撰文 / 錢亞光

編輯 / 黃大路

設計 / 師 超

OpenAI明確，從7月9日起停止其不支持的國家和地區的API使用，我國在禁用之列。

OpenAI終止對我國提供API服務，雖然短期內對我國相關企業構成一定影響，但也是對國內的AI應用創業者們一記警鐘，同時也將促使我國的大模型公司加速自主研發，減少對國外技術的依賴，甚至可能成為推動我國AI產業自主發展的一個契機。

自去年10月，ChatGPT3.5發布後，迅速引起全球範圍的熱潮。作為重要的人機互動介面，生成式AI將如何影響汽車業也打開了廣闊的想像空間。作為高科技工業的代表，汽車行業天然適合AI大模型的使用。而大模型對於車企的價值，主要體現在生產研發端和營銷端兩個方面。

就目前來看，大模型對生產研發方面的改造做得還算不錯，畢竟生產效率的提升肉眼可見，然而在營銷端，大模型的價值則還有非常大的挖掘空間。

它將讓多模態行業模型的行動成為可能，甚至推動行業標準的重新定義，釋放營銷人員效能，讓專業的人更加專注創造性、創新性的內容生產，實現營銷效率的大幅提升。

通過大模型賦能，產品交互變得更加簡單，能夠在人群圈選、人群分層、物料匹配、渠道選擇和文案生成等方面實現營銷鏈路自動閉環，提高內容產出效率，助力線索提升，降低運營人員使用成本。大模型 /AIGA 在營銷領域應用的未來發展值得期待。AI未來預期確實很高，讓人們對其充滿想像。

6月16日下午，在中國汽車藍皮書論壇上，尖峰辯論「AI大模型能改變中國汽車營銷嗎？」上，嘉賓位對AI大模型在汽車營銷領域的應用進行了分析和探討。

參與嘉賓包括上海卓盟企業管理總經理伍軍、嵐圖汽車銷售服務有限公司總經理助理李博曉、上海數珩信息科技創始人、董事長張繼生、愛筆（北京）智能科技業務負責人陳柳霞、北汽股份副總裁，銷售公司黨委書記、總經理彭鋼和瑞因凡（上海）智能科技有限公司創始人兼CEO韓東，本場主持人是德勤中國數字化事業群總裁周令坤。

以下為本次尖峰辯論實錄，此處有刪節。

周令坤（德勤中國數字化事業群總裁）：各位現場和線上的嘉賓，大家下午好及非常感謝各位的堅持，我們是最後一個環節，在第十六屆藍皮書論壇有很多，這也是我向賈可博士主動申請要參加的論壇，因為我們這個論壇和本屆的主題詞「想像」尤其接近。

在前面的各位無論是演講還是論壇裡面都提到了很多我們所處的汽車行業，我想從另外一個維度也闡釋一下汽車行業，去年整個行業在拼的是配置，拼的是價格，拼的是速度，有很多的比拼。

今年很明顯，剛才幾位都提到，拼的是流量，拼的是創始人IP的影響力，非常大的差別。但是在這個過程中大家發現一個事實，就是輿論的流量、聲音和銷量並不完全成正比，這是一個方面。

另外如果我們扒開前幾個月的銷量數據也能發現一個問題，在前五個月，乘用車807萬輛的銷量裡面，我們是微幅增長，5.7%。但是這個增長基本上是用價格換得的。如果我們拿前幾個月的數據，從優惠幅度來看，前幾個月的優惠幅度平均是2.7萬元左右，和去年2.3萬元比降價幅度又放大了，所以這對行業是來講影響很大的數據。

同時，在前五個月的數據比，月銷量超過500輛的品牌有80個，我們前10名的車企銷量總和也沒有超過60%，所以在行業銷量如此分散的情況下，對於汽車行業的經營難度要比其他行業是高。

另外，從AI視角來看，特別是AI大模型，在昨天下午的兩個分論壇是智駕和智艙論壇，也都有嘉賓提到大模型上車，但是在企業管理方面怎麼導入AI，是我們今天這場辯論的方向。

很湊巧，上周我有幸去美國參加一個和企業管理相關的數字化和AI論壇，深刻感受到在全球範圍看AI的發展速度，比我們以為的要快很多，基本上是很多企業提出「All in AI」。

所以在這樣的背景下，我們今天就組建了這樣一個辯論，我們非常有幸請到業內6位特別知名的專家，我們希望能夠就AI大模型能否改變中國汽車的營銷，大家做一個碰撞和討論。這是整個論壇收官的辯題，希望大家放開了講。

第一個問題，大家都一樣，對於汽車領域目前遇到的困難和難點你是怎麼理解的。其次，如果導入AI大模型，你希望它能貢獻哪些價值？借這個機會按照順序從伍總開始，我們請大家介紹一下。

營銷的困難和難點

伍軍（上海卓盟企業管理總經理）：各位好，我是卓盟總經理伍軍，我們是專門做汽車領域的培訓諮詢工作，今天很榮幸參加AI對汽車行業營銷到底未來能做什麼改變。我們看到汽車行業競爭如此激烈，從我們觀測的大多數我們服務的車企來看，經銷商夥伴壓力非常大，我認為有三個非常大的困惑：

第一，銷冠模式。

第二，銷售模式。

第三，跟進模式。

第一，銷冠模式，我們知道每一個品牌或者每一家4S店都有銷售冠軍，我們所有的經銷商夥伴和主機廠夥伴都希望複製更多的銷冠，因為我們知道每個品牌的銷冠一個月賣二十多輛，但是差的每個月只能賣兩三輛，差10倍的銷量。我們如何通過AI幫我們找到銷冠的銷售模式，來幫助我們解決銷售人員快速提升成為銷冠的能力，這是我認為第一個需要解決的困難。

第二，銷售模式。我們服務的大多數的主機廠有新能源的，也有傳統油車的，油車的這些品牌現在也大量地賣新能源，不管是電車還是混動。我們這時候發現一個很大的問題，就是傳統銷售人員不會賣新能源車，最簡單的道理，傳統的品牌HAB跟進的時候，他們跟進的模式和新勢力跟進的模式是不一樣的。

