智东西（公众号：zhidxcom）
作者 | 程茜
编辑 | 心缘

智东西3月18日报道，昨天，京师大模型传播应用系统营销垂直大模型垂直应用云阙AI平台发布，这是继大模型驱动多模态文本分析系统XBL507之后，第二期京师大模型传播应用系统发布。

整个产业对AIGC的需求呈爆发式增长，但云阙智能创始人、董事长毛雷雷谈道，AIGC产业与营销传播行业相结合仍面临很大的应用门槛。

因此，面向AIGC技术与营销传播行业相融合，云阙智能打造了六大技术解决路径，分别是内容科学体系、面向技术小白的营销垂直微调模型自主训练功能、面向技术小白的营销垂直Prompt模型自主训练功能、部分行业垂直模型及品牌专属模型、跨媒体智能分发、营销传播数据飞轮。

云阙AI平台就能满足大型企业、中小型企业以及社区门店客户对于营销传播的不同需求。

一、AIGC需求爆发，抢抓营销产业万亿级市场

毛雷雷谈道，AIGC进入产业实践会面临很多问题，如底层技术制约、人才匮乏、垂直领域相应技术的匹配产品工具不太适用，以及落地过程中的商业模式、业务场景、传播流程都会面临困难。

他透露，过去两个月，整个产业对AIGC的需求呈爆发式增长，云阙智能已经为15家企业做过战略咨询，并且美国100家头部企业CMO的调研数据显示，2024年企业AIGC预算分配已经占总预算的25%。

国内营销产业是万亿级市场，但其中面临结构性矛盾和供需错配，因此，云阙智能希望将AIGC与内容营销产业相结合，加速AIGC产业的落地。

过往一年，云阙智能做了适配汽车行业等不同领域的垂直模型、产品发布，并且为大量企业做了相应的培训，做产业AIGC化加速器，

加速器指的是从三个方面进行全面优化，分别为人、技术、业务场景。云阙智能提供了对于企业内供员工培训孵化、相应技术工具开发，商业模式和业务场景的探索。

AI技术发展，其服务的主题、范式、业务场景、组织结构都会发生变化，产品和服务体系会覆盖核心内容生产成本、效率的优化，整个传播业务流程的改造等。

过去一年，云阙智能构建了艺术、技术、商业化、学术在内的四大体系，去基于AI形式推动内容和技术的平权。

二、营销+AIGC落地三大难点，拆解六大技术解决路径

AIGC的能力强大，但与营销传播行业实现融合落地有一定的难度。云阙智能联合创始人、首席技术官郑浩谈道，其中主要有三大难点：

首先是AIGC的文字、图片和视频涉及到拟传播的“产品”的外观形态、参数，使用体验必须精准，不能有错误、变形等。

第二是用于营销传播的文字、图片和视频，需要具备传播属性、紧跟热点热梗、具有记忆点，不能纯粹平铺直叙。

第三是营销传播从业者文科社科类背景居多，从业者了解以什么样的内容能达到传播效果，但他们缺少工具的使用能力，因此需要将IT从业者的技术能力和有传播经验的从业者能力相结合，打造一个极低门槛的工具。

基于这三大问题，云阙AI平台基于通用大模型提出了六大技术解决路径。分别是内容科学体系、面向技术小白的营销垂直微调模型自主训练功能、面向技术小白的营销垂直Prompt模型自主训练功能、部分行业垂直模型及品牌专属模型、跨媒体智能分发、营销传播数据飞轮。

其中，内容科学体系从质量评估、内容风控、爆款模型、效果归因四个方面出发打造的，郑浩谈道，其中，面向面向技术小白的营销垂直微调模型自主训练功能以及营销垂直Prompt模型自主训练功能的核心是降低使用门槛，但同时又能融合各种营销传播要素。

郑浩谈道，大模型进入场景，需要有效率工具等与企业的业务紧密结合，如果依靠通用大模型的对话框，在很多业务实践上会遇到困难，因此需要场景类工具做进一步补充。以汽车行业为例，云阙AI平台就需要引入文章类型、人物画像、产品亮点、产品参数、优惠政策等要点。

有了这些关键的业务点，云阙AI平台前期积累的标签、文本、图片、视频等基本素材就支撑其进行大模型训练。

目前 云阙智能已经为头部汽车品牌客户、中小型客户、社区门店等客户提供了对应的产品和服务。

三、大小模型协同，构建大模型生态下“多级传播”

大模型的发展有数据、场景、算力几大基础性支撑因素，首先中国有丰富的数据和场景，但数据开源程度不一样，所以必须解决数据开源的规则问题。

教育部“长江学者”特聘教授、北京师范大学新闻传播学院教授、北京师范大学传播创新与未来媒体实验平台主任喻国明谈道，目前，大模型在发展中面临算力极限、数据私属、算法深化以及风险治理方面的一系列问题。

他认为，目前中国拥有丰富的场景、数据，但算力支撑并不强大的背景下，就可以用百万级、千万级等相对较小参数的模型，用较小的算力支撑就能解决场景类、应用类的问题，这或许就是当下情况一种应用的发展模式的锤炼。

从大模型所形成的传播新生态角度来看，小模型的建设有其必要性。大模型智能化程度越来越高，能解决的问题越多，就会使得整个传播生态变成一对多数应用的情况，对人类传播构造有很大风险性。

针对在大模型生态下扮演的角色而言，场景模型自我收缩智能化处理的边界，实现专业化程度的加深、加细、加密与加厚；私域模型基于私有链单边留存数据，联盟链打破数据孤岛，在保障数据安全下实现共享协作；边缘模型作为一种接力传导，实现对中心计算的算力延伸与存储扩展。

基于此大小模型协同，就能构建全新的大模型生态下的“多级传播”，其中包括自上而下多级传播环节大模型生态下的茧房效应，从优化算法模型、嵌入社会关系、大小模型的点、线、面布局，缓解大模型由价值偏态与信息供给窄化造成的信息茧房。

与此同时，小模型可以作为认知、情感与价值中转站反哺微调大模型。

结语：场景模型加速大模型落地应用

大模型本身能力加速升级，但具体到真正的使用场景，其应用往往会面临技术、人才、工具方面的不足，如工具不易用或者技术人员和不同行业从业者的认知不协同等。

因此，以营销传播行业为例，能够基于具体细分场景的核心痛点与需求，将大模型的能力真正释放出来，才能加速AI技术的普惠与落地，让社科类从业者找到好用易用的AI工具，真正实现在工作场景的降本增效。