从内容生成到Context系统：特赞的AI原生演进

特赞成立于2013年，最初定位为“Tech + 底赞”，致力于用科技赋能创意与内容生产，早期聚焦于企业营销场景中的图文、视频等内容管理与分发。过去两三年，大语言模型的出现彻底改变了特赞的技术路径——它不再仅服务于营销内容，而是升级为一个以非结构化数据（图文、视频、语音等）为核心的管理平台，并构建出可被大模型理解的 Context System（上下文系统）。

这一转变意味着：企业知识终于可以被AI系统性理解与调用，从而支撑起更广泛的业务场景。特赞由此将服务范围从营销，拓展至产品创新与用户洞察两大领域。正如德鲁克所言，企业的本质是创造消费者；而AI原生时代，企业需要围绕用户展开两件根本性工作：讲好故事（营销） 和 提供好服务（产品）。特赞将这三者整合为 G.E.A.（Generative Enterprise Agent），即生成式企业智能体系统。

原话：“以前如果你认为这个数据有两类，一类叫结构化的数据，就在Excel表格里边那些，还有一类呢非结构化的图文、视频等等等等。那原来机器是很难处理非结构化的数据的……大语言模型的出现，让理解非结构化数据这件事情变得容易很多。”

原话：“我们原来只在营销场景做的各种内容的管理、生成、分发、分析、匹配，一下子就变成企业里边可以做整个非结构化数据的管理了。”

AI原生组织：不是加一个Copilot，而是重构生产关系

当前企业对AI的应用仍处于初级阶段：多数企业仅将AI作为个体提效工具（如每人配一个Copilot，提升20%-30%效率），或在原有组织架构图中插入“智能体”角色。但真正的AI原生组织，应是以AI优先逻辑重构的全新生产关系。

范凌以“电气革命”作类比：1900年工厂先将蒸汽机换成电动机，但直到1930年才诞生真正以电动机逻辑重新设计的工厂，并催生泰勒主义等新管理理论。AI对组织的改造同样需要时间——工具迭代极快，但组织范式转变滞后。关键挑战已从技术优劣，转向组织认知与决策层的想象力：Andrew Ng曾指出，员工常抱怨AI不够好，而CEO却能构想爆发性场景；同一技术，因视角不同，结果天差地别。

特赞通过实际产品探索AI原生实践： - Typica：一个可7×24小时模拟用户行为的AI智能体，让企业从“半年一次昂贵调研”转向“每日低成本对话”，实现用户洞察的实时化与常态化； - 新品创新G.A.：像量化交易一样持续扫描市场信号（舆情、社交热点、用户反馈等），由AI完成0-60分的批量初筛，人类则聚焦60-100分的创意升华。

原话：“AI能在前面批量化的比较暴力的起量，人呢就不用做零到六十分的事儿，人可以从六十分开始接力做更完美的东西。”

创意的再定义：AI不是取代人，而是淘汰‘伪创造’

当AI生成图像已逼近专业水准（如GPT-4o生成图无AI感、自动设计宝贝页达90分水平），设计师的价值是否被稀释？范凌认为，问题不在于AI能否创意，而在于我们曾误将大量“优化型重复劳动”当作创意。

他回忆十年前阿里拥有两千名设计师、两百万电商设计师的盛况：“这些头图真的需要顶尖设计师吗？他们是在享受创造，还是在完成目标明确的优化任务？”AI的价值，正是将人从这类任务中解放，转向更复杂、非结构化、需灵性判断的领域。

AI本质是概率模型，天然趋同；差异性仍依赖人的干预——比如设计师提出独特视角，才能打破收敛循环。但AI也极大赋能了真实创意者：设计师如今可直接通过提示词生成高保真视觉稿，减少与前端的沟通损耗，从执行者升级为“可控结果的创作者”。

特赞的差异化在于：不止做“数字员工”，更做“上下文农场主”。因长期服务500强企业、管理海量非结构化数字资产，特赞天然拥有企业专属的Context土壤——同样的模型，不同的上下文，产出截然不同。其终极目标是：让AI驱动人，而非人驱动AI，在营销、产品、用户洞察三大核心环节，实现生成式企业的系统性跃迁。

上下文：AI原生转型的土壤与差异点

在特赞的AI原生转型路径中，上下文被视作核心切入点。范凌指出，上下文并非外部添加的附加层，而是早已沉淀在企业系统中的真实土壤——同样的模型种子，在不同上下文土壤中会生长出迥异的结果。因此，上下文构成了特赞区别于其他AI方案的关键差异点。

他进一步强调，AI的价值不在于替代人，而在于重构企业最核心的三大领域：营销、产品创新与用户洞察。这些领域过去高度依赖人的“手感”与“第六感”，即心理学中的隐性知识（Tacit Knowledge），也即上海话所说的“搜思”——一种难以言传却真实存在的判断力。

“比如说我们用同样的原材料烧出来饭，就是不一样的味道，这就是手感依然重要。”

“AI可能在帮助我们降低这些的门槛，但是AI不能取代我们跟这些有洞察的人，很有手感的这种细水长流的交流。”

