AI开始训练AI，营销人该怕什么

智谱50亿美元押注RSI，揭示AI自我改进飞轮。营销人必须理解：竞争优势正从“产品更强”转向“进步更快”。构建营销RSI闭环，才能避免被时间甩开。

过去是人类研究员训练模型，现在，智谱希望模型参与训练自己的下一代。

这不是一句科幻台词，而是智谱在9月13日宣布约50亿美元融资安排时，向资本市场讲述的核心故事。公司计划将约六成募集资金投向下一代GLM、“完全自训练”体系及相关算力基础设施。所谓“完全自训练”，就是模型在上一代模型构建的环境中训练，逐步形成递归式自我改进——RSI。简而言之，AI开始参与制造更好的AI。这听起来像是技术圈的内部迭代，但对营销和企业增长负责人来说，隐藏着一个更现实的命题：当你的竞争对手用AI加速自己的迭代能力，你们之间的差距就不再是“这次谁更强”，而是“谁进步得更快”。

一、RSI不是科幻，是成本曲线革命

RSI之所以昂贵，首先在于它可能改变大模型的成本曲线。今天，模型每前进一步，企业往往还要追加数据、研究员和算力。而RSI试图打开另一种可能：更强的模型提高研发效率，研发效率又带来更强的模型，让上一轮投入继续参与下一轮生产。如果这个循环足够强，企业获得的就不只是一个更好卖的产品，而是一套更快制造下一代产品的能力。竞争优势可能从“这次比你强”，变成“我进步得比你快”。

智谱的财务数据恰好说明了这种投入的紧迫性。2026年上半年，智谱收入9.54亿元，同比增长近400%，但净亏损仍约20.7亿元。其中开放平台及API业务收入8.25亿元，占总收入86.5%，毛利率升至24.6%。收入增长很快，但今天卖模型赚到的钱，与下一阶段需要调动的资本，依然不在一个量级。截至8月底，智谱IPO净募集的48.96亿港元已按计划全部动用；7月配售的313.75亿港元，已动用109.55亿港元。投入速度惊人，理由是提前锁定算力供应。换句话说，智谱正在用外部资本为未来的研发效率买单。

这不仅是智谱的选择。Anthropic在9月17日披露，截至8月，其主要内部平台上同时有约3万个智能体从事研究和工程工作；按公司公布的研发自动化指标，Claude已在人类监督下主导26%的研发任务。AI参与制造下一代AI，已经进入头部实验室的日常生产。智谱最新公布的Infra Agent更进一步：GLM-5.3驱动的智能体参与搭建、优化GLM-5.3-Flash的推理基础设施，服务于超过十万张国产AI加速卡组成的集群，从初始适配到具备生产上线条件，用时不足两周，端到端吞吐量提升至初始水平的约三倍。

但必须冷静看到，目前业界站得住的RSI成果，往往全部来自一个范式：LLM提议加外部verifier打分的程序进化搜索。说白了，这些声称能递归自我改进的AI，还是离不开人类研究员来提出研究方向，并进行评审。智谱的RSI路线大致是自动造数据、搭任务环境、长程推理、自我验证，它与Self-Instruct、STaR、自博弈、自我奖励、合成数据强化学习属于同一条技术谱系，只是做得更系统。但外框仍然由人类设定：这更接近一座“AI高度自动化的模型工厂”，而不是AI自主设计自己的继任者。

二、竞争新范式：从“产品更强”到“进步更快”

与智谱同台竞技的DeepSeek与Kimi，都在提高AI参与复杂工作的能力，但投入重点不同。DeepSeek把效率与Agent运行框架一起推进：9月发布的V4.1-Flash增强了文本、视觉和Agent能力，Harness则开放了工具接入与任务执行的基础设施。Kimi的K3更强调长程任务能力，采用KDA与Attention Residuals架构，是国内少数逼近Opus 4.8的模型。智谱的技术筹码则在GLM-5.3与国产算力基础设施的结合上：Infra Agent已经给出了推理系统优化的工程记录。

三家各有可检验的进展，但智谱的融资规模领先于其已经确立的技术优势。这意味着，资本市场买入的预期并不完全是今天的模型能力，而是一套能够持续改进模型生产方式的系统。这个逻辑对营销领域同样成立。

传统营销竞争看的是“这次谁的创意更好、谁的投放更准”。但如果你的竞争对手已经构建了一个能够自动产生内容、自动测试、自动优化、并把结果反馈到下一轮生产的“营销RSI”系统，那么你们之间的差距就会像模型研发一样，被时间迅速放大。你每次手动策划、手动调整，而对方每轮迭代自动吸收反馈，进步曲线就会分岔。