新勢力跟進的模式是根據試車試駕的接待時長來跟進，試駕時長越長，他認為越是好的客戶。傳統油車銷售人員認為你跟我砍價砍的越多，跟我議價的時長越多，我認為你是一個好的顧客，是一個有希望成交的客戶，所以這兩個模式有很大的衝突。這就是AI如何能幫助我們解決知識的輸入，讓他們能快速地理解新能源銷售模式的變化。

第三，跟進模式。我有意識看了很多品牌銷售人員，留了很多的電話，我看了什麼時間跟我跟進，跟進的頻次是什麼樣的，頻率如何，遺憾的是絕大多數的品牌跟一到兩次就放棄了，絕大多數的銷售人員基本上就發個微信，看你還有沒有興趣，打電話也說不到位。所以如果AI能幫我們解決跟進成交，我想對汽車的營銷會有更大的幫助。

我就說這麼多，謝謝各位。

周令坤：好，謝謝伍總，伍總對於AI的期待，比很多企業1號位對於老總的期待還高一點。下面有請李總。

李博曉（嵐圖汽車銷售服務有限公司總經理助理）：主持人好，在場的各位嘉賓，各位同行，大家好，我是來自嵐圖汽車的李博曉。嵐圖汽車是東風汽車集團旗下的高端智慧新能源品牌，我們應該是國內第一家實現從SUV，MPV到轎車全品類覆蓋的高端新能源品牌。我們也是最早進入歐洲已開發國家的中國高端品牌，到目前為止我們已經進入了挪威、芬蘭、丹麥、義大利等十幾個歐洲已開發國家，剛剛不久我們在西班牙發布了品牌。

今天非常榮幸參加這個論壇。關於第一個問題，剛剛主持人說了，汽車行業今年開始去卷流量、卷老闆的IP，實際上這背後的邏輯就是流量變得更加的昂貴了，流量的紅利已經過去了，獲客成本增加了，現在這是擺在營銷領域面前最大的困境。

對於嵐圖來說，AI的話題很大，我們現在在聚焦做三個事情：

第一，加快AI大模型上車，提供更好的人機互動體驗。

第二，希望AI能夠更高效地幫我們完成內容生產、內容分發。

第三、在整個用戶的全觸點旅程過程中，能夠幫我們更加高效地通過人機合一的方式，去給用戶提供更個性化的，同時又更加成本可控的服務解決方案。因為嵐圖作為一家用戶型科技企業，實際上我們所有的事情都是以用戶為中心，為原點，去展開的，當然這背後一定是需要有很高的效率，相對的成本可控能力去做支撐的。所以以上是目前嵐圖所在做的一些實踐。

周令坤：謝謝李總，特彆強調的是用戶體驗，感謝。張總，剛做過演講，還是要介紹一下您對這個問題的理解。

張繼生（上海數珩信息科技創始人、董事長）：大家好，我是來自數珩科技的張繼生，我們是做最近比較火的大模型應用的。其實剛剛周總在問關於營銷和銷售目前碰到的難點以及AI怎麼樣去解決這個問題。

我先說營銷，我是2007年的時候在百度，那個時候我們賣關鍵詞，我印象中汽車行業基本上一個真實的例子，那個時候大概20塊錢，最多肯定不會超過50塊錢的。今天我相信漲了肯定10倍都不止了，確實這是一個在獲客的成本方面非常高。

基於此，我們在AIGC領域，前段時間我們在跟上海的一個經銷商集團去聊這件事情，他們覺得現在的營銷成本太高了，他下面有超過100家的4S店，那這些店裡面他就想著最近社交媒體又這麼火，小紅書、抖音什麼的，他說我是不是可以讓店裡面的這些Top sales做KOS，原來我們都說KOL、KOC，現在就說KOS，「S」就是sales。

讓他們在小紅書上發一些圖文筆記，或者在抖音上面、快手上面發一些所謂的短視頻或者做直播，我們再幫他們去做。因為第一，大家都知道生成式AI裡面很多都是生文、生圖、生視頻，這些成本現在來說要低很多。同時我們給他打造了一個系統，幫他們去做管理、分發的平台，這是從營銷層面來說。

再從銷售來說。現在咱們主機廠花了那麼多的營銷費用，把人帶到了4S店。但是4S店不是所有的人都是Top sales，所以怎麼讓到店的客戶銷售人員都能承接得住，這也是我們剛才提到的有一個汽車AI助手，汽車AI店長的產品，我想能夠一定程度上解決這樣的問題，這都是用到了大模型，用到了AI。

以上，謝謝。

周令坤：好，謝謝張總，你是從實際的項目經驗裡面給大家分享了未來能解決的問題。接下來陳總回答一下，同樣的問題。

陳柳霞（愛筆（北京）智能科技業務負責人）：大家好，我是愛筆（北京）智能科技汽車業務負責人陳柳霞。

愛筆智能是一家AI獨角獸企業，是2017年由前百度研究院的院長林元慶博士創立的，我們主要是基於人工智慧、計算機視覺和大數據機器人以及多模態技術為核心，去做整個物理空間的數字化和智能化，從門店的運營和管理這一塊，去提供物理空間數字化整體的賦能。我們解決了，我們利用的是CV視覺技術。提到CV視覺大家的直觀反應就是人臉識別。

但是我們愛筆整合的AI解決方案是不採集任何個人隱私信息，從而通過在物理空間的全軌跡的追蹤，去實現剛才我們說到的目前碰到的一些營銷難題的問題，就是如何去打開最後一公里在門店的黑盒，去實現他整體的銷量漏斗的閉環和定單的閉環。

我相信這也是很多的主機廠現在面臨多種的渠道，有直營的模式，同時也有代理的模式。還有現在的4S店。那這種混合經營，包括現在的選店、管店可能都會面臨很多的挑戰，我相信愛筆整體的AI數字門店的解決方案，能夠幫助大家很好地去提升門店的整體運營管理的效率和整個漏斗轉化的效率。

謝謝。

周令坤：謝謝陳總，我們再請來自主機廠的彭總談一談。

彭鋼（北汽股份副總裁，銷售公司黨委書記、總經理）：周總好，大家好，簡單介紹一下，我是北京汽車的彭鋼。

北京品牌，其實是北汽集團旗下的兩個自主品牌之一。剛才上一場嘉賓極狐品牌的國富總是負責極狐的營銷，我負責北京這個品牌的營銷的工作。北京品牌大家可能首知的就是我們的越野車，它是一個有歷史的品牌，60多年的歷史。