人机协作：互补而非取代的范式革命

范凌明确反对将AI视为简单的“取代型”工具。他指出，若仅以裁员为导向，将导致大量中产白领岗位消失，进而引发系统性经济冲击——这正是所谓“2028经济危机”论的现实基础。

但他更强调，AI的真正价值在于人机互补：比如在网文改编中，企业可将真实读者访谈内容转化为AI读者的上下文语料，再邀请这群“AI读者”参与情节共创与反馈测试。这一过程并未削弱人的角色，反而放大了高敏感度、高洞察力人群的协作价值。

从社会层面看，这场变革不仅是商业问题，更是系统性社会问题：白领岗位的结构性迁移，要求企业、政府协同构建大规模技能重训（rescaling）机制与社会保障体系升级（如UBI的探索）。创业者需保持紧迫感，否则将被抛出技术变革的主航道。

“如果你今天只把它看作有点像是取代型的，那可能原来这个事儿的人做的意义本来就不够大，只是不得不让人做。”

“如果我们把它看作是互补型的，那有可能这里就有一个人机协作的很好的范式的出现了。”

品牌建设：AI时代反而更需“人感”与长期主义

针对“AI时代无法诞生伟大品牌”的论断，范凌持相反观点：AI不会削弱品牌价值，反而会强化其必要性。当产品同质化加剧，消费者对品牌的信任将更依赖于历史、文化、口碑与“活人感”——这也是为何AI公司纷纷让创始人出镜直播、甚至请裘德洛代言AI法律产品。

他提出“Build in Public”已成为新品牌建设的关键策略：通过持续公开产品思考（如视频播客），既可快速获取用户反馈，又可建立团队与产品的信任连接。特赞自身已有50%以上销售线索来自SEO/内容驱动，印证了“为大语言模型做内容”的有效性——AI正成为新的“用户”，其检索逻辑倒逼内容形态向问答式、知识型、旁征博引演进。

“一家公司如果是百分之九十人都是研发，那说明你的 go to market 做得太慢了。”

“人和人的沟通还是原来的这种方式，或者说还是需要时间积累的……我们没有办法今天给你打一针，你就相信特赞是一家全世界最好的公司了。”

Context 是企业级 AI 落地的核心基础设施

当前 AI 应用生态已高度成熟，但真正决定落地深度的，是 Context（上下文）能力——它不仅是技术问题，更是应用场景问题。没有足够多的企业愿意提供真实难题，技术终将沦为空中楼阁。而一旦 Context 做到极致，AI 才能真正嵌入企业核心业务流，从辅助工具升级为问题解决者。这也将催生全新的商业模式：Agent 不仅替代传统软件，更直接交付结果，其付费率可达软件的十倍，因为客户买的不再是功能模块，而是可衡量的竞争力提升。目前已有探索如“AI+垂直行业合资”模式，即 profit share（利润分成）：企业盈利则 AI 方盈利，失败则双方共担风险。这标志着从“效率提升”向“价值共创”的范式迁移。

Agent不仅把软件干掉了，甚至把很多原来用软件交付服务结果的干掉，所以Agent可以直接交付结果。

以前你买Excel，你买这个那个还要去学怎么做Excel，现在就直接告诉你数据分析的结果，甚至直接告诉你下一步应该干什么。

AI 时代的人：决策、勇气与人文重构

AI 并未削弱人的价值，反而放大了判断性工作与决策能力的稀缺性——它能推演所有路径，但最终选择必须由人承担风险与成本。这要求创业者更勇敢、更具想象力。范凌以自身炒股经历反思：即便使用 Gemini 或 GPT，模型只能提供概率性陈述，无法替代个体判断；“道理都对，你也告不了他”，凸显了 AI 无法替代的“主观能动性”。他进一步指出，中国若想避免“效率过高导致产能过剩”的陷阱，需转向服务业——尤其是从规模化向个性化演进。服务业虽效率不高，却能承载就业与生活意义，类似发达国家路径。

以前呢，我们可能要在这三种选择、这四种选择推演上，我就要花很多精力了。是。但现在我可能这个的精力体力要减少很多，可以把更多的时间花在我到底怎么做这个选择上。

今天是个马桶盖儿，只要是杜尚的都很值钱。我会更多的把AI当做一种解放……绘画可以表达自我了。

广告业与中产困境：在技术洪流中重建品牌与意义

广告业正经历从创意驱动向效果驱动的异化，甚至沦为“垫资乙方”。AI 的介入加剧了这一趋势——甲方用 AI 生成 brief、评估提案，使乙方仅能赚取辛苦钱。但范凌认为，品牌与用户心智建设从未比当下更紧迫，而它们恰恰需要时间、创意与非标准化的洞察，这正是 AI 难以覆盖的领域。未来崛起的或将不是最懂 AI 的广告公司，而是最懂 AI 边界、最有态度的创意人。与此同时，中产消费力下滑背后是系统性信心缺失。美国靠股市上涨形成正循环，而中国需探索本土解法：经济信心与正向循环机制比技术本身更关键。他强调，企业不应只聚焦“降本增效”，而应思考如何“go beyond 优化”，尤其在 AI 时代重建人的心理安全感与组织温度——比如对奶茶店员工，支持比替代更合理。

我有限的智慧我是解决不了，但我能看到这个问题。