深演智能CEO黃曉南：組合型武器AI Agent，重構萬億級決策戰 |《AI營銷新范式》03期
文 | Tiana
PC端的爆發讓搜索營銷成為主流，社媒的發展又讓種草成為第三種范式，那么，AI的到來會讓營銷產生哪些顛覆式的改變呢？Morketing 2025特別打造《AI營銷新范式》欄目，將結合理論與實踐，為觀眾呈現最新鮮、最專業的AI營銷見解和策略，在AI視角下，探尋營銷與商業的新可能。
2025年的營銷戰場，正在上演一場靜悄悄的革命。
在深演智能創始人兼CEO黃曉南的腦海里，儲存著兩份特殊的 “作戰地圖”：一份是2009年公司初創時的規劃藍圖；另一份是最新的AI智能體系統架構圖。這兩份相隔16年的文件，恰是中國AI企業決策進化史的縮影。
從人機交互，到深度學習，再到AI智能體，我們如今已步入了AI企業決策的第三個階段。
上一個階段，企業手里握著的數字化工具如同一個“頂級的工具箱”，里面有錘子，有電鉆和各種更高級的工具。但真正被高頻使用的卻是那把最簡單的錘子，因為其他工具還沒有很好地融入工作流。
在黃曉南眼中，這是一件非常可惜的事情，就如同客戶拿到武林秘訣卻只能打開第一頁。
但進入AI agent時代，機會來了，這些高級工具被組裝了起來，變成一個“巨無霸”工具，只要對“它”說出需求，對應工具就會自己蹦出來，替你解決事情。這件事情成功地讓精細化運營再升到了一個高度，也讓營銷人的工作流發生了翻天覆地的變化。
在深演智能還叫做品友互動的時代，黃曉南就堅定地選擇了一條難而正確的路——用AI賦能企業決策。從最初的小模型到如今大小模型結合，深演智能總是走在最前沿，不斷迭代，追逐風口。
最前沿的AI企業決策到底在玩什么？
AI agent究竟在解決什么問題？
企業如何更好地使用AI agent？
……
為了探究這些問題，Morketing Group 創始人 曾巧特別邀請了深演智能創始人兼CEO黃曉南展開了對話，揭開多個關鍵謎題。
AI企業決策的三個階段：
交互、推理、智能體
曾巧：最近深演智能發布了新的AI agent產品，在這個節點發布看起來很有意義。
黃曉南：是的，如果回顧深演智能的發展過程就會發現，今天這個產品的發布是趨勢下的必然成果。從公司成立到現在，過去十幾年我們一直堅持做一件事情就是“AI賦能企業決策”。
曾巧：AI賦能企業決策？為什么選擇“決策”作為核心？畢竟“賦能”可以應用在內容、營銷等很多領域。
黃曉南：因為決策貫穿企業經營的所有環節，比如營銷、庫存、生產等，我們的核心能力就是在于數據和算法結合的領域。我們擅長的就是用AI提供超越人類能力的決策支持，人腦計算存在局限，而算法能處理多維數據。
我們公司的英文名是“Deep Zero”。“Deep”代表深度學習的“deep learning”，“Zero”是什么意思呢？是不可戰勝，AlphaGo是會被人類打敗的，但升級版AlphaZero不會，這象征我們追求頂尖智力。
如果說企業經營有人承擔art的角色，有人是science，那么毫無疑問，深演智能走的是science的路，專注用數據和智能改變企業決策。
曾巧：這條路一走就是十多年。這一路上風景怎么樣？
黃曉南：很迷人，也很多變。我們其實也經歷了所謂的“三代AI”。
第一個階段的AI能夠具備人機交互的對話能力。剛開始公司成立的時候，我們基本上用的都是小模型算法，像廣告投放里的預測算法，機器學習等。基于native space這樣的技術，可以實現點擊率和轉化率預測，最終落地為“千人千面”廣告投放，這個大家現在都很熟悉。
第二個階段AI已經能夠具備人的推理能力了。也就是2016年AlphaGo出來后，引爆了第二波老百姓對于AI的認知，這也意味著深度學習的算法可以借鑒在企業決策里。于是，我們開始借助這個能力幫企業做用戶運營、廣告預測等。通過小樣本、大樣本訓練，預測用戶行為，比如，流失、復購、新品購買傾向等等，來提升用戶運營效率。
