# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
图片来源：DeepLink
在出海营销的赛道上，AI 已经成了人人必提的“标配”。在这股AI狂潮中，有一家成立仅一年的公司，悄悄跑出一条“反直觉”的增长曲线 —— DeepLink，这家创立于2024年的AI网红营销公司，已获得阿尔法、险峰长青、金沙江联合等多家一线机构投资，ARR突破500万美元。
它的客户名单里，出现了爱诗科技、Notta 等知名出海AI公司。而它的秘诀，不是喊AI口号，而是让AI真正带来“结果”。
在业务突破之际，ZP 和 DeepLink 联合创始人Seven王跃进行了谈话，了解DeepLink业务飞速增长的秘诀。
ZP： 现在几乎所有营销科技公司都在讲AI、模型、智能化。DeepLink在AI浪潮中扮演怎样的角色？
Seven： 我们不是“唱反调”的那类公司。对我们来说，AI不是噱头，而是“骨骼结构”。DeepLink能在全球范围内高效地为品牌找到合适的创作者，靠的正是AI在数据层面的精准度。
我们的AI可以帮助我们更高效地去定位到匹配的创作者，不管是从数据维度层面、受众匹配度，还是内容质量上，以此帮助品牌在海量人选中快速锁定“高ROI区间”的创作者。
这意味着，品牌不再需要在庞大的数据库里手动筛选，也不需要学习复杂的AI工具。DeepLink已经把AI的复杂部分“打包”到服务里，让客户直接看到提效的结果。
ZP： AI的部分可以理解，但你们同时又强调“服务”。这两者之间的关系是怎样的？
Seven： 我们很明确：AI是效率的引擎，服务是结果的保障。
在面向国内地区做AI，有个误区是——很多公司在卖“工具”，但客户买的其实是“结果”——一个好的有质量的结果。
举个例子，我们在合作PixVerse 时。我们的 AI 系统首先为我们精准识别了目标受众、语言区与潜在创作者的组合方案。在这个基础上，运营会基于产品特性、达人账号调性与在地文化做内容创意落地，这里往往需要高频次的富有创意、感性的沟通和碰撞，也凸显了人在创意内容这个发起点中重要的作用。AI 提供了结构化的智能，人提供了内容文化层面的判断——两者叠加，才构成了最优解。
另一位客户Notta，专注于日本和欧美市场会议效率提升的 AI SaaS 和智能硬件产品。在合作中，AI 模型首先帮助我们完成识别各语区的潜力创作者，运营团队则在执行端更多接管更为复杂多变的与达人的情感的缔结并保证达人内容在实际创作中对产品使用场景的正确表达和创意的展现。
这不是“AI vs 人”，而是“AI × 人”——技术和洞察共同驱动增长。
ZP： “服务”这个词听起来很重，但AI公司都想追求“轻”，你们为什么不直接卖工具，以及你们是怎么在这两者之间平衡的？
Seven：第一个问题，为什么不直接卖工具。我觉得要承认一个现实（至少是现阶段）：中国的AI市场逻辑和美国完全不同。
在美国，人力成本高，一个内容运营的年薪可能在几万美金，企业自然愿意为能提效的工具付费——因为每省1小时都有真实的经济价值。
而在中国，一个熟练的运营、剪辑或媒介员工，成本可能只有几千块。所以，当AI工具说能帮你“省时间”，很多老板的第一反应其实是：我有的是人。
于是，“工具提效”这件事，在很多公司眼里不值钱。这其实是上一波SaaS浪潮失败的根源：劳动力结构不同，决定了工具的付费逻辑不同。
并不是产品不行，而是供需结构没对齐。竞争激烈、用户被惯坏、市场教育不足，导致大家习惯了“软件免费”。所以中国的AI软件不是不聪明，而是“太便宜的人力”压制了它的定价权。
第二个问题，如何平衡这两者的关系，我们自己内部的共识是：“短期靠人+AI驱动增长，反哺数据积累，长期靠AI进化。”
