你的AI还在烧Token，行业首个Pro Agent已经开始赚钱了

看专业、主动与讲商业回报的Agent如何串起“结果导向”的赚钱逻辑。

作者 |  三北

编辑 |  漠影

当大多数AI还在帮企业“烧Token”，这家明星Agent企业选择让AI帮企业“赚钱”。

在近日举办的TGC 2026科技增长大会（Technology Growth Conference）上，服务数十万品牌出海的中国AI公司——钛动科技，正式推出具备Professional（专业能力）、Proactive（主动决策）、Profitable（持续盈利）三大能力体系的行业首个Pro Agent：Navos Pro，并宣布“用AI帮助全球企业赚钱，才是我们的星辰大海”。

钛动科技创始人兼CEO李述昊上台后先问了三个问题：多少人开始用AI？多少人用AI上班？多少人真的认为AI在帮自己赚钱？前两次举手的人很多，第三次只有少数。

这让我们看到AI落地现实与期待的落差：AI进入工作流的程度在提高，甚至很多人甚至支付AI订阅费，但企业普遍还没有看到利润。Navos Pro的诞生，就是要补上这段落差。

▲钛动科技创始人兼CEO李述昊

Navos Pro的三大“Pro”属性中，Professional解决“能不能干”的专业能力，Proactive解决“要不要等人派活”的主动决策，Profitable则指向“干得值不值”的持续盈利。换句话说，Agent不再只等着人类分派任务，而要主动感知业务变化、发现问题，并提出与下一步利润增长相关的行动建议。

钛动科技AI VP陈德品博士用一个比喻解释这种变化：一个实习生实习三个月后，如果还能反过来告诉导师“明天我该干什么”，他才算真正转正。Navos Pro要迈向的正是这个阶段——从执行工具，变成能主动提出行动建议、最终促成增长的Agent。

▲钛动科技AI VP陈德品博士

这也是钛动科技决定“只做结果导向的AI for Work”的核心缘由。每一次产业变迁，都会重新打开巨头诞生的窗口，在数万亿美元的AI for Work（企业级AI应用）蓝海面前，Anthropic的Claude Code聚焦软件开发，谷歌推进Gemini Enterprise布局企业级Agent，腾讯WorkBuddy探索AI办公协作，而钛动科技把落点放在企业“增长”诉求上，试图给出一份面向世界的中国答卷。

重做AI for Work：从懂业务到见利润

在李述昊看来，企业长期的AI投入大致落在三类场景：AI for Growth（营销和销售）、AI for Innovation（编程和产品开发）与AI for Administration（管理）。

三者都重要，但回报逻辑不同：研发和管理类投入往往周期长、收益间接，而AI for Growth场景直接关联收入和客户增长，最容易形成可验证的回报闭环。正因如此，基于钛动科技在全球营销领域近10年的积累，Navos Pro首先在AI for Growth跑通闭环，让AI的投入产出算得清，再谈更深层的组织与研发改造。

麦肯锡2025年发布的调研数据指出，当前企业AI Agent整体规模化落地比例依然偏低，但IT、知识管理与营销销售已成为率先突围的“第一梯队”。

而在Navos Pro三大Pro特性中，最容易被通用AI工具忽略的起点，就是Professional Agent：先让AI真正“懂你的生意”，后面的所有机会判断和收益验证才不会跑偏。

1、Professional Agent：专业理解业务，先让AI真正懂品牌

大模型越来越聪明，企业却未必能直接把它当作业务专家。

在李述昊看来，通用模型的基础能力已经相当强大，但理解知识与理解一门生意之间仍有距离。他在演讲中打了一个比方：模型就像一个高考能考700分的学生，学习能力很强，却未必懂得如何经营企业。真正进入工作场景，还需要接受专业化改造。

Professional Agent解决的是专业理解业务的问题。输入品牌官网，系统自动解析品牌定位、产品卖点、目标客群与业务目标，构建私有化品牌知识底座。用户在使用过程中给出的反馈，也会持续沉淀为业务记忆，帮助系统理解品牌偏好，减少重复沟通，让后续输出更贴近品牌定位与商业诉求。

