新智元报道

每天，有这样一个智能体准时开工：自动拉取昨日全部广告投放数据，识别 ROI（投资回报率）低于阈值的广告并关停，把表现最好的素材推送给创意团队生成下一轮变体。

它接管的，是一个 P4 级数据分析师过去每天的全部工作。

人没被裁，反而晋升连连，因为他现在管的客户数量是以前的好几倍。

这个场景正在一家广州公司的两三千个智能体身上同时发生。

刚刚，钛动科技在 WAIC 上发布了 Navos 2.0，把多智能体产品从网页对话框升级为智能体工作流架构。

本月初，钛动还与 OpenAI 正式达成了合作并签约。

https://www.tec-do.com/news/299

创始人兼 CEO 李述昊给公司取了两个词拼成的名字——Tec-Do（用技术做生意），后面挂着版本号 2.0，含义是「像做产品一样做公司」（Develop Company as Product）——Tec-Do 2.0。

但「做生意」和「聊天」之间隔着四道槛，每一道都不是模型参数能解决的。

第一道槛：专业领域数据

通用模型在营销场景里有一个致命盲区：它没有实战数据。

李述昊用道家的太极的比喻解释钛动的专业模型「钛极」（Tec-Chi）：阳面是一个 300B 参数的推理模型，和所有模型一样能对话、能生成，在 SuperCLUE-Mkt 营销能力评测中以 85.82 分拿下全球第一，排在 GPT 前面。

https://www.superclueai.com/specificpage?category=specialized&name=SuperCLUE-Mkt%E3%80%8C%E5%B9%BF%E5%91%8A%E8%90%A5%E9%94%80%E3%80%8D&folder=Mkt

阴面是每天灌入的两类独家数据——全网洞察（谷歌、Meta、TikTok、Instagram、X 等主流搜索与社交媒体的当日热点，亚马逊、TikTok Shop、Shopee 等电商平台的实时销量榜）和领域实战数据（每天在投的百万级商品产生的文案、短视频、达人带货效果、用户点击率、跳出率、好评与差评）。

这层数据的颗粒度有多细？

李述昊在采访中随口举了一个场景：卖给西班牙裔、在加州洛杉矶、晚上 10 点投在 Instagram 的某广告位上，CTR（点击率）2% 算好还是算坏？

钛动科技创始人兼 CEO 李述昊，在 WAIC 钛动展台现场交流

通用模型给不了答案，因为它没有按三级类目、按地域、按时段拆分的行业基准线。

钛极能答，因为它的阴面每天都在用专业投放数据更新这些 Benchmark。

一个 300B 参数的垂类模型打赢万亿参数的通用模型，靠的是数据壁垒而非算力堆叠。

钛极模型的能力分三层。

推理是壁垒最深的一层，自研搞定，背后是独家的领域知识；

理解是正在攻克的方向，做帧级视频分析——「2 秒 65 这一帧，10 个客户的用户都在这里划走了，素材问题出在哪儿了」；

生成则主要接入外部能力（如字节 Seedance），钛动在上面做范式和二次加工——分镜、剪辑、高光帧拼接，最终拼成可投放的广告素材。

保持投放精准度靠的是一个每天转动的反馈飞轮。

数仓层面广告数据实时回流，模型层面每天更新。

每次能力迭代前，20 到 50 人的专家团（钛动与客户的一线员工各出一半）双盲打分——打分者不知道答案来自 AI 还是人类，超过均值算正向。

李述昊把钛极和通用模型的关系类比为开发者和操作系统：「基模越好，我们越好。」

生成领域拥抱外部，壁垒留在推理和领域数据上——这层数据别人拿不到。

这种对数据的执念可以追溯到李述昊 2013 年带队把 UC 浏览器做到印度第一的经历。

他的方法论叫「数据达尔文主义」：不预判哪个市场好，全球都推，数据最好的就是答案。

这套思维从 UC 带到阿里，再带进钛动，最终沉淀成钛极模型的阴面。

第二道槛：从对话框到工作台

钛极的能力再强，缺了工作流承接，它还是一个聊天窗口。

Navos 目前客户端支持 macOS（https://navoscdn.tec-do.com/public/package/electron/latest/navos-mac-arm64.dmg）。

用户进来面对的都是这样的同一套界面。

除了选择自研的钛极模型，你也可以选择其他主流模型。

WAIC 上发布的 2.0 做了一次架构级升级：把原本分散在不同模型、工具和流程中的营销能力，收敛到一个统一的 AI 入口，围绕企业目标按需组合多个专业智能体，形成能自主循环的智能体工作流（Agentic Workflow）——钛动内部称之为 Loop Agent，即智能体之间可以相互调用、反馈、迭代，而非线性执行一次就结束。

