中国 AI 营销
产业生态图谱

本报告面向企业董事会、经营层、营销与数字化负责人，以及营销技术采购、产业投资和生态合作负责人。报告把“中国 AI 营销产业”定义为：围绕市场感知、客户理解、策略决策、内容与创意、渠道与广告、客户运营、AI 搜索可见性、执行编排、效果反馈和治理控制，提供模型、数据、软件、平台、媒体能力、专业服务与基础设施的供给网络。

本报告不采用“工具大全”或静态厂商名单口径。许多企业同时承担模型提供者、云平台、媒体平台、数据平台、SaaS 与实施服务等多种角色；分类仅用于解释其在特定价值链位置上的主要能力。所有厂商与产品均为非穷尽的公开实例，不构成排名、背书或采购推荐。

报告区分三类证据：法律法规与国家标准；政府、监管机构、企业官方产品资料和公开披露；公开案例与行业研究。平台自述只能证明其宣称的能力范围，不能替代企业在自身数据、流程、权限和风险环境中的 PoC 验证。没有可靠公开证据的市场份额、客户效果、商业关系或性能数字不予估算。

截至时间为 2026 年 7 月。由于模型、接口、平台政策和监管要求变化较快，企业在采购和上线前应复核最新条款、备案状态、数据处理安排与内容标识要求。

阅读地图

表 1 读者决策地图

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

企业采购 AI 营销能力的最小单位，应由“可观察的业务闭环”替代“软件账号”或“模型调用量”。

中国 AI 营销生态正在经历三重合流：通用大模型降低了内容、分析与软件构建成本；媒体与商业平台把 AI 嵌入广告、内容、电商和客户触点；企业软件与智能体平台开始把模型能力连接到知识、流程、权限和业务对象。结果是，传统按“内容工具、投放工具、CRM 工具”逐项采购的 MarTech 清单越来越难描述真实价值，也更容易制造重复能力、数据断点和供应商锁定。

董事会需要把 AI 营销视为一套经营控制系统：目标被转译为可追踪状态，状态触发决策，决策形成行动，行动写回业务系统，结果进入反馈与知识沉淀。模型只是推理与生成能力，不能独自承担业务状态、权限、审批、日志、数据治理和责任归属。单点 SaaS 可以快速解决局部问题，Agent 平台可以编排跨工具动作，营销 OS 承担目标、状态与运营控制，数据平台和媒体平台提供事实与触点，咨询实施服务负责把组织规则变成可运行系统。

企业最常见的失败并非模型“不聪明”，而是演示中的理想输入、人工补数和临时操作没有进入真实流程；输出停留在聊天文本，未形成结构化业务状态；外部动作缺少审批、幂等、回滚和审计；评价停留在“生成得像不像”，没有连接线索、商机、转化、成本或品牌风险。供应商尽调必须从产品功能转向状态模型、接口、日志、权限、可观测性和退出能力。

中国监管边界要求企业把生成式 AI、个人信息、重要数据、算法、深度合成与生成合成内容标识纳入同一治理体系。《人工智能生成合成内容标识办法》及配套国家标准自 2025 年 9 月 1 日起施行；面向境内公众提供生成式人工智能服务还涉及备案、安全与内容治理要求。企业内部使用与对公众提供服务的法律适用不同，但采购合同、数据处理协议、内容审批与供应商管理都应提前预留合规门。

建议企业用 90 天完成生态盘点、场景排序、最小可行组合和首个闭环，用 365 天建立统一身份权限、数据与知识底座、模型路由、接口目录、日志与成本观测、供应商组合管理以及年度替换演练。第一阶段不追求全域自动化，而应选择一个目标明确、数据可得、风险可控、反馈周期短的场景，证明“目标—状态—决策—行动—反馈”能够连续运行。

表 2 十项核心判断

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

来源提示：国家互联网信息办公室《生成式人工智能服务管理暂行办法》（2023-07-13）；《人工智能生成合成内容标识办法》（2025-03-14，2025-09-01施行）；GB 45438-2025《网络安全技术 人工智能生成合成内容标识方法》。

AI 把“能力”从固定软件模块中解耦，企业必须改用价值流、业务状态和接口责任描述生态。

1.1 五股结构性力量同时作用

结论｜大模型商品化、媒介平台 AI 化、企业数据资产化、智能体执行化和监管制度化，正在共同改写营销技术供给。

证据｜国内云与模型厂商持续提供模型 API、知识检索、工作流、智能体与多模态服务；媒体平台把生成、投放和经营反馈嵌入自身账户体系；监管已形成生成式 AI、算法、个人信息和内容标识等多层规则。

经营含义｜同一业务能力可能由多个供给角色提供，原有“一个品类对应一个软件”的采购逻辑会出现重复采购和责任空白。

行动｜先定义业务目标、状态对象和控制点，再确定由哪类供给角色承担。

表 3 生态重构的五股力量

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

1.2 生态的最小分析单位是“可观察闭环”

结论｜任何 AI 营销采购都应能回答：目标是什么、状态在哪里、谁作决策、执行写回哪里、结果如何反馈。

证据｜单点生成工具通常只覆盖一个动作；企业级场景还需要数据输入、审批、发布、客户状态、结果回流和知识沉淀。

经营含义｜无法形成状态闭环的能力只能算生产力插件，不能被当作经营系统。

行动｜为每个场景绘制目标—状态—决策—行动—反馈链，并指定系统记录源。

表 4 传统采购与闭环采购对比

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

1.3 供给数量增长会放大选择成本，价值重心正在离开模型本身

数据｜国家网信办公告显示，截至 2025 年 12 月 31 日，境内累计有 748 款生成式人工智能服务完成备案，435 款通过 API 等方式调用已备案模型的应用或功能完成登记；2025 年内分别新增 446 款和 330 款。[S17] 国新办 2026 年 1 月发布会援引有关机构测算称，2025 年我国人工智能企业超过 6,000 家，核心产业规模预计突破 1.2 万亿元。[S18] 后一口径覆盖整个 AI 核心产业，不能等同于 AI 营销市场规模，却足以说明企业面对的供给层正在快速扩张。

机制｜当模型、应用和行业方案持续增加，买方首先要回答相似能力如何归并、状态由谁持有、接口如何替换、结果怎样验收。供应商越多，重复采购、数据复制、身份分裂、合同冲突与退出困难越容易被低估。功能清单只能记录供给，无法解释这些供给如何共同完成一个客户任务。

经典思想｜罗纳德·科斯在《企业的性质》中用交易成本解释企业边界：当搜寻、谈判、协调和监督外部交易的成本高于内部组织成本，活动会被纳入企业；反之则交给市场。[S36] AI 降低了部分生产与调用成本，却可能提高验证、集成、监督和切换成本。企业边界不能按“模型便宜”决定，而要计算整个交易与治理成本。

边界｜备案数量不是活跃产品数，也不代表商业成功、营销适用性或技术独立性；核心产业规模来自有关机构测算，且统计边界宽于本报告。两组数字只用于判断供给复杂度和治理义务，不能据此推导厂商份额或市场增长率。

