类Sora大模型，到底能给出海领域带来哪些红利？
1937
想系统掌握亚马逊广告的投放逻辑与底层闭环？
3、营销工具属性当属大模型时代最重要的红利；
4、出海公司在大模型这一波的红利上可以重点关注3个方向和6个视角。
2017年，麻省理工的物理学家 Max Tegmark 出版了《Life 3.0 Being Human in the Age of Artificial Intelligence》（《生命3.0》），在这本书的引言中，他虚构了一个叫做欧米茄的团队，他们打造了人工智能普罗米修斯。一开始，普罗米修斯只是一个被喂养大量电影数据、制作各种小电影的生成式 AI ，然而欧米茄却通过普罗米修斯的输出逐渐控制娱乐行业、媒体行业，控制舆论风向，最终实现对世界的统治。
虚构的故事正逐字变成现实——佐证是两周前所发布的视频大模型 Sora ，欧米茄的具象化身无限接近 Sam Altman 所领导的 OpenAI。
例如，当大家还沉浸在 Sora 所带来的现阶段技术极限，或在讨论谁将会被革命之时，OpenAI 在 TikTok 注册了账号，通过发布 Sora 所生成的视频，在不到两周的时间内涨粉 20 万粉，获得120 万点赞。
在人类世界中，类似的增长通常被称之为「现象级」。只是，真正让人类难受的并不止流量的暴涨，而是大模型 Sora 的训练素材也来源于视频平台，也即相当于从创作者们手里拿到帮助自身成长数据，又抢走创作者们的流量。
一个「完美」闭环由此产生。
特斯拉创始人马斯克对于 Sora 的评价是「gg 人类」（Good Games缩写，游戏术语，代指「打得好，我认输」，引申意思为「完蛋了」）。他还表示，有人工智能加持的人类，将会在未来几年之内创作出最杰出的作品。讽刺中带有一丝安慰。
一旦与商业相关，谁都害怕成为弃卒。
然而在早期阶段谈论「如何避免」并不现实，我们不妨换个思路，聊聊谁最有可能拿到来自大模型嘉奖。
01
关于用户体验的生意经
从现实版欧米茄的两款王炸产品（GPT、Sora）出发，及回顾众多的人工智能产品，不难发现，无论大模型的表达方式是文字、图像，抑或是视频，特点都可归结为内容边界拓宽与现实边界弱化：
1、应用场景差异应用与内容的形式不再受控于认知
大模型的训练数据来自全世界各种平台，能够最大限度模糊掉人类的能力边界。比如，给一段 Prompt 给对应的 Sora，生成视频，而实际上给 Prompt 的人可以对视频剪辑一窍不通；
2、现实世界和虚拟世界的距离无限接近于零
尤其当大模型越发「逼真」（如，OpenAI 提到 Sora 是「世界模拟器」），现实与虚拟的边界会模糊掉，人和人在虚拟世界里能够交换的信息量会有飞跃式的突破。
比如，sora，所生成内容突破国界、人种、物种，基于数据，无需现实也能生成「现实」；比如，人工客服与人工智能客服对比，相比于人类的限制，后者是24h*7，拥有随时为用户提供看似真实，实则虚拟的服务。
虽然人工智能已经是电商领域最为常见的助手，但 Open AI 的出现真正把 AI 能力推到了一个新的阶段，让「生成」真正走向实用化。
从一些数据中也可以看到这一趋势，2023年，有33%的跨境公司使用ChatGPT，另有将近15%的公司预计将投入使用（AMZ123）。每一个营销场景都正以生成式 AI 的形式进行重构。
当然，正如 Wal-Mart CEO Doug McMillon 在去年 CES 展上所说的，技术应该以人为本，优先考虑到人，而不是把技术无限放大。目前大部分大模型都会把 NLP 作为基本能力，比如，只要能够用自然语言表达的语言命令，都是大模型可以为之扩展的领域，所以当我们把重点从技术本身抽离，其最显著的优势应该是用户体验的改变和提升。
来看几个实战例子：
