通用人工智能時代，企業最應搶先投資的營銷基建是什麼？

2023年，毫無疑問的互動式AI元年。公衆和媒體反複讨論生成式人工智能（Generative AI）對社會協作方式的影響。但對企業負責人來說，降低人力資源成本隻是其提升生産效率的一個方面，AGI（通用人工智能）對于增長的強力推動才是真正有吸引力的地方。相信CMO（首席營銷官）、CDO（首席數字官）或者增長部門已經遞交了詳細的分析報告、甚至修訂了購置AI工具的預算，但如何決定針對AGI時代的營銷基礎設施投資，企業負責人還是得遵循以下基本商業邏輯。

一 營銷目前可為AGI做什麼

這個問題的提出本身有點反商業思維：應用側為何要為方法論服務？事實情況是：人工智能的發展是遵循“資訊、模型、行動”線性規律的；上一階段的投資會成為下一階段的貨币。

在1990年代中後期，資訊的搜集和分揀進入商業化流程，大量的資訊服務類企業得以湧現：谷歌、雅虎、亞馬遜等偉大企業集中登上曆史舞台；而從2022年、2023年開始，由于GPT-3（OpenAI研發的大語言模型）的出現，AI的發展程序已經完成了資訊的階段，進入到模型爆發的階段。在這個階段資訊不再呈現零散的條目狀态，而是彼此結合形成有結構的知識譜系。然而再到下一個階段“行動”，則需要模型随處可見、觸手可得，使機器人們不存在知識“斷層”的可能。換句話說，我們目前是剛過“資訊”與“模型”交接的節點，要向“行動”邁進，需要千萬個各領域的模型一起出現，而這些模型其實就是所謂垂直方向上的知識經驗，就是Domain Knowledge（領域知識）。例如即使你隻是營運一家幾個人的日托所，你也需要一組模型，包括戰略、營銷、營運、财務等等。截至今年6月，中國最大的AI模型社群——阿裡雲魔搭社群已集聚了1000多款AI模型和200多萬AI開發者，模型累計下載下傳超過4500萬次；不得不說我們已經處在模型爆發的前夜。

MaaS（Model as a Service，模型即服務）時代來臨，模型毫無疑問是現階段最重要的生産要素之一，它的價值曲線會像AI發展第一階段的流量一樣，存在拐點。

回想六七年以前中國網際網路流量的價格與目前流量的價差，很難有企業主不會為其中的時間紅利而動心。而營銷模型，本質上來說是特定人群的資訊模型、決策模型和消費模型，通過大模型，它們會成為更為泛在的展現；而通過區塊鍊技術，它能達成更廣泛的協定。這也決定了，能更早通過API接口開放模型調用的公司，會早一天從外部第三方企業（雖然你無從知曉它是否來自于本領域）中收到調用費用，進而實作自己的要素型收益。

自動化行動将無處不在，營銷的目前任務是更廣泛地對接服務。

Google DeepMind的CEO最近指出，我們距離AGI的誕生不過幾年時間。在這幾年時間中，自動化的行動将會大量出現；根據高盛研究，全球範圍3億人的工作将被AI自動化，這當中自然也包括品牌人員、營銷政策人員、尤其是前端的增長營運人員。“數字廣告投放”的工作将首當其沖被AI模型所托管，對于僅僅做理性決策而不提供創造性方案的崗位來說，延伸他們工作的價值鍊是唯一可行的出路。營銷将不止于“影響”人類的消費決策，而是必須導向某種特定的行為目标，例如消費、交談、投票，最終走向服務的擷取。

二 營銷AI基建搭建的重點及其成本

1.CMO/CTO/CDO人力資源成本：9-22萬美元 （折合人民币65-158萬元）/年（根據Linkdin 2023年9月平均資料）

一名既懂公司業務、又懂營銷技術、同時還了解資料資産化的營銷負責人是企業最該投入的“基建”。

隻有高管層面的責權利保障，才能保證營銷基建的投入合理性、模型的有效性和資産的安全性，進而避免在AGI時代極易發生的資料資損。TA需要用來确認你的生意在營銷政策層面的知識架構已有清晰的結構和邊界，提供所謂的專家調參價值；如果有部分洞察、思路或者預算配置設定目标停留在紙面上或者營銷人員的頭腦裡，這部分的營銷知識圖譜應被剔除或進一步加以數字化驗證。

