“我們把以前的那套體系就停下來了，那套體系花了小幾十個億。”

這句話出自何小鵬之口。他創立的小鵬汽車是中國造車新勢力的代表之一，但他卻用一種近乎決絕的姿態，親手砍掉了過去數年、耗資數十億的自動駕駛技術路線。

他給出的理由很簡單：那是一條“小路”，沿著它走，永遠到不了無人駕駛的終點。過去業界所做的一切，無非是用軟體的方法論，打上AI的補丁，堆砌出一個更精巧的“縫合怪”。上限，在出發時就已經被鎖死。

於是他轉身，押注一條全新的、用AI原生驅動物理世界的“大道”。在這場訪談中，他反覆強調物理AI與數字AI的迥異：不僅要拼長板，更要補短板、拓寬窄板。

他自己很焦慮，承認這場豪賭的勝率也許只有兩成，但他又說“絕不服輸，願賭服輸”。

這是一位身處物理世界前沿的CEO的AI實踐手記。它顛覆了許多數字世界裡理所當然的推論，也揭示了一個樸素的真相：在兆級的產業變革面前，舊地圖永遠找不到新大陸。

以下為張小珺商業訪談對話何小鵬的精編內容整理版，希望對你有所幫助。

我最近使用最多的AI產品還不多，還是非常傳統的千問、豆包。但在Coding方面，我們團隊內部用得非常多，我自己個人卻不願意使用。

為什麼？我舉過一個非常有趣的例子。當年我們在做網際網路產品的時候，如果你天天用產品，你很快會鑽到細節裡去，你會覺得這裡不好用、那裡有問題。

但如果你保持距離去瞭解它，你會去思考它的優點將來還會非常長、非常多。可你一旦用進去了，你就會被困在缺點跟問題裡，會聚焦怎麼去解決，反而不能讓你向遠方看。

所以我對於科技快速變化的很多產品跟能力，自己認為要用，但不要太深度用，特別是做一號位。

當然，基層的或者有些產品線跟它強相關的，你就要鼓勵，什麼方式都可以上，最後看結果，再慢慢把它歸一，這樣才是比較好的。

AI Coding（人工智慧程式設計）對初級程式設計師來說是一個非常好的輔助工具，但也許兩到三年後，會逼著初級程式設計師都要上到高級程式設計師。

不過對於智能輔助駕駛或者其他的強AI能力，我認為它的幫助是比較小的，它只是其中的一個工具。

真正要把整個Infra（基礎設施）建好，整個體系建好，你可以認為它是在最應用層來幫大家的。但如果在核心層，比如說你想寫個作業系統，最核心的還是整個Infra，而不是在Coding。

1.物理世界AI的Token消耗，跟數字世界不是一回事

數位化的中大型公司要適度關注Token，但不應太過全面，因為有些公司數位化的支援業務可能不一定是數位化的。

一個非常有趣的點是，我們的車一天只用三四個小時的話，會用多少Token？我現在精準數字已經不太記得了。

但你可以認為，在數字AI能用AI使用的Token數量，遠遠低於在物理世界AI自己需要用的Token數量。

自動駕駛的汽車可以看作一台自動的Machine（機器），它自己去用Token。

所以在物理世界，Token的使用將來會是Machine自己消耗多少，產生多少對Machine和人的價值；而人用多少Token產生對人和企業的價值，是另外一個維度。

