?

? ? ?想象一下未來：企業無需組建龐大團隊，僅通過定制智能體，就能自動完成品牌輿情分析、 營銷 內容生成、客戶服務響應——從數據采集到決策輸出，全流程高效運轉，這正是 AI 賦能品牌營銷的新可能。

北京一家深耕大數據與品牌營銷領域十年老兵——清博智能——在 AI 賽道嶄露頭角。

2014 年由高校教授牽頭創立，清博智能早年間就以大數據為核心，為政府、央國企、世界 500 強企業提供輿情監測與品牌分析服務，累計拿下近 40 個國內外頂尖 AI 算法大賽金獎，成為 B 端品牌營銷智能化的關鍵玩家。

如今，清博智能已從早期的 " 營銷大數據工具 " 及 " 輿情管理平臺 "，進化為覆蓋 " 輿情監測、內容生產、數字人 IP、定制大模型 " 的全鏈條 AI 服務提供商。

他們的核心能力，堪比品牌營銷領域的 " 智能管家 "：為央視定制熱點選題分析系統，從全網數據中挖掘養老金、教育等民生話題，還能自動生成微短劇；給蒙牛打造數字人科普 IP，用 AI 視頻智能體實現 " 一句話生成腳本與成片 "；甚至為石油石化企業開發加油站安全管理智能體，結合規章制度與監控數據，筑牢安全生產防線。

隨著生成式 AI 爆發，企業的新困惑也隨之而來：通用大模型數據不準怎么辦？企業定制智能體成本太高？

" 未來十年，AI+ 品牌營銷會迎來比過去更快速的滲透。" 這是清博智能 CEO 郎清平預判。敬請閱讀鉛筆道對話清博智能，以下是部分精華觀點：

1、問：當時是出于什么契機，押注人工智能領域？

答：人工智能需要數據、算法和算力作為基礎。清博 2014 年成立之初，就是以大數據為核心做產品和服務，自然就包含了算法研究和技術開發。

2、問：2022 年底生成式 AI 爆發時，你當時怎么看？對公司意味著什么？

答：這是一個大好事。大模型極大提升了工作效率。比如過去十個人要花一周清洗、標注的數據量，現在兩個人用半天就能完成。在代碼編寫、傳播內容生成方面，大模型也幫助很大。

3、問：未來一兩年，智能體行業會出現什么樣的分化？

答：分兩類來看：在 C 端，教育、健康咨詢、文本視頻創作、心理咨詢、虛擬伴侶等與剛需或情感需求相關的智能體跑得會比較快。在 B 端，主要還是那些剛性需求強、容錯率低的場景，大模型和智能體如果能解決這些問題，就會快速落地。

解決速度快的，比如品牌營銷、客戶服務、數據分析、代碼撰寫，這類智能體發展得更快一些。而復雜度更高的，比如生產一線，就需要更長的時間。如果有企業專注于某個垂直領域的生產一線，堅持深耕，時間足夠長的話，就能形成比較強的技術競爭力。

4、問：今年哪些行業應用智能體增長最快？哪些還在猶豫？

答：我們服務過制造業、車企、消費品、化妝品、石油石化、電信、能源、地產等多個行業。總體上，品牌營銷、客戶服務、大數據分析等部門應用最快；一線工廠、流水線環節相對慢一些，因為對準確性和安全性的要求極高。

聲明：訪談對象已確認文章信息真實無誤，鉛筆道愿為其內容做信任背書。

01

鉛筆道：市場、公關、 新媒體 從業者對清博比較熟悉，但其他行業可能不太了解。能介紹一下現在的業務重點嗎？

郎清平： 我們最早由高校教授創立，2015 年開始市場化運營，主要基于大數據和人工智能，服務于企業、政府等在新聞傳播、品牌營銷上的需求。

目前客戶以世界 500 強、央國企和上市公司的品牌營銷部門為主，也包括政府宣傳部門，中央和省市 媒體 ，以及高校、研究機構和 投資 機構。只要涉及 互聯網 內容生產與傳播、品牌形象與口碑監測、熱點事件分析、競品研究等，都可能用到我們的服務。

我們的產品覆蓋輿情監測與分析、新媒體內容生產與審核、傳播效果評估、新媒體管理考核系統、融媒體操作系統，以及數字人 IP 打造、基于大模型的品牌營銷智能體和客服智能體等。

清博智能 CEO 郎清平

鉛筆道：這 10 年的關鍵節點有哪幾個？

郎清平： 2015 年，上線了第一個互聯網化產品，相當于一個搜索引擎，幫助從事新聞傳播和品牌營銷的用戶查找各平臺有影響力的賬號，按地域、行業分類，同時也能評估自己的新媒體矩陣傳播力。

