当AI开始工作,我们需要做什么?| 钛动科技CEO李述昊TGC 2026演讲全文

2026-11-03

近日,以“AI is Profitable”为主题,钛动科技首届TGC科技增长大会在广州举行。会上,钛动科技创始人兼CEO李述昊结合产业革命的演进、垂直领域模型的训练逻辑,以及企业出海营销的真实业务场景,分享了钛动科技对AI商业化路径的思考,并正式发布行业首个 Pro Agent:Navos Pro。Navos Pro以 Professional、Proactive、Profitable 三大核心属性构建产品内核,让结果导向(Result-Driven)的 AI for Work成为现实。

从提升工作效率到创造实际收益,钛动科技希望推动 AI 真正融入企业经营,成为驱动企业全球增长与生产力变革的核心引擎。正如李述昊所说:“用 AI 帮全球企业赚钱,才是我们的星辰大海”。

一、AI已经很聪明 ,但它能帮企业赚钱吗?

非常开心和大家分享钛动科技对AI商业应用的观察,以及接下来我们如何在真实业务场景里释放AI的价值。

AI现在究竟是在帮企业赚钱,还是在帮企业花钱?AI已经能够完成很多任务,但企业仍然面临一个核心问题:如何将AI能力真正转化为生产力和商业回报。

我本人非常坚信,这一次人工智能革命会是第四次产业革命。我们可以想象,50年后的历史书会如何记录今天。

第一次产业革命,蒸汽机推动了生产方式的巨大变化。纺织生产从家庭作坊走向工厂,工业化由此展开。第二次产业革命,电力、内燃机、无线电与运输技术不断发展,进一步改变了工业体系。第三次产业革命,核心是信息的存储、处理与分发,因此也被称为信息产业革命。如今,大量信息产业公司已经实现规模化发展和盈利,这场变革也逐步走向成熟。

第四次产业革命是什么?我认为是人工智能。

Intelligence(智能)这个词,经常与Information(信息)、Knowledge(知识)放在一起讨论。但Intelligence 与Knowledge、Information之间有一个重要区别,它意味着理解信息、运用知识、形成判断,进而辅助决策。人工智能一个很大的价值,就是让机器开始具备这种智能。

我很幸运,参与了移动互联网和AI这两次产业变革。我相信,这一次AI对生产力的影响,丝毫不会亚于过去几次产业革命。它将改变信息流动的方式,也将改变每个人如何工作、企业如何组织生产,以及整个企业的经营方式。

 

二、AI for work,到底有多大的市场

图片

假设一家企业让AI来上班,AI到底能做什么?

我认为,企业最核心的花费可以归为三类:第一是市场与销售费用,永远写在第一行;第二是研发费用;第三是一般及行政费用。这三类费用都体现在财务报表中,也是企业管理者关注的重要投入。

对应这三类投入,我们认为,AI的生产能力也有三个方向。市场与销售,目的是促进收入增长,即 AI for Growth;研发,包括编程和产品开发,即AI for Innovation;管理,人力资源、财务系统、采购系统、协同办公,即 AI for Administration。三者共同构成 AI for Work,是一个数万亿美金的市场。

但今天,整个产业里最容易被忽视的AI应用场景,恰恰是 AI for Growth。这也是我们最想分享的主题:AI帮企业做增长、真正去经营生意,到底是怎么回事。

AI for Growth的两大场景是营销与销售。做市场营销,让消费者知道你;做销售,让消费者买到你的产品。但广告铺得多、销售人员多,并不意味着销售额就能增长。

它需要从产品研发、市场理解开始,一直走到消费者购买、履约、售后与复购。从看到产品、被打动、参与互动,到下单、收货、退换货,每一个环节都影响最终的经营结果。这是一套庞大而完整的工作流。

市场与销售离收入最近,也离增长最近。

图片

这个产业里的服务,可以放在四个象限里看。横轴是技术应用程度,纵轴是企业获得的商业价值。

左下角是传统IT工具,主要帮助企业节省成本,技术应用程度和商业价值都相对有限。软件技术发展到今天,尤其是AI能够编程之后,这类工具的价值空间正在被挤压。

与此同时,一大批创业公司在做新的AI工具,做素材创意、客户关系管理、个人助理、办公系统,非常热闹。但这些工具目前大多还很难直接带来业务增长。

增长恰恰是最容易接受商业检验的场景。企业花了钱,如果看不到相应的业务回报,很快就会停止投入。

目前,帮助企业做增长的,是咨询公司、创意公司、销售分销渠道和代理商,依然高度依赖人工与经验。怎么打动客户,怎么做内容、做创意,每一个环节都需要专业判断。也正因如此,大量工具解决不了增长问题,只能把成本降低一点。

