产品
服务对象
服务范围
解决方案
手机号
验证码
10月11日，明略科技集团创始人、董事长兼首席执行官吴明辉，在2024第八届营销科学大会上，发表了《生成式营销时代的内容营销，按下新一轮红利按钮》主题演讲，为品牌营销提供生成式营销时代的全新解题思路，以下为演讲全文整理要点。
过去一段时间，明略科技和很多科研机构与高校合作，和复旦大学用两年的时间进行了大量人工智能和营销行业结合的相关研究。今年8月底，正式发布了《2024 AI+：生成式营销产业研究蓝皮书》。
今年暑期正值奥运，我们和东华大学合作，让60名大学生利用我们提供的生成式营销工具，运营自己的社交媒体账号。这些大学生平均粉丝量只有几十个，却在整个奥运期间，发布了1000多篇帖子，总互动量达到了20多万，抖音最高单帖互动量为6000+，小红书最高单帖互动量为70000+，爆帖率非常高。一些营销行业同行告诉我，很多品牌投入高额预算可能也达不到这个效果。
其中一个爆帖是奥运期间适合中国人的不熬夜版赛程表。这个洞察是通过我们秒针SocialX分析热词发现的，因为法国和中国有时差，熬夜看比赛是观众的一个痛点，这个帖子得到了很多观众的点赞和转发。还有一个“兵乓球术语列表”的帖子也非常有意思。很多用户都在讨论乒乓球比赛讲解的术语又多又难懂，但其实总结术语很简单，用小明助理联网搜索总结，很快就可以对各类比赛的专业术语进行解释。前提是我们要洞察到消费者的这个痛点需求。善于运用社交媒体洞察工具非常关键。
去年营销科学大会，我曾讲过一个公式：y=f(x)，所有人工智能的任务都可以用这个函数来表示。当我们和大模型应用对话时，x就是Prompt，大模型反馈的信息就是y。这个函数可以进行多轮对话，你可以给它第二个x、第三个x，把上一个y作为新的x继续迭代。过去一年，我们看到很多企业有落地生成式AI的决心，但效果却没有达到预期，问题就在于大家还没有为生成式AI做好准备。
企业要想把生成式AI引入企业内部成为生产力，首先需要生产资料和生产工具。f就是生产工具，x是生产资料。我经常打一个比方，生成式AI进入企业，好比一个大学生进入公司工作，没有生产资料和生产工具就无法工作。从内容生成的场景来看，只有洞察到消费者需求，才能写出准确且有价值的Prompt，调用大模型的内容生成能力，产出消费者喜闻乐见的内容。
当我们知道了大模型可以给我们提高生产力的时候，又一个挑战就来了，即如何保持内容质量和内容数量之间的平衡。我们都希望生成好的内容，好的内容可以得到消费者的浏览量和更多的互动，但这些内容需要形成一定规模，然而内容数量越多，内容质量就会越低，这之间存在一个天然的矛盾。
我们在过去一段时间服务了很多客户做KOS（Key Opinion Sales）的内容生成。3C、餐饮行业在全国有很多门店，每一个门店销售都有抖音号、小红书号、快手号，这对每个企业来说都是非常宝贵的内容阵地。如果每一个销售都能在抖音号、小红书上给企业品牌发内容，每天肯定会产生很多流量。但当全员生产内容时，每个人不可能都像市场部一样经过专业的训练，知道品牌营销的定位，思考消费者的需求，做好洞察，最后生成一个好内容。
今天，AI能不能帮我们做这件事情？答案是肯定的。但AI生成的内容仍然面临挑战，因为生成的内容要标准化，不能让大模型一本正经的胡说八道，必须要严格按照产品的功能、特性、应用场景、痛点；另一方面，如果围绕产品特性、功能去生产内容，还不能千篇一律，否则也很难获得流量，这是一个非常复杂的问题，通用模型无法解决，目前我们已经在帮客户解决这一难题。
