特赞科技（Tezign）近日正式推出了一项颇具前瞻性的技术成果——「主观世界模型」（Subjective World Model，SWM）。这一概念听起来有些抽象，但本质上，它与目前主流大模型的发展路径截然不同：SWM并非为了协助用户撰写文章或处理邮件，而是致力于真正“读懂”一个具体的人——了解消费者为何选择A而非B，为何言语与行为时常不一致。
特赞科技创始人兼CEO范凌对此解释道：“大模型的核心能力是语言生成，而主观世界模型要攻克的是‘理解个体’这一难题——还原一个人如何表达自我、做出决策、并在现实限制下采取行动。两者的训练目标完全不同，因此需要截然不同的数据体系与模型架构。”
与大模型的本质差异
过去两年，大模型领域的竞争焦点始终围绕参数规模展开：更大的模型、更多的训练数据、更强的语言生成能力——各方比拼的是“谁的模型更会‘说话’”。大型语言模型（LLM）的训练目标归根结底是对语言统计规律的拟合，通俗来说就是预测“下一个词最可能出现什么”。
然而，SWM的训练目标与此完全不同。它建模的对象并非语言本身，而是语言背后那个真实的个体——具体的人如何表达自己、如何解释自身行为、如何在内心进行价值权衡，以及在现实约束下最终做出怎样的行动。
这一目标需要四个层次、性质各异的数据协同建模：
技术路线虽已清晰，但门槛同样显而易见——数据积累的壁垒尤为突出。尤其是叙事层数据，数万小时的一对一深度访谈，这类积累依赖的是时间跨度与专业能力，并非依靠资金就能在短期内复制。
特赞恰好在这一领域具备显著优势。作为一家服务180余家企业客户、60余家财富500强企业的内容AI公司，特赞经过十年持续积累，构建了覆盖消费者研究全链路的数据资产：品牌内容消费行为、用户访谈记录、真实投放效果数据——既有研究深度，又有行业覆盖广度，且经过大量企业真实业务场景的不断验证。
Gartner在2025年发布的《Enterprise Agent Competency》报告中，将特赞列为全球五家代表性厂商之一（与Google、Microsoft、腾讯并列），认可其“以企业上下文为核心、以技能体系为执行”的路径，并指出这是企业AI Agent建设的正确方向。
从“理解消费者”到“执行品牌策略”的闭环
SWM解决的是消费者理解层面的问题，但消费者洞察的真正价值能否落地，关键在于能否转化为可执行的业务决策。
特赞GEA（Generative Enterprise Agent）正是承担这一角色的企业级智能体架构。其四层设计——意图层、编排层、技能层、上下文层——能够将洞察转化为可落地的业务行动，覆盖内容生产、产品创新与用户研究三大领域，拥有400余个模块化技能。
SWM输出的消费者洞察，经由GEA的Context System（企业上下文系统）与品牌历史数据、业务规则深度结合，形成从“理解消费者”到“执行品牌策略”的端到端闭环。范凌将这一架构概括为“两个世界模型”：主观世界模型建模消费者，企业上下文模型建模企业自身，两者通过GEA连接，共同驱动智能体在商业场景中做出决策与执行。
真实业务验证与量化成果
快消品公司 | 产品创新场景 | 从0到70，再从70到100
一家快消品公司将主观世界模型接入了产品创新流程。模型在后台持续运行，采集竞品动态与消费者信号，自动生成产品创意，经过数字用户测试筛选后交由人类团队评估。AI完成了从0到概念雏形的全部工作，团队在此基础上精炼打磨并推向市场。最终结果：产品开发周期从两三个月压缩至三天，自2025年第四季度起产品数量增长了六倍，创新成本降低了80%。
手机品牌 | 社媒增长场景 | 12亿次曝光，零媒体费用
另一家手机品牌基于700种消费者画像生成差异化社交内容，结合注意力模型实现每日自动更新。第一个月便取得了12亿次曝光，且媒体费用为零——你没有看错，零成本。
零食品牌 | 被验证的“意外洞察”
一家头部零食品牌曾陷入增长瓶颈，通过SWM的四层深度分析，团队意外发现消费者购买该产品的核心动机并非口味，而是用于职场社交的“轻量礼赠需求”。这一洞察直接推动产品包装从“家庭装”转向“分享装”，并同步调整营销话术为“职场小确幸”，最终实现季度销量逆势增长37%。
供给侧的AI能力正在趋于收敛——参数规模竞争的边际收益递减，内容生产工具的能力差距正逐步成为行业基准线而非差异化优势。真正的竞争壁垒已经向理解侧转移：对消费者主观世界的建模精度，对具体个体决策逻辑的还原能力。主观世界模型（SWM）的发布，标志着这一方向有了系统性的技术路径——以四层数据协同建模，将“理解人”这一原本难以量化的命题，转化为可训练、可迭代的基础模型能力。对企业智能体（GEA）而言，SWM提供的不仅是数据输入，更是消费者洞察这一稀缺禀赋的系统性来源——这，才是企业AI竞争下半场真正难以复制的起点。