AI 文案策划助手：根据商家原始产品生成背景图，且面向不同受众和场景，生成的图片也不同；文案优化方面，商家只需提供文案原稿或 prompt ，助手即可据此生成多种不同的文本变体，并可突出商家所想要强调的特定关键词或短语，还可以面向不同人群展示不同内容（Meta）； AI 外贸助手：帮助出海商家实现多语种实时翻译和内容本地化问题。基于大模型语言理解生成能力，翻译是基础，其翻译能力实际上也能够应用于人工智能客服中，智能改写产品描述、一键生成适合各大海外社媒场景的内容等等都是已经实现的能力（阿里）； AI 语义搜索：语言重定向即在消费者打开网站时，检测其浏览器语言，支持语言重定向设置，自动将消费者重定向到已翻译的店面，提升消费者购物体验（Shopify ）。
大模型生成的文字、图像与视频，或许并不是马斯克口中的作品。但如果从用户体验的角度看，对于任何与消费者强交互的行业而言，这是摆在明面上的生意经——营销工具属性当属大模型时代最重要的红利。毕竟，营销作为触达消费者的最初环节，直接影响商品的点击率和购买率。
更进一步说，这一笔红利，可能会先落入出海公司的口袋里。
02
出海红利的3个方向和6个视角
这一局是关于「进化速度」 的比拼。谁能先通过 AI 来落地业务，谁就能先吃上红利。然而，与各种科技公司与平台所营造的紧迫氛围不同，现实中，有超过 21% 的企业从未使用过 AI / ML（Machine Learning，机器学习）技术（IDC），因此，现在的紧急重要事项是找对应用端进化方向，这里有 3 个方向：
1、关注「互动」场景
生成式 AI 驱动的生成功能，互动性极强，够无限放大「互动」能力，为生产力提效。
人与人之间的真实互动：在帮助表达与创造内容方面与互动对象建立、促进联系方面，帮助出海公司极大限度破除语言障碍或时差限制，例如如商品营销、售前导购、虚拟试用、安装指导、售后客服、客户反馈调研等。
比如，通过 GPT 支撑的人工智能客服完成对外服务与洽谈；通过 ChatGPT 分析红人的 Chanel 并撰写个性化的开发信；渲染或扩展虚拟使用场景，帮助消费者快速决策。
广告互动：帮助品牌主运行广告，品牌主基本上不需要提供太多的精力。比如，只提供原始产品图，AI 可根据不同受众和场景生成不同内容，如文案、图片，最后由 AI 系统对素材进行目标受众智能投放和广告预算的把控，并通过用户点击数据反馈完成自闭环；
决策互动：通过数据分析减弱模糊性态度对决策行为的影响，例如，早在2023年已经有不少跨境卖家通过ChatGPT对商品标签体系数据进行训练和丰富，帮助最终选品决策，摆脱拍脑袋及单一的平台数据提供的决策支持。
2、关注「内容」场景
AI技术推动下内容生产力将会大幅提升，从这一点而言，有两个角度：
降本增效：对于任何生意而言，成本永远是竞争优势中的关键。随着大模型将内容制作的过程变得简单，内容的生产成本、生产效率、生产门槛将逐步缩小，可以预想，未来的各种预算段的广告的差距可能不再是画面，也不再受制于预算。
以视频广告为例，视频生成大模型可通过 Prompt 完成跨空间、跨人种、跨物种的创举，场地、模特、道具等成本支出将会发生迁移甚至销售，比如，对于出海公司而言，无论出海目的地在哪，都可效率更高、成本更低地完成本土面孔、本土场景的物料制作。
内容出海：ReelShort是中文在线海外子公司的海外短剧App，2022年8月上线，2023年11月日下载量赶超奈非（2倍以上），截至去年11月净收入已超过2200万美元。海外拍摄总成本高昂，类 Sora 的视频生成大模型的出现将极大降低内容制作的综合成本，包括高昂的人力成本，如导演、演员、后期制作等，比如，通过AI换脸、AI语音等技术将国内微短剧转变为出海剧。内容出海有了更多想象力。
图源OpenAI
3、关注「数据」
大模型还是数据与数据之间的一次融合重生。
以 ChatGPT 为例，无论在架构还是在方法上都与以前的模型没有本质区别，最大差别在于数据量和模型参数量的提升。
OpenAI 一直主张的都是数据量和计算量的暴力美学，比如，GPT从一开始就是奔着「世界模型」去的，也就是说把世界上所有的知识压缩到模型里。DeepMind 的 Chinchilla 模型也表明，通过更多的计算（即更多的数据）可以显著提高性能，甚至无需增加参数。现在也确定了，模型训练可以使用合成数据，并不断提升效果。具体的例子是，市面上几乎所有的模型都会用ChatGPT 生产的合成数据做训练。
