对话特赞范凌AI时代如何告别过去拥抱变革

首页

AI资讯

热心网友

转载

2026-05-20

当AI能力成为通用基础设施，企业真正的核心竞争力是什么？

“我不知道AI这艘船上有多少船票，但我知道，上船最重要。”特赞科技创始人兼CEO范凌的这句话，精准击中了当下企业决策者的核心焦虑。这并非源于短期的市场压力，而是一种关乎未来生存的深层紧迫感——在一个马太效应被AI技术急剧放大的商业时代，错失先机可能意味着永久掉队。

我们正身处一个罕见的历史节点：应用层与基础技术层同时发生颠覆性变革。焦虑与兴奋，是这枚硬币的一体两面。去年，当Shopify创始人展示自己重回一线写下的密集代码时，范凌产生了强烈共鸣。这并非个例，而是一股清晰的浪潮。众多科技公司的掌舵者，都重新扎进了代码、产品与用户洞察中，试图亲手把握AI变革的脉搏。

范凌的选择更为彻底：亲手“颠覆”过去的成功路径。

近期，特赞发布的新产品GEA（Generative Enterprise Agent，企业级生成式智能体），正是这场自我革命的成果。它记录了一家中国企服公司，在AI巨浪面前如何完成一次深刻的认知重构与战略转型。那个在已知商业地图上精耕细作的“匠人”，主动卸下了旧时代的思维枷锁；一个立志探索“AI新大陆”的“航海家”，已然启航。

当基础大模型能力日趋同质化，当调用强大AI变得触手可及，未来企业构建持久优势的真正护城河究竟是什么？决胜的关键将落在何处？当AI从辅助工具走向核心业务场景——驱动产品创新、深化用户洞察、赋能内容增长——什么样的系统架构才能真正承接商业目标、组织复杂推理并持续交付可衡量的业务成果？

范凌给出的答案是GEA，一套为真实企业业务流程深度设计的智能体架构。而在这个架构中，最核心的竞争要素，被他定义为“上下文的密度”。

01 AI开启“新大航海时代”，企业心态从观望到行动

企业客户对AI态度的转变，通过一个简单的对话场景对比便能清晰感知。

去年，向客户介绍生成式AI或智能体时，最常见的反馈是：“嗯，这个概念很有趣，但是……”后面通常会跟随一系列暂缓实施的顾虑。

今年，对话模式发生了根本转变。客户会首先提出一系列具体挑战：“幻觉问题如何解决？数据安全与准确性怎样保障？投资回报率如何测算？”但讨论的终点不再是拒绝，而是：“我们是否可以立即启动一个试点项目？”

从“研究但不动手”到“虽有疑虑但坚决尝试”，这背后是企业决策心态的战略性转折。一个行业共识正在快速形成：如果自己不主动拥抱AI，竞争对手很可能会凭借先发优势建立起难以逾越的壁垒。行动，远比观望更有说服力。

这种普遍的紧迫感，也强力驱动着特赞自身的进化。GEA并非凭空构想的概念，而是经过系统性商业思考与客户实践验证的产物。其诞生源于一个关键洞察：AI不再仅仅是提升效率的辅助工具，它开始直接替代那些操作工具的专业角色。

这一认知促使团队回归第一性原理进行重新思考。有趣的是，GEA的发布甚至是“后置”的——核心客户已经实际使用了数月并验证价值后，公司才决定对外正式官宣。对范凌而言，决定发布GEA的那一刻，就是决定告别过去特赞的固有形象、重新定义公司未来的时刻。

另一个核心转变是对时代的判断。2025年年中，范凌清晰地认识到，AI开启的并非在原有商业地图上继续深耕的模式，而是一个全新的“大航海时代”。对于已在特定领域建立优势的企业而言，本能反应是继续做深做精。但真正的历史性机遇在于成为“哥伦布”，勇敢打破既有边界，驶向未知的、充满可能性的新大陆。

