营销AI化智能体平台商业模式探索 - 详细版

1. 现状与起点

1.1 老板给的模糊方向

1.1.1 一句话概括老板描绘

1.1.2 老板提到的关键词

1.2 当前明确yes/no

1.2.1 做什么 / 不做什么

1.2.2 是什么 / 不是什么

1.3 我们的基因·禀赋·硬约束

1.3.1 资源禀赋清单

资源	在模式中的位置	叙事潜力	说明
自营媒体资源	对供给端的核心钩子	高	高铁媒体覆盖550+城市、6000+点位 商圈LED自营3个核心地标：成都太古里国金时代、北京王府井、广州天河路壬丰大厦 可用于内部价/免费给种子Agent做曝光 8项资源中最"硬"的——可验证、可量化、Agent能直接受益
创始人资源	冷启动的超级武器	高	①金字塔top级营销资历——20年营销行业深度经验，对营销全链路有认知框架 ②客户资源——积累的品牌广告主关系，冷启动种子客户来源 ③人脉关系网——资源对接（Martech/大厂）、人才引进（懂垂类know-how+做过业务+懂产品）、know-how探索（快速摸清行业）
行业know-how	认知壁垒与垂类深度	部分验证	①户外品牌广告——20年经验可沉淀、具象化为know-how，目前最深的强项（媒体策划、创意设计、投放执行） ②非户外垂类营销赛道——其他垂直赛道的know-how需要靠陈总人脉挖人才补齐，自己短期做不到全链路覆盖
户外非自营媒体整合交易平台（已实现1.0+MVP）	产品能力验证+技术底座参考	高	1.0已实现全链路：媒体主注册→资源上架→平台定价确价→库存分配→销售策划→报价→下单→订单分发→上刊执行→监播监拍 MVP：以售前策划媒体展示为核心，重点在媒体视觉展示、竞屏对比、竞争客户案例对比等促销售功能 已注册1700+块LED屏（1100+个媒体主），证明团队有从0到1搭建交易平台的技术和产品能力
上市公司平台	资本整合工具+信用背书	有限	对Agent有信用背书价值（不会轻易倒闭） 参股需要真金白银，降本增效下不是起步选项 上市公司身份对人才吸引和市场预期管理有正面作用
政府关系	信息优势+资质准入	部分有效	在算力补贴申请（窗口获取、材料审核、综合评审）、招标情报获取中有实质作用 核心客户是市场化民企时价值有限
顶级AI研究机构资源（待确认）	技术壁垒+供给端筛选池	高	依托清华人工智能研究院等顶级AI研究机构资源，可在Agent编排调度、营销大模型微调、多Agent协同等方向探索联合实验室合作 研究机构生态内AI创业公司是优质参股标的 合作机构本身也有品牌背书力，对客户和Agent入驻有信任加成 注：需内部确认具体对接机构及合作层级（联合实验室/教授挂名/学生实习/仅品牌背书）
摩尔线程入股	算力弹药储备	长期	不是起步资源 平台走到算力聚合阶段时，可作为国产算力供给来源，降低算力成本 起步阶段不使用

1.3.2 人才与组织约束

维度	现状	影响
当前技术人才	传统互联网研发方式的中等水平技术人员（平台研发+IOT软硬件研发），正通过学习获得一些基础的利用AI工具做开发和测试的能力	中等 有基础研发能力，但距离AI产品开发有差距，需学习提升
AI技术人才	仅有1个中等水平技术负责人，会用AI开发但产品串不起来	严重 自研Agent需5-8人团队，当前连1个能独立搭Agent的人都缺
产品经理	缺乏真正能用的产品经理，无论是传统互联网产品还是AI产品	严重 从想清楚到产品化之间缺少关键角色，需求无法有效转化为产品
AI思考层	只有创始人+你（2人）能对AI有思考。强调AI赋能/长出第二曲线业务的思考，而不是技术思考	严重 从想清楚到落地之间有巨大鸿沟，且思考需聚焦业务赋能而非技术本身
销售团队	传统户外广告销售，几乎无人能理解AI平台模式	严重 产品即使做出来，现有团队也卖不出去
媒介团队	纯传统的商务媒介，原本1.0平台已经磨合得差不多可以搞定媒体主，但如果是AI，未必见得用得上	待定 传统媒介能力对AI平台的直接价值有限，但媒体主关系网络可复用

维度	现状	影响
投入约束	公司正在降本增效裁员，苏总虽有改革决心，但新业务资源"挤牙膏"式供给——不做重资产投入，须以小博大	严重 不能重金投入，MVP必须极小、快速出结果拿到资源
体制惯性	20年传统户外广告公司，高度集团管控，流程效率低，整体缺乏对新事物的探索欲和危机感	严重 决策慢、试错空间小，新业务推进需老板持续推才能动
上市公司约束	需要给市场预期，不能闷头做太久不出声；但又不能过度承诺	中等 节奏要求：1个月摸行业、3个月链接企业、尽快出可对外说的成果
业务模式惯性	销售和媒介团队以传统客勤关系、价格战逻辑售卖媒体，case by case服务，无标准化产品思维	严重 现有销售体系卖不了AI产品，初期需创始人亲自下场或新建小团队
集团管控与决策效率	高度集团管控，管理不扁平，跨部门协作有各种流程约束；重要决策不仅效率低，甚至会陷入沟通过程的恶性循环	严重 新业务必须用"特种小分队"独立运转模式，嵌入现有管控流程必被拖死
创新试错文化	非互联网基因企业，缺乏快速试错、迭代的文化；过去非自营LED平台做了2年但商业没跑通，组织对新业务信心有限	中等 第一个MVP必须快速验证成功，否则内部支持会迅速消退
决策层认知对齐	仅创始人（+1助手）2人深度思考AI方向，高管层和中层几乎无人真正理解AI平台逻辑	严重 战略传达和执行断层风险大，核心决策高度依赖创始人个人推动

1.3.3 当前已达到的数字化基础

1.3.4 数据资产硬约束决定性约束

2. 宏观环境扫描

2.1 Martech与AI agent渗透率

本节回答市场有没有真金白银的预算流入？AI营销渗透率到什么阶段了？

AI Agent营销渗透率

数据来源：Gartner 2025 GenAI部署调查、Forrester 2025企业AI采用率、甲子光年、公开案例综合。注：供应商宣传10x效率为理想场景，实际含人工审核后约2-3倍。