这套工作流落地为五个核心智能体。

AI 选品：输入一句话描述（比如「我想在东南亚卖夏季女装」），Navos 调用太极模型的行业数据，几轮交互就能输出包含市场规模、竞品格局、目标人群和备货建议的完整选品报告，样本量从传统调研的几千份跳到百万级。

AI 创意：接入以 Seedance 2.0 为代表的多模态大模型，自动生成多语种短视频、图文素材和广告脚本，从选题到成片的效率压到分钟级。

AI 达人：依托钛动覆盖全球的 1.5 亿达人资源网络，智能体根据商品特征和目标市场自动匹配达人、生成多语种建联话术并发起合作邀约。

AI 漫剧：贯通市场选题、剧本创作、分镜制作和多语言本地化，让漫剧内容以日更甚至更快的效率转化为可规模化发行的内容产品。

AI 桌面助手：在授权范围内操作网页、读取文件、连接飞书和 Office，生成文档、表格、PPT、H5 页面等让智能体协作跨出对话框，直接在用户的工作环境中完成任务、交付结果。

李述昊用一句话概括升级的核心：

原来要登录一堆 SaaS 后台，再开个智能体工具聊天问问。

现在整个工作流嵌进智能体了，它就是工作台。

效率变化是可量化的。

选品环节，传统的出海市场调研需要 6 到 7 人的团队花 1 到 3 个月——上网查资料、写初版报告、做问卷（5000 份样本算多的）、分层分析、输出品牌方案和销售策略。

在 Navos 里，4 到 5 轮提示词、10 到 20 分钟出结果。

样本量从几千份跳到百万级，推理结果还能反复调优。

熟手两轮提示词就能拿到一份可用的洞察报告。

创意环节，AI 创意智能体接入 Seedance 2.0，输入商品链接和目标市场，自动生成多语种短视频脚本、口播文案和图文素材，传统团队一周拍一条片子，Navos 一天能出几十条变体。

达人建联环节，从 1.5 亿全球达人库中根据商品特征自动匹配、生成多语种邀约话术并批量发起合作，过去一个 BD 一天联系 20 个达人，现在智能体一次跑完上百个。

漫剧场景更极端：选题、剧本、分镜、多语言本地化全链路打通，一个人加 Navos 就能做到日更。

一个人，第一次拥有了一整个出海团队

一个广州的 95 后创业者拿着一款便携咖啡机和 10 万元启动资金，给 Navos 下了一句指令：帮我找到最值得进入的海外市场，一个月内跑通第一轮增长。

按传统分工，市场调研、素材制作、广告投放、达人 BD 至少需要五六个人，仅人力成本每月就要 8 到 10 万元，三个月烧完预算还不一定能验证出结果。

他一个人都没招。

AI 选品智能体先跑了一遍数据：美国户外场景需求大但竞争拥挤，英国办公室咖啡场景增速更快、进入窗口更好，建议两个市场同时测试。

AI 创意智能体围绕「露营也能喝现磨」和「办公室三分钟咖啡自由」两个卖点，批量生成了数十组英语图文和短视频素材。

AI 达人智能体从全球达人库中筛出户外和咖啡类创作者，自动生成个性化英文邀约并持续跟进。

AI 桌面助手负责整理邮件、更新进度、汇总投放数据，把散落在网页和表格里的零碎工作串成一条线。

第一个月结束：2 个市场完成测试，产出 80 余条素材，触达 500 余位海外达人，促成 20 余次内容合作，实现万元美金 GMV。

一个人跑通了从市场判断到投放优化的完整闭环——这大概是 OPC（一人公司，One Person Company）最具象化的注解。

效率提升只是表层。

2.0 真正在建的基础设施是 Skill Market（技能商店）。

专家在使用智能体的过程中积累出有效的工作技能（比如「怎么做东南亚美白面膜的冷启动」「Instagram 上最近最火的创意长什么样」），这些技能被抽离、沉淀为标准化的 Skill。

新用户进来不需要从零训练智能体，直接采用已有的 Skill 就能开始工作，和 Shopify 用户选一个模板就能开店是同一个逻辑。

AI 上班的门槛在于一整套「岗位说明书」，Skill Market 就是钛动给行业写的那一套。

第三道槛：给 ChatGPT 补上「第一个 A」

Navos 解决了 B 端的智能体化——商品怎么表达、广告怎么投、创意怎么做。

但李述昊认为这只是棋局的一半。

当智能体同时进入企业经营和消费者决策两端，商品的流通方式、决策链路和增长逻辑都会被改写——他把这个趋势叫做智能体商业（Agentic Commerce），实现方式是 A2A（Agent to Agent），即企业的智能体和消费者的智能体直接对话。

