出品 | 子弹财经

作者 | 林岩

编辑 | 闪电

美编 | 倩倩

审核 | 颂文

从追求情绪消费的泡泡玛特到主打性价比的蜜雪冰城，从抢占线下流量入口的瑞幸咖啡到布局下沉市场的好想来，近两年爆火的消费品牌们揭示了一个现象：消费行业并没有简单的“升级”或者“降级”，而是“分级”。

具体而言，基础商品拼性价比，高频消费追便利，体验溢价依然坚挺。消费分级的市场走势看起来方向很明确，但遇上内卷大环境，哪一层级的消费增长似乎都不明朗，遭遇增长瓶颈成了普遍现象。

这一背景下，AI被寄予厚望，人们希望这个新工具能带来增长的确定性。在前不久的WAIC上，百度集团副总裁袁佛玉抛出一个判断：AI正从效率工具升级为消费企业的增长引擎。

她的判断来自百度智能云和合作伙伴的实践。近日，袁佛玉在接受「子弹财经」的采访中，进一步阐述了这一判断。

1、AI的价值找需求、找增量

从办公室到门店，不少员工都能熟练地使用AI工具。这些AI发生效用的地方大多在客服、文案、数字人直播等环节，虽然省了些人力、提了些速度，但销售额没变、毛利没变。

袁佛玉讲到一个现象：员工完成一项工作的时间缩短了，可经营指标纹丝不动，企业就开始怀疑AI的价值，甚至退回原有认知。她认为，这是把AI的价值用窄了。

她明确区分了AI的两种用途：一种是“提效”，但提效的空间相对有限，天花板就是企业原有的经营盘子，你把效率提到极致，竞争对手很快也会跟上，提效就变成了行业通用能力，你依然没有竞争力；另一种是“增长”，帮企业发现新的需求、创造新的产品、找到新的市场。

（图 / AI生成）

所谓增长，就是更快地识别消费者需求，更高效率、更低成本地组织供应，并快速形成业务闭环。即使整体市场在跌，结构性增长的机会依然存在。

袁佛玉还举了一个例子：怎么判断一个消费者买了杯子之后还可能买什么？靠人的经验太有限，但AI可以通过用户画像推演潜在需求，完成商品推荐甚至开辟供应链合作。这不是在原有生意里抠利润，而是在原有生意的延长线上开新局。

在袁佛玉看来，小众产品不一定是个小生意。泡泡玛特在传统眼光里绝对小众，但它做成了大生意。为什么过去小众产品做不大？核心原因是触达成本太高。用大众广告在茫茫人海里找那万分之一的目标用户，效率极低，大部分投放都是浪费。而AI可以精准触达那万分之一，全世界的万分之一放在一起，是一个不小的数字。

类似的逻辑在很多新兴消费品类都适用。AI玩具、AI陪伴、情绪价值消费，这些品类不是拍脑袋凭空出现的，背后是对用户深层需求的识别和触达。

过去靠天才的直觉或者偶然的运气，现在AI可以实时帮你了解消费者、挖掘那些还模糊的潜在需求。你如果有能力把这些需求更早地识别到，同时更快地组织供应，就更有机会推出满足需求的产品。

所以AI能不能成为增长引擎，检验标准很简单：它是让你在原来的生意里省了点钱，还是帮你找到了新的生意。

2、技术不是难点难在“一把手”的决心和员工激励机制

既然AI能帮企业找增量，为什么大多数企业的AI应用还停留在“试点阶段”？袁佛玉的回答很直接：真正的障碍不是技术门槛，是一把手有没有把这件事当成“生死问题”。

她的原话是：“回顾过去一百年的商业史，每次重大技术变革都会淘汰一批企业。它们并非不知道变革发生，而是因为各种原因行动更慢。”当竞争对手采用AI而你没有采用，效率差距可能达到数量级。

这不是可做可不做的事，而是一把手必须亲自理解的生死命题。技术基础较强的企业，应用AI并不困难，真正的障碍来自单点应用难以直接反映在经营结果上，企业看不到回报就容易动摇。

但光有一把手鼓与呼还远远不够。袁佛玉特别强调一个容易被忽视的坑：组织激励机制。

很多员工抵触AI，是因为觉得它是来“抢饭碗”的。

（图 / AI生成）

所以关键在于，组织必须让员工感觉到用AI有成就感，是正向激励的。比如原来管十亿的生意，有了AI之后可能管五十亿的生意，人效和业务规模都上去了，员工对企业的贡献更大了，个人在人才市场上也更有竞争力了。激励机制要让AI使用跟员工的利益正相关，而不是互斥。

