反而是兰岭好像工作更安全因为聚生智能好像还没那么聪明所以原来这群人是教育程度最高工作最让人羡慕的现在有可能是工作威胁最大的这也是大家觉得不舒服但想想那个工业革命的时候冲击的也是当时最有尊严的一群工人可能这个是一样的所以我一直觉得这里有两个维度第一我作为创业者是带着一些社会主义市场经济的视角的那我肯定很害怕我自己不在船上所以我也是很有紧迫感的不是因为我今天做AI我觉得这是我的春天而是说一个技术的变革给创业者的席位更少了所以如果今天我们赶不上这班船我一直说叫在保护区里了虽然保护区的环境也不错但是你任何的努力只是给你自嗨用的是给社会带来不了影响的作为这个创业者的角度那另外一个角度企业或者说企业里边的知识工作者那我是觉得这件事情不只是一个商业问题商业问题不停的优化但是它一定会是个社会问题这个社会问题那企业交这么多税个人交了税海外有讨论说Universal Basic IncomeUBI但是中国呢好像又没有到这个成熟度我们连其他的保障都还不够完善但是确实中国企业在交税上不少是相信国家可以更好的做一些统一调配所以我觉得这里边员工的这个rescaling重新培训上岗重新比如学习很重要另外一个角度就是社会保障很重要所以我觉得这里边不是企业问题这个是一个社会问题因为前几天我也看到片本上说AI时代就不会再诞生伟大的品牌了它里面有很多理由包括315说的这个GEO有一次我记得我去参加个会也是什么CMO们最后就变成了一个投毒与反投毒的毛雨顿的不停的升级的关系了你怎么看这个东西就是说以后还能伟大的品牌今天还能再诞生吗在AI时代大家都是基于这种手机上下文你被控制的包括以后说这个眼睛等等所有人在试图给你构建属于你自己的圣经时报我觉得AI可以通过时间加速产生价值的事情变得更卷但是有些事情时间是无法加速的比如说我们人的物理的认知时间是无法加速的所以我觉得品牌只会因为AI更有价值不好说会不会有新的品牌那么容易出来但是我是觉得比如说口口可乐我相信会因为AI时代变得更有价值为什么呢首先第一就是产品变得更容易所以大家对于某一个产品的信任感来自于产品背后的要不是历史要不是文化要不是口碑要不是某些活人感其实连AI公司现在为什么创始人老要出来直播因为产品的同质化造成了这个你无法通过今天拿出产品就体会到不一样因为产品不稀缺所以他想知道产品背后的理念现在的营销的方式可不可爱不是今天做什么很数字化的营销非常的回到消费品他会做线下的pop up给别人送一个周边一顶帽子上面写着thinking head怕用AI不会思考了他说你戴着个帽子你会发现现在AI时代的品牌建设法而比以前更重要如果前两天看到一个AI公司是做法律的agent的不是哈维是另外一家他就讲发现上网搜law agent老是搜到英国的演员邱德洛所以他说那索性我就请邱德洛做the face of the AI做成这家公司的脸所以你会发现反而回到了品牌建设的这种黄金的状态所以我前面不是说AI时代现在我觉得这里是有认知差的一个局外人会去一家公司说这家公司90%的人都是研发所以觉得这家公司是非常研发性的公司但是事实上我觉得不应该是这样子一家公司如果是90%的人都是研发那说明你的go to market做的太慢了现在的研发确实可以一个人干10个人的活所以你不需要90%的人你可能就10%的人是研发但是另外90%的人是要把研发的东西跟人能够讲好所以人和人的沟通还是原来的这种方式或者说还是需要时间积累的我们没有办法今天给你打一针你就相信特战是一家全世界最好的公司了所以我会觉得品牌只有比以前更重要而不是更不重要你也会看到很多技术公司 [25:00] 