这意味着必须冲出原有的能力舒适区。特赞不再仅仅聚焦于营销内容领域，而是将智能体能力系统性拓展至产品创新、用户洞察、市场增长等更广泛的业务场景。底层技术架构的通用性与相通性，让这种跨界扩张成为可能，整个过程充满探索的兴奋感。

02 GEA的四层框架：构建“AI原生”企业的基石

那么，GEA究竟是一个怎样的体系化构想？

首先需要厘清一个关键概念：“智能体（Agent）”一词如今已被广泛使用，但仅用提示词工程堆砌出一个简单对话机器人并无实际壁垒。真正的商业价值在于，能否用智能体重构一遍过去需要复杂软件或昂贵专业服务才能完成的核心业务流程。

GEA构建的壁垒与价值，建立在其独特的四层结构之上：

第一层，智能模型编排层。没有任何一个单一模型能擅长所有任务。完成“新品创新”这类复杂商业任务，可能需要动态调度二十多个各具专长的模型。如何根据具体任务情境，高效、低成本、可靠地调度这些模型，是首要的技术与工程挑战。

第二层，高密度上下文系统。当所有企业都能调用相似的基础模型时，真正的差异化就来自于你为模型提供的“运行环境”与“思考素材”。企业数据可分为两类：存在于数据库表格中的结构化“事实数据”，以及海量的文档、图像、视频、会议纪要等非结构化“上下文数据”。后者决定了AI能否真正深度理解业务逻辑与行业知识，从而发挥独特价值。

第三层，主动任务执行层。在这一层，智能体在预设的业务流程中持续自主运行，跨系统调用能力，推进复杂的任务网络，而不再是被动响应人类的单次指令。它从“工具”转变为“同事”。

第四层，也是最顶层，是商业意图理解层。企业的真实需求往往是“如何提升某产品线的市场份额”或“如何触达新的年轻客群”这类复杂的商业目标，而非“生成一份报告”的简单指令。深度理解用户背后的真实商业意图，并对其进行增强、发散和拆解，是智能体产生价值的前提。

这四层结构有机组合，旨在系统性地解决过去往往需要昂贵外部专业服务（如战略咨询、市场研究）才能解决的问题，其终极目标是“让智能体重做一遍专业服务”。

GEA这个名字，在内部已作为代号使用许久，其灵感来源于西方神话中的大地女神盖亚（Gaia）——她是承载世界的底层结构与生命之源。这个名字寓意着，GEA旨在成为企业智能化转型的坚实基石。

随之而来的，是组织逻辑与工作流的深刻变革。从“AI赋能”到“AI原生”，远不止是词汇的替换。

“赋能”通常意味着原有组织结构和流程不变，只是为员工配备一个更强大的“AI副驾驶”。而“AI原生”则代表一种更底层的业务重构。例如，在公司内部，第一步是让AI获得大量历史文件与数据的访问权限，并以方便AI理解和处理的方式重新组织信息架构。这不再是给研发人员一个新工具，而是创造一种全新的研发范式：让智能体7x24小时在后台进行新品概念的生成与初步筛选，人类专家则专注于从AI提供的优质方案中做出最终的战略抉择与品味判断。

单纯为了降本增效而去制造“数字员工”，在范凌看来是一种内卷逻辑。真正的方向是走向AI原生，寻找和创造全新的业务增量。当然，未来或许还会出现“AI唤醒”的阶段，那将催生出我们今天难以想象的全新商业物种。

然而，企业既需要探索可能性，更需要商业上的确定性。如何在概率性的AI系统之上，建立企业运营所必需的确定性与可靠性？

四层架构解决了七八成的基础问题，但要从一个成功的概念验证走向规模化商业落地，还需跨越两大关键鸿沟。

第一，是建立系统性的评估体系。在规模化应用前，必须为智能体的能力建立可量化的评估基础设施和行业基准。就像客服领域有相应的智能客服能力评测榜单，未来在产品研发、用户洞察、创意生成等垂直业务领域，也需要可量化、可比较、可信赖的“能力标尺”。

