# 批量生素材、模型筛网红|与飞书深诺Meetsocial沈晨岗聊AI时代的出海营销

> 晚点聊 LateTalk No. 162 精读

- 发布日期：2026-04-26
- 主持：程曼祺 等
- 原节目：https://www.xiaoyuzhoufm.com/episode/69ee92ac39e27ffab2e33e5c
- 网页版：https://latetalk.qiaomu.ai/ep/69ee92ac39e27ffab2e33e5c.html
- 精读字数：约 7393 字（阅读约 16 分钟）

> 本文为 latetalk.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

2025 年春节，一家做短剧出海的公司给飞书深诺提了个需求：一周内要 6000 条视频剪辑创意。放在过去，这是个不可能完成的任务，团队加班加到天亮也做不出来。飞书深诺用一套人机配合的流程交了出来，客户的广告日耗从几千美金冲到十几万美金。花得越多，说明效果越好，才会持续加投。

飞书深诺创始人兼 CEO 沈晨岗（Charles）在《晚点聊》里讲了这件事。这家公司做了 12 年出海营销，服务过安克、小米、米哈游、莉莉丝、字节、美图，也服务超过十万家中小企业。用他的话说，公司从成立第一天起就在做数字化，2015 年就建了第一代数据仓库，当时花了一两百万人民币，对他来说是巨款。

这期节目由《晚点 LatePost》主笔高洪浩主持，聊的是出海营销怎么被 AI 改造：中国企业出海从卖货到做品牌的变化、中美 AI 营销生态的差异、Agent 到底能不能直接卖给客户、创意和审美为什么反而更值钱。沈晨岗的很多判断并不讨巧，比如他明确说现在市面上大部分所谓的 Agent 都说不清楚自己能交付什么商业结果，飞书深诺的 Agent 只在内部用，不拿出来单独卖。

## 出海的三级台阶：商品、产品、品牌 04:17

沈晨岗把出海分成几个阶段。最早是商品阶段，把货卖出去就行；然后是产品阶段，商品有了综合价值，不只是原始功能；再往上是品牌阶段，产品能对用户心智附加身份和情绪价值；最终出海的是一个有生命力的企业。

他拿手机举例。只是商品，华强北把组件组合起来就能卖。贴个 LOGO、做个白牌，算是进入产品阶段。要形成品牌，得像小米那样，把产品跟自己的精神、研发能力结合起来，走向真正的企业全球化。

按这个框架，飞书深诺成立后的前十年，也就是 2013、2014 年开始运营的那段时间，主流是中国商品出海，一部分到了产品阶段。从 2025 年开始，他认为更多企业进入产品和品牌阶段。**前面十年大家最看重流量，只要有流量就能把货卖出去，当天回本、一周回本、一个月回本，就大量卖，这是销售思维。现在讲营销，除了销，还有经营的营。**

为什么早年的企业不注意营销的力量？沈晨岗的回答很直白：那时候买了流量就能卖货，根本不会去思考后面更复杂的部分。任何人有机会的时候，一定会最大化那个机会，把所有资源都投进去。这无可厚非。

变化是被逼出来的。流量成本上升，同质化竞争加剧，你卖衣服我也卖衣服，你卖充电宝我也卖充电宝，靠价格竞争的路越走越窄。领先的、有危机感的企业开始意识到，要建立更高阶的竞争力，只能在产品功能、设计、品牌上往上攀升。

还有一个推力来自媒体平台。早期卖货阶段的竞争集中在成本上，副作用是偷工减料、违规擦边越来越多。平台把这条路堵得越来越死，企业只能去做难而正确的事。

> 你越 AI 化，数字化的沉淀会越多，你的迭代的速度和效率会更高，你的成本就会更低，你的量能获得更大，这就形成了正反馈。

## 安克做对了什么，二代创业者又不同在哪 12:32

沈晨岗拿安克当转型成功的样本。安克起步时也是商品销售，创始人没有太多资源做产品和品牌。但在积累商品销售的同时，他们已经在有意识地打造产品和品牌能力。做充电宝、充电线，就把前面赚的钱投进研发：充电线怎么做得更好，充电宝效能怎么提升，接头的工艺怎么改进。产品竞争力形成优势，营销上同步建立品牌，让消费者记住、喜欢，再慢慢爱上。