刚刚我提到的是社交媒体KOS的内容投放，同时我们也在帮客户做信息流平台的RTA投放，某种程度上属于硬广投放。基本上，利用RTA平台帮客户优化广告投放，可以大幅降低CPM，即媒介采买的成本。与此同时，我们也发现，信息流媒体的一个最大特点是，任何一个创意内容上线一周之后，它的流量一定会下降。和传统的电视台、户外广告不同，消费者在信息流的环境下拥有了可以随时划走视频的权力，如果信息流平台不赋予消费者划走的权力，就拿不到消费者真实的需求，没办法更好地做内容推荐和分发。
我们对这些素材进行混检优化后发现，通过小幅度的创意优化有效降低了价格，但总体流量趋势还是比上线的前几天少很多。这就是真实的媒体环境，品牌方需要生产大量内容，如果内容只是小幅度的修改，重复度高，依然买不到量，因为消费者可以随时把你划走。
过去，营销行业里最核心的要素，包括消费者洞察、创意制作，以及媒介采买和消费者的沟通。上一代人工智能在媒介、流量、采买和智能分发上已经做得非常完备。在生成式AI大行其道之前，我们可以解决who的问题，也就是把内容分发给谁，即流量分发、信息推荐的问题。但这背后有一个更大的问题，虽然很多企业建立了DMP、CDP，可以划分人群，但最后依然难以做到千人千面。因为人群划分好之后，缺少丰富的内容素材用于投放。
今天，在生成式AI的加持下，营销不仅能解决who的问题，还能解决what的问题。我们可以针对不同的人群产出不同的创意内容。让不同的消费者看到不同的内容。前提是要有消费者洞察，营销的生产力才能彻底释放，这是一个重要解题的思路。只有千人千面的划分，没有千人千面的内容，很难产生好的营销效果。
从去年营销科学大会到现在，大模型又进一步产生了新的技术迭代。迭代的核心是f变得越来越强大，成本逐渐降低，推理能力不断提升。
一个特别重大的变化是从单一模态逐渐进入到多模态，对语音、图像与视频的识别、理解和生成也越来越强，这意味着f可以接纳更多的x。之前的x只是一个Prompt、一段文本，但今天可以是图片或视频等多种形态的内容。
每个品牌在充分拥抱新的生产力的同时，要准备好生产资料x，这个x决定了最后的结果会不会与众不同。所有人都拥有的能力，不叫创造力，在所有人都拥有的能力之上长出来的部分才叫创造力。因此，x的差异化非常重要。
我们通过三个维度帮助品牌挖掘到更为精细的x：一是解码内容词元，从客观内容看广告创意内容的描述对象；二是激发受众反馈，从消费者主观视角出发，把握不同的消费者看到相同内容的主观感受差异；三是对齐品牌价值，基于品牌的价值理解，了解不同品牌对于内容的差异化要求。通过更为深入的内容分析，基于每一个客户、每一个品牌不同的视角对内容进行理解、解码，然后有针对性、精准化的实现内容生成，这是我们非常重要的工作。
我们是如何做到的？
第一个维度，客观部分的词元理解。把一个具体的产品特征生成海量不同的视角，靠人力是很难的，但人工智能可以做到。因为人工智能对词语进一步的拆解能力、对细颗粒度内容的掌握远远超过人类。根据一项统计，一个人一辈子能学习30亿左右的词元，而GPT-3已经学习了几千亿个token。
第二个维度，主观部分的反馈解读。这件事要回到Social Listening，社交媒体用户的行为、偏好，实际上也是真实世界消费者的一种反映。除了对所有消费者进行洞察，我们每年还会发布圈层报告，目前已经涵盖了170多个基于中国消费者深度理解的圈层划分，每一个圈层背后都有对应的词元，这些圈层群体每天在社交媒体上关注什么都可以挖掘出来。通过这些挖掘到的信息，我们才有可能生成不一样的内容。