现在花很多精力搞品牌你刚刚问我AI时代还能不能出现新品牌那新品牌既然在AI时代可能就需要新方法那可能GEO是其中一种新方法特战自己现在我们大概50%以上的业务的销售线索是来自于GEO的你没有50%的线索来自于GEO你想想很简单所有的大元模型事实上现在都是免费的流量你只需要做好内容给AI看的内容别人搜或者别人问问题的时候就有可能把你带出来所以这些现在至少不用付媒介费用的所以你只要做好内容就可以了那极有我的理解有些人用更激进的方法但是AI的模型只会越来越聪明所以AI的模型抗毒能力会越来越强你今天用这种偷鸡摸狗的方式做明天AI模型就免疫了它不会中毒的它只会在下一次免疫投读的方式都是很短期的如果你真的想做品牌是伤害你的品牌的内容营销现在有一种新的用户了就叫大约模型所以你还是要给大约模型做内容营销用他喜欢的形式和喜欢的内容来讲你品牌的事情有人问有没有一个什么产品你推荐什么公司他发推出来特赞吗他是通过这种问答方式来比如说企业及智能体我的企业要做整套智能体的解决方案有什么推荐的公司可能会推到特赞如果你说整个企业内容的管理系统那一定会推到特赞一定会推到我们的产品不一定是公司那怎么做呢是一个给大语言模型或者给agent看的内容规划agent有一些阅读习惯现在的阅读习惯要跟问答有关最好是旁针博影的问答所以他习惯看这些东西挺像知识宅男的不像小红书的那些用户可能更像知乎的那种用户前几年我朋友跟我说他说OpenAI花了两亿美金收购了一个播客是不是也是这个原因的是一个角度对 现在我们做产品有一个方法叫Build in public今天假如我们不是聊这些话题我们是聊特战的一些产品那我可能就会抛一些我想做的东西出来那下面的这个听众就会有一些反观这个东西我可能也需要那个东西有一个更好的场景所以这叫Build in public那Building Public好处是什么呢做这件事变得容易很多了所以当你有了公众的反馈以后你很快要不回去就迭代了要不回去就把东西砍掉了要不回去就pivot了所以现在怕没洞察不怕你没研发另一个角度你现在做出的东西就像刚刚讲distribution你很难让所有人知道因为大家都在做东西所以Building Public还有一件事你连做营销都来不及了你先做完就就开个直播开个podcast你就讲出来了所以产品经理或者创始人自己就把这个产品讲出来了播客的这种形态尤其视频播客的形态是非常非常好的可能这些AI公司会去收媒体内容制作方法有流量内容制作方的一个很重要原因如果是我我也会收的因为我看你现在在搞这个视频播客了你也是出于这个原因是吗对就building public我觉得这个观点是被讲的太少了第一个就是产品越来越需要让别人喜欢产品背后的团队所以别人如果喜欢我的视角他会更容易接受用于我的产品因为比如说就算做AI研究市面上10个产品凭什么选你凭什么把宝贵的那一点点时间给你那得喜欢你要通过表达自己让别人喜欢你的产品第二我们也来不及做一波什么三个月的campaign我们可能就需要不停的高密度的把我们做的什么用这种方式表达出来其他方面都需要你作为一个科技公司的CEO他没有那么多精力搞这些他会不会这个精力花多了就没有空搞别的毕竟这挺消耗精力的我的工作不是做内容你们的工作是所以你每条内容是有选题精挑选选制作等等对我们来说我们只需要把我们genuinely我们的产品讲出来我们产品背后的故事讲出来就可以所以我没有花那么多时间而且这个过程很有收获你就想当你的用户跟你说我听了你哪一个视频号觉得这个产品功能我是有共鸣的所以我用了你的产品但是我觉得你这个产品的结果不够好这对我们做产品非常非常有帮助虽然我们在做Enterprise但是Enterprise里边每一个也是一个个体所以你能打动这些个体你才能打动这个企业我做内容我觉得是非常就时间没有花那么多而且你看 [30:00] 经常断根的但是我觉得收获很大远远不是只是今天要去露脸卖货这种还是能够把自己想法表达出来你们做产品里你最得意的你觉得真的是要强烈推给大家的是什么两个东西吧一个底层一点一个是快速就可以应用的每一个企业都要更好地了解自己的用户所以我们有一个产品叫Atipica用大约模型去模拟各种各样的消费者没有大约模型之前我们用了什么用户数据等等每个对象都是死的有了大元模型以后它就在模拟一个用户一样的想问题它还可以跟你交流这个产品相当于把你的用户资产可以火化可以用来获得用户洞察甚至我们有一个开发者是调了我们这个接口用来做投资的他觉得很多的投资是和情绪有关的他模拟