第二，是积累高质量的“智能体技能”。这可能是当前最被低估的核心壁垒。如今最有价值的数据标注，已不再是给图片打标签，而是雇佣顶级的律师、资深咨询顾问、王牌产品经理等专业人士，完整地解决一个包含数十上百个决策步骤的复杂商业问题，并将整个思考与操作过程“蒸馏”记录下来。这是专家智慧的数字化封装，将成为昂贵、稀缺且专有的核心资产。

03 AI时代的生存法则：从被动工具到主动同事

GEA提供的，并非简单的数字劳动力或降本工具，它更像一个AI原生的“创新培养皿”，旨在引发工作方式和核心竞争力的化学反应。

一个巧克力品牌的案例颇具代表性。这家传统企业过去每两年才推出一款新品，但如今市场需要的是高频、小批量的创意测试与快速迭代。他们利用GEA，让AI大量生成涉及包装设计、口味组合、IP联名等可变要素的创意方案，一年能高效产出3000多个初步想法。随后，用模拟的目标用户智能体对这3000多个方案进行自动化的多轮投票与筛选，优选出得分最高的300个方案，再交由人类市场团队进行深度讨论。

这意味着，当人类团队开始正式构思时，起点不再是零，而是300个已达70分成熟度的具体候选方案。人的宝贵精力得以从0到70分的重复性劳动中彻底解放，全力投入到从70分到100分的创造性飞跃与战略决策中。

这种“主动式”的智能工作流，正是Proactive Agent（主动智能体）的核心价值。为什么一定要由人来发起每一个任务？为什么不能是AI根据目标持续工作，并主动、适时地来征求人类的意见与授权？范凌认为，只需一个“总调度”式的主动智能体去调用其他专项智能体，就能激活整个业务流。而人类的价值则更加聚焦于三点：设定战略场景与终极目标、提供关键的评价与反馈、承担最终的商业责任。

当技术门槛普遍降低，“客户关系”与“品牌信任”变得空前重要。即便未来所有企业都变得AI原生，商业最终仍需回归如何与用户建立深度连接。GEA的客户主要分为两类：追求系统化变革的世界500强级别大型企业，以及因使用门槛降低而得以快速应用AI的中小企业和专业个人用户（如独立设计师、咨询顾问）。

例如，一家全球食品巨头利用GEA搭建了完整的内容营销增长闭环：AI自动搜索热点话题、生成多种风格的图文内容、智能混剪视频素材、跨平台自动化分发，并持续追踪效果数据以进行迭代优化。人类营销人员只需在其中做关键的方向选择与创意调优。最终，某新品上市 campaign 的投资回报率在三个月内提升了7倍。

另一个例子是，一位国内成功的消费品创始人，利用GEA在几周内就完成了对全球数个潜在市场的扫描、目标用户画像的寻找与初步触达测试，快速验证并明确了出海的核心方向与策略。

GEA的核心定位，是解决企业前端与增长相关的、非供应链的复杂问题。只要客户能提出一个清晰的增长场景或商业目标，就能用这套架构将其涉及的环节串联并跑通。

更进一步，AI正在催生“模拟”在商业中的新价值。在智能硬件等领域，这种应用已不鲜见。

一种应用是在产品定义阶段，利用智能体批量模拟目标用户，收集“虚拟用户之声”，甚至与品牌方进行虚拟的联合脑暴会议。例如，帮助一家新能源车企，召集虚拟的“二孩年轻家庭”用户群体，来共同参与定义下一代家用MPV的产品功能与设计理念。

另一种则用于保密性要求极高的测试环节。例如新款手机的外观设计与UI测试，可以生成海量虚拟用户在虚拟使用环境中进行“观看”、“点击”和“滑动”测试，在显著降低成本的同时，大幅提升测试的覆盖广度与频次。