需求真实性铁证：头部企业已在自建/采购

2.2 营销AI产业生态分层架构

2.3 政策环境

时间	政策/事件	对平台的具体影响
2023.7	《生成式AI服务管理暂行办法》	合规红线 • 面向公众的生成式AI服务需备案 • 平台责任：承担内容合规主体责任 • 准入门槛：所有入驻Agent必须通过我们的合规审查——反而成为价值点（客户不用自己逐个审查）
2023.5	《互联网广告管理办法》修订	直接相关 • AI生成广告必须显著标注"广告" • 算法推荐广告需可关闭 • 必做功能：自动加广告标注、AI内容标识 • 差异化：帮Agent和客户规避合规风险
2024.3	"AI+"行动方案（国务院）	鼓励方向 • AI+营销被明确列入国家战略 • 不是政策灰色地带 • 加分项：ToB/政企客户拓展时的"政治正确"
2024-2025	《生成式AI安全基本要求》+算法推荐规定	合规成本 • 训练数据合法、内容可追溯、算法可解释 • 利好我们：合规门槛淘汰小团队Agent，供给向正规平台集中 • 必做能力：内置审核、来源追溯、推荐开关
2025-2026	广电总局AI音视频内容管理规定	间接关注 • AI漫剧/短视频/数字人需标注审核 • 影响场景：数字人直播、AI短视频生成 • 必做功能：接入此类Agent时内置标注能力 • 再次淘汰不合规小玩家
2025	算力基建+多省市算力券/AI补贴	成本红利 • 多省市算力补贴30-50% • Phase 1不直接用 • Phase 2价值：帮入驻Agent申请补贴 → 降低供给端成本 → 增加平台吸引力
2025-2026	数据要素×三年行动+数据资产入表	长期利好 • 鼓励企业数据资源化、合规流通 • 潜在资产：平台沉淀的场景/效果/上下文数据未来可估值 • 驱动需求：企业更愿把数据接入AI应用 → RAG知识库需求增加
持续	数据安全法/个人信息保护法（PIPL）	硬性约束 • PII不能在Agent间随意流转 • 平台角色："数据流转信任中介"——统一做脱敏/权限管控 • 竞争优势：国内上市平台比海外SaaS更适合外企/合规敏感客户

省市	补贴比例	年上限	适用条件
北京	30-50%	200万/年	国产算力优先
上海	30-40%	150万/年	AI应用示范
成都	30%（非自主）/50%（自主）	300万/年	先花后报，需合同
深圳	20-40%	200万/年	本地注册企业
杭州	30-50%	100万/年	中小企业优先

数据来源：各省市经信委/科技厅公开政策文件，2025-2026

2.4 技术趋势

技术方向	成熟度	对平台的具体影响
多Agent协作框架 AutoGen/CrewAI/LangGraph/Dify/Coze	中期	• 框架已就绪，但面向开发者而非业务用户 • 我们要做：在框架之上做营销场景业务抽象层 • 结论：不用自研，基于成熟框架封装即可
API标准化 类OpenAI格式	成熟	• 主流国产模型全面兼容OpenAI API • 结论：Agent接入壁垒已被打掉
推理成本下降 年降80%+，国产更便宜	持续	• 中小团队做垂直Agent门槛持续降低 • 供给池越来越大 • 端侧小模型进一步降本
微调成本下降 QLoRA等，单卡可微调7B-13B	成熟	• 垂类Agent定制成本从几十万降至几千 • 结论：垂直Agent供给持续爆发，纯微调不构成壁垒
RAG/私有知识库	成熟	• 企业可接入品牌手册/产品资料/案例 • 无需重新训练模型 • 结论：Agent定制门槛大幅降低，供给更丰富
多模态生成 图文/视频/数字人	快速成熟	• 文生图已商用；文生视频快速迭代 • 数字人直播成本降至月均几百元 • 结论：客户感知最直接，但技术不构成壁垒，关键在场景理解
MCP/A2A互联协议 Anthropic MCP + Google A2A	早期	• 目标：让不同厂商Agent互相调用/共享上下文 • 若成功，跨Agent编排成本大幅降低 • 结论：长期利好，但不宜押注
国产大模型追赶	成熟	• DeepSeek/通义/文心中文能力接近/部分超GPT-4 • 价格仅为GPT的1/10-1/3 • 结论：无需绑定OpenAI，无卡脖子风险；信创要求下国内平台相对海外工具有优势

数据来源：各框架官方文档、国产大模型定价公告、MCP协议规范、行业技术报告综合，2026年6月

2.5 融资热度

公司	融资金额	轮次	方向	备注
微盟WAI	战略投资	上市后	零售AI Agent	单点导购能力，零售场景
迈富时	IPO	港股上市	AI-Agentforce中台	数据分析+智能导购，中台模式
原圈科技	B轮	亿元级	内容智能体	内容创作/社媒种草，垂直能力
云智科技	B轮	亿元级	营销AI全链路	全链路产品，但非开放平台
深演智能	C轮	数亿元	AI营销决策	营销决策Agent
BetterYeah	A轮	数千万元	AI Agent开发平台	封闭开发平台，锁定单生态

数据来源：IT桔子、36氪、公开融资披露，截至2026年Q1

2.6 宏观启示

3. 微观环境扫描

3.1 客户：买单点的人卡在哪了？

外采案例深挖：买单点Agent的客户遇到了什么问题？

品牌方	采购的Agent	使用规模	效果	遇到的问题
柒牌 男装	微盟WAI导购 单Agent·私域	双11全量上线	AI贡献70.6% GMV	⚠ 单点孤立：只有导购，未打通内容/投放/数据分析；导购洞察无法回流其他系统
皇氏乳业 快消	迈富时Agentforce 2个Agent·数据+导购	全渠道部署	打破数据孤岛 统一客户身份	⚠ 人工拼合：2个Agent之间靠人工衔接，无自动上下文流转；新增第3个需重新对接
百丽时尚 鞋服零售	BetterYeah平台 封闭平台·自开发	800+业务子节点	覆盖货品+门店 全流程	🔒 平台锁定：所有应用绑死BetterYeah，无法接入外部Agent（原圈内容/微盟导购）；切换成本极高
雅高集团 酒店	原圈"天工"内容 单Agent·内容	持续使用 小红书种草	OTA曝光+120% 直订15%→38%	⚠ 无效果闭环：内容生成后无法关联投放效果数据；内容Agent不知道什么内容带来了实际转化
Costco中国 零售会员	原圈AI游戏化裂变 单Agent·拉新	10天活动期	18万次分享 转化率27%	⚠ 单场景孤立：裂变拉来的新会员无法自动衔接后续内容运营/私域转化；活动结束即断链

