搜索
AI正从技术秀场走向商业主战场。DeepSeek R1让国产模型跃升新台阶，OpenClaw让Agent概念走入大众视野——而在这些热点背后，一场更深层的变革正在广告营销领域发生：AI生成的广告素材转化率比人工素材高出20%-30%，单一素材成本降至几分钱，"生成式强化学习出价"技术让广告主ROI显著提升。当AI开始替广告主"花钱"，且花得比人更好，商业效率的天花板正在被重新定义。
带着这些问题，我们邀请到快手科技副总裁、商业化算法负责人江鹏，以及虚实传媒CEO、「数字生命卡兹克」主理人卡兹克，一起聊聊：AI在真实商业实践中，究竟如何提升效率、创造收益？
本次对谈主要聚焦以下问题：
- 过去一年，AI领域让你最惊讶的"Aha Moment"是什么？
- 为什么OpenClaw会如此火爆？它与之前的Agent产品有何不同？
- AI生成的广告素材，为什么比人做的效果更好？
- "生成式强化学习出价"如何帮广告主花更少的钱、赚更多的回报？
- 在AI市场争夺的大背景下，广告主应该如何应对？
- AI对内容创作行业的商业冲击有多大？AI漫剧真的能赚钱吗？
- AI商业化的下一步在哪里？2026年有哪些确定性趋势？
以下为嘉宾对谈，部分内容经过整理编辑：
36氪：过去一年，AI领域让你最惊讶的"Aha Moment"是什么？
卡兹克：尽管DeepSeek R1已被广泛讨论，但仍是关键节点。每年春节AI行业都有新发布，去年DeepSeek R1确实让业界看到国产模型的突飞猛进——原来国产模型在能力上也能达到OpenAI o1级别，且成本大幅降低。其热度之高，已引发全国范围的讨论。
第二个关键节点是Nano Banana。对于设计师出身的我而言，这款产品彻底改变了过往使用ComfyUI、Stable Diffusion的复杂工作流。过去搭建的诸多节点，一夜之间80%都失去了价值。如今用一句话就能完成P图、改背景、证件照处理等绝大多数需求，其核心优势在于出色的一致性表现。
第三个是OpenClaw。虽然此前Claude Code已是重度使用工具，但OpenClaw的热度确实超出预期，让人感到惊喜。
江鹏：有三方面印象深刻。首先是AI对内容产业的深度改造——AI内容生产能力近期出现阶跃式提升，对整个内容生态产生了深远影响。
其次是2026年Agent将成为AI产业落地主线。从"回答问题"到"完成任务"，AI应用空间将大幅拓展，实现从"给信息"到"能干活"的转变。
第三是AI商业化关注度提升。硅谷有同事通过Agent创建数字同事协助工作，却发现Token消耗成本超过自身工资，不得不减少"数字同事"数量。这说明业界对AI成本与变现的重视程度正在加深。
36氪：为什么OpenClaw会如此火爆？它与之前的Agent产品有何不同？
卡兹克：从传播路径看，OpenClaw与DeepSeek R1具有高度相似性——并非技术路线相同，而是情绪传播和认知跃迁的路径一致。
技术在大众认知中从来不是线性增长，而是阶梯式跃迁。对多数人而言，AI认知只有三个阶段：ChatGPT让其首次感知"AI可以对话"，DeepSeek R1让其首次感知"AI可以思考"，而OpenClaw则让普通用户首次认知"Agent是什么"。
Manus虽已在科技圈和金融圈引发关注，但尚未进入大众圈层。OpenClaw将大众认知从"可推理的对话模型"跃升至"Agent"层面，这是其火爆的本质原因——技术传播从来都是台阶式而非曲线式。
另一个差异在于产品形态。此前Manus、Claude Code均为云端服务，用户感知如同"租房"；OpenClaw虽模型仍在云端，但用户可"养"在自己的对话体系中，拥有专属记忆。这种"中国人更爱买房而非租房"的心理，深刻契合了大众对"拥有感"的需求。
江鹏：认同上述分析。OpenClaw让普通用户首次真正使用Agent、体验Agent，感受"人工智能解决实际问题"的价值，这对推动大众理解AI具有积极意义。