以出海企业为例，其面对的是多国家、多渠道、多人群，品牌定位不能每次对话都重新开始。钛动科技Navos Pro追求的Professional，与通用AI工具的一个重要区别，是将行业Know-How、专属数据和标准化工作流结合起来。

比如当品牌需要开发新的广告素材时，系统可以先结合品牌知识与相关素材进行分析，再根据用户需求调用相应工具和工作流。用户的反馈会进一步影响后续交互，意图识别、结果反馈和过程追溯则帮助任务更有序地完成。

总的来说，只有先吃透业务、装配好标准化业务流程，Agent后续的主动决策与利润验证才有落地的支点。

2、Proactive Agent：主动发现机会，从等待指令走向主动决策

如果说专业能力决定AI能不能做好一项工作，那么主动性决定它能否在问题出现之前，就把机会找出来。

跨境营销是一个高度动态的场景。不同国家和地区的消费者偏好持续变化，社交媒体热点、平台算法、广告账户表现和商品销售情况也在不断波动。品牌经营者需要同时关注账户、商品、素材和市场等多个维度，才能判断下一步应该调整什么。

数据规模越大，人工监测和判断就越难及时覆盖所有变化。

Proactive Agent试图改变这种工作方式。它能够7×24小时观测市场、投放、商品和达人等多维数据，主动识别潜在增长机会，生成相应策略并推动后续执行。用户仍保留最终决策权，可以根据业务情况确认或调整建议。

例如，当广告账户表现出现波动，系统可以结合账户、商品和素材等信息，分析预算、出价、卖点或创意迭代的可能方向；面对不同商品和市场，也可以持续提供优化建议，并联动Agent或人工执行。

“AI for Growth是离Revenue最近、也最容易被商业证伪的场景。”李述昊在接受采访时提到。钛动在大会上披露，其系统日均覆盖10亿级感知数据、2亿级感知频次，支持千万级广告诊断、百万级行动建议，建议采纳量超过10万条。这些规模化数据与反馈，构成其主动决策能力的重要基础。

这意味着Navos Pro不再等待人类发出指令。它像一位经验丰富的运营总监，全天候监测账户、商品、素材的各项指标，一旦发现异常或机会，立即生成优化建议并推动执行。用户只需审阅并拍板，无需事无巨细地逐一吩咐。

3、Profitable Agent：实现商业增长，以真实指标校验AI价值

专业理解和主动决策，最终还要接受商业结果的检验。

以商业盈利为最终标尺，Navos Pro的策略、创意、投放均围绕GMV、ROI、利润等真实指标校验价值，拒绝无业务意义的AI产出，实现产出可衡量、可盈利。

其工作方式可以概括为三个连续环节：先批量创编并进行规模化测试，再从测试结果中筛选有效方案，最后通过策略迭代放大收益。创意生成不再停留在交付素材，广告诊断也不只停留在给出报告，而是要继续观察实际反馈，并将反馈用于下一轮优化。

这套逻辑对应的是AI商业化的一道关键考题：模型能完成多少任务固然重要，但企业愿意为结果持续付费，才意味着AI真正进入生产环节。

可以看到，从专业理解、主动发现到结果验证，三个“Pro”串起闭环增长链路。市面上多数Agent停留在“收到指令、执行任务”；而这套体系里，Professional负责吃透专属业务，Proactive主动发掘投放与市场机会，Profitable以真实经营指标校验价值。

三者共同指向一个目标：跳出指令式执行，让Agent围绕企业增长目标持续自主工作，最终兑现可衡量的商业收益。

从10亿+感知到AI自进化

产品能力背后，钛动科技将行业数据、专业模型和Agent执行体系深度融合，构建Navos Pro的三层能力供给。

Professional层面，专业能力有数据和工具支撑。其依托公域数据、行业Benchmark及垂直场景知识，结合70+MCP、100+ Skill，以及标准化工作流，支持选品、素材创作、广告诊断等任务。钛动科技自创立之初就注重大数据资产建设，从数据清洗、整理、归类到专业标注，每一步都围绕营销场景深度定制。隐性数据尤其关键，比如商品转化率等互联网上看不到的数据，正是让AI成为生产力的关键。

