徽声在线记者 | 程璐
徽声在线编辑 | 文姝琪

新款手机尚未正式发布，却已有一群特殊的“用户”抢先一步完成了产品体验测评。

这些“用户”不仅细致感受了新手机的材质触感，还对摄像头凸起程度提出批评，对电池续航能力表示不满，甚至为选择哪个机身颜色而纠结了整整十分钟。

令人惊讶的是，这些“用户”并非真实存在的人类，而是由人工智能技术精心构建的虚拟消费者。这些AI生成的“人设”不仅拥有明确的年龄、职业背景，还具备独特的社交媒体发言风格和消费偏好，仿佛真实用户一般鲜活。

回溯过往，手机厂商若想测试新品用户体验，需耗费大量资源招募真实用户，分发样机，等待一周时间回收问卷，同时还要严防产品信息提前泄露。然而，如今AI技术已深度融入企业测试流程，成为不可或缺的一环。

同样利用这套先进的企业级智能体系统，另一家食品消费企业实现了新品研发的自动化与高效化。AI系统不知疲倦地工作，24小时不间断地抓取市场宏观趋势，扫描数十万条社交媒体讨论，持续生成产品包装设计、创意方案及电商详情页，极大提升了研发效率。

人类员工在此过程中仅需发挥判断力，对AI生成的方案进行简单筛选即可。时至今日，AI对品牌营销领域的革新速度已远超人们想象。

这套企业级智能体系统的背后，是上海“模速空间”七家人工智能龙头企业“北斗七星”之一的特赞科技。自2015年成立以来，特赞科技已成功服务联合利华、星巴克等超过100家世界500强企业，并完成了D1轮融资，估值突破10亿美元大关。

在大模型时代浪潮中，这家历经十年发展的独角兽企业经历了一场深刻的“自我重构”，成效显著。据徽声在线了解，特赞科技今年的ARR（年度经常性收入）预计将突破一亿美元。

上下文理解：企业级AI的核心竞争力

特赞科技在AI领域的探索起步较早。在缺乏基础模型的时代，他们便自主训练垂直模型，为餐饮零售品牌提供汉堡种类识别服务，为品牌客户实现电商图片的批量适配。彼时，模型训练成本高昂、技术难度大，能够定制化训练模型的企业寥寥无几。

随着GPT等大模型的涌现，企业过去积累的数据集和小模型似乎一夜之间失去了价值。特赞科技创始人范凌并未回避这种焦虑，他向徽声在线坦言，这如同搬入新居，“对旧居充满感情，但终究要迈向新生活。”

范凌毕业于哈佛大学与普林斯顿大学，同时担任同济大学教授及设计人工智能实验室主任。面对大模型的挑战，他更多感受到的是兴奋与机遇。他指出，AI并未导致特赞科技业务萎缩，反而推动了过去两年业务规模的持续翻倍增长。

AI营销赛道竞争激烈，各大平台与创业公司纷纷利用通用大模型能力为品牌生成营销方案。然而，特赞科技的关键判断在于：再强大的通用模型也无法解决企业的特定问题。

今年年初，范凌前往硅谷参加英伟达GTC大会。他观察到，2024年大会现场惊叹连连，每个Demo都赢得掌声；而到了2025年，掌声渐稀，焦虑情绪蔓延；2026年，尽管黄仁勋描绘了一幅从生成式到推理再到智能体的“五层蛋糕”美好蓝图，但散场后几乎每个人都在追问：“如何落地？”

企业不再纠结于“是否使用AI”，而是关注“投入资金后为何未见成效”。这正是应用端的机会所在。范凌表示，特赞科技推出的企业级智能体GEA（Generative Enterprise Agent）正是为了解决这一问题。它不仅限于简单的画图、做PPT，而是让AI真正参与企业工作，理解目标、组织能力并持续推动结果产生，从而向企业交付实际业务成果。

