一线操盘手的10个回答：AIGC不是概念，实际应用价值需要被看见

ChatGPT 的出现意味着人工智能的拐点已至。

GTP3.0 模型所呈现的 AIGC（人工智能生成内容）的生产方式让企业隐隐嗅到了新的商业价值，只宣布一句「接入ChatGPT」就可以带来股价的上升，然而囿于人工智能的模型与算力，这并非一般企业可以接触的领域。

但随着各种模型开源，当我们站在巨人的肩膀之上，你会看见关于 AI 的另一番景象——对于企业营销而言，一场源起内容的颠覆性革命已经开始， AIGC 是风口浪尖上的王座。

但实际上，当下所有目光都还聚焦在百度微软谷歌等等大厂身上，大家都在大谈AI，聊模型，吹算法，AIGC的作用似乎也在无限被放大，有人说是内容革命，有人说企业从此摆脱内容营销难题，可是，事实如何？

对于企业营销，对于个人而言，真的有意义吗？ 能给我们带来什么？有价值吗？还只是像元宇宙一样凑个热闹走个过场？

AIGC远不止于此。

我们需要换个角度，从不同的视角重新审视AIGC的价值。为此，我们邀请了9位来自来自国内头部AI企业、高校实验室、营销技术机构、企业和投资机构的大牛做了一场 Q&A ——

企业操盘手此刻都在利用AIGC做什么？投资人都关注AIGC的哪些方面，哪些AIGC服务商是值得投的？技术大神都如何使用AIGC？

抛开概念，去伪存真，今天我们只关注  AIGC 的意义、价值与实际应 用，探索 AIGC 的机会点与商业价值 ：

1、意义：AIGC 的出现对于企业营销到底意味着什么？to be or not to be ？

2、价值：可以给企业（品牌 / MarTech 机构）可以带来什么价值？

3、应用：应该从哪个环节入局？要赶超同行，需要在哪些关键点下功夫？

01

对于企业而言，AIGC是营销必经阶段，也是实现智能化的关键

 Q：弯弓Digital

ChatGPT和AIGC能够产生这么大的影响力（从企业到个人），根本原因是什么？ 

 A：沈欣 弯弓研究院院长 

关键词：突破数字化瓶颈

我们不妨从「信息化-数字化-智能化」这三个阶段的变化过程来解读。这三个阶段，必须是一个逐步上升的过程（不可能从信息化直接跳到智能化，或者越过信息化这个过程直接做数字化，这是做不到的），每一步都是下一步的基础。

在信息化年代，主要解决的数据的电子化问题，主要探讨的问题是：怎么把数据放到数据库里面去？所以，信息化的难点是落地执行，我们怎么正确能够得到数据？但人会偷懒会做错，所以在信息化的整个执行过程中，保证数据是「正确的」是最核心的点。

到了数字化年代，解决的是「数字」的问题，解决数字背后的意义问题，也即这个「数字」到底代表了什么含义，因此这一阶段的关键是建立数字模型，基于模型，我们就能够知道某个数字的上升下降意味着什么问题，比如，A数值上升了，代表了经营上面的什么问题、B数值下降了，代表了流程出了什么样的故障。

智能化，则是让机器通过数字来介入一切， 核心是「定义边界」。有了数字化时代的数学模型，才能够去来定义边界，一旦定义好了边界，就可以进行自动的执行。

有一句话叫做「所有行业都值得用互联网思维」重新做一遍。这句话的本质是什么？企业所有的战略都要加入数字化。

数字化是把内容、产品、服务...各个环节都数字化了，但是 内容依然需要产生 ，尤其是当我们把数字化做得很精细了以后。 比如，原来面向客户是一套方案，一套营销的话术走天下，但现在把客户细分了，有男的女的、老的、少的等等，精细化后，我们可能需要 50 套不同的内容分别来针对 50 种不同的人， 但是这时候问题也来了：内容从哪来？人，才能够生成好的内容，所以这时候生成内容的人就变得非常紧缺，同时成本也变得非常高。做内容的「人」难找 ，这其实是很多企业数字化一直以来的最大的挑战。

AIGC 从某种程度上是填补了数字化迈向智能化的短板 ，也即「生成内容」这件事情，真正可以用算力解决 ，这意味人工智能可以 24 小时的不停不眠不休地帮企业生成营销内容。

