文｜邓咏仪

编辑｜苏建勋

一句话介绍

用自研模型替代人工 " 猜测 "，提供端到端的营销 Agent 服务，为企业主生产更容易被 AI 推荐的营销内容，监测模型答案效果，增加品牌露出。

近期，「PureblueAI 清蓝」也正式完成第一轮融资，蓝色光标（股票代码：300058）与英诺天使基金联合领投，水木清华校友种子基金跟投，投资金额达千万元人民币。

团队介绍

创始人兼 CEO 鲁扬：毕业于清华大学中文系，拥有 20 年市场营销经验。他曾是前字节跳动火山引擎市场总经理和豆包大模型市场负责人，经历了 AI 大模型从技术研发到市场推广的全过程。此外，他还曾担任销售易市场副总裁、京东云市场公关总经理等职务。

联合创始人兼 CTO 王立新博士，博士毕业于中科院、清华大学博士后。曾任字节跳动高级算法专家、东源投资首席科学家，有着丰富的机器学习和大模型应用的经验。

联合创始人兼 COO 邹郢路，曾任浙文互联 AI 营销产品 " 好奇飞梭 " 的负责人，所开发的营销 Agent 产品服务于国内车企等众多企业。此外，他还曾担任蚂蚁集团国际事业群技术专家，从 0 到 1 参与了印尼 TOP1 数字钱包 "DANA" 的开发。

产品及业务

如今，用户从传统搜索转向 AI 问答的新趋势，营销的战场也随之转移。据 Gartner 预测，到 2028 年，传统搜索引擎的流量将有 50% 被 AI 搜索取代。

但 AI 的 " 黑箱 " 特性——答案采信规则不公开，这让传统依赖人工经验的 SEO 方法论失灵，这具体体现在：

效果不可预测：同样的方法，优化 " 咖啡哪家好 " 可以被采纳，但到了优化 " 矿泉水哪家好 "，可能无论如何都无法完成，企业主也难以知道原因。

平台差异巨大：同一篇内容，可能在 DeepSeek 上立刻被采纳，但在豆包或元宝上会无法搜出。

效果不稳定：就算成功让大模型采纳，但效果难以持续，不可预测，也无法复现。

这导致企业主的营销 ROI 根本无法衡量。如今，大模型平台还没有任何给出的数据接口，没有反馈效果。对企业而言，在大模型优化上面的钱，其实没有办法算 ROI，只能按照品牌广告投放。

传统 SEO 服务商，很大程度是靠 " 堆量 " ——即大量铺设稿件，来博取平台收录模式，很容易被视为制造信息垃圾，污染生态。

「PureblueAI 清蓝」更希望用一种量化交易的模式，通过自建模型，深入学习 AI 平台的内在机制，从而提升品牌的认可度。

具体而言，「PureblueAI 清蓝」建立了一个端到端模型和 Agent 产品，让 Agent 去学习 AI 平台的推荐规律，替代过往的人工去 " 猜测 " 平台投放测录的过程。

在这个过程中，「PureblueAI 清蓝」的系统，会持续分析那些在 AI 搜索中被成功推荐的内容，让模型找出这些内容背后共有的 " 特征因子 "，让模型知道什么样的内容结构和特征，能拿到 AI 平台更高的采信权重，用以指导企业客户的内容生成策略、监测模型反馈等等。

比如，当客户提出优化需求（如优化 " 超混架构车型推荐 " 这个搜索意图）时，清蓝的模型不仅会生成一篇营销稿件，还会计算出权重最高的发布平台组合。

这个过程可能得出反常规的结论，例如，PureblueAI 清蓝曾服务过一个 To B 企业，模型计算出最佳发布平台之一是一个传统意义上的 C 端平台，最终，这篇文章发布当天就被 AI 引擎引用并置顶。

不仅如此，PureblueAI 清蓝的服务链条也更长——不只是集中在 " 发文 " 这一动作。在更上游，PureblueAI 清蓝会帮助客户建立品牌资产库，进行用户意图挖掘和 AI 品牌诊断，并结合企业自身的品牌与内容营销策略，展开 AI 口碑营销，以更好地达成优化效果。

链条也会延伸到内容发布后。PureblueAI 清蓝的自研系统，会进行分钟级的实时监控。一旦发现品牌呈现率或排名因 AI 平台算法迭代而突然大幅下跌，系统会立刻启动干预，让模型根据最新的学习结果，再次进行投放，以维持效果。

「PureblueAI 清蓝」采用 RaaS（按效果付费）的模式，目前主要围绕品牌效果（如承诺的品牌推荐率、排名率）按月收费。

目前，PureblueAI 清蓝已服务了包括汽车、金融、快消以及互联网大厂等客户。以某大厂的 Agent 产品为例，优化后其在 Deepseek、豆包等平台的推荐率和置顶率均从初期的不足 30%，提升并稳定在 100%。

Founder 思考

现在 GEO 市场的现状是鱼龙混杂，但已开始爆发。

去年下半年我们刚做 GEO 时，关注的人很少。但从今年春节后，GEO 的需求就爆棚了，每天至少有一个客户来问我们。几乎所有 SEO 服务商，还有一些营销咨询工作室，都开始做这个事。但市场非常混乱，有的报价极低，也根本不敢承诺最终效果。