管理动作｜生态盘点时新增三列：同类能力重叠度、跨系统协调成本、十二个月内可替换性。采购委员会先决定哪些业务状态必须由企业持有，再判断哪些能力适合外购；不要先选厂商，再倒推企业应该怎样工作。

营销 AI 只有穿过五个连续环节，才会从内容产能转化为经营结果。

2.1 五环价值闭环定义

结论｜目标提供方向，状态提供事实，决策选择动作，行动改变现实，反馈用于校正；任何断点都会使 AI 退化为孤立助手。

证据｜企业常见断点包括：目标未量化、状态散落在聊天与表格、决策没有版本、行动未写回平台、结果与内容或客户无法关联。

经营含义｜闭环设计决定了系统能否持续运营，也决定供应商之间的接口责任。

行动｜为每个环节确定输入、输出、责任角色、系统记录源、SLA 和治理门。

表 5 五环价值闭环

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

2.2 经营价值流包含九个能力层

结论｜从市场感知到经营复盘，能力层之间通过数据、事件、内容资产、客户状态和执行指令连接。

证据｜公开产品资料显示，市场供给已经覆盖模型、RAG、工作流、多智能体、智能营销、客户旅程、内容创意和广告分析等，但很少有单一产品在所有层均具备最佳能力。

经营含义｜生态架构应允许专业能力接入，同时由企业控制层保持目标、身份、状态与日志的一致性。

行动｜采用“企业控制层 + 可插拔能力层 + 外部触点层”的三层架构。

表 6 经营价值流九层

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

2.3 案例：百胜中国把 AI 助手接入自有会员与交易状态

案例｜百胜中国 2025 年年报及投资者材料披露，肯德基与必胜客会员总数超过 5.9 亿，过去十二个月有交易的活跃会员超过 2.65 亿，数字点单约占公司销售的 94%，全年数字销售额约 104 亿美元。2025 年 7 月开始试运行、随后向肯德基超级 App 用户开放的“小 K 点餐”，截至 2026 年 1 月底已有超过 200 万会员使用。[S24]

机制｜点餐智能体并非独立聊天工具。它位于企业自有 App 中，必须连接菜单、门店、库存可售、价格、会员权益、订单和履约状态，才能把自然语言需求转成真实交易。百胜中国还在门店侧试点 Q-Smart，让店长通过可穿戴设备查询排班、库存和食品安全任务，并由系统提出或执行后续动作。[S25] 客户入口与门店运行因共享交易状态而成为同一价值链的两端。

结果与边界｜200 万使用者证明入口获得初步采用，94% 数字点单和 5.9 亿会员则是 AI 上线前已积累的数字基础，不能归因于“小 K”。公司没有公开该助手对客单价、转化、复购、错误订单或人工服务成本的独立增量。可迁移之处在于：先拥有会员、菜单、交易和履约对象，再让 AI 进入确定流程。

经典思想｜迈克尔·波特强调，竞争优势来自相互强化的活动系统，而非单个活动的最佳化。[S38] 对餐饮企业而言，推荐、点单、会员、门店执行和反馈若各自采用最优工具但无法共享状态，整体体验仍会断裂。AI 生态的价值要在活动之间的适配度上衡量。

管理动作｜绘制客户任务时，不只列触点，还要列每次行动所需的权威状态和失败回路。凡是供应商只能输出建议、却不能读取或写回关键对象的环节，都应按“辅助能力”估值，不按闭环系统估值。

企业应把生态视为多角色协作网络，并保留重叠角色与动态变化。

3.1 十类供给角色各有明确边界

结论｜大模型、数据与知识、内容与创意、广告与渠道、社媒运营、CRM、GEO、Agent/工作流、营销 OS、咨询治理共同组成供给网络。

证据｜市场公开产品表明，腾讯云智能体开发平台提供 LLM+RAG、Workflow 和 Multi-agent；火山引擎提供豆包模型及 Agent 开发部署；腾讯企点等产品覆盖客户数据、旅程与营销自动化。此类实例说明供给角色正在交叉，但不意味着单一平台可覆盖全部生产责任。

经营含义｜企业要按“主要责任”而非品牌名称归类，并明确每一类不解决的问题。

行动｜建立能力域×场景×供给角色矩阵，并在采购文件中写明责任边界。

表 7 十类供给角色的能力边界

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

表 8 能力域 × 场景 × 供给角色矩阵

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

来源提示：非穷尽公开实例包括：腾讯云智能体开发平台、腾讯混元、腾讯企点营销云、火山引擎豆包大模型与火山方舟等官方产品资料。实例仅用于说明能力类型。

3.2 案例：淘宝天猫的生态价值来自多方围绕同一商品与交易状态协作

案例｜阿里巴巴披露，2025 年“双 11”把生成式 AI 接入超过 20 亿件商品的语义索引，并覆盖搜索、推荐、广告、商家内容、经营分析和客服。公司称，复杂查询相关性获得两位数改善，部分推荐场景点击率获得两位数提升；AI 生意顾问自 10 月以来生成超过 500 万份分析报告，店小蜜在大促期间处理 3 亿次咨询。[S21][S22]

机制｜这是一种平台型生态：模型提供理解与生成，商品目录提供事实，搜索和推荐分配注意力，广告系统连接预算，商家工具形成行动，交易与客服回流结果。价值并非来自某个“万能 AI”，而是平台拥有共同对象、统一触点和高频反馈，第三方商家能够在同一经营语境下调用多种能力。

詹姆斯·穆尔提出“商业生态系统”时，关注企业如何与客户、供应商、竞争者及其他利益相关者共同演化；伊安西蒂与莱维恩进一步用生产力、稳健性和利基创造衡量生态健康。[S39][S40] 平台若只提高自身抽成或强化锁定，不能算健康生态；它还要让参与者更高效、在冲击下继续经营，并允许新的专业角色成长。

边界｜以上结果均为平台自报，大促同时伴随补贴、流量投入、商家策略和季节性需求，无法把增长单独归因于 AI。分析报告数量与咨询量说明规模，不自动等于商家利润。该案例用于解释平台生态机制，不用于预测任一品牌的 ROI。

管理动作｜企业评价平台合作时，同时看三项：平台给了什么增量能力，企业保留了什么客户与交易资产，离开平台时还能带走什么知识和内容。短期转化提升若以长期失去客户识别、实验历史或内容资产为代价，应在组合评审中计入依赖成本。