所以,我认为未来 AI for Growth 领域里的智能体,一定要坚持结果导向,也就是Result-Driven。我们希望打造的智能体,既懂专业知识和商业逻辑,又能执行具体工作,最终在技术应用程度和商业价值都高的场景里发挥作用。

实现这一目标,目前我们看到最好的技术路径,就是专业模型训练。

 

三、“钛极”大模型:阳面是模型训练,阴面是数据

2024年GPT-4o发布之后,新模型不断涌现,模型能力已经非常强。钛动的大模型叫“钛极”,因为它拥有“一阴一阳”:阳面是模型训练,阴面是数据。

图片

训练专业模型,首先要有专业的原材料,就像培养专业人才,需要专业教材。

我们的生产数据来自真实客户沟通,这些业务上下文都用于训练。ToB商业场景目的性强、相对理性,有范式可抽样:专家经验、最佳实践、历史案例、成功和失败文档,最终沉淀成know-how。

再往上,是行业基准:不同商品点击率(CTR)多少合适?ROI目标怎么定?获客成本(CPA)多少合理?应该备多少货、配多少销售?支付和物流怎么解决?这些具体问题背后的数据与经验,共同构成了钛极的训练材料。

在此基础上,结合优秀的开源模型,我们训练了自己的32B推理模型。我们没有继续卷参数,因为再卷参数没意义,我们甚至在做更小的模型。未来,1B以下参数的模型部署在盒子里,每个企业都可能有自己的模型。

另一个重点,是让模型理解商业世界。一条短视频为什么被喜欢?哪一帧让人点击,哪一帧让人离开?用户说不喜欢,到底不喜欢什么?模型需要理解这些反馈,进一步分析画面背景、情绪、语言与产品卖点。这件事很难,也是我们一直在攻克的方向。

我们服务的大量商业场景是出海。今天的企业出海,有时就像几百年前的水手一样茫然,船开出去了,面对陌生的市场,仍然需要导航。我们希望AI智能体具备这样的能力,也希望把支撑它工作的整套系统建立起来。

专业模型训练之后,怎么交付?起步阶段,我们特别需要专业用户参与。为什么要参加专业榜单评测?因为要凑齐专家来提问、评论,告诉我们哪些回答有用、哪些判断有问题。缺少真实经营目标和商业压力的评价,很难帮助模型准确理解真实意图,而仅依靠普通消费者评价又容易产生偏差。

社媒运营、营销策划、电商店铺管理人员,每天都会提出大量具体问题。因此,识别用户意图,是专业智能体非常重要的能力。

他到底想做什么?是了解市场、分析竞品,还是制定策略?是需要作出业务决策,还是给老板准备一份PPT?先理解目的,再调用对应的技能与工作流。用户可以通过提示词表达需求,也无需从头搭建每一项能力。

在执行过程中,我们通过Harness工程组织任务、调用工具、收集反馈,再把新产生的数据、经验与结果用于总结和持续训练,让系统在真实业务中不断改进。

总结下来,最核心的场景就三个。第一是洞察:市场怎么样?品好不好卖?别人怎么卖、卖得好不好?第二是创意:消费者需要通过内容理解你,可能是图像、文字、评论。第三是优化:把内容放到Facebook、Instagram、TikTok上,拿着反馈判断,是否符合行业基准?符合趋势的,要不要放大?

8258c290-560a-4950-801e-52c234e4ab60.png

数据积累与模型训练相结合,形成阴阳结合的钛极专业模型能力,我们再封装在 Navos 智能体中交付给客户。

接下来,AI怎样进一步帮助企业做全球增收?真正服务收入与增长的智能体,应该长什么样?

我们认为,Next-gen Agent should be Pro。今天,钛动科技正式发布行业首个Pro Agent:Navos Pro。Navos Pro具有Professional(专业)、Proactive(主动)、Profitable(能赚钱)三大能力特性,只服务一个目标:企业的全球化增长。

 

四、行业首个Pro Agent:Navos Pro,专业、主动、能赚钱

在钛动的理解里,Pro不只是一个产品型号,更是AI要真正进入企业生产力体系,需要具备的三种Pro能力。

第一个Pro:Professional,专业

第一个Pro,是专业(Professional),专业的东西就能更值钱。

现在,大模型每个季度都在快速迭代,已经能够解决很难的数学问题。模型极其聪明,就像一个学生,从高考500分考到了700分,一学就会。但一个高中生考了700分,你就会直接雇他来上班吗?通常不会。因为他不是Pro,还没有接受专业训练,聪明与理解商业,是两回事。