从技术层面看，OpenClaw与近两年Agent技术体系基本一致。其独特价值在于让普通用户能在本地部署AI解决日常问题。期待这波热度后能催生新应用、新行业，以及Agent带来的变现空间。
36氪：AI生成的广告素材，为什么比人做的效果更好？
江鹏：素材生产是近两年AI改造最彻底的领域之一。快手平台单一素材成本已降至几分钱，为客户节约大量广告成本。更关键的是效果——AI生成素材的投放质量优于客户自制素材，整体转化率提升20%-30%。在多个大促节点，为重点客户定制的AI素材跑量效果非常突出。
更值得注意的是用户体验。AI生成素材不仅转化率高，用户观看体验和反馈亦优于传统素材，营销感不会过强。原因在于AI掌握全平台用户反馈数据，能识别哪些素材更受用户欢迎，并基于模型算法持续优化，产出效果必然优于客户自制内容。
在素材策略上，不存在通用的"万能打法"。平台采用"千人千面"策略，针对不同产品特点和用户特征定制素材与投放方案。即便是同品类的竞争对手，差异化策略始终是最优选择——不可能有两家完全相同的公司，个性化投放永远优于同质化竞争。
我们其实一直在做一件很简单的事情：让AI成为商业增长的基础设施。
卡兹克：在视频制作领域，即便AI成本提升十倍，相较传统制作仍微不足道。以TVC（电视广告）为例，传统制作单分钟成本可达10万乃至二三十万，而AI制作单分钟成本约1-2万即可实现。当前AI领域的TVC作品，即便高端定制，封顶成本约10万；而传统TVC高端作品可达单分钟100万，两者完全不在同一量级。
AI内容制作的人力成本与时间成本均呈数量级下降——原本需要数月的工作，如今以天为单位即可完成。若投入一定成本使用顶级模型能显著提升效果，选择AI是必然趋势。
36氪："生成式强化学习出价"如何帮广告主花更少的钱、赚更多的回报？
江鹏：广告投放本质上是一个序列决策问题——市场环境高度不确定，每一步操作都会影响后续结果，目标是全过程收益最大化而非单点最优。
快手在财报中提及的"生成式强化学习出价"技术为业内首创，解决两个核心难题：第一，生成式模型解决环境不确定性问题——同一时刻大量用户与客户在平台投放，流量波动巨大，系统高度不确定，生成式模型天然适配此类场景。第二，强化学习解决序列决策问题，追求全过程收益最大化。
该技术使广告收入提升3%-4%，部分客户跑量能力提升20%-30%，ROI表现更优——相当于花更少的钱、回收更好的效果。广告主对ROI考核非常严格，因此平台能否让客户的钱花得更值，客户体感非常明显。
目前投放全流程自动化程度已达90%左右。客户仅需设定ROI目标与投放产品，平台可自动完成素材生成、基建搭建、智能出价等全流程。
卡兹克：量化广告与量化交易存在本质差异。广告平台具备全局视角，追求所有客户利益最大化，属于"共同繁荣"而非零和博弈，因此人的参与可逐渐减少。
但量化交易是玩家间的博弈。你可能在某阶段获得超额收益，但策略会被模仿、被狙击，超额收益从10%降至负值时，必须立即停用并重新迭代。这个过程需要人根据市场动态和难以量化的"人性因子"做最终决断——产业链因子、小道消息等数据不暴露在公网上，无法被量化策略统一归因。
36氪：在AI市场争夺的大背景下，广告主应该如何应对？
江鹏：从平台观察，过去一年AI工具类广告投放投入巨大。赞助春晚、补贴大战、发红包——各家动作频繁。当其用户规模增长到一定体量后，所有大厂都会感受到威胁，很难说这场战争完全没有必要。
但客户关注点正在发生明显转变。过去更多关注跑量能力，现在越来越重视用户质量与留存。核心本质是ROI考核：客户关注AI工具投放后的投入产出比，而不仅仅是用户增长数字。这也是客户反馈中最集中的诉求。
预计未来AI工具竞争仍将持续，但参与者将更注重投入产出效率。最终还是希望用户能真正使用AI工具，而非"薅完羊毛就走"。这对各AI工具自身的产品能力提出了更高要求——能不能满足用户需求、能不能把用户留住，才是决定这场战争胜负的关键。
卡兹克：从传播角度看，春节AI大战的本质与DeepSeek R1、OpenClaw的爆发逻辑一致——都是在争夺大众认知的"台阶"。每一次春节大战，都是各家试图在普通用户心中占据下一个认知位置的机会。