核心是從越野車開始，目前也在做越野的內核向戶外的一些拓展，未來可能會做不是那麼多的越野，但是以滿足戶外樂趣為核心的產品。當然，我們也有未來的電車的尤其是10萬元左右國民級產品的規劃，在未來十年左右會跟大家見面。

站在營銷的角度，我的痛點包括AI大模型的期望，一方面說在營銷的全鏈路，我們簡單講種草養魚階段，因為這個階段的花費，更多它的目標指向的是曝光和我們所謂的興趣人數提升這個維度。

那本質是把對的內容，我們想傳遞給客戶的關於品牌的、產品的這些內容，能夠通過合適的渠道找到我們想要鎖定的目標客戶，儘可能做到精準，讓更多的人能夠知道我們想要表達的這些觀點和想傳遞的信息。

這部分內容可能不直接產生能看到的直接可量化的線索和銷售，但是它可能會觸髮帶過來一些自然進店或者自然留資，它很難量化。所以我們希望在這個維度把我們的花費和實際的效果找到可量化的函數關係，但是這是很難的事情，這裡有一些可能你很難去清晰或者精準描述你選擇的渠道是否合適，你合作的達人、傳遞的信息是否合適，這部分是不太容易能夠很精準量化的，更多是要憑藉一些經驗和歷史數據的對比。

我希望在這個領域其實我們對AI大模型是否可以幫助廠家一個品牌在做營這一端的時候能夠更加高效找對渠道，找對內容，打准我們想要傳遞的後鏈路。

第二段是成交，這段比較容易量化，因為每一個線索的成本、每一個成交的成本都是可知的，無論你是採取什麼樣的類型的方式，不管是效果類的廣告的投放，還是我們現在所謂的新媒體的獲客，它都可以量化到一個成本多少錢。

成交轉化的時候，每一個階段的成交率也是可知的，這段能知道我們營銷每賣出一台車所要付出的代價。但是這裡面要有一個空間，我們能否用AI大模型或者用營銷的成本或者線索取得的成本更低，讓銷售顧問成交轉化的能力更高，這裡是有很大的想像空間，或者說現在已經看到了有效的實踐去作為未來的支撐的。

今天我也很高興，看到台上除了主機廠以外也有我們在研究這個領域核心的供應商，可能站在這個角度能夠去幫助廠家一塊研究解決這些痛點，也希望未來能夠跟大家做更深的交流，看在這些領域我們是不是能夠找到更有價值，更能幫助廠家解決這些痛點的好的工具和思路。

以上，謝謝。

周令坤：謝謝彭總，彭總相當於是甲方，解釋了一下FP。我們有三四位是做乙方，是做解決方案的，一會兒現場招個標，看誰能中這個標，看看能不能解決主機廠這些痛點和期望，都是在實際當中能遇到的，這也是很真實的需求。

最後請最後一位嘉賓介紹一下自己，韓總。

韓東（瑞因凡（上海）智能科技有限公司創始人兼CEO）：大家好，我是來自瑞因凡的韓東，我們也是乙方之一，向甲方討教。

我們瑞因凡是AI大模型的公司，我們最早是從整個端到端模型基礎設施的搭建，包括後面整個數據的預處理、數據的混合，模型基礎框架的搭建，模型訓練，包括後期的這些優化、推理，整個端到端我們做了完全中國自己的大模型。我們從一開始就定位了我們要用大模型去做行業賦能這件事情，也是專注於汽車行業的這一塊賦能。

除了在營銷這個領域，其實我們在汽車的研發、生產製造，以及供應鏈，包括後期客服等不同的領域，都有不一樣的場景。總結來看，我們都是在試圖用新一代的AI大模型去把過去的工作流當中比較多的繁雜重複性的工作，包括很難做到個性化、智能化的部分，希望通過引入AI大模型的智力，包括它的大腦，能夠去把流程做到更高的自動化和智能化。

在切入的場景通常也是我們稱之為是可以規模化來降本增效的場景，比如我們剛剛提到怎樣用大模型去把Top Sales的大腦復現到所有的Sales大腦當中去，也包括我們在一些領域，比如研發領域，能夠把過去需要通過大量的人力去做開發、測試這些環節，能不能用AI大模型做到一個端到端的自動化，這些是我們比較關注的領域。

大模型的局限

周令坤：再次歡迎六位嘉賓的到來，大家介紹得非常好，不但介紹自己，也提出了期望。剛才牛老師說希望更激烈的對話，我有備而來，我針對每位嘉賓準備了針對性的問題，希望大家回答。

第一個問題問伍總，AI真正為廣大老百姓或者一般的人知道，是因為ChatGPT大火之後，或者生成式AI逐漸對人刺激之後，這些科技公司所開發的通用大模型，在垂直領域，有哪些局限，是不是可以站在另外的角度幫助大家解讀一下。

伍軍：我們做銷售培訓諮詢領域20年時間了，這兩年有大量做AI營銷的公司和我們接觸，希望對傳統和新勢力主機廠進行賦能，我也會看很多的AI營銷公司做的相應文件和落地的成果。前幾年我們看到AI在銷售培訓裡面都是銷售培練為核心，培訓相應產品話術之後，看看銷售人員是否能複製，他們演練的效果如何，這是AI培訓打分系統。

這兩年AI有一些進步，尤其是還有很多主機廠的同仁，有些主機廠開始用AI能力的塑造，比如說一些高端品牌會用AI做海報，汽車領域當中海報發的頻率很高，包括價格政策變動、促銷政策的變動，銷售賣點的變化。

海報如何從主機廠分發到經銷商，而且經銷商要做一些個性化的改變，要符合主機廠AI的要求，海報的分發，包括銷售文案的AI生成，一些標準化視頻導入給經銷商，加上他們自己店頭的名字，包括一些特殊照片或者特殊視頻的加入，把主機廠給的資料更加有個性化的輸入給所有的私域，主機廠是公域。

