左：Morketing Group创始人兼 CEO 曾巧 Ivy，中：飞书深诺创始人兼 CEO 沈晨岗 Charles Shen，右：飞书深诺 CTO 陆鑫 Vincent Lu
当出海CMO摊开今年的AI账单，文案生成、素材制作、市场调研等工具琳琅满目。然而，面对广告效果不及预期的困境，核心问题依旧未变：是创意偏差、市场误判、预算错配，还是产品未击中当地消费者？
这揭示了当前出海营销的尴尬现状：AI虽已融入工作流，但增长并未因此变得轻松。
飞书深诺Meetsocial与IDC联合发布的《出海营销AI智能体成熟度与服务商能力白皮书》显示，78.5%的出海企业已将AI嵌入营销核心环节，但行业整体仍处于从L1工具辅助向L2基础自动化过渡阶段。值得注意的是，出海企业的合规与获客成本平均上升了32%。AI渗透率提升的同时，增长账目反而更难厘清。
究其原因，出海营销横跨市场判断、本地文化、媒介规则、内容生产、预算分配及数据合规等多个维度。单点工具虽能提升局部效率，却无法自动处理环节间的冲突，更难以对最终业务结果负责。
中国品牌下一轮AI竞争的核心，不在于生成素材的数量，而在于能否让每一笔全球营销预算清晰回答三个问题：为何这样投？结果为何如此？下次如何改进？
2026年7月23日，飞书深诺发布企业级出海营销AgentOS Marvy 2.0。该系统将市场洞察、媒介策略、智能创意、广告投放和数据分析整合至同一协作体系，旨在修复长期断裂的决策链。
围绕Marvy 2.0，Morketing Group创始人兼CEO曾巧Ivy与飞书深诺创始人兼CEO沈晨岗Charles Shen、CTO陆鑫Vincent Lu展开深度对话。聚焦核心议题：企业应用AI究竟实现了何种价值与增长？AgentOS何以进入CMO和CTO的核心决策视野？飞书深诺提供了哪些不可替代的能力？
沈晨岗长期推动业务从传统营销服务向AI驱动的系统化能力延伸；陆鑫则凭借广告系统架构技术积累，推进Marvy 2.0的研发落地。两人分别从业务战略与技术实现层面，探讨AI从单点工具走向系统化应用的路径。
以下对话经Morketing编辑整理，在不改变嘉宾原意基础上有所删减。
企业用了很多AI，是赚钱了还是在为工具付费？
曾巧Ivy：报告显示，78.5%的出海企业已将AI放入营销核心环节。既然AI几乎成为标配，为何大多数企业仍停留在工具辅助阶段？
Charles：许多企业的起点仍是工具。市场上出现新产品便先行试用，再寻找其解决的问题，这种顺序本末倒置。
企业应首先明确需解决的业务问题，再拆解适合应用AI的环节，规划能力组合方式，并将结果反馈至下一轮决策。否则，尽管每个工具提升了局部效率，整条业务流程依然断裂。
飞书深诺创始人兼 CEO 沈晨岗 Charles Shen
曾巧Ivy：更直接地说，企业使用众多AI，究竟赚到了增长，还是在为新工具付费？如何判断？
Charles：不能仅关注工具数量、内容生成量或时间节省程度。企业应评估工具带来的结果与初始目标的距离及关系，并考察该结果能否反哺系统持续改进。
若投放结束后，数据未能回流至策略、创意及下一轮预算分配中，企业获得的仅是更快的执行速度，而非进化的业务能力。
陆鑫：过去使用AI本质是“人判断、工具执行”。若将Agent仅视为执行工具，便未发挥其价值。Agent需围绕目标行动，形成独立决策链路，使前次结果影响后续操作。
Morketing观察：对出海企业而言，单点提效可能制造假增长。AI可快速生成多语种素材，但若市场判断错误，仅是加速错误的复制。企业真正需计算的，不仅是素材成本降低幅度，更是无效试错的减少程度。
曾巧Ivy：若第一步判断错误，Agent是否会加速放大错误？
陆鑫：因此必须将专家经验、业务目标和投放结果纳入同一系统。以创意为例，AI生成海量创意并非难点，关键在于识别哪些创意投放效果更好及其原因。
我们建立了包含2万多个标签的创意特征体系，拆解画面中的产品、人物、场景等元素，并与真实投放结果关联。AI不仅学习生成，更逐步学习何种创意更契合当前目标。
Charles：过去好创意依赖个人灵感，现在需拆解过程，让系统知晓创意形成机制及结果，进而持续学习。人的经验唯有被表达、记录和验证，才能转化为组织能力。
出海营销最贵的是每次都从头再来
曾巧Ivy：众多产品强调工作流。AgentOS与简单拼接几个AI工具有何本质区别？