2.我不限制團隊用Token，但資料成本要管

很多人說，不控制Token，一個季度就把一年的費用全花光了。

如果他真的能做到，我最重要是管理最異常的Top 10情況。其他都可以開放，因為你不確認一個月一個人花1000塊人民幣，還是1萬塊人民幣是最有價值的。

我們每個人的月工資很有可能遠超這個數，如果他真的有能力花了更多錢、產生更大價值，為什麼你要限制他？

現在公司算力的分配主要在自動駕駛跟座艙團隊。我們算的是，給你3萬張H100，或者5萬張，你使用什麼業務能高效能地使用。

很多公司說工程師使用Token的數量，我覺得那個數量跟Machine使用的Token數量和物理世界AI模型訓練需要的Token數量比，都是非常小的數字。

但我們最近專門對資料做了一個控制。很多人都說資料的價值，但極少有公司看到資料的巨大成本。

在數字AI領域資料量很小，幾十個TB就能訓練。而在我們這裡，訓一次資料就是幾十個TB到幾百個TB。

所以，資料怎麼管理、怎麼使用、怎麼儲存，是一個巨大的錢，可能我們一年在資料上的剛性成本都接近10個億以上。

那些資料有價值？那些是臨時有價值的？那些需要非常快速使用？每一個使用的錢都是千萬級，你可以來分析、最佳化，商業上有巨大的可提高效率、降低成本和提高效能的邏輯。

三、“AI縫合怪”時代該結束了

1.過去的自動駕駛是“縫合怪”

在過去的數年裡，智能化雖然發展得非常快，但實際上我認為也發展得非常不盡人意。從更早年開始，豐田、Google、中國的百度，到海外的特斯拉和中國的小鵬，都在自動輔助駕駛上做了很多事情。

某種角度說，它做到了效果，但沒有足夠的高度。那個時候，我認為還是AI的演算法加上軟體的規則的能力組合，我把它戲稱為“縫合怪”。

實際上不是用整個AI驅動來設計整合，也不是用整個AI模型的能力去建構這個體系，還是以軟體為主的邏輯。

2.上限太低了，永遠做不到無人駕駛

小鵬在去年碰到了一個非常大的變化。我們當時同時在做兩代新的自動輔助駕駛，內部叫VAA第一代和VAA第二代。

第一代，是在過去端到端的領域裡把它放大，把模型放大，把軟體的規則降低，把使用的場景跟範圍變強，增強後端能力，比如強化、後訓練。

這是其中一種方向。但另外一種方向是，我如何拋棄掉原來那個端到端的邏輯，用一個更大的Foundation Model（基礎模型），更多地去思考如何把自動駕駛的上限先打開，再去收斂下限。