当然，未来一定是虚实结合。虚拟测试提供了无与伦比的规模与效率，而真实用户的反馈则提供了新的数据与意外洞察，反哺并优化模拟系统。但无论如何，人机协同的基本模式不会改变：AI负责处理高概率的、重复性的、规模化的计算与执行工作；而人，永远负责带来意外、定义品味、做出最终的价值判断。

关于虚拟测试数据的可信度，可以从几个层面进行保障。大量前沿学术研究已证明，通过大语言模型和精密的提示词工程优化，AI模拟的消费决策行为与真人数据能达到85%以上的一致性。在具体商业应用中，还会针对汽车、消费电子等特定场景进行“最后一公里”的专项校准。在某些数据本就极其稀缺的特殊领域（如涉及特定老人、儿童群体的医疗行为研究），AI模拟生成的数据质量甚至可能优于现有的小样本基准数据。

04 所有的留恋都是一种负担：与过去成功切割

将GEA的发布视为对特赞的“重新定义”，背后是一种深刻的战略决绝。这家公司的名字本就是“科技”与“赞美（设计）”的结合，其用技术赋能创造的初心从未改变，变化的是产品形态与价值交付方式。

从最初的创意资源平台，到服务大客户的SaaS软件公司，特赞抓住了内容营销、企业服务、数字化转型等多轮红利。但范凌认为，这次向AI原生公司的转型是“最不顺理成章”的一次。过去是在既有积累之上包裹新时代的印记，而这次，则需要有勇气主动放下部分过去的积累，甚至颠覆已有的成功模式。

这种紧迫感并非主要来自外部竞争压力，而是源于对“登上AI时代航船”的强烈渴望。当看到Shopify、Airtable、Intercom等全球明星公司的创始人都亲自重回一线写代码，甚至不惜与过去的产品逻辑决裂时，范凌更加确信：在这个AI驱动的新大航海时代，所有的留恋都是一种前进的负担。

当前，资本市场正在重新评估传统软件公司的价值，许多SaaS公司估值大幅回调。这是市场的短期错杀，还是软件本身的价值正在被AI技术范式所吞噬？

范凌认为，这并非简单的错杀。过去，欧美软件公司能轻松地将标准化产品卖出高价，很大程度上是因为中小企业负担不起定制化开发的成本。如今，生成式AI让“人人拥有定制化软件”成为可能，传统的SaaS模式必然被重做。AI不仅会取代很多标准化软件的功能，也可能取代许多操作这些软件的中层岗位。

那么，新的机会在哪里？首先，必须深度拥抱真实的企业场景，交付的不再是简单的功能或效率（output），而是可衡量的业务成果（outcome）。其次，要坚定地拥抱物理世界。数字世界与物理世界的结合点，才是创业真正的沃土。例如，用AI将一个传统制造业的新品研发周期从两年缩短到两个月甚至两周，这种创造的实体价值才是坚实的护城河。

平衡长期技术探索与短期商业回报，是另一重现实挑战。范凌在同济大学带领的研究生和博士后实验室，就成了这种平衡的重要支点。企业思考周期以季度或年度为单位，而学术机构可以从事那些无法立即商业化、但需长期积累的前沿研究。有趣的是，AI的发展正让前沿科研与市场应用的距离前所未有地接近。

一个更根本的行业之问是：今天我们所做的众多工程性工作（如复杂编排、提示词工程），未来有多少会被下一代模型自身的能力所吸收？这决定了当前创造的价值能否持续积累，而非被技术演进所覆盖。

范凌的思考是，模型平台与上层应用之间，可能会重现互联网时代平台与品牌之间的博弈历史。模型（平台）在发展初期可能非常强势，但随着应用方（品牌）积累起深厚、独特的业务上下文与工作流，其话语权与价值也会不断增强。作为创业公司，必须做出战略选择。特赞选择坚定地站在企业一侧，帮助它们守护和用好自己独特的“上下文”资产，构建差异化的智能能力。

