AI大模型能改变中国汽车营销吗？

能够产出的数据，包括门店里面所有客户潜客的分类，刚才大家谈到，我们做转化的时候，要知道什么样的客户是我真正的潜在客户，是售后维保客户，还是到店的潜客。

整个基于客流批次的分类，我们很清楚在门店里面计客流不是数人次，周总跟我一批次的客户，周总给我当参谋，他的批次大于等于一人。我们要分清楚，同时要把这个批次的动线分清楚。潜在客户在门店里面所有看车的动线，能够自动采集，记录下来，利用整体游逛动线和停留时长，判断整体的意向和车型的意向。

在车型方面，我们在门店系统里面，又实现了整个门店车数据的自动识别和自动采集，和车相关所有的事件。相当于每个车上插了一个温度计，可以知道每个新上市的车型或者近期主推的车型，到批次的热度是怎么样，更好的帮助厂商做真实终端流量车型的预测。

还有针对于多种经营的门店，如何进行所有运营动线的管理，甚至参考真实客流空间的数据，做整个门店的选店管理。这块我们也已经有了非常成熟的功能模块应用。

周令坤：谢谢陈总。

下面问彭总两个问题，第一，你刚才发了一个标书，他们几个人有没有提到你感兴趣的点；第二，您作为公司管理层，如何衡量AI大模型带来的业务价值，如何设置和管理AI大模型应用和部署投入中心和预期收益，您结合甲方身份讲讲。

彭钢：牛总希望在座几位在上面有更多争议的观点包括吵起来，其实很难，因为这个议题，大家观点一致，AI对营销转型的作用或者必须走这条路，没有什么可讨论的，比较难有不同的争议。甲方和乙方都是合作关系，也不太好吵。

您问的这个事儿站在厂家的角度，最简单的道理就是算帐，对于AI投入能不能让营销效率更高，单位车型销量成本下降，这是最直观的算帐方法。

现在短期之内就有一个例子，在通过经销商新媒体矩阵做很多获客的动作，过去当线索比较少的时候，经销商还可以靠人，一个人跟一天，对话十几个或者几十个客户做线索的挖掘。当批量上来以后，发现光靠人跟不过来了，我们也引入了一个AI助手，能够帮助我们第一时间和客户建立相关的联系，进行第一轮客户线索的挖掘。

过去投这个项目的时候，我们觉得几个供应商的方案都挺贵的，下定决心去做，是做了一些试点，发现上了这个产品以后，确实对线索生成起到很大的作用，虽然在这上面花了点，但是算总帐，线索的成本下来了。

另外，我们在经销端部署了一些试点智能工牌，我们过去有销售跟进的系统，客户线上跟厂方客服，还是跟供应商客服，包括跟销售顾问电话沟通过程都中一些AI辅助工具、话术库，根据客户提问，及时提示销售顾问怎么做回复，能够提高成交转化率。

在很多面对面过程中，销售部不可能拿着这些工具跟客户聊，通过智能工牌，可以记录和客户沟通全过程，我们也有一些脱敏技术，我们不知道这个客户是谁，声音也修正了，不会直接采集声音相关的信息。

通过这个数据，可以清楚地发现销售顾问，谁是销冠，谁是有待提升的销售顾问，谁在哪个环节有什么样的短板需要补强，过去没有这样的工具的时候，只能从最终呈现的结果数据来判断，但是很难对这个销售顾问做针对性的提升，有了这个工具的辅助，很精准就知道短板在哪儿，很快提升成交转化的占率。

从长线来看，每个主机厂在AI大模型未来的投入或者转型是一个必须要选择的道路，就像热兵器对冷兵器，拥核国家对不拥核国家的碾压式竞争优势，迟早你要走，如果不走，未来就是完全跟不上时代，完全没有办法和别的竞争品牌去抗衡的场景。

相信从长线来看，这肯定是各个厂家必须要走的，但是这个过程也不是一蹴而就的，包括相应的技术也是在逐步成熟起来的。对于每个主机厂而言，还得量入为出，根据自己的体量，根据手上的子弹，每年投资的预算，包括哪些厂家去投，哪些靠供应商，哪些先投，哪些后投，都要有一系列评价和规划。厂家最着急解决的对生存帮助最大的事项做优先投入。

