硅谷圣何塞SAP中心内，英伟达GTC大会再次成为全球人工智能领域的焦点。创始人黄仁勋身着标志性黑色皮夹克登台，用近两小时的演讲将行业讨论从“模型崇拜”推向智能体时代。尽管现场掌声依旧，但与两年前为技术演示惊叹的氛围截然不同——参会者更关注一个核心问题：如何让AI技术真正落地企业场景。
这种转变折射出行业发展的深层矛盾。随着模型性能持续提升、工具生态日益完善，企业AI应用却普遍停留在“能用”阶段。多数案例仍局限于文案生成、数据汇总等边缘场景，难以融入核心业务流程，更无法形成价值闭环。特赞创始人范凌在会后撰文指出，企业已不再质疑AI的必要性，转而追问“投入产出比为何不及预期”。
范凌认为，企业过去两年存在根本性认知偏差：将大模型视为独立能力，而非业务系统组成部分。当模型成为像水电一样的基础设施后，竞争焦点已转向上下文构建——企业需要的不再是更强大的模型，而是能深度理解业务逻辑、决策规则与组织记忆的智能系统。这种上下文不仅包含结构化数据，更涵盖隐性知识、协作流程与风险偏好等非标准化信息。
行业调研数据印证了这种判断。Gartner报告显示，超过80%的企业AI项目仍停留在单点优化层面，仅有6%的案例能影响战略决策。问题根源在于多数企业将AI视为现有系统的功能叠加，导致技术架构与业务流程割裂。这种“老瓶装新酒”的做法不仅无法提升效率，反而因界面冗余降低了用户体验，最终影响商业化转化。
特赞的实践提供了另一种路径。这家成立十年的企业早期聚焦创意资源匹配，后转型数字资产管理（DAM）领域。其开发的系统不仅实现内容存储与检索，更通过AI技术完成70余种文件格式的自动解析、智能标签与全域推荐。这种能力使某快消企业的内容协作效率提升60%，查找时间从小时级压缩至秒级。
在大模型时代，这些沉淀的非结构化数据转化为关键竞争优势。特赞服务的联合利华、宝洁等客户，其DAM系统中存储着完整的决策链路、品牌规则与市场反馈。这些与业务深度绑定的上下文资产，随着时间推移形成难以复制的竞争壁垒。范凌强调：“真正有价值的不是决策结果，而是决策过程本身蕴含的认知资本。”
基于十年积累，特赞推出企业级智能体系统GEA。该系统采用四层架构：底层是升级后的上下文记忆系统，中间层包含400余个模块化技能组件，上层由发散推理模型驱动任务编排，最顶层直接对接企业商业目标。这种设计使智能体能够自主感知业务状态，在关键节点主动触发动作，形成“感知-决策-执行-优化”的完整闭环。
某国际快消品牌的实践验证了系统价值。传统新品研发需3-6个月周期，引入GEA后，智能体通过实时捕捉市场信号与社交舆情，自动生成产品概念与包装方案，并联动AI测试进行快速迭代。该品牌现已将300余个方案推进至测试阶段，成功上市十余款新品，其中爆款礼盒从洞察到落地仅用两周时间。
在3C领域，某全球品牌借助GEA破解海外社媒运营难题。系统直接对增长结果负责，能够动态监测数据、自动调整策略，将原本需要多团队协同数周的工作压缩至智能体独立闭环运行。这种转变使企业从流程管理转向结果订阅，商业模式随之发生结构性跃迁。
特赞的转型具有行业示范意义。当模型成为公共基础设施后，真正创造价值的不是技术本身，而是对业务上下文的深度理解与系统编排能力。这种能力需要长期积累，涉及数据安全、合规体系与组织适配等多重门槛。范凌指出，企业AI竞争已进入深水区，决定胜负的关键在于谁更早让智能体渗透至业务毛细血管。
目前，特赞近三成存量客户已切换至新体系，覆盖快消、汽车、医疗等多个领域。这种商业成果验证了其路径可行性——在多数AI应用层企业仍在演示Demo时，特赞已实现接近1亿美元的ARR收入。这种差异源于其对AI价值的本质认知：技术必须长在业务土壤里，才能结出商业果实。
