162: 批量生素材、模型筛网红|与飞书深诺Meetsocial沈晨岗聊AI时代的出海营销
摘要
沈晨岗认为，2025年是中国企业出海从“商品到产品”转向“产品到品牌”更明显的分水岭，但并非一夜突变。 流量涨价、同质化竞争，以及媒体与流量生态对商品合规和质量要求的提高，堵住了继续“下卷”的路，企业必须从即时卖货转向用户研究、产品迭代和心智建设；最终走向全球的不只是商品、产品或品牌，而是“一家有灵魂的、有生命力的企业”。
飞书深诺的 D-MES 模型中，数字化 D 不是并列能力，而是放大销售、产品和品牌能力的乘数。 数字化既提升支付、供应链、交付等流程的效率，也提高决策速度和质量；沈晨岗的竞争判断是，对市场反应更快、认知更准确、行动更到位的一方更可能胜出。
营销业对 AI 的最大共识是“很重要、现在就上”，最大非共识却是它究竟能解决什么问题。 麦当劳荷兰 AI 节日广告的争议说明，能生成图片或视频不等于能完成商业创意；若内容不能带来点赞、注册、下单或购买，“为了做而做有什么意义呢？”
AI 已显著降低内容生产的成本和门槛，却仍难独立承担高价值、低容错的预算与投放决策。 一个优化师每天面对成百上千个去留、出价、媒体和市场预算判断，AI 目前更多从后台提供信息，再逐步“从后端走向前端”；将高风险客服或投放判断交给 AI，一次错误就可能产生致命商业后果。
飞书深诺把创意拆成需求理解、策略规划、图片或视频制作、质量检查等多个 agent，并由人调度成 agentic flow。 原先一名创意师每天产出 5—10 个素材，现在标准化场景可达数百甚至上千个；春节期间，一个短剧客户一周收到 6,000 个剪辑创意，日广告消耗从几千美元升至十几万美元。
批量生成之后，真正稀缺的是能判断和提升商业效果的质量能力，而非生成能力本身。 沈晨岗称，“质量差百分之一，最后的效果可能就会差百分之十以上”；AI 能给素材打成百上千个标签，却不能自行创造判断好坏的基础框架，人仍需抽象知识、定义方法并把反馈教给模型。
服务商的潜在护城河不是拥有一个通用模型，而是可复用的基础设施、跨客户数据和与客户业务相连的数字闭环。 飞书深诺称其能力可分摊到超过 10 万家客户、系统每天沉淀超过 2,000 万美元广告花费数据；修正客户自身的网站或数据采集链路，可能带来 10%—20% 的提升，远高于只在投放端争取的 1%—2%，形成“相乘的，不是加”的效应。
沈晨岗预判，未来三至五年营销将从独立投广告变成企业经营的数字神经中枢。 用户的观看、点赞、注册、购买和复购会反向驱动产品、订单与供应链，AI 同时降低全球营销门槛；但先机取决于组织能否真正重组流程，“我们都觉得很难，其他人可能觉得更难”。
精读
1. 出海 2.0 的核心不是换市场，而是沿价值链向上攀升
沈晨岗把出海对象分为商品、产品、品牌和企业四层：商品只有原始功能，产品形成综合价值，品牌增加身份与情绪价值，终局则是“一家有灵魂的、有生命力的企业”走向全球。
手机若只是华强北组件的组合，就是商品；贴上白牌或 Logo 仍不自动成为品牌。小米把研发、产品与自身精神结合起来，才逐渐形成产品品牌并走向企业全球化。
飞书深诺成立后的前十年，主流客户仍以商品和卖货为主；沈晨岗认为，从 2025 年开始，更多企业由产品走向品牌，因此可称为从出海 1.0 进入 2.0。
两个阶段的营销目标不同：过去只问能否当天、一周或一个月回本，现在必须兼顾销售的“销”和经营的“营”，用更长时间建立持续竞争力。
2. 流量涨价和合规收紧迫使企业停止“下卷”
程曼祺追问早期企业是否没有意识到营销价值。沈晨岗的回答是，当买流量就能立即卖货时，企业自然会最大化这个机会，不会优先思考“让用户记住我、认识我、喜欢我”。