自研门槛：什么样的企业会选择自研？

欧莱雅（15+内部Agent、月活44,000人）和7-Eleven（LangGraph多Agent编排）的自研案例详见2.1需求铁证。以欧莱雅为例：Agentic Platform团队约50人+、立项到全面铺开约18个月、投入千万级。能承担这个投入的企业，全球范围内也是极少数——大多数品牌方（包括年营收数十亿级别的中大型企业）既没有这样的技术团队，也没有等待18个月的耐心。

采购决策链：谁拍板、钱从哪出？

3.2 竞品：空位为什么一直没人占？

三类"看似能做但没做"的玩家——为什么他们不做开放整合？

玩家类型	代表企业	现有商业模式	为什么不做开放整合
封闭开发平台	BetterYeah、Coze、Dify	提供框架+托管，按席位/调用量收费	商业模式冲突：核心=锁定开发者在自己生态。开放整合=让客户接入竞品=自毁护城河。他们的"生态"是封闭花园。
单点SaaS Agent	微盟WAI、有赞AI、迈富时、原圈	做深一个垂直能力，SaaS订阅	基因冲突：做整合平台=从产品公司变渠道商=帮客户接入竞品=抢自己饭碗。微盟的逻辑是让客户更多用微盟。
大厂广告闭环	巨量引擎、腾讯广告、磁力引擎	广告投放平台，赚媒体差价	生态冲突：核心利益=让广告主在自家媒体投放。跨平台整合=帮客户分流预算给竞品。永远只优化自家ROI。

户外媒体AI化现状（兆讯直接竞争维度）

3.3 切入条件：战场的战术参数

本章呈现两类参数，严格分开——A部分是客观市场事实（与兆讯是谁无关），B部分是兆讯自身约束（决定了哪些路走不了）。两者交叉才是可选战场。

A · 客观战场参数（行业就绪度）

宏观数据（2.1已提及）显示各行业AI营销采用率差异显著——这是客观市场进度，不是推荐方向：

产品类型	代表产品	定价模式	客单价区间	对平台定价的启示
单场景SaaS Agent	原圈/秒影/钛铂	月费/年付	月费 3,000-20,000元	单个工具月费天花板约2万
全渠道中台Agent	迈富时/微盟WAI	SaaS年付+实施费	年费 10-50万元	多模块组合后客单价显著提升
封闭开发平台	BetterYeah	席位费+调用量	年付 30-100万元+	平台模式客单价远高于单点
营销代运营/投放	传统代运营公司	月费+消耗分成	月费3-10万+5-15%	客户已有为"服务+省心"付费的习惯

B · 兆讯自身约束（我们是谁决定了什么路走不了）

基因定位：兆讯是20年户外广告传媒公司（高铁媒体550+城市/6000+点位、自营商圈LED 3个核心地标、DOOH平台积累1700+非自营LED媒体主关系+点位信息、品牌客户关系+营销策划+上市平台），不是互联网/Martech/电商公司。副报告《营销nich赛道分析》已通过6条一票否决标准淘汰了不适合的场景方向：

Phase 1 场景选择评估框架

A+B交叉后，Phase 1切入场景需同时满足三个条件（这是评估框架，不是结论）：

3.4 微观结论

4. 商业模式推演重点方向分析

4.1 推演路径纵览

4.2 优势判定

资源（来自1.3.1）	是否成立	对客户	对供给端	对资本市场	说明
① 自营媒体资源	成立	弱	强	弱	供给端最硬钩子——"接入平台，你的品牌免费上高铁LED"，可验证可量化 对客户是增值服务，非核心购买理由 单独讲会被看作"媒体公司套AI壳"
② 创始人资源 20年营销资历+客户关系+人脉网	待量化	待验证	待验证	待验证	若能量化（多少客户、什么行业、多深关系），是冷启动超级武器 "我认识很多人"不构成优势，必须量化
③ 行业know-how	待验证	待验证	弱	弱	户外领域最深，非户外需补人 体现在场景分类框架（55分类/94微场景）和Agent筛选方法论时是认知壁垒 "懂营销"是必要条件非加分项
④ 户外非自营媒体整合平台 DOOH 1.0+MVP，1700+屏注册	成立	弱	弱	加分	证明团队有从0到1搭建交易平台的能力，是产品能力验证 技术底座参考价值大：注册/审核/下单/结算流程可复用 1.0的"京东式重运营联营"模式失败教训为双边交易设计提供直接经验
⑤ 上市公司平台	成立	弱	弱	强	Agent信用背书（不会明天倒闭） 资本市场天然加分——上市平台+AI转型，有资本整合工具 Agent更关心"能给我客户吗"而非"你上市了吗"
⑥ 政府关系	成立	弱	弱	弱	算力补贴获取、资质准入、招标情报有实质价值 核心客户是市场化民企时价值有限 不能作为获客钩子
⑦ 顶级AI研究机构资源（待确认）	成立	弱	弱	强	依托清华人工智能研究院等顶级AI研究机构，可在技术方向和人才方面获得支持 生态内AI创业公司是优质供给端来源和参股标的 品牌背书力强，对客户和Agent都有信任加成 起步阶段不是直接获客钩子 需内部确认具体对接机构及合作层级
⑧ 摩尔线程入股	长期	不成立	长期	弱	不是起步资源——客户不关心算力，API接入不需要自带算力 平台算力聚合阶段可作为国产算力供给来源降成本 长期运营储备，非起步期优势

