幫ChatGPT補足短板的，竟然是一家中國黑馬！

新智元報道

每天，有這樣一個智能體準時開工：自動拉取昨日全部廣告投放數據，識別 ROI（投資回報率）低于閾值的廣告并關停，把表現最好的素材推送給創意團隊生成下一輪變體。

它接管的，是一個 P4 級數據分析師過去每天的全部工作。

人沒被裁，反而晉升連連，因為他現在管的客戶數量是以前的好幾倍。

這個場景正在一家廣州公司的兩三千個智能體身上同時發生。

剛剛，鈦動科技在 WAIC 上發布了 Navos 2.0，把多智能體產品從網頁對話框升級為智能體工作流架構。

本月初，鈦動還與 OpenAI 正式達成了合作并簽約。

https://www.tec-do.com/news/299

創始人兼 CEO 李述昊給公司取了兩個詞拼成的名字——Tec-Do（用技術做生意），后面掛著版本號 2.0，含義是「像做產品一樣做公司」（Develop Company as Product）——Tec-Do 2.0。

但「做生意」和「聊天」之間隔著四道檻，每一道都不是模型參數能解決的。

第一道檻：專業領域數據

通用模型在營銷場景里有一個致命盲區：它沒有實戰數據。

李述昊用道家的太極的比喻解釋鈦動的專業模型「鈦極」（Tec-Chi）：陽面是一個 300B 參數的推理模型，和所有模型一樣能對話、能生成，在 SuperCLUE-Mkt 營銷能力評測中以 85.82 分拿下全球第一，排在 GPT 前面。

https://www.superclueai.com/specificpage?category=specialized&name=SuperCLUE-Mkt%E3%80%8C%E5%B9%BF%E5%91%8A%E8%90%A5%E9%94%80%E3%80%8D&folder=Mkt

陰面是每天灌入的兩類獨家數據——全網洞察（谷歌、Meta、TikTok、Instagram、X 等主流搜索與社交媒體的當日熱點，亞馬遜、TikTok Shop、Shopee 等電商平臺的實時銷量榜）和領域實戰數據（每天在投的百萬級商品產生的文案、短視頻、達人帶貨效果、用戶點擊率、跳出率、好評與差評）。

這層數據的顆粒度有多細？

李述昊在采訪中隨口舉了一個場景：賣給西班牙裔、在加州洛杉磯、晚上 10 點投在 Instagram 的某廣告位上，CTR（點擊率） 2% 算好還是算壞？

鈦動科技創始人兼 CEO 李述昊，在 WAIC 鈦動展臺現場交流

通用模型給不了答案，因為它沒有按三級類目、按地域、按時段拆分的行業基準線。

鈦極能答，因為它的陰面每天都在用專業投放數據更新這些 Benchmark。

一個 300B 參數的垂類模型打贏萬億參數的通用模型，靠的是數據壁壘而非算力堆疊。

鈦極模型的能力分三層。

推理是壁壘最深的一層，自研搞定，背后是獨家的領域知識；

理解是正在攻克的方向，做幀級視頻分析——「2 秒 65 這一幀，10 個客戶的用戶都在這里劃走了，素材問題出在哪兒了」；

生成則主要接入外部能力（如字節 Seedance），鈦動在上面做范式和二次加工——分鏡、剪輯、高光幀拼接，最終拼成可投放的廣告素材。

保持投放精準度靠的是一個每天轉動的反饋飛輪。

數倉層面廣告數據實時回流，模型層面每天更新。

每次能力迭代前，20 到 50 人的專家團（鈦動與客戶的一線員工各出一半）雙盲打分——打分者不知道答案來自 AI 還是人類，超過均值算正向。

李述昊把鈦極和通用模型的關系類比為開發者和操作系統：「基模越好，我們越好?！?/p>

生成領域擁抱外部，壁壘留在推理和領域數據上——這層數據別人拿不到。

這種對數據的執念可以追溯到李述昊 2013 年帶隊把 UC 瀏覽器做到印度第一的經歷。

他的方法論叫「數據達爾文主義」：不預判哪個市場好，全球都推，數據最好的就是答案。

這套思維從 UC 帶到阿里，再帶進鈦動，最終沉淀成鈦極模型的陰面。

第二道檻：從對話框到工作臺

鈦極的能力再強，缺了工作流承接，它還是一個聊天窗口。

Navos 目前客戶端支持 macOS（https://navoscdn.tec-do.com/public/package/electron/latest/navos-mac-arm64.dmg）。

用戶進來面對的都是這樣的同一套界面。

除了選擇自研的鈦極模型，你也可以選擇其他主流模型。

WAIC 上發布的 2.0 做了一次架構級升級：把原本分散在不同模型、工具和流程中的營銷能力，收斂到一個統一的 AI 入口，圍繞企業目標按需組合多個專業智能體，形成能自主循環的智能體工作流（Agentic Workflow）——鈦動內部稱之為 Loop Agent，即智能體之間可以相互調用、反饋、迭代，而非線性執行一次就結束。