选模型应看任务适配、可治理性和替换成本，而非把模型品牌等同于营销解决方案。

4.1 模型选型应采用任务组合而非单一冠军

结论｜不同营销任务对中文表达、长上下文、多模态、工具调用、延迟、成本和私有化要求不同。

证据｜主流模型平台公开提供文本、多模态、联网、知识和 API 能力，但产品能力、价格、上下文、服务条款和备案状态会持续变化。

经营含义｜企业单押模型会放大价格、限流、质量波动和迁移风险；多模型路由也会增加评测和治理复杂度。

行动｜建立任务基准集、路由策略、降级策略和季度复测机制。

表 9 模型任务适配评分维度

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

4.2 RAG、微调和提示工程解决不同问题

结论｜企业事实优先使用可治理知识检索；稳定风格和分类可考虑提示模板或微调；实时业务状态必须来自系统接口。

证据｜把实时价格、库存、客户状态写入模型参数会迅速过期；只用指令模板又难以保证事实、权限和引用。

经营含义｜“把所有资料喂给模型”不是知识治理，可能造成越权、冲突事实和版本混乱。

行动｜建立知识对象、权限、版本、有效期、引用和冲突处理规则。

表 10 知识与模型适配

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

4.3 模型成本快速下降，架构选择却不会自动变简单

数据｜斯坦福 HAI《2025 AI Index》显示，在 MMLU 上达到 GPT-3.5 水平的模型推理价格，从 2022 年 11 月每百万 Token 约 20 美元降至 2024 年 10 月约 0.07 美元，约下降 280 倍；部分开源权重模型与闭源模型的基准差距也明显收窄。[S19] 模型能力更便宜、更可得，会削弱仅靠单一模型访问形成的差异化。

机制｜模型价格下降会推动更多应用出现，但企业总成本还包括数据准备、知识维护、系统集成、评测、人工复核、监控、权限和错误恢复。模型可以被替换，业务状态、评测样本和运行经验却会累积。架构应让任务能在质量、时延、成本和风险之间路由，并保证模型替换不破坏业务语义。

4.4 案例：携程把 AI 放进旅行产品，同时在年报中保留风险判断

案例｜携程集团在 2025 年第三季度业绩材料中称，旅行智能体 TripGenie 已在 200 多个国家和地区使用，2025 年上半年用户数同比增长超过 200%；2025 年度 20-F 又说明问道、TripGenie 与 Trip.Planner 被用于行程规划、信息收集和用户互动，并已就相关产品完成部分备案或登记。[S26][S27]

结果与边界｜用户增长反映跨市场采用速度，不代表预订转化、利润、准确率或长期留存。公司在同一份监管文件中明确提示：AI 产品需要持续的模型设计、测试、监测、更新、专业人才和显著投入，也可能不被用户采用或无法产生足够回报。把增长数据与风险披露并读，比只看产品发布更接近董事会应有的判断。

管理动作｜模型层采购采用“任务评测集 + 路由 + 可替换合同”。每季度用真实任务复测质量、延迟、成本与安全；任何模型升级都不得绕过回归测试。供应商不能导出评测记录、调用日志和业务对象映射时，即使单价更低，也应把迁移风险计入 TCO。

专业工具应成为可插拔能力，而不应自动获得企业控制层地位。

5.1 内容、创意与社媒工具适合高频可标准化任务

结论｜模板化内容、图片、视频、排期和协作能够快速释放产能。

证据｜生成式内容工具和平台内创作能力已广泛存在，但品牌事实、版权、审批、生成标识、渠道回执和经营效果仍需跨系统协同。

经营含义｜单点工具的 ROI 取决于是否被嵌入 Brief、资产、审批、发布和反馈链，而非单次生成速度。

行动｜要求工具支持资产ID、版本、导出、API、审核状态和用量日志。

表 11 内容与创意能力边界

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

5.2 广告与渠道平台拥有不可替代的触点能力

结论｜媒体平台掌握流量、账户、竞价、推荐和真实回执，是行动层的重要组成。

证据｜平台内 AI 可用于素材、受众、投放与分析，但其数据口径、接口、归因和规则由平台控制。

经营含义｜企业不能绕开媒体平台，也不应让平台成为唯一客户知识、内容资产和跨平台归因系统。

行动｜把预算、资产、客户主数据和复盘口径保留在企业控制层；通过受控连接器调用平台。

表 12 媒体平台连接控制点

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

5.3 案例：京东 618 展示了单点工具如何嵌入平台经营链

案例｜京东在 2026 年 618 前 52 小时的官方披露中称，数字人直播方案 JoyStreamer 已服务超过 8 万商家、累计直播超过 80 万小时，相关成交额超过 2.4 亿元；JoyMarketing 覆盖获客、转化和会员运营等 100 多个场景，活动期记录超过 1.35 亿次互动。[S23]

机制｜数字人、互动营销、商家客服、库存诊断和物流不是同一种产品，却通过平台的商品、流量、会员、订单和履约对象连接。单点工具的价值由平台状态放大：内容能够直接进入触点，互动能够形成受众和订单信号，履约结果又可用于下一轮运营。离开这些连接，同样的生成能力只能产出孤立素材。

结果与边界｜以上均为京东活动期自报数据。成交额没有披露对照、商家分布和全部成本；“最高提升”类转化数字不能代表平均效果，互动次数也不是独立客户数。可迁移判断是：平台型单点工具应按它能读取和写回的业务对象估值，不能只按生成质量估值。

管理动作｜采购内容、直播或广告 SaaS 时，增加“闭环距离”指标：输出离真实触点有几次人工搬运，离订单或线索状态有几次系统交接，结果多久能回流。距离越远，越应按局部生产力工具部署，并控制长期合同与数据依赖。

工作流负责把动作连起来，营销 OS 负责让目标、角色、状态、节奏和复盘持续运行。

6.1 Agent 平台的价值是编排与执行

结论｜Agent 平台通常提供模型、知识、工具、工作流、多智能体和发布渠道，适合作为能力构建与集成层。

证据｜腾讯云 ADP 官方资料明确提供 LLM+RAG、Workflow、Multi-agent 和 API/SDK 接入；火山引擎公开提供从 Agent 开发到部署的服务。

经营含义｜平台能降低构建门槛，但营销方法、业务对象、组织权限和长期运营仍需企业设计。

行动｜把 Agent 平台放在企业架构的执行与编排层，避免把聊天记录当业务数据库。

6.2 营销 OS 的判定标准是持续经营能力

结论｜营销 OS 不以功能数量定义，而以是否统一目标、状态、角色、节奏、审批、日志、成本和复盘定义。

证据｜很多“AI 营销平台”会覆盖多个功能，但企业应验证其是否拥有结构化状态对象、跨应用事件、责任人、SLA、监控和数据可携带。

经营含义｜没有状态和运营机制的平台，本质上仍是功能集合；有状态但无法开放接口的平台可能形成更深锁定。

行动｜采用最小可行营销 OS：目标、任务、日历、资产、客户/线索引用、审批、事件、日志、成本与复盘。

表 13 通用模型、SaaS、Agent 平台与营销 OS 对比

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

表 14 最小可行营销 OS 对象模型

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

6.3 案例：WPP 内容引擎的竞争力来自互补者组合，而非单一模型

案例｜WPP 与 NVIDIA 自 2023 年开始构建生成式内容引擎，把 Omniverse 的 3D 工作流与 Adobe 的创意工具、Getty Images 的授权内容及客户产品数据连接，用于生成品牌一致的图片、视频和交互式 3D 体验；2024 年又把方案扩展到零售和消费品场景。[S29][S30]