每个企业中都存在大量如同宇宙“暗物质”般的“暗数据”和“暗知识”——它们无法被传统的数据库轻易观测和抽取，却构成了企业独特的经验与决策层。未来的关键竞争力，在于如何将这些隐性价值组织起来，转化为高密度的、可计算的“上下文”，并与前沿模型协同，创造更大的业务增量。

05 上下文密度：决定企业独特性的终极要素

让我们做一个终极推演：假如未来所有企业都能便捷地用上最好的基础模型和丰富的智能体技能，那么企业的独有价值和最终胜负手，将落在何处？

当用AI打造产品、生成内容、分析数据的门槛急剧降低，什么才是AI无法轻易加速或复制的？

答案或许不那么技术化，却至关重要：品牌长期积累带来的信任资产。这正是许多AI公司创始人重新走到台前，通过演讲、写作、对话建立个人与品牌信任的原因，这成了产品同质化竞争中的关键差异点。其次，是由真实社群互动与线下体验构筑的“真人感”与情感连接。当产品功能趋同，这些便构成了坚实的情感与信任壁垒。

当然，从技术角度看，用户使用越多，积累的专属上下文和行为数据就越多，系统就越智能，用户的迁移成本也随之升高，数据的网络效应与飞轮便会开始转动。但在当前阶段，率先抓住那些AI难以快速复制的软性价值——比如品牌故事、用户信任、社区文化——尤为关键。

基于新的世界观，特赞通过GEA迈出了破壳的第一步。接下来的发展路径已经清晰：首先，以每两周拓展一个新商业场景的速度，快速拓宽GEA的应用边界与行业理解。其次，将在中国复杂、快速的消费市场中历练出的实战AI能力，以企业级产品交付给全球客户，实现“China for global”的出海战略。第三，深入探索Agent取代部分高价值专业服务（如战略咨询、法律分析、市场研究）的可能性，而不仅仅是替代软件自动化。

在未来的企业智能化生态中，“开放”与“封闭”的命题依然存在，但海内外环境迥异。海外生态强调“最佳组合”与“集成”，产品必须能与Slack、Salesforce、Notion等众多平台打通。而在国内，大型平台往往追求内部闭环。理想状态是开放，但现实要求产品必须具备适应不同生态环境的灵活性。若要走向全球市场，开放与集成能力则是必选项。

AI极大消除了语言与文化障碍，让产品适配不同市场变得更容易，这正成为中国企业全球化的重要技术推力。顶级的创业者已将全球化视为公司创立的第一目标，这与过去“国内市场增长见顶才转向海外”的逻辑已截然不同。

展望2030年，在企业智能服务领域，一家真正有价值的公司需要什么？

核心判断是：我们正从“工具驱动”的时代，转向“上下文驱动”的时代。创造通用工具本身已变得相对简单，新的核心竞争力在于，谁能将企业过去难以结构化的自然语言沟通、模糊的业务场景、隐性的行业知识，转化为高密度的、可被计算和调用的“上下文资产”。

一个只有50字基础描述的AI虚拟人，与一个拥有几十万字背景故事、性格细节、对话记忆的虚拟人，其表现出的智能与可信度天差地别。上下文，将决定你的独特性。

最后，对于那些对AI感到焦虑又渴望探索的创业者与企业家，范凌的建议直接而有力：请放下“未来必须和过去有关”这个思维包袱。

你的过去决定了现在的你是谁，但你的未来，是由现在的你勇敢创造出来的。AI时代重新营造了一种环境，一种会为“非共识”的远见与勇气喝彩的环境。在过去那个漫长追求确定性与行业共识的周期里，这种敢于切割的勇气尤为稀缺。

所以，是时候勇敢地与过去的路径依赖切割，然后，坚定地迈向明天。

来源:https://www.163.com/dy/article/KPK7FOUO05119FMA.html

免责声明：游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。

上一篇：具身智能突破卡脖子难题机器人舞姿爆红带来行业新解法下一篇：联想新财年战略：打造智能体FDE模式引领行业变革