有些内容也不是厂家，毕竟不是专业做这个公司，也不可能完全建立全面的技术。就像供应商在研发过程中，对主机厂的作用一样，主机厂会把我们认为比较重要的部分放在手上，更多还是依靠社会资源去解决。除了钱以外，人还是一个更重要的因素。

对于主机厂而言，这方面人员储备相对来讲是比较少或者刚刚起步。我们现在研究这方面领域的人也是过去传统公关或者数字营销的同事在学习过程中去研究，但对此的理解以及水平都不是特别高。未来估计会有很多行业领域的专家和这个行业产生更高的融合，进入到主机厂里面，帮助主机厂加快整个技术能力的建设。

对于在座几位，或者今天不在场的，做AI大模型的企业来说，我最大的痛点还是在全链路，怎么样让种草养鱼环节上面有更高的效率，吸引更多目标客户群有效曝光，引起对我们产品高度兴趣，这是我们没有找到特别好的解决方案，也是特别急迫的一个领域，希望在这个领域有供应商提供好的解决方案。下来可以做深入的沟通。

周令坤：谢谢彭总，非常中肯的回复，首先您回答了我们的辩题，您肯定是认为yes，能改变营销。但是同时也提出两个非常具体的痛点，人才潜在的匮乏。其次就是刚才提到全链路的前端还没有有效解决方案的这样一种状态。我相信我们后面的讨论，会逐渐碰撞出一些对您有帮助的点，再次谢谢彭总。

下一个问题给到韩总，韩总是做AI比较多年的专家了，因为对于汽车营销来讲，AI不是一个新东西，其实很多年都有AI相关的技术在使用。我的问题是说在生成式AI（GAI），在这样的背景下，它能够带来哪些突破性的变革，您是不是从技术专家的角度给大家做一些分析，今天谈的AI有生成式AI的加持，和过去以数据为主的AI算法时代比，会带来哪些突破？给大家做一个分析。

韩东：谢谢主持人的问题。现在的AI大模型，如果我们称之为“AI 2.0”的话，跟我们之前看到的AI 1.0本质的区别是，通过GPT这条技术路线，通过超大规模参数的模型，它带来了一定程度上的智力的表现。

如果从技术上跟过去有什么不一样的话，很多时候就是这个智力是不是能够带来过去我们一直希望它能够替代部分人类专家和专业人士去做的事情。过去我们有这个期望，但是过去的AI他没有做到。现在的AI能不能做到，首先这是第一个问题。

我们看到在一些领域AI能做到，但是更多是比较通用型的模型，我们一旦把它放到一个具体的场景，有专业数据的要求，有专业的Know How，有专业的Domain Knowledge,那么通用大模型又不适用了。

这也可以理解，通用大模型训练中并没有引入私有的专业的积累很多年的数据。但是一旦有了这些，就是两者的一个结合，它确实在很多场景下诞生了数字员工、数字专家，他可以把过去比较复杂的任务通过完全的AI模型，包括智能体相关的一些分拆任务，它的逻辑推理的能力、理解力，去把它分拆为最终可以由AI来端到端完成的。那一旦能够端到端完成，我相信它对于很多产业效率的提升肯定是本质性的。

刚刚很多嘉宾也提到了，目前来讲这个在很多场合还是很难实现的，所以我们一般会有一个质量控制，或者人类的专家，最终参与到这个过程当中来，有一个人机结合的合作，解决这个现实当中的问题。我觉得这是未来三五年，甚至更长五年、十年都是一个比较普遍解决问题的方式，就是AI去大规模辅助人类提升效率。

至于未来我们放得特别远，它是不是能够达到一个完全自动化的状态，我相信大家对自动驾驶都有一个期待，说如果我们放远一点，50年后，那大概率是没有方向盘的，这个我也问过很多人，很多人都有这个信念。但是我们说五年之内能不能做到，可能大多数的人答案是no。

回到AI大模型领域的话，我觉得在很多场合它也是这个样子的，我们可能更多会去跟合作伙伴探讨，短时间内我们怎么样用AI大模型能够做到一个最大规模化的降本增效，或者提升整个的效率。所以刚刚有一位嘉宾提到了，AI肯定短时间内取代不了人类专家，但是使用AI的专家，肯定会比那些完全不使用AI的专家要更快更好更厉害。

