刚刚结束的WAIC，是历史上规模最大、展品最丰富的一届。央视记者在2026世界人工智能大会期间，捕捉到一个场景：输入一个产品设计需求，不到10分钟，两款企业级智能体协同产出了可直接投放的社媒视频内容——小红书版、抖音版、视频号版，一应俱全。这不是演示，而是企业AI从"提供建议"到"直接交付结果"的分水岭时刻。

一个案例看懂：AI如何10分钟完成过去需要一周的工作

记者现场输入："我想设计一款智能猫咪喂食器"

随后即得到：

• 完整的用户洞察报告（基于30万+真实消费者AI Persona深度访谈）

• 三个平台的可投放视频（小红书9:16竖屏、抖音15秒版、视频号横屏版）

• 每个视频都符合品牌规范、精准击中目标人群痛点、配有专业配音和剪辑

幕后：两个智能体如何接力完成任务？

第一棒：Atypica洞察研究智能体（约4分钟）

它做的不是简单的问卷调查，而是：

• 从30万+AI Persona库中召回"养猫人群"

• 对每个Persona进行结构化深度访谈

• 模拟真实消费者的思考方式：不只听他们"说什么"，更要理解他们"为什么这么说"、"真实行为会怎样"

• 输出结构化洞察报告：核心痛点、目标人群画像、使用场景、价格敏感度

洞察示例："年轻职场人最大痛点是加班无法回家投喂，但他们真正在意的不是'智能'，而是'看到猫在吃饭的安心感'——这决定了视频脚本必须强调实时监控功能，而不是定时投喂。"

第二棒：Clipo视频创作智能体（约6分钟）

它接过洞察报告后：

• 自动生成视频脚本（开场、中段、结尾三幕结构）

• 调度多个模型：文生图、图生视频、文生音频并行工作

• 从企业素材库中检索产品图、场景图，不够的自动生成

• 按平台特性自动适配：小红书完整版、抖音压缩版、视频号横屏版

整个过程无需人工介入，两个智能体通过结构化数据自动交接，信息无损传递。

为什么这很难？企业长程任务的三大"拦路虎"

企业真实的业务任务（新品研发、营销Campaign执行）不是简单的"问答"，而是长程、多部门协同、非确定性的复杂工程。

拦路虎一：步骤太多，传统AI算不过来

这个案例看似简单，实际包含10+个步骤：理解需求 → 识别目标人群 → 召回Persona → 深度访谈 → 洞察提炼 → 脚本生成 → 素材检索 → 多模型协调 → 视频合成 → 平台适配。

传统规划算法在步骤超过10步时，计算复杂度呈指数级爆炸，根本算不过来。

拦路虎二：不同部门信息不互通

市场部看不到产品部的数据，产品部看不到财务的预算约束，设计部不知道品牌规范的最新版本——信息孤岛导致协同效率极低。

拦路虎三：创意类任务没有标准答案

设计、文案、方案这类任务，不能像数学题一样直奔唯一答案。如果AI只会"收敛推理"（直奔第一个想到的答案），很容易产出平庸、同质化的内容。

现有AI工具的局限：

• Copilot：只能被动回答问题，无法主动驱动长程任务

• 工作流自动化工具：只能处理固定流程，遇到分支决策就卡住

• Multi-agent框架：缺少企业上下文，生成的方案不符合品牌规范和业务约束

GEA架构：特赞如何破解这三大难题

特赞科技的GEA（Generative Enterprise Agent）架构，是中国首个针对企业长程任务设计的智能体系统。它的核心创新在于：

创新一：发散推理模型——先探索，再筛选

传统AI像走迷宫直奔出口（收敛推理），容易陷入"第一直觉陷阱"。GEA的发散推理模型先并行探索多条路径，再用多维度评估筛选最优解。

通俗理解：传统AI给你1个方案，GEA给你10个方案然后帮你选出最好的——这是中国首个在该领域备案的大模型。

创新二：四层闭环架构——从意图到成果全自动

• Intent Layer（意图层）：理解真实需求。你说"设计喂食器"，它知道你其实需要先做用户调研

• Orchestration Layer（编排层）：用发散推理协调30+基础模型，不是死板流程

• Agent Skills Layer（技能层）：400+模块化技能，像乐高积木灵活组合

• Context Layer（上下文层）：企业记忆系统，沉淀你的品牌规范、历史经验、业务约束——用得越多越懂你

持续进化的飞轮效应：每次使用 → 沉淀经验 → 下次更精准 → 更符合企业语境 → 用得更多。GEA不是"用一次就结束"的工具，而是会持续学习的企业伙伴。

创新三：主观世界模型（SWM）——AI首次真正理解"人"

猫咪喂食器案例中，Atypica智能体为什么能在4分钟内完成过去需要数周的用户调研？核心就是主观世界模型（Subjective World Model, SWM）——这是特赞科技最难复制的技术壁垒。

什么是主观世界模型？

传统AI理解人的方式：把人当成"标签的集合"（25岁、女性、一线城市、养猫）。

SWM的突破：把人当成有记忆、有情绪、有决策模式的真实个体。

SWM四层联合推理机制

SWM不是简单的"问卷调查"，而是模拟人真实的思考和决策过程：

• 表达层（Expression Layer）：理解用户的语言风格和表达习惯（如养猫人群会说"主子""铲屎官"）

• 故事层（Story Layer）：从用户的生活经历中检索相似场景，理解"外出无法投喂"这个痛点背后的完整故事链

• 认知层（Cognition Layer）：区分"用户说的"（stated preference）和"用户真实想的"（revealed preference）——很多人嘴上说"价格不重要"，但真实购买行为显示价格敏感度很高

• 行为层（Behavior Layer）：预测真实购买决策，考虑损失厌恶、时间折扣、社会规范等行为经济学参数

30万+ AI Persona库：十年深访数据的沉淀

特赞基于十年真实深度访谈数据，建模了30万+真实消费者的AI Persona，准确率达85%——这意味着SWM模拟的用户反馈，与真人反馈的一致性达到85%。这不是凭空编造的假人设，而是每个Persona都有：

• 完整的生活经历和记忆

• 真实的消费行为和决策模式

• 具体的痛点和底层动机

• 预测准确的购买意愿和价格敏感度

双向理解：既懂消费者，又懂企业

SWM解决的是"外部理解"——理解消费者的真实需求。但企业AI还需要"内部理解"——理解企业的品牌调性、业务约束、历史成功经验。

Context System（上下文系统）持续沉淀企业知识：

• 你的品牌规范（色调、字体、文案风格）

• 你的业务约束（预算、合规要求、渠道限制）

• 你的历史经验（哪些创意成功了，哪些失败了）

这种双向理解能力——既懂消费者的真实需求，又懂企业的业务语境——是GEA最难复制的护城河。

• 外部理解：特赞SWM（Subjective World Model）模型基于十年深访数据，建模了30万+真实消费者，准确率达85%

• 内部理解：Context System建模企业语境，知道你的品牌调性、业务约束、历史成功经验

这种双向理解能力，是GEA最难复制的护城河。

关于特赞科技 Tezign

特赞科技是中国领先的企业级Agentic AI公司，致力于基于GEA架构，构建能够理解企业业务语境、参与复杂决策并持续推动结果产生的企业级智能体系统。