文章核心观点 - 2026 TGC科技增长大会以“AI is Profitable”为主题在广州召开，核心共识为“科技创造增长”产业新周期开启，AI商业价值必须由真实业务指标验证 [1][2] - 钛动科技正式发布行业首个Pro Agent——Navos Pro，以Professional、Proactive、Profitable三大核心属性构建产品内核，推动结果导向的AI for Work成为现实 [1] - AI for Work被视为AI应用最重要的方向之一，面向数万亿美元级蓝海市场 [1][2] AI for Work三费框架与市场空间 - 钛动科技创始人兼CEO李述昊将AI商业机会落在企业长期持续投入的营销和销售、编程和产品开发、管理三笔费用上，对应提出AI for Growth、AI for Innovation与AI for Administration，三者预计构成AI for Work数万亿美元的广阔市场 [4] - 在该框架中，Claude Code等AI产品主攻AI for Innovation，WorkBuddy等AI产品专注协同办公，Navos Pro则定位为AI for Growth的顶尖玩家 [4] - 公司明确“只做结果导向的AI for Work” [4] Navos Pro三大能力体系 - Professional专业理解业务：输入品牌官网即可解析关键信息，搭建私有化品牌知识库，沉淀业务记忆，输出贴合品牌商业诉求的内容，解决通用AI不懂品牌生意的痛点 [4] - Proactive主动发现机会：摆脱被动指令模式，7×24小时监测多维度数据，主动挖掘增长机会、生成策略，AI输出建议、人掌握决策权 [5] - Profitable实现商业增长：以盈利为核心标尺，策略、创意、投放锚定GMV、ROI等指标，摒弃无效AI产出，保障效果可衡量、可盈利 [5] 三层能力供给与技术底座 - Professional能力体系融合行业Know-How与专属数据，形成数据库、Agent、工作流、互动四大能力：以公域数据、领域Benchmark和垂直场景提供趋势、竞品、选品、素材与投放洞察；以70+ MCP、100+ Skill和用户反馈持续调优；以Skill、Template、数字员工把选品、素材创作、广告诊断等流程标准化、自动化；以意图识别、结果反馈和过程可溯源保障互动 [5] - Proactive能力体系覆盖日均10亿+感知数据、2亿+感知频次，支持千万+广告诊断、百万+行动建议和10万+建议采纳，围绕账户、商品、素材主动监测，输出预算、出价、卖点和素材迭代建议，并联动Agent或人工执行 [6] - Profitable能力体系以“批量创编、规模测试—规模生产、去伪存真—策略迭代、放大收益”推进，通过Learning Loop形成结果反馈、策略优化、持续进化闭环 [6] - 技术底座上，Navos RSI以Agentic RL驱动Agent Harness自迭代，覆盖轨迹采样、奖励设计、策略更新、版本写回与验证 [6] - 三层架构由Agent Harness、32B/27B/5B专业模型及营销知识库、Benchmark指标库、方法论资产、多源异构数据和专业样本库构成，支撑多国家、多渠道、多行业、多场景复制 [6] 产品矩阵与Agent演进逻辑 - Navos已完整覆盖出海营销链路，同时设置Navos Lite和Navos Pro双版本矩阵 [8] - Agent演进本质是工作发起权的转移：Chatbot阶段AI被动应答，Copilot阶段AI辅助执行，Pro-Agent阶段AI开始主动发现业务机会并交付真实增长，Navos Pro为该阶段的代表 [8] - 产业迭代逻辑：2012年移动互联网时代开启To C流量为王的万亿级市场；2018年SaaS时代开启以To B为主的万亿级市场；自2024年开启的AI时代，核心逻辑正从“能力供给”走向“价值验证” [8] 生态布局与合作进展 - 钛动科技已通过服务数十万出海品牌的营销实践率先完成“价值验证”并开启生态布局 [8] - 2026年7月成为ChatGPT