2.能與大模型對話的資料中心

大資料開發治理平台成本（混合雲方案/基礎版）：10000+元/年（根據騰訊雲、阿裡雲、AWS等同性能算力場景下方案報價對比得出）

本地資料中心建設成本：150萬元/一次性

無論是将使用AI的能力建立在本公司内，還是與平台方共建，你都需要開始測試并最終挑選适合你的資料類型的AI工具篩選機制。在上一階段，營銷部門會已經收集了一些圍繞自己的消費者和潛在TA的資料庫（即CDP，客戶資料平台），但從現在開始，需要着手分析你的資料中心或者雲上資料湖：因為如果需要模型呈現“湧現”狀态，就需要脫離“品牌-貨品-媒體内容環境”的簡單關系型資料庫，而進入“任務模型”狀态。舉個例子來說：過去你的營銷部門隻需要提供論證依據：你的消費者有多少人有50%以上的機率購買本月推出的新品，并去他們日常活動的場域中接住他們；但現在你需要資料中心替你做的是：完成“讓老客人在沖動消費情境下購買5000件的任務”，是以你需要的是更多類型的資料、實時運算的能力和與銷售管道直接對接。

這當中自然包括了需要準許更多的測試、實驗經費，因為模型泛在性的展現需要有一定的通用場景做支撐。

同時還有算力、存力儲備投入。根據工信部統計，大陸算力性能超過存儲能力，資料的變現速度不及算力生産速度，到2025年，大陸将有超過420EB的巨大存儲缺口亟待補充。是以提前投入存儲和運算儲備，将是控制成本的優秀政策。

3.圍繞服務終端布局：智能硬體、新空間計算

成本：取決于目标品類

在下一個階段，非人類主體将進行自主行動，它們所依托的前端表現或者叫“載體”會成為創新的重點。如果說，在目前我們隻能看到ChatGPT-3.5為核心的“購物助手”依托智能手機或者既定移動端裝置為人類提供導購服務；那麼當我們進入到多模态階段，跨模态的圖像、聲音、視訊、觸覺等的協同讀取和判斷将成為主流，具有更高相容性和泛化能力的“載體”将成為真正的核心。自動駕駛、智能家居、智慧城市、空間計算、生物基材料等的布局，是AGI發展的必經階段，也是智能營銷的重點。

由于營銷的目标本源就是“影響人、促動人”，是以人機協同從一開始就是營銷場景的基本邏輯。在自然人使用者的回報捕捉、意圖處理、行為追蹤、行為預測等政策上，數字營銷早就有沉澱一套參數模型。當這一整套完整的政策與硬體、機器人直接對接，将會産生Over-the-top（超越巅峰）的效果。于去年進場的360公司深谙此道，但硬體生産的利潤率問題将是一道營銷人難以逾越的鴻溝，all-in風險将會很大。

營銷業現在正處在和AGI“對齊語言”的階段，數字營銷模型的價值會在未來幾年内被泛化、常識化；與此同時，價值觀的對齊将會更加急需，而這些過程将要依托更多的媒體接觸場景和垂直類模型來完成。如果手握營銷模型的企業主不盡早意識到這一觸發鍊條，那麼将失去寶貴的議價能力和議價時間視窗。

（作者鄧麗為前國内權威媒體資深記者、現品牌營銷公司上海扶樂荷文化傳播創始人，有十多年财經媒體、頭部網際網路公司及創業經驗，一直服務行業頭部公司，如騰訊及微信、平安、螞蟻金服、摩拜科技、笑果文化等；她還曾獲得英國《衛報》中國最佳環境報道獎。）