值得一提的是，我们在模拟人类主观响应方面，也做出了创新性、可落地的尝试。下方视频是一个很多营销人都看过的沃尔沃卡车经典广告。画面右边是我们明略的明敬大模型，可以解读解读消费者看到视频后的情绪变化，下面的曲线有三个维度：消费者是否理解视频内容、消费者看到视频后的情绪是正面还是负面的，消费者的注意力是否被视频吸引。完全从消费者主观视角看，通用的基础模型是做不到的。在这个模型里面，我们把沉淀下来的广告前测的脑电、眼动数据与多模态大模型训练到一起，最终形成了明敬大模型。大家可以看到，下面的曲线模拟了人类观看视频的真实感受，从最开始看不懂广告，情绪是低落的，到后面镜头往后拉，看到这个人站在两个卡车之间时，情绪一下子被调动起来。
除此之外，我们还可以对不同的人群进一步分解，对比不同人群观看视频后的反应差异。以某美妆产品广告为例，我们选取了不同的人群，一个是所有人，另外一个是28岁的女性，两个视频的曲线是不一样的。前段时间，AI教母李飞飞提到基础大模型永远不可能像人类一样拥有主观的理解能力。因为基础大模型学习的是互联网上的通用文本，不可能像一个具体的人一样去理解视频。我们研发的多模态大模型就在试图解决这个问题，可以通过AI模拟不同类型的人群，将人类脑电、眼动，以及社交媒体内容进行差异化的学习，再重新对视频广告内容进行理解，这就是基于受众主观响应的理解维度。
第三个维度，品牌的价值主张。不同的品牌有自己核心的价值主张，当我们分析客观描述和基于消费者情绪的主观描述后，还要对品牌价值观再做一层剥离，这样才能对内容做更有针对性的测量和分析。
整个互联网发展到今天，当我们在商超看到每一个SKU有那么多产品在竞争的时候，它们在竞争的是消费者心智，已经不仅仅是生产管理的能力。我们正从企业生产制造管理进入到消费者营销与销售端管理的时代，这是一个时代的变化。过去，企业内部会用EPR管理人、财、物，这是企业最核心的三个生产要素。未来，内容将成为继人、财、物之后企业管理的第四大要素，每个企业都需要一个由生成式AI驱动的新一代CMS（内容管理系统），积累内容生产所需的核心资源。
上一代CMS侧重于信息发布，新一代CMS系统的原材料是消费者洞察，即Insight，同时具备内容解码能力、鉴别能力、把x拆分成更多细分的能力，这是它和上一代CMS最大的区别，我们称其为InsightFlow CMS。
与此同时，持续的、反复的迭代反馈也特别重要。明略秒针的RTA投放能力，可以把消费者分为成百上千种，投放不同类型的素材，结合进一步的反馈又可以作为新的x，输入到模型里。InsightFlow CMS可以对接投放，及时获得闭环的反馈效果。这样一来，内容生产越来越高效，同时也越来越有价值。y=f（x）不再是一次性的，将演变为 y’=f（x，z），z就是评估反馈。这也是我们接下来要为大家提供的服务。
最后我想跟大家分享大会主题里的一个关键词“范式”，这个词最早由《科学革命的结构》的作者托马斯·库恩提出。这本书里清晰地介绍了什么是范式。当一个新的事物诞生，继而让其他事物也和它产生连接，并和上一个时代的事物脱钩，那么这个新的事物就可以被称之为新范式。历史上，达尔文的进化论是新范式，日心说和地心说见证了新旧范式的交替。
也就是说，当一个新的重大科学发现之后，很多其他学科也跟着发生变化，我们才称之为新范式的诞生。今天，生成式人工智能毫无疑问是一个全新的范式。最近，图灵奖得主Geoffrey E. Hinton获得诺贝尔物理学奖的新闻，意味着更多学科将与人工智能产生关联和影响。实际上，这并不是人工智能和诺贝尔奖第一次产生联动，第一个同时获得诺贝尔奖和图灵奖的是赫伯特·西蒙，他也是我的偶像级老师。今天我们从事人工智能的同学进入到了一个令人兴奋的时代，人工智能一定会颠覆每个行业，让每个行业进入到新范式的轨道里面。