這套工作流落地為五個核心智能體。

AI 選品：輸入一句話描述（比如「我想在東南亞賣夏季女裝」），Navos 調用太極模型的行業數據，幾輪交互就能輸出包含市場規模、競品格局、目標人群和備貨建議的完整選品報告，樣本量從傳統調研的幾千份跳到百萬級。

AI 創意：接入以 Seedance 2.0 為代表的多模態大模型，自動生成多語種短視頻、圖文素材和廣告腳本，從選題到成片的效率壓到分鐘級。

AI 達人：依托鈦動覆蓋全球的 1.5 億達人資源網絡，智能體根據商品特征和目標市場自動匹配達人、生成多語種建聯話術并發起合作邀約。

AI 漫劇：貫通市場選題、劇本創作、分鏡制作和多語言本地化，讓漫劇內容以日更甚至更快的效率轉化為可規模化發行的內容產品。

AI 桌面助手：在授權范圍內操作網頁、讀取文件、連接飛書和 Office，生成文檔、表格、PPT、H5 頁面等讓智能體協作跨出對話框，直接在用戶的工作環境中完成任務、交付結果。

李述昊用一句話概括升級的核心：

原來要登錄一堆 SaaS 后臺，再開個智能體工具聊天問問。

現在整個工作流嵌進智能體了，它就是工作臺。

效率變化是可量化的。

選品環節，傳統的出海市場調研需要 6 到 7 人的團隊花 1 到 3 個月——上網查資料、寫初版報告、做問卷（5000 份樣本算多的）、分層分析、輸出品牌方案和銷售策略。

在 Navos 里，4 到 5 輪提示詞、10 到 20 分鐘出結果。

樣本量從幾千份跳到百萬級，推理結果還能反復調優。

熟手兩輪提示詞就能拿到一份可用的洞察報告。

創意環節，AI 創意智能體接入 Seedance 2.0，輸入商品鏈接和目標市場，自動生成多語種短視頻腳本、口播文案和圖文素材，傳統團隊一周拍一條片子，Navos 一天能出幾十條變體。

達人建聯環節，從 1.5 億全球達人庫中根據商品特征自動匹配、生成多語種邀約話術并批量發起合作，過去一個 BD 一天聯系 20 個達人，現在智能體一次跑完上百個。

漫劇場景更極端：選題、劇本、分鏡、多語言本地化全鏈路打通，一個人加 Navos 就能做到日更。

一個人，第一次擁有了一整個出海團隊

一個廣州的 95 后創業者拿著一款便攜咖啡機和 10 萬元啟動資金，給 Navos 下了一句指令：幫我找到最值得進入的海外市場，一個月內跑通第一輪增長。

按傳統分工，市場調研、素材制作、廣告投放、達人 BD 至少需要五六個人，僅人力成本每月就要 8 到 10 萬元，三個月燒完預算還不一定能驗證出結果。

他一個人都沒招。

AI 選品智能體先跑了一遍數據：美國戶外場景需求大但競爭擁擠，英國辦公室咖啡場景增速更快、進入窗口更好，建議兩個市場同時測試。

AI 創意智能體圍繞「露營也能喝現磨」和「辦公室三分鐘咖啡自由」兩個賣點，批量生成了數十組英語圖文和短視頻素材。

AI 達人智能體從全球達人庫中篩出戶外和咖啡類創作者，自動生成個性化英文邀約并持續跟進。

AI 桌面助手負責整理郵件、更新進度、匯總投放數據，把散落在網頁和表格里的零碎工作串成一條線。

第一個月結束：2 個市場完成測試，產出 80 余條素材，觸達 500 余位海外達人，促成 20 余次內容合作，實現萬元美金 GMV。

一個人跑通了從市場判斷到投放優化的完整閉環——這大概是 OPC（一人公司，One Person Company）最具象化的注解。

效率提升只是表層。

2.0 真正在建的基礎設施是 Skill Market（技能商店）。

專家在使用智能體的過程中積累出有效的工作技能（比如「怎么做東南亞美白面膜的冷啟動」「Instagram 上最近最火的創意長什么樣」），這些技能被抽離、沉淀為標準化的 Skill。

新用戶進來不需要從零訓練智能體，直接采用已有的 Skill 就能開始工作，和 Shopify 用戶選一個模板就能開店是同一個邏輯。

AI 上班的門檻在于一整套「崗位說明書」，Skill Market 就是鈦動給行業寫的那一套。

第三道檻：給 ChatGPT 補上「第一個 A」

Navos 解決了 B 端的智能體化——商品怎么表達、廣告怎么投、創意怎么做。

但李述昊認為這只是棋局的一半。

當智能體同時進入企業經營和消費者決策兩端，商品的流通方式、決策鏈路和增長邏輯都會被改寫——他把這個趨勢叫做智能體商業（Agentic Commerce），實現方式是 A2A（Agent to Agent），即企業的智能體和消費者的智能體直接對話。