了很多股民的情绪来决定在Polymarket上到底bet哪一个话题是有了大约模型才能够做的我叫新瓶装舅舅吧用一个完全不同的用户体验和产品思路去解决一个一直困扰我们的问题就理解用户现在大概全球有10万个用户我们五一以后大概5月10号左右是我们的产品一周年因言里边做了10万个用户40%在海外30%几在国内剩下在其他国家这个产品发展的比我们想象快另外一个我前面提到每个人都能用同样的模型但是为什么有些人用这些模型解决问题解决好那还是和上下文有关的所以我们做了一个上下文的系统在AI时代没有上下文就相当于你罗跑所以上下文决定了模型能不能帮你解决你要解决的问题最近有一个很火的概念叫Harness Engineering怎么样驾驭模型来帮你解决问题上下文是其中最重要的一环这两个是我比较得意的也是过去这一年里面我们搞出来的那你在这个思路上有什么经验吗什么都可以用AI重新干一遍至于怎么干大家又好像很混乱市面上的工具又是层出不雄今天学了明天这个就淘汰了是我可能有两个观点吧我之前也都比较多分享过我先讲第一个观点是关于产品的观点因为不是每一个公司都最近才开始做的所以每家公司都有过去的客户和过去的产品那AI时代该怎么基于你的产品和你的客户来想AI时代应该做什么我就画了个四个象限就老瓶装老酒老瓶装新酒新瓶装老酒新瓶装新酒这是我两年前自己想的一个框架我在想我应该做什么我就跟团队分享讨论老瓶装老酒原来的产品啥也不变老瓶装新酒就原来产品上加一堆AI音频装老酒AI的产品AI原生的产品但做原来我们熟悉的市场音频装新酒是利用AI做一个原来我们没有在的市场我想着想着我就觉得我不知道哪个是最优解但我只知道哪个是最差的解波波觉得哪个是最差的解老品装老酒是最差的当时觉得我的本能的感觉最差的解是老品装新酒为什么我会这么觉得因为一个企业的本能在AI时代把你原来的东西上加点AI比如说我们做软件的加一堆AI的功能但是事实上你想想当你加了AI以后你的毛利率是降低的因为你消耗了token客户看到你这产品跟原来差不多只多了些功能事实上它付费的意愿也并没有提高产品本身呢难度有增加了我就觉得这里吃力不讨好但是是一个企业最容易做的决定我们最容易做的产品经理也好包括业务的leader也好最容易做的决定我们把这支笔上面加点AI吧我还是做笔的但是是个AI笔我是觉得最错的一个选择而且呢当你太过于执念原来的产品的时候你要花很多时间帮他做AI改造甚至你的启动都是副分开始启动的因为你要做很多改造线再加AI那为什么我不觉得老瓶装老酒不好是因为既然你的产品就是上一代的产品客户愿意继续付钱这就相当于是你的收获期那直到客户再也不选择这产品所以你也没有增加投入所以我觉得也没那么差我们自己的做法是先做新瓶装新酒就刚刚我说的用户洞察的那个agent事实上他起点根本不是说我看了市场应该做这个事实上起点是我和我的CTO在想我们应该怎么做一个AI原生的产品所以他是产品经理我们俩人开始做那就想到要做这个点子做着做着就觉得这个过程还挺有收获的我们就两个人做了半年 [35:00] 而且都是业余时间晚上周末做的就觉得这个过程很好客户反馈也很好所以新瓶装新酒先做完之后我们就开始勇敢的做新瓶装老酒我原来的客户对我的认知原来的产品解决的问题我完全用一套AI的方法做所以GEA就是这么出现的所以这是我对产品的思路我觉得所有做软件的也好做技术的也好我觉得这个框架都适用那你做传统行业,比如说你今天做酒店的,你没办法做个新品装新酒,可能是另外一个逻辑,但是我觉得这个框架可能都是可以考虑的,这是我觉得产品的我的一些观点,这个观点也不一定对,我觉得最大的对我的aha