2016 年，推出了輿情分析系統，針對移動互聯網的傳播特點，幫助企業和政府分析品牌傳播與輿情。

2017 年，上線新媒體管理考核系統，支撐政府和企業對新媒體矩陣的運營與效果評估。

2018 年，又推出融媒體大數據分析平臺，覆蓋熱點發現、內容生產、渠道選擇和效果評估，形成了全鏈條的技術服務。

近兩年，隨著數字人和大模型興起，上線了數字人平臺和各類智能體，例如品牌智能體、視頻智能體、營銷智能體、客服智能體。早在 2018、2019 年，我們就參與了很多國內外頂尖的人工智能算法大賽，比如谷歌的全球 AI 問答賽、專利文本算法賽、中科院的虛假新聞識別賽等，共獲得近 40 個第一名和金獎。在 ChatGPT 等大模型出現之前，我們就已深耕 AI 基礎算法和數據分析。

鉛筆道：當時是出于什么契機，押注人工智能領域？

郎清平： 人工智能需要數據、算法和算力作為基礎。清博 2014 年成立之初，就是以大數據為核心做產品和服務，自然就包含了算法研究和技術開發。

鉛筆道：2022 年底生成式 AI 爆發時，你當時怎么看？對公司意味著什么？

郎清平： 這是一個大好事。大模型極大提升了工作效率。比如過去十個人要花一周清洗、標注的數據量，現在兩個人用半天就能完成。在代碼編寫、傳播內容生成方面，大模型也幫助很大。

當然，它也存在問題，比如數據不準確，生成內容容易出錯。但我們的客戶大多是 500 強、央國企和上市公司，對準確性要求極高，我們不會直接使用通用大模型，而是結合自有數據和算法優勢，定制專屬大模型和智能體。

鉛筆道：人工智能產品的具體客戶案例有哪些？

郎清平： 我們為央視一些欄目提供基于大數據的全網熱點選題，涵蓋養老金、人工智能、 汽車 、教育等領域。結合視頻智能體和大模型工具，不僅能篩選公眾最關注的熱點，還能自動生成文章、海報和視頻，制作出傳播力很強的微短劇和宣傳片。

比如我們為蒙牛打造了數字人形象，并用 AI 生成營養科普視頻。視頻智能體可以根據一句話自動生成創意、腳本、分鏡和成片，大幅提升內容生產效率。

除此之外，我們還為地產、汽車、消費品、能源、互聯網等行業的頭部企業，做品牌形象分析、傳播效果評估和用戶口碑研究。

鉛筆道：數字人這兩年發展怎么樣？

郎清平： 數字人這兩年增長比較穩定。過去因為沒有大模型支撐，數字人背后的問答系統智能化不足。現在有了大模型，智能化程度大幅提升，應用范圍更廣。無論是政務服務、企業服務還是教育，數字人都能發揮作用，企業也更愿意通過數字人來交互。

鉛筆道：市面上做數字人的公司很多，你們的優勢在哪里？

郎清平： 我們從 2015 年開始就是基于大數據做企業品牌營銷的。數字人只是外在形式，真正的核心是背后的大數據和智能化能力。相比那些專注外觀和動作的公司，我們的優勢是數據和內容。

我們更關注數字人 " 說什么 "，如何識別用戶留言，再通過大數據分析實現精準、個性化的回復。比如我們給醫療機構開發的食管健康智能體，數字人的形象可以換，但背后的數據和模型才是核心。

我們本質上還是一家以數據驅動的 AI 公司。其他 AI 公司也需要數據，但我們多年專注在品牌營銷領域，把大數據的優勢發揮出來了。

鉛筆道：這幾年公司收入結構有變化嗎？

郎清平： 在面向企業的品牌營銷和大數據分析服務上，每年大概保持 10% 到 20% 的增長。定制大模型和智能體業務雖然起步不久，但年增速在 80% 以上，主要是基數小，所以增速快。

02

鉛筆道：今年相比去年，市場上有哪些變化？

郎清平： 為品牌營銷提供大數據決策支持，仍然是企業剛需。大模型和智能體，去年很多企業還不了解，不清楚它們能帶來什么。今年越來越多的機構和企業逐漸意識到，大模型可以幫助他們在不同業務部門提質增效，需求持續增加。

鉛筆道：清博智能為企業提供的智能體，和其他公司有什么不同？

郎清平： 比如我們為同濟醫院開發了食管健康科普智能體；為廣西社科聯上線了社科普及智能體；也在為石油石化企業做加油站安全管理智能體，結合他們的安全制度和監控數據，開發定制的大模型和智能體。

