行业千亿美元豪赌AI，钛动李述昊：应用的“GPT时刻”等不来

南方财经见习记者苏磊

10月23日，在广州举办的TGC2026科技增长大会的入口处，主视觉上印着一句话：AI is Profitable。

三天后，10月26日，Anthropic的IPO招股书公布。2026年上半年，这家公司实现营收162.9亿美元，但净亏损807.5亿美元。招股书显示，Anthropic未来十年在云服务、计算能力和基础设施方面至少支出5180亿美元。另一组数字同样刺眼，微软、Alphabet、亚马逊、Meta四家公司在2026年的资本开支合计将落在6000亿至7000亿美元区间，较2025年增长六成以上，其中约四分之三投向AI基础设施。

巨额投入与亏损并存，AI产业的资本竞赛仍在加速。

而一家总部在广州的AI营销公司，却把“AI is Profitable”印上主视觉，让一个问题浮现出来：应用层的创业公司机会在哪里？

钛动科技CEO李述昊的回答很直接。

“大家都在等AI应用的GPT时刻，但我觉得是等不来的。”他在演讲后的采访中说，“商业化应用不会像技术一样有突变，因为它要跟物理世界交互。”

在他看来，模型能力的提升是连续的，商业应用的普及却是分散的。知识获取、流程优化、数据分析、创意生成等场景在不同行业、不同业务环节的落地节奏各不相同。AI不会在某个时刻突然席卷所有行业，而是在日积月累中渗透进一个个具体场景。

当被问及哪些领域真正通过AI实现盈利时，李述昊的回答是：“只有‘coding’。”随后他补充：“我们要把AI营销变成客户的‘普通能力’，让客户赚钱。”

这也体现出钛动科技的商业路径：不等待通用模型能力出现新的突破，而是从企业已有的经营需求中寻找付费空间。

“一个公司不做电商，大家都会认为这是荒唐的。以后客户不用AI做营销，我觉得也是荒唐的。”

李述昊将企业的长期支出归纳为三类：营销与销售费用、研发费用、管理费用，对应增长AI、创新AI和管理AI。其中，钛动选择从增长AI切入，试图用AI重新配置企业的营销预算。

营销之所以成为切口，在于它拥有清晰的商业反馈。广告投放后，点击、转化、成交等数据都可以被追踪，AI能够据此调整策略，并检验投入是否产生回报。

“在任何商业场景下，指望抠成本都是错误的商业模式。”李述昊认为，真正有商业价值的AI，应当帮助企业增加收入，而不只是压缩成本。

这一逻辑也指向中国企业出海的增量空间。

李述昊在演讲中提到，中国生产了全球30%以上的工业品，但中国企业在全球营销费用中的占比只有5%。在他看来，随着更多中国企业从代工和产品出口转向品牌出海，营销投入仍有较大增长空间。

在采访中，他把“出口”和“出海”分得很清。“只有商品出海，其实中国企业是没出海的。”过去大部分生意隔着分销商、经销商，企业在广交会上等客上门，对终端消费者几乎没有直接认知。“90%的商品是用出口的方式走出来的，不是出海。”

钛动科技发布的Navos Pro，正是这一思路的产品落地，李述昊以Professional、Proactive、Profitable三个“Pro”描述这一产品。

据钛动科技披露，平台日均感知数据超过10亿条，日均感知频次超过2亿次，可支持千万级广告诊断和百万级行动建议。

在他看来，AI应用的竞争不只取决于模型能力，还取决于企业能否理解业务、获得有效反馈，并把技术转化为可衡量的经营成果。

“现在大模型进步速度太快了，如果我做的事情很轻易就被新的模型替代了，这个事情还有没有意义？”在23日的TGC科技增长大会上，深空之序创始人叶军分享了自己的思考。

叶军在阿里待了18年，2020年9月接任钉钉CEO，2025年3月被调回集团，同年7月离职。2026年7月，深空之序在杭州注册，首款产品Agent Nine面向中小外贸与跨境电商企业。公司成立第一个月就拿到两家付费客户，叶军给今年定的目标，是把ARR（年度经常性收入）做到1000万元。

深空之序的投资方名单里，有钛动科技。

他和李述昊说的话，几乎是同一套逻辑。叶军说，自己要做的是“大厂看不上的生意”，“还是要主动远离大厂的核心射程”。他判断，企业端的经营数据具有较强的封闭性，不存在消费互联网那样容易形成的数据飞轮效应。

“办公拿不到数据”和“数据是闭环的”，说的是同一件事：大模型的通用能力正在迅速商品化，而企业真正的经营数据，仍然锁在一个个具体的业务系统里。谁能进去，谁就有活干。

叶军选择从外贸企业的询盘、报价和成交流程切入，深入具体业务；李述昊则从广告投放、内容生产和营销转化入手，依靠高频数据持续优化效果。共同点在于，他们都没有把竞争重点放在训练更大的模型上，而是试图在模型与企业之间建立一层真正理解业务的应用系统。

Nextie（明日新程）创始人兼CEO李笛，更关注AI能否成为客户愿意长期付费的价值来源。在他看来，数据反馈至关重要：AI系统需要在持续的业务交互中获得反馈，不断接近真实业务的判断标准，才能真正融入企业经营。

对于AI应用的未来，李述昊认为，企业可能逐渐拥有适配自身业务的专属模型，模型也将从通用调用走向更深的业务嵌入。随着场景理解加深，企业还能提高Token使用效率，减少不必要的算力消耗。

他举了一个例子：有客户希望一次性生成100条营销视频，但钛动认为，与其追求数量，不如只生成20条并从中筛选出真正能够带来转化的内容。

技术能力的提升只是起点。真正决定商业化空间的，是能否找到一个足够具体、持续存在且值得付费的需求，并在模型能力不断变化的过程中，建立起自身难以被轻易替代的优势。