01 

解读|INTERPRETATION

2025生成式AI营销产业研究报告总结

本报告由明略科技、复旦大学管理学院、秒针营销科学院联合出品，是国家自然科学基金重点项目资助成果。报告系统梳理了 2025 年生成式 AI 在营销领域的发展现状，提出了从 AIGC（AI 生成内容，营销供给）向AIGD（AI 生成决策，营销决策） 演进的产业新范式，旨在为企业提供从技术应用到战略决策的全景式指南。

一、 产业演进：从效率工具到决策中枢

1.1 三年演进路径

生成式营销产业经历了三个关键发展阶段，实现了从生产力到生产关系再到决策力的跃迁：

• 2023 年（试水期）：营销生产力

• 核心特征：AI 带来营销生产力的大爆发，以创新案例和实践分享为主。

• 关注点：AI 如何替代人工完成内容创作等重复性工作。

• 2024 年（普及期）：营销生产关系

• 核心特征：AI 改变营销生产关系，探索生成式营销新范式。

• 关注点：场景案例与战术总结，AI 如何重构工作流程。

• 2025 年（深化期）：营销决策

• 核心特征：AI 深度介入消费者购买决策与企业营销决策。

• 关注点：行业案例与战略剖析，如何利用 AI 做出更优的商业判断。

1.2 从 AIGC 到 AIGD 的范式转移

随着 AIGC 技术的普及，营销内容的供给侧变得极大丰富且廉价。企业面临的核心矛盾从 “如何生产更多内容” 转变为 “如何在海量供给中做出正确决策”。

• AIGC（AI-Generated Content）：解决 “效率” 问题，通过 AI 生成海量的文案、图片、视频等营销素材，提升生产力。

• AIGD（AI-Generated Decision）：解决 “效果” 问题，通过 AI 辅助企业进行营销战略、定位、运营决策，同时应对消费者决策权向 AI 转移的新趋势。

二、 AIGC 营销供给篇：技术爆发与产业重塑

2.1 产业整体发展趋势

2025 年，AI 已成为不可逆的全球性浪潮，在资本、政策、技术和企业行动的共同驱动下高速发展。

• 投资与市场规模：

• 2024 年全球 AI IT 总投资规模达 3158 亿美元，预计 2028 年增至 8159 亿美元，5 年复合增长率 32.9%。

• 生成式 AI 市场增速更快，预计 2028 年将达 2842 亿，占 AI 总投资的 35%，5 年复合增长率高达 63.8%。

• 用户与生态爆发：

• ChatGPT 达到 1 亿用户仅用 0.2 年，远超其他互联网产品，且用户使用时长在 20 个月内增长超 200%。

• 相比 2021 年，2025 年 AI 开发者数量增长 2.4 倍（达 600 万人），AI 初创公司增长 3.9 倍（达 2.7 万家）。

• 中国力量崛起：

• 以 DeepSeek 为代表的中国大模型性能已逼近美国顶尖模型，中国消费者对 AI 的信任度和接受度全球领先。

2.2 大模型商业模式分化

大模型企业正从技术投入转向价值变现，中美商业模式呈现显著分化：

• 四类主流变现模式：

• 企业级解决方案：为大型政企提供私有化部署和定制服务，重定制、高单价。

• API 调用：按 Token 量计费，标准化、低毛利，靠规模驱动。

• 用户订阅：向 C 端用户收取月费解锁高级功能，依赖品牌溢价。

• 广告变现：通过优化搜索广告等间接变现，对话界面直接广告仍受限于监管与体验。

• 中美模式差异：

• 中国：以 B 端政企项目为主导，依赖行业定制与低价 API 扩规模。

• 海外：C 端订阅是核心收入（如 OpenAI），叠加生态绑定。

• 盈利挑战：多数大模型企业尚未盈利，OpenAI 年亏 50 亿美元。中国厂商通过端侧部署、模型轻量化降低成本，并探索 “效果分成” 等新模式。

2.3 新锐技术与产品突破

• DeepSeek：技术黑马

• 现象级增长：2025 年 Q1 日均活超 2000 万，API 调用成本仅为 GPT-4 的 1%。

• 技术革新：采用 MoE 混合专家模型，训练成本仅为同类闭源模型的 5-10%；长链思维 (Long CoT) 解决了部分 “黑箱” 问题，让推理过程可解释。

• Manus：通用智能体

• 全球首款通用型 AI Agent，被称为 “数字实习生”，能独立思考、规划并执行复杂任务（如写代码、分析报告）。

• 核心突破：将 AI 从 “动口” 的建议者变为 “动手” 的执行者，在 GAIA 基准测试中得分 86.5%，超越 OpenAI DeepResearch。

2.4 AI 能力与创造力演进

• 综合能力跃升：主流大模型高考平均分从 2024 年的 495 分（文科）跃升至 2025 年的 645 分，达到顶尖高校录取线，但在物理推理、空间分析等领域仍有短板。