他的评价是，这类企业的创始团队在认知上一开始就处在较高位置：做第一步的时候，已经在为第二步铺垫。

另一类变化来自二代创业者。沈晨岗提到美特斯邦威的公子，在海外创立新品牌出海，做法和上一代很不一样。一代企业做产品、做销售，有很强的惯性，怎么生产组织、怎么看市场、怎么运营，都定型了。二代更了解海外消费者要什么。

从商品到产品，本质是从「我生产出来想卖掉」变成「用户需要什么我来生产」。沈晨岗说，走到产品和品牌阶段的主理人，都会很关注用户在产品上的关注点是什么，产品该怎么迭代去满足需求。安克每年做大量用户调研，小米也是，飞书深诺会支持这些企业做数字化的全球调研，了解市场，判断产品往哪个方向演进，从而走在竞争对手前面。

飞书深诺在 Meet Brands 报告里提过一个衡量出海品牌潜力的模型，叫 D-MES。D 是 digital competence，数字化能力；M 是 mental dominance，心智影响力；E 是 product evolution，产品创新力；S 是 sales performance，商业转化力。

沈晨岗承认，名字念起来顺口也是考虑之一。但模型本身是对前面那条价值链的倒序描述：商品对应销售转化，产品对应产品迭代，品牌对应心智影响。D 被单独拿出来，是因为数字化贯穿所有能力，是个乘数，乘以各个维度。**他举欧莱雅为例：渠道销售强、产品迭代强、品牌影响用户心智强，但外界没看到的是，最近三五年它在数字化上投了巨量资金，做整个业务流程和企业的数字化转型，包括线上线下店铺的所有数字化能力。这层支撑决定了金字塔塔尖的企业能站多高。**

数字化能力分两层。一层是提高现有运营框架下的效率，比如星巴克的小程序点单、电子支付和会员体系打通，消费记录和用户档案整合，企业能根据忠诚度计划给出反馈。另一层是决策的效率和质量，供应链怎么排、运力怎么分配、激励怎么做，都能靠数字化快速反馈、快速调整。两家企业同一层面竞争，谁对市场和消费者的反应更快、认知更准、行动更到位，谁就赢。

## 共识是 AI 重要，非共识是 AI 到底能解决什么 22:47

聊到营销行业怎么迎接 AI，沈晨岗给了一个很形象的概括。共识是 AI 很重要，明天就要用。非共识是 AI 到底能解决什么问题，每个人心里的标准差异很大。

他在管理群里发过一张漫画：AI 重不重要？重要。AI 能解决什么问题？不知道。什么时候上 AI？现在。他说这张图很形象地描述了当下 AI 应用的现状。

麦当劳荷兰那支 AI 节日广告翻车，在他看来是典型的不匹配：AI 能做的事，和它被希望做到的事之间，差距太大。用 AI 可以，但用到什么程度、解决什么问题，要先想清楚。

做创意最容易踩这个坑。现在用 Sora 之类的工具，跟 AI 说一句要什么创意，图和视频很快就出来了。但商业图片和视频有商业目标、有约束条件：这个创意是要更多人喜欢、更多点赞，还是更多人购买、注册、下单？目标不同，创意该做成什么样，这个问题现在还没有很好的回答。

> 你做了个很漂亮的东西，但是没有人为这个广告来买你的东西。做这个广告的目的和意义何在？

客服是另一个例子。标准化的问题，AI 答得很好，通用能力强。但涉及重要决策，比如判断客户要不要在某个媒体上花钱，AI 只要错一次，对客户的影响就是致命的。沈晨岗拿自动驾驶类比：系统出错的概率号称比人低很多，仍然不能合规上路，因为只要出一次问题就是大问题，背后还有谁来为商业结果负责。**AI 很难对高价值的商业决策负责。**