4.3 模式成立/不成立关键因素

序号	关键因素	当前判断	对路径的影响	说明
1	客户需求验证	待验证	直接决定是否启动	品牌方是否愿意为"AI营销场景包"付费？ 不成立则整个模式不成立 起步唯一目标就是回答这个问题
2	市场空位与错位竞争	存在	直接决定切入点	空位确认："营销AI化组织者"——自研场景包+链接外部Agent+渠道共享 六类对手因基因/商业模式冲突各有"不会做"的方向，交叉地带无直接竞品 详见4.4错位竞争分析
3	供给端冷启动	待验证	直接决定有没有供给端	用自营媒体（高铁LED）撬动第一批外部Agent入驻 6种连接渠道：顶级AI研究机构产学研网络+公开Agent市场+行业榜单+AI营销峰会+媒体合作+GitHub团队 冷启动节奏因起点不同而异：平台优先需撬外部Agent，场景起步可先自研+通用API验证
4	赛道选择	待选	直接决定起步卖什么	从55场景中选定1-2个高价值场景起步 需至少1个自研场景+1个外链场景
5	需求端获客	待验证	直接决定有没有客户	冷启动二选一：创始人关系BD新客户 / 现有客户+现有销售团队续约切入 至少需1-2个潜在客户愿意试

序号	关键因素	当前判断	对路径的影响	说明
6	算力角色	内部降本	不构成供给端正向钩子	第2章已论证：算力不是钩子，客户不买算力、Agent不因算力入驻 摩尔线程入股用于内部降本+API集采，降低平台运营成本 不做"算力聚合服务"，供给方迁移算力池代价过大
7	双模架构可行性	可行	间接决定模式成本是否可控	自研Agent走统一API协议，外部Agent走轻编排（L3不微调） 自研+外链混合架构，不是纯外链平台 若实现基本闭环需上亿成本→需简化架构（详见4.8）
8	团队能力	起步可行	间接决定人才可获取性	起步期：算法1+后端1+老板BD 验证后：算法1+后端2+产品1 若需世界顶尖人才才能做→降维目标或换赛道

4.4 错位竞争与差异化价值

对手类型	他们在做什么	我们的错位策略	为什么不会跟进
大厂 字节/阿里/百度/腾讯	服务自己生态内广告主 核心是"用我的流量池"	跨渠道中立聚合	商业模式冲突：不可能做"帮客户离开我"的产品 "跨围墙编排"是大厂基因里不会做的事
咨询公司 埃森哲/德勤/麦肯锡	人力交付为主 客单价百万级，服务头部客户	AI产品化替代人力	DNA冲突：利润模型是"人天×费率" AI替代人力=自毁利润模型
传统营销公司 蓝标/利欧/省广/华扬	人力驱动的营销服务 项目制/年费制，核心资产是人和关系	AI产品而非人服务	思维冲突：服务思维vs产品思维 做AI产品需要完全不同的团队基因，转型极难
Martech公司 神策/Convertlab/深演	深耕单一技术工具 做深某一个营销环节	跨环节精选编排	DNA冲突：壁垒叙事是"我的技术最深" 接入第三方=承认别人更强，削弱自身壁垒叙事
客户自建 品牌方IT/数字化团队	用Coze/Dify自建 或招团队内部开发	持续迭代的外部精选能力	成本冲突：AI变化太快，自建维护成本远高于订阅 能力冲突：跨环节编排需深度营销方法论，非IT边界 非超大型企业自建ROI极低
构建平台 Coze/Dify/千帆/百炼	提供Agent开发工具/框架 UGC模式，质量参差不齐	垂直精选+现成交付	定位冲突：核心叙事是"人人都能造Agent" 做精选Agent+垂直场景包=承认UGC满足不了企业需求，动摇平台定位

4.5 16种卖法中我们可能能卖什么

#	卖法	卖什么	壁垒	门槛	客户需求验证	市场空位/竞争判断	匹配度	起步/长远	建议
1	卖媒体	广告位、流量分发	资源壁垒	高	有真实需求（高铁LED已有客户）	浅蓝→红海（自营媒体是资源不是空位）	中高	并行	独立业务并行，自营媒体资源可成为平台场景包的组成部分
2	卖Expertise	品牌定位咨询、营销战略、代运营	人才壁垒	中高	有需求但非平台（蓝标/奥美已做）	红海（传统营销咨询公司众多）	低	不做	不做人力交付型咨询代运营，DNA冲突（人天×费率 vs AI产品化）
3	卖洞察报告	行业研究、消费者洞察、趋势报告	品牌壁垒	中	可能有（行业研究是传统需求，需验证AI化版本）	浅蓝（但无明显空位）	中	引流	可作为引流内容，非核心收入
4	卖SaaS	CDP/MA/CRM等工具软件	产品壁垒	高	有需求（CDP/MA是成熟品类）	红海（HubSpot/销售易/国内SaaS已占据）	低	不做	不做通用SaaS工具，红海+大厂壁垒，非我们定位
5	卖算力	GPU云资源、推理API	资本壁垒	极高	有需求（推理API是基础服务）	极度红海（阿里云/腾讯云/火山/百度）	极低	不做	不做，资本密集型，第2章已证伪算力钩子
6	卖MaaS/PaaS	大模型API、Agent开发平台	技术+网络效应	极高	有需求（大模型API广泛需求）	大厂垄断（字节/阿里/智谱/DeepSeek）	极低	不做	不做，大厂游戏
7	卖数据	消费者行为数据、DMP人群包	合规壁垒	高	有需求但受限（合规限制）	受合规限制+红海（数据公司多但合规难）	低	不做	不做，合规风险大，缺数据源
8	卖Skill	单一原子AI能力API	微壁垒	低	有需求（单一原子能力有市场）	小空位但SKU过小（单一能力难成独立业务）	中	组件	Agent/场景包的基础组件，不独立卖
9	卖Agent	封装好的垂直场景智能体	产品壁垒	中	有真实需求（微谋/小匠等有独立客户）	浅蓝（有供给但缺少"好的平台组织者"）	中高	核心组件	自研核心锚点Agent，其余按三层合作架构接入（资本绑定/认证入驻/API集采），作为场景包组件
10	卖场景包 （工作流）	多Agent组合配置+协作的端到端解决方案	认知壁垒	低	待验证	蓝海	最高	核心产品	平台核心产品单元。对"选得对、串得通、配得准"负责，不承诺业务指标
11	卖行业方案	按行业配置好的场景包（行业知识图谱+Agent组合预设）	行业know-how壁垒	中低	有需求（行业客户不想要通用方案，想要按行业配好的）	浅蓝（不跟德勤/埃森哲/行业数字化公司正面竞争，我们做轻量化）	中	扩展	场景包做行业化配置加价卖，不做从零搭建的行业数字化系统
12	卖模型	自研/微调的行业大模型	技术壁垒	极高	有需求（行业模型定制有市场）	大厂垄断（同上+百川/月之暗面）	极低	不做	不做，技术密集型
13	卖培训	AI营销课程、认证、企业内训	品牌壁垒	低	有需求（AI营销课程有企业内训需求）	红海（知识付费平台众多）	中	引流	品牌建设+引流，非核心收入
14	卖人才撮合	AI营销人才匹配、项目外包撮合	网络效应	中高	可能有（AI营销人才紧缺）	浅蓝（LinkedIn/猎聘已做，但非我们定位）	低	不做	不做，与核心能力关联度低
15	卖效果	按效果付费的营销服务	数据壁垒	高	有需求（按效果付费是品牌方偏好）	红海（需极强数据能力+归因）	低	不做	不做，需归因能力，风险高
16	卖生态位/渠道	供给端入驻费+交易抽佣	客户关系+规模壁垒	中	待验证	蓝海	高	核心产品（隐性→显性）	场景包自然为接入Agent带客户（隐性）；平台成熟后开放认证入驻+交易抽佣，最终收入驻费/流量费