但当内容制作成为数字化跟自动化营销的一个瓶颈，AIGC 能够帮助我们突破，真正迈向智能化。

 A：王小毅 浙江大学教授 / 脑神经营销学专家  

关键词：信息聚合

今天很多人在聊 AIGC 的时候，仍旧按照传统营销场景：在某个环节，用人工智能来把它替换掉。 这种思路是线性渐进式，很难真正去打破。  AIGC / ChatGPT 是颠覆性的，但目前在使用方式或者商业模式上，我们并没有看到一种完全不同的引擎。

我们需要意识到，在当下的营销环境中， 购买交易不是重点，商品信息聚合才是重点 ，我们需要一个 基于 AIGC 的营销模型，我把它称之为「全链路聚合」 。

真正改变营销的，比如，电子商务。电子商务改变营销的本质原因是商品的聚合，简单化理解就是搜索引擎，可以第一时间把相关的商品信息聚合给消费者，而消费者会因为有了商品信息，自然而然就会产生购品。作为企业，我们需要的是把购买渠道变得更加容易、便捷了， 购买交易不是重点，商品信息聚合才是重点。

传统电商现在已经“让渡”给兴趣电商，兴趣电商实际上就是掌握了一种新的商品信息聚合，包括直播电商，都是相似逻辑。兴趣电商和直播电商传相比于传统电商，最大的区别就在于 时间上的连续占用 。 传统电商，仍旧是一个工具性产品，你有需要的时候才会用。但兴趣电商基本占据了消费者的所有的兴趣时间，包括私域，其实也是占据逻辑，占用的是人的社会关系。本质上来讲，以上都属于信息聚合， 把商品用高效的方式推荐给消费者。

未来的搜索引擎，未来的商品聚合是基于AI 内部的升级。 举一个简单例子，过去我们想要买家具，得想好买什么款式、什么颜色，然后上淘宝购买，这些我们能够想得到的这些属性的关键词在淘宝上就会成为流量必争的焦点， 平台因此获取大量的流量的回报，这是传统的营销逻辑。而今天，如果这种信息呈现方式改变，完全可以给消费者 聚合出一种全新的商品供应方式 ，比如，消费者到一个平台上，并不需要搜索跟TA想要买的商品属性直接相关的词汇，而只要告诉AI：想要个什么样的家。这种描述可以很抽象，AI可能会给消费者生成一个家的样子，消费者得以从中进行调整并最终以此结果来下单。家是如此，吃的东西也是一样，穿得更加如实，甚至包括我的付费学习，我的教育层面。

几乎所有的产品，它的本质都是基于需求，而人们最难的就是难以表达需求。 过去所有的方式，从搜索式电商、到兴趣电商，到直播到私域，无外乎就是更进准的需求提取。围绕这一点，AIGC会是颠覆性营销，一定会产生一种新的信息聚合和产品推送的方式。

02

用好AIGC的重点是知识体系搭建与强化指令能力

 Q：弯弓Digital

我们可以通过哪些事情把让自身的AIGC能力超越同伴？在哪些点上发力会更有利于营销？

 A：瞿程昊 弯弓研究院副院长 / 问道信息创始人 

关键词： 指令词

未来的社交、人工社交的人机互动的场景会越来越丰富。当你去用 AIGC 去生成内容，尤其是比如像  ChatGPT 去生成文案的时候，怎么样能够让它能够更精准，让获得更准确的建信息？有两种方式：

第一种，通过提示 工程（Prompt Engineering）能够让你能够描述得更清晰一些。 毕竟 ChatGPT 还不是强人工智能，无法实时猜想人类的思维到底是什么。所以至少目前ChatGPT生成答案的水平与人类提出的问题一样：垃圾提问，垃圾输出。

比如，我 就问ChatGPT ，你能否基于 OpenAI 平台帮我提一些创意想法？ChatGPT 给我罗列了 8 个点，这 8 个点很抽象。但如果我就继续对ChatGPT说，能不能给我再细化一些，我把我所需要的关键的点罗列出来，让ChatGPT 知道，它就会根据我给出的关键点生成一个更为详细的商业计划表。