我們的特點有三點：

第一，我們熟悉市面上眾多大模型的優劣勢，能根據項目需求選擇最優基座模型；

第二，我們有算法方面的優勢，過去獲得過不少國內外頂尖獎項，可以結合互聯網開源數據和企業內部數據來定制研發；

第三，我們長期積累了海量數據，能夠進行獨特的處理和精準標注，結合算法訓練，為客戶打造更貼合需求的模型和智能體。

綜合這幾點，加上性價比優勢和對客戶需求的深入理解，用戶會選擇我們。

鉛筆道：很多企業現在知道智能體，但不知道怎么選。大企業和中小企業在選擇時有什么不同？

郎清平： 要看行業和需求。比如內容生產型企業，容錯率高，只需要用大模型寫文章、生成視頻，用通用智能體就夠了；但制造業就不一樣。

像鋼鐵廠、煤礦這樣的場景，每一步工序都要求 100% 的準確和安全。這類企業的容錯率極低，必須做非常嚴謹的定制開發。

即便是同一個制造企業，不同部門的需求差別也大。比如黨建宣傳部門只需 AI 生成視頻，用通用模型即可；但如果宣傳片里要出現企業 logo、領導人形象、辦公大樓、具體產品，就必須進行專門的模型綁定和訓練，確保不會出現變形。

鉛筆道：今年哪些行業應用智能體增長最快？哪些還在猶豫？

郎清平： 我們服務過制造業、車企、消費品、化妝品、石油石化、電信、能源、地產等多個行業。總體上，品牌營銷、客戶服務、大數據分析等部門應用最快；一線工廠、流水線環節相對慢一些，因為對準確性和安全性的要求極高。

比如我們給一家能源企業做服務，他們的品牌和客服部門用得很快，但一線生產線應用就會謹慎很多。

鉛筆道：假如未來一線生產也逐步應用智能體，會遇到哪些挑戰？

郎清平： 比如我們正在給某大型石油石化企業做全省加油站的安全管理智能體。這里涉及多模態數據：既有規章制度文本，又有傳感器監測數據，還有攝像頭視頻。

我們要把這些不同類型的數據進行結構化處理、清洗和治理，再用來訓練模型和開發智能體，才能滿足安全管理的要求。

這其實考驗的是我們長期積累的數據治理和分析能力，這是清博智能的優勢。雖然大模型和智能體是新的，但我們在數據方面的底層積累很深，這是不少初創公司不具備的。

鉛筆道：未來一兩年，智能體行業會出現什么樣的分化？

郎清平： 分兩類來看：

在 C 端，教育、健康咨詢、文本視頻創作、心理咨詢、虛擬伴侶等與剛需或情感需求相關的智能體跑得會比較快。

在 B 端，主要還是那些剛性需求強、容錯率低的場景，大模型和智能體如果能解決這些問題，就會快速落地。

解決速度快的，比如品牌營銷、客戶服務、數據分析、代碼撰寫，這類智能體發展得更快一些。

而復雜度更高的，比如生產一線，就需要更長的時間。如果有企業專注于某個垂直領域的生產一線，堅持深耕，時間足夠長的話，就能形成比較強的技術競爭力。

鉛筆道：如果大廠也加入這個賽道，你們的差異化優勢是什么？

郎清平： 大廠主要做 to C，清博智能則專注 to B。像騰訊、華為、阿里、京東、百度，包括字節，我們都保持著緊密合作關系。

他們基本上做的是面向 C 端的通用大模型，以及部分行業大模型的基座；而我們在 B 端市場走在前端，為企業開發大模型和智能體的落地應用。背后則需要大廠提供模型基座和算力支持。

大廠因為基因和投入產出比的原因，不太適合做 to B 的智能體應用，也缺乏經驗。我們和他們是共生關系，他們提供基礎能力，我們負責面向企業落地。

鉛筆道：所以說，在產業需求的理解和執行經驗上，你們和大廠有差別。另外還有成本因素？

郎清平： 對。基于成本和性價比的考慮，大廠在 B 端和 G 端市場其實是在逐步收縮。他們發現自己做 B 端不擅長，而且虧錢，現在希望像我們這樣的 to B 企業走在前面，他們提供算力和模型，我們負責產品整合和落地。

他們的考核也轉向了自有產品的銷售和利潤，而不是做整體解決方案。這樣一來，我們和大廠的合作關系更加順暢：我們拿 B 端市場，他們提供背后支持。

比如去年我們和百度智能云合作上線了一款 AI 輿情分析產品，由我們提供輿情數據，百度提供算力和大模型推理服務，最后由我們面向用戶推出。

我們和火山云的合作也是如此。我們負責數字人和大數據分析的服務，應用到車企、消費品等行業；火山云提供算力和云服務，工程開發由我們主導。和大廠的關系基本都是這樣的互補合作。

來源：鉛筆刀