海報、文案、視頻分發完之後，後續是不是可以在抖音、小紅書、B站看到發布的數據，每個平台當中經銷商是不是分發到位，是否有跟蹤和反饋。這是一些主機廠能做到的情況。

做不到的是什麼呢？AI營銷公司大多數對產品的深度理解偏弱，但是銷售領域當中和客戶溝通的語言大多數是談車，談這個車的營銷賣點是什麼，這個車的競爭對手是什麼，這個競爭對手和我們相比哪些好，哪些差，這點對我們AI營銷的夥伴壓力更大，因為他要深度了解這些相關的資料。

如何把相關的資料喂給大模型，讓大模型有這樣的能力判別這些話術到位與否，這是一個挑戰。

還有一個挑戰，我一直想像AI能幫銷售做的事情，除了事後給反饋，事後說A銷售、B銷售能力打幾分，銷售人員賣了幾台車，銷售分數是多少之外，AI做到最完美的狀態，就是給你一個耳機，AI反饋，你剛才跟客戶交流的時候，漏問了哪幾點，人家問你跟競爭對手有什麼區別的時候，你應該這樣回答。

如果能做到這樣，對銷售人員會有很大的幫助，可以解決很多銷售痛點的問題，直接幫助我們解決成交的問題。最終希望如果能有跟蹤的方式，而不是簡單地打個電話，幫助我們更好跟進的時候，用什麼樣的話術，或者之前遺留哪些存在的困惑，我們AI直接幫助生成，幫助我們提高和客戶溝通的效率，達成營銷最終結果就是成交。

周令坤：如果實現您說的這樣一種狀態，對於您所在的公司上海卓盟會不會也帶來一些顛覆性的影響，你會被顛覆嗎？

伍軍：從我們的角度來講，AI提高人的效率，解決增加結果的一種手段。在我們整個產業當中，如果AI做得特別好之後，對每個相關服務公司都會有很大的挑戰。我們現在做的事情就是AI現在做的相對比較弱的事情，我們有60%、70%的業務都是就會幫助客戶提升銷量，問界是我的客戶，我們幫它多賣車擴展銷量。小鵬是我們的客戶，長城、奇瑞等等品牌，我們一步步幫他解決銷量的問題，棘手問題，這是我們的特長。如果AI能具備這樣的能力，我們也要進化，進化得更好。

周令坤：所以AI對你來說不是取代是嗎？

伍軍：相互配合。

周令坤：李總剛才介紹嵐圖品牌的時候，特別提到品牌智能化和體驗上的一些設計理念和做法。結合今天大會主題「想像」，結合未來，在未來無論是從市場營銷，還是從銷售、售後服務。您自己理解，在應用場景和推進過程裡面如何規劃和思考，包括高價值場景的篩選，落地的節奏和成果的評估，這方面有沒有考慮？

李博曉：我先回答一下主持人的問題，然後再響應一下老牛一開始在台上的要求和指示。

第一，我們現在大概落地的節奏。首先是大模型技術底座，我們和國內頭部科技公司合作，這個事情去年年底基本上完成了。去年我們密集開始和很多汽車行業具備AI解決方案公司溝通接洽，合作落地。

我們是聚焦漏斗某個層級的效率提升去做解決方案，比如說直播，這裡面有做成的，也有不太成功的，比如現在數字人還沒有跑通，不知道在座的是否有更好的解決方案，如果有，我們也可以溝通協作。目前來看數字人給予的體驗還不是太好。

第二，響應老牛的指示，我要提一個尖銳的問題。前年開始我陷入一個焦慮的狀態，我很擔心AI取代我的工作，因為從前年就有很多大模型逐步落地，舉個例子，以一個發布會來看，AI能夠取代99%的人。所以有這個焦慮之後，就開始想了怎麼解決這個事兒。後來得出一個解決方案，我在嵐圖負責品牌傳播、Social、用戶運營等，與其我等著AI讓我下課，那還不如主動對自己下手。

基於這樣一個原因，一方面我們主動尋求行業解決方案，另外一方面我發現綜合很多AI方案的理念、技術，包括解決問題的範式之後，我們可以自己干，於是內部又搭了另外一個班子。我原來是管過供應鏈的人，我當時解題的思路是說把整個解決方案拆解開，有創意的人，有做內容生產的人，擅長培訓國內國外的工具的人，還有混剪的人，分發的人，我搭了自己的團隊，以另外一條線去測試這個業務到底能不能閉環。前前後後跑了一年，中間有很多調整，包括使用工具，包括分發的邏輯思路等等。

到目前來看，大的方向是對的，AI一定會取代我的工作，只是早晚的問題，或者比例的問題。但是目前為止，我發現也不需要恐懼AI，終究到底人還是最重要的因素，目前還沒有任何一個AI工具能夠完全自閉環把完整的主要鏈路做好。一開始焦慮，到中間解決方案，到現在又沒有那麼焦慮了，不知道這個問題夠不夠尖銳。

周令坤：我總結一下，您認為AI不會取代人，但是有AI賦能的人，會取代沒有AI賦能的人，可以這樣講嗎？

李博曉：是的。我認為是人機合一的事情，活生生的人加上大模型，一定會戰勝沒有掌握AI工具的人。

周令坤：非常好的總結，非常好的實踐經驗。張總介紹自己解決方案的時候，提到了AI店長，令人印象深刻。AI是底層技術，也是一個工具，如果很多公司都用了這樣的方案，大家也沒有差別了，都賦能了，繼續打平手，怎麼才能讓品牌和企業保持競爭獨特性和差異性？

張繼生：今年過年前後，OpenAI也提出來了，國內也跟進，相繼推出來，OpenAI最早提出讓人人都擁有一個GPT，國內所謂大廠都提出來，讓每個企業都能夠擁有自己的GPT。

我們也一直不斷在這方面做自己的探索，我們也推出了自己的LANGTREE平台，我們也給合作的客戶訓練自己的模型，或者微調自己的模型。

預算比較充足的情況，訓練自己的模型，微調自己的模型，這起碼需要用到A100型號，還需要多台機器才能做到，這個投入相對比較大。如果預算相對沒有那麼多，用Agent形式也可以。怎麼做，我們已經開始給有些客戶做本地化部署了。