moment,我们最习以为常的老品装新酒的方式,你想生了是个最差的选择,所以我看很多的上一代的技术公司,1000个研发都在对老产品进行AI改造,我就都会建议他们的CEO不如你就放个1%的人在那维护剩下99%的人要不新品装老酒要不新品装新酒去做我觉得你这个我是认同的但是人的组织里的惯性本能它存在的意义有的时候你会发现他也认同但是他不认同的是他也认同的但是人的组织里的惯性本能它存在的意义有的时候你会发现他也认同但是他不认同的是他的位置在哪里所以他一定会告诉你要继续下去所以去年我们无意的我们大概有一半的中层干部主动或被动的就离职我就观察了一下这些中层干部最后你没有感觉你没有太多感觉你没有觉得好像缺了一群人因为当你开始要不做AI原生的产品要不试图往AI原生组织方向走的时候你发现有两个角色作用是不大的第一个叫调配资源因为这两三个人就把这事闭环了你不需要调不太需要调配资源第二呢叫安排进度因为就那么几个人信息就例会都不用开你吃饭的时候聊一下就决定了所以呢原来只做调配资源和管理项目的中层干他的存在感就很弱要不我们对他不满意说你怎么没有做到位要不他自己对自己不满意觉得自己没有价值所以中层干部要不就往上走承担原来五倍到十倍的目标要不往前走成为一个IC你就自己把活就干了我觉得这可能是一个变化不是有意的我们没有规划说不像那个block规划说要裁多少人啊优化组织我们慢慢就变成这样子那这就让我想组织的问题我也不知道对不对但是这是我们在变化的方向因为原来公司的形态都是按工业化的方式来组织的职能划分的比较细致职能与职能之间的协作是用比如说SOP啊等等的方式OKR已经是一个对极大的改变了优化了但事实上还是千行百业只能划分的我们甚至大学的教育都是培养每一个垂直方向的专家的但是AI带来一个变化是反工业化的我觉得它是让我们人的能力更完善更像回到文艺复兴我就可以全能的人我通过AI就让补齐了我一些盲点所以不再需要一个很大的跨部门写作我们一直说叫高内聚Dio和你这几个人每天在一起干活但你不需要说你就是前单工程师我就是产品经理我们怎么协作应该用什么样的方式我们就一起把这活就干了前单工程师甚至可以做产品产品经理可以写前端慢慢慢慢我们就变成了Pod制度每几个人组成一个Pod就完成业务目标而不是完成职能的职责弱化了职责强化了结果那我们就逐步从按角色按职能分的这种实现按这个分的结构就变成了按结果来分的结构但大家不一定习惯大家会说我可以用AI做你的事但我不想负责你的责任所以这个理事心态上要发生一些负能吧信任感那是不是职能不重要的也不是我们把职能就变成叫community就相当于我今天一个人进来可能是销售进来但他也可以在不同的community学其他的技能像研发的产品的包括做解决方案的这些能力所以community变成只关心你的个人成长能不能教你AI的工具能不能教你这个领域的方法从而让你可以利用AI能够有能力community里边有一个很重要的Leadership就相当于这些人除了技能很重要就通过AI掌握了很多技能之外还有一件很重要的事情他知道怎么样去承担怎么样去有担当那你们人比去年多了还是少了我们比去年多了因为我们的增速比原来的要求更高我们今年大概翻倍的增长去年那百分之五六十 [40:00] 我们的人的低谷是23年的时候我们是做过优化的所以24年25年的增长又回来了所以我们现在不是要砍人我们是要更高效的组织在一起做更大的事情因为我觉得AI时代是个大爱时代不是一个在原来的地盘上精根细作是去发现新大陆的时代优化人力不是我们的目标前面我们聊到这个上下文的问题当然可能企业级跟我们这个个人不太一样起码在个人的上下文越多它越像官僚体系里的舔狗它揣摩你的心思之后给你闭环上了你并没有做到客观在前几轮你会如目春风你觉得太懂我了比人强多了后面你会慢慢就觉得不对劲因为它引用越来越多就像史山堆在一起了你怎么看这件事情首先第一我们要相信技术下一代的模型会解决一部分这样的问题不不你遇到这个问题是因为你开始深度使用AI了你不只是要跟他那前几次对话觉得要有一个很快的结果你开始想控制他想要求他了刚刚说的这个Harness