但這一代AI的問題在于流程復雜，且周期很長。想要算法發揮作用，首先要業務提出需求，然后數據科學家把需求實現，再然后需要把科學家做出的成果再部署上線，再后面用到和客人的真實溝通里邊。整套流程很復雜，最后在落地的時候，算法對于生意的幫助就已經打了很多折扣。
曾巧：所以說，已經經歷了兩個階段，現在來到第三個階段——大模型驅動的智能體時代。這個時代為什么讓我們這么興奮？
黃曉南：因為解決了兩個問題：
一個是，它解決了自然語言的理解問題，它可以聽得懂人話，就不需要業務再去下brief。
另一個是，它把我們現實中的科學家復刻到了線上。并且這個線上的數字科學家已經達到真人科學家的水平，也就是說如果給真人打80分，agent就會在80分的基礎上繼續學習，自我迭代。原本半年才能循環一次的業務，在大模型時代一個月甚至更短的時間就能夠迭代。
你可以想象一下，過去小模型加上現在的大模型，我們打造出了一個自己能夠成長的算法工程師和數據科學家，然后每天并肩而坐一起工作。
這樣的話就把我們底層的一些數據能力、算法能力，這些冰山之下的能力，重新提到了業務的層面，達到能夠被任何一個市場部的人所使用的程度。
AI agent究竟在解決什么問題
曾巧：大模型+小模型組成了AI agent怎么理解？
黃曉南：小模型仍然是不可替代，我們依然要用記憶學習、正負樣本這些方法。因為在ToB場景中，可解釋性至關重要，而大模型是很容易存在“幻覺”問題，我們還是需依賴小模型完成精準預測，大模型本身不解決任何問題。
但有了大模型我們能解決什么呢？它能夠直接讓業務調動小模型的能力，同時快速學習，這是一個疊加產生的作用。深演其實也接入了國內所有的大模型，有擅長推理的，比如DeepSeek，有擅長信息檢索與問答的。
曾巧：那現在AI agent或者說“AI賦能企業決策”能做到什么程度？
黃曉南：用自動駕駛類比，目前處于L2-L3輔助駕駛階段。我們的核心理念是：AI提供決策建議，但最終決策權仍由人類掌控。大模型的語義理解能力，正在改變業務人員與數字化系統的交互方式——過去業務人員依賴IT或分析師跑數據，現在可直接用自然語言提問。
就拿CDP來說，過去我們對接的企業需耗費大量資源整合數據并把它梳理成一個可被分析的狀態，但他們可能并沒有真正用這些分析的能力，只是代理用了這個能力，或者說我們的人幫他們做了這個分析，然后生產一個報告發給他們。
但是這件事情不是最佳的狀態，最佳模式應該是業務決策者通過對話式智能體直接獲取分析結果。
曾巧：以前我們進入這個系統，需要先看數據，再分析數據，再進行數據投放，那么現在有了這個智能體后，我們不需要再自己操作這些流程了，我們直接問智能體，比如我要做一個咖啡的投放，基于當下市場你給我一個怎樣的投放建議，就可以直接進行投放了。
那這個智能體背后其實是你們已有的行業數據經驗和品牌自有的這個數據池、經驗池、知識庫，但體現出來的就是一個很容易操作的界面。
黃曉南：對的。現在就很方便了，節省很大的時間和精力。
就拿廣告投放來說，過去我們可能需要3周時間協調多方資源，而通過智能體系統，業務人員直接提問“目標人群畫像、媒體組合、KPI預期”就可以輸出，多平臺KPI完成率預測、風險提示，甚至是優化建議，這些都是基于我們已經積累的很多海量的數據，和過去用人來跑數據的準確度是一樣的。
用戶運營這個場景也是一樣的。如果是我的目標是把最近30天注冊的人轉化為首購，那我只需要對agent說：“把過去30天注冊的人還沒有首購的人圈出來”，智能體就會翻譯成我們能夠理解的語言，請大家確認，一分鐘就干完了三天的事。
而且你會看到，我們的智能體是會反問的，和一個數據科學家到客戶現場工作的邏輯是一樣的，我們把數據科學家做事的SOP也灌注到了智能體里，目前已經達到了最高的智力水平。