她还分享了百度内部销售员工的体验，过去见客户前做研究，要花大量时间搞清楚对方公司最近关注什么；现在AI可以跑完客户负责人过去两年的公开发言，自动分析推测。这种“甜头”很实在，但光靠自觉不够。袁佛玉坦言，能自己尝到甜头的还是少数，更多员工需要组织从制度上推动，“让一部分人先富起来”，他们自然会传播和带动，再用机制把被动的人也拉进来。

袁佛玉建议企业在组织内形成“AI优先”的理念：出现新任务时先判断AI能否完成，AI能做好的就让AI做，人负责判断和决策。百度内部就是这样执行的，从OKR到周会，自上而下持续推动AI落地。

3、企业不需要“又一个工具”而需要让AI“进流程、进指标”

解决了认知和激励问题，下一个实操难题是：AI怎么真正“长”进企业的日常经营里？

过去两年，百度智能云在消费企业研产供销服的每个环节都做了不少智能体。

研发环节，AI消费洞察智能体帮助识别新品机会，AI for Science做仿真加速验证，缩短新品周期。

供应链是这两年消费企业最重视的方向，在地缘政治波动和价格竞争双重压力下，企业需要更精准的需求预测和库存调拨。以连锁咖啡为例，消费者到店买不到东西商机就流失了，AI帮门店在保证有货和控制库存之间找到更灵活的平衡。

营销环节，AI已经从内容生产延伸到数据智能，能帮品牌做投放预算分配和效果归因。

服务环节，领先企业已经把传统客服升级为会员运营，用AI识别存量用户的下一个需求，并把会员反馈的洞察反哺到新品开发中。

企业一开始建一两个智能体试水，感觉没问题，但智能体多了之后，管理、数据互通、权限都成了问题。零散的智能体之间信息割裂，形成不了合力。这正是百度搭子（DuMate）企业版诞生的背景。

百度搭子是一个以自然语言为入口的通用智能体，它不改造也不取代企业原有的CRM、合同、客服系统，而是在系统上面加一个“工作层”。员工通过搭子去问“某家企业最近贡献的收入是上升还是下降”，搭子自动调用后台系统信息完成分析，甚至每周自动推送商机预警。

用袁佛玉的话说，“（使用百度搭子）今天已经没有任何门槛了，不会打字用语音都行。”

她本人也会用百度搭子准备演讲内容。她提前做好一个高质量的资料库，供百度搭子阅读，之后告诉百度搭子哪些观点她认同、哪些她不认同，整体效率提升显著。她坦言自己已经不可能不用AI了。

多个智能体+百度搭子，是百度智能云整体方案的一部分，这个完整方案包括一个智能工作台+N个业务场景+一套新全栈AI云。这套方案的核心不是多几个工具，而是让AI真正进入工作流、进入经营指标。

当AI应用规模化后，企业曾经面临的算力、权限、数据结构、安全等问题则由百度新全栈AI云承载，可享受一整套基于昆仑芯、文心大模型、智能体等在内的AI基础设施，企业只需专注自身业务场景。

如何解决企业对AI带来回报的顾虑？袁佛玉反复强调，不能只看部署了多少模型、上线了多少应用，要看有多少智能体每天真正参与业务、持续完成任务。百度的衡量标尺是DAA（日活智能体数），看的是智能体是否真正“活起来”、创造可衡量的经营价值。

这个指标和移动互联网时代的DAU逻辑完全不同。DAU是人的视角，产品一天有一亿人在用就值钱。但AI时代不一样，一个银行风控的智能体，可能再加一两个专家就能完成，进而创造巨大经济价值。电力市场交易、电网运维也是类似，人少但价值高。DAA关注的是持续被使用的智能体数量，它证明了这些智能体进入了工作流、经营流，而不是摆设。

这和7月15日李彦宏在《人民日报》发表的署名文章相呼应。他提到，要以DAA作为衡量智能经济的重要标尺。这背后是百度在大量实践中形成的共识：AI落地好不好，不看过程看结果，不看数量看活跃，不看部署看价值。

“搞运动容易变成每个人都建一堆智能体、写一堆PPT报告，跟业务结果没关系。以终为始，用业务结果倒推，不然就只是过程繁荣。”袁佛玉最后总结道。

4、结语

瑞幸咖啡在星巴克一统天下的时候杀出来了，泡泡玛特在小众不被看好的时候做大了。袁佛玉说：“当消费者，觉得方方面面有那么多没被满足好的地方，就一定还有机会。”

这场持久战里，没有标准答案。AI从技术到应用、从应用到商业化，传导需要时间。但方向是明确的，谁先让AI从“省成本”变成“找增量”，从零散工具变成进入流程和指标的工作伙伴，谁就先拿到下一程的入场券。

*文中题图来自：AI生成。