車企也好，我們目前服務的金融客戶也好，他們多年手上積累了大量的數據、數據集，無論是他們本身自己擁有的，還是市場上的數據，公開的數據集，我們可以幫助企業做兩件事。

第一，微調一個模型，基於我們現在訓練的模型S-GPT。

第二，我們用Agent的方式調教，調教出來的模型更適合企業。

我們做了很多嘗試，做了這個事情之後，微調了模型之後，讓他們再去寫小紅書的文案，或者在B站、知乎上面寫一些相對應的文章過程評論，都會更精準，或者更適合客戶的要求。

周令坤：如果你有這麼強大的運算需求，算力支持是怎麼獲取的？

張繼生：目前我們幫客戶，包括自己做訓練或者推理的時候，大部分用的還是英偉達的晶片，包括A100，或3090、4090。我們不停跟國產做算力公司接觸，效果沒有那麼好。最近AMD找到我們，我們準備聯合做一個項目，已經溝通的差不多了，馬上就要開始，就是所謂的提速，加速層面。

目前我們測試下來還不錯，在一些領域，比如說生文、生圖、多模態部分還不錯。我們在做AI店長，每天都用算力，我們服務了300家左右的4S店，每天用到算力不少，我們和AMD在這方面也有探索。目前來看測試下來，效果還是不錯的，用FPGA的方式做提速。

周令坤：陳總，剛才講你提供的解決方案不會涉及到用戶的隱私，如何看待AI大模型技術應用的風險和挑戰，包括但不限於數據安全、隱私泄露的監管，智慧財產權保護、數據準確性，人才短缺以及相應的舉措。導入AI的時候，無論是最終消費者還是企業都會有這方面的擔心，您怎麼看？

陳柳霞：剛才您提到的問題，早期的時候，我們在做所有實際場景落地的時候，都碰到了這樣的問題。

第一，隱私問題。因為從2019年315的時候全民皆知，關於人臉識別，針對整個頭像採集個保法公布和公開徵集意見，第二年個保正式生效。在此之前，愛筆的底層邏輯就已經開始注意這個問題了。

早期時候，人臉沒有被禁用的時候，我們在整個物理空間和數字孿生的時候，已經不依賴人臉做整個物理空間全量數據的採集。這和我們自身的技術架構有很大的關係。同年我們也通過了歐盟最嚴的GDPR個人隱私通用條例。

第二，現在主機廠對數據管控非常嚴格，基本上每家都要求更多的把數據部署在自己的系統裡面。我們整套方案也是支持所有純私有化的部署，可以做機房的部署，這個成本很高。如果廠家有這個預算，我們可以支持，我們做了金融行業，幾乎都是機房的部署模式。另外就是支持私有雲的部署，就是專有雲部署。

這是我們在自身部署方面的安全。

另外，關於整個數據管控，我們也通過了國家相應的管理政策和核查，基本上都是進行周期性核查的。因為我們要做的是全鏈路數據打通和全量數據獲取，和主機廠系統打通之後會涉及到一些個人信息，這塊有專門國家對應的管理條例，我們嚴格遵守對應的條例，進行整個數據的存儲和管理。

為什麼我們能夠在整個物理空間數字化上，採集到大家能夠用到的細顆粒度的業務數據，來源於愛筆基於計算機視覺的底層核心技術，我們在利用3D建模，實現了物理空間精確到厘米的建模，從而實現物理空間裡面基於人車，對一個物品的全軌跡追蹤。

能夠產出的數據，包括門店裡面所有客戶潛客的分類，剛才大家談到，我們做轉化的時候，要知道什麼樣的客戶是我真正的潛在客戶，是售後維保客戶，還是到店的潛客。

整個基於客流批次的分類，我們很清楚在門店裡面計客流不是數人次，周總跟我一批次的客戶，周總給我當參謀，他的批次大於等於一人。我們要分清楚，同時要把這個批次的動線分清楚。潛在客戶在門店裡面所有看車的動線，能夠自動採集，記錄下來，利用整體遊逛動線和停留時長，判斷整體的意向和車型的意向。

在車型方面，我們在門店系統裡面，又實現了整個門店車數據的自動識別和自動採集，和車相關所有的事件。相當於每個車上插了一個溫度計，可以知道每個新上市的車型或者近期主推的車型，到批次的熱度是怎麼樣，更好的幫助廠商做真實終端流量車型的預測。

還有針對於多種經營的門店，如何進行所有運營動線的管理，甚至參考真實客流空間的數據，做整個門店的選店管理。這塊我們也已經有了非常成熟的功能模塊應用。

周令坤：謝謝陳總。

下面問彭總兩個問題，第一，你剛才發了一個標書，他們幾個人有沒有提到你感興趣的點；第二，您作為公司管理層，如何衡量AI大模型帶來的業務價值，如何設置和管理AI大模型應用和部署投入中心和預期收益，您結合甲方身份講講。

彭鋼：牛總希望在座幾位在上面有更多爭議的觀點包括吵起來，其實很難，因為這個議題，大家觀點一致，AI對營銷轉型的作用或者必須走這條路，沒有什麼可討論的，比較難有不同的爭議。甲方和乙方都是合作關係，也不太好吵。

您問的這個事兒站在廠家的角度，最簡單的道理就是算帳，對於AI投入能不能讓營銷效率更高，單位車型銷量成本下降，這是最直觀的算帳方法。

現在短期之內就有一個例子，在通過經銷商新媒體矩陣做很多獲客的動作，過去當線索比較少的時候，經銷商還可以靠人，一個人跟一天，對話十幾個或者幾十個客戶做線索的挖掘。當批量上來以後，發現光靠人跟不過來了，我們也引入了一個AI助手，能夠幫助我們第一時間和客戶建立相關的聯繫，進行第一輪客戶線索的挖掘。

過去投這個項目的時候，我們覺得幾個供應商的方案都挺貴的，下定決心去做，是做了一些試點，發現上了這個產品以後，確實對線索生成起到很大的作用，雖然在這上面花了點，但是算總帳，線索的成本下來了。

另外，我們在經銷端部署了一些試點智能工牌，我們過去有銷售跟進的系統，客戶線上跟廠方客服，還是跟供應商客服，包括跟銷售顧問電話溝通過程都中一些AI輔助工具、話術庫，根據客戶提問，及時提示銷售顧問怎麼做回復，能夠提高成交轉化率。

