2025年“云端思享汇”共举办64场，邀请近百位嘉宾在线分享，主题囊括AI营销、品牌出海、行业解读（汽车、零食、白酒等）、媒介观察、品牌营销、案例分享等。我们撷选了2025年“云端思享汇”全年内容中的精彩观点，以“金点重读”的方式再度感受数字营销行业的律动。
2025年“云端思享汇”新增7场“AI赋能数字营销”相关活动，聚焦生成式营销、AI大模型应用、企业AI战略、AI Agent发展等前沿领域。
一、营销为核心应用场景：“营销”位居榜首，结合“内容”“创意”“广告”等高频词汇，凸显AI技术最核心的落地领域集中在数字营销全链路，从内容生产、创意生成到广告投放均实现深度渗透。
二、Agent与大模型成技术核心：“Agent”“模型”为核心话题，且“生成式”“智能”等词汇高频关联，反映AI技术落地的核心载体聚焦于AI Agent与大模型，尤其是慢思考模型、多模态模型的应用成为行业关注焦点。
三、企业转型需求突出：“企业”“转型”“战略”等词汇高频出现，体现2025年企业对AI转型的迫切需求，从认知统一到场景落地的全流程战略规划成为企业核心诉求。
四、效率与落地是核心目标：“效率”“落地”“成本”等词汇反映行业核心诉求——以技术应用实现降本增效，同时强调技术从理论到实际场景的落地能力，避免“空中楼阁式”技术应用。
五、品牌与用户为价值导向：“品牌”“用户”“精准”等词汇凸显行业从“技术驱动”向“价值驱动”回归，技术应用最终服务于品牌建设与客户的真实需求满足，精准营销、个性化服务成为核心方向。
AI技术历经规则驱动、大数据与机器学习驱动两大浪潮，现已迈入生成式AI主导的第三阶段，衍生出分析式AI、生成式AI、通用AI（AGI）三类技术形态。AGI具备媲美人类的多任务学习与推理能力，与仅能在预设程序内决策的弱AI形成显著区分。
AI对各产业的重构速度与程度分为三类：高敏感类变革来临最快，如数码、汽车、影视等；中敏感类变革速度中等，如生物医药、金融、教育等；低敏感类变革进程相对缓慢，如工农业、电力化工等。生成式AI的核心价值集中在营销销售、客户运营等四大业务场景。
2024年全球营销AI产业规模达360亿美元，中国生成式AI商业应用规模将达1606亿人民币，2025年预计增至2070亿元，增长率为29%。其可通过社媒舆情监测、消费者行为预测等能力，助力公司实现精准高效营销。
在营销文案领域，AI创作能力等效于人类2.47年经验，创造性与洞察性显著弱于人类；但在产品创新领域，AI生成的创意在大学生群体测评中，购买意愿远超顶尖商学院MBA学生，TOP16优质创意均由AI产出。
消费者对AI运营品牌社媒的态度因品牌类型而异：温暖型品牌用AI运营会引发反感、降低购买意愿，如如海底捞等品牌；能力型品牌用AI运营更受青睐，如如特斯拉，因前者需情感沟通，后者更重高效专业服务。
在AI技术尤其是DeepSeek的赋能下，营销行业内容生成效率提升80%、成本降低60%，基准投放与品牌转化效果也实现大幅优化，让理论层面的降本增效落地为行业现实。
生成式AI已深入应用到营销全链路，覆盖竞品分析、品牌达人筛选、消费洞察、内容生产、广告投放、种草视频制作等多个核心环节，实现全流程赋能。
AI技术可助力品牌实现“千人千面”的个性化营销，提升品牌内容文化适应性与全球本土化传播能力。以科大讯飞智能客服为例，接入大模型后可24小时秒级响应，依托结构化知识库提升回复专业性，快速复盘迭代，有效提升招商加盟访客留资率。
2023年AI从洞察、创意、媒介沟通三大维度实现营销生产力大爆发；2024年进一步改变营销生产关系，对劳动者、生产工具、劳动对象产生一定的影响，同时作用于企业内、外，如员工、组织和客户、生态之间的协作模式。
生成式营销以认知科学为理论基础，聚焦个体化营销对象，AI承担复杂任务且人机协同管控；传统智能营销基于计算科学，针对标签化人群子集，AI仅做单点工具辅助，二者在竞争模式、沟通方式等方面也有本质区别。
互联网广告行业集中度极高，前十大公司市场占有率合计达96.01%，前四大平台，包括字节跳动、阿里巴巴、腾讯、百度，占据74.25%的市场占有率，整体格局较2023年无显著变化。
人工智能的变革意义不亚于计算机的诞生，经过70年技术积累，在2020年GPT出现后迎来爆发，2025年已实现“动脑（推理）+动手（自动化）”的能力跃迁，将深刻改变人类工作与生产方式。
以DeepSeek为代表的慢思考模型即推理模型区别于传统快思考生成模型，可处理复杂任务。基于其诞生的智能体（Agent）能像人一样完成“数据收集-分析-写报告”等全流程工作，推动AI行业在2025年出现重大变化。
企业AI应用以组织战略为核心，具备个性化、系统化特征，可沉淀知识、保障数据安全、提升组织效率；个人AI应用为通用化工具，仅能提升个人效率，存在数据外流风险且无法与企业战略协同。
2025年AI进入早期采用者阶段，此前企业AI应用多为员工自发使用个人工具，而慢思考模型与智能体的成熟，让企业可实现业务流程的系统化AI改造，此时布局能形成行业领先优势。
企业AI转型的核心是打造企业级AI智能应用系统与“超级AI大脑”，通过系统沉淀业务数据与知识，配备数字员工。落地需遵循四步走：先完成认知统一，再梳理业务场景、进行小范围试点试验，最后将成功经验复制推广至全业务流程。