要不要All in AI

周令坤：谢谢韩总的分析，刚才这一轮我觉得大家还是从专业的角度，都很针对性地回答了一些问题。接下来从韩总开始再问一圈问题，我也不动心思怎么去挑大家讨论了，感觉还是吵不起来。大家的问题都一样，每个人回答自己的观点，就是AI大模型从昨天的两个论坛里面我也听了一下，AI大模型上车里面一个是智能座舱要导入大模型，另外一个是智能驾驶。今天我们谈的是管理相关的，就是在营销领域引入AI大模型。

我的问题从韩总开始，每个人谈一下。

第一，就是这三者的结合点在哪里，这是第一个问题。如果AI大模型都在用了，舱也有了，自驾也有了，现在管理营销也有了，三者结合点在哪里。

第二，对于一个企业来讲如果All in AI了，每个地方都使用了，它能否对车企或者生态上的公司盈利带来提升，作为一个企业如果不赚钱，不能带来盈利，那所有的投入似乎它的意义都是值得去打问号的。所以这个问题想从韩总这边开始，刚才您也提到一点智能座舱、智能驾驶的问题。

韩东：从三者结合来看，昨天有一位嘉宾分享到了，连接三者核心的要素肯定是数据。无论AI模型，还是座舱用户个性化的体验，还是在自动驾驶当中要实现的核心的要素，其实都是数据。在这里怎么样可以把数据大规模地流通起来，然后打通，高效地利用，但同时又能够做到很好的脱敏，隐私的保护，这还是很难的一件事情。

在座舱我们希望它做到个性化、智能化，但是端侧相对参数规模有限的模型就很难实现，那是不是需要用云端更大规模参数的模型，能否保证数据传输、处理足够快，同时能保证该传的数据传，不该传的就不传，这些目前都没有特别成熟方案的领域。

包括在自动驾驶这边，我们知道过去的智驾方案更多是倾向于用规则的方式去解决所有见过和没见过的问题，但是现在我们发现AI大模型出现之后，大家可能更加希望一个端到端的方案去彻底地解决。所以它对于这个数据量的需求，包括合成数据各方面的要求也更不一样了。

我记得是今天还是昨天，看到英伟达推出几千亿参数规模的模型，这个模型的特别之处在于他使用的数据应该超过90%多是合成数据，那这些也代表着我们可能过去引入合成数据会导致我们在这个模型当中会有一点虚假循环的概念，但是现在发现真实数据就是不够用了，那我用合成数据能不能让我的模型效果变得更好，或者说我的模型数据本身是不是就比真实数据带来一些不具备的优势，这些都是围绕在数据这个层面上。

第二个问题是关于All in AI之后能不能带来盈利。AI大模型本身就是非常知识密集，而且在成本方面我们目前在市场经济下看到可能是最昂贵的科技产品。如果从一个车厂的角度来讲，完全自己把这个模型包括它整个的能力从0到1建立，其实很多时候肯定是在重复造轮子，而且是造一个非常昂贵的轮子，我相信分工合作是比较合适的。

我们同时也发现，我们跟一些车厂和Tier1合作的时候，如果一个车厂本身在AI大模型方面还没有一个相应的团队，还没有去很多地尝试使用，那其实跟这个模型公司也是相对比较难交流的，因为过去没有对这一块的理解，反而是他们已经建立了相应的团队之后，这两边的合作会更加顺畅。所以我觉得我相信未来可能这也是一个比较常态化的产业合作的可能性。

周令坤：好，谢谢韩总，从技术角度回答了我的问题。接下来彭总。

彭钢：其实想法一样，第一，我觉得关键的结合点还是数据，很简单的道理，客户在使用过程中他高频的使用、好评使用的点，一定会成为你营销核心卖点的选择。在营销端你得到的任何客户的反馈最后回到产品上的改进，可能也是把这个数据拉通以后能够去实现的。

第二个问题，All in AI我觉得应该是一个态度或者是一个方向，但是需要有一个足够的科学的规划过程，可能还是那句话，两立微处，可能不同的企业战略选择不一样，也许有的激进一些，有的更愿意跟随。