陆鑫：区别在于是否将整个工作流作为整体管理。广告效果不佳时，系统不应仅让创意Agent重新生成素材，而应回溯检查市场洞察、策略合理性及媒介执行等问题。商业结果由多环节共同作用，单独强化某一环节未必改善结果。
Marvy采用Supervisor Agent加专业Agent架构。Supervisor Agent围绕整体增长目标拆解任务、判断依赖关系并调度执行；市场洞察、媒介策略、智能创意等专业Agent负责各自任务，但不追求局部最优。
曾巧Ivy：声称AgentOS参与决策，CMO可能会问：预算和市场判断真能交给AI吗？若Agent意见相左，谁拍板？
陆鑫：Agent间确实存在分歧。例如市场洞察Agent认为印尼ROI更高，而媒介策略Agent倾向泰国。Supervisor Agent不会简单投票，而是要求补充证据，回溯历史数据，将更多信息纳入下一轮判断。
系统会根据决策实际效果，评估并调整各环节判断权重。目前专家仍参与Supervisor Agent工作，校对推理过程并在关键节点进行判断。
曾巧Ivy：若AI无法解释建议花费这笔钱的原因，它凭何进入企业营销决策？
陆鑫：因此决策过程必须可见、可追溯。用户需知晓系统调用的信息、得出结论的理由及证据充分性。每个决策配有置信度评分；若证据不足，系统应呈现不确定性并暂停，必要时引入人工介入。
Charles：所谓确定性，并非保证结果必然发生，而是在现有知识、方法和数据基础上，提高判断把握，并向用户告知实现目标的概率及依据。营销变量繁多，任何绝对承诺均不现实。
曾巧Ivy：Marvy目前能将一场出海营销活动推进至何种程度？
Charles：系统先完成市场、用户和竞争调研，形成进入策略和预算建议；随后将策略转化为Meta、Google、TikTok等平台的具体投放动作，处理内容、创意和本地化；投放后进行数据分析和持续优化。
以游戏行业为例，客户制定第三季度东南亚投放方案，过去流程至少需一个月。现在，部分按天计算的工作缩短至小时级，完整流程可能在几天内完成。一次标准市场调研，过去需数千美元，现在部分任务可压缩至几美元、几分钟。
但目前系统尚不能完全自动运行。类比自动驾驶L0到L5，当前处于L3阶段，不同能力分布在L2到L3之间。环节交互和关键决策仍需人工校准，即Human in the Loop。
Morketing观察：Marvy的产品边界由此清晰。它并非替CMO自动生成“正确答案”，而是将答案形成过程、依据、分歧点及结果回流机制写入同一系统。对出海营销而言，这比单纯提高素材产量更接近经营本质。
同一套AI会不会把品牌做得越来越像
曾巧Ivy：若越来越多企业使用Marvy，是否会导致策略、素材甚至品牌表达趋同？
左：Morketing Group创始人兼 CEO 曾巧 Ivy，中：飞书深诺创始人兼 CEO 沈晨岗 Charles Shen，右：飞书深诺 CTO 陆鑫 Vincent Lu
Charles：差异首先源自企业自有数据，包括知识库、私有数据、产品信息和用户反馈。3C、服装、游戏等行业数据迥异；即便同行业，各家企业所处阶段、主推产品和市场目标也不尽相同。
其次是企业自身判断。AI可参与拆解和执行，但目标必须由企业设定。企业数据、决策与AI能力叠加，才形成真正独特的竞争力。
陆鑫：我们用Skill表达完成任务的方法。系统拥有汽车行业创意Skill，也有面向东南亚、日本等不同市场的Skill。同一Skill被不同企业调用时，会结合其战略、产品和当下目标，因此结果不会完全相同。
曾巧Ivy：大模型更新迅速。相比通用模型公司，飞书深诺留下的壁垒是什么？
陆鑫：核心并非单一基础模型，而是数据、模型与贯穿业务流程的专业能力。数据涵盖对客户战略需求的理解、媒体反馈的用户偏好以及专家长期形成的决策逻辑。我们将这些内容与模型结合，覆盖洞察、投放策略、创意和分析归因等环节，并按电商、游戏、App及更细分品类进行训练。
Charles：这些数据并非今日突然接入。过去多年，我们持续进行清洗、打标签和结构化，不断补充新数据和知识。系统每日都在回答一个问题：为完成某项目标，应调用哪些数据，做出何种判断。
Morketing观察：这是飞书深诺与通用AI工具的关键差别。Marvy 2.0底层接入Gemini、OpenAI、Seedance等大模型，拥有数百位营销专家沉淀的1000多个Skills，以及服务17万家企业的经验与1.3PB真实营销数据资产。数字本身非壁垒，知道哪类出海决策需要什么证据、怎样将平台信号翻译成业务动作，才是这些资产的价值所在。