AI公司的“轻”不能是盲目的轻，而要建立在“数据积累和智能自演化”的基础上。我们确实有少数人力投入来校验AI的表现，但每一个交付场景，都是在为模型提供真实世界的训练数据。
举个例子，我们在内容营销领域的每一次创作者匹配、价格谈判、内容沟通、效果复盘，都会被结构化成数据样本。这些数据在下一轮训练中，让模型更懂“什么类型的达人与需求更匹配”“什么样的内容会被观众喜欢”“不同市场不同周期不同达人的价格弹性是什么”。
所以，我们看似在做“重交付”，但其实是在构建AI的学习闭环。未来我们的目标不是减少服务，而是让每一次服务都让AI更聪明一点。
这就像造车：早期你得手动打磨每一个零件，但当引擎稳定后，它就能自己跑。今天的“重”，是为了未来的“轻”。
ZP： 未来AI会打破这个循环吗？
Seven： 从长期来看，一定会。AI有“数据学习的规模效应”——用得越多越聪明，理论上它的价值曲线会持续上升。
比如我们自己内部的模型确实在进化：随着更多品牌和创作者合作数据的积累，AI的预测能力在持续增强。如果AI能真正实现端到端的智能执行，那它的价格自然会上升，PLG模式也会在中国变得可行。
但我想说的是：那是未来的竞争优势，不是今天的商业现实。今天的中国市场，客户实际想要的不是“买一套工具”，而是“帮我搞定增长”。AI再聪明，也要通过服务团队的理解力、判断力、执行力去落地。
AI是未来，但服务是今天的确定性。所以今天我们是通过服务积累更多的客户数据，然后反过来再训练我们的模型。
ZP： 那在你看来，中国的AI企业如果要做To B，什么是好的切入点？
Seven： 我认为，最好的切入点不是一个行业，而是一个“问题”。To B的核心永远是“帮企业更快赚钱或更少浪费”。所以，与其从“我要做AI + 营销”“AI + 教育”“AI + 办公”这样的标签出发，不如从具体场景入手，比如：哪个环节信息最不透明？哪个岗位决策最低效？
以我们为例，我们切入的是“品牌与创作者合作”的链条。这条链路上充满了非标准化变量：人群偏好、内容调性、价格博弈、ROI评估、甚至还涉及到达人的情绪价值等，非常难以规模化。而AI正好能在这里创造结构化能力，把混乱的决策过程数字化。这类“人多、环节碎、数据密”的行业，是中国AI To B 公司最好的起点。
更现实一点说，中国To B要走的路，是“AI驱动的服务公司”——你先把服务做到极致，证明AI的价值，然后再抽象出产品化能力。
也就是我们自己内部常讲的那句话：中国的AI To B，最好的商业模式不是SaaS，而是智能化服务。
ZP： 听起来DeepLink更像是在用AI“做服务”，而不是用AI“讲故事”。
Seven： 是的。我们不是想做AI时代的“营销口号”，而是想让AI成为结果的“倍增器”。
未来五年，我们希望DeepLink能成为“AI驱动的全球创作者合作基础设施”——让品牌真正看到AI如何带来结果，而不是被AI的概念迷惑。
ZP： 你们现在的客户付费率和复购情况怎么样？
Seven： DeepLink的客户结构以硬件品牌和AI软件公司为主，他们的核心诉求核心是“能不能达成营销目标，作出内容效果”。
得益于我们的交付质量，当然也涉及到服务体感等对接上的感受，我们的复购率还是比较高的。在我们服务的客户中，超过 80% 在三个月内会进行第二次合作，甚至达成更长期深度的合作关系。这不仅仅因为我们服务好，而是因为他们拿到了结果。
我们和客户的关系更像一个共创伙伴——AI 提供决策依据、提升决策效率，我们辅助拿到最终好的有质量的结果。
这是我们一直在努力做的事情及方向，我们不希望是一个卖营销服务的公司，我们希望能做“确定性的增长”。
ZP： 如果把时间拉长五年，你觉得AI在营销行业的终局会是什么样？
Seven： 我们认为最终AI会成为每个组织的“第二大脑”。
文章来自于“Z Potentials”，作者“Z Potentials”。