曾巧：對品牌來說，這個很有價值，因為不是每個品牌都需要去花這個成本招一個數據科學家來為自己服務的，智能體的邏輯，極大的降本了。
黃曉南：是的。這個智能體還有一個好處就是，它能夠把一些重要特征告訴客戶，反饋到業務里。比如智能體發現某個人過去瀏覽過我的APP某一個頁面，這個特質很重要，于是就會把活動引導到他的頁面上，讓客戶明白，這樣的用戶會更容易轉化，這也是基于我們公司多年的積累。
曾巧：能不能具體講講這種體驗？
黃曉南：過去很多營銷自動化工具需要“拖拉拽”操作，界面復雜，客戶反饋“根本沒人用”。但現在，我們的智能體完全用業務語言交互。比如你想做A/B測試、圈選人群、生成內容，只需用自然語言描述需求，AI自動完成策略生成，你只需選擇最優方案。這種全鏈路的業務流設計，才真正釋放了數據智能的價值。
曾巧：聽起來像是熬了十年，終于等到質變的階段了。
黃曉南：是的。就像練武多年，終于找到施展的舞臺。
深演智能突圍，
know-how為何如此重要
曾巧：這是產品能解決的問題，那上升到公司層面，深演智能究竟為客戶企業提供的價值是什么？
黃曉南：用一句話講就是，我們把企業營銷環節摘出來，用數據和算法解決可以用AI優化的決策場景。
比如說，首先我們找到了大量的決策場景，在整個鏈路里我們關注到投放這個環節可以用智能投放替代人工投手，于是我們通過算法實現實時精準決策，解決“該給誰投廣告”、“何時投”的問題；第二個場景是會員運營，比如說幫助品牌，解決“給誰發券”“發什么券”“何時發”等問題；那么接下來也可以進行電商推薦，根據用戶行為實時推薦商品，提升轉化率。
所以，我們做的事情從來不是被場景定義的，而是由場景引發，然后找到大數據和算法可以發揮作用的痛點，解決它，我們的產品和打法就是這樣形成的。
曾巧：概括來講，幫企業搭建數據基建，并賦能各種營銷場景？
黃曉南：是的。我們的邏輯是，數據是地基，沒有數據一切無從談起，包括大模型時代的知識庫管理；智能是核心，如果數據不能通過算法產生決策價值，就不屬于我們的范疇。這兩個層面決定了我們的核心，也是我們與其他公司底層邏輯的不同。
曾巧：那如何向客戶驗證自己的能力和價值？
黃曉南：直接實操，我們一般是會快速搭建一個可以交互的智能體，讓客戶親身體驗“人機對話”如何替代傳統流程，然后再加入他們自己的數據庫，像訓練員工一樣訓練智能體，熟悉企業知識庫和業務流程，直到它完全適配場景。
曾巧：你們已經在給多少企業做這一塊的布局了？
黃曉南：幾十家是有的。
曾巧：現在是否有實際落地案例？
黃曉南：都在推進中，主要是兩條主線，一個是，存量客戶升級，我們開始為已使用我們CDP和營銷自動化的客戶加裝智能體模塊；另一個是希望現在還沒有用我們的CDP(客戶數據平臺）和MA(營銷自動化)的這些品牌，接下來會使用我們的智能體。
比如，我們已經和一個大型央企車企合作，通過企微智能體自動識別用戶情緒，來判斷這個人消費者當前的對話是投訴還是正常，然后引流到不同對話流里邊。我們預計今年應該是一個全面開花的過程。
曾巧：他們會非常在意對這件事的投入產出比嗎？
黃曉南：國內企業其實不太會。這波大模型驅動的 AI 變革，其意義可能超越單純技術迭代，更類似2000年互聯網對時代的重塑。當前企業主要的焦慮在不知道怎么入手，而不是糾結ROI，這種情緒在中國企業尤其國央企中尤為明顯。
但是外企依舊在回答“應該從哪個場景切入”的問題，這個時候確實是他們要想清楚做完這個事情以后，我到底是提高了效率，還是提高了效果。
曾巧：國內相關市場的規模有多大？
黃曉南：數智化決策的市場是萬億級。企業80%費用花在營銷端，但凡我們能通過智能化提升效果，企業付費意愿還是很強的。但當前供應商收費模式限制了市場空間。所以我覺得中國市場和全世界其他市場相比，還是有一個巨大的空間的。