机制｜汽车、包装和耐用消费品的营销内容需要精确保持产品几何、材质、标识和版本。模型负责生成变化，3D 产品资产提供事实，创意软件承载人工编辑，授权内容控制知识产权，代理商负责客户流程与交付。任何一层都无法独立完成品牌级生产，竞争优势来自互补资产被编排成可重复流程。

马克·里德把这一合作视为 WPP 的差异化能力，黄仁勋则强调 3D 与生成式 AI 结合能够提高内容规模和个性化；这些是合作方的战略判断，不是独立效果证据。[S29] 公布材料未披露客户覆盖、全成本、平均生产周期或销售增量，因此本报告只把它计为“架构案例”，不计为“价值已证实案例”。

经典思想｜赫伯特·西蒙把复杂系统描述为近似可分解的层级：模块内部关系更强，模块之间通过有限接口协作；鲍德温与克拉克则指出，模块化的价值依赖清晰的设计规则。[S41][S42] 企业控制层就是设计规则的持有者：对象、接口、版本、身份和验收必须稳定，外部模块才可能真正替换。

管理动作｜组合架构评审不问“是否开放 API”，而问五件事：对象语义是否一致、版本变化是否通知、调用失败如何恢复、内容与日志能否导出、替换后历史是否连续。只有接口、数据和运行责任同时可迁移，模块化才不是架构图上的假象。

最优架构不是购买最多，而是把不可外包的控制权留在企业，把快速变化的能力做成可插拔模块。

7.1 三层组合架构降低重复与锁定

结论｜企业控制层管理身份、目标、主数据、状态、策略、日志与成本；能力层提供模型、创意、分析和 Agent；触点层连接媒体、CRM、社媒和外部系统。

证据｜模型与平台变化快，而客户、品牌、流程、决策与历史结果具有长期价值。

经营含义｜把长期资产绑定短周期技术，会增加迁移成本；反之，完全自建会放大实施和运维负担。

行动｜用开放接口、事件总线、统一ID和可导出格式建立松耦合组合。

表 15 供应商组合架构

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

7.2 可替换性需要在设计和合同中同时实现

结论｜技术抽象层只能减少代码依赖，真正迁移还需要数据、配置、日志、模型行为和运营流程可带走。

证据｜常见锁定来自专有工作流格式、不可导出的向量库、平台内客户ID、缺失原始日志、模型版本不透明和定制代码无权利。

经营含义｜没有退出机制的低价合同可能形成高额未来迁移成本。

行动｜对核心供应商进行年度替换演练，并设置分层退出RTO/RPO。

表 16 可替换性设计清单

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

7.3 案例：欧莱雅用企业控制层连接多家技术伙伴

案例｜欧莱雅 2025 年年报披露，集团以 One Intelligence 维护消费者知识，以 CreAItech 生产品牌内容，以 BETiq 支持媒体决策，并通过 NEO 统一跨地区数据与流程。CreAItech 约有 4,500 名用户、每月生产超过 49.5 万项资产；BETiq 已在 8 个市场部署；集团有 6.5 万余名员工完成生成式 AI 责任使用培训。[S28]

机制｜这一架构没有把企业交给单一供应商。Google、Adobe、NVIDIA 以及媒体平台承担不同能力，品牌、消费者知识、流程规则和人才体系由企业控制。内容、洞察和媒体决策可以共享事实，却保持不同的风险、更新频率和责任人；外部能力变化时，企业仍保有经营语境。

结果与边界｜用户数、资产数、市场覆盖和培训人数证明运营规模，不直接证明增量收入或利润；年报也未披露各伙伴的完整 TCO、替换时间和资产采用率。案例支持的是“企业控制层 + 多伙伴”的组织方式，不能据此判断所有大型企业都应自建同等平台。

经典思想｜奥利弗·威廉姆森把资产专用性、不确定性和交易频率作为治理结构的重要变量。[S37] 品牌知识、客户身份和实验历史专用性高、使用频繁、错误代价大，适合由企业控制；通用模型与可标准化创意能力变化快、可比较，适合保持市场竞争。自建或采购应逐层决定，不能给整套系统贴一个标签。

管理动作｜三年 TCO 增加“专用资产暴露”与“替换成本”两栏：哪些知识只能在供应商内使用，哪些流程依赖私有对象，退出需要重新标注多少数据、重做多少审核、培训多少岗位。混合模式的价值，正是把高专用性资产留在企业，把易变化能力保持可竞争。

企业不应按“技术能力强弱”二分，而应按资产战略价值、变化速度、监管风险和运营能力逐项决策。

8.1 决策树从业务资产和风险开始

结论｜核心客户数据、关键决策规则和差异化流程更适合企业控制；通用生成、基础工具和标准触点更适合采购。

证据｜自建并不等于自研模型，采购也不等于交出数据与状态控制。多数企业适合混合模式。

经营含义｜过度自建会拖慢价值，过度采购会形成碎片和锁定。

行动｜对每个能力域进行五维评分：差异化、数据敏感、变化频率、可标准化、内部运营能力。

表 17 自建/采购/集成/混合决策树

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

表 18 四种模式适用条件

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

8.2 TCO 必须按三年和单位业务结果核算

结论｜许可、模型调用、数据、集成、运维、人工审核、培训、合规与迁移共同构成总拥有成本。

证据｜低价模型或SaaS可能因大量人工补链、数据清理和异常处理而成本更高；高自动化也可能增加审核和风险成本。

经营含义｜只比采购价格会系统性低估运营和退出成本。

行动｜建立单位合格内容、单位有效线索、单位受控动作和单位闭环成本。

表 19 三年 TCO 构成

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

8.3 自建与采购的决策单位应是能力层，而不是整套平台

判断｜同一个场景可以同时包含企业自建的客户状态、采购的模型、集成商搭建的工作流、媒体平台触点和内部审批。把“自建还是采购”当成单选题，会迫使企业在控制力与速度之间做虚假二选一。正确问题是：每一层的差异化、专用性、变化速度和失败后果分别是什么。

科斯与威廉姆森的共同启示是，市场与企业并非固定边界，而是不同协调机制。[S36][S37] 当供应商接口成熟、绩效可测、替代充分时，外购可以降低生产成本；当知识难以合同化、跨方协调频繁、结果难以验收时，内部控制可以降低交易风险。AI 让能力更可调用，却没有消除责任不完备与合同不完全。

管理动作｜把现有决策树改为逐层判定：业务状态、身份权限、知识资产、工作流编排、模型、内容工具、触点和专业服务分别评分。任何单项高风险都不必否决整套合作，但必须改变控制位置、合同条款和退出演练。