收斂下限就是說少錯誤，按你的約定、你的期待去行動、去運動。但實際上它的泛化能力有很多地方做得很差。

舉例來說，今天沒有一家自動駕駛公司的軟體能夠在地下停車場很流暢地開，所有停車場開的都是記憶輔助駕駛，它開了一次之後知道你的停車位在那裡、大概行車路線是什麼樣的。

實際上它對整個物理世界的瞭解度非常之低。核心還是不夠智能，它的上限太低了。你可以認為要打開到1萬分的可能性才能做好，但他們可能都在1000分左右。

去年差不多就是這個時候，我們的另外一代VAA讓我打開了一個新的變化。我認為它的上限可能可以到10萬分到100萬分，但是那時候的下限也很慘烈。

本來你期望做一個產品，上限1000分、下限900分，這時候你的能力是不錯的。但那時候下限可能只有100分，比我們其他產品的下限還要低，工程的問題非常多。

3.數字AI和物理AI是完全不同的世界

為什麼去年才意識到？我覺得絕大部分人不是站在物理AI的角度去看這個事情。數字AI和物理AI，是兩種完全不同的方法論和路徑。

數字AI某種角度上用的是人類的Language（語言），語言即世界。

人類的語言是被高度概括跟濃縮的。但在物理世界，我們每個人每一天看到的資料量根本無法用語言概括、描述、還原跟複製，它太大了。

換一個角度，在數字AI的市場裡面，很多模型就是跑個分、比比分。在物理世界而言那是可笑的，因為它不光要比上限，它還要比下限，還要拼廣度。

品質、成本、材質、細節、政策法規的允許度，這些全是短板、長板跟窄板。窄板要做寬，短板要做長，長板要做更長。

而在數字世界裡，核心只看長板，不太看另外兩塊板。所以物理世界的CEO，要不然不敢賭，要不然覺得我還有好多塊板，我怎麼辦。

1.把以前那套體系停下來，花了幾十億

我們最後下了一個非常巨大的賭注。以前是用軟體的工程、軟體的流程，加上AI的演算法和AI的工具。

你可以認為它還是在一個軟體的業務流裡，在部分重要環節用了AI。但是我們認為它是錯誤的。它做出來的軟體還是軟體。

因為你用軟體的方法論使用AI的工具箱，做出來的是一個更強力的軟體，我認為它叫做“AI縫合怪”。

所以我們做了巨大的轉型跟賭博。我們把以前的那套體系就停下來了，那套體系花了小幾十個億。原因是什麼？

我認為它無法做到無人駕駛，我認為它也不可能讓機器人真正泛化。

比如，今天我們到一個陌生場館，機器人可以走過來說“你好，坐下來”，你說“我就不給你遞一杯水了”，它說“對，我不需要”。

用以前那套強規則加少數演算法使用AI的方法，永遠做不到這種程度。我們所期待的智能電動汽車是一個非常聰明的汽車，但用的方法是永遠不會無限聰明的。

去年3月份我就在思考，為什麼所有公司都會覺得用更簡單的方法論和更快的效能就能做出一個湊合可用的自動駕駛？

但這條路徑做了一年到兩年後，就會發現為瞭解決很多短板，限制了自己的長板，永遠做不到Level 4或者Level 5。

這條路可能是一條捷徑，但不是一條大道，是一條小路。我們要找到一條真正的大道。

沒有一個標誌性的會議，基本上在腦袋裡面拍，全力以赴。大概在去年三季度末，我們做了一個非常大的動作，把整個自動駕駛中心的核心組織架構全改了。

每個時間窗口期都有非常多優秀的同學，但每個人都有原來的慣性，會習慣用過去的方法，想用最新的工具跟技術去做出更好的東西。

大部分時候這是對的，但有很多時候你的工作方法論都得改。調整方法論，調整Mindset（思維模式）。

大部分非AI的主管，覺得你不管做A還是B，可能都錯了，因為那時候他們對AI的認知不夠強烈。

大部分跟AI相關的主管，有些人覺得Yes，有些人覺得No，但大部分屬於中間態，不確認這是不是一個好的節奏，能不能做到落地效果。事實上那時候連我都是一樣，但這就是創業的樂趣。

最大的反對聲音就是有很多人用腳投票。他們不相信這個事情，覺得做不到，就離開了。在一個企業裡面，對於組織的思考，切記不要小刀砍大樹，慢慢砍。想清楚了，砍掉它。

在某些上面你就敢下注，從組織到流程、到方向，全部改。大家所看到的可能都是最上層的業務層或者應用層，但內部看到的一直到根上去。

如何利用AI驅動某些業務非常之重要，而不是利用硬體去驅動整個體系。

如果你只是在軟體邏輯裡做一個更複雜的縫合怪，就像修一個房子，你會有更多的材料、更多的工藝，用上了AI，但它還是修一個老房子的方法論，修出來的還是一個原來的房子，只是可能修得更快一點。

我們想要的是不一樣的東西。有不一樣東西最基礎的時候，是大家要看到，他才相信。

但作為企業的CEO，有時候你要相信，過程中間部分節點讓大家看到，因為可以提高信心、提高領導力。

有很多時候是你因為相信去佈局。但小鵬雖是一家創業公司，從人員規模角度已經數萬人了，如何分節奏去做，有完全不一樣的挑戰。

2.Waymo做了17年，還是“縫合怪”

