帷幄 CEO 叶生晅混沌演讲：硅谷眼中的 AGI，中国企业的漫长征程

上周，混沌学园 2023「一」思维创新嘉年华，请来了「半个 AI 圈」。「Whale 帷幄」创始人 & CEO 叶生晅（Jerry）受邀演讲，与参会嘉宾及观众畅谈 AGI 应用前景。

多年来，帷幄始终追求技术与品牌营销场景的「双向奔赴」，立足中国，服务上千家全球标杆品牌数字化营销运营。同时，帷幄积极出海，以全球化视野引领未来 MarTech 潮流。

本文截取了 Jerry 演讲中的部分精华，带你了解：

• 营销人常说的「人、货、场」背后，有两件事尤为关键；

• 硅谷企业和投资人眼中，AGI 方向在哪里；

• 中国企业在大模型方面的差距，另有原因，问题背后是巨大的机遇；

• 很多品牌已经用 AGI 创新出令人惊叹的营销玩法，但也不必焦虑，学会与时间做朋友更重要。

很多品牌都认为数字化是其走向成功的关键乃至唯一原因。那么把数字化拆分为「人、货、场」，有哪些关键词呢？

人

关于用户，我们需要把握的关键词是：Engagement，也就是用户参与。这个词进一步拆解，就是 Acquisition 和 Retention——客户的获取和存留。相关的技术平台也就是 CDP（Customer Data Platform）。

在 CDP 系统中，我们存储大量用户标签。一些品牌拥有多达 2000 多个标签，来细分用户。

场

场的底层关键词是 Standardization，也就是标准化。例如很多知名咖啡茶饮品牌，其所有门店的体验都完全一致，这就是标准化。

线下场域标准化的平台，叫SDP（Space Data Platform）。

货

关于货，我们需要注意的另一个词是「内容」。

为什么？因为我们在购物的时候，其实是先消费内容，再消费货。

例如我们先看了抖音的视频，然后才会购买对应商品。货和内容之间，是一个承接关系。

从营销内容生产到分发的整个流程，效率至关重要。承载这一功能的平台，叫 DAM（Digital Asset Management）。

以上平台就组成了品牌的数字化体系。而数字化体系，最终落脚在两件事上：

一是可执行洞察（Actionable Insights），让数据实现可视化分级和商业化洞察。

二是运营自动化（Operational Automation），让很多运营执行系统更加自动化，降本增效。

从客户的角度来看，所有的营销和销售工作，归根结底就是一件事：定义客户旅程，并提升转化率。

以咖啡茶饮品牌为例，很多客户旅程从小红书开始，然后在抖音直播间发放优惠券，客户到达门店后，获得良好体验，同时看到广告牌上的新品并购买，此后该客户在小红书上发布自己的消费体验。

