大多数品牌的传播，至今还是"古法广告"。 深演智能联合创始人兼 COO 谢鹏在近期的公开演讲中用这个词形容一种大家都熟悉的工作方式： 今天不仅品牌在影响用户，用户也在影响用户，还有 KOL 甚至 AI 都在影响用户，但很多品牌还在按照自己的排期节奏脉冲式自说自话； 用户在连续的旅程中没有被识别为同一个人，看到的信息彼此割裂； 忙完一个项目，最后往往——"广告投完，受众丢光。" 宝洁首席品牌官Marc在2026年美国广告主协会（ANA）媒体大会上描述了AI时代的品牌宣传挑战：媒体与信息的碎片化已经形成一种结构性的“背景噪音”、媒体与商业的边界正在消除、数据与AI技术叠加让变化“全面加速”。 Marc同时也给出了全新策略：建立（品牌与用户之间）持续不断的互动流......而且越来越接近“一对一”的沟通，同时还能把互动直接连到生意上，打通到销售和零售端。 但是，最终的问题是如何才能实现如此理想化的品牌传播策略呢？深演智能 Agentic Service 为这个挑战给出了答案：让 Agent 嵌入品牌传播与用户获取的全链路服务，让 AI 赋能找人、创意、投放和 GEO 等关键决策和执行， 实现"用户为中心"的持续沟通（Always On），用AI驱动增长（AI for Growth）。 得用户者，得天下——得的不是一次曝光，而是日积月累的用户资产。四个真实案例，讲讲这个转变是怎么发生的。 找人：从“古法”头脑风暴到Agent发现增长人群 很多品牌都经历过类似时刻：预算花了，声量不差，触达也够，可增长迟迟不来。复盘会上大家问的是同一个问题：人找对了吗？ “古法”是靠头脑风暴。团队凭经验判断谁是核心用户、哪里可能破圈。投完后依然是曝光有但转化没有起色。 某品牌在小红书做内容营销时，把这个问题交给深演智能 AI 策略助手 Agent：深度分析行业、竞品、人群数据后，策

美妆品牌做 KOS，真正难的不是多发内容，而是能持续判断：什么内容有效？谁适合怎样表达？发布后流量应该向哪里倾斜？ 深演智能（ $深演智能(02723)$ ）服务的这家头部国货美妆品牌拥有 400 多家门店和 3000 多名美妆顾问，已经积累了一批成熟 KOS。但在实际运营中，超过 80% 的曝光仍集中在少数成熟账号。好内容难复制，付费加推和评论区客询又依赖分散的人工判断。 品牌因此引入深演智能 DeepKOX：8 个 AI 智能体共享品牌知识、KOS特征和运营反馈，让内容洞察、内容创作、核验发布、客询承接、数据分析与结果学习形成一个Agentic KOS增长闭环。 以“520试妆服务”活动为例，看这套闭环系统如何真正运行起来。 AI 内容洞察 × AI 内容创作：洞察热门笔记，决策创作千人千面 “520试妆服务”活动启动前，AI 内容洞察智能体先拆解品牌热门笔记和行业爆文，识别笔记类型、场景痛点、沟通人群等关键标签，再结合品牌既有内容的客询表现，判断哪些要素真正有效。这些判断会直接进入 AI 内容创作智能体的上下文，与活动信息、品牌规范和 KOS 人设一起决定每位顾问怎么写内容。 因此，同样是一次试妆服务，有人从日常体验切入，有人重点讲解试妆步骤，也有人突出上脸妆效。千人千面的内容背后，是一套经真实结果验证的内容判断。 AI 内容核验 × AI 内容发布：判断内容能不能发，什么时候发 初稿提交后，AI 内容核验智能体不只过滤敏感词，还会把产品名称、活动权益、必备要素和 IP 授权期限逐项与品牌规则比对，并判断直接通过、退回修改还是转人工复核。只有通过的内容，才会进入 AI 内容发布智能体的任务队列。 AI 内容发布智能体再读取活动窗口、账号状态和发布间隔，智能决策发布时段。总部不再从微信群里