AI 搜索是确定的未来，但百度和 Google 不会消失。Gartner 说到 2028 年，AI 搜索会切分 50% 的（传统搜索）流量，我认为这个预测保守了，到 28 年几乎应该是 100%。这个 100% 不是指传统搜索会死掉，而是说百度和 Google 自己也会转型成 AI 搜索。

传统 SEO 的 " 经验驱动 " 打法在 GEO 上很大程度是失效的。搜索引擎的规则是公开透明的，但大模型是黑箱。靠人工经验去做 GEO，会发现效果无法预测，结果不受控制。

  比如，这个词我一下就优化上去了，换个词我做了两个月都上不去，也不知道为什么。这种不稳定性，导致你根本不敢真的把服务卖给客户。

GEO 的核心，是帮助优秀品牌通过正向的方式被 AI 发现，否则未来会被 AI 抛弃。在未来，企业只有去生产更加高质量的内容，才越有可能被 AI 抓取和推荐。所有像当年 SEO 那样投机取巧、想 Hack 规则的方法，在未来都会被 AI 判定为 Cheating（作弊），只会起到反作用。

未来 "AI 推荐 " 取代 " 竞价排名 "，这也是营销逻辑的根本转变：品牌营销将从购买硬广流量，转向影响 AI 的软性推荐。这意味着企业需要生产更高质量、更符合 AI 平台认知逻辑的内容，而不是靠投机取巧的作弊手段。

AI 营销本质是一种价值对齐，技术上去短期优化一个结果是可以的，但不可持续。

所以，我们的原则是，绝不帮客户做 " 品牌升维 "。如果有客户说 " 帮我优化成全球第一的可乐 "，这是不符合常理认知，即便短期能挣钱，未来也一定会被更聪明的 AI 模型识破。我们只帮客户在他自己真实的定位里面，被更好地呈现出来。

用模型来学习另一个模型的思路，能让人发现想不到的 " 捷径 "。有一次我们服务一个 To B 软件企业，模型告诉我们，应该发在一个 To C 的比价平台。客户觉得很荒谬，但我们说服了他。结果稿件发出去当天晚上就被引用置顶了。

在 GEO 这件事上，这是个 " 一把手工程 "，现在 To C 品牌比 To B 更早觉醒。我们看到的典型客户，集中在汽车、快消、互联网，基本上还是偏 To C 一些的，他们更重视自己的口碑。一搜自家的品类，出来的都不是我，是我的竞品，CEO 是无法接受的，他们也愿意为品牌心智的占领付费。

海外与国内的交付逻辑不同，国内必须交付 " 结果 "。海外的 GEO 服务商，大多是 SaaS 模式，他们交付的是一套数据分析报告和几条笼统的 " 优化建议 "，比如建议你跟第三方机构出个白皮书。这种模式在国内是卖不出价的，很难让客户长期付费。所以我们在国内必须是帮客户把效果优化完，交付一个能看见的结果。

所以，我们希望交付的是 Agent 服务。上一代的 SaaS，和 Agent 是两种完全不同的工作流。SaaS 的工作流是客户主动，工具被动，客户得自己去点、去探索功能。

Agent 不是，Agent 是 AI 主动，它来主导，客户可以不主动做任何事情，Agent 带着你走完整流程。这是根本上的不同。

我们与大厂不是对抗关系，而是生态伙伴。大厂自己不会下场做 GEO，因为不能既当裁判员又当运动员。未来只有真正优秀的品牌才能够被推荐，我们正是通过正向的优化，帮助优秀的品牌被 AI 发现。我们今天也是几家 AI 大厂的生态伙伴，帮助他们服务客户的品牌优化。

《智能涌现》访谈小记

年初 DeepSeek 的爆发，让 AI 大模型 GEO 已经成为当下最新的火热方向。

近期，我们也接触了大量 GEO 服务商，当前市场的主流，仍是大量从 SEO 转型而来的服务商，他们沿用着 " 多发稿、铺渠道 " 的人海战术，试图博取 AI 收录。

但很明显，这是不可持续的。几乎所有从业者都承认：现在 GEO 的效果不可预测、结果不稳定，甚至无法归因。

这在路径选择上，与海外的主流模式拉开了差距。在硅谷，GEO 已是热门赛道，但以 Profound 为代表的公司，其主流产品形态是 SaaS 工具，提供数据监控和分析，辅助人工决策。

创始人鲁扬对我们坦承，PureblueAI 清蓝早期曾尝试经验驱动的路径，但很快发现这是条死胡同。所以，团队才逐步摸索到如今的模式：通过模型驱动，由算法来解密算法，并通过 Agent 产品直接为客户交付结果。

技术驱动的路径虽然更难，但却是试图与 AI 建立一种基于高质量、结构化内容的沟通方式，赢得的是算法信任。在这个层面上，PureblueAI 清蓝也为行业提供了一个值得鼓励的技术样本。

欢迎交流

欢迎关注