Engineering我不知道中文叫什么驾驭工程事实上就是说通过各种各样的工程化的手段让上下文不停的变得更有效而不是又长又臭这个是个技术和工程问题可以解决的还有一个维度当你个人使用这个点不是那么重要但其实有一个流程常常会被忽略的叫evaluation以往评估你今天证明AI能做这件事不代表证明AI能稳定的做好这件事所以后面有一个很长的过程叫evaluation不停的要对齐使用的场景和AI的输出之间的关系所以这里边有很多叫人类数据的工作人不停的要给他指导告诉你你不要老拍老板马屁你要客观的描述现实所以又不停的这样的输入AI改变它的输出从而能保证稳定的输出我还有一个问题我们去年AI奇效是很快的但我觉得它是有瓶颈举个最抽象的例子我们也有很多AI客户你最后发现他还是得雇很多人来跟你们对接你会发现他这些人普遍都非常忙忙得双脚飞起他的工作几乎没有办法用AI这个是有两面性的第一个我如果晚上90点钟在公司走一圈我们肯定还有不少同事在加班你会发现他们不是因为他们工作效率低能力弱加班恰恰是因为他们强而且他们用AI还用得很好他们停不下来AI是大大的降低了我们人类的幸福度我最近有两个同事实在支撑不住了都是用AI用的最好的同事说这个要休一个月我说完全支持你们应该有空隙不能被AI不停的卷上下文越来越懂你越来越吹捧你你越来越想用它想干更有野心的事这个是有上进心的青年遇见了更有上进心的工具以后带来的极度内卷的结果跟AI好不好用是另外就我们停不下来第二个呢一个AI公司真的只有10%是研发的90%是和产品用户打交道的因为人和人打交道这事没有办法通过AI提效反而人还挺排斥AI提效我们会还是这么多我们还是单线程的所以我是觉得现在AI的最大的制约因素决策用什么AI怎么用的还是人所以你如果AI原生的公司如果你今天你的用户不再是人了你可能能效率很高但只要你的用户还是人那我建议还是放下技术公司表面上数据化的坚持说90%是研发增加点做增长和做go to market以及客人沟通的人吧可能大家就会闲一点你现在正在开发什么很重量值的东西刚刚讲了两个理解用户的agent和一个企业级的上下文系统而且这个上下文系统不是人写的相当于是AI自动每天帮你去重新洗一遍你的上下纹一个是AI很好的应用场景不是取代人而是理解人用户调研的智能体另外一个是企业要用好AI的一个很重要的基础这两个是很有意义的一个side project我们在做创意的evaluation可以说叫工具吧平台当我们开始用AI理解用户的时候我们想同样理解人来比较人和AI之间的差别行为经济学用的方法就叫经济游戏囚徒困境啊等等这些都是经济游戏我们就用AI的人和真人都来玩这个游戏看看两者之间到底有多大区别再做一个这样的side project来看在什么样程度上AI是没有办法模拟人的什么样程度上AI很容易就能够复制人的 [45:00] 你像前些的Anthropic出了一堆的工具直接就把软件给带崩了咱们干的活跟他干的这个是不是同一个东西以及说Kimi啊智朴啊接约啊腾讯啊阿里都想干他会不会顺势他就自己都干掉了这个每一代都有Infer层会不会干应用层的事我觉得每一代都会有我不知道AI这一代会不会是个例外但是既然我在这个领域创业我就觉得我们存在的价值是巨大的模型公司是不是也想比如说你看minimax最终也是靠一些agent来变现的节约模型基本上甚至连他们自己都不一定用他们还是靠自己的agent来变现的所以他们到底是个模型公司还是一个应用公司要看他是实质我们肯定是个应用公司所以我不会有一个负担交只能用自己的模型我们也有一些推理的模型没有一个Universal的模型可以做应用比如说我今天写代码我用Cloud这个模型我今天做视频用Cdance可能过一个月我做视频又不用Cdance了所以没有一个模型可以解决所有问题使用的场景是一个多模型要写作的所以我不觉得有一个模型公司可以干完所有事除非这些模型公司都合并成一家在我们下一个阶段最重要的事情应该是什么前段时间有一篇文章写的还蛮好的叫Context是下一个trillion dollar