企业拥有越来越强的AI，增长为什么仍像在“掷骰子”？
大模型的每一次能力跃迁，都在刷新商业社会对AI的想象。但技术越强，另一种焦虑也越明显：AI工具买了不少，员工消耗的token（词元）越来越多，局部效率看起来也在提升，但CEO关心的增长指标却仍然像在“掷骰子”。一次营销活动结束后，很多企业仍然很难回答几个基本问题：这次增长究竟来自什么？哪些判断是正确的？哪些经验可以复用？究其根本，企业仍在用上一代数字化的思路理解AI——仅把它当作一个更高效的工具，嵌入既有的岗位和流程，没有真正开启AI营销转型。
物自体科技（Noumena）创始人兼CEO裴沵思提出，AI营销转型的真正分水岭，不是企业使用了多少AI工具，而是能否把增长从依赖少数人的经验，变成一套可以被验证、被沉淀，并持续进化的智能系统：“当通用智能变成一种商品，稀缺的就不再是生成能力，而是经过真实商业结果反复验证的判断。”
曾任SAP全球副总裁、第四范式总裁的裴沵思于2023年创办物自体科技，聚焦营销增长智能。在近三年的实践中，物自体科技将企业AI营销转型路径总结为BOOT：Break（打破）、Orchestrate（编排）、Operate（交付）、Transfer（移交）。2026年9月，全球便携储能与消费级光储企业华宝新能领投了物自体科技的新一轮战略融资。双方在投资之前已有深入的业务合作。华宝新能旗下的Jackery业务，成为检验这套AI增长系统的真实战场。
工具只解决效率问题系统才能提升增长确定性
营销是企业中AI工具渗透最快的场景之一。用户洞察、达人筛选、营销素材（文案、图片、视频）和投放分析，都可以找到相应的AI产品。工具降低了单项任务的成本，也提高了内容供给的速度。
但裴沵思提醒，当所有竞争者都在使用相似的工具时，工具能力会迅速成为行业的“最大公约数”。它可以帮助企业补课，却很难单独构成持续领先的理由。例如，B2C企业的增长问题在于，是不是真的理解用户、能不能更好地反馈这些理解，以及更好地把反馈传播出去。
解决这一问题，今天的企业面临着几个现实的挑战。
首先，品牌与用户的大量互动发生在内容社交媒体。平台的推荐系统，决定什么内容被谁看见；曝光如何转化，痕迹都留在平台上，企业失去了营销链路的控制权。其次，大量诀窍（know-how）分散在不同的头脑里，品牌经理、社媒运营、广告投手，更不要说很多企业还把运营外包给代理商。对用户的理解，试错的教训和经验判断，企业难以动态更新，人员离开、代理商更换或者平台发生变化，企业的能力便可能回到原点。
最后，平台的持续内卷，推荐系统的持续更迭，使情绪波动在加快、人群在逐渐细分，所要求的企业学习速度极高。
因此，只有更好地控制营销链路、将隐性经验整合在一起形成“营销决策大脑”、加快学习的步伐，把这三件事同时做好，才是增长的必要条件。单纯地使用AI工具，对于增长而言是远远不够的，必须从组织与流程到智能基础设施进行系统性重构。
“人在原流程中使用AI”与AI原生背道而驰
很多企业正在建设人智共生组织，一种常见的方式是，保留现有的组织和流程，让AI为每个岗位提供辅助。物自体科技采用的是另一种设计原则：先假设流程应当由AI运行，再决定哪些节点必须由人参与。
可逆、高频、规则相对明确的动作，如持续观察平台内容、生成候选方向、完成批量初筛、组织素材和汇总反馈，尽可能交给AI。人的参与，集中在不可逆、低置信度或必须承担责任的关键判断点上，如目标设定、品味判断、预算和最终上线决策。
“AI原生不是给每个人配一个助手，而是重新设计人与AI应该分别出现在流程的哪个位置。”裴沵思说，“AI能完成的部分，流程默认由AI承接；人要把注意力放在判断最有价值的地方。”过去，企业讨论人智共生时，重点常常是“AI能替人做多少工作”。在AI原生流程中，更关键的问题是：人的每一次介入，是否都在提高整个系统未来的判断能力？
AI增长系统长什么样？
它不是一个聊天的对话框，也不是散落的插件集合，而是一台工业级精密的“企业专属增长机器”。在物自体科技的定义中，一套真正跑通的AI增长系统，由五个环环相扣的核心模块构成：
[*]全域感知力：一端连接企业私域的真实交易与转化轨迹，另一端实时扫描公域平台的动态全景与内容趋势。系统不再依赖某个“金牌投手”的主观体感，而是直接基于全域数据做出研判。
[*]高频自修正引擎：传统营销往往以“周”或“月”为单位做复盘，而这台机器以天甚至小时为节奏，高速运转“前置预测—真实投放—市场裁决—系统回写”的闭环。