这不是危言耸听。今天营销领域里，AI已经可以完成文案生成、图像制作、视频剪辑、投放出价、用户分群、A/B测试等大量重复性工作。但大多数企业只是在使用AI工具，而不是在构建一个自我改进的营销系统。真正的分水岭在于：你的AI是在执行指令，还是在从结果中学习并自动优化下一次执行？

三、营销组织的“RSI时刻”

智谱的案例揭示了一个关键事实：现阶段RSI首先放大的是科研团队的能力差异。选对方向，一名优秀研究员可以调动大量智能体并行探索；选错方向，再大的集群也可能把无效实验做得更快。机器越多，人的研究判断就越能影响整套系统的产出。这个道理直接映射到营销组织。

营销中哪些环节最容易被自动化、自我改进？

内容生产：AI可以根据品牌调性和历史数据，自动生成大量素材，并通过数据反馈筛选出高转化版本，进入下一轮生成。
投放优化：智能体可以实时监控各渠道数据，自动调整出价、定向和素材组合，把优化动作变成持续循环。
用户运营：基于用户行为数据，AI可以自动调整触达时机、话术和权益，实现千人千面的自动化运营。
市场洞察：AI可以持续抓取全网信息，自动聚类、提炼趋势，为策略调整提供实时依据。

这些环节共同构成一个“营销RSI”飞轮：数据反馈驱动AI优化，优化结果产生更好的数据，进而驱动下一轮优化。但就像智谱的RSI一样，这个飞轮的外框仍由人设定。选什么指标、优化什么目标、如何定义“更好”，都取决于营销负责人和研究团队的战略判断。

如果企业只是把AI当作降本工具，让文案和设计人员用AI多出几张图、多写几篇稿，那只是点状效率提升。而如果把AI嵌入到从洞察、创意、投放、反馈到迭代的完整闭环中，才能真正构建出“进步更快”的组织能力。前者是“用AI”，后者是“让AI学会用自己”。

四、给营销负责人的三个行动建议

面对AI研发自动化带来的竞争范式转移，中国企业营销高管不能只停留在观望。以下三个动作值得立刻着手：

构建数据反馈闭环。AI自我改进的前提是高质量、结构化的数据反馈。企业需要打通内容数据、投放数据、交易数据、用户行为数据，让AI能够从每一次动作的结果中学习。没有闭环，AI就只是执行器，不是优化器。
投资可自我优化的营销基础设施。选择那些能够支持自动化测试、动态调整和持续学习的营销工具和平台。比如支持自动A/B测试的投放系统、能够基于转化数据自动优化内容生成的平台。不要只买“AI生成器”，要买“AI改进器”。
强化人类的研究与判断能力。RSI时代，人的价值不在执行，而在设定方向、提出好问题、解释异常、判断路线。营销团队中的资深策略人员、数据分析师、创意总监，需要把精力从日常执行中解放出来，专注在“什么值得被自动化”和“什么信号值得重视”上。

智谱的案例还提醒我们，技术供给的外部环境也在变化。6月12日，Anthropic公告称，美国政府要求暂停境内外外国国民访问Fable 5和Mythos 5，外国籍员工也在其中。尖端AI能力的流通开始直接受制于地缘政治因素。国内能够持续提供高水平模型的企业，由此获得更稀缺的位置。对营销人来说，这意味着选择底层模型和技术伙伴时，供应链的稳定性和自主可控性变得更为重要。不要把所有关键营销能力都押注在单一境外模型上。

五、融资买时间，营销买什么？

智谱为什么需要RSI叙事？因为当旧一代产品的利润尚不足以覆盖下一代研发，资本市场就成为连接两轮投入的桥梁。而在RSI飞轮尚未真正驱动自动化研究之前，谁先失去融资能力，谁就可能在技术兑现前被迫退出。335亿元买到了继续竞争的时间，但把时间变成领先，最终还得靠人和机器共同交出的成果。

企业营销同样面临类似的挑战：当流量成本高企、内容竞争内卷，仅靠增加预算和人手的传统增长模式已经难以为继。营销负责人需要思考，你的“营销RSI”飞轮是否已经启动？你是否在用融资（预算）买到了构建自我改进系统的时间？还是继续把预算花在一次性投放和无法积累的创意上？

智谱的案例告诉我们，真正的竞争壁垒不是某一代人模型或某一波营销战役的得失，而是你能否建立起一套比对手更快迭代的生产系统。对于营销组织来说，这意味着从“创意驱动”转向“系统驱动”，从“人的经验”升级为“人机协同的进化能力”。

不要在旧范式里继续卷。AI研发自动化已经重塑了技术公司的估值逻辑，它同样会重塑营销组织的竞争规则。现在要做的，不是等AI更成熟，而是立刻开始构建属于你的“营销RSI”。因为当你的竞争对手已经在用AI改进生产AI时，你还在用AI改进文案，差距只会越来越大。