当这一系列用户旅程被定义后，品牌就可以对应收集数据，制定策略，提升每一环节的转化率。

基于用户旅程，帷幄总结了 J 型全渠道体验流程，来帮助品牌打造更有价值的数字化体系。

这个模型展现了大多数营销的标准范式：从直播开始引流，之后转入用户线下体验，完成体验后进入私域做转化和留存。这对应了帷幄三个核心产品：

「帷幄数智空间 Whale SpaceSight」，应用于数字化线下门店运营；

「帷幄内容营销中心 Whale Harbor」，应用于数字化内容营销； 

「帷幄开播 Whale Cast」，应用于数字化直播间运营。

今年 3 月，与很多硅谷企业、投资人聊过后，我发现主要投资方向可以划分为以下四个方面：

1. 最底层是大模型。当然，不局限于语言模型，也可能是图片乃至视频的模型。

2. 再往上是平台层，例如 Graph Engine 等。它们做的事情是将各种大模型与现有的 GUI 或 API 做对接。

3. 再往上是垂直领域的大模型，更加可控和个性化。

4. 最后是应用层。大模型目前最大的两个应用，一是营销，二是游戏。

不过，找到方向以后，要做好哪些事情，就是另一个重要议题了。未来困难和机遇并存。

做大模型，最难的还是数据。

为什么很多中国的大模型没有做好？并不是因为我们没有模型。模型是一个 open knowledge，很快大家就都能掌握。

难点在于获得好的语料，花时间进行训练。

OpenAI 此前用了 5 年时间来标注数据，才做出今天这么高质量的 GPT 模型。而中文本身比英文更难，有更多歧义，也给中文语言模型训练增加了困难度。

此外，中文互联网世界充斥着大量营销类水文，质量偏低，也给优质语料的获取雪上加霜。

第二重困难是计算资源。

这一点众所周知，美国在芯片上对中国「卡脖子」。缺芯问题导致模型训练效率差异巨大。

第三个难点是人才。

此前不少人蹲在 OpenAI 门口抢人。不过这种现象现在没有了，因为硅谷人才流动很快，OpenAI 的员工可能半年后就去了 Meta 或谷歌。

换言之，知识在快速实现平衡。你是如何训练模型的，几个月后行业内就都知道。所以我们可以看到大量的公开模型在逐渐超越 GPT4。

真正的难点是实际去训练一个模型，这一工作很多时候需要精准的直觉，无法完全用理性和语言解释清楚。

训练模型成本巨大，一旦发现问题，就需要及时叫停和调参。如果过了两天后才发现问题，往往就是很大的成本损失。因此真正的稀缺重要的人才，是那些可以一眼感知到模型训练曲线问题并及时叫停修正的人。

至于模型本身，目前开源模型已经很多，非常容易拿到，因此难度反而在数据、计算资源和人才之下。

很多朋友非常焦虑：我会不会赶不上 AI 的大时代？

数字化已走过 10 年左右的历程，但要说完全落地，仍需等待很长一段时间。

AGI 落地也是如此。它不会一蹴而就，在垂直领域的落地，可能要花 5 年、10 年的时间。

为什么说未来每个企业都需要私有化的模型部署？

例如一家车企要撰写文案，其风格一定不同于苹果或泡泡玛特等。不同行业、不同公司都有其独特的营销语言和规范。

做营销和销售，唯一的目的就是多赚钱，所以我们非常看重 GMV。决定 GMV 的两个方面，是内容宽度和内容转化深度。

内容宽度对应无限数量的内容需求，转化深度则对应无限场景的内容需求。

AGI 使得千人千面营销真正得到了技术支持。例如一个品牌拥有 2000 个用户标签，但过去品牌可能只能生产个位数的海报图片；而通过 AGI，却可以对应无限量的用户标签和场景，生产出无限量的营销内容。

这给电商带来了巨大颠覆。

例如过去电商图片生产需要模特和摄影师，一套图的成本往往 500 块到 1000 块，或者更高。而现在通过 AGI 技术，只需要过去 1% 的成本就可以完成，效果足以以假乱真。

再如在汽车行业，销售在经客户同意后，通过语音工牌记录与客户的沟通过程，进而用 AI 转化为客户 CDP 数据。接着就可以凭借这些数据为该客户生成更加个性化的内容。例如该客户喜欢野营，那么在试驾报告中就可以更多体现草地环境；喜欢城市生活，则可以更多体现城市地标。

这一举措可以为试驾报告提升 30%-40% 的 CTR（Click Through Rate）。在汽车销售转化体系中，这个数字非常了不起。

AIGC 的应用想象力非常丰富，例如，我们将帷幄 IP 从 2D 转化为 3D。

AGI 也影响了 C2M 模式。例如珠宝生产，设计师借助 AI 可以为客户生产出无限多种产品方案，客户根据喜好进行挑选，进入工厂生产环节。这个过程也可以帮助品牌发现潜在爆品。

最后，内容生产需要放在整个内容管理流程中，来实现全流程提升。

例如，一个品牌每天需要在各平台分发上万条营销内容。品牌要做的第一件事情就是内容审核，避免内容违反广告法或出现其它不合规情况。

此外，品牌需要建立完善的标签体系，避免把个性化内容推送给完全不适配的人群。

第三，需要建立内容质量打分体系。不同的内容投放出去后，哪些成为了爆款？通过数据回收，反哺打分体系，优化内容生产。

一些标杆品牌之所以能够用 AI 真正生产高品质内容，正是是因为他们花了大量时间去搭建体系，积累以上数据。

而这一体系的搭建，从在线协作内容生产，到企业级内容资产管理，再到内容审核、分发及数据洞察，正是「帷幄内容营销中心 Whale Harbor」所做的事情。

结语

AGI 的落地仍在初期探索阶段，这是一场技术与应用的盛宴。帷幄积极与我们的品牌伙伴探讨更多好的想法和 Idea。未来，我们期待发现更多实际落地方案，带来品牌营销链路的更高效的转化，助力品牌商业增长。