上海公司借AI重构业务今年ARR预计突破一亿美元

在新款手机正式发布之前，就已经有一批“资深用户”提前为你完成了全方位的深度体验。

他们亲手感受过机身材质的细腻度，犀利点评过摄像头模组的凸起设计，仔细权衡过电池续航能力，甚至为了挑选最心仪的配色方案而反复斟酌了十分钟之久。

然而，这群体验者可能并非真实存在。他们是由人工智能生成的虚拟消费者，但每个人都拥有设定详尽的年龄、职业、社交媒体行为模式，乃至独特的“消费决策偏好”。

过去，手机品牌进行新品用户体验测试，需要耗费大量成本招募真实用户、发放测试样机，等待一周甚至更长时间回收调研问卷，同时还需时刻防范产品信息泄露的风险。如今，AI技术已经悄然深度融入企业的真实产品测试流程之中。

同样是这套企业级智能体系统，当应用于一家食品饮料公司时，便化身为一个7×24小时不间断运行的新品研发引擎。它不知疲倦，自动抓取行业宏观趋势，扫描分析数十万条社交媒体讨论内容，进而持续不断地生成包装设计方案、产品创意概念以及电商平台详情页文案。

人类团队需要做的核心工作，最终简化为一项：做出关键决策，点头通过或摇头否决。时至今日，AI对品牌营销全链路的改造与赋能速度，已经超出了许多行业观察者的预期。

支撑这套系统的，是来自上海“模速空间”创新生态区内的人工智能领军企业、“北斗七星”成员之一的特赞科技。这家成立于2015年、已服务过联合利华、星巴克等超过百家世界500强企业的公司，目前已完成D1轮融资，市场估值超过10亿美元。

进入大模型时代，这家拥有十年历史的独角兽企业经历了一场深刻的自我重构与进化。其效果是显而易见的——据了解，特赞科技今年的年度经常性收入（ARR）预计将历史性地突破一亿美元大关。

上下文理解，才是企业级AI落地的真正门槛

特赞科技布局人工智能领域的时间其实非常早。在基础大模型尚未普及的时代，他们便已开始自主训练垂直行业模型，例如为餐饮品牌自动识别汉堡品类，为品牌客户实现电商图片的批量智能适配。在那个阶段，模型训练成本高昂、技术壁垒极高，有能力进行定制化AI训练的公司屈指可数。

GPT类大模型的出现改变了一切。过去企业耗费大量资源积累的专属数据集和精调小模型，似乎一夜之间面临价值重估。特赞科技创始人范凌并未回避这种冲击，他形容那种感觉，如同准备搬入新居，“对老房子难免怀有感情，但为了更好的发展，升级换代是必然选择。”

范凌拥有哈佛大学与普林斯顿大学的双重教育背景，同时担任同济大学教授及设计人工智能实验室主任。面对大模型的技术浪潮，他感受到的更多是兴奋——因为技术的可能性被极大地拓宽了。与之相应的是，AI并未导致特赞的业务萎缩，恰恰相反，过去两年其业务规模每年都实现了翻倍式的强劲增长。

AI营销赛道一直不乏参与者，各大互联网平台和创业公司都在利用通用大模型的能力为品牌生成营销内容。但特赞实现转型的关键判断在于：再强大的通用模型，也难以解决企业千差万别的具体业务场景问题。

今年年初，范凌在硅谷参加英伟达GTC大会时观察到一个有趣的现象：2024年全场为每一项技术演示惊叹，掌声不断；到了2025年，掌声减少了，取而代之的是更多的焦虑与讨论；等到2026年，尽管黄仁勋清晰地描绘了从生成式AI到推理AI再到智能体的技术演进路线图，但散场后几乎每位从业者都在追问同一个核心问题：“这项技术到底如何在我的业务中落地？”

企业关注的核心问题已经从“要不要用AI”转变为“钱已经投入了，为什么业务效果还没显现”。这正是AI应用层公司的巨大机会。范凌表示，特赞推出的企业级智能体GEA，正是为了解决这一痛点——它不止于画图或生成PPT，而是让AI真正深度融入企业工作流：理解业务目标，组织调用相应能力，并持续推动业务结果产生，最终向企业交付可衡量、可感知的业务价值。

当底层模型能力逐渐趋同，企业级AI解决方案的差异究竟在哪里？范凌认为，核心差异主要来自两点。

第一是上下文（Context）。这指的是企业过去长期积累的品牌资产、用户画像数据、历史决策记录、沟通话术体系与成功案例库。这些海量的非结构化图文视频资料，过去只能依靠人力缓慢理解消化，如今大模型可以对其进行批量处理与分析，成为企业应用AI的专属“数据燃料”。“模型本身产生基础智能，而专属的上下文数据才产生真正的业务价值。”范凌总结道。