随着流量成本上升、同质商品增多，单靠低价、便宜流量和更精细化的销售继续扩张，边际效益不断下降。一个年销售数亿元甚至超过 10 亿元、拥有数千万海外用户的卖家，也可能发现原路径“看得到头了”。
转向产品设计和用户运营需要额外投入，早年没有铺垫的企业会在分水岭处转型困难；有些能继续向上，有些会遭受重大挫折，“甚至就会死掉”。
从媒体与流量的角度看，商品质量与合规要求也在提高。成本竞争曾诱发偷工减料和违规擦边，如今这条路“堵得越来越死”，企业只能做更难、更长期的事情。
3. 安克的样本说明，品牌能力必须在卖货阶段提前建设
沈晨岗以安克为例：创始团队最初资源有限，只能从商品销售起步，但在积累收入时已同步投入研发，持续改进充电线接头工艺、充电宝效能等具体产品能力。
这种路径的关键不是成功后才谈品牌，而是“在做第一步的时候，已经在想什么时候可以为第二步做准备”。产品优势与消费者的记忆、喜爱同时积累，最终形成长期差异化。
他也观察到代际变化：第一代企业家受既有生产、销售和市场认知约束，二代可能因在海外接受更市场化、更前沿的营销技术教育，更容易从消费者需求出发，甚至另起一个出海品牌，以不同方式重新组织产品和营销。
4. 从“我生产什么”到“用户需要什么”是 2.0 的认知切换
商品逻辑是“我生产出来，想办法卖掉”；产品与品牌逻辑则是先理解海外用户需要什么，再决定生产什么。沈晨岗认为，这是两代主理人和两个出海阶段最根本的销售起点差异。
进入产品与品牌阶段的主理人会持续追踪消费者关注点、产品应如何迭代，以及怎样在满足需求的同时获得利润，而不是把用户研究视为上市前的一次性动作。
安克和小米每年都进行大量用户调研；飞书深诺也为企业提供全球数字化调研，让市场反馈进入产品演进，从而尽量走在竞争对手前面。
5. D-MES 倒序呈现价值链，D 则乘在所有能力之上
飞书深诺以 D-MES 衡量出海品牌潜力：S 是 Sales Performance，E 是 Product Evolution，M 是 Mental Dominance，分别对应商品销售、产品迭代和品牌心智。
这个顺序是对“商品—产品—品牌”路径的 reverse 描述；名称顺口是一层考虑，同时也呈现了从销售结果、产品能力和品牌心智反向描述企业竞争力的结构。
Digital Competence 被单独提出，因为销售、研发、用户心智和企业运营都需要数字化。沈晨岗称，D 是一个乘数，不是第四个并列加项，而是乘在其他维度上的放大系数。
他以欧莱雅为例：渠道、产品和品牌能力都强，但其近 3—5 年仍投入巨量资金连接线上线下店铺和业务流程。塔尖竞争中，数字化可能成为支撑所有表象能力的核心差距。
6. 数字化先提高流程效率，再提高决策质量
第一层数字化是在既有框架内提高效率。星巴克把小程序、电子支付、会员档案、消费历史和优惠连接起来，既缩短交易流程，也让忠诚度运营自动反馈到用户。
同类改造还覆盖供应链、商品交付和产品设计：过去依赖冗长团队协调的任务，通过数字化可以更高效地完成。
第二层价值是提升决策效率与质量。数字化后的供应链能更快、更高质量地作出判断，美团也依赖大量数据来分配骑手、运力、时间和激励，并根据结果持续调整。
沈晨岗给出的竞争结论是：同层企业之间，谁能更快感知市场和消费者、更准确理解变化，并采取更到位的行动，谁就更可能胜出。
7. AI 的共识是立刻采用，非共识是它到底有什么用
沈晨岗用一幅管理群漫画概括现状：“AI 重不重要？很重要。AI 能解决什么问题？不知道。什么时候上 AI？现在。”潜在价值已有高度共识，业务边界却远未厘清。
他的态度不是等到答案完备才行动，而是进行有成本意识的尝试：先明确目标和预期产出，再判断 AI、人工或人加 AI 分别承担什么工作。
程曼祺提到麦当劳荷兰 AI 节日广告因廉价、偷懒和缺乏诚意的观感而下架。沈晨岗把它视为能力与目标严重错配：生成工具能做出片子，不代表能完成品牌要求的商业沟通。
