SparkX 第四届出海 AI 营销生产力峰会落幕：AI 普及之后，企业靠什么拉开差距？

当 AI 技术门槛降低,新的差距也开始出现。

同样的模型和Agent,进入不同的业务体系,结果可能截然不同。消费者数据如何变成 Agent 可以理解的上下文?个人经验如何沉淀成组织可以反复调用的能力?当 AI 开始承担越来越多执行工作,人的价值又该往哪儿迁移?

8 月 21 日,由 SparkX 主办的第四届出海 AI 营销生产力峰会在深圳鹏瑞莱佛士酒店圆满落幕,此次峰会以「共生进化 专业致胜」为主题,汇集了硅谷著名投资人 Steven Hoffman,混沌 AI 院院长张雷,以及来自 Anker、Plaud 、Ubras、Laifen、Ulike等品牌的30多位管理者与一线 AI 实践者。

全天近 20 场演讲与深度对话,覆盖硅谷 AI 趋势、企业 Agent 落地、产品创新、品牌增长与组织进化等议题,吸引了超 1500+ 观众线下参会,同时,线上多平台同步直播观看突破 15 万人次。

这些看似差异化的议题,最终都指向同一个问题:当 AI 成为所有企业都能获得的基础能力,什么才是真正拉开企业差距的竞争力?

01 |当模型趋于同质化,真正的壁垒正在迁移

过去几年,大模型几乎以半年甚至更短的周期刷新能力边界。但对企业而言,一个越来越明显的现实是:模型越来越强,并不意味着企业使用 AI 的效果会自动变好。

SparkX 创始人 Jun Yuan 在峰会开场分享提出,随着中美主流模型能力逐渐接近,企业关注 AI 的重点正在从模型参数转向业务结果,真正需要回答的问题,已经不是“哪个模型最好”,而是:能不能把自己的专业能力注入 AI。

Plaud 合伙人、亚太区业务负责人 Raymond Sun 将其进一步概括为一个词:Context 。在他看来,Context 上下文正在成为组织 AI 化的重要基础设施。客户反馈、业务数据、会议对话和员工经验,看起来散落在组织的各个角落,但一旦能够被 AI 理解、调用和持续更新,就会从“信息”变成企业可以反复复用的能力。这也是为什么,AI 越往业务深处走,数据和企业知识反而越来越重要的原因。

Anker CIO 龚银在分享中提到:“高质量的数据加一个小模型,往往比没有数据的大模型更有价值。”从 2023 年开始,Anker 的 AI 实践经历了从能力探索、业务深度应用,到能力体系建设和企业智能体加速落地的过程。越往后越发现,模型不是最稀缺的东西。真正需要补齐的,是能被 AI 理解的数据、能够被 Agent 调用的系统,以及能够定义问题和判断结果的人。

这背后其实是企业 AI 竞争的一次重心迁移:过去,企业争夺的是模型能力;现在,企业争夺的是如何让模型真正理解自己的业务。模型可以买,Agent 可以搭,算力可以采购。但企业多年积累下来的消费者洞察、产品经验、供应链关系、专业判断和组织知识,很难在短时间内复制。

换句话说,当 AI 越来越成为基础设施,企业自身的专业能力和上下文,反而可能成为新的竞争壁垒。

02|Agent 的价值不是多几个“AI员工”,而是重新设计工作

如果说 Context 决定了 AI 能不能真正理解企业,而随着 Agent 的落地,判断什么应该交给 Agent,以及如何让 AI 真正嵌入业务流程则是更大的难题。

硅谷著名投资人、Founders Space 董事长兼首席执行官 Steven Hoffman在分享时表示,AI 最值得优先进入的,是那些人已经成为瓶颈、结果能够被衡量,同时 AI 又能显著放大产出的工作。例如需要 7×24 小时响应、大规模个性化、重复繁琐,或者已经拥有清晰业务流程的任务。相比押注半年后才能看到结果的大型 AI 项目,更有效的方式,是让最懂业务的一线团队提出问题,用三周左右的小项目快速验证,以结果判断价值,再把有效的方法复制到更多团队。

这背后其实是一种非常现实的 AI 落地方式:不是先拥有一套完整的 AI 战略,再寻找场景;而是先用一个真实业务问题证明价值,再逐渐重构系统。

Anker 的实践中,AI 最初同样从高 ROI 的小场景进入,当单点价值被验证之后,AI 开始进入业务系统和上下游流程。最终,Anker 进一步提出 PA(Process Agent):让 AI 接管的不再只是一个动作,而是一段完整业务流程,让数据、工具、判断标准和交付结果在同一条链路中运转。

这意味着 AI 对企业的价值开始发生变化。第一阶段,提升一个人的效率;第二阶段,提高一个团队的产出;而再往后,则开始重新定义“这项工作为什么还要按照过去的方式完成”。真正的 AI 转型,不是把旧流程提效 30%,而是重新设计流程本身。

哈库拉玛塔达创始人兼 CEO 孙翔提供了一个更加具体的例子。他认为,AI 最值得做的,不一定是创造新的商业常识,而是把那些企业一直知道应该做、却因为“太贵、太慢、没人手”而没有做的事情规模化完成。