他自己对 AI 冲击的感知是渐进的。ChatGPT 出来时影响最大，那种影响并没有让他马上联想到行业会被怎么改变。他看到的是一件事：知识被通用化之后，变成了一种极其高效、个性化的知识分发能力。客服场景最早被渗透，因为对话式交互天然适配，而且客服成本高、对能力要求相对没那么高。但真做起来才发现，取代没那么简单。AI 出现幻觉，本质是对事情的理解深度不够，理解不够就判断不了做得好不好，也就很难往更复杂的场景扩展。

他把 Anthropic 在 AI coding 上的进展称为革命性的跃升：原来要 100 个工程师写的代码，coding agent 能在很短时间内做到很高水平，人只负责审核、校验、管理。全球领先科技公司的编程工作量，大部分已经交给 AI。但即便能力很强、潜力很大，落到实际商业场景仍是渐进过程。

过去三年，营销行业最先被改变的是内容生成。视频创意、文字、片子，原来高成本的制作场景，一下变得成本更低、门槛更低、效率更高，可以同时交付很多。再往深走，基于数据的策略层面，AI 能力还在演进和打磨。

沈晨岗把 AI 在营销里的作用也分两层。一层是提高执行速度和执行量，像程序化代码一样，执行快、量大。另一层是高价值的决策判断，难度大得多。优化师每天面对成百上千个决策点：这条广告还留不留，Meta 上的出价要不要调，谷歌预算要不要减，日本市场的投放要不要加。这些决策累加起来影响最终结果，目前大部分还得靠人，因为花钱的决策容错空间小。

他的比喻是招一个刚毕业的博士来做营销运营，也很难一下子独当一面，要跟着师傅看为什么这样调广告、为什么这样做营销，积累认知之后才能自己判断、自己负责。AI 也需要这个过程。直接调一个大模型就让它做决策，做不到，得在业务环境里构建自己的决策模型，构建的过程就是学习和迭代的过程。

## 硅谷看了一圈，中国的应用跑得更快 34:07

沈晨岗去硅谷待了几周，见了 Meta、Google、英伟达，还有不少创业公司和前沿的领导者。他的观察是，硅谷对 AI 的热情非常高，咖啡馆里都在聊 AI 项目，大厂出来创业的人非常普遍。但整体上，硅谷更重视基础模型、巨深智能模型的研究。特定行业的应用，尤其结合业务的应用，中国的速度和迭代程度更快。

原因有两层。中国有更多场景，to C 的消费场景、to B 的业务场景都多，产品应用推得快。美国市场发展程度高，很多需要 AI 引入来改变的场景，反而更难动。

他把 AI 定义为一种智力能力，要把它结合进业务和服务过程，就得对业务流程做重组。**就像当年互联网出现要重塑业务流程一样，你得重新思考 AI 和 Agent 怎么在流程里创造价值：降成本、提效率，还是提效果。**

后发在这里是优势。先发者的业务流程早年已经固定，调整非常困难；原本没有成熟固定流程的地方，调整反而容易。他讲了个不完全相关但能说明问题的例子：美团有一套很强的餐饮管理系统，是重要的数字化能力，想推到美国市场。但美国餐饮店的结算和管理系统已有沉淀，上下游嵌套在一起，明明知道新流程好，改变成本巨大，大家没有动力。中国因为变化和竞争密集，改变的动力远高于美国同类企业。

营销生态的差异也在这里。国际营销公司有很强的历史运营惯性，组织上和意识上调整都难。飞书深诺是数字化原生企业，2015 年就建第一代数据仓库，用惠普和 Tableau 的系统，把所有媒体、创意、广告运营的数据沉淀在一个系统里。传统广告公司的数据分散在各个子品牌、各个旗下公司，互相不通甚至互相竞争，客户服务层面做表面整合，本质上没有数字化连接。

要做 AI，前提是有数据。想给广告客户提策略建议、做预算调整，得知道历史上钱花在哪里、哪些花得好、哪些花得不好。以前有数据但没有计算和分析能力，AI 补上了这一块。**美国很多企业要先打碎自己再重组才能用好 AI，沈晨岗的判断是这几乎是不可能完成的任务。**他拿诺基亚类比：明明看到方向，就是转不过来。