Google下注自動駕駛是2009年，到現在17年了。我覺得Waymo是一個既好又很不好的解決方案。好是它的技術能力不錯。

不好是它很難全球化，而且它天然就是一個更高級的縫合怪，它很難在AI裡面做到極其高強度的泛化。

即使讓司機更輕鬆、更安全、更快捷地開車，光這一個事情做了17年，沒有一家公司能做得奇好。

很多很小型的公司，幾條槍、十幾個人，就說我要用AI去改變世界。我覺得他們完全低估了物理世界改變的多樣性跟複合性。

近期，ChatGPT的火熱，讓AI技術的應用再次進入大眾視野。

在ChatGPT誕生之前，大眾所認識的AI普遍更擅長分析，比如猜測用戶喜歡哪一類型的商品。與這一類“分析式人工智能”不同，以ChatGPT為代表的最新技術，屬於“生成式人工智能”，比起分析，它們更加擅長創造。

比如，當你向ChatGPT提問：哥倫布2015年來美國的時候發生了什麼，它會修正你的問題：哥倫佈於1506年去世，所以他不可能在2015年來到美國。強大的數據庫鍛煉了它分析和解決問題的能力。

在AI技術已經廣為應用的營銷領域，新一代人工智能讓從業者看到了新的機會。隨著浪潮的興起，近十幾年來，營銷人主動選擇將最新技術引入本行業，提升投放效率、提高投資回報比。保持對市場變化敏銳的觀察，並持續不斷更新技術，也成為營銷行業的共識。

回溯過往，技術在營銷行業的應用，逐漸從幫助媒體整合資源、凸顯新的創意表現形式，過渡到以技術驅動及資源售賣為主的精准定向投放，再到如今的大規模個性化、精準化的算法式投放。可以說，能對消費者畫像進行智能洞察，實現智能創作、智能投放的AI技術，已經對廣告系統做出了顛覆式的重構。

AI繪畫、AI文案、數字人等最前沿的應用，也讓AI逐漸走入了營銷創意領域。如今，以ChatGPT為代表的“生成式人工智能”，還可以為營銷行業帶來哪些優化和改變？AI如何幫助企業主更好地提效、實現商業目標？營銷行業的想像空間與邊界在哪裡？

帶著這樣的好奇，《第一財經》於近期專訪了利歐數字CEO鄭曉東。利歐數字隸屬於中國A股上市企業：利歐股份（002131），是首批進入數字營銷領域的A股上市公司。近年來，利歐數字持續投入人力、財力、物力，將大數據、人工智能、區塊鍊等新技術成果應用到數字營銷的各個方面，在數字資產的確權和轉化（基於區塊鏈、IPFS技術），以及自動化機器學習（基於AI人工智能、知識圖譜）方向，已經形成相對清晰的技術演進路線，助力客戶在投放效率、內容定制化和流量轉化的發展需求。

“未來AI 技術會改變我們整個行業，而且可能比我們想像的更快。”

每一次的人工智能熱潮，都伴隨著一絲擔憂：AI會取代人類嗎？尤其在人類創意作為一種核心資產的營銷行業。如果AI可以替代營銷人從事文案撰寫、內容製作，並且在真實的商業世界中得到運用，那麼人類的價值將表現在何處？

實際上，AI是人的能力一種補充，而非絕對的替代。它是一種有效的降本增效工具。鄭曉東舉例說，在現實的營銷場景下，如果針對某個產品需要一百個策劃，AI可以在短時間內給出包含場景、平台、內容的方案。同樣時間內，單純依靠人工可能僅能出來十個創意。但是AI產出的內容，是較為分散的“點子”，在實踐的過程中，仍然需要營銷人做出最終的判斷，並拍板使用某一個方案。

在需要大量創意、“腦暴”的場景下，AI強大的信息讀取、儲存、接收和輸出能力，拓展了人能力的邊界。此時，人的核心價值，更加深刻地體現為，提出好的brief，並做出最終的判斷和決策。當AI通過大量計算，描摹用戶的喜好、生成內容時，它首先要得到一個清晰明確的指令：什麼是好的內容，我們想要看到什麼樣的內容。換言之，營銷人要有高於AI對於內容質量和調性的判斷。

從生產鏈的全局來解釋這個問題，營銷人的價值更集中地體現在頭尾兩端——前端，提出精準、符合“好內容”定義的brief；在後端，把控品質和調性。中間具體內容的生產則由AI來替代。這樣，也可以有效避免，給同品類的不同品牌生產出相同的內容。