business万一几个机会现在的主流或者说公众还在关注模型的时候事实上为了用好模型整个应用的生态已经变得很丰富了我们希望在上下文的层面上能做到全世界最好这里边有很多技术的问题有很多应用场景问题没有足够多企业给我们出难题技术也都是空中楼阁第二个当你把context做好以后事实上你有机会更好的深入到企业实际解决问题的场景里边帮企业解决问题的时候我还是非常想看到一种AI公司新的商业模式的出现那前面你提到Anthropic把软件公司干掉比如说我们自己的agent的付费率是软件的十倍那为什么更多的人愿意付费给agent原因是因为agent不仅把软件干掉了甚至把很多原来用软件交付服务结果的干掉所以agent可以直接交付结果那这里边会有新的商业模式的出现我是很期待一方面在技术上context这些才能做到最好第二我们能够发明出一种不像软件付费一样的商业模式现在有人会说叫以结果付费有人会说叫token economics词源经济我觉得这可能都才刚开始我们最近也在试一些类似于拿AI和垂直行业合资的方式如果他赚钱我们就赚钱如果他不赚钱说明我们俩都有问题这也是一个方式profit share类似于这样的不再只是以提高你多少效率来衡量而是以带来多少竞争力来衡量他就好像说以前我买个锤子是为了盯那个钉子或者我找一个人带着一把锤子来盯那个钉子今天的AI就是那个人加上锤子和那个钉子它的完整的package以前你买excel你买这个那个还要去学怎么做excel现在就直接告诉你数据分析的结果甚至直接告诉你下一步应该干什么职能型的工作会越来越少这毫无疑问判断性的工作会越来越大AI的时代会比以前更勇敢更需要想象力更需要创业者这个AI唯独不能做的就决策他能给你都推出来但是他做不了决策有结果的是要有成本的是要风险的那这个是需要你自己做的以前我们可能要在这三种选择这四种选择推演上我就要花很多精力了但现在我可能这个的精力体力要减少很多可以把更多的时间花在我到底怎么做这个选择上确实觉得AI时代大家不是道理知道的少反而道理知道的更多但是勇敢还永远都是稀缺的我这里我就特别想讲我前些日子炒股的事情我们就拿美衣从开战开始当时我就特别关注几个美元还有黄金的动态变化当时我是非常低估了对流动性的快速的红锡从而导致黄金的快速下跌我是低估了这个低估我是问过我的付费的GNLGPT我都聊过它只能告诉你概率可能会发生战争可能会持久也可能会不持久道理都对就算他是个活人你也告不了他因为他都告诉你了只是你自己在做判断的时候 [50:00] 你选择了一种判断所以这个我就发现说我也可以搞一个所谓的量化模型但是我这个模型跟专门卖量化产品的人有区别我有个朋友明天他会来他跟我说他一年买卡买设备做算法一个量化基金公司一年5000万到一个亿是要花的我觉得他背后的模型跟商业化模型和决策的因为他管钱最后要给客户结果的这是两件事情粗的那个模型都相似理念都一致但是结果和它的精细度是非常不一样的我们的一年的卡的消耗也是差不多5000到一个亿今年估计会远远超过5000了也许我们也可以试试看能不能开始做量化了帮客户做决策了很多比如投流啊什么这些模型很大程度上也都可以用来做量化再插个其外话黄仁勋当年他一直把量化基金公司当做大客户的黄荣君每次来中国要请top的量化老板一起吃饭在AI还没有到今天这个地步之前他一直认为量化公司是他最大的买家所以你看中国最好的开源模型也是量化公司出的因为当年只有这些公司愿意花基建的投入来储备算力最近我还有个任务这样子我精神压力很大我要去给top3的公司分享怎么做AI转型首先我也不是做讲师的他更多还是一种信任所以我不想说向绝大多数的人去讲我跟你说AI来了说一些废话我也不想浪费我时间我也不想浪费他时间对于大公司未来三年会不会发生大规模的裁员中国本身是产能过剩的而我们还在提高效率这已经产能过剩了最大的问题是效率过高过剩就是因为效率过高所以过剩现在就鞋场在用AI改造生产现在鞋场的最大问题是库层根本不需要提高效率所以你个人认为说我们到底AI拿来干什么最后就变成了说把人开掉做成OPC吗为什么发达国家有这么多丰富的服务业因为工厂不需要那么多人所以大家都去做服务业服务业效率是不高的但是能养活每一个人所以我觉得中国也会有更多服务业当然服务业从规模化的到个性化的现在还在规模化的阶段我也没有觉得叫悲观每一代都会有这样的事情我们父母那一代也有下岗就每一代都会有这样的事情然后再重组又会有新的工作出现大多数讨论技术的人都是技术背