图源公众号 普通人的AI自由
举个应用层的例子，某调研公司通过 ChatGPT 开源训练快消领域的消费者调研数据，最终呈现为客户可通过对话式 AI 应用获取更能吸引消费者的广告词。
而最近呼声极高的大模型 Claude 3，有一个特点是 Claude 3 特别选择金融、医学和哲学作为专家领域，也即专门利用垂域数据做训练。用特定任务或领域的数据集进行训练，通常具有更高的预测准确性。
所以，无论要布局 AI 还是作用于生意的数据分析，前提是：有数据，大量的数据。
然而企业对数据的利用率，或者说对于数据的重视程度其实远不足以驱动业务进行。任重道远。
请尽量做好每一业务流程上的数据的留存与整合。
给大模型一个「载体」，数据会给我们一幅全新的生意图景。
03
结语
美国营销研究和营销科学领域学者 Frank M．Bass 曾经提出一个叫做 Diffusion of innovations （创新扩散）的理论，理论表示当一种创新在刚起步时接受程度比较低，使用人数较少，扩散过程也就相对迟缓，当使用者比例达到临界值后，创新扩散过程就会快速地增加。
而决定「临界值」的是「evaluation」（衡量），也即个人会衡量新事物是否符合需求。
图源网络 Diffusion_of_ideas
这一「临界值」或许很快就会出现在每一个中国出海公司中。当然，提前布局的人必然能够得到更多。
大至构建大模型，小至业务数据分析，不过都是试图发现真实世界的普适性规律。
于现阶段的中国出海公司而言，我们需要做的是重新定义场景，接下来的事情就交给现有的 AI 能力了。
非洲经济女学家 Dambisa Moyo 在《Dead Aid》一书中的结束语在此时也非常适合，「The best time to plant a tree is 20 years ago. The second-best time is now.」
参考资料
1、IDC FutureScape：2024年中国数据和分析市场十大预测
2、《AGI万字长文：2023回顾与反思》 普通人的AI自由
3、营销工具属性当属大模型时代最重要的红利；
4、出海公司在大模型这一波的红利上可以重点关注3个方向和6个视角。
2017年，麻省理工的物理学家 Max Tegmark 出版了《Life 3.0 Being Human in the Age of Artificial Intelligence》（《生命3.0》），在这本书的引言中，他虚构了一个叫做欧米茄的团队，他们打造了人工智能普罗米修斯。一开始，普罗米修斯只是一个被喂养大量电影数据、制作各种小电影的生成式 AI ，然而欧米茄却通过普罗米修斯的输出逐渐控制娱乐行业、媒体行业，控制舆论风向，最终实现对世界的统治。
虚构的故事正逐字变成现实——佐证是两周前所发布的视频大模型 Sora ，欧米茄的具象化身无限接近 Sam Altman 所领导的 OpenAI。
例如，当大家还沉浸在 Sora 所带来的现阶段技术极限，或在讨论谁将会被革命之时，OpenAI 在 TikTok 注册了账号，通过发布 Sora 所生成的视频，在不到两周的时间内涨粉 20 万粉，获得120 万点赞。
在人类世界中，类似的增长通常被称之为「现象级」。只是，真正让人类难受的并不止流量的暴涨，而是大模型 Sora 的训练素材也来源于视频平台，也即相当于从创作者们手里拿到帮助自身成长数据，又抢走创作者们的流量。
一个「完美」闭环由此产生。
特斯拉创始人马斯克对于 Sora 的评价是「gg 人类」（Good Games缩写，游戏术语，代指「打得好，我认输」，引申意思为「完蛋了」）。他还表示，有人工智能加持的人类，将会在未来几年之内创作出最杰出的作品。讽刺中带有一丝安慰。
一旦与商业相关，谁都害怕成为弃卒。
然而在早期阶段谈论「如何避免」并不现实，我们不妨换个思路，聊聊谁最有可能拿到来自大模型嘉奖。
01
关于用户体验的生意经
从现实版欧米茄的两款王炸产品（GPT、Sora）出发，及回顾众多的人工智能产品，不难发现，无论大模型的表达方式是文字、图像，抑或是视频，特点都可归结为内容边界拓宽与现实边界弱化：
