这期请了两个完全不同的人来聊 AI 时代的营销。 一辰是 CapgoAI 的创始人，做 AI 驱动的 SEO/GEO，服务 AI 公司和软件公司，Harvard MBA，典型的 AI 圈创业者。 Ashley 小周 @是小周Ashley 是 Sukoon 素寻的创始人，在新加坡做洗护品牌——沐浴露、补充装、香氛。一人公司，去年 12 月上市，8 个月做到约 3000 单。她不是 AI 从业者，但她用 AI 的方式，比很多 AI 公司都值得聊。 我想聊的主题叫 AI Native Marketing——AI 时代的营销到底变了什么，没变什么。分三个板块：Workflow、Taste、Pattern。 1. 过去一年就是我一个人跟七个机器人讲话 Ashley 做 Sukoon 的第一年，从品牌定位到供应链到产品开发，全程只有她和 ChatGPT。她在 ChatGPT 里建了一套虚拟团队，有人负责复盘、有人负责战略、有人负责产品——当然都是 AI。 但品牌上市的时候，她说了一句让我很意外的话："我突然丧失了表达的欲望。我非常想要听到真实的人对于这个产品的想法。" 于是她做了一个看起来很"反 AI"的决定——all in 线下。8 个月里跑了 7 个展会和卖点，一单一单地卖，面对面观察每一个陌生用户。 她看的不是销售数据，是微表情：用户路过展位时为什么停下来，闻到味道的第一个反应，听到哪句介绍后主动问价，对价格的第一反应是什么。 "这个过程我可能会重复上百上千遍。" 她说这些微表情对她来说就是数据库，而她本人就是那个数据处理引擎。AI 给不了这个。 2. 感知没有办法被代替 我问 Ashley，你的工作流里哪些被 AI 接管了，哪些绝对不会。 接管的：财务和法务——报表下载上传，AI 出分析，能完成 80% 的需求。图形处理——自己先拍照，AI 做二次创作。 绝对不会的：判断。 "不管是产品决策还是市场判断，到最后都是基于我个人的经验和感知。AI 目前还没有办法达到，给出一个代替的方式，因为感知这个东西是没有办法被代替的。" 她举了一个例子。选瓶型的时候，工厂里三四百个瓶子，她 20 米外看到第一眼就知道那是她的瓶子。选香调的时候，她坐在那想——如果 Sukoon 是一个人，什么瞬间会让他感觉到自己存在？她想到的是两三月份阳光下拨开橘子皮，水汽迸发的那个瞬间。 这些东西没有数据支撑，没有逻辑推导。但 8 个月线下验证的结果证明：她觉得好的，市场也觉得好。 3. AI 信息不够的时候也会下结论 一辰从乙方视角聊了一个很实在的问题。 CapgoAI 做 SEO 服务，很多环节已经被 AI 自动化了。但他说唯一不能自动化的，是跟客户的交互。 "甲方优化的可能不是流量，可能是'我老板在乎的那 5 个词的点击率'。"这些 context，AI 拿不到。 更致命的问题是，AI 在信息不够的时候也会下结论。"它不像人一样，会说'我数据信息不够多，所以我没法下这个结论'。" 他举了一个具体的例子：让 AI 分析一个网站做了哪些关键词，AI 会直接读 URL 就以为自己读了网页内容，然后给出一个错误的结论。你得人工逼它真正去读。 Context 给多了也不行。"AI 在读 context 的时候，信息太多它会 confuse。人能抽象重点，但 AI 不能。老板说的两句话，比下属说的 100 句话都重要——这种 context，AI 获取不到。" 4. 公司最大的损耗不是做得慢，是做错了 一辰说 taste 就是 judgment——决定做什么。 他分享了 Harvard 一个教授的观点：怎么训练 judgment？多做对结果负责的决定。教授说他创业几次，裁过四五十个人，每一个人叫什么、怎么裁的、对方的反应，他全都记得。但他读过 100 多个关于裁员的 case，一个都记不住。 "当你真正做了一个决定，对它负责的时候，它对大脑的训练和你纸上谈兵是完全不一样的。" 然后他说了一句让我印象很深的话。创业初期他总觉得 co-founder 工程做得慢，觉得这是公司最大的损耗。但回头看——"公司最大的损耗全都是我做了一些后来没有用的功能。" 