近日，在漕河泾方创进行了一场关于“AI在出海营销领域的应用和融合”的工作餐交流，探讨了在AI爆火的情况下，AI如何与出海营销结合。虽然AI大模型以及AGI何时能成长为一个超智慧的存在尚不清楚，但AIGC在各个方面的应用已经开始产生正向作用，AI节约成本的效果已经显而易见。
本次工作餐交流有两位出海营销领域知名的企业家，三位AI领域的专家兼创业者，一位专注于投资AI领域的投资人参加。各位大咖根据自己对这个行业的理解和认知各抒己见，深入交流，对出海营销融合AI的路径以及方法论，以及对行业结构的影响和未来的展望，进行了详尽的了解和探讨。
探讨话题一：对于专业型公司，如何结合一些自有模型去做通用化的部署？以及如何基于自有业务的知识图谱去用大模型？
主持开发了自创公司的iCloud智能云平台及相关衍生系列系统的Xiang认为，首先，中国公司不能单纯依靠OpenAI，因为还是存在数据泄露的风险。因此，在建立本地模型时一定要做到本地化、私有化、安全这三大要素，要做到大小混合、公有和私有混合部署，并建立自己的核心壁垒。再者，对于GPT或者大模型，企业一定要结合自身的数据训练出适用于自己公司的小模型（或者称应用模型）。关于企业的知识图谱怎么样跟大模型结合，彬复的Zhimi表示目前可行的方法是把知识图谱翻译成训练数据，再对大模型进行微调。
探讨话题二：从跨境电商的业务角度看，哪些流程会被改变或替代？
目前有以下六大板块会被改变并最终替代：营销相关文字、场景图片、视频业务用于投放、客服机器人、邮件、内部流程的自动化。
拥有日活10亿条数据的，国内数字化跨境营销和电子商务领域的领军人物、资深专家Charles认为，GPT即使获得了某个细分行业的很有价值的数据，它依然暂不具备决策能力，仅仅可以基于行业有价值的数据生成一个半成品，例如营销素材的筛选，标准化问题的咨询回复等，以提高企业的运营效率。换句话说，AI更适合作为一个顾问来辅助决策。
探讨话题三：出海的应用服务结合AI的潜在可能。
Charles认为，未来营销的整个流程，客户的流程体验（自助化），品牌建立等都有机会用AI去完成，实现降本增效。目前出海营销企业遇到的最大的问题是握有大量的数据，却没有通过训练大模型建立的属于自己公司的应用模型。当谈及目前越来越火热的全球KOL经济时，国内知名的跨境出海效果营销科技服务公司创始人Alan表示，如何更好的服务全球数以千万计的KOL，是AI+出海营销一个需认真思考的点。目前国内做KOL营销SaaS很难，第一是因为SaaS需要花较长的时间构建，第二是因为国内对于营销SaaS的付费习惯还没有被培养起来。反观国外的类似SaaS的接受程度就比较高，对于KOL的SaaS服务配套就比较好。
探讨话题四：未来国内是否会出现TO B应用的独角兽服务商？
答案是肯定不会出现一家独大的局面。在国外SaaS+数据应用AI已拥有很多应用案例，也是趋势所在，因为SaaS有数据非常适合AI化。而在中国做AI的大模型，有很多中国独有的东西是国外解决不了。第一届人工智能专业的毕业生、北大人工智能协会成员Zijian认为，中国想做AI能力，做全球化市场是一个好的机会，可以把很多工具化产品、教育型产品重做一遍。企业用大模型结合数字人的方式，重视自有部署能力。其中，核心能力是大小模型混合部署的能力，以及基础的算力和数据保护能力。历任国内某知名手机品牌集团智能感知首席AI专家Eric也表示，各个行业会有自己独有的大模型，尤其是大的行业，如果大模型见不到企业内部的数据，是没办法给企业提供更周到的服务的。这样的需求极有可能催生各个行业To B端的AI应用服务商。
探讨话题五：未来大模型的发展有什么原则可以遵循，避免我们做的事情被覆盖掉？
从技术的角度来看，基于自有数据的壁垒搭建，是非常重要的护城河。目前主要流派所有的AI都基于数据的归纳，很多推理、跨行业的能力被丢弃掉了。因此，结合算力，隐私安全，以及已有的大数据，大模型进行搭建是非常有必要的。
从投资人的角度来看，在投资企业时候的顾虑是会不会投完后企业就被大模型替代掉。因此，核心是要看数据的稀缺性，比如工业设计中的数据。另外，AI+应用在To B场景还是有很多机会的，不会轻易被覆盖掉的。
从企业的角度来看，所有的AGI都来自于核心数据，但很多行业数据、细分数据、私有化数据都很有限，企业需要做的就是用好大模型，做好自己的业务。
另外，现阶段端侧 AI的进步也已经很迅速，非常值得关注。
工作餐小结：
1.随着AI时代的到来，我们认为AI在大模型上留给小公司创业的机会已经非常稀少了，反而是在行业应用上存在着很多的机会。其主要原因包括三大因素：隐私性；数据安全性；政治方面的影响（比如中美之间的关系影响）。
2.AI与出海营销结合的点主要在营销相关文字、场景图片、视频业务用于投放、客服机器人、邮件、内部流程的自动化这六大板块，目前表现为提高运营效率，降低运营成本，辅助人工决策。
3.随着AI+行业应用的深入发展，大模型会接入越来越多的 API，再进行决策，这将会是新的流量入口及变革。
调用外部GPT或者大模型，结合内部数据训练微调出适用于自己公司业务的小模型，形成大小互补、内外协同的双模型应用架构将会越来越重要。
