锵锵三人行

NASA的行星猎手TESS脱离安全模式 恢复正常运行_我的网站

A |     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。

B |     10月10日，TESS在重置其飞行计算机后进入了安全模式，该团队将继续分析数据以确定原因。

C | TESS于2018年发射，一直在扫描几乎整个天空，寻找太阳系以外的行星，这些被称为系外行星。TESS还发现了其他宇宙现象，包括白矮星突然变亮和黯淡，粉碎恒星的黑洞，以及恒星振荡现象。TESS在两年的时间里对整个天空进行了调查，将其分成26个不同的区域，每个区域为24度x96度。航天器上强大的相机在每个区段至少紧盯27天，以两分钟的频率观察最亮的星星，从地球上看，月球这样的大家伙相比TESS的观测范围只能占据半度，还不到其视野的1/9000。TESS正在使用这种过境测光方法创建一个包含数千颗候选系外行星的目录。         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。

D |          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。

E |          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）。

F |          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。

G |          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。

H |          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。

I |           作者声明：该图片由AI生成          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。

J | 」          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。

K |          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。

L |          Navos 目前客户端支持 macOS。         用户进来面对的都是这样的同一套界面。

M |          除了选择自研的钛极模型，你也可以选择其他主流模型。

N |          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。

o |          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。

p |          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。

q |          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。

r |          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。

s |          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。

t |          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。

u |          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。

v |          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。

w |          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。

x |          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。

y |          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。

z |          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。         钛动的 Navos 下一代性能如何，以及第一笔真正零人工介入的 A2A 成交什么时候发生，值得后续关注。

Current article:http://v8pf.liangkuataosanxuanmiancen.sbs/iburr9k/tcyvkn.html

Published on:19:30:24