“范”这个词在中文里是模具的意思，实际上它也象征着旧范式里的每一个人的思想约束。提到范式，就会有旧范式和新范式。《世界观》这本书里提到，每一次范式迁移的过程中，旧范式和新范式之间都会产生抵抗和冲突。书中提出了一个概念叫“拼图”，上一个范式的人在思维中有一个拼图，它会被不断地验证、增强，这些拼图之间互为枷锁，互为加持。
今天，新范式到来的时候，我们需要重新思考生成式人工智能的生产关系问题，思考新的生产力如何与上一代的生产关系更好协同。我们每个人未来都要和AI有更好的协作，这个“人”既包含了消费者，也包含了营销工作者。在这个过程中，我们应该正面积极地思考，短期肯定是挑战，长期要想清楚新范式里有哪些板块是正确的，并用这个板块审视旧范式中的哪些拼图可以被替换。比如，今天我们都知道内容营销很重要，我们需要有用的信息、有价值的消费者洞察，才有可能好的内容，而恰恰新的人工智能可以方便地帮助消费者和品牌去搜集、整理、加工信息。再比如，生成式AI有强大的推理能力，很多人类不擅长解决的问题，如今它都可以协助我们解决。
还有一个更重要的板块，我们知道所有的人工智能背后一定是依赖于数据的。每一个企业在应用人工智能时也一定要利用好自己独特的数据，而数据来自于交互，来自于互动，它既来自于品牌，每一支广告创意与消费者之间的沟通，消费者与品牌之间的互动，也来自于人和AI之间的互动，还来自于机器和机器的互动。其中，机器与机器的互动，未来可能会成为B2B行业的主流。我们做产生任何一个创意之前，都可以让机器与机器互相博弈，看看这个创意另一个机器怎么看。在机器互动产生大量数据之后，我们再去投放，这将是未来新范式的发展趋势。
我想说，未来已来。在新范式来临前，我们需要做好准备。我希望大家都行动起来，一起拥抱生成式AI带来的生成式营销的红利。
10月11日，明略科技集团创始人、董事长兼首席执行官吴明辉，在2024第八届营销科学大会上，发表了《生成式营销时代的内容营销，按下新一轮红利按钮》主题演讲，为品牌营销提供生成式营销时代的全新解题思路，以下为演讲全文整理要点。
过去一段时间，明略科技和很多科研机构与高校合作，和复旦大学用两年的时间进行了大量人工智能和营销行业结合的相关研究。今年8月底，正式发布了《2024 AI+：生成式营销产业研究蓝皮书》。
今年暑期正值奥运，我们和东华大学合作，让60名大学生利用我们提供的生成式营销工具，运营自己的社交媒体账号。这些大学生平均粉丝量只有几十个，却在整个奥运期间，发布了1000多篇帖子，总互动量达到了20多万，抖音最高单帖互动量为6000+，小红书最高单帖互动量为70000+，爆帖率非常高。一些营销行业同行告诉我，很多品牌投入高额预算可能也达不到这个效果。
其中一个爆帖是奥运期间适合中国人的不熬夜版赛程表。这个洞察是通过我们秒针SocialX分析热词发现的，因为法国和中国有时差，熬夜看比赛是观众的一个痛点，这个帖子得到了很多观众的点赞和转发。还有一个“兵乓球术语列表”的帖子也非常有意思。很多用户都在讨论乒乓球比赛讲解的术语又多又难懂，但其实总结术语很简单，用小明助理联网搜索总结，很快就可以对各类比赛的专业术语进行解释。前提是我们要洞察到消费者的这个痛点需求。善于运用社交媒体洞察工具非常关键。
去年营销科学大会，我曾讲过一个公式：y=f(x)，所有人工智能的任务都可以用这个函数来表示。当我们和大模型应用对话时，x就是Prompt，大模型反馈的信息就是y。这个函数可以进行多轮对话，你可以给它第二个x、第三个x，把上一个y作为新的x继续迭代。过去一年，我们看到很多企业有落地生成式AI的决心，但效果却没有达到预期，问题就在于大家还没有为生成式AI做好准备。