每一天，你的用户都在发声——在小红书和抖音、在电商评论区、在400客服电话里、在一份份满意度问卷里。他们在评价着你的产品，服务，给你提建议。这些声音里，藏着产品该怎么改善、服务该怎么优化、下一个爆品长什么样，有什么创新的机会。 问题是，大多数企业听不全，更用不上。 过去十几年，企业为"听用户声音"买过不少系统：舆情监控、social listening、传统 VOC 软件。它们大多在干一件事——给你上百张报表、一堆仪表盘，告诉你有多少“正向”和“负向”的声音。 但数据看上去很全，可业务部门最需要的往往抓不到： 所以，我该做什么呢？ 在AI时代， $深演智能(02723)$ 正式推出AI VOC洞察决策系统——DeepVOC 2.0，只为彻底解决这个问题。它是深演 DeepAgent 4.0 Pro 智能体平台的产品之一，也是深演Agentic Software的典型代表。 它整合企业的社交媒体、私域、电商以及内部的全部消费者发声数据，充分利用强大的 AI 标注、智能洞察等多智能体联动，帮助企业在海量的用户声音中做产品决策、用户洞察、产品创新与运营优化。 DeepVOC 不是数据看板，也不是一套查询工具，而是一个由多个 AI 智能体（Agents）协同驱动的决策系统，更是一个会主动建议的"AI洞察官"。比如，它会直接对你说： "过去一个月，主力奶粉的“便秘”声量环比近乎翻倍，建议优先立项排查。" "某款酸奶'包装漏液'的评论连续两月走高，已超过口味问题，建议优先排查灌装与运输环节。" "'黄金奶源·极致干爽'等四个新品概念就潜在的下一个卖点方向。" 听客户的声音，不是为了看数据，而是要"知道可以做什么。 DeepVOC与传统的VOC工具

大模型还在以月为单位狂飙，但走进真实的企业，你会看到另一幅景象：几乎所有公司都在用 AI，可真正用出价值的，凤毛麟角。 麦肯锡的研究显示，今天几乎所有企业都在至少一个业务环节里使用 AI，但接近三分之二仍停留在试点或实验阶段；埃森哲对中国企业的调研则发现，在已经规模化应用生成式 AI 的企业里，真正"实现了显著价值"的只有不到一成。 工具越来越强，价值却迟迟兑现不了。问题到底出在哪？ 今天， $深演智能(02723)$ 正式发布企业级多智能体平台 DeepAgent 4.0 Pro。 这是公司登陆港交所后的首场重磅产品发布，也是深演面向"企业 AI 如何真正用出价值"这道行业难题，给出的一套系统性答案。 DeepAgent 4.0 Pro 不是又一个 AI 工具，而是一套重构企业 AI 运行方式的平台：以 Agentic Software（智能体软件）+ Agentic Service（智能体服务）双引擎，让 AI 从一件件孤立的"效率工具"，变成真正驱动业务的"增长引擎"。在深演看来，企业 AI 的价值之所以难兑现，根子不在模型，而在用 AI 的方式——这，正是 DeepAgent 4.0 Pro 要回答的问题。 STEP1 价值没兑现，通常卡在三个地方 为什么企业的 AI 应用大多失败？深演智能创始人兼CEO黄晓楠把它归结为三个核心卡点。 单点散落——只完成 Task，没完成 Job。 智能体只做一个个孤立的单点任务，没有嵌入企业的工作体系，撑不起一条真实、完整的业务流程。 价值错位——只盯降本，算不过账。 企业总想用 AI 省人，却忘了 AI 是一笔需要培养、会持续增值的投资，用短期 ROI 去衡量，自然下不了投入的决心。 底座缺乏——没有底座，A