这个 judgment 在 AI 时代更贵了，因为 execution 变便宜了。做一个东西比以前容易很多，但做错一个东西的代价没有变小。 5. 如果你是 0，AI 乘 10 还是 0 一辰聊 go-to-market 的时候说了一个我觉得很精准的判断。 B2B enterprise 的 GTM 没有本质变化。线下 in person 反而比以前更重要了——因为大家收到了太多 AI 自动化发的邮件和 LinkedIn，注意力更稀缺。"我在楼下看到有个人蹲在那放个板卖房子，我觉得这个效率多半比他在网上投广告要高。" 真正变了的是 B2C 和 PLG。AI 对优秀个体的放大作用特别大。 "如果你是 1，AI 让你乘 5 乘 10，你就是 5 或 10。如果你是 0，乘 5 乘 10 还是 0。" 他用了一个枪的比喻：没有枪的时候，大家打架看谁武功好。有了枪，看谁的枪好、谁的枪法好。有了 AI，看你用 AI 的水平、你的 judgment、你的 taste。 "你始终是需要比 average 强，你才能获得更多客户。" 6. 用 AI 蒸馏自己的直觉 Ashley 说了一个很有意思的用法。她不是用 AI 来替代判断，而是用 AI 来理解自己的判断。 她会问 ChatGPT：为什么我选了青橘皮？为什么选木质调？AI 帮她从这些直觉里抽出框架——原来是因为她想面对的是 AI 时代人们对确定性的渴望，而什么是确定性？是不需要思考的、直白的、瞬间爆发的感受。 "我跟 AI 不断沟通之后，它会帮我抽一些框架和架构，我去反推，哦，原来是因为这个。" 她还建了一个"30 年后理想状态的自己"，从终局倒推当下每一个决策——哪些和理想状态是错位的。 但她也说，AI 工具更新太快反而成了负担。她现在的策略是"让子弹飞一会"，只在一个工具里深挖，不追新。 7. 1/10 薪水、1/10 时间，买的是 20 年经验的判断 Ashley 的团队架构是这期我最想记住的东西。 一人公司 + AI agent 矩阵 + 4 位超级个体 part-timer。4 个人里有 3 个是 20 年以上行业经验。她给他们正常薪水的 1/10，但也只需要他们 1/10 的时间。 "就像 fine dining，你花很高的价钱买一个 set menu。买的其实就是这些侍酒师和主厨通过十几二十年的专业经历给你的判断。" 她不喜欢雇佣关系，觉得"大家一定要拥有自己的根之后互相生长，才能结出自己的果子"。 前 7 个月坚持线下一单一单卖，不急于爆单。有人问她为什么不第二个月就进直播间。她的回答是：卖 1 万单只有 1000 个评论，剩下 9000 个人怎么想？"这种恐慌对我来讲更可怕。" 曼谷展会，全场最年轻的品牌——才 7 个月——但唯一全售空。 8. 做 100 个烂视频，不如好好做一个 最后一辰说了一句我觉得可以当这期的结语。 "AI 时代 spam 变得很便宜，但所有平台都想 remove 这些 AI 生成的 spam。不是因为 AI 生成的不好，而是因为它没给用户带来什么价值。" "做 100 个烂的视频，不如好好做一个极高水平的视频。" 这跟 Ashley 用 AI 工具做了一圈视觉素材，最后还是让人手绘完成的逻辑是一样的。AI 能做的越来越多，但"好"这个标准没有变。 品味不会因为工具变便宜而贬值。恰恰相反。

Harris @Harris 是我在新加坡认识的一个营销老炮。Apple 在线商店待了近 5 年，然后跳进广告行业，在 Facebook Marketing Partner Nanigans 负责大中华区，帮 FunPlus、IGG 这些头部 SLG 游戏公司做海外投放。再之后进入 Meta，专门负责大中华区游戏——莉莉丝、米哈游、哔哩哔哩、游族都是他的客户。 "最夸张的一次，全球前 10 的 SLG 游戏公司，9 家都是中国的。"那是中国游戏出海的盛世。 2022 年他离开 Meta 创业，兜兜转转经历了区块链游戏，2024 年底 all in AI，在新加坡做了一家叫 A65 的公司。A65 做的事情听起来很大：用 AI agent 集群接管企业的整个营销链路——从用户洞察到投放策略到广告创意到 24 小时盯盘。 