我們可以從AI技術的本質去思考人類與AI配合的邏輯。目前，營銷行業內的AI技術的研發，都屬於“小模型”的調試。也就是基於某個大模型（如ChatGPT等現有工具）不斷優化模型，依據反饋持續迭代，最終目的是能夠根據人的指令，更精準地給出大量的方案。

“在一些相對重複性的工作上，人力可以被大大解放，應用在更需要主觀能動性和創造力的地方。這是一種生產力的變化和釋放。”鄭曉東說。

AI技術的應用，推動了營銷行業的規模化生產。當前，AI技術已經在投放、製作等領域得到了一定的應用。圍繞投放效率、內容定制化和流量轉化，多家廣告公司都研發了自主系統。以利歐數字的泰坦、方舟為例，作為字節、快手、百度、360、小米、華為等多個媒體平台的重要合作夥伴，利歐數字與它們的合作體量已達百億，而自主研發的面向不同媒體平台的數字化工具，在解放工作效率、提升人效比的同時，能夠進一步促進創意內容和投放優化的協同作業，從而高效選出最優的創意素材，為行業帶來更加創新的解決方案。據了解，原本需要50人做的事情，技術賦能後可以5個人來做；在雙十一、618、春節等電商大促期間，廣告投放的峰值優化操作頻次超過380 TPS，顛覆了人類優化能力的極限。

鄭曉東介紹，僅以利歐數字為例，技術投入重點就是針對單一平台無法解決的技術問題。例如投放端如何與銷售、客戶管理等後鏈路環節打通，同時把現有媒體端的技術往下延伸到後鏈路去。同樣，對於AI技術的研發和應用也是跨平台的，營銷公司的核心價值，在於通過與不同平台合作，積累海量數據，從而細化AI對於特定需求內容判斷的顆粒度，優化生產的精準度。

“以ChatGPT為代表的AI技術未來將成為一種平台式的工具，這種變遷類似於從PC到移動互聯網，未來會長時間改變廣告營銷行業。”

在AI技術應用的早期，AI更多被用來完成廣告投放，機器和算法的介入讓它能夠大批量、可複制且高效地精準分發，“千人千面”便是這樣而來。現在，AI營銷日漸向創意領域延伸開來。比如名為“CopyAI”的工具可以編寫廣告文案，阿里巴巴推出的“鹿班”系統可以自動設計海報，峰值效率為一秒8000張。

再如，遊戲開發需要音樂、對話、人物等大量創意資產，如今，“生成式人工智能”已經可以介入此類內容開發，如AI繪畫產品Stable Diffusion、DALL-E 2和Midjourney（文本到圖像模型）等。它們可以幫助創意團隊壓縮製作時間和成本，短時間內提高創意資產數量。根據公開報導，Stable Diffusion 和Midjourney 創作的圖像更加精緻且具有藝術感，並且將作畫速度縮短到30秒。

如果觀察“生成式”人工智能技術在營銷行業的應用，不難發現它目前仍更多地集中在圖文領域——給定一個需求，生成圖片或者文字。大膽設想，當AI可以穩定輸出視頻的時候，那將是一個更加廣闊的應用領域。因為目前，在整個互聯網的內容上，視頻的內容量和流量分配佔比是更高的。

鄭曉東認為，一旦AI應用於視頻輸出，將很大程度上改變現有的流量分配與營銷結構。例如，搜索引擎可能將被顛覆，消費者只要依靠ChatGPT等工具，就能得到自己想要的結果。“種草型”博主的價值也有可能被削弱。

鄭曉東還分享道，目前利歐數字已經快速組建專業團隊，投入研發名為“奇思妙想”的新一代AIGC產品。產品的核心功能是在優化投放效率、提高生產力的基礎上，進一步擴展至圖文、視頻等內容的創作。據了解，“奇思妙想”將在近期投入市場。