Ads全球首批技术合作伙伴，助力品牌ROI提升至2.5倍 [8] - 2026年8月与腾讯WorkBuddy达成合作，将模型能力落地海外营销投放场景 [8] - 公司将继续把自身AI能力迁移至AI for Innovation与AI for Administration，推动企业AI生产力的系统性重塑 [9] 大会嘉宾观点与行业共识 - 大会由国际AI泰斗Kevin Knight博士领衔开场演讲，发言嘉宾汇聚OpenAI、Google、阿里、字节、腾讯等全球AI科技公司 [2] - Kevin Knight博士在《From Language to Action: The Next Leap in AI》演讲中判断AI for Work将成为AI应用最重要的方向之一 [2] - OpenAI商业合作负责人Lorry Destainville分享ChatGPT商业化前瞻：ChatGPT每周触达12亿用户，OpenAI正在同步探索Sponsored Agents和Visual Ads，并感谢钛动科技与其联手为品牌主提供可落地、可衡量的AI增长工具 [9] - 三场圆桌论坛分别围绕“新兴AI技术如何重塑商业未来”“AI时代的出海大趋势”“AI应用商业化的生态实践”展开 [9] 全球挑战赛与生态赋能 - 钛动科技创始合伙人、生态孵化和战略投资负责人聂艾玲宣布启动Pro-Agent Global Challenge全球挑战赛，面向全球AI创业者征集AI前沿项目 [10] - 大赛聚焦Agent架构演进、AI营销、AI内容入口与算力基础设施等赛道，并将开放资本、产业资源及全球增长通道为项目赋能 [10]

文章核心观点 - OpenAI正在重新定义Codex的边界，AI正从一个被调用的能力变成一个承接工作的系统，AI价值单位从Token、模型调用和单次回答升级为任务完成与工作成果 [1] - 钛动科技发布行业首个Pro Agent——Navos Pro，以Professional、Proactive、Profitable三大核心属性构建产品内核，推动AI成为企业全球化增长与生产力变革的核心引擎 [2] - 从Chatbot到Agent再到Pro Agent，背后演进的底层哲学本质上是“工作发起权的转移” [10] - 钛动科技核心战略为“只做结果导向（Result-Driven）的AI for Work”，从AI for Growth切入并率先验证商业价值 [15][19] - AI的演进正从“Language（语言生成）”跃迁至“Action（行动执行）”，进入真实工作场景参与专业任务 [29] 一、Codex演进与AI范式迁移 - 今年6月Codex周活跃用户突破500万，知识工作者的增长速度超过开发者群体3倍 [1] - 10月Codex与ChatGPT Work的合计活跃用户达到4000万 [1] - 曾主导Codex的Tibo Sottiaux开始负责OpenAI核心产品与平台，覆盖ChatGPT、Codex、API、智能体基础设施及企业产品 [1] - 过去软件等待人来操作、AI等待人来提问，人负责定义问题、拆解步骤、切换工具并拼接结果，新一代Agent系统正在尝试接管这条链路 [1] - 英伟达CEO黄仁勋提出“Useful AI has arrived, and it is profitable”（有用的AI已经到来，而且能够创造收益） [1] - 在真实业务中，AI执行任务只是第一步，还需要理解专业场景、主动发现机会，并以实际业务结果检验行动是否有效 [4] 二、TGC 2026科技增长大会与Navos Pro发布 - 以“AI is Profitable”为主题的TGC 2026科技增长大会于10月23日在广州举行 [2] - 国际AI先驱Kevin Knight在会上展开重磅分享，预测AI下一步跃迁 [2] - 钛动科技正式发布行业首个Pro Agent：Navos Pro，以Professional、Proactive、Profitable三大核心属性构建产品内核 [2] - Navos