商业创意必须回答要让用户喜欢、点赞、注册、下单还是购买；一件作品即使漂亮，若不能服务这些目标，“做这个广告的目的和意义何在呢？”
8. 高价值决策的低容错率，限制了 AI 从辅助走向负责
简单客服依赖通用知识，AI 较容易回答；涉及是否应在某个媒体花钱等专业决策时，一次错误就可能严重伤害客户，不能用平均正确率掩盖尾部风险。
沈晨岗以自动驾驶类比：即使系统出错概率可能低于人，只要一次事故的后果足够大，合规与责任问题就不会消失。
更根本的约束是“谁来对商业结果负责”。AI 很难为高价值决策承担责任，因此高风险场景不能直接交给 AI，人工审核和人工判断仍不可替代。
9. ChatGPT 改变知识分发，Claude Code 展示能力跃迁
ChatGPT 给沈晨岗的第一重冲击，不是立刻看见营销行业会怎样改变，而是知识被通用化，并以过去不可想象的效率进行个性化分发。
客服因此成为较早落地的场景：成本较高、对知识或能力的要求相对有限、对话形式天然匹配。但进入复杂或高价值工作后，幻觉和判断标准缺失很快暴露。
他坦言行业认知经历过反复：最初以为 AI “马上能解决问题”，后来发现它并不能简单替代知识工作，商业落地是一层层推进的过程。
他认为，这两年 Anthropic 的 AI coding，尤其是 Claude Code，应该是一个非常革命性的变化：原来可能需要 100 个工程师写代码，AI coding agent 可以在很短时间内以较高水平完成；据他观察，全球领先科技企业已经把大部分编程工作交给 AI coding，人更多负责审核、校验和管理。
10. 营销 AI 先改变内容生产，策略与预算仍主要由人掌舵
文字、图片、视频和创意制作是最先受到影响的环节：原本高成本的生产变得成本更低、门槛更低、效率更高，也让一次性交付大量素材成为可能。
更深层的数据策略仍在演进。营销优化师每天面对成百上千个决策：广告是否保留、出价是否调整、Google 预算是否减少、日本市场预算是否增加，累计判断直接改变最终结果。
由于花钱决策容错空间很小，AI 目前更多在后台整理信息、辅助判断，再逐步“从后端走向前端”，而不是直接承担这些账户决策。
沈晨岗把 AI 比作刚毕业的大学生或博士：必须跟师傅学习为什么这样投、为什么这样调，再把经验沉淀为业务模型；调用通用大模型不能跳过这段训练。
11. 中国的应用速度可能领先，因为业务包袱更轻
沈晨岗在硅谷走访 Meta、Google、英伟达和多家创业公司，看到咖啡馆里都在谈 AI、大厂人才大量创业；美国更重视基础模型，包括具身智能模型和基础模型上的研究。
他的观察是，中国在部分行业应用上的速度和迭代更快：消费及 To B 场景更多、竞争变化更快，企业也更有动力把 AI 真正嵌入流程。
AI 是一种智力能力，不是外挂按钮；要创造成本、效率或效果价值，就必须像互联网出现时一样，重新设计业务和服务流程。
美团餐饮管理系统进入美国时遇到的阻力说明了先发包袱：当地门店、结算和上下游已嵌进旧系统，即使新流程更好，整体调整成本仍巨大。中国原有业务流程相对没那么成熟、固定，反而更容易重组。
12. 传统广告集团的数据割裂，可能成为 AI 时代的结构性负担
飞书深诺在 2015 年开始建设第一代数据仓库，采用惠普与 Tableau 系统，并在当时投入约 100 万—200 万元；沈晨岗称，那对公司还是一笔“巨款”。
公司从第一天就开始把媒体、创意、广告运营等营销活动沉淀进统一系统。AI 到来后，可以直接叠加计算与分析能力，而不必先完成一次基础数据重建。
相比之下，传统大型广告集团的客户与业务数据常分散在不同子公司，彼此既不连通又存在竞争。理论上的客户服务可以整合，底层却没有真正的数字连接。
要给客户提出预算建议，必须知道历史资金花在哪里、哪些有效、哪些无效。沈晨岗判断，许多传统机构需先“打碎、重组自己”才能用好 AI，而这种组织转身近乎不可能，类似诺基亚明明知道方向，却看着自己失败。
