AI 进入商业世界的速度，比许多人想象的更快。

过去一年大家还在讨论 AI 能否接管基础生产，今年的世界人工智能大会（WAIC）上，不少 AI 智能体已经开始参与客户服务、销售运营等企业经营环节中。

麦肯锡的调查显示，88% 的受访企业已经在至少一个业务职能中常态化使用 AI，23% 的企业开始在至少一个职能中规模化部署智能体。中国大陆企业走得更快：45% 的受访企业已经实现 AI 的规模化或全面部署，高于全球 38% 的平均水平。

这说明，AI 的竞争正在从 " 谁先用上工具 "，转向 " 谁能更聪明地使用 AI"。

DT 商业观察最近观察到，不少品牌让 AI 越过物料生产和投放优化的 " 浅水区 "，到生意更深处，参与需求发现、产品定义、人群判断、投放调整，甚至经营决策。

今年的小红书种草大赏上，首次增设「AI 应用创新」赛道，本身也是一个信号。越来越多品牌和小红书，开始共同探索 AI 进入品牌生意环节之后的更多可能。

在获奖案例中，有的品牌结合 AI 分析搜索、笔记和评论，重新判断用户需要什么，再调整人群和内容；有的品牌把这些用户需求或情绪洞察前移到产品开发和定义中；也有品牌在借助 AI Agent 持续追踪需求变化和经营结果。

AI 正在从一项生产工具，变成品牌看清人、理解人、赢得人的一种基础设施。

从用户的碎片表达里，读出完整需求

当所有品牌都在争夺 " 谁更懂消费者 " 时，绝大多数真实反馈却以碎片化形式散落在互联网角落。

Qualtrics XM Institute 对全球 23 个国家和地区、23730 名消费者的调查显示，无论体验好坏，直接向企业反馈的消费者只有三成左右。与此同时，社交媒体评论、在线评价和客服对话等间接渠道中的反馈量仍在快速增长。

靠人工去逐条阅读、拼凑，既做不到规模化，也很容易漏掉那些看起来微不足道、实则反复出现的信号。AI 让这种大规模的 " 倾听 " 成为可能。

科沃斯通过 AI 梳理小红书上的笔记、搜索和评论时，反复看到关于扫地机的具体抱怨，" 满地毛发缠绕轴承 "" 机器噪音吓跑猫咪 "" 扫地机误触宠物粮碗 "。这些问题单独看都很小，放在一起，需求没有被充分满足的养宠家庭冒了出来。这就是扫地机行业品牌的机会。

扫地机种草人群中藏着养宠家庭并不是什么新鲜事。但科沃斯通过 AI 进一步打开了 " 人群迷雾 "。通过 AI 对 4757 个人群标签进行聚类与精算后，科沃斯甚至发现，在宠物家庭中，养猫和养狗的对毛发的困扰都不尽相同。品牌也因此有了进一步拆分人群、做差异化种草的依据。

功能场景之外，AI   的触角还伸向了审美偏好这类更感性、更隐性的领域。再往深处走，有些品牌已经不满足于用户已说出口的需求，而是借助 AI 的语义关联，去识别那些未被完整表达的情绪。

科大讯飞在小红书评论区，顺着一位为孩子挑选学习机的妈妈，追踪她从种草、比较到下单的完整路径。借助 AI，团队把相关评论按时间、上下文和讨论主题串联起来，发现许多家长的犹豫并不只是因为单价 " 贵 "，而是不知道贵在哪里。

评论中被反复提到的 " 仿真实验室 "，才是家长认为能够帮助孩子理解知识的差异化功能；品牌重点推广的 " 错题解析 "，反而存在未完全满足用户需求的部分。

评论还暴露出另一层情绪需求。家长确实需要 AI 辅导作业，却不喜欢过于机械的 " 老师 "。他们要的不是一个只会答题的程序，而是一个孩子愿意交流、愿意跟着完成任务的学习伙伴。  

对科大讯飞来说，AI 分析的已经不只是 " 用户喜欢什么功能 "，还包括家长为什么犹豫、什么体验让他们觉得值得，以及他们对孩子学习陪伴的期待。

从识别具体痛点、拆分人群，到读出功能背后的情绪期待，AI 正在把散落在笔记、搜索和评论里的信号连接起来，拓宽品牌理解消费者的边界。

但看见需求只是第一步。一份再详细的洞察报告，也不会自动变成生意增长。真正的分界线，在于品牌愿不愿意让这些发现进入决策。这也是衡量品牌 AI 应用能力的一道分水岭。

AI 正影响品牌如何 " 下注 "

AI 正在推动技术平权，但这并不意味着 " 只要用了 AI，就能带来生意增长 "。

对多数企业而言，AI 仍然被用于优化既定流程，把已有工作做得更快、更省力；而领先企业已经开始借助 AI 重新判断增长机会，并据此改变原有的业务流程与经营方式。

具体到商业策略，一些领先的品牌也正沿着 AI 找到的线索，把更具体的需求洞察，进一步落地为产品创新、人群资产积累与预算资源配置等环节的经营动作。

比如，在看清了场景与人群的真实需求浓度后，科沃斯做出了一个关键的经营决策调整。一方面，把此前和母婴并列的宠物场景，提到了人群经营的第一优先级，并在整体人群盘中筛选出 500 多个可投放、可监测的人群亚群；另一方面，品牌进一步围绕猫毛与狗毛清洁、宠物活动范围、机器噪音和安全感等具体问题，匹配不同的内容表达，升级种草内容策略。