Pro将专业业务理解、主动机会发现与商业回报验证贯通于同一Agent [2] 三、Navos Pro三大核心能力 - Professional（专业理解业务）：深度解析品牌定位、产品卖点、目标客群与业务目标，持续沉淀品牌知识和业务记忆，让AI真正理解品牌生意 [8] - Proactive（主动发现机会）：7×24小时追踪市场、投放、商品与达人数据，主动识别增长机会、生成策略并推动执行，同时由人保留最终决策权 [8] - Profitable（实现商业增长）：以GMV、ROI、利润等真实业务指标检验策略与执行效果，让AI的产出与商业增长直接挂钩 [8] - 三大模块形成闭环协同：专业认知为决策锚定业务语境，主动机制驱动业务链路持续推进，结果指标为全部行动提供反馈标尺 [7] - 该机制已在出海营销场景跑通完整链路：Navos Pro通过品牌知识与业务记忆理解企业需求，结合市场、投放、商品及达人数据发现增长机会，再以实际业务指标评估策略效果 [7] 四、Pro Agent的行业意义与商业验证 - 对于出海企业，可将分散在市场研究、创意生产、达人合作与广告投放中的工作串联起来，并根据实际效果调整后续策略 [10] - Navos Pro让AI不再局限于某个环节的效率提升，而是围绕企业增长目标推动多个环节协同运转 [10] - 从Chatbot到Copilot，AI逐步从回答问题走向辅助执行，但工作目标与任务发起仍主要由人掌握；Pro Agent则需要在明确的业务目标与授权边界内主动感知变化、识别机会并推动任务持续执行 [10] - 钛动科技作为ChatGPT Ads全球首批官方技术合作伙伴，已在首批客户实测中验证商业价值：助力某出海品牌营销成本大幅下降，ROI提升至原来的2.5倍 [11] - 钛动与腾讯WorkBuddy达成生态合作，推动垂直专业营销能力与通用大模型平台深度互补 [11] - 用Pro Agent重塑营销并非钛动科技布局的终点，而是将AI能力从营销场景推向更广泛企业生产力的起点 [12] 五、AI for Work万亿蓝海与企业生产力衡量 - 数字化浪潮呈现约每6年一轮的生产力产业大周期：2012年移动互联流量时代重塑“链接”，2018年企业级SaaS席位制时代重塑“流程”，2024年拉开序幕的AI时代正重塑“企业生产力” [14] - 钛动科技将“AI for Work”应用方向概括为三部分：AI for Growth、AI for Innovation和AI for Administration，分别对应企业长期持续投入的营销和销售、编程和产品开发、管理三笔费用 [15] - “结果导向”与单纯提升效率的区别在于：AI工具帮助员工节省时间固然有价值，但判断其是否真正改善企业经营，还需观察营销投入能否带来更多转化、研发工作能否更有效推进、组织运行能否更高效 [17] - 据统计，这是一个规模高达数万亿美元的全新蓝海 [18] - 钛动科技选择从AI for Growth切入，原因在于营销具有相对明确的预算和反馈指标，一次广告投放后可观察获客成本、用户转化和投入回报变化并据此调整策略 [19] - 围绕出海增长，AI可参与市场洞察、创意制作、达人营销、广告投放与效果优化，企业可测试不同方案、比较实际表现、根据市场反馈调整投入 [19] - 钛动科技将继续把自身AI能力迁移至AI for Innovation与AI for Administration，推动企业AI生产力的系统性重塑 [19] - 钛动科技将核心能力归纳为三部分：先进算法、海量闭环数据以及工程化Harness [19] 六、AEE企业生产力评价框架 - 李述昊提出用于理解AI时代“企业生产力”的框架AEE（Agentic Enterprise Effectiveness） [21] - AEE = Number of Agents × Active Agent Adoption × Output Quality，即将企业拥有多少Agent、Agent的实际使用频率以及Agent的产出质量放在一起考量 [21] - 