• 营销创造力评估：

• 进步显著：2024 年 AI 的广告文案创造力显著超越 2023 年，“等同工作年限” 从 2.47 年提升至 3.08 年。

• 尚未超越人类：尽管进步神速，但平均水平仍未超越专业人类创作者。

• 灵感闪现：AI 创造力的离散性加剧，开始出现类人化的 “灵感闪现”，偶发作品能达到人类顶尖水平。

• 人智协作瓶颈：实验发现，当前的人智协作模式（如指定思维链）并未能显著提升 AI 的创造力，这表明创造力的协作机制仍需探索。

2.5 AI Agent：从工具到智能体

2025 年被视为 AI 智能体爆发元年，Agent 正在重构营销工作流。

• Agent vs 传统模型：

• 维度	传统 AI 模型	AI 智能体 (Agent)
  记忆能力	无状态，每次独立处理	具备短期 / 长期记忆，保留上下文
  主动性	被动响应，需人工提示	主动规划多步骤任务并执行
  工具使用	仅生成文本	调用 API、操作系统等外部工具
  应用场景	单任务处理	多任务协作（如全流程营销）

• 企业级营销智能体：能够整合企业内外部数据，完成从洞察分析、内容生产到智能投放、用户运营的全链路任务。

2.6 现存挑战与问题

• AI 幻觉：主流大模型事实性幻觉率普遍超过 20%，成为企业应用的最大障碍。应对策略包括 RAG 检索增强生成、多模态协同验证、三阶审核机制。

• 创造力悖论：研究发现，生成式 AI 虽然提升了个体创造力，但会降低集体内容的新颖性和多样性，导致创意趋同。

• 社会偏见：使用 AI 工具的员工容易受到同事和管理者的负面评价（被认为更懒、能力更差），这成为 AI adoption 的隐性障碍。

• 工具选择困难：市场上 AI 工具繁多，企业需建立 “需求 - 工具 - 场景” 的多维匹配体系，从功能、安全、成本等 8 个维度进行选型。

三、 AIGD 营销决策篇：决策重构与人智协同

3.1 消费者端：决策权向 AI 转移

AI 正在重塑媒体与消费生态，消费者的购买决策权正在向 AI 助手转移。

• 媒体生态剧变：

• 零点击搜索：AI Overview 直接给出答案，预计 60% 的谷歌搜索用户不再点击网站。

• 无排名内容：AI 综合重组信息，传统的 SEO 排名机制失效，品牌内容面临被改写、淹没的风险。

• 电商解构：淘宝 “小淘”、京东 “京言” 等 AI 助手，让用户从 “逛货架” 变为 “问 AI”。

• 消费者行为变迁：

• 渗透率高：截至 2024 年底，中国使用过生成式 AI 的用户达 2.49 亿。92% 的消费者在购物决策中使用过 AI 辅助。

• 高信任度：68% 的消费者根据 AI 推荐完成购买，中国用户对 AI 的信任度（72%）远超美国（32%）。

• Marketing to AI：新的营销战场

• 既然消费者听 AI 的，那么品牌就必须影响 AI。企业需要针对 AI 的信息偏好进行优化。

• AI 偏好：权威信源 > 普通信源；专业结构化数据 > 零散信息；文字 > 图片 / 视频。

• 行动框架：AI 认知评估 → AI 认知优化 → AI 认知收敛，抢占 AI 心智中的推荐位。

3.2 企业端：构建 AI 决策新框架

面对海量的营销供给，企业需要建立科学的 AIGD 决策体系。

• 三层营销决策框架：

• 战略层：解决 “做什么生意”，如战场选择、资源布局。匹配思维链：SWOT、PESTEL、波士顿矩阵。

• 定位层：解决 “为谁创造价值”，如客群锚定、价值提炼。匹配思维链：STP、价值定位画布。

• 运营层：解决 “如何高效交付”，如策略拆解、实时优化。匹配思维链：A/B 测试、KANO 模型。

• 六步人智协作流程：

• 明确任务：定义目标与拆解问题。

• 匹配思维链：为具体任务匹配合适的经典营销模型（如做需求分析用 KANO）。

• 规划行动：制定执行步骤。

• 信息数据汇集：AI 自动采集公开 / 自有数据。

• 协同洞察：AI 输出分析，人类审核调整。

• 验证优化：多模型交叉验证，确保结果可靠。

3.3 决策效果验证：AI 模拟真人

为了快速验证营销决策的有效性，企业开始利用 AI 模拟真人进行测试。

• 真人智能体：通过深度访谈训练 AI 消费者 “数字分身”，能高精度模拟真实用户的反馈，准确率高达 85%。

• 内容评估智能体：如明略科技 AdEff，利用多模态大模型，15 分钟即可完成广告创意的效果测评，结果与真人样本相关性 R²=0.89，将传统需要 1 周、5 万元的测试缩短至 1 小时、几百元。