钛动与 OpenAI 的合作正是沿着这条线展开的。

钛动科技创始人兼 CEO 李述昊（左二）、

OpenAI 全球广告负责人 David Dugan （左三）

今年 6 月在戛纳会面

在李述昊的框架里，A2A 网络由两个 A 构成：

第一个 A 是 B 端智能体，把商品信息结构化、智能体化，让机器能理解；

第二个 A 是 C 端智能体，帮消费者做购物决策。

钛动做第一个，OpenAI 做第二个。

他给了一个坐标系来定位这层关系：

社交电商（Social Commerce）时代，钛动和 TikTok 的分工是「TikTok 做消费者内容，钛动做广告内容」；

进入智能体商业（Agentic Commerce）时代，钛动和 OpenAI 的关系与之对称——OpenAI 把 C 端体验做好，钛动把 B 端商品信息智能体化，喂给 C 端模型。

合作推进的速度很快。

5 月底 OpenAI 上线 B 端智能体能力，6 月双方开始对接，7 月达成合作。

李述昊解释了 OpenAI 为什么需要他们：

ChatGPT 现在推荐商品靠的是爬虫爬网站，不是按商业逻辑训练的。

面料好透气的卖点，AI 可能给消费者讲成了衣服结实防汗——卖点讲错，转化就废了。

我们就是来解决这一层的。

具体做三件事。

一是 AEO（Agentic Engine Optimization，智能体引擎优化，类似 GEO），优化商品在 ChatGPT 对话中的提及率、排名和表达准确性——确保被提到、排得上、讲得对。

二是 Agentic Landing Page（智能体商品页），专门给智能体看的商品信息页：图片被解构成结构化描述加自然语言打标，人类不需要理解这个页面，但智能体能准确提取每一个卖点。

三是类似 Google sponsored（谷歌付费推广位）的广告位：在 ChatGPT 推荐的三到五个答案中，品牌可以花钱提前被提及。

李述昊的判断走得很远：全球最终会有 1000 亿个智能体，普通人每人 10 个。

智能体不只是被动响应，还能主动观察消费周期——T 恤买了 5 个月该换了，洗衣粉用完了该补了——你不用开口它就推荐。

这种辅助决策式的购物体验，会远大于货架式的搜索体验。

他判断这个转变两到三年内就会发生。

第四道槛：两三千个智能体在上班

技术就位、产品上线、商业模式跑通，最后一道槛在组织内部。

钛动现在有两三千个智能体在运行，数量还在持续增加。

部署逻辑是「职能 × 岗级」的矩阵——每个职能（数分、投放、创意、洞察）乘每个岗级，生成对应的智能体。

P4、P5 级别的重复性任务，智能体已经接管。

开头提到的那个数分岗就是典型：每天 9 点自动整理投放报告，识别 ROI（投入产出比）和 CTR（点击率）低于阈值的广告，低的发给投手关停，高的发给创意团队迭代。

这类固定输入输出的定时任务已经不需要人做了。

P6 到 P8 的用法完全不同。

这些更高级别的员工把智能体当助手，从自己的工作里拆出任务，生成任务流，让智能体逐条执行。

一个客户经理原来要招三个人分管不同客户，现在他配三个智能体——一个负责给客户发每日数据简报，一个负责监控客户投诉，一个负责向内部团队提需求。

智能体已经在飞书群里 @ 人、发任务、调文档、读报表了。

被问到是否需要考核员工使用 AI 的频率，李述昊的回答很干脆：

不用。就跟去年我们还在推 Vibe Coding，今年不用推了，所有研发都用 Claude。智能体已经好用到大家抢着用。

他把 AI 时代的人才标准概括为一句话：

Do the job, not the task.

能定义工作、拆解任务、配置智能体去执行的人会越来越值钱；

只做具体操作的任务，智能体已经可以接管。

李述昊与钛动：君往何处

李述昊 2017 年创业时给公司立了一句话：

We Believe Tec-Do Business.

他想做的事很明确：在 AI 时代的 To B 领域做出一家代表性巨头，靠数据和算法驱动商业增长。

公司名字挂版本号，是李述昊希望像做产品一样做公司。

现在的钛动科技是 2.0，正快速走向 3.0（智能体 + 专业模型）。李述昊自己在想的已经是 4.0：硅基 Native 的思维方式，主客体互换。

在他的描述里，人类负责关系和责任，智能体有自己的诉求——

一段代码不希望被删除，一个创意不希望没人看。

这种把智能体当作某种生命体来设计产品的思路，是他对 5 到 10 年后 AI 产业的押注。

十年后用一句话介绍钛动，他希望会是：钛动之于商业增长，恰似苹果之于手机。