1、应用场景差异应用与内容的形式不再受控于认知
大模型的训练数据来自全世界各种平台，能够最大限度模糊掉人类的能力边界。比如，给一段 Prompt 给对应的 Sora，生成视频，而实际上给 Prompt 的人可以对视频剪辑一窍不通；
2、现实世界和虚拟世界的距离无限接近于零
尤其当大模型越发「逼真」（如，OpenAI 提到 Sora 是「世界模拟器」），现实与虚拟的边界会模糊掉，人和人在虚拟世界里能够交换的信息量会有飞跃式的突破。
比如，sora，所生成内容突破国界、人种、物种，基于数据，无需现实也能生成「现实」；比如，人工客服与人工智能客服对比，相比于人类的限制，后者是24h*7，拥有随时为用户提供看似真实，实则虚拟的服务。
虽然人工智能已经是电商领域最为常见的助手，但 Open AI 的出现真正把 AI 能力推到了一个新的阶段，让「生成」真正走向实用化。
从一些数据中也可以看到这一趋势，2023年，有33%的跨境公司使用ChatGPT，另有将近15%的公司预计将投入使用（AMZ123）。每一个营销场景都正以生成式 AI 的形式进行重构。
当然，正如 Wal-Mart CEO Doug McMillon 在去年 CES 展上所说的，技术应该以人为本，优先考虑到人，而不是把技术无限放大。目前大部分大模型都会把 NLP 作为基本能力，比如，只要能够用自然语言表达的语言命令，都是大模型可以为之扩展的领域，所以当我们把重点从技术本身抽离，其最显著的优势应该是用户体验的改变和提升。
来看几个实战例子：
AI 文案策划助手：根据商家原始产品生成背景图，且面向不同受众和场景，生成的图片也不同；文案优化方面，商家只需提供文案原稿或 prompt ，助手即可据此生成多种不同的文本变体，并可突出商家所想要强调的特定关键词或短语，还可以面向不同人群展示不同内容（Meta）； AI 外贸助手：帮助出海商家实现多语种实时翻译和内容本地化问题。基于大模型语言理解生成能力，翻译是基础，其翻译能力实际上也能够应用于人工智能客服中，智能改写产品描述、一键生成适合各大海外社媒场景的内容等等都是已经实现的能力（阿里）； AI 语义搜索：语言重定向即在消费者打开网站时，检测其浏览器语言，支持语言重定向设置，自动将消费者重定向到已翻译的店面，提升消费者购物体验（Shopify ）。
大模型生成的文字、图像与视频，或许并不是马斯克口中的作品。但如果从用户体验的角度看，对于任何与消费者强交互的行业而言，这是摆在明面上的生意经——营销工具属性当属大模型时代最重要的红利。毕竟，营销作为触达消费者的最初环节，直接影响商品的点击率和购买率。
更进一步说，这一笔红利，可能会先落入出海公司的口袋里。
02
出海红利的3个方向和6个视角
这一局是关于「进化速度」 的比拼。谁能先通过 AI 来落地业务，谁就能先吃上红利。然而，与各种科技公司与平台所营造的紧迫氛围不同，现实中，有超过 21% 的企业从未使用过 AI / ML（Machine Learning，机器学习）技术（IDC），因此，现在的紧急重要事项是找对应用端进化方向，这里有 3 个方向：
1、关注「互动」场景
生成式 AI 驱动的生成功能，互动性极强，够无限放大「互动」能力，为生产力提效。
人与人之间的真实互动：在帮助表达与创造内容方面与互动对象建立、促进联系方面，帮助出海公司极大限度破除语言障碍或时差限制，例如如商品营销、售前导购、虚拟试用、安装指导、售后客服、客户反馈调研等。
比如，通过 GPT 支撑的人工智能客服完成对外服务与洽谈；通过 ChatGPT 分析红人的 Chanel 并撰写个性化的开发信；渲染或扩展虚拟使用场景，帮助消费者快速决策。
广告互动：帮助品牌主运行广告，品牌主基本上不需要提供太多的精力。比如，只提供原始产品图，AI 可根据不同受众和场景生成不同内容，如文案、图片，最后由 AI 系统对素材进行目标受众智能投放和广告预算的把控，并通过用户点击数据反馈完成自闭环；