在很多面對面過程中，銷售部不可能拿著這些工具跟客戶聊，通過智能工牌，可以記錄和客戶溝通全過程，我們也有一些脫敏技術，我們不知道這個客戶是誰，聲音也修正了，不會直接採集聲音相關的信息。

通過這個數據，可以清楚地發現銷售顧問，誰是銷冠，誰是有待提升的銷售顧問，誰在哪個環節有什麼樣的短板需要補強，過去沒有這樣的工具的時候，只能從最終呈現的結果數據來判斷，但是很難對這個銷售顧問做針對性的提升，有了這個工具的輔助，很精準就知道短板在哪兒，很快提升成交轉化的占率。

從長線來看，每個主機廠在AI大模型未來的投入或者轉型是一個必須要選擇的道路，就像熱兵器對冷兵器，擁核國家對不擁核國家的碾壓式競爭優勢，遲早你要走，如果不走，未來就是完全跟不上時代，完全沒有辦法和別的競爭品牌去抗衡的場景。

相信從長線來看，這肯定是各個廠家必須要走的，但是這個過程也不是一蹴而就的，包括相應的技術也是在逐步成熟起來的。對於每個主機廠而言，還得量入為出，根據自己的體量，根據手上的子彈，每年投資的預算，包括哪些廠家去投，哪些靠供應商，哪些先投，哪些後投，都要有一系列評價和規劃。廠家最著急解決的對生存幫助最大的事項做優先投入。

有些內容也不是廠家，畢竟不是專業做這個公司，也不可能完全建立全面的技術。就像供應商在研發過程中，對主機廠的作用一樣，主機廠會把我們認為比較重要的部分放在手上，更多還是依靠社會資源去解決。除了錢以外，人還是一個更重要的因素。

對於主機廠而言，這方面人員儲備相對來講是比較少或者剛剛起步。我們現在研究這方面領域的人也是過去傳統公關或者數字營銷的同事在學習過程中去研究，但對此的理解以及水平都不是特別高。未來估計會有很多行業領域的專家和這個行業產生更高的融合，進入到主機廠裡面，幫助主機廠加快整個技術能力的建設。

對於在座幾位，或者今天不在場的，做AI大模型的企業來說，我最大的痛點還是在全鏈路，怎麼樣讓種草養魚環節上面有更高的效率，吸引更多目標客戶群有效曝光，引起對我們產品高度興趣，這是我們沒有找到特別好的解決方案，也是特別急迫的一個領域，希望在這個領域有供應商提供好的解決方案。下來可以做深入的溝通。

周令坤：謝謝彭總，非常中肯的回覆，首先您回答了我們的辯題，您肯定是認為yes，能改變營銷。但是同時也提出兩個非常具體的痛點，人才潛在的匱乏。其次就是剛才提到全鏈路的前端還沒有有效解決方案的這樣一種狀態。我相信我們後面的討論，會逐漸碰撞出一些對您有幫助的點，再次謝謝彭總。

下一個問題給到韓總，韓總是做AI比較多年的專家了，因為對於汽車營銷來講，AI不是一個新東西，其實很多年都有AI相關的技術在使用。我的問題是說在生成式AI（GAI），在這樣的背景下，它能夠帶來哪些突破性的變革，您是不是從技術專家的角度給大家做一些分析，今天談的AI有生成式AI的加持，和過去以數據為主的AI算法時代比，會帶來哪些突破？給大家做一個分析。

韓東：謝謝主持人的問題。現在的AI大模型，如果我們稱之為「AI 2.0」的話，跟我們之前看到的AI 1.0本質的區別是，通過GPT這條技術路線，通過超大規模參數的模型，它帶來了一定程度上的智力的表現。

如果從技術上跟過去有什麼不一樣的話，很多時候就是這個智力是不是能夠帶來過去我們一直希望它能夠替代部分人類專家和專業人士去做的事情。過去我們有這個期望，但是過去的AI他沒有做到。現在的AI能不能做到，首先這是第一個問題。

我們看到在一些領域AI能做到，但是更多是比較通用型的模型，我們一旦把它放到一個具體的場景，有專業數據的要求，有專業的Know How，有專業的Domain Knowledge,那麼通用大模型又不適用了。

這也可以理解，通用大模型訓練中並沒有引入私有的專業的積累很多年的數據。但是一旦有了這些，就是兩者的一個結合，它確實在很多場景下誕生了數字員工、數字專家，他可以把過去比較複雜的任務通過完全的AI模型，包括智能體相關的一些分拆任務，它的邏輯推理的能力、理解力，去把它分拆為最終可以由AI來端到端完成的。那一旦能夠端到端完成，我相信它對於很多產業效率的提升肯定是本質性的。

剛剛很多嘉賓也提到了，目前來講這個在很多場合還是很難實現的，所以我們一般會有一個質量控制，或者人類的專家，最終參與到這個過程當中來，有一個人機結合的合作，解決這個現實當中的問題。我覺得這是未來三五年，甚至更長五年、十年都是一個比較普遍解決問題的方式，就是AI去大規模輔助人類提升效率。

至於未來我們放得特別遠，它是不是能夠達到一個完全自動化的狀態，我相信大家對自動駕駛都有一個期待，說如果我們放遠一點，50年後，那大機率是沒有方向盤的，這個我也問過很多人，很多人都有這個信念。但是我們說五年之內能不能做到，可能大多數的人答案是no。

回到AI大模型領域的話，我覺得在很多場合它也是這個樣子的，我們可能更多會去跟合作夥伴探討，短時間內我們怎麼樣用AI大模型能夠做到一個最大規模化的降本增效，或者提升整個的效率。所以剛剛有一位嘉賓提到了，AI肯定短時間內取代不了人類專家，但是使用AI的專家，肯定會比那些完全不使用AI的專家要更快更好更厲害。

要不要All in AI

周令坤：謝謝韓總的分析，剛才這一輪我覺得大家還是從專業的角度，都很針對性地回答了一些問題。接下來從韓總開始再問一圈問題，我也不動心思怎麼去挑大家討論了，感覺還是吵不起來。大家的問題都一樣，每個人回答自己的觀點，就是AI大模型從昨天的兩個論壇裡面我也聽了一下，AI大模型上車裡面一個是智能座艙要導入大模型，另外一個是智能駕駛。今天我們談的是管理相關的，就是在營銷領域引入AI大模型。