可能盈利性比较好的企业会更积极主动地去更高更早地投入，去换得更好的竞争优势，相对盈利性弱一点的可能会选择更安全、更成熟一些的产品。但是我这边也呼吁所有的AI大模型的供应商的价格能尽快降的更低一些，不要太贵了。

谢谢。

周令坤：谢谢彭总，最终还是回到价格上去了。陈总。

陈柳霞：确实如彭总所说，整个大模型现在的应用市场化的成本确实是比较高的，我相信随着后面应用逐步展开，会有大家广泛使用的产品出现。

从我们自身来讲，确实在整个大模型和前端，就是刚才大家谈到的，包括韩总也谈到的关于数据准确性的问题，这其实是大模型行业共识的问题，因为都会涉及到这个问题，最后你的模型好不好用，你的费用能不能降下来，其实除了你的整个算力资源以外，你如何能够精准地获取到这些数据，这是一个非常根本性的问题。

还牵扯到刚才主持人问到的很多数据隐私安全等等一系列的问题，我觉得都是这个领域在最近一年到未来一段时间之内，是大家要共同面对和解决的问题。

到底要不要All in AI，这个基本上我觉得是没有什么可讨论的了，是必须要走的一条路。因为从我们目前现在整体的全链路的数据，尤其只是在门店这样的一个物理空间数字化来讲，它的整个全链路的数据打通和从端到端，就是从店端到厂端整个实现的话，本身对于整体运营的效率的提升其实我们已经看到了非常大的一个变化。

甚至于我们能做到的是帮一个门店每周能多卖一台车，这是他在整个全链路数据打通的基础上，如果在所有场景里面都展开这个应用的话，将带来整个生产力的提升。

以上，谢谢。

周令坤：谢谢陈总，张总你怎么看？

张继生：第一个问题，我跟韩总他们的观点差不多，不多说了。

我主要谈一下第二个问题，就是主机厂要All in AI的事情。早些年我在百度，那个时候火的是互联网，搜索引擎，那个时候做搜索引擎都投放比较多的像携程、阿里巴巴，投放百度在2007年、2008年的时候每年都要过亿。

那如果是这样就需要有一个优化工具，我把它当成现在的AI很合适。当时我在百度大客户部，服务了一个客户，那个客户现在也在，做得也很好，他用第三方的可能是不放心或者什么原因，这是我国国内企业的情况，什么都想自己做。他研发了差不多一年的时间，花费也有一两个亿，但是其实最后还是没有研发出来，没有做出来。

放到今天也一样，我觉得让专业的人去做专业的事，比如在汽车这个领域里面，我们大家都知道，最近OpenAI做Chat GPT4.0，那都是万亿参数了，有一些所谓的专家说那做汽车行业的模型可能10亿参数就够了，但是我感觉不能这么理解这件事情。

汽车行业虽然涉及到的是只是汽车领域的数据，但是它涉及到的纵线很广，不单是汽车方面这些数据我们要拿来训练，包括比如说在销售的领域，在售后的领域，甚至是在设计的领域等等一系列，其实里面都会涉及到。在其他的领域，在咱们训练汽车模型的时候，其他领域的概念也要用到。所以说主机厂要去做All in AI的时候，也要去找所谓的专业公司去做。

当然我说的这个专业的公司，除了像目前所谓的大模型，无论是百度还是阿里、腾讯，或者是商汤等等都有，他们也在做。像我们或者是韩总这样的公司，我们能力方面是不弱于他们的，并且有一点，像我们这样的公司可能会更专注。

我也是从大厂出来的，大厂更擅长于我开放一个API接口，你来跟我对接，具体他会给予什么样的指导，其实这是存在不确定因素的。但是我们更愿意去跟某一个企业或者是某一个客户一起去成长，做这件事情。

以上，谢谢。

周令坤：所以您的意思是说如果合作得好，都能赚钱？

张继生：是的。

周令坤：谢谢张总。李总，您作为主机厂怎么看待这个问题？

李博晓：我补充一个差异化的观点，因为前面有一位说不能干同质化的事。我认为这三者结合还有一个更重要的落脚点，就是用户价值，所有新的技术终究是为用户服务的，他能不能带来更高的价值，让用户受益。