PoC 的目标不是证明“能做”，而是证明在真实约束下可运营、可观察、可治理、可退出。

9.1 演示能力与生产能力存在七个断层

结论｜演示通常使用理想数据、单用户、人工补链和成功路径；生产环境包含权限差异、脏数据、并发、接口失败、模型波动和责任追踪。

证据｜企业 AI 项目最容易在数据接入、业务状态、权限、异常处理、成本和变更管理处失效。

经营含义｜只评输出质量会买到“会表演的工具”，而非可运营系统。

行动｜PoC 必须注入真实异常、真实审批、真实回写和退出测试。

表 20 演示到生产的七个断层

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

表 21 供应商尽调评分卡

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

9.2 PoC 要用业务验收而非功能清单

结论｜PoC 需要明确样本、基线、成功阈值、失败类型、人工投入、风险事件和退出交付。

证据｜同一产品在不同企业的数据、品牌和流程环境中表现可能显著不同。

经营含义｜PoC 成功也只证明限定范围可行，不等于可直接规模化。

行动｜采用“真实数据小范围、影子运行、受控上线、阶段扩容”四步法。

表 22 PoC 验收模板

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

9.3 案例：卡夫亨氏用一个具体问题检验平台，而不是先购买宏大愿景

案例｜卡夫亨氏与 Google Cloud 合作建设 TasteMaker 时，先从一名营销人员的具体内容瓶颈出发，把品牌指南、产品资料、消费者洞察和生成能力接入专用工作流。供应商案例称，新产品概念内容准备由 8 周缩短至 8 小时，平台内产品开发与营销用户采用率约 70%，相关流程节省数千小时。[S32]

机制｜PoC 没有要求员工反复编写复杂指令，而是把品牌知识、数据入口和步骤封装进任务界面。它检验的是一条真实工作流能否使用现有资产、按品牌要求产出并被团队采用。具体问题缩小了集成范围，也使周期、采用和质量能够在同一场景内观察。

结果与边界｜结果由技术供应商发布，未披露对照组、全部成本、上线资产比例和消费者反应；8 周到 8 小时衡量概念内容准备，不等于产品上市周期整体缩短。案例可以支持 PoC 的设计方法，不能直接支持预算回报承诺。

管理动作｜供应商 PoC 必须包含一条“反宣传路径”：用脏数据、权限冲突、缺失字段、模型超时、品牌例外和人工拒绝测试系统。演示成功证明能力存在；异常可恢复、日志可解释、结果被业务采用，才证明能力可进入生产。

风险等级决定自动化权限；治理门必须与数据、内容、客户和外部动作的后果相匹配。

10.1 中国监管边界要求多制度联动

结论｜AI营销可能同时涉及个人信息处理、数据安全、生成式AI服务、算法推荐、深度合成、生成合成内容标识、广告与知识产权等规则。

证据｜《生成式人工智能服务管理暂行办法》适用于向境内公众提供生成式AI服务；《人工智能生成合成内容标识办法》及GB 45438-2025自2025年9月1日起施行，规定显式和隐式标识等要求。

经营含义｜企业内部工具、对外内容、客户交互和平台服务的适用边界不同，不能用单一“合规认证”替代场景分析。

行动｜建立数据流与内容流双台账，由法务、数据安全、业务和产品共同评审。

来源提示：法规依据包括：《个人信息保护法》《数据安全法》《网络安全法》《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》《生成式人工智能服务管理暂行办法》《人工智能生成合成内容标识办法》及GB 45438-2025。

表 23 风险分级与 Human-in-the-Loop 治理门

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

表 24 治理门的八个检查点

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

10.2 案例：Klarna 的规模化说明效率与例外负荷必须同时管理

案例｜Klarna 与 OpenAI 在 2024 年披露，客户服务助手上线首月完成 230 万次对话，约占客服聊天三分之二；重复咨询下降 25%，平均解决时间由 11 分钟降至不足 2 分钟，可处理退款、退货等任务并覆盖 35 种以上语言。[S33]

机制｜助手连接客户账户、订单与服务动作，因此能改变等待和解决，而不仅是生成回复。规模化同时改变了人工队列：常规任务被系统吸收后，留给人的往往是权益、情绪、欺诈、例外和多系统冲突。自动化率越高，人工案例平均难度可能越高。

利泽恩·班布里奇在《自动化的讽刺》中指出，自动系统接管常规操作后，人类却要在技能最少练习、信息最不完整时处理异常。[S44] NIST 生成式 AI 风险管理框架则要求组织把风险识别、测量、管理与治理贯穿生命周期，而非上线前做一次合规检查。[S34] 二者共同支持“风险越高，授权越窄；系统越自动，接管能力越要练习”的原则。

边界｜Klarna 数字来自合作方与企业自报，首月观察、人员工作量等价和利润估算都不是长期独立审计；不能据此断言客户服务应全面无人化。案例证明标准任务可快速规模化，也提醒企业同步度量人工接管等待、上下文完整率、投诉升级和恢复成本。

管理动作｜每个风险等级同时规定自动动作、复核比例、人工权限、响应时限和演练频率。治理评审不只查“有没有人工”，还要查人工是否得到完整上下文、是否有权停止或补偿、是否保有处理罕见事件的能力。

路线图要以闭环和运营能力递进，避免先建设“大而全平台”再寻找场景。

11.1 90 天路线的目标是首个闭环与采购基线

结论｜企业应在三个月内完成生态盘点、场景排序、架构边界、PoC和受控上线。

证据｜短周期可以暴露数据、接口、权限和人工运营的真实成本，也为年度投资提供证据。

经营含义｜90天不追求全渠道和全自动，而追求一个结果明确、反馈周期短的闭环。

行动｜按0-14、15-30、31-60、61-90天推进。

表 25 90 天路线图

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

11.2 365 天路线的目标是企业级可运营与可替换

结论｜年度建设应把统一身份、数据与知识、模型路由、状态、可观测、供应商治理和人才机制逐步固化。

证据｜规模化之后，主要风险从单次质量转向复杂依赖、成本漂移、权限扩大和模型/接口变更。

经营含义｜没有运营团队和季度复测，系统会快速退化。

行动｜设立AI营销产品负责人和跨职能治理委员会，按季度扩展场景。

表 26 365 天路线图

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

表 27 场景优先级评分

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

11.3 90 天验证闭环，365 天验证组合是否能持续运营

数据｜麦肯锡 2025 年全球调查覆盖 105 个国家的 1,993 名受访者。88% 表示组织已在至少一个职能经常使用 AI，但只有约三分之一开始企业级规模化；39% 报告 AI 对企业 EBIT 有影响，而且多数低于 5%。[S20] 使用扩张与经营价值之间仍有明显距离，原因通常不在“再买一个工具”，而在工作流、数据、领导责任、反馈和价值衡量没有共同推进。

实证｜布林约尔松、李和雷蒙德对 5,172 名客户支持人员的分阶段部署研究显示，生成式 AI 助手使每小时解决问题数平均提高约 15%，经验较少者收益更大，最有经验者的速度收益较小。[S35] 同一能力对不同岗位产生不同结果，组织设计、知识质量与任务分层必须成为路线图的一部分。