4.6 需求端/供给端的可能叙事

对需求端（品牌方）——"不用自己选AI工具，不用自己串AI链路"

维度	内容
客户核心痛点	选择困难：每个营销环节几十个AI工具，不知道选哪个好 账号麻烦：买了一堆工具、一堆账号，管理混乱 数据不通：各工具间数据孤岛，无法形成闭环 不懂配置：买了工具也不会配、不会串、不会用 品牌方缺的不是AI工具，是"信得过的人帮我把工具变成能用的方案"。
我们的增量价值	不做第N+1个AI工具，做"营销AI的精选者+链路编排者"——提供现成的、验证过的、端到端能跑的场景包，帮客户省掉筛选验证和串链路的成本。
价值定性	省试错：不用逐个工具选型测试，我们已验证过 省人：不需要专门团队做AI工具选型+整合，场景包开箱即用 降风险：避免"买了一堆AI工具但串不起来用不起来"的坑
根身份	D（生态组织者）——自研做深核心，链接做广生态。5种身份中排除A（超级SaaS/资源不够）、B（纯商店/冷启动死循环）、E（营销AGI/太远期）。两种模式起步时对外身份不同（平台优先讲D，场景起步讲垂直场景产品升级），详见第7章。

对供给端（Agent开发者）——"我们帮你获客，你专注做产品"

叙事方向	底层优势	对供给端说服力
"我们能帮Agent获客"	客户资源+媒体资源	强
"我们选的Agent一定好"	营销know-how+55分类	中等
"我们有上市公司信用背书"	上市公司+资本	中等
"我们有流量/曝光资源"	自营媒体（高铁LED等）	强

4.7 获客路径与可能的收费模式

客户类型	付费能力	决策链	我们可触达度	判断
中大型品牌方（年营销预算千万级）	强	长（1-3个月）	高	付费能力强；适合做标杆案例；对端到端解决方案付费意愿强；容忍度高，愿意陪迭代
中小商家（本地生活/中小电商）	弱	短（1天-1周）	低	价格敏感，需极致标准化产品+PLG增长；我们无流量优势，获客成本高，不适合起步
营销代理商/服务商	中	中（2-4周）	中	潜在合作伙伴（帮我们交付），不是起步期直接客户
B2B企业	中	长（2-6个月）	低	营销链路和ToC差异大，know-how积累不足，暂不切入

获客方式	适用性	说明
创始人关系BD	核心起步	依赖创始人20年营销行业积累，找3-5家愿意做"共创伙伴"的品牌方，低价或免费换取真实场景验证和案例背书
现有客户续约/升级	核心起步	场景起步模式的核心路径——在现有媒体客户关系基础上，叠加AI能力做产品升级，天然信任基础+低获客成本
标杆案例+行业渠道	验证后	跑出标杆案例后作为销售物料；通过AI研究机构产学研合作、营销行业峰会、自营媒体资源扩大影响力；发展渠道合作伙伴带客
品牌+生态飞轮	成熟期	平台Agent和客户足够多时进入正向飞轮（客户越多→Agent越多→客户越多）；资本投资的生态公司带来协同客户

收费模式	适用性	说明
项目制服务费	起步可用	场景包配置+运营服务费（按单收），适合平台优先模式起步验证
增值服务费	起步可用	在现有产品/服务报价基础上叠加AI增值部分，适合场景起步模式（不改变原有收费结构）
交易抽佣	起步隐性	场景包中第三方Agent实际收款的佣金分成，初期非独立收费项，随平台成熟逐步显性化
入驻费/流量费	验证后	对供给端收取，需有足够客户流量和Agent案例支撑后才可启动
订阅费	验证后	场景包标准化后可转向订阅，但起步期客户不会为未验证价值付月费
按效果付费	不做	需极强归因能力，风险高，且与"对组合质量负责不对业务结果承诺"的定位矛盾