企业要想把生成式AI引入企业内部成为生产力，首先需要生产资料和生产工具。f就是生产工具，x是生产资料。我经常打一个比方，生成式AI进入企业，好比一个大学生进入公司工作，没有生产资料和生产工具就无法工作。从内容生成的场景来看，只有洞察到消费者需求，才能写出准确且有价值的Prompt，调用大模型的内容生成能力，产出消费者喜闻乐见的内容。
当我们知道了大模型可以给我们提高生产力的时候，又一个挑战就来了，即如何保持内容质量和内容数量之间的平衡。我们都希望生成好的内容，好的内容可以得到消费者的浏览量和更多的互动，但这些内容需要形成一定规模，然而内容数量越多，内容质量就会越低，这之间存在一个天然的矛盾。
我们在过去一段时间服务了很多客户做KOS（Key Opinion Sales）的内容生成。3C、餐饮行业在全国有很多门店，每一个门店销售都有抖音号、小红书号、快手号，这对每个企业来说都是非常宝贵的内容阵地。如果每一个销售都能在抖音号、小红书上给企业品牌发内容，每天肯定会产生很多流量。但当全员生产内容时，每个人不可能都像市场部一样经过专业的训练，知道品牌营销的定位，思考消费者的需求，做好洞察，最后生成一个好内容。
今天，AI能不能帮我们做这件事情？答案是肯定的。但AI生成的内容仍然面临挑战，因为生成的内容要标准化，不能让大模型一本正经的胡说八道，必须要严格按照产品的功能、特性、应用场景、痛点；另一方面，如果围绕产品特性、功能去生产内容，还不能千篇一律，否则也很难获得流量，这是一个非常复杂的问题，通用模型无法解决，目前我们已经在帮客户解决这一难题。
刚刚我提到的是社交媒体KOS的内容投放，同时我们也在帮客户做信息流平台的RTA投放，某种程度上属于硬广投放。基本上，利用RTA平台帮客户优化广告投放，可以大幅降低CPM，即媒介采买的成本。与此同时，我们也发现，信息流媒体的一个最大特点是，任何一个创意内容上线一周之后，它的流量一定会下降。和传统的电视台、户外广告不同，消费者在信息流的环境下拥有了可以随时划走视频的权力，如果信息流平台不赋予消费者划走的权力，就拿不到消费者真实的需求，没办法更好地做内容推荐和分发。
我们对这些素材进行混检优化后发现，通过小幅度的创意优化有效降低了价格，但总体流量趋势还是比上线的前几天少很多。这就是真实的媒体环境，品牌方需要生产大量内容，如果内容只是小幅度的修改，重复度高，依然买不到量，因为消费者可以随时把你划走。
过去，营销行业里最核心的要素，包括消费者洞察、创意制作，以及媒介采买和消费者的沟通。上一代人工智能在媒介、流量、采买和智能分发上已经做得非常完备。在生成式AI大行其道之前，我们可以解决who的问题，也就是把内容分发给谁，即流量分发、信息推荐的问题。但这背后有一个更大的问题，虽然很多企业建立了DMP、CDP，可以划分人群，但最后依然难以做到千人千面。因为人群划分好之后，缺少丰富的内容素材用于投放。
今天，在生成式AI的加持下，营销不仅能解决who的问题，还能解决what的问题。我们可以针对不同的人群产出不同的创意内容。让不同的消费者看到不同的内容。前提是要有消费者洞察，营销的生产力才能彻底释放，这是一个重要解题的思路。只有千人千面的划分，没有千人千面的内容，很难产生好的营销效果。
从去年营销科学大会到现在，大模型又进一步产生了新的技术迭代。迭代的核心是f变得越来越强大，成本逐渐降低，推理能力不断提升。
一个特别重大的变化是从单一模态逐渐进入到多模态，对语音、图像与视频的识别、理解和生成也越来越强，这意味着f可以接纳更多的x。之前的x只是一个Prompt、一段文本，但今天可以是图片或视频等多种形态的内容。