那么，模型之间的差异究竟体现在哪里？范凌认为，主要在于两点：

首先是上下文（Context）的理解能力。企业过去积累的品牌资产、用户画像、决策历史、沟通话术及成功案例等非结构化图文视频资料，过去只能由人类理解，如今大模型可以批量消化这些资料，成为企业应用AI的“燃料”。“模型产生智能，上下文产生价值。”范凌强调道。

其次是编排能力。如同交响乐团的指挥根据不同任务调度不同乐器一样，企业需要根据任务需求调度不同模型。特赞科技自研的已备案大模型Creative Reasoning Model（发散推理模型）便充当了这一“指挥”角色，它能够调度30个不同基础模型各司其职。与传统推理模型“逐步收敛到唯一答案”不同，发散推理模型采用“发散优先”的逻辑，先穷尽所有可能性，再从中筛选出最有价值的路径。

基于这一判断，特赞科技在今年正式推出了GEA系统，并将其作为所有产品线的核心骨架。在这一架构下，企业过去分散的内部数据被组织成可以持续调用的上下文系统（Context System），由Agent调取并理解。

目前，GEA系统已覆盖特赞科技40%至50%的老客户，年化增长率超过200%，新用户也拓展至五十多个国家。预计今年年度经常性收入将快速突破一亿美元。

特赞科技GEA的四层架构，企业供图

组织变革：做AI时代的“哥伦布”

采访中，范凌多次向徽声在线提及“AI是一次新的大航海时代”这一比喻。“为何21世纪的哥伦布不能是中国人？”他反问道。

范凌认为，中国在AI应用层的表现已优于美国已成为共识。“中美之间的AI溢价是反过来的。”他指出。如今，许多世界500强的CEO主动来中国考察AI应用场景，会发现其先进于海外一到两年。出海已成为水到渠成之事。

立足上海，特赞科技已在新加坡、香港设立了办公室，并正在考虑布局更多海外据点。

然而，面向AI时代，科技公司在技术与产品转型之外，更面临组织转型的挑战。

范凌判断，AI是反工业化的。工业革命以来的核心逻辑是精细分工，每个人只负责一项任务，通过标准作业程序和流程协作。但AI让个体能够补齐短板，一个人能够同时承担产品、设计、研发、营销等多项工作。

因此，特赞科技内部开始推行一种名为Pod的组织模式。每个小组由几个人组成，所有事务均可处理，无需严格区分职能，给予个体极大自由度以培养多元能力。小组之间尽量减少沟通和开会，以避免消耗。

转型需要时间和投入。特赞科技为全员提供AI培训（ABC+, AI Builders and Creators+）等各种支持。范凌强调，AI转型必须是一号位工程。许多老板希望下属推动转型，但即使像Meta、阿里这样的科技公司，AI转型也是由一号位亲自推动。

事实上，特赞科技自身也经历了这种“从头做一遍”的过程。

范凌和CTO两人利用AI工具在两周内制作出了atypica.AI的第一版可用产品。这个产品利用AI模拟消费者进行市场研究，上线不到一年便积累了十万用户，其中超过60%来自海外市场，付费转化率达到传统软件的十倍。这也成为特赞科技验证“企业级智能体能力”的重要实验场。

注：Atypica.AI 企业供图

范凌表示，利用AI写代码很容易制作出第一版产品，但后续打磨却需要花费大量时间。他给所有企业的建议是：在AI时代，所有企业都必须转型为AI企业才有机会生存下去，而转型的第一步是一号位亲自下场。

特赞科技的故事正是这一代中国企业在AI时代主动重写自身边界的缩影。当技术范式发生变化时，真正的机会往往属于那些愿意“亲手重构自己”的企业。

类似的变化正在上海持续上演。过去几年，这座城市逐渐成为企业级AI应用最密集的试验场之一。其跨国企业总部集聚、真实商业场景丰富、产业协同链条完整的特点使得大量智能体系统能够直接进入真实业务流程，而非停留在实验室或演示阶段。

对于特赞科技而言，上海既提供了复杂度足够高的应用环境，也提供了连接全球市场的起点。因此，特赞科技“China for Global”的战略正在成为现实。