界面新闻记者 | 程璐
界面新闻编辑 | 文姝琪
新手机还没发布，已经有一群“用户”替你测评过它了。
这些“人”感受过新手机的材质，吐槽过摄像头太凸，嫌电池不够用，甚至为选哪个颜色纠结了十分钟。
只不过，这些人可能并不真实存在。他们是AI捏出来的虚拟消费者，但这些“AI人设”有年龄、有职业、有社交媒体发言习惯，甚至有自己的“消费偏好”。
过去，一家手机厂商要测试新品的用户体验，需要招募真实用户、分发样机，等待一周回收问卷，还要担心提前泄密。但现在，AI已经开始真实参与企业的测试流程。
同样是这套企业级智能体系统，另一家食品消费公司用它在后台7×24小时不间断跑新品研发。AI不睡觉、不请假，每天自动抓取宏观趋势、扫描几十万条社媒讨论，然后源源不断生成产品的包装设计、创意方案、电商详情页。
人只需要做一件事：下判断，点头或摇头即可。到今天，AI对于品牌营销的改造速度，已经超出了大多数人的想象。
这套企业级智能体系统背后，是上海“模速空间”七家人工智能龙头企业“北斗七星”成员之一特赞科技。2015年成立，服务过联合利华、星巴克等100多家世界500强，特赞科技完成了D1轮融资，估值超过10亿美元。
在大模型时代，这家十年的独角兽公司经历了一场“重构自己”的过程，效果是显著的，据界面新闻了解，特赞今年ARR（年度经常性收入）将突破一亿美金。
上下文，才是企业级AI真正的门槛
特赞很早就开始涉足AI领域了。没有基础模型的时候，他们自己训练垂直模型，为餐饮零售品牌识别汉堡种类，为品牌客户做电商图片的批量适配。彼时，模型训练成本高、难度大，能定制化训练模型的公司凤毛麟角。
直到GPT出现，过去企业花大量时间积累的数据集、小模型，似乎一夜贬值。特赞科技创始人范凌没有回避这种焦虑，他对界面新闻形容，像要搬去一个新房子，“对老房子还有点感情，但房子终究是要换的。”
范凌毕业于哈佛大学与普林斯顿大学，同时担任同济大学教授、设计人工智能实验室的主任。面对大模型，他更多感觉到兴奋，能做的事情变多了，与之相对应的是，AI没有让特赞科技的业务萎缩。恰恰相反，过去两年业务规模每年都迎来翻倍增长。
AI营销赛道一直热闹非凡，各大平台与创业公司都在用通用大模型的能力，帮助品牌生成营销方案，但特赞转型的关键判断在于：再好的通用模型，也解决不了企业的特定问题。
今年年初，范凌去了一趟硅谷，参加英伟达的GTC大会。他在现场观察到：2024年全场惊叹，每个Demo都有掌声；到了2025年，掌声少了，焦虑多了；2026年，黄仁勋画了一张很漂亮的路线图，从生成式到推理再到智能体的“五层蛋糕”，但散场后几乎每个人都在问同一句话：“到底怎么落地？”
企业不再问“要不要用AI”，问的是“钱花了，为什么还没见效”。这正是应用端的机会。范凌表示，特赞推出的企业级智能体GEA（Generative Enterprise Agent），就是来解决这个问题的，不是简单的画图、做PPT，而是让AI真正参与企业的工作——理解目标，组织能力，并持续推动结果产生，从而向企业交付业务结果。
模型大家都能用，差异到底在哪里？范凌认为，差异主要来自两点：
第一是上下文（Context），即企业过去积累的品牌资产、用户画像、决策历史、沟通话术、成功案例。这些非结构化的图文视频，过去只能由人理解，现在大模型可以批量消化，成为企业应用AI的“燃料”。“模型产生智能，上下文产生价值。”范凌说。
第二是编排，就像交响乐团的指挥，根据不同任务调度不同模型，让写代码、作图、推理的模型各司其职。由特赞自研的已备案大模型Creative Reasoning Model（发散推理模型）充当"指挥"角色，调度30个不同基础模型各司其职。与传统推理模型"逐步收敛到唯一答案"不同，发散推理模型采用"发散优先"的逻辑：先穷尽可能性，再从中找到最有价值的路径。
基于这个判断，特赞在今年正式推出GEA，并将其作为所有产品线的核心骨架。在这一架构下，企业过去分散的内部数据，包括品牌调性、素材资产、项目决策轨迹、AI用户人设、话术案例在内，被组织成可以持续调用的上下文系统（Context System），由Agent调取并理解。
到现在，GEA系统已经覆盖了特赞公司40%到50%的老客户，年化增长率超过200%，新用户也拓展到五十多个国家，预计今年年度经常性收入将快速突破一亿美金。
组织拆墙，做AI时代的“哥伦布”
采访中，范凌多次向界面新闻提到“AI是一次新的大航海时代”这个比喻，“为什么21世纪的哥伦布不能是中国人？“
范凌认为，中国的AI应用层做得比美国好已经是共识，“中美之间的AI溢价是反过来的”。今天许多世界500强的CEO主动来中国看AI应用场景，会发现其先进于海外一到两年。出海水到渠成。
立足上海，特赞科技已经在新加坡、香港设立了办公室，并正在考虑更多海外据点。
而面向AI时代，一家科技公司在技术与产品转型之外，更具有挑战的是组织转型。
范凌有一个判断：AI是反工业化的。工业革命以来的核心逻辑是精细分工，每个人只干好一件事，通过标准作业程序和流程协作。但AI让个体可以补齐短板，一个人能同时做产品、设计、研发、营销。
于是，今天特赞内部开始推行一种叫Pod的组织模式，每个小组里几个人，所有事都可以干，不用严格区分职能，给予个体极大自由度，培养多元能力。小组之间尽量减少沟通和开会，避免消耗。
转型需要时间和投入，特赞为全员提供AI培训（ABC+, AI Builders and Creators+）的各种支持。范凌强调，AI转型必须是一号位工程。很多老板希望下属去推动转型，但即使像Meta、阿里这样的科技公司，AI转型都是一号位在亲自推动。
事实上，特赞自身也经历了这种“从头做一遍”的过程。
范凌和CTO两个人，用AI工具在两周内做出了atypica.AI的第一版可用产品。这个产品用AI模拟消费者进行市场研究，上线不到一年积累了十万用户，其中超过60%来自海外市场，付费转化率达到传统软件的十倍。这也成为特赞验证“企业级智能体能力” 的重要实验场。
范凌说，用AI写代码很容易做出第一版，但后续打磨花了很长时间。他给所有公司的建议是：AI时代，所有公司都只有变成AI公司才有机会活下去，而转型的第一件事，是一号位亲自下场。
特赞科技的故事，正是这一代中国企业在AI时代主动重写自身边界的缩影。当技术范式发生变化时，真正的机会往往属于那些愿意“亲手重构自己”的公司。
类似的变化，正在上海持续发生。过去几年，这座城市逐渐成为企业级AI应用最密集的试验场之一，由于其跨国企业总部集聚、真实商业场景丰富、产业协同链条完整，使大量智能体系统能够直接进入真实业务流程，而不是停留在实验室或演示阶段。
对于像特赞而言，上海既提供了复杂度足够高的应用环境，也提供了连接全球市场的起点。也正因此，特赞科技“China for Global”成为一种正在发生的现实。
汇盈策略提示：文章来自网络，不代表本站观点。