每个品牌在充分拥抱新的生产力的同时，要准备好生产资料x，这个x决定了最后的结果会不会与众不同。所有人都拥有的能力，不叫创造力，在所有人都拥有的能力之上长出来的部分才叫创造力。因此，x的差异化非常重要。
我们通过三个维度帮助品牌挖掘到更为精细的x：一是解码内容词元，从客观内容看广告创意内容的描述对象；二是激发受众反馈，从消费者主观视角出发，把握不同的消费者看到相同内容的主观感受差异；三是对齐品牌价值，基于品牌的价值理解，了解不同品牌对于内容的差异化要求。通过更为深入的内容分析，基于每一个客户、每一个品牌不同的视角对内容进行理解、解码，然后有针对性、精准化的实现内容生成，这是我们非常重要的工作。
我们是如何做到的？
第一个维度，客观部分的词元理解。把一个具体的产品特征生成海量不同的视角，靠人力是很难的，但人工智能可以做到。因为人工智能对词语进一步的拆解能力、对细颗粒度内容的掌握远远超过人类。根据一项统计，一个人一辈子能学习30亿左右的词元，而GPT-3已经学习了几千亿个token。
第二个维度，主观部分的反馈解读。这件事要回到Social Listening，社交媒体用户的行为、偏好，实际上也是真实世界消费者的一种反映。除了对所有消费者进行洞察，我们每年还会发布圈层报告，目前已经涵盖了170多个基于中国消费者深度理解的圈层划分，每一个圈层背后都有对应的词元，这些圈层群体每天在社交媒体上关注什么都可以挖掘出来。通过这些挖掘到的信息，我们才有可能生成不一样的内容。
值得一提的是，我们在模拟人类主观响应方面，也做出了创新性、可落地的尝试。下方视频是一个很多营销人都看过的沃尔沃卡车经典广告。画面右边是我们明略的明敬大模型，可以解读解读消费者看到视频后的情绪变化，下面的曲线有三个维度：消费者是否理解视频内容、消费者看到视频后的情绪是正面还是负面的，消费者的注意力是否被视频吸引。完全从消费者主观视角看，通用的基础模型是做不到的。在这个模型里面，我们把沉淀下来的广告前测的脑电、眼动数据与多模态大模型训练到一起，最终形成了明敬大模型。大家可以看到，下面的曲线模拟了人类观看视频的真实感受，从最开始看不懂广告，情绪是低落的，到后面镜头往后拉，看到这个人站在两个卡车之间时，情绪一下子被调动起来。
除此之外，我们还可以对不同的人群进一步分解，对比不同人群观看视频后的反应差异。以某美妆产品广告为例，我们选取了不同的人群，一个是所有人，另外一个是28岁的女性，两个视频的曲线是不一样的。前段时间，AI教母李飞飞提到基础大模型永远不可能像人类一样拥有主观的理解能力。因为基础大模型学习的是互联网上的通用文本，不可能像一个具体的人一样去理解视频。我们研发的多模态大模型就在试图解决这个问题，可以通过AI模拟不同类型的人群，将人类脑电、眼动，以及社交媒体内容进行差异化的学习，再重新对视频广告内容进行理解，这就是基于受众主观响应的理解维度。
第三个维度，品牌的价值主张。不同的品牌有自己核心的价值主张，当我们分析客观描述和基于消费者情绪的主观描述后，还要对品牌价值观再做一层剥离，这样才能对内容做更有针对性的测量和分析。
整个互联网发展到今天，当我们在商超看到每一个SKU有那么多产品在竞争的时候，它们在竞争的是消费者心智，已经不仅仅是生产管理的能力。我们正从企业生产制造管理进入到消费者营销与销售端管理的时代，这是一个时代的变化。过去，企业内部会用EPR管理人、财、物，这是企业最核心的三个生产要素。未来，内容将成为继人、财、物之后企业管理的第四大要素，每个企业都需要一个由生成式AI驱动的新一代CMS（内容管理系统），积累内容生产所需的核心资源。
