一、AI营销不止发生在产品推广阶段

不少AI营销团队从原有广告流程出发，研究文案、设计、投放和策略岗位怎样加入AI。丁天的起点更靠前。他先问商品为什么会流动，消费者需要什么，品牌应该造什么，再看内容和渠道怎样影响购买。

在这套理解里，新品研发和营销不再分成前后两段。AI可以从社交媒体、电商、消费者调研和专家材料中识别需求，判断某个使用场景是否值得投入，测试不同产品概念和传播概念，再把结果写进产品说明书。

丁天举了一个食品场景。工艺、食品工程、合规和配料表数据由多个智能体分别处理，系统已经能够生成一份可用于生产的完整产品说明书。更准确的表述是，AI已经开始进入生产资料的生成。

这正是数宗科技与常见内容工具的分界。内容生成解决的是商品怎样被表达。新品洞察和概念测试开始影响商品为什么被造出来、为谁而造。对品牌而言，后者离收入和库存风险更近，也更容易进入真实决策。

二、大品牌已经开始用AI改产品

丁天认可中小品牌更自然地采用AI。它们人手少，内容和营销任务多，使用AI的动机直接。大品牌曾经更多抱着试一试的态度，他认为这个阶段正在过去。

他的依据来自几个消费与零售项目。数宗科技为国际美妆品牌雅诗兰黛提供消费者洞察、新品概念测试和营销方案测试。丁天称，原先约两个月的洞察和新品研发工作被压缩到两周，配合A/B测试后，营销活动效率提升超过50%。

在线下零售场景，丁天以数宗科技服务的盒马等企业为例，数宗科技让AI生成的内容进入门店屏幕、价签或堆头，再根据时间和消费者情境调整展示。丁天称，历史测试中的单店销售额通常提升30%到40%，效果较好的品类超过50%，部分合作采用较低前期费用加销售增量分成。

两个案例至少说明了一件事。品牌采用AI的判断标准已经从有没有新功能，走向能否影响新品周期、营销投入和门店销售。对话框可以帮助公司完成内部演示，进入这些指标才可能获得持续预算。

三、产品可以按年订阅，但高效果仍依赖重交付

丁天不相信一个完全通用的SaaS在当前阶段就能为大型消费品牌带来很高的效率提升。原因很具体。社交媒体和电商数据来自不同平台，客户还拥有自己的销售、商品和品牌资料。数据要聚合、清洗、交叉验证和分权管理，最后还要与门店设备、货架、屏幕或内部系统连接。

通用模型也无法直接处理这些任务。一次性把几十万条社交媒体数据交给模型，它很难稳定找到人群和偏好。营销人员也不会每天用编程工具搭应用。大客户需要一套已经定义好交互、权限、品牌规范和多智能体分工的产品，再按品牌、品类、受众和传播渠道做配置。

数宗科技目前采用年度订阅，交付方式仍然较重。丁天称，大客户一年的费用一般为几十万元到100万元，对应一个特定品类和场景，价格中包含模型、数据和首期前线部署。客户增加品类或超过约定用量后，需要另购服务包或充值。公司目前约有十几个付费大客户，2025年开始商业化，上一年的客户截至采访时全部续约。

大客户第一次购买的周期较长。供应商要让多个决策者认可价值，还要用贴近场景的测试降低不确定性。做过一个品类后，第二个品类或第二个地区更容易复制，这种客户内扩张可能提高收入，也可能继续增加人员投入。

判断这门生意是否成立，不能只看合同金额和续约。还要看每个项目用了多少人天，数据采购与模型成本占多少，第二个品类能复用多少产品，毛利是否随着客户扩张改善。

四、AI能做策略，4A公司仍握着资金和媒介

关于AI替代广告公司策略岗，丁天给出了一个很少出现在技术讨论里的回答。4A公司承担功能性工作，也承担媒介采购、客户信用和资金支持。

品牌采购大额媒介时，广告公司可能先向平台付款，再与甲方结算。AI可以写方案、筛选媒介、分析人群，却不会拿出几百万元替客户支付广告费。只要这项资金和组织职能还存在，4A的组织形态就不会因为生成能力增强而立刻消失。

这不意味着4A的工作没有变化。洞察、策略、内容和媒介筛选可以被AI改写，广告公司也可能成为垂直AI公司的客户或合作方。丁天称，数宗科技与多家广告公司合作，自己负责数据、洞察和智能体，合作方继续提供专家、媒介和客户关系。