4.8 自研与外链可行技术路线

Agent平台聚合深度五层模型

按"聚合深度"（平台对Agent的介入程度），市面上Agent平台分为五个技术层级：

层级	定义	代表性玩家	商业模式	技术特征	判断
L1 纯目录	收录Agent信息，不做技术接入	各类"AI工具导航站"	广告/收录费	信息索引+跳转链接	信息价值薄，无护城河，容易被跳单
L2 API网关	统一API代理调用，按调用量计费	通用AI聚合平台（大模型API中转）	API调用差价/订阅费	统一Key+路由+计费	做的是模型层非Agent层，价格战驱动，利润被模型方挤压
L3 轻编排	Agent间参数传递链式调用，精选垂直领域Agent	暂无明确玩家（我们的站位）	项目制/订阅/交易佣金	API对接+参数映射+链式编排+精选推荐	价值与可行性的最佳平衡点。价值足够厚（客户愿意付），避开大厂基础设施层（L4-L5）
L4 容器化托管	Agent在平台容器内运行，平台管控运行环境	Dify（开源）、Coze平台（部分）	按调用量/月费	容器编排+沙箱+监控	大厂有云基础设施优势，平台化重，垂直领域难深耕
L5 多Agent OS	统一框架原生开发，Agent由平台原生开发	AutoGPT方向（未成熟商用）、大厂内部探索	平台使用费/分成	统一协议+原生运行时+Agent OS	尚无成熟商用产品，投入十亿级，属另一个物种

自研研发深度：三层九级模型

在L3层级上，自研要做多深？核心分界线是改不改基座模型权重，按此分为三层：不碰模型→训练适配层→训练模型权重。

层级	子层	模式	改什么	投入量级	改基座权重？	范畴	代表/说明
第一层 不碰模型	1a	黄页/目录	纯信息撮合，不做AI	几万级	—	平台	营销服务商自建聚合入口
	1b	纯API调用	调公有API + Prompt，AI全靠别人	百万级	否	平台	小方同学
第二层 训练适配层 （不改权重）	2a	开源基座 + QLoRA微调	训练LoRA适配器，不改基座	几十万级	否	平台+AI	豆包方案1
	2b	混合云：LoRA + RAG	LoRA + 私有知识库，双重壁垒	几十万级	否	平台+AI	豆包方案2
	2b'	厂商私有托管 + LoRA	租云厂商专属实例训练LoRA	几十万级	否	平台+AI	豆包方案3（与2b并列）
第三层 训练模型权重 （改模型本身）	3a	少量SFT（厂商联合定制）	厂商帮做定向领域SFT，叠加LoRA	百万级	是	平台+AI	豆包方案4
	3b	中等规模领域SFT	自研底座做领域SFT + 数百LoRA	千万级	是	平台+AI	利欧数字 LEO AIAD
	3c	全量SFT	开源基座全参数微调	亿级	是	纯AI研发	模型公司赛道
	3d	自研行业大模型	领域持续预训练	十亿级	是	纯AI研发	模型公司赛道
3e		自研基础大模型	从零训练通用模型	百亿级	是	纯AI研发	DeepSeek / OpenAI

商业价值对比

技术复杂度决定壁垒，但商业价值才决定该走哪条路。1a/1b/3c-3e直接排除，可行区间：2a → 2b/2b' → 3a → 3b。

层级	模式	投入量级	落地周期	壁垒	客户粘性	定价权	算力补贴发挥	商业价值判断
2a	QLoRA微调	几十万级	2-4月	★★★	低	中	▲ 出微调算力费	性价比最高起步。有LoRA壁垒，快，便宜，但客户粘性弱
2b	混合云LoRA+RAG	几十万级	3-6月	★★★★	高	中高	▲ 出训练算力费	甜蜜点。RAG让客户数据沉淀，"越用越聪明，离开就变笨"，数据飞轮极深
2b'	厂商托管LoRA	几十万级	1-2月	★★★	低	中	▲受限	最快上线，但非优解。数据在别人机房，大客户不认，托管费持续支出
3a	少量SFT	百万级	6-12月	★★★★★	高	高	▲有限	锦上添花。客户买的是场景包结果不是底座，有收入后再升级
3b	中等领域SFT	千万级	12-18月	★★★★★	极高	最高	—	防御项。利欧模式。投入翻50倍但垂类表现不强50倍，竞品卡脖子时才做

外部Agent合作：合作模式与对接标准

自研QLoRA/RAG/SFT仅用于自研锚点Agent和平台基础能力，外部Agent不干预其技术栈。三层合作架构（深度绑定→认证入驻→API代采），核心原则：不强制迁移技术栈，不碰业务代码/服务器/数据，以"最小改动、真金白银实惠"撬动合作。

外部Agent合作三层架构

合作层级	对接方式	适用场景	撬动方式	技术改动量（Agent侧）
深度绑定 资本纽带	深度API打通 + 联合场景包开发 + 数据回传	核心环节、产品成熟、有客户的Top 3-5家优质Agent	客户资源对接 + 我们出资参股10-30% + 独家/优先合作	中等：按我们的API规范对接，联合调试，不需要迁移服务器
认证入驻	SDK/iFrame嵌入 + 统一账号 + 订单/支付/计费统一	标准化程度高、产品成熟的Agent	我们导客户 + 品牌露出 + 平台流量扶持	极小：嵌入iFrame/SDK，做单点登录对接，1-2周完成
API代采	大模型API统一网关代理	平台上所有Agent都可以用	统一集采大模型API折扣，给Agent让利，零门槛	极小：只改一行API endpoint地址，其他什么都不用动

算力/API补贴：两种方式的可行性对比

方案	Agent侧改动	迁移成本	Agent接受度	结论
共享GPU算力池（要求迁服务器）	业务代码迁移、模型权重迁移、数据迁移、重新部署调试	极高：2-4周~2-3个月，成本十几万~几十万	极低，没人愿意为了点补贴费这么大劲	放弃
大模型API统一集采折扣（不改服务器只改API地址）	只改一行大模型调用endpoint，其他全不动	极低：10分钟改完，零迁移	极高，真金白银省成本，没有理由拒绝	验证后启用

外部对接平台能力递进

阶段	平台需要开发	外部对接方式	自动化程度
起步验证	Agent目录 + iFrame嵌入能力 + 人工配置后台（平台优先需统一账号/订单/支付/计费；场景起步可在现有产品基础上叠加）	人工撮合，运营帮客户选Agent、协调对接；Top 1-2家核心Agent谈参股深度合作	纯人工，不需要自动化编排
规模扩张	API网关（统一大模型API代采 + Agent调用代理） + 轻编排引擎（链式调用、参数传递、上下文流转）	SDK/iFrame标准化对接；启动API集采折扣计划；参股3-5家核心Agent	半自动化：常见链路自动串接，复杂链路人工兜底
生态成熟	开发者门户 + 标准化接入流程 + 可选算力开放	外部Agent自主申请入驻，标准化审核；可选开放空闲GPU算力给合作Agent低成本训LoRA	高度自动化，仅需人工审核