上一代CMS侧重于信息发布，新一代CMS系统的原材料是消费者洞察，即Insight，同时具备内容解码能力、鉴别能力、把x拆分成更多细分的能力，这是它和上一代CMS最大的区别，我们称其为InsightFlow CMS。
与此同时，持续的、反复的迭代反馈也特别重要。明略秒针的RTA投放能力，可以把消费者分为成百上千种，投放不同类型的素材，结合进一步的反馈又可以作为新的x，输入到模型里。InsightFlow CMS可以对接投放，及时获得闭环的反馈效果。这样一来，内容生产越来越高效，同时也越来越有价值。y=f（x）不再是一次性的，将演变为 y’=f（x，z），z就是评估反馈。这也是我们接下来要为大家提供的服务。
最后我想跟大家分享大会主题里的一个关键词“范式”，这个词最早由《科学革命的结构》的作者托马斯·库恩提出。这本书里清晰地介绍了什么是范式。当一个新的事物诞生，继而让其他事物也和它产生连接，并和上一个时代的事物脱钩，那么这个新的事物就可以被称之为新范式。历史上，达尔文的进化论是新范式，日心说和地心说见证了新旧范式的交替。
也就是说，当一个新的重大科学发现之后，很多其他学科也跟着发生变化，我们才称之为新范式的诞生。今天，生成式人工智能毫无疑问是一个全新的范式。最近，图灵奖得主Geoffrey E. Hinton获得诺贝尔物理学奖的新闻，意味着更多学科将与人工智能产生关联和影响。实际上，这并不是人工智能和诺贝尔奖第一次产生联动，第一个同时获得诺贝尔奖和图灵奖的是赫伯特·西蒙，他也是我的偶像级老师。今天我们从事人工智能的同学进入到了一个令人兴奋的时代，人工智能一定会颠覆每个行业，让每个行业进入到新范式的轨道里面。
“范”这个词在中文里是模具的意思，实际上它也象征着旧范式里的每一个人的思想约束。提到范式，就会有旧范式和新范式。《世界观》这本书里提到，每一次范式迁移的过程中，旧范式和新范式之间都会产生抵抗和冲突。书中提出了一个概念叫“拼图”，上一个范式的人在思维中有一个拼图，它会被不断地验证、增强，这些拼图之间互为枷锁，互为加持。
今天，新范式到来的时候，我们需要重新思考生成式人工智能的生产关系问题，思考新的生产力如何与上一代的生产关系更好协同。我们每个人未来都要和AI有更好的协作，这个“人”既包含了消费者，也包含了营销工作者。在这个过程中，我们应该正面积极地思考，短期肯定是挑战，长期要想清楚新范式里有哪些板块是正确的，并用这个板块审视旧范式中的哪些拼图可以被替换。比如，今天我们都知道内容营销很重要，我们需要有用的信息、有价值的消费者洞察，才有可能好的内容，而恰恰新的人工智能可以方便地帮助消费者和品牌去搜集、整理、加工信息。再比如，生成式AI有强大的推理能力，很多人类不擅长解决的问题，如今它都可以协助我们解决。
还有一个更重要的板块，我们知道所有的人工智能背后一定是依赖于数据的。每一个企业在应用人工智能时也一定要利用好自己独特的数据，而数据来自于交互，来自于互动，它既来自于品牌，每一支广告创意与消费者之间的沟通，消费者与品牌之间的互动，也来自于人和AI之间的互动，还来自于机器和机器的互动。其中，机器与机器的互动，未来可能会成为B2B行业的主流。我们做产生任何一个创意之前，都可以让机器与机器互相博弈，看看这个创意另一个机器怎么看。在机器互动产生大量数据之后，我们再去投放，这将是未来新范式的发展趋势。
我想说，未来已来。在新范式来临前，我们需要做好准备。我希望大家都行动起来，一起拥抱生成式AI带来的生成式营销的红利。