决策互动：通过数据分析减弱模糊性态度对决策行为的影响，例如，早在2023年已经有不少跨境卖家通过ChatGPT对商品标签体系数据进行训练和丰富，帮助最终选品决策，摆脱拍脑袋及单一的平台数据提供的决策支持。
2、关注「内容」场景
AI技术推动下内容生产力将会大幅提升，从这一点而言，有两个角度：
降本增效：对于任何生意而言，成本永远是竞争优势中的关键。随着大模型将内容制作的过程变得简单，内容的生产成本、生产效率、生产门槛将逐步缩小，可以预想，未来的各种预算段的广告的差距可能不再是画面，也不再受制于预算。
以视频广告为例，视频生成大模型可通过 Prompt 完成跨空间、跨人种、跨物种的创举，场地、模特、道具等成本支出将会发生迁移甚至销售，比如，对于出海公司而言，无论出海目的地在哪，都可效率更高、成本更低地完成本土面孔、本土场景的物料制作。
内容出海：ReelShort是中文在线海外子公司的海外短剧App，2022年8月上线，2023年11月日下载量赶超奈非（2倍以上），截至去年11月净收入已超过2200万美元。海外拍摄总成本高昂，类 Sora 的视频生成大模型的出现将极大降低内容制作的综合成本，包括高昂的人力成本，如导演、演员、后期制作等，比如，通过AI换脸、AI语音等技术将国内微短剧转变为出海剧。内容出海有了更多想象力。
图源OpenAI
3、关注「数据」
大模型还是数据与数据之间的一次融合重生。
以 ChatGPT 为例，无论在架构还是在方法上都与以前的模型没有本质区别，最大差别在于数据量和模型参数量的提升。
OpenAI 一直主张的都是数据量和计算量的暴力美学，比如，GPT从一开始就是奔着「世界模型」去的，也就是说把世界上所有的知识压缩到模型里。DeepMind 的 Chinchilla 模型也表明，通过更多的计算（即更多的数据）可以显著提高性能，甚至无需增加参数。现在也确定了，模型训练可以使用合成数据，并不断提升效果。具体的例子是，市面上几乎所有的模型都会用ChatGPT 生产的合成数据做训练。
图源公众号 普通人的AI自由
举个应用层的例子，某调研公司通过 ChatGPT 开源训练快消领域的消费者调研数据，最终呈现为客户可通过对话式 AI 应用获取更能吸引消费者的广告词。
而最近呼声极高的大模型 Claude 3，有一个特点是 Claude 3 特别选择金融、医学和哲学作为专家领域，也即专门利用垂域数据做训练。用特定任务或领域的数据集进行训练，通常具有更高的预测准确性。
所以，无论要布局 AI 还是作用于生意的数据分析，前提是：有数据，大量的数据。
然而企业对数据的利用率，或者说对于数据的重视程度其实远不足以驱动业务进行。任重道远。
请尽量做好每一业务流程上的数据的留存与整合。
给大模型一个「载体」，数据会给我们一幅全新的生意图景。
03
结语
美国营销研究和营销科学领域学者 Frank M．Bass 曾经提出一个叫做 Diffusion of innovations （创新扩散）的理论，理论表示当一种创新在刚起步时接受程度比较低，使用人数较少，扩散过程也就相对迟缓，当使用者比例达到临界值后，创新扩散过程就会快速地增加。
而决定「临界值」的是「evaluation」（衡量），也即个人会衡量新事物是否符合需求。
图源网络 Diffusion_of_ideas
这一「临界值」或许很快就会出现在每一个中国出海公司中。当然，提前布局的人必然能够得到更多。
大至构建大模型，小至业务数据分析，不过都是试图发现真实世界的普适性规律。
于现阶段的中国出海公司而言，我们需要做的是重新定义场景，接下来的事情就交给现有的 AI 能力了。
非洲经济女学家 Dambisa Moyo 在《Dead Aid》一书中的结束语在此时也非常适合，「The best time to plant a tree is 20 years ago. The second-best time is now.」
参考资料
1、IDC FutureScape：2024年中国数据和分析市场十大预测
2、《AGI万字长文：2023回顾与反思》 普通人的AI自由
热门活动 
福建
12-12 周五
热门报告 