我的問題從韓總開始，每個人談一下。

第一，就是這三者的結合點在哪裡，這是第一個問題。如果AI大模型都在用了，艙也有了，自駕也有了，現在管理營銷也有了，三者結合點在哪裡。

第二，對於一個企業來講如果All in AI了，每個地方都使用了，它能否對車企或者生態上的公司盈利帶來提升，作為一個企業如果不賺錢，不能帶來盈利，那所有的投入似乎它的意義都是值得去打問號的。所以這個問題想從韓總這邊開始，剛才您也提到一點智能座艙、智能駕駛的問題。

韓東：從三者結合來看，昨天有一位嘉賓分享到了，連接三者核心的要素肯定是數據。無論AI模型，還是座艙用戶個性化的體驗，還是在自動駕駛當中要實現的核心的要素，其實都是數據。在這裡怎麼樣可以把數據大規模地流通起來，然後打通，高效地利用，但同時又能夠做到很好的脫敏，隱私的保護，這還是很難的一件事情。

在座艙我們希望它做到個性化、智能化，但是端側相對參數規模有限的模型就很難實現，那是不是需要用雲端更大規模參數的模型，能否保證數據傳輸、處理足夠快，同時能保證該傳的數據傳，不該傳的就不傳，這些目前都沒有特別成熟方案的領域。

包括在自動駕駛這邊，我們知道過去的智駕方案更多是傾向於用規則的方式去解決所有見過和沒見過的問題，但是現在我們發現AI大模型出現之後，大家可能更加希望一個端到端的方案去徹底地解決。所以它對於這個數據量的需求，包括合成數據各方面的要求也更不一樣了。

我記得是今天還是昨天，看到英偉達推出幾千億參數規模的模型，這個模型的特別之處在於他使用的數據應該超過90%多是合成數據，那這些也代表著我們可能過去引入合成數據會導致我們在這個模型當中會有一點虛假循環的概念，但是現在發現真實數據就是不夠用了，那我用合成數據能不能讓我的模型效果變得更好，或者說我的模型數據本身是不是就比真實數據帶來一些不具備的優勢，這些都是圍繞在數據這個層面上。

第二個問題是關於All in AI之後能不能帶來盈利。AI大模型本身就是非常知識密集，而且在成本方面我們目前在市場經濟下看到可能是最昂貴的科技產品。如果從一個車廠的角度來講，完全自己把這個模型包括它整個的能力從0到1建立，其實很多時候肯定是在重複造輪子，而且是造一個非常昂貴的輪子，我相信分工合作是比較合適的。

我們同時也發現，我們跟一些車廠和Tier1合作的時候，如果一個車廠本身在AI大模型方面還沒有一個相應的團隊，還沒有去很多地嘗試使用，那其實跟這個模型公司也是相對比較難交流的，因為過去沒有對這一塊的理解，反而是他們已經建立了相應的團隊之後，這兩邊的合作會更加順暢。所以我覺得我相信未來可能這也是一個比較常態化的產業合作的可能性。

周令坤：好，謝謝韓總，從技術角度回答了我的問題。接下來彭總。

彭鋼：其實想法一樣，第一，我覺得關鍵的結合點還是數據，很簡單的道理，客戶在使用過程中他高頻的使用、好評使用的點，一定會成為你營銷核心賣點的選擇。在營銷端你得到的任何客戶的反饋最後回到產品上的改進，可能也是把這個數據拉通以後能夠去實現的。

第二個問題，All in AI我覺得應該是一個態度或者是一個方向，但是需要有一個足夠的科學的規划過程，可能還是那句話，兩立微處，可能不同的企業戰略選擇不一樣，也許有的激進一些，有的更願意跟隨。

可能盈利性比較好的企業會更積極主動地去更高更早地投入，去換得更好的競爭優勢，相對盈利性弱一點的可能會選擇更安全、更成熟一些的產品。但是我這邊也呼籲所有的AI大模型的供應商的價格能儘快降的更低一些，不要太貴了。

謝謝。

周令坤：謝謝彭總，最終還是回到價格上去了。陳總。

陳柳霞：確實如彭總所說，整個大模型現在的應用市場化的成本確實是比較高的，我相信隨著後面應用逐步展開，會有大家廣泛使用的產品出現。

從我們自身來講，確實在整個大模型和前端，就是剛才大家談到的，包括韓總也談到的關於數據準確性的問題，這其實是大模型行業共識的問題，因為都會涉及到這個問題，最後你的模型好不好用，你的費用能不能降下來，其實除了你的整個算力資源以外，你如何能夠精準地獲取到這些數據，這是一個非常根本性的問題。

還牽扯到剛才主持人問到的很多數據隱私安全等等一系列的問題，我覺得都是這個領域在最近一年到未來一段時間之內，是大家要共同面對和解決的問題。

到底要不要All in AI，這個基本上我覺得是沒有什麼可討論的了，是必須要走的一條路。因為從我們目前現在整體的全鏈路的數據，尤其只是在門店這樣的一個物理空間數字化來講，它的整個全鏈路的數據打通和從端到端，就是從店端到廠端整個實現的話，本身對於整體運營的效率的提升其實我們已經看到了非常大的一個變化。

甚至於我們能做到的是幫一個門店每周能多賣一台車，這是他在整個全鏈路數據打通的基礎上，如果在所有場景裡面都展開這個應用的話，將帶來整個生產力的提升。

以上，謝謝。

周令坤：謝謝陳總，張總你怎麼看？

張繼生：第一個問題，我跟韓總他們的觀點差不多，不多說了。

我主要談一下第二個問題，就是主機廠要All in AI的事情。早些年我在百度，那個時候火的是網際網路，搜尋引擎，那個時候做搜尋引擎都投放比較多的像攜程、阿里巴巴，投放百度在2007年、2008年的時候每年都要過億。

那如果是這樣就需要有一個優化工具，我把它當成現在的AI很合適。當時我在百度大客戶部，服務了一個客戶，那個客戶現在也在，做得也很好，他用第三方的可能是不放心或者什麼原因，這是我國國內企業的情況，什麼都想自己做。他研發了差不多一年的時間，花費也有一兩個億，但是其實最後還是沒有研發出來，沒有做出來。