曾巧Ivy：企业将私有数据交给系统，担心数据在训练中泄露给竞争对手，如何解决？
Charles：我们坚持两个原则：边界先行、治理内置。先明确每份数据归属及使用权，再按不同区域规则处理。治理内置意指将相应要求写入数据处理逻辑，而非事后补救。
企业越依赖自有知识和数据形成差异，就越需知晓哪些信息进入系统、如何使用及在哪里隔离。这对全球化企业尤为重要，因为不同市场的数据要求各异。
AI进入决策，CMO和CTO怎样为结果负责
曾巧Ivy：当AI开始参与市场选择、预算分配和投放优化，CMO最重要的能力是什么？
Charles：我看两个维度。一是理解技术、AI及其应用，二是理解企业战略和整个业务。营销已进入增长和经营决策领域，CMO需理解CEO目标，具备一定CTO和CIO视角。
AI接手基础工作和部分简单决策后，人员需处理更复杂的权衡。决策循环越快，初始判断质量越重要。过去错误决定可能一个月后暴露，现在错误扩散更快，组织修正时间更短。
曾巧Ivy：这意味着CMO要懂技术、CTO要懂业务。边界打通后，如何避免无人对结果负责？
Charles：人的责任不会因Agent出现而消失。企业必须决定目标、可交由系统的判断及需人工确认的节点。技术团队需厘清数据、权限和风险边界，业务团队需为目标和取舍负责。将人的决策方式转化为Agent可理解和执行的逻辑，是接下来的难点之一。
曾巧Ivy：营销Agent会继续向供应链、产品和经营决策延伸吗？
Charles：会。营销离消费者最近，反馈可继续影响产品、生产、供应链和资金安排。例如产品先下200单，市场反馈良好后追加至2000单、2万单，推动供应链增产。营销数据不仅用于复盘广告，也可帮助企业决定资源投向。
这仍是一种理想方向。营销系统和经营系统之间需数据和流程衔接。但一旦消费者反馈能进入下一轮供给决策，企业比竞争对手更快发现问题、调整动作，本身就是竞争力。
曾巧Ivy：开发AgentOS投入巨大，短期内是否是飞书深诺先替行业交学费？Marvy 2.0会很快带来业务增长吗？
Charles：它会带来加速，但不会戏剧性地今天上线明天增长。我们先用它提升自身广告运营效率和服务能力，再将能力开放，逐步嵌入客户业务流程。目前已有显著商业化成果，这需要持续投入，与产业共同进步。
曾巧Ivy：所以，Marvy究竟是飞书深诺的一款新产品，还是未来所有业务的底座？
Charles：Marvy 2.0更像能力中台，将AI能力输送给前端不同业务。服务中小企业的业务可接入轻量版本，智能创意Agent可与专业创意团队结合，不同业务均可调用核心能力，并按场景定制。
希望它帮助飞书深诺内部形成业务共识，沉淀更多数据和客户上下文，也帮助客户理解和对齐目标。接下来我们将推出Marvy Lite版本，用更标准化、轻量的方式覆盖中小企业常见营销场景。
Marvy究竟给出海营销留下了什么
对话后，思考焦点并非“AI是否取代人”或效率预测，而是具体化了出海营销的一个旧问题：企业并不缺工具，缺的是一套能把分散动作变成连续决策的系统。
Marvy 2.0给出的路径有三个明确落点。第一，它将市场洞察、媒介策略、创意、投放和分析纳入同一条决策链；第二，它用Supervisor Agent处理不同专业Agent之间的依赖和冲突；第三，它保留决策依据、置信度与人工介入，使投放结果能够进入下一轮学习。
飞书深诺的行业贡献也应在此衡量。过去，头部出海企业获得专业营销能力，往往依赖经验丰富团队和长期项目合作。Marvy试图将这些经验拆分为数据、规则和Skill，通过系统复用。它改变的不是单一岗位效率，而是专业出海营销能力的交付方式：从依赖少数人的项目经验，逐步转变为可调用、验证和积累的企业能力。
这也是“全球AI营销新基建”定位成立的前提。基础设施不能仅在演示中给出漂亮答案，必须能在不同国家、行业和企业上下文中反复运行；不能只提高产量，还要让决策更可解释；不能只调用数据，还要守住数据边界。
Marvy 2.0目前仍处于L2到L3的人机协同阶段，距离全自动决策尚有明显边界。讲清这一点，比宣称“AI已接管营销”更有价值。CMO和CTO在评估此类系统时，应当追问五件事：它服务的业务目标是什么，能否打通完整流程，能否展示决策证据，结果能否回到下一轮，企业数据是否有清楚的使用边界。
若一套系统答不清这些问题，再多Agent也只是工具集合。中国品牌出海的下一阶段，不需要广告里出现更多AI，而需要少一些解释不清的决策，少一些被重复支付的错误。
Morketing