景我总会想想有没有人文的故事可以支撑这样的想法你看那个当年有一个印象派艺术家看到了摄影他就说绘画已经终结了结果没想到后边有这么多的各种新的画法画的不像的变成一种解放就原来绘画的主要目的是要画的像画像像画的像结果一下子把它解放出来绘画不用再去模拟真相了绘画可以表达自我了所以现代艺术是一个观念的艺术不是像不像的艺术从来不会说这张画用画的很像所以之前都是因为这张画表达某种观念让这个人这个画家为人所知所以他的东西才值钱今天是个马桶盖只要是镀上的都很值钱我会更多的把AI当作一种解放但这是一个很高位的思想需要时间需要更多波波一样的文化人去影响让我们重新回到我们的精神世界还是很有价值的而不是只是今天要去提高效率效率是一个简单优化是一个非常资本主义的东西就像从毕达哥拉斯开始说就是说树是我们理解世界的唯一逻辑所以我觉得这是第一个第二个如果你今天有机会去分享我恰恰觉得应该讲讲人工智能时代的人而不是讲讲人工智能时代的技术技术第一是个移动吧第二讲的人太多但人工智能时代的人我们自己的心理安全感企业的安全感我也看到一些企业在人工智能时代对人的关怀反而增加了不是每个行业都适合比如你如果今天是有一万家奶茶店的那为什么要用AI去卷奶茶店里边的店员你应该给他们某种支持所以我觉得这个话题蛮重要怎么样让我们go beyond只是优化我觉得这个是伟大的企业一定要去想的问题你说这个我也很有共情我前几天我写了一篇叫除了降稳增效还有别的路你就往更便宜这条路它还是死路的因为总有更便宜比更便宜还便宜我有限的智慧我是解决不了但我能看到这个问题中产阶级原来是消费的主力大家都预测是消费的主力 [55:00] 但没想到是消费降级中产阶级的压力越来越大这个问题怎么解美国当然有自己的解法美国的解法就是股票不停着涨所以有钱人更有钱这些人会雇佣更多的人股票带来的流动性回去让更多的中产阶级有了消费能力又支撑了股票的基本面大概这样的一个逻辑国内没有太多发钱的这种操作所以中国应该要有别的方式去解这道题但是正循环是很重要的经济性已经是很重要的最后还有一个行业问题我们过去说的广告业我觉得我们是见证了广告业从巅峰走成一个代理公司电资公司这真的就是干成了乙方了AI可能是他最后一根稻草了现在甲方先用AI生成Brief再用AI来评价他的提案给你的钱就是一个辛苦钱所以你觉得广告业还有希望吗过去一直觉得特赞是来替代广告业的不过知道我自己背景和广告业没什么关系我是做产品的背景只是因为做产品营销广告是企业花钱最多的一个领域所以我们误打误撞进了这个行业没什么负担也没有什么要拯救他的情怀从我的视角来说我反而因为在这个行业里对这个行业里边的人我还是觉得是一群很有趣的人只是在越来越效果或者越来越数字驱动的时候他们进广告行业不是因为不停的优化但是没想到现在不停优化估计必反吧可能过去这十年十五年是下行没有比现在品牌更重要而且品牌需要时间没有比现在用户心智更重要信用户心智需要时间没有比现在go to market更重要go to market需要创新需要AI预测不了的那些不会比现在更差接下来会起来不一定代表是一些AI用的最好的人起来反而是一些对AI最有态度的人会起来不是WPP不是澳美洋师不是广告生意人真的是那些不当总统就当广告人的这些人又是一个很好的机会这些人也得Tag Savvy必须得理解AI不一定代表他们是AI专家他们得理解AI我们今天聊了很多但是由于AI行业变化快他可能下个季度就变了所以我们AI行业的朋友都是来我们这里返场最多的因为过三个月他就要准备再来重申一下重申一下我的看法之前说的好像有哪些不对的以及有哪些是对的你看我还是可以的我们也期待下一次范老师再来我们这里做客谢谢大家谢谢波波很期待以上是我们这一期节目的全部内容如果你觉得这一期节目对你有所启发有所帮助欢迎你的小王苏朋友圈微博等等平台分享你的看法你的笔记同时也可以加入我们的社群期待与你相见如果你同样有表达欲还有独特的见解也欢迎联系我成为我们的嘉宾同时大家也可以在公众号竞技波财经上观看更多的深度文章深度报道所有视频平台都可以找到我竞技的孙帅波