经典思想｜詹姆斯·马奇区分探索与利用：前者产生变异和新知识，后者追求执行与复用。[S45] 90 天的最小组合用于探索并形成可否证证据；365 天则要把已验证对象、接口、评测和治理沉淀为复用能力。只有探索会形成试点堆积，过早只做利用则会把第一版供应商和流程永久固化。

管理动作｜季度组合评审把项目分为“探索假设、验证闭环、规模复用、退出迁移”四类，分别看证据产出、业务结果、复用率和退出完成度。项目数量增加而迁移率下降，说明组织在生产演示，不是在建设生态能力。

董事会设边界，CMO负责业务结果，CIO负责架构与运行，采购与法务把可替换性和责任写入合同。

12.1 决策权必须匹配风险与系统责任

结论｜AI营销跨越业务、数据、技术、采购和法律，任何单一部门都无法独立负责。

证据｜业务部门知道价值和内容责任，CIO掌握架构与安全，采购掌握商业条款，法务判断监管与责任，董事会决定风险偏好和投资边界。

经营含义｜职责不清会造成“业务认为技术负责结果、技术认为供应商负责合规、供应商认为客户负责内容”的责任空洞。

行动｜建立RACI并把关键审批写入系统。

表 28 关键角色 RACI

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

12.2 合同必须覆盖变化、失败和退出

结论｜模型、接口、价格和监管都会变化，合同不能只描述正常服务。

证据｜生产事故通常涉及数据归属不清、日志缺失、模型升级未通知、分包商变化、内容责任转嫁和退出支持不足。

经营含义｜合同是架构治理的延伸；没有技术可验证性，条款难执行。

行动｜将数据、接口、日志、模型变更、内容责任、SLA、退出与迁移列为核心附件。

表 29 关键合同与验收条款

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

12.3 案例：Defender 的沉浸式营销需要品牌、代理商与基础设施共同负责

案例｜2024 年，Accenture Song 与 NVIDIA 为 Defender 展示面向豪华汽车客户体验的生成式内容与实时 3D 方案，把 JLR 的产品与品牌资产、代理商的全球营销运营、Omniverse 平台和生成模型连接起来，用于内容生产、对话式体验和个性化展示。[S31]

机制｜高价值产品的数字体验不能由一个生成模型独立交付。品牌方定义产品事实和合规边界，代理商持有创意与运营流程，平台提供 3D 与算力，前端触点承担客户互动。合同需要分别约定资产权属、模型与素材来源、输出审核、数据处理、服务等级和退出交接。

结果与边界｜公开材料描述了方案与合作关系，没有披露生产周期、客户采用、销售转化或全成本，因此只能证明生态编排方式，不能证明财务效果。未披露结果并不使案例无用；它要求采购方把价值验证留给自己的试点，而不是用合作伙伴名单替代证据。

经典思想｜戴明强调，质量主要是系统设计与管理责任的结果。[S43] 多供应商场景发生错误时，如果合同只规定每家组件的可用率，却没有端到端结果负责人，企业会得到一组“各自合格、整体失败”的服务。验收必须覆盖客户任务，而不只覆盖组件。

管理动作｜合同附件增加端到端责任图：每个业务对象由谁创建、谁可修改、谁审批、谁监测、谁恢复；跨方事件由谁统筹；替换任一伙伴时谁负责数据、配置、评测和历史迁移。责任图无法闭合时，不进入长期合同。

以下清单用于董事会审议、采购立项、PoC验收和年度复盘。

表 30 董事会检查清单

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

表 31 CMO 检查清单

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

表 32 CIO/数字化检查清单

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

表 33 采购与法务检查清单

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

工具 5：生态依赖穿透卡

使用方法｜对每个关键场景逐项填写：①客户任务；②权威业务对象；③企业控制层；④外部能力层；⑤跨系统接口；⑥结果与成本口径；⑦人工接管；⑧供应商替换；⑨数据与内容可携带；⑩停机后的最低可运行方案。每项必须写明责任人和可验证证据。

判定规则｜若业务对象只能在供应商内部识别、结果只能由供应商计算、日志无法导出、人工无权停止、替换后历史中断，任一项成立即标记为高依赖。高依赖并非一定拒绝采购，但必须缩短合同、提高证据门、设置价格与迁移保护，并每年至少完成一次退出演练。

董事会使用｜穿透卡用于经营连续性判断。它让管理层看见：当某个模型、媒体接口、SaaS 或服务商发生涨价、停服、政策变化或质量退化时，哪些客户承诺和收入流程会先受影响，以及企业需要多少时间恢复。

实例用于说明供给角色重叠与能力边界，不构成排名、背书或采购推荐。

表 34 代表性生态角色与公开实例

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

分类口径说明

同一企业可同时出现在多个类别。例如云厂商可能同时提供模型、数据、Agent、营销应用和生态实施；媒体平台可能同时提供内容生成、广告、商业数据与客户触点。

本图谱按企业采购时承担的“主要责任”分类，而非按公司永久身份分类。产品版本、组织调整和生态合作会改变角色。

公开产品页面只能证明供应商宣称的能力，不证明其在特定企业环境中的效果、稳定性、合规性或可替换性。

对外部平台的自动发布、预算变更、客户触达等能力，必须以真实授权、API状态、平台政策和企业审批为准。

以下仅列机构、文件/页面名称、日期与使用口径，不含第三方可点击链接。

1. 国家互联网信息办公室等：《生成式人工智能服务管理暂行办法》，2023年7月13日；用于生成式人工智能服务适用范围、提供与使用规范。

2. 国家互联网信息办公室：《国家互联网信息办公室有关负责人就〈生成式人工智能服务管理暂行办法〉答记者问》，2023年7月13日；用于制度目标与适用边界说明。

3. 国家互联网信息办公室：《生成式人工智能服务已备案信息公告》及后续附件，2024-2025年更新；用于备案与应用公示要求口径。

4. 国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局：《人工智能生成合成内容标识办法》，2025年3月14日发布，2025年9月1日起施行；用于显式、隐式标识与平台责任。

5. 国家市场监督管理总局、国家标准化管理委员会：GB 45438-2025《网络安全技术 人工智能生成合成内容标识方法》，2025年2月28日发布，2025年9月1日实施；用于生成合成内容标识技术方法。

6. 全国人民代表大会常务委员会：《中华人民共和国个人信息保护法》，2021年；用于个人信息处理、委托处理、自动化决策与跨境等基础要求。

7. 全国人民代表大会常务委员会：《中华人民共和国数据安全法》，2021年；用于数据分类分级、安全管理与风险处置。

8. 全国人民代表大会常务委员会：《中华人民共和国网络安全法》及相关修订；用于网络运营安全与个人信息保护基础要求。

9. 国家互联网信息办公室等：《互联网信息服务算法推荐管理规定》，2021年发布、2022年施行；用于算法推荐服务治理。

10. 国家互联网信息办公室、工业和信息化部、公安部：《互联网信息服务深度合成管理规定》，2022年发布、2023年施行；用于深度合成服务与内容标识相关责任。

11. 腾讯云：《腾讯云智能体开发平台产品概述》及产品文档，更新至2026年6月；用于LLM+RAG、Workflow、Multi-agent、API/SDK、企业安全与可观测能力的公开自述。