1. 不要为了 build agent 而 build agent Harris 说他去新加坡的创业活动做分享，最常问台下一个问题："你今天有一个实习生的岗位，你到底能不能清晰地定义出这个实习生能够给你干什么？如果你没有办法定义出来，那你一定也没有办法定义一个好的 agent 出来。" A65 一开始也踩过这个坑。最早他们把 AI agent 当效率工具——用它来 vibe coding，用它来帮员工提速。但很快发现，"如果你把它当成 agent，你的产品形式本质上没有什么变化，只是提高了效率。" 后来他们做了一个很大的转变：agent 不是工具，agent 就是产品本身。 2. 功能性 agent 里不放 memory 这个设计决策让我印象很深。 A65 把 agent 分成三类：一类是 AI 员工（跑在 Mac mini 上的 Hermes agent），一类是功能性 agent（执行具体技能的），一类是 governance agent（评估和监控的）。 功能性 agent 里，他们故意不放 memory。原因很实际："我不能让 A 客户的信息影响到 B 客户的输出。A 客户的数据也不可能被 B 客户看到。" 他们最早用 Hermes agent 的时候发现，当多个客户的 brief 进来，agent 的 skills 和 memory 会跟着变——用得多的客户会让整个产品往那边倾斜。如果要服务成百上千的客户，一致性和稳定性才是最大的难题。 所以 A65 在 governance 和 guardrails 上花的精力，远超大多数人想象中的 agent 公司。 3. 你想让 AI 给你 100 分，你至少自己要达到 85 分 我跟 Harris 聊到 CreativeOS——他们的广告创意生成系统。我说很多做营销的朋友从来不用 AI 做内容，觉得 AI 做的东西 mediocre。 Harris 的回应很直接："今天不是说 AI 不行，是因为你的 prompt、你的输入不行，它就输出不行。你想让 AI 给你达到 100 分，你至少自己要达到 85 分。" 所以 A65 在 CreativeOS 里做了大量的 harness——不是让用户随便输入一句"帮我做个咖啡广告"，而是把专业广告人的工作流程 build 进系统：先找用户 motivation，再结合产品卖点，形成策略，拆成 idea，然后分镜、hook、call to action、品牌信息——每一步都有套路。 "一个十年经验的创意总监和一个普通人，用同一个系统，得出来的结果是完全不一样的。" 这跟 Seedance 是一个道理——模型都在那里，谁都可以用，但输入的质量决定输出的质量。 4. 91.6% 够用了，不追 100% A65 有一个叫 CrowdOS 的产品，做合成受众——用 AI agent 模拟真实消费者做市场调研。他们用 Big Five（大五人格）模型构建 agent 的人格，然后每天喂新闻，让 agent 在服务器里自发 debate 形成观点。 他们跟 Pew Research 的公开面板做了校准，一致性达到 91.6%。 我问他剩下的 8.4% 差在哪，能不能往上做。他给了三个理由不做： 第一，校准的对象是已经发生的报告，做到 100% 匹配过去的数据并不等于预测未来更准。第二，统计学上 75% 以上就已经够用了。第三，成本——从 91.6% 再往上每升零点几个点，成本就会暴涨。 "我们不是在做 100% 准确的科研研究，我们是做商业可用的产品。" 这种克制在 AI 圈子里不常见。大部分人讲的是模型越准越好，Harris 讲的是：够用就是够用。 5. 我们不会干预 perspective 的形成，我们只喂原材料 CrowdOS 里有几千个 agent，每个都有持续的 memory。Harris 说他们每天给 agent 喂当地和国际新闻，让 agent 自己产生 debate，自己形成观点。 但他们也有监控：如果有某个 agent 说服力太强，把其他 agent 的观点全部 convince 掉了，系统会捕捉到。 "我们不会干预 perspective 的形成，我们只是喂原材料。" 我追问大模型本身偏英文、偏富裕、偏城市、偏上网多的人，怎么让合成受众代表更边缘的群体？他说他们同时接了 5 个模型——Anthropic、Gemini、OpenAI、DeepSeek、Kimi——中国模型和海外模型都在，就是为了消除单一模型的 bias。 而且不同市场会单独定制校准数据——不是每个国家都有 Pew Research 级别的报告，有些市场甚至要从社交媒体数据来补。 6. Tier 1 客户的 90 分方案，到 Tier 2 就是 120 分 Harris 讲商业模式的时候说了一个我觉得很聪明的策略。 他们的大客户（Tier 1）都是定制化服务，方案做到 100 分。但大客户的需求做成标准化产品后，可能只有 90 分——差的 10% 就是定制化的部分。 "但是我们今天这个 90 分的标准化方案给到 Tier 2 的中型客户，对他们来说可能就是 120 分了。因为他们远远没有那么 advance。" 这不是一个新逻辑，但在 AI agent 产品上第一次听人讲得这么清楚：用头部客户的经验喂养产品，然后把高浓度的 knowhow 通过标准化产品释放给中型客户。 7. 不是为了新而新，MCP 有缺点就用 API 最后一个让我印象深的点。 A65 的官网上写了一句话：fluency is not capability。流利不等于能力。这句话来自 1965 年 MIT 的 ELIZA 模型——也是 A65 名字里"65"的由来。 Harris 说他们在技术选择上非常务实："我们不是为了 agent 而做 agent。有些东西直接可以用代码写死的，我们就用代码写死。现在 MCP 很火，但我们看到 MCP 里有很多缺点，那我们就直接用 API。" "不是说 API 是一个老旧的技术就非得用 MCP 代替掉。今天解决这个问题，本质到底怎么解决，怎么效率最高，成本最低，我们就做这个。" 这跟很多 AI 创业公司讲的故事不一样。大部分人的叙事是越新越好、越 agent 越好。Harris 讲的是：回到 foundation，回到本质。

时间太碎片，除了刷手机，发现另一个更有效率的方法是同时开codex和claude，一个在工作的时候去另一个。 听听大家其他建议？

AI 不是在"加持"你的 marketing，是在重新发明它。 增长正在从渠道技巧变成系统工程——不再是"多试几个渠道"的排列组合题，而是一套操作系统。有句话很好地概括了过去两三年 AI 增长最大的变化：产品让客户说 wow，GTM 让客户说 yes。 两位创始人，两个截然不同的位置： Yichen · Capgo AI SEO/GEO 服务商。帮品牌在 AI 时代"被找到"和"被选中"。当消费者用 ChatGPT 和 Perplexity 做购买决策，品牌的 pattern 怎么写进 AI 的认知里。 Ashley · 素循 Sukoon 新加坡可替换护理品牌创始人。极简调性、安静品牌、自研配方。从供应链到品牌到销售一个人扛——在 AI 内容铺天盖地的时代，怎么做 marketing。 我们会聊什么 三个关键词，三个出海 founder 必须回答的问题： Workflow — AI 到底能替你做多少 marketing？一个真实的 AI-native marketing workflow 长什么样？什么是 GTM engineer，对早期团队有意义吗？ Taste — 当 AI 拉平了执行力，品牌怎么不变成 AI slop？什么东西不能交出去？什么是品味，怎么守住？ Pattern — 现在的 GTM 跟之前到底有什么不同？市场在为"品牌在 AI 答案里的可见性"付费。AI 需要真实的人类经验作为证据——官网难以伪造的东西。品牌增长、被发现、被选中的模式正在涌现哪些新的 pattern？ 谁应该来 → 在新加坡做出海的 AI / 消费品 founder → 一个人扛 marketing 的早期创始人 → 想搞清楚 AI 到底能替自己做多少事、又做不了什么的创业者

