智商160的大模型，为什么死活干不好市场总监的活？

来源首席数智官“今天世界上的每家公司都需要有一个智能体系统战略。这是新的计算机。”在刚刚结束的GTC 2026大会上英伟达CEO黄仁勋抛出了一个让所有传统企业与软件厂商不免焦虑的论断。黄仁勋甚至直言未来的工程师薪酬组合将会变成“年薪Token”Token将成为AI时代最核心的资产。老黄的判断并不意外。如果我们稍加留意就会发现身边已有不少公司斥资采购AI。从最初的囤卡到后来的一体机再到后来的整体解决方案。AI确实已经越发进入企业业务的核心流程。但问题在于这些投入的回报似乎并没有想象中那么美好。销售用它润色套话邮件运营用它总结会议纪要。至于企业最核心的业务指标——转化率、增长瓶颈等几乎纹丝不动。这是一个极其吊诡的局面在C端看似无所不能的AI一进入B端复杂的业务流就水土不服。问题究竟出现在哪里3月27日面向企业的Agentic AI公司特赞正式发布了面向企业打造的企业级智能体系统GEAGenerative Enterprise Agent。在「首席数智官」看来特赞的这场发布会不仅回应了黄仁勋的智能体战略论断更为陷入模型焦虑的企业们指明了一条截然不同的突围路径。01AI与真实商业的冲突要理解当前企业AI的尴尬处境我们必须先认清两个根本性的行业冲突。首先是大模型的同质化陷阱。如今所有人都在盯着基础大模型看关注参数是不是更大了推理链条是不是更长了API 调用是不是更便宜了。但在这个疯狂内卷的赛道里绝大多数企业高管忽略了一个极其危险的事实当所有人都能轻易用到同样的顶级模型时模型本身就不再是企业的护城河了。无论是 GPT、Claude、 Gemini还是DeepSeek、千问、豆包你能花钱买到的接口你的竞争对手同样也能买到。特赞创始人及CEO范凌在发布会上直言大模型正在迅速沦为像电力一样的公共基础设施而在残酷的商业竞争中没有企业会因为“我们公司用的电更好”而赢得市场。同一个模型如果你仅仅喂给它互联网上的公开信息它给你的永远是一个放之四海而皆准的通用答案。这是第一个问题。第二个问题是大模型天生的收敛逻辑与真实商业的需求相悖。这是更深层次的冲突。“更准确的答案”一直是大模型追求的目标。面对一个复杂的问题常规的推理模型会基于其庞大的预训练数据一步步缩小可能性范围直到最终“收敛”到那个唯一正确的标准答案。这是大模型的特性。不可否认这种特性在解决确定性问题时是完美的。所以我们经常能看到某某新模型拿到奥数金牌、高考分极高、轻松通过司法考试等报道。然而真实的商业世界从来不是做题这么简单。在充满高度不确定性的商业决策中问题的核心价值往往不在于迅速找到一个所谓的收敛答案而在于决策者能够看到多少种创新的可能性。假设你是一家头部消费品牌的CMO需要为一款重磅新品上市制定传播策略。如果你向常规的推理模型寻求帮助它一定会基于过往海量的营销历史数据和所谓的最佳实践给你推导出一个逻辑严密、极其合理的最优方案。这个方案一定很安全但也注定极其平庸。这恰恰是企业在使用AI时最常见的问题。在真实的商战中颠覆性的胜利往往来自于打破常规。我们需要追问的是如果不做传统的硬广投放呢如果把目标人群从传统的A类人群切换到被忽视的B类人群呢等等这些打破砂锅问到底的、探索极具颠覆性视角的思考方式才是商业所需要的发散。因此特赞敏锐地指出在追求单一答案的收敛模型之外企业级AI亟需一个“发散优先”的推理系统。在寻找确定性的执行答案之前AI必须先穷尽各种战略可能性。02什么才是企业AI的核心明白了上述两个冲突我们就能理解特赞此次发布的GEA到底在解决什么核心痛点。GEAGenerative Enterprise Agent是特赞面向企业打造的企业级智能体系统它不是单点AI工具而是一套围绕业务目标运行、能够理解企业上下文、进行推理决策、调用技能执行任务并持续优化结果的系统。简单解释一下在企业场景里AI的问题已经不只是“能不能生成内容”而是能不能真正进入业务流程、理解组织语境、参与判断并对结果负责。特赞把这种架构称为GEA。GEA的核心逻辑是基于企业上下文系统 System of Context统一编排推理能力、智能体与技能把通用模型能力转化为可嵌入业务、可持续进化、可对结果负责的企业级智能体系统。根据特赞官方的定义这套GEA架构自上而下包含四个核心层级第一层意图层Intent Layer——从业务目标出发抛弃繁琐的提示词过去使用AI的门槛在于你必须是一个优秀的“提示词工程师”。但在GEA架构中运行的起点彻底改变了。它不再是冷冰冰的技术指令而是企业最直白的业务目标。高管或业务线负责人不需要去琢磨怎么写prompt只需要用自然语言下达商业意图“帮我找到下一个季度东南亚市场的增长机会”或者“为这款新品上市准备三套不同方向的传播策略”。之后系统会自动将这些宏观的商业意图转化为结构化的任务路径让 AI 真正围绕业务目标持续运转。第二层编排层Orchestration Layer——会发散思考的企业大脑当意图下达后接管任务的是特赞自研的发散推理模型Creative Reasoning Model。它会做两件事首先是发散式推理把复杂的商业意图拆解成多条可能的执行路径并严苛地评估每一条路径潜在的商业价值。