但问题在于，大众对AI的认知跃迁是阶梯式的，不是投多少钱就能推动的。ChatGPT占据了"AI可以对话"的认知，DeepSeek R1占据了"AI可以思考"的认知，OpenClaw占据了"Agent"的认知。如果产品本身没有带来认知层面的跃迁，单纯的补贴和投流很难形成持久的用户粘性。
36氪：AI对内容创作行业的商业冲击有多大？AI漫剧真的能赚钱吗？
江鹏：AI漫剧制作中，只需确定故事框架，后续大量工作可由AI完成。制作周期从数月缩短至数天，每分钟成本约1000-2000元，成本大幅降低。低成本催生大量内容，客户通过批量生产寻找爆款，单部爆款即可收回全部成本，形成"无限复制"的商业模式。
但该模式也存在瓶颈：用户审美疲劳、内容同质化会制约效果，生产过程需不断调整迭代。AI生成的小说多为套路化的"爽文"，虽符合大众口味，但缺乏突破性——"神之一手"的探索能力对AI而言仍是高级挑战。
卡兹克：AI显著扩展了个人能力边界。人的能力包含广度与深度，AI虽不一定能扩展深度，但在广度层面作用明显。以开发为例，过去后端工程师难以独立完成前端工作，但借助Claude 4.6、Gemini 3.1等工具，审美与动效需求均可满足。产品经理无需等待排期，可自行快速迭代。
但内容创作的核心永远不是技术或特效，而是故事内核。AI产出往往呈平均化特征，当前AI可将60分以下内容全部覆盖，形成60-90分的箱体区间，该区间内人类创作者空间已被大幅压缩。但人类真正的目标是90-100分的顶级内容，如何突破上限仍需人的灵光一闪或神来之手。平均化的内容AI可高效完成，但这类作品只能获得基础收益，难以成为"最闪耀的星"。
漫剧属短剧范畴，但头部集中效应较传统短剧更极端——从"百部成一部"演变为"万部成一部"。AI漫剧需区分"精品漫剧"与普通AI漫剧，前者走分账模式盈利，后者现阶段主要依赖平台补贴。
36氪：AI商业化的下一步在哪里？2026年有哪些确定性趋势？
江鹏：从平台和广告营销视角看，确定性趋势是"AIGC+生成式推荐+生成式出价"深度融合Agent的模式。
过去一年是"生成式推荐"和"推荐模型Scaling"的元年。快手在推荐分发上做了大量工作，核心解决三个问题：第一是表征问题——如何将视频、文字、营销元素等多模态内容有效表达；第二是学习范式——端到端学习，让用户反馈直接影响全链路推荐效果；第三是模型性能——搜广推场景对并发性和单次请求成本要求极高，需要针对性的推理优化，包括将串行结构改为并行以大幅提升效率。
AI能力每个季度直接带来4%-5%的收入提升。在互联网增长放缓的背景下，一年累计双位数增长非常可观。
未来方向是：广告主从表达投放意愿开始，一个Agent代替所有流程——从素材生成、基建搭建到智能出价，全部自动化完成。这个形态已经出现，未来会越来越智能化。
卡兹克：2026年AI领域的主赛道可以用一副对联概括：左边Coding，右边视频，横批Agent。Agent是将Coding和视频两大能力封装起来的最大赛道。
多模态中最具商业价值的是视频生成，其次是3D（可与影视、游戏结合），音乐生成目前价值相对较小。未来的确定性方向是原生多模态——理解与生成的大一统模型，目前Google和字节在推进，快手也在做国内首个大一统视频模型。
更远的趋势是从"软件Agent"走向"具身智能"。当前Agent本质上仍是虚拟的软件封装，要进入用户的实体领域和真实世界，需要具身智能作为载体。2026年已有产品在做家用具身智能，2027年可能迎来补贴大战，2028-2029年或将出现成熟的消费级产品。
对内容创作者而言，有三条底层判断：第一，AI生产信息的效率远大于人类消费信息的效率，且呈不可逆转的指数级逆差；第二，人类总体注意力恒定——80亿人、每天24小时，供给亿倍增长但需求不变；第三，人类将无法分辨AI生产的信息。基于此，未来人们获取信息大概率只有两个途径：跟随最信任的信息源，或依赖平台算法推荐。这也是做IP的核心逻辑——成为用户最信任的信息源。