发youtube链接让claude总结后🤣

大多数评论我很难伺候哈哈哈。 不过补充一下：打电话那次我手机在 sleep mode，所以体感比较惊悚；重复下单也是因为支付页面提示我失败了。 真正想说的还是那句：这几件事没有一件需要 AI，都是十年前就该解决的。 原文： 刚跟一个搞AI+跨国食品公司的founder聊了这个经历，说Nespresso新加坡怎么拉垮成这样，赶紧去改造他们。她说：还处于stone age。 事情起因很小：我收到promotion，新加坡国庆节活动，购买61新币可获赠一个gift。我点进app直接下单。支付提示未成功，我就再点了一次，直到收到两封确认邮件，才意识到下重了。 1. app里怎么也找不到取消订单的按钮 这是我全部困惑的起源。你一个做电商的app，竟然不能让用户自己取消订单？我估计才下单两分钟。 订单状态是按公司的对账逻辑设计的，不是按用户的后悔逻辑。 2. 客服入口在WhatsApp，每30秒告诉我排到第几位 只能WhatsApp找客服。我说订单重复了，帮我取消repetitive order。然后换来他们每30秒的自动回复，告诉我排到12了、11了，还会弹提示。 这是WhatsApp，不是可以关闭通知的其他app。 你们把自己的运营焦虑外包给了客户。 3. 客服来了，直接把我两个订单都取消了 我再去问，说你要重新下订单。 能全清，不能只清一单。 4. 重下的订单到货，没有礼物 再一次找客服，客服说SG61的礼物上次已经在订单里了呀。 我excuse me，这订单不是被你们取消了吗？ 促销系统和订单系统压根没打通。我第一次跟客服说：我需要投诉。 5. “我们的SOP是打两次” 过了两天，我手机在sleep mode，Nespresso客服打电话来。第一次打不通，居然继续打，打到我接听。 我当时是真的震惊了。正常消费品，又不是涉及重大安全的问题，用得着一直打吗？第一次没打通，是不是应该发短信或email说你打过了再约时间？这难道不是国际通用流程。 又去问，回答：我们的SOP是打两次。 所以你们的SOP就是骚扰客户吗？ 我又投诉了，直接block掉客服电话，要求只能邮件联系。 6. 每一步都要人肉介入，每次介入都产生新的错误。 这六件事没有一件需要大模型。全是十年前就该解决的产品设计和系统打通。 现在讲”AI 改造传统消费品”，真正的差距往往不在 AI。是有的公司连前AI时代的作业都没做完，你把 agent接上去，它只会更高效地执行错误的SOP。 早点来有识之士，去把Nespresso新加坡卷一下吧。

线上，有zoom链接

AI 正在重写 marketing 的每一层。 ​不是"加了 AI 的营销"——是为 AI 时代从头设计的营销。 ​50% 的消费者已经在用 AI 搜索产品。AI agent 开始替消费者比较、推荐、甚至下单。所有人都在用 AI 做内容，品牌正在变得越来越像。 ​出海 founder 面前同时摆着三个问题： ​Workflow — AI 到底能替我做多少 marketing？边界在哪？一个人、没团队，从哪开始？ ​Taste — 当 AI 拉平了执行力，品牌怎么不变成 AI slop？什么东西一定不能交出去？ ​Pattern — 在 AI 中介的世界里，你的品牌有没有一个足够清晰的 pattern，能被 AI 读取、被消费者认出来？ ​第二期 AI for Beautiful Business，三位 founder 从三个位置拼出一张真实的图。 ​Speakers ​Yichen · Capgo AI SEO/GEO 服务商。帮品牌在 AI 时代"被找到"和"被选中"。当消费者用 ChatGPT 和 Perplexity 做购买决策，品牌的 pattern 怎么写进 AI 的认知里。 ​Ashley · 素循 Sukoon 新加坡可替换护理品牌创始人。极简调性、安静品牌、自研配方——在一个 AI 生成内容铺天盖地的时代，怎么守住品牌的 taste。 ​Colin · PostPlus.io 00后连续创业者。前 AI 产品联创，200 万美元 ARR，GSR 投资。