模型也是一样,基础能力再强,也需要接受专业教育。我们为什么喜欢名校毕业的?因为大学里教的是专业知识,并不是基础能力。大学有几百个专业,对我们来说,需要重点训练的,就是跨境电商、外贸、商业分析、市场营销这些领域的知识。

这些“课程”从哪里来?一方面有大量公开课程,更核心的是我们在真实业务中积累的案例。很多大学教授都说,我希望有真实案例(field test)。我们有这样的业务场景,可以把实践中的数据重新整理,转化为模型能够学习的训练材料,让它既有行业专业知识,又有实战积累。

比如,一件衣服最终有没有被购买?哪些人看过,留下了什么评论?这些真实反馈,都能帮助模型理解消费者为什么作出选择。

人类不可能做这么大规模的field test,我们每年管理数亿个营销策略,人很难逐一看完、分析,但这些实践积累可以用于AI训练,让模型从大量真实案例中学习,逐步形成专业判断。

 

第二个Pro:Proactive,主动

有了专业能力(Professional),为什么还不一定能赚钱?在座有很多管理者、企业经营者和投资人,大家都知道,光有专业度还不够。从懂专业(Professional)到把事情做成(Finish Job),中间还差一个Proactive,主动。

AI的解题能力很强,但它能不能定义问题?能不能感知企业遇到的问题?能不能主动出击?

Proactive的反义词是Reactive。有多少AI是主动跟你说话的?大多数时候,都是你先打开App、发起对话,它才开始工作(Reactive to do business)。没人找它,它就停在那里,或者执行预先设定好的任务。

今年,很多Agent接入了工作流,比如每天九点处理Excel、指标异常时告警、出现关键词就发送消息。这些已经向主动(Proactive)迈出了一步,但工作仍然是人提前定义好的。

真正主动(Proactive)的核心,是感知。

企业每天都在发生大量事情。销售记录客户沟通,运营上传素材,客服回答问题。一条广告有100万人看过,谁买了,谁没买,买了之后为什么退货?这些业务环节持续产生数以百万计的数据流,如果能感知到里面该被处理的问题,这才是专家。

真正的专家不是do as I told,足够专业(Professional)的人一定会再往前一步,主动(Proactive)发现问题、推动解决问题。我们希望Agent也具备这样的能力。

 

第三个Pro:Profitable,能赚钱

谁不喜欢一个既专业、又主动的员工?我也是创业者,这是我们梦寐以求找到的人。我们能不能通过训练,让Agent也具备这样的能力?最终目的,就是Profitable,帮助企业赚钱。

三个Pro里,Profitable最难。完成一项商业任务(finish a business task),和真正经营一门生意(run business),差距很大。

怎么做到?首先,AI肯定是toB生产力,尤其是白领工作的生产力。同样的投入,过去只能做5个策略,现在可以做500个,企业就有机会测试更多方向。

我们现在每天完成数亿级的数据感知,背后对应着大量需要分析、配置和调整的策略,单靠人工很难处理这样的规模。

但只有量大还不够。每个策略配多少预算?产品适合进入哪个国家?测试什么场景、区域和人群?这靠历史经验与业务数据的积累。有了AI实现大批量生产,还要让每个策略尽可能得到专业配置。

接下来,再通过主动(Proactive)诊断、优胜劣汰,好的策略放大,无效的策略及时调整或停止,就有机会持续产生结果。最终看消费者的行为,数据回流后再持续调优,才有机会实现Profitable。

b765b0c4-b32e-4b7e-865b-1d581c5cd948.png

Navos Pro不只是一个简单的产品型号,更代表着钛动科技对AI生产力的一次探索:让专业能力、主动执行与商业结果真正结合起来。我们坚信,这次AI产业革命,能让上班这件事变得更有意思,也让个人工作状态和企业商业目标达成高度共识。

钛动科技现阶段选择的场景,是帮助中国企业出海。AI for Growth只是验证AI生产力的第一步,我们已经做了很多积累,但绝不会止步于此。企业走得远不能只靠营销,还要有编程、研发能力,并把企业治理得更高效。编程领域有Claude Code、GLM、Codex,办公场景有WorkBuddy、千问、豆包,我们不是孤军奋战,钛动已经和大量生态伙伴在AI for Work领域有很多深度合作。

未来,钛动会继续坚持投入AI for Work,用专业模型训练+Pro Agent的方式为产业创造价值。这既是钛动科技的创业初心,也是公司名字的由来,更是我们对未来愿景的寄托:Make Tec-Do Business——用技术做生意。

bab3a1c2-1125-44a6-99e7-480fa90f5d9d.png
END