12. 腾讯云：《腾讯混元大模型》产品页面，访问口径截至2026年7月；用于文本、多模态、联网与API能力的公开自述。

13. 腾讯企点：《腾讯企点营销云/客户运营相关产品页面》，访问口径截至2026年7月；用于客户数据、增长分析、旅程编排与营销自动化能力的公开自述。

14. 火山引擎：《豆包大模型》《火山方舟》《智能营销Agent》等产品页面，访问口径截至2026年7月；用于模型、多模态、Agent开发部署与营销能力的公开自述。

15. 迈富时Marketingforce：企业官网公开产品与解决方案页面，访问口径截至2026年7月；用于综合型AI应用与营销智能体角色示例，不用于独立效果验证。

16. 竹势 AI 营销智库：企业级AI营销智能体平台、营销行动系统、知识/状态/工作流与服务体系内部产品素材，2026年；用于本报告框架设计与企业需求映射，不作为外部市场事实证明。

术语表

表 35 术语表

注：本表为决策框架，需结合企业具体行业、数据和流程验证。

V1.1 新增来源索引

• S17｜国家互联网信息办公室：《关于发布2025年生成式人工智能服务已备案信息的公告》，2026-01-09。截至2025年末的备案与登记数量。

• S18｜国务院新闻办公室：《2025年工业和信息化发展成效新闻发布会文字实录》，2026-01-21。人工智能企业数量与核心产业规模为有关机构测算，口径宽于AI营销。

• S19｜Stanford Institute for Human-Centered AI, AI Index Report 2025, 2025. GPT-3.5水平模型推理价格变化与开源/闭源模型差距。

• S20｜McKinsey & Company / QuantumBlack, The State of AI in 2025: Agents, Innovation, and Transformation, 2025-11-05. 全球调查覆盖105个国家的1,993名受访者；结果为自报。

• S21｜Alibaba Group, AI Powers Large-scale Applications at the World’s Largest Shopping Festival, 2025-10-16. 商品语义索引、搜索推荐、商家内容、广告和客服的企业自报结果。

• S22｜Alibaba Group, Taobao and Tmall’s 11.11 Shopping Festival Delivers Solid Growth for Brands, 2025-11-15. AI生意顾问和店小蜜的大促运营规模。

• S23｜JD.com, 618 Grand Promotion Kicks Off with Record Customer Participation and Strong Omnichannel Growth in First 52 Hours, 2026-06-02. JoyStreamer与JoyMarketing活动期企业自报数据。

• S24｜Yum China Holdings, 2025 Form 10-K and 4Q25/Investor Day materials, published 2026. 会员、数字点单、数字销售与Smart K使用数据。

• S25｜Yum China Holdings, Yum China Launches AI Assistant for Store Managers, 2025-06-20. Q-Smart门店运营试点的企业披露。

• S26｜Trip.com Group, 2025 Annual Report on Form 20-F, filed 2026-04-28. AI旅行产品、投入、采用、风险与备案边界。

• S27｜Trip.com Group, 2025 Third Quarter Earnings Materials, 2025. TripGenie覆盖地区与用户增长的企业自报数据。

• S28｜L’Oréal, 2025 Universal Registration Document / Annual Report, filed 2026-03-18. NEO、One Intelligence、CreAItech、BETiq、伙伴生态和培训数据。

• S29｜NVIDIA / WPP, WPP Partners With NVIDIA to Build Generative AI-Enabled Content Engine for Digital Advertising, 2023-05-29. 多方内容引擎架构与合作方观点。

• S30｜NVIDIA, Omniverse Cloud APIs to Power Wave of Industrial Digital Twin Software Tools, 2024-03-18. WPP与Media.Monks内容工作流扩展。

• S31｜Accenture, Accenture Teams with NVIDIA to Showcase AI-Powered Immersive Client Experiences for Defender, 2024-03-18. 品牌方、代理商和技术平台协同案例。

• S32｜Google Cloud Customer Story, Kraft Heinz Is Using Data and AI to Create the Products and Content Consumers Crave, accessed 2026-07-20. TasteMaker供应商案例及企业自报结果。

• S33｜OpenAI / Klarna, Klarna’s AI Assistant Does the Work of 700 Full-Time Agents, 2024. 合作方披露的首月客服运营数据与利润估计。

• S34｜National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, NIST AI 600-1, 2024. 生成式AI全生命周期风险管理。

• S35｜Erik Brynjolfsson, Danielle Li & Lindsey Raymond, Generative AI at Work, The Quarterly Journal of Economics, 2025. 5,172名客户支持人员的分阶段部署研究。

• S36｜Ronald H. Coase, The Nature of the Firm, Economica, 1937. 交易成本与企业边界的经典论文。

• S37｜Oliver E. Williamson, The Economic Institutions of Capitalism, 1985. 资产专用性、不确定性、频率与治理结构。

• S38｜Michael E. Porter, What Is Strategy?, Harvard Business Review, 1996. 战略取舍、活动系统与适配。

• S39｜James F. Moore, Predators and Prey: A New Ecology of Competition, Harvard Business Review, 1993. 商业生态共同演化框架。

• S40｜Marco Iansiti & Roy Levien, Strategy as Ecology, Harvard Business Review, 2004. 生态生产力、稳健性与利基创造。

• S41｜Herbert A. Simon, The Architecture of Complexity, Proceedings of the American Philosophical Society, 1962. 近似可分解系统与层级复杂性。

• S42｜Carliss Y. Baldwin & Kim B. Clark, Design Rules, Volume 1: The Power of Modularity, 2000. 模块化设计规则与选择价值。

• S43｜W. Edwards Deming, Out of the Crisis, 1986. 系统质量、过程管理与管理责任。

• S44｜Lisanne Bainbridge, Ironies of Automation, Automatica, 1983. 自动化后人工监督、技能保持与异常接管。

• S45｜James G. March, Exploration and Exploitation in Organizational Learning, Organization Science, 1991. 探索、复用与组织长期适应。

• S46｜Adobe / NVIDIA, Strategic Partnership for Firefly Models, Creative, Marketing and Agentic Workflows, 2026-03-16. 创意、3D、模型与营销工作流的伙伴架构；未作为效果证据。

企业的目标不是拥有更多 AI 工具，而是拥有一套能持续发现机会、作出决策、执行动作、控制风险并沉淀经验的营销经营系统。

中国 AI 营销生态的供给会继续扩张、交叉和重组。模型性能会迭代，平台接口会变化，新的内容和搜索形态会出现。稳定的并不是某个工具名称，而是企业对目标、客户、品牌、知识、业务状态、审批和责任的控制。