未来每个人利用 AIGC 的能力是不一样的。就像当时搜索引擎刚出来的时候，有些人还不知道怎么去驾驭搜索引擎，搜出来的答案无法解决问题。有些人能够驾驭 搜索引擎，就能够获得直接的一个有效答案，去掉很多的广告。 AIGC 也同样， 当规定特定的场景时，人工智能会准确得多。

仔细考虑你希望 AI 生成什么，并提供对此量身定制的提示词， 使用者能够通过 优化提示词 获得更好的解答，这也是 未来在每个岗位上面会出现的新的职业能力。

第二种方式。不想说那么多话，也不会问专业的问题，怎么办？可以 围绕一个垂直的领域去建自己的微调模型。 在国外有个案例，一个人把一份心理健康数据输入到了ChatGPT 训练的 API 里面，希 望训练出一 个心理咨询的“助手”，经过一段时间的训练，他发现跟“助手”聊天的时候，“助手”的回非常个人性化，也表现得会非常的有同理心。这就是微调模型的一种应用，将来肯定也会有一大批的垂直领域的微调模型。

 A：王小毅 浙江大学教授 / 脑神经营销学专家 

关键词：营销知识体系

企业构建未来数字营销能力有几点可以关注：

1、企业要建立营销知识大体系。一方面，人工智能的算法核心是在于知识 体系，知识体系沉淀的整理，可以提供给 AI 个成长参考。另一方面，一个没有知 识体系的公司，所有的营销活动都将变成随波逐流，没有办法形成核心的品牌认知。因此，企业数字营销首要是建立契合品牌价值观的营销知识体系， 有了企业自身的知识体系以后再叠加营销的 AI 工具，才会形成比较聚焦的品牌营销；

2、大语言模型。目前的语言模型的训练，实际上是基于一种生成语法，是一种规则，本身不是一个语料库。 我们可以从 ChatGPT类代表的大语言模型当中分化出一个小模型，加上逻辑规则。例如，一种营销话术的规则，这种规则的目的是引导消费者进行购买，包含企业自有的观点逻辑架构， 形成适合于企业的营销话术。比方它生成的所有的对话都能够充分体现你企业价值观的，体现你企业的产品逻辑的；

3、 训练能力。通过不断地训练来建立自己的 AIGC 体系；

4、场景叠加 AIGC 。也即，构造一个具体的营销互动场景。

 A：李韶辉 快决测CEO

关键词：拉平能力差

对于快决测这类技术公司而言，ChatGPT最大的冲击会是：快速拉平小公司与大公司之间的 能力差。

很有可能以后会发生这样的场景：一个 10 个人的公司具备应用的 ChatGPT 的能力，相当于 具备了 100 个人公司的能力；一个 100 个人的公司， 应用了 ChatGPT 类的技术 之后，可能获得了上千人的公司这样的能力。

在某些垂直领域里面，像 ChatGPT 这样的技术，其实远不止聊天，它所具备的能力应该是能够迅速给我们构建一些以前可能需要很多的资源、需要很多的投入才能具备的能力。

最终 让我们失去工作的不会是 AI，而是那些会更会用 AI 的人。

所以在这里面，在数据分析领域里面， 如何能够快速的成为最懂得利用 AI 帮助我们做深层的分析，从而获得新的技能优势 ，就变得非常的重要。

03

MarTech机构的机会点在「深耕场景」和「垂直领域」

 Q：弯弓Digital

MarTech公司需要构建什么样的能力才能在这一次风口起飞？

 A：瞿程昊 弯弓研究院副院长 / 问道信息创始人 

关键词：垂直场景

大公司，会以基建加生态的方式，快速抢占那些通用的、大的一个消费场景。小公司，它会以垂直和定制的方式入局，去深耕很多垂直的应用场景，比如跟某一些行业头部或者是行业的中腰部能够捆绑，能够做它行业里面的一个垂直场景。

 A：陈宇 前碧桂园内容数字化负责人 

关键词：行业Knowhow

我们如何去驾驭这样的一个技术，去为企业赋能。「知识」的加入，行业 knowhow的加入，才能够深耕好一个垂类的应用。本质上是给企业人才建设提出了更高的要求：要有懂技术的人，还得懂业务，才能把 AIGC 这件事情干好。