5. 营销nich赛道展开分析

核心结论对营销价值链12大领域·90个核心场景·520个微场景完成四轮漏斗逐层筛选（经R1淘汰135个、R2二次筛查后保留385个L3），最终决策：🛠️建议自研35个（首批25个高价值项≥7分/次批10个中价值项）、🔗建议接入103个（首批18个高优/次批38个/按需47个）、👀观望33个（S0/S1新兴机会保留期权）、❌建议舍弃214个（55.6%，触发一票否决硬约束）。首批合计43个高价值项（11%）构成MVP骨架，行动率36%。六维评分结果显示，自研项高度集中于兆讯有独有场景数据的户外媒体+到店O2O+LBS本地+战略合规方向——这是赛道筛选客观呈现出的相对优势区域，是否以此为核心路径需结合商业模式推演进一步验证。

5.0 营销链路全景：12个L1价值领域

赛道分析前，首先需要理解营销链路的整体结构。我们将营销全链路拆分为12个L1价值领域、90个L2核心场景、385个L3微场景（经R1六条件淘汰135个整L2/L3、R2粒度筛查后保留），三种粒度互补而非替代关系：

5.1 五个关键发现

5.2 四轮漏斗筛选方法论

从520个微场景到最终决策，经历四轮漏斗逐层收敛（R1淘汰数重新统计后为135个而非75个）：

R1：6条一票否决硬标准

以下6条为硬约束，触发任意一条则该L3彻底舍弃（不自研/不入股/不链接）：

#	一票否决标准	判断逻辑	为什么不能碰
1	无数据冷启动	核心价值必须依赖自有线上历史数据才能交付（如CDP/MA/用户画像/效果归因），公开数据无法替代	我们几乎没有线上数据，冷启动死循环——空壳没人用就永远没数据
2	大厂闭环风险	流量/数据/结算全在单一平台内（抖音/淘宝/美团/微信），平台官方工具可直接替代	在别人地基上盖房子——平台改规则、封接口、做官方功能直接死亡
3	基因不匹配·重技术基建	核心壁垒是高并发实时系统/RTB竞价/底层算法创新等互联网技术基建	我们基因是广告/媒体/客户关系，3-5人6个月做不出来的重基建追不上做了10年的技术公司
4	AI替代度过低	80%以上核心价值靠人的经验/人脉/关系，AI只能做边缘辅助	客户付的是顾问费不是AI费，边际成本降不下来，做不成规模化产品
5	付费意愿不成立	客户认为应该免费/预算归属不清/客单价过低LTV<CAC	做产品要赚钱，客户骨子里不愿付费的场景，做出来也是废品
6	市场成熟垄断	已有绝对垄断头部（市占率>30%），客户心智占领，价格战打完	成熟垄断市场新进入者胜率<5%，好一点不足以颠覆，不要进去当炮灰

R3：六维评分+S/P双评级体系

第二轮确认边界后，第三轮对保留的385个L3进行六维加权评分（付费意愿×2.0/协同价值×2.0/市场格局×1.5/获客钩子×1.5/替代成本×1.5/容错空间×1.0，满分10分），结合S评级（AI成熟度）和P评级（线下AI成熟度）输出四分类决策+落地节奏（首批/次批/按需）。价值档位划分：🔴高价值（加权≥7分，首批必做）共43个、🟡中价值（5-7分，次批/观望）共81个、⚪低价值（<5分，舍弃/按需）共261个。

5.3 跨L1赛道决策分布

按12个L1价值领域拆解决策分布，"行动率"=（自研+接入）/L3总数，反映该赛道紧迫程度：

L1赛道	L3数	🛠️自研	🔗接入	👀观望	❌舍弃	行动率
L1·1 营销战略与组织	21	5	6	9	1	52%
L1·2 市场洞察与消费者研究	37	3	16	2	16	51%
L1·3 市场细分与品牌定位	33	2	11	—	20	39%
L1·4 产品规划与上市管理	33	—	6	3	24	18%
L1·5 定价与促销体系设计	26	—	3	—	23	12%
L1·6 全渠道运营管理	39	3	9	7	20	31%
L1·7 整合营销传播	58	5	7	4	42	21%
L1·8 促销与交易转化	36	8	2	—	26	28%
L1·9 客户关系管理（CRM）	28	3	20	—	5	82%🔥
L1·10 品牌资产管理	36	1	3	7	25	11%
L1·11 营销数据与技术基建	16	3	10	1	2	81%🔥
L1·12 组织支撑与合规治理	22	2	10	—	10	55%
合计	385	35(25首/10次)	103(18首/38次/47需)	33	214	36%

5.4 护城河能力池：35个自研方向分布

35个建议自研方向按落地节奏分两档，按能力类型分为五大类，构成兆讯AI平台的核心护城河：🔴首批25个（加权评分≥7分，MVP必做，⭐标记）、🟡次批10个（5-7分，基座跑通后扩展）。

5.5 R4合作企业池：377家企业合作策略

R4对103个建议接入的L3方向进行公司级聚合去重，得到377家外部企业（从旧版343家扩展），按合作深度D1-D6六档划分，按战略价值分🔴核心/🟡重要/⚪辅助三档。