13. 飞书深诺不急着卖 Agent，因为结果还无法被清楚定义
沈晨岗先反问“什么叫 AI agent”：市场上的定义往往不能对应明确任务和商业结果，只能承诺“做市场调研”这类抽象能力。
如果所谓调研只是搜索同行信息并汇总，仍无法回答怎样算合格、是否可被客户采用、最终创造了什么价值；agent 的能力边界和结果衡量都过于模糊。
因此飞书深诺把很多 agent 留在内部，与人类专家共同使用。专家负责把中间产出转化为客户可理解、可交付、可负责的结果；直接宣称技术已能让客户自行创造价值，在他看来是“不负责任的说法”。
14. 创意被拆成 agentic flow，一周可以交付 6,000 个素材
一个商业创意会被拆成需求理解、目标识别、策略规划、内容形式选择、图片或视频制作、Logo 位置和质量检查等小任务，各节点由不同 agent 协助完成。
产品经理或项目经理负责调度这些 agent，并把人工判断嵌入标准化流程。客户输入想达到的目的，最终看到高质量交付，中间则是“人和 AI 在结合”的 agentic flow。
原先一名创意师每天可能制作 5—10 个素材；现在根据标准化程度和复杂度，可生产数百甚至上千个。所有节点继续数字化沉淀，结果反馈给 agent 学习，人再告诉它什么好、什么不好。
春节期间，团队一周为一个短剧客户交付 6,000 个短剧视频剪辑创意；客户日广告消耗从几千美元升至十几万美元。沈晨岗以持续放量作为效果信号：“广告花得越多，意味着效果越好，它才会持续去投。”
15. 生成能力商品化后，质量框架和规模数据构成新杠杆
沈晨岗认为，真正稀缺的不是“能不能做很多”，而是素材究竟是一分、三分还是五分。制作成本之外，创意还会撬动更大的媒体预算，因此细小质量差异会被投放放大。
他的估算是，“质量差百分之一，最后的效果可能就会差百分之十以上”。大模型能为素材打成百上千个颜色、场景和元素标签，却不等于知道怎样做出好创意。
AI 无法自行长出基础认知框架；人必须先抽象知识和场景、定义方法与流程，再让 AI 在框架内迭代。人才结构因此需要增加更上层的抽象思考能力。
计算器类比解释了这种迁移：人可以忘记多位数乘除和手工开平方根，但桥梁工程师仍须知道何时可以使用计算工具。与机器竞争那些已被工具化的简单能力，其价值“基本上没有价值了”。
16. 未来的营销将成为企业经营的数字神经中枢
飞书深诺称，其 AI 基础设施可复用于超过 10 万家客户，系统每天沉淀超过 2,000 万美元广告花费数据；单一企业很难承担同等成本，也无法达到相同学习速度和样本规模。
但沈晨岗拒绝通用的“ROI 至少提升 30%”承诺。只有理解客户当前 ROI、产品、相关输入变量和问题原因，并与客户自身 pattern 匹配后，才可能给出有条件的判断；把 AI 当成接上就增长的 “magic” 模块，是危险幻觉。
飞书深诺还通过 Meet Experience／蜜悦科技帮助客户建设网站、数据采集、用户数据管理和运营系统。广告端反复争取 1%—2% 时，修正客户自身数字化链路可能带来 10%—20% 的提升，价值是“相乘的，不是加”。
沈晨岗预判，AI 会继续降低创意和全球获客门槛，让小企业与大型企业站在同一起跑线上；营销也会连接观看、点赞、注册、购买、复购、产品、订单和供应链，成为实时反馈的“数字神经中枢”。
他的焦虑不在战略方向，而在组织执行：构想 AI 流程容易，让整个团队理解并改变既有做法远比预期困难。机会也恰在这里——“我们都觉得很难，其他人可能觉得更难”。
给新出海者的三点提醒是：兼顾生存与长期主义，从第一天重视数据和技术，别等中后期再高成本补课；同时善用专业伙伴，因为全球竞争已不是“小团队包打天下”，合作同样能产生乘数效应。