这条判断对投资人尤其重要。AI能完成多少岗位任务，只能说明功能替代。一个组织是否消失，还取决于它是否掌握资金、渠道、责任和客户信任。

五、云厂商离客户更近，AI原生公司把场景做深

AI营销的竞争者可以分成五类。

云厂商和大模型公司掌握模型、算力、客户渠道和IT供应商身份。客户遇到AI项目时容易先找它们。它们的限制是行业太多，很难为每个消费场景投入足够人力。

传统SaaS和协作平台已经进入企业工作流程，也拥有客户信任。如果客户只需要一个达到基本要求、品牌可靠的产品，它们更容易成交。复杂项目的智能体部分仍可能交给外部团队。

4A和广告公司拥有专家、媒介采购和甲方关系。它们会失去一部分重复工作，也能把AI原生公司的产品接入自己的服务。

AI原生垂直公司离模型变化更近，产品迭代更快，愿意把行业场景拆得更细。短板是品牌、渠道和交付资源有限，早期往往依赖云厂商、SaaS或广告公司的客户关系。

大型品牌自己的AI团队拥有私域数据、预算和业务决策权。它们最终可能自建智能体，减少外部订阅。外部公司的机会在于帮助品牌搭建系统，或服务数量更多、无力自建的中型与细分品牌。

现阶段，这些玩家更像分工合作。云厂商提供模型与基础设施，平台提供数据与入口，广告公司提供媒介和客户关系，AI原生公司负责具体场景。未来谁拿走更多价值，要看品牌愿意把哪一部分长期留给外部供应商。

六、多模态没有想象中成熟，数据治理反而更快见效

丁天把未来两三年对于AI营销效果的影响因素归为模型、数据和硬件。他认为短期最容易取得进展的是数据。原因并不神秘。许多数据已经存在，只是太脏、彼此割裂或没有适合模型使用的标签，通过治理可以逐步改善。

模型进展更难预测。文本已经能够承担不少工作，多模态、三维生成和复杂的多智能体任务仍不稳定。丁天按当前技术路径估计，真正把商品设计、生产、内容和分发连起来，可能还需要三到五年。视频生成成本高、时长难扩展，三维数据稀缺，实体在真实场景中的使用效果也难以泛化。

硬件是他认为长期影响最大的因素。今天的营销围绕手机里的社交媒体和电商平台设计。眼镜或其他终端若成为消费者观察商品、获取信息和做决策的主要方式，品牌的内容形态、触达时机和数据来源都会改变。

这三个因素对应不同的跟踪周期。未来半年先看数据治理是否提高项目复用，未来两三年再看终端变化是否改写营销入口。把所有希望压在下一代大模型上，会忽略更快发生的数据工程变化。

七、面向个人的产品可以免费，B端仍是主要付款方

数宗科技同时测试一款面向创作者和中小商家的端侧营销智能体。丁天称，产品刚进入公测，已有数百名用户，付费比例约20%到30%，最低充值门槛为30元。

这款产品目前不是公司的主要收入来源。丁天的长期判断是，未来个人智能体可能免费，品牌和商家通过广告、交易或数据服务承担费用。对数宗科技而言，个人端提供消费者触点，企业端承担商业化。个人级AI应用等在当下挑战与机遇并存，数宗也在提前布局，链接跨终端等数据交互，在其中寻找最优路径。

八、未来半年，验证AI能否真的参与造出一件商品

丁天留下的半年判断很明确。他预计，到下一次复访时，市场上会出现由智能体从产品定义阶段参与、最终进入真实生产的美妆或饮料商品。

半年后可以追踪五组信号。

• 是否出现公开可确认的AI参与新品，并披露AI介入了洞察、配方、包装、合规或生产中的哪些环节。

• 大品牌项目是否从一次性试点进入第二个品类、第二个地区或连续续约。

• 洞察周期、营销活动效率和门店销售增量是否有可重复的测试方法与对照组。

• 年度订阅收入增长时，前线部署人天、数据采购、模型成本和毛利是否改善。

• 面向中小商家的产品在海外是否出现真实活跃、复购与品牌付费，而不只是注册用户。

如果第一批真实商品出现，AI营销的竞争范围会被重新划定。公司之间的比较也会从内容产量转向结果责任，看谁能对一件商品从需求判断到生产承担更长的一段责任。