因此，最具长期价值的投资不是一次性选出“最佳厂商”，而是建立可组合、可观察、可治理、可替换的能力体系。企业应让专业供应商在其优势位置创造价值，同时确保关键数据和经营状态可以持续积累、迁移和复用。

当目标—状态—决策—行动—反馈闭环能够稳定运行，AI才真正进入营销经营；当供应商退出、模型替换和接口变化不会破坏这一闭环，企业才真正拥有AI营销能力。

生态盘点的目的不是统计软件数量，而是识别每项能力承担的业务责任、数据依赖、接口依赖、风险与退出难度。

企业通常会低估“影子 AI”与重复能力：员工个人订阅的通用模型、部门自行采购的内容工具、媒体平台内置 AI、CRM 插件、自动化脚本和外包服务可能同时处理同一类数据。盘点必须覆盖正式采购、免费试用、个人账号、外包交付、平台内置功能和定制脚本。

每一项能力都应映射到价值闭环中的一个或多个环节，并标明系统记录源。若多个系统同时声称保存客户阶段、内容版本或投放结果，应明确哪一个是权威源、谁负责对账、冲突如何处理。

盘点结果应形成四类动作：保留并深化、保留但降级为外围能力、整合或替换、停止使用并迁移。停止动作必须包含数据导出、账号关闭、凭证回收、知识和工作流迁移以及供应商删除证明。

表 36 生态资产盘点字段

场景定义卡把业务语言转化为可实施的状态、事件、接口与责任，是供应商沟通和PoC的统一基线。

场景名称应描述一个可验证的经营过程，例如“新线索在15分钟内完成资格判断并分配销售”，而不是“AI线索助手”。业务结果必须同时包含正向指标和风险护栏；例如提高响应覆盖率的同时，不得未经同意自动触达，不得把低置信度判断直接写入客户永久标签。

状态设计要避免用聊天记录替代业务状态。每个对象需要稳定ID、阶段枚举、责任人、时间戳、输入输出版本、审批和异常字段。状态变化由事件触发，事件应能被审计并支持重复消息的幂等处理。

对于外部动作，必须描述dry-run、审批、执行、回执、失败、重试、撤回和人工接管。只有建议而无回写的场景，应明确其是“决策支持”而非“自主执行”。

表 37 场景定义卡

接口验收不能止于“有 API”，还要验证权限、语义、稳定性、变更、日志和迁移。

供应商常用“支持 API”描述开放性，但 API 可能只读、仅覆盖部分对象、缺少增量同步、无法导出历史版本或受高额调用限制。验收应按具体业务对象逐项确认创建、读取、更新、删除、查询、批量、事件订阅和错误处理能力。

数据可携带性应覆盖原始数据、派生字段、标签、向量索引所需元数据、工作流定义、提示模板、评测集、审批历史和日志。仅导出最终报表或PDF不构成可携带。

变更管理应规定版本策略、弃用期、沙箱、测试环境、通知方式和兼容承诺。对于媒体与社交平台接口，企业还需要准备接口不可用时的人工降级流程。

表 38 接口验收用例

AI 营销系统的 SLA 必须覆盖模型、数据、工作流和外部平台，不应只写一个总体可用性百分比。

端到端服务由多个依赖组成：模型、知识检索、身份认证、业务系统、工作流、媒体平台和人工审批。单一供应商可用不代表业务闭环可用。企业应建立场景级SLO，并将故障定位到具体依赖和责任方。

可观测性至少包含：调用链、模型与提示版本、知识引用、工具参数、审批、外部回执、错误、重试、人工接管、用量和成本。对于自动决策或客户触达，还应记录触发依据和覆盖决定。

运行值班需要业务和技术共同参与。技术故障可能表现为接口失败，业务故障可能表现为事实错误、品牌风险、客户投诉或转化异常。两类故障都需要停机开关和升级路径。

表 39 场景级 SLA 模板

模型升级可能改善总体能力，也可能破坏特定品牌、格式、工具调用和合规行为，因此必须作为生产变更管理。

供应商应披露模型或关键组件的重大变化，包括模型名称或版本、上下文、工具调用协议、安全策略、价格、限流和数据处理安排。企业应保留接受、延期、切换备用模型或终止的权利。

每次重大变更都应运行回归评测集。评测集由真实任务、边界样本、权限样本、对抗样本和历史失败样本组成，并覆盖输出质量、工具参数、引用、成本和延迟。

对高风险场景，变更应采用影子流量、灰度、双跑和回滚。模型升级不应自动改变客户分群、预算、发布权限或内容责任。

表 40 变更评审清单

供应商评审应同时看价值贡献、运行质量、风险、开放性和未来适配，而不是只看续费折扣。

年度评审应把供应商分为战略核心、专业能力、基础设施和可替代外围四类。战略核心数量应受控，并要求更严格的数据可携带、SLA、审计和退出演练。

价值评估应扣除人工补链、废稿、异常处理、重复系统和迁移准备等成本。对于未能进入真实流程的“活跃使用”，不应按生产价值计入。

供应商路线图只能作为参考。企业的年度决策应以已交付能力、真实运行证据和合同保障为基础，不以尚未上线的承诺替代验收。

表 41 年度组合评审矩阵

退出能力只有经过演练才可信。关键供应商至少每年进行一次桌面演练，核心平台应进行技术双跑。

退出触发包括合同到期、价格显著变化、服务质量长期不达标、重大安全或合规事件、产品停止、接口关闭、并购后策略变化以及企业主动架构调整。合同应允许企业在触发条件下获得合理迁移期和供应商协助。

迁移顺序通常为：冻结范围、导出并校验、重建身份和权限、迁移知识与配置、接入业务系统、双跑对账、切换、归档和删除。对于客户触达和广告投放，应避免在高峰期切换，并准备人工运行方案。

删除证明应覆盖主数据、备份、日志、向量索引、训练或缓存副本以及子处理者。法律或审计要求必须保留的记录，应明确保留范围、隔离和删除时间。

表 42 退出演练步骤

年度报告应把技术活动翻译为经营价值、风险暴露、组织能力和下一年度资本配置。

董事会不需要查看模型调用次数或指令模板数量，而需要知道哪些业务闭环已经稳定运行、形成了什么可验证结果、承担了什么风险、是否具备替换能力以及下一阶段投资的边际回报。

价值报告应区分：直接财务价值、效率价值、风险减少、能力资产和战略期权。尚不能可靠归因的收益应标注为相关性或潜在价值，不以估算数字包装确定性。

报告还应披露失败与停止项目。及时停止低价值场景是组合管理成果，而非负面指标；关键在于是否形成可复用的评测、接口、数据和治理经验。

表 43 董事会年度报告结构

竹势 AI 营销智库关注企业增长、营销组织变革、智能体运营与 AI 治理，帮助企业老板、CEO、CMO 和数字化管理者把复杂技术议题转化为可讨论、可比较、可执行的经营决策。

本报告的生态地图、组合架构和管理者工具，旨在帮助企业沿经营价值流识别能力边界，并形成可治理、可观察、可替换的 AI 营销行动系统。