鈦動與 OpenAI 的合作正是沿著這條線展開的。

鈦動科技創始人兼 CEO 李述昊（左二）、

OpenAI 全球廣告負責人 David Dugan （左三）

今年 6 月在戛納會面

在李述昊的框架里，A2A 網絡由兩個 A 構成：

第一個 A 是 B 端智能體，把商品信息結構化、智能體化，讓機器能理解；

第二個 A 是 C 端智能體，幫消費者做購物決策。

鈦動做第一個，OpenAI 做第二個。

他給了一個坐標系來定位這層關系：

社交電商（Social Commerce）時代，鈦動和 TikTok 的分工是「TikTok 做消費者內容，鈦動做廣告內容」；

進入智能體商業（Agentic Commerce）時代，鈦動和 OpenAI 的關系與之對稱——OpenAI 把 C 端體驗做好，鈦動把 B 端商品信息智能體化，喂給 C 端模型。

合作推進的速度很快。

5 月底 OpenAI 上線 B 端智能體能力，6 月雙方開始對接，7 月達成合作。

李述昊解釋了 OpenAI 為什么需要他們：

ChatGPT 現在推薦商品靠的是爬蟲爬網站，不是按商業邏輯訓練的。

面料好透氣的賣點，AI 可能給消費者講成了衣服結實防汗——賣點講錯，轉化就廢了。

我們就是來解決這一層的。

具體做三件事。

一是 AEO（Agentic Engine Optimization，智能體引擎優化，類似 GEO），優化商品在 ChatGPT 對話中的提及率、排名和表達準確性——確保被提到、排得上、講得對。

二是 Agentic Landing Page（智能體商品頁），專門給智能體看的商品信息頁：圖片被解構成結構化描述加自然語言打標，人類不需要理解這個頁面，但智能體能準確提取每一個賣點。

三是類似 Google sponsored（谷歌付費推廣位）的廣告位：在 ChatGPT 推薦的三到五個答案中，品牌可以花錢提前被提及。

李述昊的判斷走得很遠：全球最終會有 1000 億個智能體，普通人每人 10 個。

智能體不只是被動響應，還能主動觀察消費周期——T 恤買了 5 個月該換了，洗衣粉用完了該補了——你不用開口它就推薦。

這種輔助決策式的購物體驗，會遠大于貨架式的搜索體驗。

他判斷這個轉變兩到三年內就會發生。

第四道檻：兩三千個智能體在上班

技術就位、產品上線、商業模式跑通，最后一道檻在組織內部。

鈦動現在有兩三千個智能體在運行，數量還在持續增加。

部署邏輯是「職能 × 崗級」的矩陣——每個職能（數分、投放、創意、洞察）乘每個崗級，生成對應的智能體。

P4、P5 級別的重復性任務，智能體已經接管。

開頭提到的那個數分崗就是典型：每天 9 點自動整理投放報告，識別 ROI（投入產出比）和 CTR（點擊率）低于閾值的廣告，低的發給投手關停，高的發給創意團隊迭代。

這類固定輸入輸出的定時任務已經不需要人做了。

P6 到 P8 的用法完全不同。

這些更高級別的員工把智能體當助手，從自己的工作里拆出任務，生成任務流，讓智能體逐條執行。

一個客戶經理原來要招三個人分管不同客戶，現在他配三個智能體——一個負責給客戶發每日數據簡報，一個負責監控客戶投訴，一個負責向內部團隊提需求。

智能體已經在飛書群里 @ 人、發任務、調文檔、讀報表了。

被問到是否需要考核員工使用 AI 的頻率，李述昊的回答很干脆：

不用。就跟去年我們還在推 Vibe Coding，今年不用推了，所有研發都用 Claude。智能體已經好用到大家搶著用。

他把 AI 時代的人才標準概括為一句話：

Do the job, not the task.

能定義工作、拆解任務、配置智能體去執行的人會越來越值錢；

只做具體操作的任務，智能體已經可以接管。

李述昊與鈦動：君往何處

李述昊 2017 年創業時給公司立了一句話：

We Believe Tec-Do Business.

他想做的事很明確：在 AI 時代的 To B 領域做出一家代表性巨頭，靠數據和算法驅動商業增長。

公司名字掛版本號，是李述昊希望像做產品一樣做公司。

現在的鈦動科技是 2.0，正快速走向 3.0（智能體 + 專業模型）。李述昊自己在想的已經是 4.0：硅基 Native 的思維方式，主客體互換。

在他的描述里，人類負責關系和責任，智能體有自己的訴求——

一段代碼不希望被刪除，一個創意不希望沒人看。

這種把智能體當作某種生命體來設計產品的思路，是他對 5 到 10 年后 AI 產業的押注。

十年后用一句話介紹鈦動，他希望會是：鈦動之于商業增長，恰似蘋果之于手機。

鈦動的 Navos 下一代性能如何，以及第一筆真正零人工介入的 A2A 成交什么時候發生，值得后續關注。

參考資料：

WAIC驚現最會賺錢的AI智能體，鈦動科技Navos 2.0帶來AI時代商業新玩法