其次是模型编排。要知道当前的基础模型世界每个月都在发生变化有的模型擅长逻辑推理有的擅长高质量生图有的擅长处理海量数据表格。特赞的发散推理模型就像一位指挥官它会自动判断拆解后的每一个子任务需要什么特定的能力然后在底层超过30种基础模型中自动调用最合适的那一个去执行。第三层智能体技能层Agent Skills Layer——真正下场干活的“手和脚”思考完毕后就必须有强悍的执行力。在这一层GEA拥有其专属的“执行器”——GEA Claw。它是企业级智能体进入真实业务流程内部运行的执行基础设施。据悉GEA Claw能够调用超过400个模块化的Agent Skills。这些技能涵盖了从内容生成、数据分析、消费者洞察到创意评估、品牌一致性合规校验等企业运转的方方面面。更重要的是它采用的是主动型智能体机制可以7×24小时持续监测企业的内部数据变化与外部竞品环境。一旦发现数据异常或竞品有新动作它会在既定授权边界内主动跳出来提出策略建议甚至直接触发下一步行动。第四层上下文层Context Layer——企业AI唯一的护城河。在这波AI浪潮中企业的Context一直被太多人忽视但其实它才是企业AI的核心壁垒。前文提到基础模型是公共基础设施大家都一样。那么企业在AI时代的护城河究竟是什么特赞给出的答案正是Context。因为模型产生智能只有上下文才能产生真正的商业价值。当你给模型输入企业独有的上下文时它给出的将是一个只有你这家企业才能得到的专属答案。为了承载这一战略特赞发布了Context System由特赞DAM承载。它不仅是一个升级版的数字资产管理系统更是企业级上下文的来源。过去企业的品牌调性文件、海量的营销视觉素材、产品研发的完整决策轨迹、历次战役的成败复盘报告甚至目标用户的用户画像都以非结构化数据的形式杂乱地躺在各个部门的网盘或文件夹里。如今当这些内容进入Context System的那一刻系统内置的本地模型就会自动对其进行识别和标注结合企业自定义的标签体系瞬间将其构建成有结构、有深厚语义关系的“活的上下文”。它就像是给企业安装了一个“外脑”不仅能记忆还能理解。通过其强大的上下文检索功能企业相当于拥有了一个专属的内部Perplexity。当你提问“去年我们在欧洲市场用过哪些效果最好的视觉风格”时它不仅能精准回答还能瞬间把合规、可用的相关营销素材直接调取到你面前一站式解决“找答案找资料”的痛点。不仅如此作为企业命脉的数据资产Context System在设计之初就确立了企业级安全的绝对底线。它采用严格的权限控制和“渐进式披露”机制只向模型输送当前任务真正需要的那部分切片信息该给的给不该给的绝对不给从根本上杜绝了企业机密外泄的风险。03AI的下半场才刚刚开始纸上谈兵永远无法打动苛刻的B端客户。特赞的这套GEA系统在真实的业务测试中交出了一份极其夸张的答卷。以一家全球知名的食品快消品牌为例。过去做市场调研耗时极长报告往往在出炉的那一刻就已经过时。现在该品牌引入了特赞的“洞察研究GEA”。智能体通过AI Research能力以指数级扩展了传统调研的样本覆盖面。更重要的是它驻扎在企业的上下文中持续进行推理不断比对各种全新的市场假设主动为决策层生成新的洞察线索。它为企业提供的是一套可持续演进的市场认知雷达彻底淘汰了静态的PPT报告。再比如营销端是目前离AI提效最近的阵地。某全球电子 3C 品牌在其海外社交媒体的战役中全面启用了特赞的“内容增长GEA”。在这里GEA Claw这个主动执行层展现出了强悍的跨系统协同能力。它不再是一个只会按指令写文案的工具而是直接接管了端到端的完整闭环从初期的账号人设定位、海量爆款内容的自动生成到跨平台的精准分发再到后链路的效果追踪分析与策略动态调整。它甚至能协调达人网络的传播节点优化品牌在AI生成答案中的可见度。在这个场景下智能体不再是辅助者而是直接对这跨新品在海外的最终增长结果负责的“数字业务一号位”。显然在Agentic AI的时代浪潮下正如GEA所展示的四个关键跃迁企业级应用正在从“被动响应”走向“主动发声”从“单一功能”走向“多智能体自主分工协作”从“一次性交付”走向“持续提效”最核心的是从“通用同质化”走向“对企业上下文的极致理解”。技术演进的洪流无法阻挡基础模型每隔几个月就会刷新一次认知的边界。如果你的企业系统死死绑定在某个特定模型上那么每次底层升级你都将面临推倒重来的灾难。在「首席数智官」看来GEA架构最大的战略前瞻性在于它将不可控的模型演进抽象为了企业内部稳定、可运营的智能资产。底层模型随时可以像电池一样拔插替换但中间那层厚重的、懂你企业黑话、包含你所有成败经验的Context才是真正属于企业自己的护城河。过去三年企业在试模型。但从今天开始企业真正生死攸关的战略决断是去构建一个从最高商业意图出发、深度理解自身上下文、具备发散判断力并能在真实业务中持续进化的智能中枢系统。AI的下半场拼的绝对不是谁有钱去买更多的算力而是谁能够以最快的速度把自己的数字资产和暗知识沉淀进系统的记忆里。因为在Context时代谁最懂自己的生意谁就能在这场残酷的效率革命中笑到最后。-end-来源首席数智官