 A：孙垚光  数势科技副总裁兼技术负责人 

关键词：知识图谱

AIGC 可以跟具体的行业结合，像比如像金融、像医药、像生物等等，从而可以产生更加具有专业性的内容，甚至可以赋能或者改变整个行业的生产效率。

当然，最核心的可能是我们需要在赋能行业之前，需要先通过一些比较专业的， 比如知识图谱的结合，能够更好地去提升它的专业度。 图谱结合的实践过程中，也有两种不同的做法，这两种典型的做法都是基于我们基础的大模型：

一种是我们在 微调的阶段（Fine-tuning阶段）加入垂直的行业知识图谱 ，在预训练模型的基础之上，用少量的任务和特征特定的数据集对模型进行微调，这个时候就可以去提升模型在特定场景下的表现。

图源：网络 垂直行业知识图谱 示例

另一种 直接针对生成结果进行加工处理，做更好的生成结果的槽位设计。 例如，用户希望订一个飞机票，就有很多必要信息需要知道，但在 这些关键信息中，有一些是深刻理解才能完成用户的指令的最核心的内容，AI可能无法理解，我们可以设计成一个「槽位」，把这些关键词做专门的识别，也就是将用户表达的槽位内容，识别为结构化的信息，例如时间、地理位置等等，这样的识别结果会帮助更好完成任务 。 我们可以在此过程中引入行业知识图谱， 更好地捕捉生成结果中输出的一些关键的信息。 比如，在电商，可以补充物品的价格，物品的名称，时间、地点数，数量，属性这些价格等等。这些槽位的设计是可以基于知识图谱来做预定义的，同样可以去快速的提升这个 AIGC 在行业内的一些表现。

 A：林松涛 拓尔思副总裁  

关键词：专业领域数据、强化学习、快

谁拥有 专业知识领域大数据，谁 就拥有了 AIGC 在行业突破的必要条件。它不是充分必要条件，但是它一定是必要条件。目前 AIGC 一次训练成本依然很高，而且最重要，它需要大量的算力。当然，成本会陆续降低，至少目前来看，需要大量的算力，大量的数据，大量的人力的投入。在未来发展过程中，谁在大模型的基础上能够用强化学习和 prompting 的这种模式，仅仅通过少量的优质数据就能够显著影响到大模型的输出效果，无论是在 AIGC 亦或是各行各业，都能够遍地开花。

目前拓尔思也在开发我们自己的 AIGC 的一个能力平台，我们在5月 30 号以前，从现在开始的三个月里面争取能做四个内容机器人，类似基于新闻知识领域的搜索引擎，包括金融领域的投援，知识问答，还有包括公文创作的这种智能辅助和康养服务的机器人。

为什么要在三个月内就要做出这么多事情？ AIGC 这一阶段，为什么火？一是无监督训练学习，二是基于 人的强化反馈 。谁首先推出应用，谁先迈出第一步，就能够得到更多的人类反馈来进行强化学习 ，你就会步步领先。得到的反馈是最重要的。 所以我们说，不管是任何企业，任何公司，如果想做这个事情，那么，快是第一步。

 A：陈翱翔 凯泰资本副总裁 

关键词：用户、场景

内容生产范式的变革也许只是这一轮 AI 发展的冰山一角。推动AI发展的本质在于引领了新一代的人机交互方式，核心是自然语言，成为了人机交互的个媒介。

我会认为软件可能会迅速地支持自然语言的接口。很多之前专业性很强的工作，比如数据挖掘、软件开发、投资分析等，技术门槛会大幅的降低。在海外我们也看到了很多这种的创新企业，通过自然语言就可以实现一款软件的开发。 我也关注到了用户侧的变化，颠覆式的创新往往会来自于边缘地带。利用新技术降低使用门槛之后， 如何面向新出现的用户群体激活新的 潜在需求，就有望彻底改变市场格局、重新定义场景和行业。

在商业模式上，很多时候在国内的环境上离不开大厂的竞争和切入，只有 将 AI 与场景相结合，快速沉淀用户的数据，才能构建用户数据模型的增长飞轮。 对于企业来说，需要在整个过程中去不断地积累和迭代用户的数据。

模型及服务，可能会成为未来市场的核心消费形态。