更关键的是，科沃斯改变了内容效果的判断方式。过去，什么内容值得继续投入，更多依赖创意团队的经验；现在，科沃斯可以通过 AI 分析评论区，判断用户是否真正理解并讨论了产品卖点，并据此放大有效内容、调整低效表达，好内容率由此提升 70%。

在此基础上，今年科沃斯还尝试使用小红书的 AI Agent，进一步把搜索、笔记与评论中的新信号持续结构化，帮助团队监测哪些需求正在增长、哪些人群尚未被充分经营。最终，在扫地机器人行业，科沃斯新品人群资产规模突破 2500 万，品牌整体也实现了逆势增长。

科沃斯对 AI 的应用已经深入到内容和预算的策略制定；而越来越多品牌则进一步把这套能力前移到产品创新环节，结合小红书识别出的需求，用来押注产品方向，做趋势判断与迭代。

不少科技数码品牌，基于对小红书站内 12 万条科技数码相关笔记的情绪洞察，将用户情绪与具体产品体验对应起来，为判断用户需求提供依据。例如，当用户因为 " 不知道拍照怎么摆姿势 " 而产生挫败感时，品牌就可以据此优化拍摄功能，或开发新的产品。

当 AI 提供的判断依据越来越多地介入品牌的经营选择，它就越过了营销执行的边界。它影响的不只是品牌优先经营哪群人、下一笔预算投向哪里，也开始参与判断一款产品应该解决什么问题。

AI可以生成答案，真人才能提供判断

但随着 AI 真正走向经营深处，新的问题也随之浮现。当越来越多品牌都能用上同样的 AI 能力，甚至调用差不多的模型和算法，策略的差异化又从何而来？

答案不只在 AI 模型本身，也在于模型能够看见什么。

通用模型可以整理同一批信息，却不能凭空创造真实生活。数据质量正在成为 AI 从技术能力走向产业价值的关键基础。足够真实、即时、成规模的数据，决定了 AI 能够看见什么、理解多深，并最终形成怎样的商业判断。

而对于品牌经营而言，最核心的价值终究是对 " 人 " 的需求的洞察，这也是所有商业逻辑都绕不开的起点。

从这个角度看，小红书社区汇聚了海量真实的用户，以及自带生活场景上下文的语料，为 AI 提供了一个能够理解真实世界的多元数据池。在这里，搜索呈现用户主动寻找什么，笔记还原产品进入真实生活后的场景与体验，评论区则在不断加入追问、补充，进一步丰富和校准了这些表达。

搜索、笔记和评论共同构成了一套持续更新的真人语料库与需求反馈系统。它随着用户的生活方式、产品体验和消费趋势变化而变化，也因此能够帮助品牌捕捉正在发生的需求。

真人语料的价值，同样体现在消费者的决策过程中。

QuestMobile 与消保委的专项消费调研显示，尽管人们越来越频繁地使用 AI 检索信息，但超过 65% 的消费者对纯算法生成的答案依然保持谨慎。特别是在高客单价、高试错成本的场景下，用户往往会把 AI 当作 " 初筛工具 "，而把真人语料作为 " 决策兜底 "。

比如，一个正在做攻略准备购买智能洗地机的女性用户，即便   AI   已经帮她瞬间拉出了各大品牌的吸力参数、续航时间与水箱容量对比，但在最终付款前，她依然会回到小红书社区，去搜索 " 真实家庭使用三个月后滚刷到底发不发臭 "" 女生单手拖到底重不重 "。

参数可以帮助她比较产品，来自真实生活的经验，则帮助她判断这件产品进入自己的生活后究竟好不好用，也成为最终下单的重要依据。

因此，真实的人和语料，在 AI 时代也呈现出了双重价值。对消费者而言，它能校验答案、降低决策风险，意味着 " 信任感 "；对品牌而言，它帮助理解需求变化、寻找差异化方向，进而获得生意增长。

当模型越来越聪明，信息处理本身会逐渐成为一种通用能力。真正稀缺的，是那些仍在发生、带着生活上下文，也可能带着犹豫、期待和其他各类情绪的真实表达。

在小红书技术副总裁风笛看来，"AI 工具逐步渗透用户生活，但真实经验越发难以替代。更懂人的 AI，才能解决真实的生意问题。"

这正是越来越多品牌愿意在小红书持续投入的原因：AI 正在让信息处理变得越来越便宜，真实的人和真实的生活，却会变得越来越昂贵。

* 数据来源：小红书数据中台及相关品牌数据

作者  /   马默

编辑  /  张晨阳 @SandZzcy

设计  /  戚桐珲

运营  /  苏洪锐