AI 越提效，生意越难做？

⭐ 设为星标 · 第一时间收到推送

AI 把供给侧卷到了尽头

这两年，品牌最先用 AI 改造的地方，几乎都在供给侧。

写文案更快，做图更快，剪视频更快，客服响应更快，投放素材可以一天生成几百版。听起来都没错，而且确实有用。

但问题也在这里：当所有人都拿到了差不多的工具，效率优势很快会被抹平。过去一个团队一周做 20 条素材，现在一个下午做 200 条。结果不是大家都赢了，而是信息流里出现了更多相似的内容。

供给变多，注意力没有变多。于是流量更贵，差异化更难，品牌还是要回到那个老问题：消费者到底为什么买我？

说白了，AI 让生产端越来越便宜，但没有自动让理解端变得更深。

真正的增长，往往藏在需求侧

传统消费者调研最大的问题，不是没有数据，而是太容易变成“证明你已经相信的东西”。

品牌带着假设进场，问卷、访谈、焦点小组跑一遍，最后得到一份看起来很完整的 PPT。它可能能解释过去发生了什么，但不一定能发现那个真正让你意外的动机。

更麻烦的是，人不会总按自己说的那样行动。

一个人可以在问卷里说自己理性、克制、看重性价比，但到了真实消费场景里，他可能被面子、情绪、场合、关系压力一起推着走。这不是消费者“不诚实”，这是人本来就复杂。

数据告诉你发生了什么，洞察才告诉你为什么发生，以及下一步可能发生什么。

这也是特赞科技创始人兼 CEO 范凌在 SuperAI Singapore 2026 上发布「主观世界模型」时，真正想回答的问题：AI 不只是替人生产东西，它也可以被用来理解人。

主观世界模型，不是又一个大模型故事

主观世界模型，英文是 Subjective World Model，简称 SWM。

它和通用大模型的逻辑不一样。大模型主要学习语言分布，预测下一个词怎么说才合理。但语言是人的输出，不是人本身。

一个人说了什么，只是表层。更关键的是：他为什么这样说，他心里怎么权衡，他在真实约束下最后会怎么做。

SWM 的做法，是把“理解人”拆成四层。

第一层是表达层。它看一个人在小红书、微博、抖音、Instagram、X 这些平台上怎么说话，用什么词，带什么情绪，如何呈现自己。社交平台上的表达，是一个人愿意被别人看到的那一面。

第二层是叙事层。它来自大量一对一深度访谈，重点不是记录结论，而是捕捉动机的因果链。同样一次购买，有人是为了奖励自己，有人是为了维持关系，有人是为了避免尴尬。标签看起来相同，内部逻辑可能完全不同。

第三层是认知层。这一层更难，因为它处理的是人自己也未必说得清的东西，比如风险偏好、损失厌恶、认知惯性，以及“面子”和“实惠”之间到底怎么排序。它不是给消费者贴标签，而是试图还原一个人的价值权重。

第四层是行为层。前三层描述内部世界，行为层负责验证：在真实交易、经济博弈和现实约束里，这套内部逻辑最后会变成什么行动。

这四层放在一起，才比较接近一个真实的人。不是“他是谁”的静态画像，而是“他为什么会这样选”的动态解释。

最正的需求藏在数据背后：一个有意思的案例

官方文章里有三个案例。

快消品公司把 SWM 接入产品创新流程，模型持续采集竞品动态和消费者信号，自动生成产品创意，再经数字用户测试筛选，推给人工团队打磨。结果是开发周期从两三个月压缩到三天，产品数量增长六倍，创新成本降低 80%。

手机品牌基于 700 种消费者画像生成差异化社交内容，再结合注意力模型每日自动更新。第一个月拿到了 12 亿次曝光，而且媒体费用为零。

一家头部美妆品牌遇到增长瓶颈，按常规思路，很容易继续在成分、配方、达人投放上找答案。结果 SWM 分析后发现，消费者购买的核心动机不是变美，而是"人生转折点的仪式感需求"。

这个洞察很微妙。用户不是单纯想买口红，而是在入职、分手后重新出发、升职前的重要汇报这类节点上，需要用一次消费来完成心理上的"重启"。于是产品命名从"持久不脱妆"改成"她的第一支面试色"，投放场景也从美妆内容切换到职场和情感转折类内容，最后季度 GMV 逆势增长 41%。。

这就是需求侧洞察的价值：它不是让你把原来的东西生产得更快，而是让你重新理解“消费者到底在买什么”。

供给侧会被抹平，理解端才是护城河

AI 继续发展，供给侧能力一定还会更便宜。

以后做一张海报、一条视频、一套投放文案，门槛都会越来越低。对企业来说，这当然是好事。但它也意味着，单纯靠“我生产得更快”建立优势，会越来越难。

真正难复制的，是你对消费者的解释性模型。

为什么他嘴上说要性价比，最后却为情绪价值买单？为什么一款产品功能没变，换了场景表达就卖得更好？为什么同一群人，在不同关系和不同压力下，会做出完全不一样的选择？

这些问题没有一键生成答案。它需要真实数据、长期方法和能解释矛盾的模型。

这也是为什么 Gartner 把特赞列为全球五家企业 AI 代表厂商之一时，这件事可以放在一起看。特赞一边在做企业级智能体架构，帮企业理解自己的知识和流程；另一边发布 SWM，试图建模消费者的主观世界。一个朝内，一个朝外。

但对增长来说，后者尤其关键。

因为今天很多公司的问题已经不是“能不能生产”，而是“到底该生产什么、讲给谁听、在什么场景里被需要”。

供给侧的效率会越来越像水电煤，真正拉开差距的，是需求侧的理解深度。

最后

我不觉得主观世界模型是一个适合被简单包装成“AI 模拟消费者”的概念。

更准确地说，它是在回答一个更底层的问题：当市场上的供给越来越多，企业还能不能用 AI 找到真正的新需求？

这件事现在还很早，效果也一定要继续看更多行业验证。但它至少提供了一个值得认真讨论的方向：AI 的下一轮机会，不一定是让机器替我们做更多东西，而是帮我们更好地理解人。

如果说过去两年大家都在问“AI 能帮我生产什么”，那接下来更重要的问题可能是：

AI 能不能帮我发现，消费者真正想要什么？