AI将推动企业生产力从“人力驱动”转向“算力驱动”，高效完成数据收集、处理、专业输出等工作。未来企业将形成“真人+数字员工”的人机协作常态，数字员工可拉高客户服务能力底线、广告行业的生产力跃迁变革
广告行业过往变革源于媒介等生产关系变化，而AI带来的是生产力变革。当品牌企业可通过AI系统自主完成从市场洞察到投放监控的全流程操作时，传统广告乙方的服务价值将面临重大挑战。
AI仅能提升创意生产效率，无法替代人的决策与审美价值，人机协同的创意与内容应体现更高价值。企业AI转型需秉持长期主义，前期可从几万到十几万的小模块切入，逐步迭代升级，而非追求一次性大规模投入。
AI Agent是可自主感知环境与自身状态、依托知识工具决策并达成目标的智能体，拥有“记忆-规划执行-工具调用-感知调整-反思提升”的完整链路。大语言模型是其核心底层工具，但理性感知与动态调整能力是大模型向AI Agent跨越的关键技术难点，目前行业仍处于大模型时代，AI Agent尚未完全落地。
2024年全球AI Agent市场规模为52.9亿美元，预计2030年将达到471亿美元；我们国家的人工智能市场规模稳步走高，将成为该赛道的主要玩家。海外关注度高于国内，海外AI Agent关键词周度访问量峰值超9万，DeepSeek的上线带动相关科普与搭建内容增长。
国内用户对AI Agent的搜索频次仅为数千量级，超40%的相关搜索由30-39岁青中年用户贡献；海外Top10AI Agent初创公司中，Top5年均收入超1亿美元，“AI编程及开发”是用户付费意愿最强的场景，Cursor为行业首个年收入突破5亿美元的初创Agent公司。
当前尚未出现专业级通用型Agent，跨平台、自我优化等能力仍不足，但L3级别Agent已临近落地。小模型具备显存占用低、特定任务参数利用率高的优势，是未来AgenticAI优化的核心方向；Multi-Agent协作可解决复杂持续性问题，有望实现AI生产力的线、大模型在广告场景的应用方案
：将广告候选文本信息输入item的LM大模型，用户历史行为对应的item输入user的LM，输出embedding用于相似计算或点击率预估。
：将广告候选集文本语义信息输入大模型生成embedding，转成语义ID后，通过生成式模型预测用户产生兴趣的候选集。
：文本与图片经模型生成embedding后转成语义ID，输入DNN模型训练，新广告起量时间缩短至一天以内，CTCR提升1%-110%。
批量生成广告创意时，简单prompt易出现模型幻觉，详细prompt则没办法实现百万级商品图的批量化生成，形成核心矛盾。
行业普遍将AI与降本强绑定，对AI和内容创作者的新型生产关系认知不足。同时国内外科技及数字营销行业出现裁员合并潮，从业者对AI给行业带来的实际价值存在较多疑问。
AI可打破传统广告公司能力壁垒，已服务汽车、奢侈品、快消等多领域品牌，如为奔驰制作AI广告、为纪梵希完成2025年CNY平面投放、为必胜客人机协同打造门店海报及3D设计等，还能覆盖服装产业全链条。
品牌等于功能加情感，如宝马的功能为驾乘、情感为热爱；同时品牌需挖掘社会价值，如舒肤佳的目标是让一亿人养成正确洗手习惯。
AI技术抹平行业认知差，单个创作者可突破专业壁垒完成全链条工作。传统需团队20-30天完成的AMV制作，如今单人5天就可以完成，艺人工作室等超级个体已成为营销内容创作的重要力量。
美妆和汽车行业初期对AI营销存在抗拒，核心顾虑包括隐私与知识产权保护、AI难以精准表达品牌调性。但随技术迭代，行业认可度逐步提升，欧莱雅已完成AI共创比赛，宝洁部分品牌也开始尝试。
自研Agent的核心优点是沉淀传统案例语料，结合场景营销、4P前置逻辑及整合传播模型构建能力。动漫短剧领域已广泛用Agent提升制作效率，多通过提示词解决人物与场景一致性问题。
AI营销的核心价值是增效而非单纯降本，可帮助创作者突破能力边界，让传统广告公司无法覆盖的多品类内容生产成为可能，重构行业生产关系。
：文生图、文生视频等创意生产模式降作与试投成本，加快创意产出速度与多样性，提升素材迭代与测试效率。
：多模态识别与大模型推理结合，让素材审核更精准高效，捕捉严重违规与细分问题，提升内容安全性与投放合规率。
：CTR预估技术向深度学习演进，配合智能投放机制，实现投放时机、频率和渠道的自动化优化，提升流量匹配精准度与转化效率。
数据的重要性持续提升，实时采集与多源整合让动态用户特征体系更全面。大模型技术拉近了不同规模企业的算法差距，竞争焦点转向建模与场景化问题解决能力，需重视数据与算法的协同优化。
AI让用户画像与行为预测进入智能化阶段，经营销售的策略从静态人口学标签转向基于长短期行为的动态预测。大模型推动生成式推荐发展，同时需引入长短期行为融合等方法确保预测可靠性。企业端“员工+多Agent”协作模式有望普及，实现内容生产高效、精准与合规。
AI已在大规模素材审核和智能体平台构建中展现成效：海量素材可按违规等级自动识别与处理，严重违规率明显降低；集成大模型的智能体平台通过工作流、数据集与工具集整合，帮助多个行业提升ROI。
探索初期，优先选择SaaS或公共云模式，利用按量付费降低试错成本；业务模式验证后，若对数据安全与功能深度有更加高的要求，可转向私有化部署或定制化开发。