在信息过载、媒体碎片化的当下，品牌传播的背景噪音越来越大，品牌广告到底该怎么做，才能面对每一个目标用户随时保持传播信息的一致性，才能持续确保对用户心智和行为的高效影响？、 一个多世纪前的“约翰·沃纳梅克之惑”，在今天依然困扰着品牌主们。广告投放值不值？钱有没有花在实处？广告的效果怎么衡量？  “向马斯克学习，运用第一性原理思考，品牌传播买的不是媒体，是目标人群。”深演智能联合创始人兼COO谢鹏这样分享他对于品牌广告花费的思考。 现代管理学奠基人彼得·德鲁克说过的一句话从某种程度上印证了谢鹏的思考——“企业的唯一目的就是创造顾客。” 如何在广告花费这件事情上降本增效？沿着谢鹏提出的第一性原理继续推演思考，像拆解火箭制造成本一样，可以看到很多机会点：广告费是否花在了非目标人群上面？品牌广告是否将信息用不合理的超高频次，狂轰滥炸反复传递给目标人群？目标人群的兴趣是多元的，网络轨迹是多线程的，品牌是否局限地把广告费只花在了那些溢价收费的媒体上？ 帮助品牌主在广告花费上面降本增效，高效获得用户，程序化广告相较于传统广告具有无可比拟的优势。 举个例子，传统广告像是在集市上买一整筐水果，你无法判断筐内水果的好坏，也无法只买那几个想吃的水果，最终你可能买到心仪的水果，更可能得到“一筐烂梨”。而程序化广告更像是在股票交易软件上通过设定好的条件，自动、精确地购买你想要的每一支股票。 程序化广告，正是让“创造顾客”这一行为，变得前所未有的精准与可衡量。 图片 传统广告买的是“场”。无论是电视的黄金时段、市中心的户外大屏、还是报刊的头版封面，广告主“赌”的是这个“场”能聚集的所有眼球，对于眼球转化为行为的效果却难以衡量。 与此类比，程序化广告则是买“人”。它借助数据与技术，在不到1秒的时间内完成对广告展示机会的竞价、购买与投放。 这意味着，广告主不再是拿着大喇叭对模糊的人群喊话，而是在千

Agentic AI、Harness Engineering、AI OS、FDE、AaaS、RaaS、Token工厂……这些原本更多出现在技术圈的词，被集中写进北京市四部门印发的AI智能体新政——《北京市加快智能体引领发展的若干措施》。 政策从基础模型和智能体底座，延伸至AI原生应用、智能终端、商业模式，并覆盖安全、算力、数据、人才与开源生态。十点内容的背后是一条清晰主线：衡量AI的价值，正从模型“会说什么”，转向智能体“能完成什么”。 对企业而言，AI应用不能再停留在接入模型、增加功能和展示Demo。如何真正让AI发挥价值？首先要回答三大问题。 不是先选模型，而是先定义一个值得完成的Job 为什么许多企业用上AI，价值却没有兑现？深演智能（ $深演智能(02723)$ ）创始人兼CEO黄晓南认为，首要问题是单点散落：只完成任务（Task），没有完成工作（Job）。AI做了许多孤立任务，却撑不起完整的业务流程。 北京新政有了直接呼应：通过工具调用、长上下文、多智能体协同和记忆等技术，提高大模型“实际任务完成能力”；以数据驱动、自主决策、人机协同的行业原生解决方案，重塑核心业务流程。 对企业而言，“实际任务”从来不是生成文案或汇总数据，而是完成一项可被业务负责人验收的Job。企业需要回答：哪个场景值得被AI重塑？哪条核心流程可以让AI切入并完成作业？ 某央企零售业务副总经理在讨论AI落地时提到：不能跟着AI热度一股脑推进，要先界定能力边界和阶段目标。某国际健康科学企业数字化负责人的思考同样务实：先定义业务场景，再小规模快速试点，验证有效后放大。 以企业的用户声音洞察（VOC）为例，目标从来不是看一份舆情摘要，而是利用多智能体协作从海量的用户声音中发现产品问题和创新机会，形成可行动的业务决策。这类