第二是智能编排（Orchestration）能力。这好比交响乐团的指挥，需要根据不同的业务任务，灵活调度不同的AI模型——擅长写代码的、精于作图的、专攻逻辑推理的模型各司其职，协同工作。特赞自研并已完成备案的“发散推理模型”就扮演着“智能指挥”角色，它能高效调度超过30个不同的基础模型与专家模型协同工作。与传统推理模型追求“逐步收敛到唯一正确答案”不同，发散推理模型采用“发散思维优先”的逻辑：先尽可能穷尽各种可能性与解决方案路径，再从中筛选出最优解。

基于这一战略判断，特赞在今年将GEA确立为所有产品线的核心统一架构。在这一体系下，企业过去分散在各个部门的内部分数据——包括品牌视觉调性、营销素材资产、项目决策轨迹、AI虚拟用户人设、销售话术案例等——被整合成可持续调用、持续学习的上下文知识系统，由智能体进行深度理解和业务化运用。

目前，GEA系统已覆盖特赞40%到50%的老客户，年化增长率超过200%，新用户更拓展至全球五十多个国家。预计今年，其年度经常性收入将快速突破一亿美元大关。

特赞科技GEA的四层架构

拆解组织墙，成为AI时代的“哥伦布”

在访谈中，范凌多次提及“AI是一次新的大航海时代”这个比喻，并抛出一个引人深思的问题：“为什么21世纪数字世界的‘哥伦布’不能是中国人？”

在他看来，中国在AI应用层创新和落地速度上比美国更快，已成为行业共识，“中美之间在AI应用层面的价值溢价是反过来的”。如今，许多世界500强企业的CEO主动来中国考察AI应用场景，往往会发现其落地深度和业务结合度领先海外市场一到两年。中国AI解决方案出海，已是水到渠成之势。

以上海为全球总部基地，特赞科技已在新加坡、香港设立区域办公室，并正在规划更多的海外业务据点，以服务全球客户。

然而，面向AI驱动的时代，一家科技公司面临的挑战远不止技术与产品转型，更具难度的是组织形态与协作模式的根本性转型。

范凌有一个鲜明的判断：AI在本质上是反工业化时代精细分工逻辑的。工业革命以来的核心管理逻辑是精细化分工，每个人只负责一个标准化环节，通过固定流程协作。但AI工具极大地赋能了个体，让一个人可以同时兼顾产品构思、视觉设计、原型研发甚至市场策略等多个角色。

为此，特赞内部开始推行一种名为“Pod”（小型自治团队）的全新组织模式。每个Pod由几名成员组成，成员不严格区分传统职能边界，鼓励具备多元技能，什么事都可以协同完成，赋予个体极大的自主权和跨领域能力成长空间。各Pod团队之间则通过清晰的数字接口协作，尽量减少不必要的会议与沟通损耗。

这样的组织转型需要时间与持续投入。特赞为全员提供了系统的AI能力培训与各种资源支持。范凌特别强调，企业的AI转型必须是“一号位工程”。许多企业老板希望下属部门去推动转型，但即便在Meta、阿里巴巴这样的全球科技巨头，成功的AI转型也都是由最高决策者亲自在推动和引领。

事实上，特赞自身就是“用AI把产品重做一遍”这一理念的实践者。

范凌和公司CTO两人，仅用两周时间，借助先进的AI编程工具就做出了市场研究产品atypica.AI的第一个可用版本。这个利用AI模拟真实消费者进行市场洞察与趋势分析的产品，上线不到一年便积累了十万用户，其中超过60%来自海外市场，其付费转化率更是达到传统企业软件模式的十倍以上。这也成为特赞验证其“企业级智能体”平台能力的关键实验场与成功案例。

Atypica.AI 产品界面

范凌坦言，利用AI辅助编程快速做出产品第一版原型相对容易，但后续的产品打磨、体验优化和工程化部署花了团队很长时间。他给所有企业的建议是：在AI时代，任何公司只有自身率先转变为深度运用AI的公司，才有可能在未来竞争中生存与发展。而转型最关键的第一步，就是企业一号位必须亲自下场，深度参与。

特赞科技的进化故事，正是这一代中国科技企业在AI时代主动重塑自身能力边界的缩影。当技术范式发生根本性变革时，真正的机遇往往属于那些敢于“亲手重构自己”的先行者与实干家。

类似的变化与创新，正在上海这座国际大都市持续上演。过去几年，凭借其跨国企业总部高度集聚、真实商业场景复杂多样、产业链协同生态完整的独特优势，上海已成为企业级AI应用最密集、最前沿的试验场之一。大量智能体系统得以直接嵌入真实的业务流程，解决实际问题，而非仅仅停留在实验室演示或概念阶段。

对于特赞这样的创新企业而言，上海既提供了复杂度极高、要求极严的应用环境来锤炼产品，也提供了连接全球市场、辐射亚太业务的绝佳起点。正因如此，“源自中国，服务全球”对特赞来说，不再仅仅是一个战略口号，而是一种正在加速发生的业务现实。