合作深度D1-D6六档策略

档位	数量	占比	合作策略	典型企业（核心）
D1 控股收购	2	1%	全资收购或控股，整合核心AI能力作为自研基座	🚀循环智能、🚀澜舟科技
D2 战略投资	17	5%	战略少数股权投资，董事会席位，深度技术绑定+客户共享	🌱GrowingIO、🌱再惠、🌱加和科技、🌱客如云、🌱帷幄Whale、🌱数说故事、🌱明略科技、🌱极海GeoHey、🌱热云数据、🌱特赞Tezign、🌱神策数据、🌱筷子科技、🌱菜么么、🌱观远数据、🌱雅座、🌱食亨、🚀数位Shuwei
D3 战略联盟	32	8%	排他/优先战略合作协议，联合产品开发，客户互推	🏢Convertlab、🏢TalkingData、🏢个推、🏢友盟+、🏢国双科技、🏢帆软、🏢微盟、🏢有赞、🏢极光、🏢汇客云、🏢汇纳科技、🏢石基信息、🏢科大讯飞、🏢秒针系统、🏢美团闪购、🏢赢商大数据、🏷️传立媒体、🏷️凯度、🏷️华扬联众、🏷️奥美、🏷️尼尔森、🏷️汉得信息、🏷️浩腾媒体、🏷️电通、🏷️科脉、🏷️群邑、🏷️蓝色光标、🏷️阳狮等
D4 深度技术集成	138	37%	SDK/API深度对接，联合调试，产品层面深度集成，有商务合作	每日互动、网易有数、永洪BI、九章云极、明源云、广联达、金蝶、用友、来画、一知智能、追一科技、智齿科技、容联云、声网、即构、小i机器人、思必驰、云知声、出门问问、知乎、小红书、B站、快手、美团点评口碑、天猫新品创新中心等
D5 标准API对接	136	36%	标准开放API接入，无特殊商务谈判，按用量付费，主要为大厂生态能力	🏛️字节跳动（巨量引擎/云雀大模型）、腾讯（微信/企微/腾讯云/混元/腾讯广告）、阿里（阿里云/达摩院/通义千问/阿里妈妈/零售通）、百度（文心一言/百度营销/百度智能云）、华为（盘古/华为云）、快手（磁力引擎）、B站（花火）、知乎（知+）、小红书（蒲公英）、京东（京东营销云）、拼多多等
D6 按需单点对接	52	14%	项目制/按需单点对接，不做长期集成，有特定客户需求时再对接	QuestMobile、艾瑞咨询、易观分析、魔镜市场情报、有米有数、新榜、清博大数据、蝉妈妈、飞瓜数据、灰豚数据、卡思数据、酷传、APP Annie、Sensor Tower、AppGrowing、广大大、热云数据TrackingIO等垂直工具

6. 算力与信创展开分析

6.1 核心结论

核心观点算力≠壁垒≠获客钩子。云端优惠本质是用量换的，不是政府关系给的。客户买的是营销AI化确定性，不关心底层算力。正确用法：内部降本 + API集采折扣 + 信创合规。

6.1 核心结论

6.2 为什么算力当不了钩子

图1：五类供给端，谁需要GPU？

图1补：需求端视角——客户买什么？不买什么？

图2：中国算力"冰火两重天"——结构性错配

图3：物理约束——看得见，用不上

6.3 算力怎么用才对

图4：四种算力参与模式评估——只有一个值得做

图5：政府补贴分类矩阵——只拿自由的钱

图6：技术架构路线——不打通，轻起步

图7：分阶段算力策略

6.4 信创：被动合规

信创是及格线，但国央企不是核心客户

信创策略：三不 vs 三做

政府关系的正确用法：信息优势，不是算力补贴

信息差才是真正的壁垒，不是算力价格。

6.5 资源使用三原则

7. 可能的2种商业模式

7.1 模式1：全域通用型垂类营销智能体聚合平台

模式1全域通用聚合模式（营销工具超市）——精心选品、多场景覆盖、追求广度

这是一种理论上成立的平台模式，核心思路是做"营销领域的工具超市"——不是乱堆工具，而是经过R1-R4四轮严格筛选，挑出每个赛道最优质的智能体，通过自研核心、战投入股、深度集成、API链接等多种合作深度整合生态伙伴；客户在一个平台上可以找到各种营销场景的AI工具，即插即用、自由组合。平台责任边界：保证工具可用和基本连通，不为最终营销结果负责（这是模式定义，不是缺点）。

行业天花板：全球无企业100%全覆盖

7.2 模式2：场景锚定型营销智能体集群平台

模式2（推荐）场景锚定集群模式——自身能力是根，延伸出的营销垂类Agent才有抓手

四层盈利金字塔——根→干→枝→叶，收入逐层增厚

关键认知答疑

7.3 两种商业模式对比

7.3.1 模式对比

本章客观中立对比两种模式的特征、逻辑、门槛、优劣势——两种模式理论上都成立，只是适配不同基因的企业，没有绝对的对错；7.4将结合兆讯基因给出路径选择。

7.3.2 营销范围演进路线图对比

两种模式都从Ph0小规模验证起步，逐步扩大——但方向A按"场景覆盖"均匀扩张（洞察/品牌→创意内容→品牌全域→全域生态含效果广告，正圆均匀扩散、无核心无根），方向B从户外AI核心偏心扎根、沿线下场景轴有机延伸（户外L1 AI增强扎根→L2深耕+户外多场景延伸→品牌营销+相邻线下垂类扩展→线下场景全链路全域营销，纯线上效果广告永久不做，不追求覆盖营销全域，只做线下场景相关的营销全链路）。核心差异不在"起步大小"，而在是否有核心扎根、沿什么轴延伸、能力边界在哪。

7.4 结论：推荐走模式B

8. 验证计划

8.1 真实市场调研（方向调研 · 1.5-2个月）

目标：用1.5-2个月做一轮完整的双侧市场调研——既听需求侧（客户/销售），也摸供给侧（AI公司/屏主/数据方），用真实市场信号决定走A还是B（或都不走）。

8.1.1 核心待验证假设（双侧）

8.1.2 需求侧调研（客户+销售）

8.1.3 供给侧与合作方调研

8.1.4 调研节奏（大阶段，不细到周）

8.2 产品验证（MVP跑通 · 3个月）

前提：方向调研已通过证据选定方向（A或B），才启动MVP开发。MVP不是完整产品，是最小可用付费闭环——选B则在现有媒体产品上叠加AI能力做"AI增强户外升级"，选A则做"2-3个高价值场景包"验证聚合价值，核心都是验证客户愿意真付费。

8.2.1 MVP验证目标（通用框架）

8.2.2 核心验证指标（3个月 · 通用）

8.2.3 验证后的决策

9. 两个关键决策点

验证不是走过场，是用真实证据回答两个硬问题。当前阶段聚焦决策点1——1.5-2个月双侧市场调研后必须做出方向选择，不要无限期研究下去。决策点2是方向选定后的事，先有方向再谈规模。