2023年，毫无疑问的交互式AI元年。公众和媒体反复讨论生成式人工智能（Generative AI）对社会协作方式的影响。但对企业负责人来说，降低人力资源成本只是其提升生产效率的一个方面，AGI（通用人工智能）对于增长的强力推动才是真正有吸引力的地方。相信CMO（首席营销官）、CDO（首席数字官）或者增长部门已经递交了详细的分析报告、甚至修订了购置AI工具的预算，但如何决定针对AGI时代的营销基础设施投资，企业负责人还是得遵循以下基本商业逻辑。

一 营销当前可为AGI做什么

这个问题的提出本身有点反商业思维：应用侧为何要为方法论服务？事实情况是：人工智能的发展是遵循“信息、模型、行动”线性规律的；上一阶段的投资会成为下一阶段的货币。

在1990年代中后期，信息的搜集和分拣进入商业化流程，大量的信息服务类企业得以涌现：谷歌、雅虎、亚马逊等伟大企业集中登上历史舞台；而从2022年、2023年开始，由于GPT-3（OpenAI研发的大语言模型）的出现，AI的发展进程已经完成了信息的阶段，进入到模型爆发的阶段。在这个阶段信息不再呈现零散的条目状态，而是彼此结合形成有结构的知识谱系。然而再到下一个阶段“行动”，则需要模型随处可见、触手可得，使机器人们不存在知识“断层”的可能。换句话说，我们当前是刚过“信息”与“模型”交接的节点，要向“行动”迈进，需要千万个各领域的模型一起出现，而这些模型其实就是所谓垂直方向上的知识经验，就是Domain Knowledge（领域知识）。例如即使你只是运营一家几个人的日托所，你也需要一组模型，包括战略、营销、运营、财务等等。截至今年6月，中国最大的AI模型社区——阿里云魔搭社区已集聚了1000多款AI模型和200多万AI开发者，模型累计下载超过4500万次；不得不说我们已经处在模型爆发的前夜。

MaaS（Model as a Service，模型即服务）时代来临，模型毫无疑问是现阶段最重要的生产要素之一，它的价值曲线会像AI发展第一阶段的流量一样，存在拐点。

回想六七年以前中国互联网流量的价格与当前流量的价差，很难有企业主不会为其中的时间红利而动心。而营销模型，本质上来说是特定人群的信息模型、决策模型和消费模型，通过大模型，它们会成为更为泛在的体现；而通过区块链技术，它能达成更广泛的协议。这也决定了，能更早通过API接口开放模型调用的公司，会早一天从外部第三方企业（虽然你无从知晓它是否来自于本领域）中收到调用费用，从而实现自己的要素型收益。

自动化行动将无处不在，营销的当前任务是更广泛地对接服务。

Google DeepMind的CEO最近指出，我们距离AGI的诞生不过几年时间。在这几年时间中，自动化的行动将会大量出现；根据高盛研究，全球范围3亿人的工作将被AI自动化，这当中自然也包括品牌人员、营销策略人员、尤其是前端的增长运营人员。“数字广告投放”的工作将首当其冲被AI模型所托管，对于仅仅做理性决策而不提供创造性方案的岗位来说，延伸他们工作的价值链是唯一可行的出路。营销将不止于“影响”人类的消费决策，而是必须导向某种特定的行为目标，例如消费、交谈、投票，最终走向服务的获取。

二 营销AI基建搭建的重点及其成本

1.CMO/CTO/CDO人力资源成本：9-22万美元 （折合人民币65-158万元）/年（根据Linkdin 2023年9月平均数据）

一名既懂公司业务、又懂营销技术、同时还理解数据资产化的营销负责人是企业最该投入的“基建”。

只有高管层面的责权利保障，才能保证营销基建的投入合理性、模型的有效性和资产的安全性，从而避免在AGI时代极易发生的数据资损。TA需要用来确认你的生意在营销策略层面的知识架构已有清晰的结构和边界，提供所谓的专家调参价值；如果有部分洞察、思路或者预算分配目标停留在纸面上或者营销人员的头脑里，这部分的营销知识图谱应被剔除或进一步加以数字化验证。

2.能与大模型对话的数据中心

大数据开发治理平台成本（混合云方案/基础版）：10000+元/年（根据腾讯云、阿里云、AWS等同性能算力场景下方案报价对比得出）

本地数据中心建设成本：150万元/一次性

无论是将使用AI的能力建立在本公司内，还是与平台方共建，你都需要开始测试并最终挑选适合你的数据类型的AI工具筛选机制。在上一阶段，营销部门会已经收集了一些围绕自己的消费者和潜在TA的数据库（即CDP，客户数据平台），但从现在开始，需要着手分析你的数据中心或者云上数据湖：因为如果需要模型呈现“涌现”状态，就需要脱离“品牌-货品-媒体内容环境”的简单关系型数据库，而进入“任务模型”状态。举个例子来说：过去你的营销部门只需要提供论证依据：你的消费者有多少人有50%以上的概率购买本月推出的新品，并去他们日常活动的场域中接住他们；但现在你需要数据中心替你做的是：完成“让老客人在冲动消费情境下购买5000件的任务”，因此你需要的是更多类型的数据、实时运算的能力和与销售渠道直接对接。

这当中自然包括了需要批准更多的测试、实验经费，因为模型泛在性的体现需要有一定的通用场景做支撑。

同时还有算力、存力储备投入。根据工信部统计，我国算力性能超过存储能力，数据的变现速度不及算力生产速度，到2025年，我国将有超过420EB的巨大存储缺口亟待补充。因此提前投入存储和运算储备，将是控制成本的优秀策略。

3.围绕服务终端布局：智能硬件、新空间计算

成本：取决于目标品类

在下一个阶段，非人类主体将进行自主行动，它们所依托的前端表现或者叫“载体”会成为创新的重点。如果说，在当前我们只能看到ChatGPT-3.5为核心的“购物助手”依托智能手机或者既定移动端设备为人类提供导购服务；那么当我们进入到多模态阶段，跨模态的图像、声音、视频、触觉等的协同读取和判断将成为主流，具有更高兼容性和泛化能力的“载体”将成为真正的核心。自动驾驶、智能家居、智慧城市、空间计算、生物基材料等的布局，是AGI发展的必经阶段，也是智能营销的重点。

由于营销的目标本源就是“影响人、促动人”，所以人机协同从一开始就是营销场景的基本逻辑。在自然人用户的反馈捕捉、意图处理、行为追踪、行为预测等策略上，数字营销早就有沉淀一套参数模型。当这一整套完整的策略与硬件、机器人直接对接，将会产生Over-the-top（超越巅峰）的效果。于去年进场的360公司深谙此道，但硬件生产的利润率问题将是一道营销人难以逾越的鸿沟，all-in风险将会很大。

营销业现在正处在和AGI“对齐语言”的阶段，数字营销模型的价值会在未来几年内被泛化、常识化；与此同时，价值观的对齐将会更加急需，而这些过程将要依托更多的媒体接触场景和垂直类模型来完成。如果手握营销模型的企业主不尽早意识到这一触发链条，那么将失去宝贵的议价能力和议价时间窗口。

（作者邓丽为前国内权威媒体资深记者、现品牌营销公司上海扶乐荷文化传播创始人，有十多年财经媒体、头部互联网公司及创业经验，一直服务行业头部公司，如腾讯及