## Agent 说不清交付什么，就先别拿出来卖 42:16

市面上不少出海营销平台在做自己的 AI 甚至 Agent 产品，飞书深诺显得克制。沈晨岗解释了原因。他在一个场合提过一个问题：能不能定义一下什么叫 AI Agent？他认为现在没人说得清楚，最终还是要和它能完成的任务、解决的问题对应起来。

市场上大部分所谓的 Agent，很难把自己和明确的工作目标、商业结果对应起来，只能定义很模糊的抽象结果。比如「做市场调研」：什么算有价值的市场调研？什么算合格的、客户能用的结果？讲不清楚。只是通过大模型搜一下同行信息再汇总，也可以叫市场调研，但工作结果的精确化和量化程度远远不够，很多地方根本没有能力衡量。

所以飞书深诺的 Agent 大量在内部使用，和人类专家一起工作。专家用 Agent 产出结果，再把结果变成客户需要的、可明确交付价值的东西。**沈晨岗的原话是，不能说自己都做不到的事，那些是不负责任的说法。要么让客户测试玩一玩，真要创造价值，得有更严谨、更负责的态度。**

内部的用法是把大任务拆成很多小节点、小 Agent，层层嵌套。以创意为例：先理解客户想做什么创意、要达到什么结果；再规划创意策略，用什么内容表达什么结果；然后决定制作方式，图片、视频还是实拍；制作环节，做图有做图的 Agent，做视频有做视频的 Agent，质量检查还有另一个 Agent；这些 Agent 由产品经理或项目经理调度管理，最终交付给客户。客户的特殊要求，比如 logo 放在什么位置，也变成标准化作业流程嵌进去。

结果是，做一个创意的成本比之前极大降低，效率极大提升。原来一天做 5 到 10 个创意，现在可以做几百甚至上千个，取决于需求的标准化程度和复杂程度。整个过程被数字化管理下来，哪些步骤可以做得更好，数据反馈给 Agent，人在旁边告诉它什么好、什么不好，它在这个框架里学习。

春节那家短剧客户就是这套流程的产物：一周 6000 条视频剪辑创意，广告日耗从几千美金到十几万美金。沈晨岗说，春节的时候不可能靠加班堆人做出来。

## 创意便宜了，质量成了杠杆 49:27

效率高、成本低之后，真正稀缺的是什么？沈晨岗的答案是质量。能做很多是一回事，做到一分好还是五分好，差距巨大。而且创意的成本不只是制作成本，还关联着投在这条创意上的广告投放费用。**质量差百分之一，最终效果可能差百分之十以上，投放效果会被放大。**

高质量创意牵涉对制作流程的认知和分解。一个创意有颜色、场景、元素等非常多要素，让大模型打标，成百上千个标签都能打出来。但如果没有方法和逻辑去描述怎么做出好创意，AI 自己进化不出这种能力。人得先把知识场景抽象出来，教会 AI，AI 才能沿着这个框架迭代。

他的类比是算法：AI 算力很大，能算很多东西，但没办法自己创造一个算法。算法一定是由人抽象、整理出来，再交给 AI。AI 突破不了认知的基础理论框架。

这就引出人才结构的变化。高洪浩问，新人如果不再从传统工作里积累审美和判断，机会是不是变少了。沈晨岗认为变化是肯定的，但不用思考的部分本来就应该被商品化。可商品化的知识，AI 能更广泛地传播，这方面的能力不需要很强，需要增强的是更上层的抽象思考能力。

他拿计算器举例：现在很多人不会多位数乘法，能力确实退化了，但这些知识已经工具化、外化了，不需要记住。重要的是知道在什么场景下用什么工具。桥梁工程师可能不会开根号，但知道用计算器能开出准确的数，然后在这个基础上搭建更复杂的业务思考。跟机器系统竞争简单计算能力，价值已经很低。

有客户问，上了 AI 能不能承诺 ROI 至少提升 30%？沈晨岗的回答是，这要基于对客户目标和现状的评估。你是什么产品、当前 ROI 什么样、为什么是这个水平，把这些变量输进来跟模型匹配，某些情况下可以承诺。但不同客户情况不同，没法做通用承诺。能做通用承诺的，一定不在高价值的量级上解决问题。