四、 AI 实践篇：8 大行业落地洞察

报告深入调研了 7 个主流消费品行业及 1 个 AI 供给行业，总结了 AI 落地的共性与特性。

4.1 行业共性趋势

• 战略指引：AI 已上升为企业顶层战略，CEO 亲自推动。

• 生态建设：通过与科技公司合作，构建垂直领域能力。

• 全局贯通：AI 应用从营销单点突破，走向研发 - 生产 - 营销 - 服务全链路打通。

• 组织升级：设立 CDO（首席数字官）、AI 部门，全员 AI 培训成为常态。

4.2 分行业实践亮点

• 趋势：AI 从营销内容向产品研发、供应链管理延伸。

• 代表案例：

• 蒙牛：发布全球首个营养健康大模型 MENGNIU.GPT，打造 “灯塔工厂”，实现 100 人创造 100 亿产值。

• 伊利：构建 YILI-GPT 数字人家族，广告测试周期从 2-3 周缩短至 T+1 天。

• 王老吉：成立 AI 实验室，用 AI 盲盒、数字人推动品牌年轻化。

• 趋势：AI 加速成分研发，虚拟试妆提升转化。

• 代表案例：

• 欧莱雅：制定 AI 伦理准则，与 IBM 合作开发配方 AI 模型，缩短研发周期 60%。

• 珀莱雅：设立首席数字官，打造智能决策中台，线下体验店 AI 测肤提升转化。

• 沙宣：用 AI 还原创始人 Vidal Sassoon 数字人，与用户跨时空对话。

• 趋势：解决高客单价、长决策周期的痛点，AI 赋能线索管理与用户运营。

• 代表案例：

• 长安汽车：建设线索中心，盘活集团数据，月均减少 1000 + 小时人工。

• 东风奕派：举办全球首场 AI 共创发布会，AI 试驾游戏让用户 “主演” 驾驶大片。

• 捷途：打造 AI 小捷客服，辅助销售顾问，提升服务响应速度。

• 趋势：AI 助力传统酿造工艺升级，以及文化 IP 的年轻化表达。

• 代表案例：

• 洋河：打造航天主题营销智能体，通过元宇宙与用户互动。

• 古井贡酒：在搜索入口部署品牌智能体，用户搜索任何品牌相关词都能触发智能交互。

• 水井坊：用 AI 复活李白、苏轼，实现跨时空对谈，传播酒文化。

• 趋势：AI 深入前厅后厨，降本增效。

• 代表案例：

• 百胜中国：投入 2.4 亿美元升级 AI 系统，Q 睿智能体赋能一线员工，点餐错误率大幅降低。

• 绝味鸭脖：推出点餐智能体 “小火鸭”、店长智能体 “绝智”，门店运营效率提升 39%。

• 沃尔玛：AI 购物助手，用户说 “派对需求”，AI 自动生成购物清单。

• 趋势：AI 辅助设计，预测销量，减少库存。

• 代表案例：

• 波司登：AI 美学大脑 [BSD.AI](BSD.AI)，将单壳冲锋衣开发时间从 100 天缩短至 27 天。

• 春禾时装：AI 设计平台，打样成本降低 90%，交付周期从 2 周缩至 5 天。

• 潮际好麦：AI 虚拟商拍，30 秒出图，单张成本降至 0.8 元。

• 趋势：家电变智能，商业模式转向服务订阅。

• 代表案例：

• 海尔：HomeGPT，通过 AI 洞察用户需求，反向定制 “麦浪冰箱” 爆品。

• 美的：小美 AI 家庭助手，从控制家电升级为主动提供生活建议。

• 海信：欧洲杯 AI 机器人 “罗伯特”，互动评论超 300 万条。

• 趋势：技术公司将 AI 能力封装成产品，赋能各行各业。

• 代表案例：

• 百度：推出 “品牌百看”，重构搜索广告，提升品牌互动率 1.5 倍。

• Google：Veo 视频生成模型，2000 美元、48 小时做出超级碗广告。

• Arcads：AI 广告生成平台，半天即可自动生成定制化广告视频。

五、 总结与展望

2025 年，生成式营销正式迈入深水区。

• 从 “能做” 到 “会用”：企业不再满足于用 AI 生成海报文案，而是开始思考如何利用 AI 辅助战略决策。

• 从 “C 端交互” 到 “B 端决策”：营销的战场正在从影响消费者，延伸到影响消费者的 “AI 参谋”。

• 从 “单点工具” 到 “全链智能体”：AI 正在从一个个孤立的工具，进化为能自主完成复杂任务的智能体，重构企业的组织与工作流。

未来，能够率先建立 AIGD 决策体系、驾驭智能体能力、并在 AI 心智中抢占先机的企业，将在新一轮的产业变革中赢得主动权。