中国品牌官

　　文/高远

　　2024年，随着英伟达股价的持续攀升和人工智能相关创业的如火如荼，生成式人工智能(Gen-AI)对社会协作方式的影响成为公众和媒体的热议话题。然而，对于企业领导者而言，他们更关注的是如何通过AGI(通用人工智能)推动企业的快速增长，而非仅仅降低人力成本。为了深入讨论这一话题，我们采访了邓丽，以期了解在这个人工智能高度交互的时代，企业决策者应如何在营销领域紧跟潮流。

　　邓丽，上海扶乐荷文化传播有限公司创始人，曾是《凤凰周刊》和《21世纪经济报道》的资深记者，因其出色的新闻洞察力而屡获嘉奖。在从媒体界转型至公关营销行业后，邓丽在多家世界500强及知名公司中参与了品牌公关与营销工作，还曾在阿里巴巴蚂蚁金融服务集团担任安全生态业务领域危机管理沟通的专家。

　　此外，邓丽曾任平安集团旗下前海征信公关总监。前海征信是一家专注于金融科技和数据服务的个人征信公司。之后，她更进一步成为平安集团上市公司金融壹账通的公关总监和市场运营负责人。离开平安集团后，邓丽在上海参与创立了一家人工智能企业，并出任首席市场官，负责市场品牌工作。依托一群来自硅谷科学家的创新算法，该公司在中国互联网和文化媒体领域成功吸引了上百万粉丝。

　　在见证了互联网行业的巨变之后，邓丽决定自立门户，创立了扶乐荷文化传播有限公司。

　　从负责调查和财经新闻报道，到负责大型金融和互联网公司品牌公关工作，再到如今的自主创业，邓丽始终与国内顶尖企业和新兴网红品牌携手合作。近年来，她所服务的客户包括腾讯集团(包括微信)、摩拜科技、笑果文化、百度等知名企业，同时她还为美国的BrainCo脑机接口公司和电商平台WEEE提供了专业服务。

　　邓丽还积极参与公益事业，是国内大型公益项目“免费午餐”的媒体发起人之一。“免费午餐”是由前媒体人邓飞联合全国500名媒体人于2011年发起的公益项目。历经13年的发展，该项目已经成为国内最具影响力的公益品牌之一。截至2024年4月底，“免费午餐”公益基金项目已惠及中国26个省份的1764所学校，累计为43.6万多人次提供了热腾腾的免费午餐。

　　在邓丽眼中，如何借助AGI推动企业实现飞跃式增长，已成为企业管理者亟待解决的重要问题。然而，当决策者规划营销基础设施投入时，他们仍需以基础的商业策略为指引，来明确决策方向。

　　20世纪90年代后半叶，信息获取与整理逐渐商业化，催生了一大批信息服务企业，如谷歌、雅虎和亚马逊等巨头。而从2022年和2023年开始，随着GPT-3的诞生，人工智能的发展已从单纯的信息处理迈向模型的爆炸式增长。信息不再是零散的片段，而是相互交织，形成了一个系统化的知识体系。

　　随着MaaS(模型即服务)的兴起，模型在当前生产体系中的地位日益凸显，其重要性不容忽视。预计模型的价值演变将遵循AI(人工智能)发展初期流量的轨迹，迎来显著的增长转折。未来，即便是管理小型日托所，也需要一整套完善的模型体系，涵盖战略、营销、运营和财务等各个领域。

　　营销模型，从本质上讲，是特定人群的信息模型、决策模型和消费模型的结合体。借助大模型，这些营销模型能够更广泛地发挥作用。而利用区块链技术，它们可以达成更广泛的协议。这也意味着，那些能够更早通过API接口(应用程序接口)开放模型调用的公司，将会更早地从外部第三方企业收取调用费用，进而实现自身的要素型收益。

　　邓丽表示，自动化将渗透到各个方面，而营销当前的任务是更广泛地对接服务。高盛研究显示，全球范围内有3亿人的工作将被AI自动化取代，其中包括品牌人员、营销策略人员，尤其是前端的增长运营人员。首先受到冲击的将是“数字广告投放”工作，这类工作很可能会被AI模型所托管。对于那些仅负责作出理性决策而不提供创造性解决方案的岗位来说，扩展其工作的价值链成为唯一出路。未来的营销将不再仅仅局限于“影响”人类的消费决策，而是必须引导消费者采取特定的行动，如消费、交流、投票等，最终实现服务的获取。

　　关于如何评估营销AI基建搭建的重点及其成本，邓丽指出，企业应首要投入的是一位全面的营销负责人。这位负责人应深谙公司业务、精通营销技术，并理解数据资产化的重要性，其角色相当于CMO(首席营销官)、CTO(首席技术官)或CDO(首席数据官)。这样的人力资源成本预计每年9万至22万美元(折合人民币约65万至158万元)之间。

　　此外，建立一个能与大模型交互的数据中心也必不可少。此部分费用分为两类：一是大数据开发治理平台的成本，以混合云方案/基础版为例，每年大约需要1万余元;二是若企业选择建立本地数据中心，其一次性投入成本至少为150万元。

　　无论是自行构建AI的能力还是与平台方合作，都需进行测试，并最终选择适合自己数据类型的AI工具筛选机制。在之前的阶段，营销部门已收集了消费者和潜在消费者的相关数据。然而，现在要着手分析你的数据中心或云上数据湖，因为要实现模型的“涌现”状态，就必须脱离简单的“品牌—货品—媒体内容环境”关系型数据库，进入“任务模型”状态。

　　举个例子，过去营销部门只需论证有多少消费者有50%以上的概率购买本月新品，并在其日常活动场所进行推广。然而现在，数据中心需实现“让老顾客在冲动消费情境下购买5000件商品”的目标，这就要求更多类型的数据，实时运算能力和与销售渠道的对接。同时，这也意味着需要增加测试和实验经费，因为模型泛在性的体现需要通用场景的支持，以及额外的算力和存储投入。

　　在下一个阶段，非人类主体将实现自主行动，其创新的重点在于前端表现或“载体”。目前，我们看到的如以ChatGPT-3.5为核心的“购物助手”，仍需依托智能手机等移动设备为人类提供导购服务。随着技术的进步，我们将进入多模态阶段，此时跨模态的图像、声音、视频和触觉等信息的协同读取与判断将成为主流，具备高兼容性和泛化能力的“载体”将成为核心要素。同时，自动驾驶、智能家居、智慧城市、空间计算和生物基材料等领域的布局，不仅是AGI发展的关键环节，也标志着智能营销的终极目标。