他见过最大的误会，是客户把 AI 神化，以为接上一个东西就有魔法，收入能提升百分之多少，利润率能提高百分之十。**真正高价值、复杂的命题，不可能靠 AI 一句话回答，必须逐层解构，找到 AI 能力能匹配的环节，用多个 Agent 组合起来解决相对复杂的问题。**

## 服务商会消失吗，以及三年五年后的样子 57:07

企业自己都能用 AI 了，服务商的价值是变强还是变弱？沈晨岗从两个层面回答。

第一，同样做一件事，能力和性价比完全不同。为一个客户一个项目建起来的 AI 基础设施，可以复用到十万家客户身上，成本摊薄。企业自己做，要独自负担所有成本，账算不过来。

第二，数据和训练是单个企业达不到的。飞书深诺系统里每天沉淀和学习的广告花费数据超过两千万美金，学习的速度和质量，单个企业没法比。对企业来说，更好的策略是用好服务商。

飞书深诺还设了一个独立子品牌，叫 Meet Experience（蜜月科技），帮企业建自己的数字化能力：从建网站开始，到用户数据收集系统、用户数据管理系统、用户运营的数据管理系统。原因很实际：很多客户广告效果不好，是自家网站的数据收集有错，底层没调好，广告怎么可能做好。帮客户调好之后，有时广告营销上抠百分之一二的提升，不如数字化基础简单调整带来的百分之十、二十。**沈晨岗说这是乘数效应，不是加法，只做好自己那部分不够，客户那部分也得做好。**

说到三年、五年后的营销行业，他给了三个判断。

一是匹配效率继续提升。好产品通过好广告、好媒体，在用户手机上被看到，然后喜欢、购买，这个过程的效率还在加速，全球数字营销的增长率还会提高，更多用户进入数字世界，更多产品通过数字营销推广，创意和执行成本还在降。

二是中小企业能和大企业站在同一条起跑线上。传统数字广告、视频广告、TVC 只有大企业花大钱才能做，现在几个人的小企业也能做高品质创意，低成本向全球合适的用户营销。门槛极大降低，营销在平民化、民主化。

三是营销数字化和商业数字化连接得更紧。营销不再只是投广告，而等同于企业经营。安克这样的企业，从广告投放的用户反馈里知道用户喜欢什么产品、什么产品喜欢度在升、什么在降，反馈给上游决定增产、减单、砍产品，再跟供应链和生产连起来，形成数字神经中枢的反馈系统。反应更快、决策更好，就是新的全球化竞争时代的竞争力。营销环节汇集了大量用户和产品的交互界面，看没看、喜不喜欢、点没点赞、转没转发、有没有注册、有没有购买复购，都发生在这个界面上，它会是企业极其重要的数字运营和决策入口。

被问到 AI 来了之后有没有焦虑，沈晨岗说战略上没什么太大焦虑，焦虑在具体场景和战术实现上。逻辑上能想象创意流程该怎么重组，真到业务流程里调整，要让团队理解转变的意义，在实际工作里改变已有做法、加入 AI 流程，难度比想象的大。他的焦虑也来自这里：谁调整得更快更好，谁就占先机，而这不是一个人能完成的，要整个团队一起转。他补了一句，觉得难的同时也觉得有机会，因为自己觉得难，别人可能更难。

节目最后，他给今年准备迈出出海第一步的创业者三句话。一是长期主义的认识尽量放远，同时平衡好眼前第一步第二步的生存。二是从一开始就重视数据技术，到中后期再补，成本巨大。三是现在已经不是小团队包打天下的状态，要选好合作伙伴，很多客户不相信合作伙伴能解决真正的问题，反而给自己造成障碍，好的合作是事半功倍，是乘数效应。

把这场对话听完，能带走的判断大概有三条。出海的门槛在降，但竞争范围在扩大，靠流量套利的窗口在关闭，产品、品牌、数字化的复利在打开。AI 在营销里最先兑现的是内容生成的量和速度，高价值决策仍然要靠人加 AI 的流程，谁把流程拆得细、把数据沉淀得厚，谁的乘数就大。对创业者来说，早一点把数据基础设施搭起来，早一点找到能复用的伙伴，比追一个说不清交付什么的 Agent 概念更实际。