Proactive层面，主动决策有数据规模支撑。正如前文提到，其系统日均覆盖10亿+感知数据、2亿+感知频次，支持千万级广告诊断、百万级行动建议及10万+建议采纳，围绕账户、商品、素材持续输出优化建议。这些海量数据构成了Navos Pro感知业务脉搏的神经末梢。主动决策有数据规模支撑，建议才不至于停留在泛泛而谈。

Profitable层面，持续盈利有反馈机制支撑。其通过批量创编、规模测试、策略迭代和收益放大，结合Learning Loop形成结果反馈、策略优化、持续进化的闭环。底层Navos RSI采用Agentic RL驱动Agent Harness自迭代，覆盖轨迹采样、奖励设计、策略更新、版本写回与验证全链路。

三层架构由Agent Harness、32B/27B/5B专业模型及营销知识库、Benchmark指标库、方法论资产、多源异构数据和专业样本库构成，支撑多国家、多渠道、多行业、多场景复制。依托上述三大Pro体系，Navos已完整覆盖出海营销链路，同时设置Navos Lite和Navos Pro双版本矩阵。

技术底座摊上桌后，Navos Pro的边界也更清楚：它要把专业数据、专业模型和Agent执行体系压进增长链路。

Navos Pro打响Agent大战下半场

Navos Pro背后，是钛动科技重要的技术底座——自研专业大模型“钛极”。

根据官方数据，钛极问答推理模型在SuperCLUE广告营销专业大模型测评中位列全球第一，内容理解模型在出海营销视频理解测评中获得总榜亚军。这些成绩背后，是钛动长期积累的行业数据、营销经验与专业Benchmark。李述昊曾提出，专业模型需要专业的训练材料，真实业务场景、行业Know-How和成功与失败案例，都能帮助模型理解商业世界。

但钛动的判断是：专业模型只是入场券，不是终局。模型能力是Navos Pro的底座，但模型本身并不能直接完成增长闭环。

正因如此，钛动把钛极与Agent Harness、标准化工作流组合起来，这一实践揭示了Agent竞争的新变化：下半场拼的不只是模型参数规模或单点能力，更是能否将模型、行业数据、工具调用、业务流程与真实结果验证整合成一套完整系统。只有让AI真正进入业务运行，并持续根据结果优化，壁垒才成立。

官方数据显示，钛动科技已服务数十万出海品牌，覆盖跨境电商、外贸、营销、商业分析等场景。2026年7月，钛动科技成为ChatGPT Ads全球首批技术合作伙伴，相关合作助力品牌ROI提升至2.5倍。8月，钛动科技与腾讯WorkBuddy达成合作，将模型能力落地海外营销投放场景。这些合作验证的正是同一件事：客户买的不是模型参数，而是模型嵌进业务系统后带来的增长结果。

结语：AI竞争进入价值验证阶段

AI技术的商业化叙事正在从“能力供给”转向”价值验证”，上半场比谁更聪明，下半场比谁更能赚钱。正如李述昊在TGC大会上分享的，从移动互联网时代的流量竞争，到SaaS时代的流程管理，再到AI时代的生产力重塑，企业技术投入的价值衡量方式正在变化，把产业关注点推向价值验证。

对于钛动而言，AI for Growth是当前最硬的切入口——营销直接连着收入，增长结果最难含糊。先把这条链路跑通，AI for Innovation与AI for Administration才有拓展的底气；否则，能力铺得越宽，越容易变成新的成本项。未来，公司计划将相关AI能力进一步拓展至AI for Innovation与AI for Administration，探索更系统的企业生产力变革。

AI能否真正创造商业价值，仍需要更多真实场景检验。但AI for Growth这个考场已经给出标准：AI不能只交“会做事”的作业，而要交“帮企业赚钱”的利润表。Navos Pro已来，增长场上见真章。