[*]人机新分工与“失败资产化”：人彻底退出重复性的机械流水线，只出现在目标设定、审美把控和关键风险决策等高价值节点。更重要的是，企业以往在营销中交的“学费”（试错与失败），被系统完整沉淀为不可复制的数字资产，让AI深刻记住“什么不可行”，换取未来每一次决策的置信度。
[*]工业级增长BOM拆解：借鉴现代制造业的物料清单（BOM）思维，将原本玄学般的营销增长，拆解为自上而下、节奏严密的工程体系。高管的战略意图、战役排期与底层颗粒度的微观执行相互紧密咬合。
[*]双轨价值核算：每一次业务动作，系统都在为企业算清两本账——既算清当期的“结果账”（真实的交易转化、ROI与GMV），也算清面向未来的“资产账”（细分人群的心智渗透与品牌好感度），让预算沉淀长期复利。
“增长系统是一个极具博弈性的动态战场，没有通用的代码模板可以照搬。”裴沵思强调，“为让这台机器的判断真正‘变准’，我们已在高复杂度的真实商业场景中踩过了上千个业务的‘暗坑’，用亿级真金白银的真实预算反复接受市场检验，才完成了这套系统的后训练与工程化校准。”
BOOT：四步转型路径，完成能力迁移
裴沵思表示，“判断—执行—验证—变准”描述了系统如何运转，BOOT则回答了企业如何完成从旧体系到新体系的迁移。
第一步是Break（打破）。要打破的旧观念，根本的是破除“改进”的思维，即认为用一些工具去强化现有的业务流程就能把事情做成。“我们不是一上来就把传统的业务结构全砸碎，而是首先明确到底以什么思路来做这门生意的效果会更好。”裴沵思说，“形成共识后，再选择一个目标清晰、结果可衡量，同时旧方法尚未充分跑通的业务切口。”
第二步是Orchestrate（编排）。企业需要重新编排数据、流程、AI和人的协作，快速建立数据“闭环”。将整个营销链路的洞察、试错、经验获得的数据整合在一起，在很短的时间内建立一个闭环，并在其中快速迭代。同时，充分利用AI智能，不仅仅是辅助人，更是要和人一起探寻更高价值的判断。
第三步是Operate（交付）。下场交付真实的业务结果。营销最大的挑战是，没有最大公约数，优秀实践是涌现的；营销系统的本质是增长系统，而增长系统是博弈系统。“我们必须要帮企业实现系统的冷启动，先把闭环和迭代跑起来，直接在业务实战衡量、交付看得见的业务增长。”
最后一步是Transfer（移交）。BOOT的目标是，在系统经过验证并稳定运行后，把流程、业务上下文、经过校准的判断能力和相应治理机制移交给企业。企业获得一套可以持续运行和不断学习的增长能力，收获增长的复利，而不必长期依赖外部服务商。
在复杂的市场中检验BOOT
华宝新能与物自体科技的合作，为这套方法提供了一个高复杂度样本。Jackery业务覆盖全球50多个国家和地区，营销链路的复杂性对智能化决策提出了更高要求。
华宝要迈向百亿营收目标，需重点提升通过海外独立站创造的收入占比——这也是合作的北极星指标。90天内，双方组建了面向未来的、全新的AI人机协作组织，构建独立站AI全链路增长能力，重塑洞察、内容、投放到官网承接闭环AI工作流，官网新客成交转化率提升了80%，AI决策准确率在持续提升中。
这套系统也改变了企业理解市场的方式。过去，Jackery在北美市场主要围绕“停电备电”建立消费者心智。随着内容、人群和投放数据被持续连接，团队识别出八类主要购买动因，并继续拆分出三十多个细分场景。
这意味着，传统意义上的单一品牌定位正在发生变化。定位没有消失，但AI让企业有能力同时理解更多细分人群，并根据市场反馈动态调整表达。品牌不再只能押注一个静态心智，可以围绕不同人群和使用场景形成多个经过验证的价值连接。
在瞬息万变的博弈时代，战略时间与增长确定性才是企业最稀缺的资产。单纯采购工具换不来增长确定性，唯有沉淀在系统里的判断力才能构筑壁垒。
“未来企业之间的差距，不是取决于谁最早接入了更强的模型，而是取决于谁能更快地从真实业务中学习。”裴沵思说，“这也是BOOT最终希望完成的转变：把经过真实预算和市场结果验证的流程、判断标准与学习机制转移给企业。项目可以结束，但系统仍能继续运行；人员可以变化，但关键经验不会随之流失。”
当每一次投入都能提高下一次决策的质量，企业才真正拥有了一套增长系统。对于CEO而言，这或许才是AI转型最值得衡量的长期回报。
邓中华｜文
页:
[1]