這其實預示著一個更加具有想像力的未來：AI將成為一種平台式的工具。就像從PC到移動互聯網這一跨時代的轉變一樣，未來AI也可以疊加任何場景和平台，成為一種“基礎設施”。不止於線上，我們現在看到的智能家居、語音助手，正是AI在線下場景下的代表。

而這種應用場景的擴大，也為營銷公司提供了更多施展的空間：多渠道、多場景使用AI技術並賦能客戶。面對全新的潮流，產業鏈上擁有更多技術能力、跨平台應用經驗的公司，將有機會把營銷服務拓展至人們數字生活的方方面面。

“AI技術會慢慢影響整個組織的作業結構。品牌和平台的關係也可能會發生變化。“

每一次的技術浪潮，在革新生產力的同時，也會引發生產關係的變化。在營銷行業，隨著技術應用的深入，組織結構、多方關係，也在悄然演進著。

在一個營銷組織的內部，一個點子從發散、加工，到審核和輸出，原本是一個線性結構：後一項工作總要等待前一項完成後，方可推進。而現在，技術的加入使各方的關係可能表現為環形結構，相關方在工作鏈路上可以隨時參與進來。

具體而言，過去優化師和廣告策劃完成分析之後，媒介和創意部門會在一起討論後面的素材如何修改，進而產出內容，進行投放。現在系統能實時地去生成報表，而且分析的顆粒度會更細。優化、創意，不再是有時差的兩個環節，它們可以同頻進行。

在外部，AI也會擴展營銷的範圍。隨著內容的爆發式增長，內容生態的格局將會隨之發生變化，全新的流量平台將不受限於內容供給，爆發出全新勢能，給營銷機構和品牌方帶來新的合作機會。總而言之，每一個新的營銷趨勢或是流量變化路徑，都可能意味著新的市場機會。

如果我們思考行業內的各方關係，不難發現，誰佔據了流量，誰就具有更強的話語權。一旦AI判斷並生成內容，可以為品牌更好地使用，品牌有可能藉助AI自主地聚集起流量，換言之，它不再依賴於大平台的流量起勢，這實際上是對現有流量體系的價值再分配。

在全面“AI數字化”的時代，鄭曉東還提到了“數字資產”的重要性。他認為，AI時代所有的素材、文字視頻都是數字資產。沉澱下來的文字、圖像、音視頻等數字化內容資產，將應用於下一代人工智能的開發。

“每一代技術給營銷領域帶來的改變，本質上都是行業數字化的過程。只不過，原有的數字化是輔助人的工作，現在的AI技術能夠在一定程度上替代人力的工作。”鄭曉東總結道。

每一輪技術浪潮，都是舊有生產力與生產關係改變的推動者。就像機器大工業時期，流水線替代了人工，人從手工生產，更多地走向了管理等複合型崗位，小作坊也才走向了大工廠，各種複雜的生產製造才成為可能。

在營銷公司的演進中，已經有前瞻者在產業鏈上下游提前佈局，實現從品牌到銷售端完整的營銷鏈路佈局。目前，利歐數字已經把創意服務進一步延伸到策略諮詢服務，以高質量服務體系、內容規劃賦能效果類的客戶；另一方面在媒體和流量端業務，不斷強化媒體服務和流量轉化能力，與有流量機會的媒體平台快速開展合作並且做到一定的規模，以更好地捕捉細分領域的變化。鄭曉東認為，兩端打通才有增長的機會。而AI技術無疑可以加速“端到端”打通的進程，為營銷公司帶來更高的能力上限和競爭壁壘。

在AI技術日臻成熟、應用前景廣闊的當下，我們可以設想，未來營銷領域的AI技術，更智能、更精準、更高效，它拓展了營銷領域的邊界，給行業更多的想像力。（第一財經資訊）

彙整鉅亨號中所有使用「數字AI」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

何小鵬，花了幾十億後，下了一個新賭注！

AIGC時代到來，營銷行業將迎來哪些變革和機遇？