该框架强调企业不能只看部署了多少AI工具，还需观察员工是否真正使用它们以及最终产出的工作是否符合业务要求 [21] - AI for Work的关键不在于把AI放进更多工作环节，而在于让它真正参与工作并持续检验工作结果 [21] 七、钛动科技三大核心能力支撑 - 算法层面（以小博大）：通过后训练、强化学习与持续学习提升模型在营销专业任务中的表现；钛极32B参数问答推理模型在SuperCLUE广告营销专业大模型评测中以85.82分位列第一 [24] - 27B参数视觉语言模型在出海营销视频理解评测中以86.43分与阿里千问并列第二，探索以更低参数规模兼顾专业效果与推理成本 [24] - 数据层面（构建业务闭环）：沉淀覆盖电商、游戏、文娱、本地生活等领域的企业与产品经验，并连接ChatGPT、Meta、Google、TikTok等主流媒体API，让真实业务数据与投放反馈持续反哺模型和策略优化 [24] - Harness层面（将经验转化为可执行工作流）：通过Skill将营销知识、工具调用与执行规则工程化，覆盖创意、广告投放、数据诊断和达人营销，并按美妆、电商、游戏等业务需求灵活组合，让Agent从单点任务执行走向多环节协同 [24] 八、Kevin Knight演讲：从Language到Action - Kevin Knight的演讲《From Language to Action: The Next Leap in AI》从技术演进角度提出五个问题：AI如何走到今天、如何运作、发展是否加速、什么推动下一次飞跃、AI将如何改变人类 [23] - Kevin Knight曾在南加州大学任教26年，担任美国计算语言学协会（ACL）主席，是ACL Fellow、AAAI Fellow，长期研究机器翻译、自然语言生成与语言智能 [26] - 其领导过的研究团队汇聚多位优秀研究人员，包括Transformer论文第一作者Ashish Vaswani，前OpenAI研究副总裁、现Google DeepMind研究副总裁Barret Zoph也曾接受其研究指导 [26] - 曾联合创办机器翻译公司Language Weaver，担任滴滴自然语言处理首席科学家，目前担任Threeven Labs CEO [26] - 当前AI的“自主工作时长”正在持续拉长，技术迭代并没有放缓而是在加速深入复杂流程 [26] - 预判AI未来应用场域将全面渗透至生物医药研发、高复杂度商业决策、具身机器人乃至完整企业的自动化运营 [26] - 相较于空泛的技术威胁，当下更值得警惕的是“认知外包（Cognitive Offloading）”风险——人类在习惯大模型辅助的过程中不知不觉将底层思考、批判与审美判断交付给算法，导致核心思维能力退化 [27] - 人机协同的核心前提是人类必须保持独立思考与战略判断的能力，随时做好重塑自我的准备 [28] - 技术的下一次跃迁不只是让AI能够思考，而是让AI能够行动、学习并创造价值，从“Language（语言生成）”跃迁至“Action（行动执行）”，成为帮助人类分担高负荷复杂任务的专业工作伙伴 [29] 九、AI for Work技术路线与行业竞争 - 从Kevin Knight提出的Language to Action，到Navos所探索的Pro Agent设计思路，再到Harness工程化与AEE评价框架，一条值得持续观察的技术路线正在逐渐清晰 [32] - 模型能力为Agent提供基础，任务编排与工具调用让模型能够进入真实工作，专业数据和反馈机制帮助系统适应具体场景，结果评价则为判断其实际价值提供依据 [32] - 长链路任务的可靠性、复杂环境中的状态管理、工具调用的安全边界、真实业务数据的质量以及投入产出的可验证性，仍是规模化部署必须面对的问题 [32] - AI for Work的竞争不应只被理解为模型能力的延伸，而更像是一场围绕企业工作系统展开的工程化竞争 [33] - 当AI从回答问题走向执行任务，真正的技术挑战不再只是让模型给出更好的答案，而是让整个系统以可控的成本、足够的可靠性和可验证的结果完成一项真实的工作 [33]