PostPlus 用 AI agent 重建广告创作 workflow——从竞品洞察到 UGC 视频，一个 agent 跑完全流程。 ​What We'll Discuss ​→ AI 能替你做多少 marketing？单人 founder 的真实 workflow 长什么样 ​→ 传统代理商还值得用吗？预算怎么花 ​→ 当所有内容都是 AI 生成的，品牌差异化靠什么 ​→ Agentic commerce 来了——AI agent 替消费者做选择，品牌怎么不被绕过 ​→ 哪些东西一定不能外包给 AI——品牌定义权、文化语境、"什么不该说"的直觉 ​Who Should Come ​→ 做出海的 AI / 消费品 founder ​→ 一个人扛 marketing 的早期创始人 ​→ 想搞清楚 AI 到底能替自己做多少事的创业者

今天 Genspark 创始人景鲲在 AGI Playground 2026 大会上发布了 GenOffice——面向 Windows 和 Mac 的本地 Office 客户端，免费、开源、无广告。 核心卖点几个层面： 产品层面：Alpha 版号称一名工程师一周完成，消耗约1万美元 AI token，每日迭代十几个版本。采用两层架构——上层让 AI 生成 Markdown/HTML，下层通过转换引擎变成可编辑的 Word 和 PPT，解决 AI 生成内容"格式返工"的痛点。但 Founder Park 也指出，一周做出来的是客户端的"壳"，底层 AI 文档能力来自 Genspark 过去一年多在 AI Slides、AI Docs 和微软 Office 插件上的积累。 战略层面：GenOffice 的逻辑不是靠 Office 本身赚钱，而是拿到本地文档这个高频入口，给 SecondBrain（记忆层）喂工作上下文——用户写什么报告、改什么合同、用什么术语，都是 Agent 从"会生成"走向"懂工作"的关键数据。免费开源负责获客，高阶 Agent 能力和企业服务负责收费。 共建模式：从 Alpha 版第一天就开源上 GitHub，邀请用户通过 GenTeam（聊天工具）直接向 AI Agent 提需求，反馈者送 1000+ Genspark credits。Founder Park 把这描述为"重新定义传统复杂办公软件的研发模式"。 硬件方面，Genspark 在7月刚发布了 SecondBrain Note——一张吸附在手机背面的超薄 AI 录音卡，2.9mm 厚、26g、64GB 存储、最长35小时连续录音，首发价179美元，自动转写摘要后同步到 SecondBrain。调查文章指出这款产品从形态、参数到定价几乎是 Plaud Note Pro 的复刻。 Genspark 的官方数据：12个月做到2.5亿美元 ARR，7000+企业客户，累计融资6.45亿美元，估值26亿。 回来后也读到一篇深度调查，大意是：创始人景鲲、朱凯华都是前百度高管，这段经历在对外叙事中被系统性淡化；真正的工程团队数十人在北京中关村，硅谷是橱窗；产品线本质是快速跟进市场已验证品类的"AI Costco"流水线（Slides、Docs、Developer、Designer、Claw、SecondBrain Note 几乎都有明确的对标原型）；与 OpenAI/Anthropic 的"战略合作"实质是大客户采购关系被包装成身份背书；中国开放权重模型在产品里大量使用但品牌上刻意隔离；甚至有信源指出部分收入可能来自无法直接采购美国闭源模型 API 的中国公司通过 Genspark 中转。 GenOffice 的发布完全符合调查文章描述的模式：等一个品类成熟（WPS/LibreOffice），用极短时间出一个 Alpha 版，冠以"世界首创"式叙事，塞进已有订阅体系，再用开源和免费做获客入口。一人一周的故事很好听，但背后是一年多 AI Docs/Slides 的积累和那支不被提及的北京团队。 你怎么看？

再推荐两本，有本之前在audible听过，又入了kindle版，才发现可以跟audible随时切换，体验拉满，毕竟是作者自己读的。