放到今天也一樣，我覺得讓專業的人去做專業的事，比如在汽車這個領域裡面，我們大家都知道，最近OpenAI做Chat GPT4.0，那都是萬億參數了，有一些所謂的專家說那做汽車行業的模型可能10億參數就夠了，但是我感覺不能這麼理解這件事情。

汽車行業雖然涉及到的是只是汽車領域的數據，但是它涉及到的縱線很廣，不單是汽車方面這些數據我們要拿來訓練，包括比如說在銷售的領域，在售後的領域，甚至是在設計的領域等等一系列，其實裡面都會涉及到。在其他的領域，在咱們訓練汽車模型的時候，其他領域的概念也要用到。所以說主機廠要去做All in AI的時候，也要去找所謂的專業公司去做。

當然我說的這個專業的公司，除了像目前所謂的大模型，無論是百度還是阿里、騰訊，或者是商湯等等都有，他們也在做。像我們或者是韓總這樣的公司，我們能力方面是不弱於他們的，並且有一點，像我們這樣的公司可能會更專注。

我也是從大廠出來的，大廠更擅長於我開放一個API接口，你來跟我對接，具體他會給予什麼樣的指導，其實這是存在不確定因素的。但是我們更願意去跟某一個企業或者是某一個客戶一起去成長，做這件事情。

以上，謝謝。

周令坤：所以您的意思是說如果合作得好，都能賺錢？

張繼生：是的。

周令坤：謝謝張總。李總，您作為主機廠怎麼看待這個問題？

李博曉：我補充一個差異化的觀點，因為前面有一位說不能幹同質化的事。我認為這三者結合還有一個更重要的落腳點，就是用戶價值，所有新的技術終究是為用戶服務的，他能不能帶來更高的價值，讓用戶受益。

舉一個例子，今天是父親節，又是周日，我們有幸來到賈可博士的論壇，因為賈可博士每年都會給我們帶來不一樣的啟發、不一樣的觀點。

假如說我今天要從武漢開車到北京，1000多公里，我們的自動駕駛解決方案，我們的智能座艙、大模型等，能不能讓我有一個更加舒心安全的旅途，能不能讓我開車的同時，又能開會，當然這個不能提倡，然後讓我在旅途中間有更好的補能體驗，更好的交互體驗，我覺得這是很重要的事情。

如果三者結合能最終給用戶帶來的價值最大化，那用戶就會選擇嵐圖。如果我們做得不好，他可能會選擇台下黃總的星途。所以我覺得終究還是要回到用戶價值，這是我想補充的。

周令坤：謝謝李總的補充，我期待的一個答案就是回到用戶身上去。好，伍總，您怎麼看待這個問題？

伍軍：實際從我們來看，主機廠投入All IN AI比較少，因為現在主機廠的壓力非常大，像彭鋼總說了，我們也是北汽的供應商，幫他們做諮詢的項目。彭鋼總的需求很清晰，就是要解決線索獲取，種草養魚的事情。

但是絕大多數AI大模型的公司實際上是解決他們擅長的這些模塊的問題，我認為不應該是車企All in AI，應該是AI大模型公司All in車企。大家看華為的例子，它的ABU團隊四五千人投入這麼久，造出了現在行業裡面相對比較優秀的自動駕駛的水平，然後跟賽力斯、嵐圖和極狐等有很多的合作。他這樣的一種先投入，然後再獲取收益，所以我們可以看它的車估值也很好，也賺錢了。

所以我認為AI大模型的公司應該拿更多的融資，養更多的團隊，投入到現在中國第一支柱產業汽車，這樣做出更多最實用、最有效的工具，幫助我們解決汽車營銷端和智能座艙、智能駕駛所有端，這些需要大模型不斷更新，解決消費者使用價值的問題。這樣自然車企會減少他其他費用的投入，會增加在AI上的投入。謝謝。

周令坤：謝謝伍總。

剛才6位嘉賓都提到了這些數據，在數據這邊我也剛好想到了一個課題，在中國這邊有了AI離不開數據，就是原材料，我們國家有遠見地把數據作為要素在提，去年把數據進入資產負債表的法律障礙都掃掉了，今年第一季度大概有20幾家公司已經披露了數據資產在資產負債表裡面。

所以這個其實對於投入人工智慧、投入數字化轉型有另外一個維度的收益，就是它未來可以變成你資產的一部分，也可能對企業有更多的收益。其實對於我們無論是站在甲方角度應用它，還是站在乙方角度賦能它，都帶來一個新的篇章。

時間原因，最後一句話，大家不要超過兩句，回到我們今天的辯題裡面，叫「AI能改變中國汽車營銷嗎」？大家一句話表述一下，就是你心目當中的AI營銷願景，我想從伍總這邊開始，我們每人一句話。

伍軍：我認為，AI最終就是解決我們營銷當中每個環節的痛點，從集客到成交，它只要解決了應用場景的痛點，相信AI一定會對所有的行業都會賦能。

周令坤：感謝伍總。李總。

李博曉：剛剛在第二個問題的時候說了，我們還是積極主動地擁抱AI，用人的智慧，再加上AI大模型，能夠為車企，為組織帶來更好的賦能。

周令坤：謝謝李總。有請張總。

張繼生：我的最後一句話是用最先進的技術，讓中國的企業真正做到適銷對路。

周令坤：特別好，很務實。陳總。

陳柳霞：我們希望打磨極致的AI技術，能夠更好地服務好垂直行業。

周令坤：好，謝謝陳總。彭總。

彭鋼：作為主機廠，我希望AI技術能夠更高效幫我們提升連結客戶的能力，以及更加全面精準地展示我們的品牌和產品。

周令坤：謝謝彭總，韓總。

韓東：我相信剛剛的討論這個答案已經很明顯了，我相信是能的。

周令坤：好，非常感謝六位嘉賓的精彩分享，我們今天的辯題「AI大模型能否改變中國汽車營銷」，經過剛才一個多小時大家的討論，答案是不言而喻的。再次感謝我們在場的各位嘉賓的認真聽講，也感謝線上大家的關注。今天我們這個論壇到此結束，謝謝大家！