譬如真正读完海量消费者评论。过去,让团队每天逐条阅读不同国家、不同产品的评论,再把用户问题分类、提炼需求、建立人群画像,并持续反哺产品研发、广告和供应链,几乎不具备现实的经济性。但AI 改变了这件事情的成本结构。

围绕消费者声音,哈库拉玛塔达陆续建立画像 Agent、需求 Agent、广告文案 Agent、社媒 Agent 和供应链匹配 Agent,让消费者反馈一路进入产品开发、广告投放与供应链决策。目前,公司内部已经运行 170+ AI Agent。AI 在这里创造的价值已经很难用简单的“节省了多少人”来衡量,而是多做了很多过去根本做不到的事情。

而当 Agent 接管越来越多执行工作时,“人”的角色也必须随之改变。Steven Hoffman 提出,未来员工会从任务执行者逐渐转变为 AI Agent 的管理者。混沌AI 院院长张雷则进一步指出,企业 AI 正在经历从“岗位 + AI”“职能团队 + AI”,走向“AI + 产品”甚至“AI 原生生态”的过程。

在这个过程中,一个越来越明显的变化是:AI 让产出变得越来越便宜,而高质量的判断、目标设定以及对最终结果负责的能力,正在变得越来越贵。过去,一个优秀员工的价值可能来自操作熟练、经验丰富、执行速度快。未来,这些能力依然有价值,但真正难以替代的部分会逐渐变成:能否把复杂问题拆解成流程,把隐性的判断变成标准,再把这些经验转化为 AI 可以执行和组织可以复用的能力。

这意味着,AI 改变的最终可能不是某一个岗位,而是企业如何定义“工作”,以及如何重新定义“人”的专业价值。

03 |当 AI 重构消费者入口,增长开始重新回到消费者和品牌

AI 对企业的影响不仅发生在内部。消费者端同样正在经历一次更隐性的变化:搜索、发现、比较和购买的入口正在被重新组织。

一个消费者可能在 TikTok 发现产品,在 ChatGPT 做比较,在 Google 搜索品牌,在 Amazon 阅读评论,最终进入独立站购买,因此品牌也越来越难解释真实的消费者行为。在峰会的全域营销讨论中,SparkX CGO Jason Zhang 提出,全域营销已经不能被理解为“多开几个渠道”,而是应该重新围绕消费者完整的决策路径,定义每一个渠道在增长中的角色。

亚马逊广告大客户硬件品线负责人 Huiwen Chen 也指出,消费者天然会跨渠道流动,品牌很难决定消费者最终在哪里完成购买。真正重要的是理解不同触点在消费者决策中扮演的角色,再借助 AMC、Amazon DSP 等广告技术以及 AI,更完整地还原消费者路径、识别增长机会。

Shopify 大中华区合作伙伴业务负责人 Tony Jiang 则观察到,来自 ChatGPT 等 AI 工具的流量正在快速增长。这也让独立站出现了新的角色:它不仅是一个销售渠道,也是品牌沉淀第一方数据、组织商品信息,并连接未来 AI Shopping 入口的重要基础设施。

当流量入口越来越多,增长反而不能继续围绕“渠道”来组织,而需要重新围绕“消费者”组织。

但 AI 对营销更深层的影响,还不只是流量入口改变。当消费者获取信息、比较商品、筛选品牌的成本越来越低,“为什么选择这个品牌”反而开始变得更加重要。Google 全球展示广告、视频与创意业务董事总经理 Tony Effik 将 AI 时代的营销拆成两套同时存在的逻辑:一套是 Agentic Strategy,通过 Feed、Agent 和智能系统更加高效地识别和承接已有需求;另一套是 Brand Strategy,通过创意、内容与品牌叙事主动创造需求。前者解决“如何被找到”,后者解决“为什么最终选择你”。

类似的变化也发生在搜索领域。美讯 iMpact 创始人兼 CEO Chris Pereira 指出,当越来越多消费者开始直接向 AI 提问,品牌竞争正在从“能不能出现在搜索结果里”,进一步变成“能不能进入 AI 的答案”。因此,GEO 并不是简单的 SEO 升级。政府关系、商业伙伴、投资者关系、社会责任、雇主品牌、媒体报道等过去散落在不同部门的品牌信息,都可能共同影响 AI 如何理解一家企业。品牌过去积累的“信任”,正在第一次大规模变成可以被机器读取和判断的资产。

AI 可以快速比较参数、价格、评价和功能,也可以不断优化投放效率。但它无法替品牌回答一个最根本的问题:

当所有产品都更容易被找到、被比较,广告越来越容易被优化,真正稀缺的则更加可能是差异化、创造力、信任,以及品牌在消费者心中长期形成的位置。

结语|专业从未过时,只是换了一种形态

当模型、算力与 Agent 逐渐成为企业可以普遍获得的能力,AI 本身就很难继续构成长期差异。

真正决定结果的,开始回到企业自身:如何理解消费者,如何定义问题,如何做出判断,又如何把那些长期存在于个人经验、业务流程和组织协作中的隐性能力,转化为 AI 能够理解、调用和持续迭代的能力。

这也是「共生进化 · 专业致胜」更深的一层含义。