曾巧：真正有競爭力的供應商有多少家？
黃曉南：嚴格來說不超過20家。我們相對已經有一個初步的成功了，但很多公司仍依賴人工經驗，而AI需要從數據到落地的全鏈路能力，還需要長期積累。
曾巧：20家其實不多的，說明還是有很多難點。
黃曉南：對。
我們有一個第三方專家講的一句話非常好。他說，“現在智能體和過去軟件的交付方式和供應商甲乙方的關系是完全不一樣的。傳統軟件是‘開箱即用’，而智能體需與企業共同打磨。我們提供60-70分的基礎能力，剩余30-40分需結合企業數據和場景調優，類似訓練新員工”。
另一個難點是大模型的AI幻覺，企業級智能體與個人級完全不同——前者容錯率接近零，1次錯誤可能導致業務損失。所以我們需通過“小模型+知識庫+人工校驗”組合控制風險。
曾巧：你們是如何支撐這些創新，解決難點的？
黃曉南：技術團隊是核心。即便在2024年行業低迷期，我們的研發投入仍是業內最高之一。已逐步縮減傳統SaaS軟件投入，全面轉向AI研發，尤其是大模型與垂直場景的結合。目前團隊規模穩定，工程師占比超60%。
品牌用好AI的五個建議
曾巧：未來AI agent的能力邊界在哪里？你預測未來AI agent會拓展哪些新領域？
黃曉南：理論上是沒有明確邊界的，只要企業能定義出可被數字和智能賦能的場景，就能打造相應智能體。AI agent也只是AI發展過程中的一個階段，我們把AI agent作為里程碑式的標志是因為它能夠從頭到尾，實現一個完整的工作。
未來的想象空間也是很大的，對于算法成熟的場景，比如產品推薦，我們打造的智能體可能出現在C端。如果擴展到C端規模會很大。比如很多品牌已在自有APP嵌入品牌專屬agent，這種agent本質上承擔了品牌與消費者直接溝通的體驗功能，現在幾乎所有品牌都在擁抱這種趨勢。
曾巧：品牌應該如何更好地利用AI？
黃曉南：第一，心態很重要，AI不會淘汰人，但不使用AI的人或會被淘汰。我們公司已經實施了AI能力測試，希望大家能提高AI的能力。
第二，企業必須忘掉AI本身，深入理解自身業務痛點。比如通過AI賦能社交媒體內容生產，可能是最優先適合你企業的布局，就先別想著用AI賦能投放。AI只是技術，不是場景。
當企業需求不明確時，聚焦用戶個性化體驗和引導永遠是剛需。大模型帶來的關鍵變化其實是 讓“千面”真正成為可能，過去主要解決 "千人"。
第三，選擇合作伙伴需兼具業務理解、數據能力、智能技術和AI經驗。很多企業在數字化轉型中因選錯合作伙伴而反復試錯，很多都要1-2次的踩坑。只有技術是解決不了問題的，即使是三個清華畢業的工程師一起。
第四，直接賦能核心的業務團隊。過去CDP數據無法直接轉化為銷售話術，現在智能體可以實時分析客戶畫像，生成精準推薦策略。例如某美妝品牌的BA，通過分析用戶歷史購買記錄和當下需求，自動生成推薦話術。
第五，我們建議企業在智能體建設上選擇第三方服務商，原因在于大模型能力存在差異。就像清華沈教授比喻的“每個大模型如同不同專業的博士生，各有所長”，所以我們給很多企業的建議就是說你要保持一個開放性。
曾巧：我們兩都是經歷了移動互聯網紅利的人，你感覺在擁抱AI上跟之前的移動互聯網有什么不同的體感？
黃曉南：我們觀察AI發展近兩年后才全面投入，這次轉型顯然更復雜。移動互聯網是場域變化，AI是知識底層重構，比如咨詢行業和知識生產者正受沖擊。這種變革比以往更深遠，會影響社會各個層面，營銷領域只是其中一小部分。
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
本文禁止轉載，侵權必究。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）