举一个例子，今天是父亲节，又是周日，我们有幸来到贾可博士的论坛，因为贾可博士每年都会给我们带来不一样的启发、不一样的观点。

假如说我今天要从武汉开车到北京，1000多公里，我们的自动驾驶解决方案，我们的智能座舱、大模型等，能不能让我有一个更加舒心安全的旅途，能不能让我开车的同时，又能开会，当然这个不能提倡，然后让我在旅途中间有更好的补能体验，更好的交互体验，我觉得这是很重要的事情。

如果三者结合能最终给用户带来的价值最大化，那用户就会选择岚图。如果我们做得不好，他可能会选择台下黄总的星途。所以我觉得终究还是要回到用户价值，这是我想补充的。

周令坤：谢谢李总的补充，我期待的一个答案就是回到用户身上去。好，伍总，您怎么看待这个问题？

伍军：实际从我们来看，主机厂投入All IN AI比较少，因为现在主机厂的压力非常大，像彭钢总说了，我们也是北汽的供应商，帮他们做咨询的项目。彭钢总的需求很清晰，就是要解决线索获取，种草养鱼的事情。

但是绝大多数AI大模型的公司实际上是解决他们擅长的这些模块的问题，我认为不应该是车企All in AI，应该是AI大模型公司All in车企。大家看华为的例子，它的ABU团队四五千人投入这么久，造出了现在行业里面相对比较优秀的自动驾驶的水平，然后跟赛力斯、岚图和极狐等有很多的合作。他这样的一种先投入，然后再获取收益，所以我们可以看它的车估值也很好，也赚钱了。

所以我认为AI大模型的公司应该拿更多的融资，养更多的团队，投入到现在中国第一支柱产业汽车，这样做出更多最实用、最有效的工具，帮助我们解决汽车营销端和智能座舱、智能驾驶所有端，这些需要大模型不断更新，解决消费者使用价值的问题。这样自然车企会减少他其他费用的投入，会增加在AI上的投入。谢谢。

周令坤：谢谢伍总。

刚才6位嘉宾都提到了这些数据，在数据这边我也刚好想到了一个课题，在中国这边有了AI离不开数据，就是原材料，我们国家有远见地把数据作为要素在提，去年把数据进入资产负债表的法律障碍都扫掉了，今年第一季度大概有20几家公司已经披露了数据资产在资产负债表里面。

所以这个其实对于投入人工智能、投入数字化转型有另外一个维度的收益，就是它未来可以变成你资产的一部分，也可能对企业有更多的收益。其实对于我们无论是站在甲方角度应用它，还是站在乙方角度赋能它，都带来一个新的篇章。

时间原因，最后一句话，大家不要超过两句，回到我们今天的辩题里面，叫“AI能改变中国汽车营销吗”？大家一句话表述一下，就是你心目当中的AI营销愿景，我想从伍总这边开始，我们每人一句话。

伍军：我认为，AI最终就是解决我们营销当中每个环节的痛点，从集客到成交，它只要解决了应用场景的痛点，相信AI一定会对所有的行业都会赋能。

周令坤：感谢伍总。李总。

李博晓：刚刚在第二个问题的时候说了，我们还是积极主动地拥抱AI，用人的智慧，再加上AI大模型，能够为车企，为组织带来更好的赋能。

周令坤：谢谢李总。有请张总。

张继生：我的最后一句话是用最先进的技术，让中国的企业真正做到适销对路。

周令坤：特别好，很务实。陈总。

陈柳霞：我们希望打磨极致的AI技术，能够更好地服务好垂直行业。

周令坤：好，谢谢陈总。彭总。

彭钢：作为主机厂，我希望AI技术能够更高效帮我们提升链接客户的能力，以及更加全面精准地展示我们的品牌和产品。

周令坤：谢谢彭总，韩总。

韩东：我相信刚刚的讨论这个答案已经很明显了，我相信是能的。

周令坤：好，非常感谢六位嘉宾的精彩分享，我们今天的辩题“AI大模型能否改变中国汽车营销”，经过刚才一个多小时大家的讨论，答案是不言而喻的。再次感谢我们在场的各位嘉宾的认真听讲，也感谢线上大家的关注。今天我们这个论坛到此结束，谢谢大家！