Transformer宗师空降中国！行业首个Pro Agent来了，中国队率先出手

带出Transformer一作的「AI祖师爷」，来中国了！

他的名字，叫Kevin Knight。

今天，这位自然语言处理领域的泰斗级科学家现身广州，为TGC 2026科技增长大会打头阵。

这场大会主题的核心是：AI is Profitable，一开场就把分量拉满了。

同场阵容里，还有Google、OpenAI等全球平台，以及阿里千问、腾讯WorkBuddy等模型与应用团队。

从AI如何运作，到它的发展是否正在加速，Kevin Knight在开场连抛五问。AI for Work，是他给出的下一次飞跃方向之一。这也把现场的关注点带向了企业：模型能力持续突破，哪些日常业务会率先迎来变化？

全场还有一个特殊的AI主角——行业首个Pro Agent，Navos Pro。

由全球领先的AI营销科技公司钛动科技发布，这位新生代Agent配齐了三大「Pro」：Professional、Proactive、Profitable，意味着它是带着KPI上岗的：专业干活、主动找机会，最后还得在真实生意里交出增长结果。

行业首个Pro Agent现身

专业、主动、创造回报

从出海营销起步的钛动，长期帮助品牌开拓海外市场，业务覆盖市场洞察、创意制作、广告投放与效果优化。

在主题演讲中，钛动科技创始人兼CEO李述昊，将下一代Agent归纳为三个Pro：

Pro Agent = Professional + Proactive + Profitable。

专业的工作能不能做好？机会能不能主动发现？行动之后有没有商业回报？Navos Pro先在全球增长营销场景中回答这三道题。

Professional：深入业务，才能把工作做对。

同一款商品，进入不同国家，用户需求、文化语境、内容习惯和媒体环境都可能变化。一段视频为什么跑不动，该换受众还是换内容，都需要专业判断。

李述昊在演讲中强调，基础模型持续变强，专业应用仍需要结合行业训练、专属数据和实际业务经验。

Navos背后的钛极专业大模型，覆盖推理、理解、生成三类任务。

32B问答推理模型在2026年1月SuperCLUE-Mkt广告营销榜单排名第一，27B视频理解模型在2026年7月SUPERCLUE-ADSVU测评中以86.43分位列总榜第二；5B视频生成模型则面向营销视频内容生产。

视频生成就是一个例子。现场展示中，钛极围绕镜头、字幕、情绪、商品构造样本，并采用面向业务结果的强化学习对齐。素材表达与商品卖点、营销目标之间的关系，也进入了模型训练。

专业能力还需要数据支撑。

钛动已服务数十万品牌出海，覆盖全球200多个国家和地区。不同产品、市场、渠道的差异，也给专业模型提出了具体要求：既要理解客户的业务背景，也要吸收专家经验，并用行业基准检查结果。

如今，钛动拥有庞大的数据资产规模。28亿+广告策略、6.1亿+创意、1亿+商品、300万+应用、2.1亿+达人相关数据，并积累了200多个行业基准、10万多个实战案例和9年的出海Know-how。

这些数据还要经过清洗、构造、专家标注，形成专业样本、知识与评价依据。内容是什么、实际表现怎样，两类信息形成双标签，并近实时回流，进入后续判断。

落实到产品上，Navos给出了四大专业能力：数据库、Agent、工作流和互动。

数据库支持趋势、竞品、选品、素材与投放洞察；Agent通过70多个MCP、100多个Skill，提供工具连接和专业任务能力。

工作流把Skill、模板与数字员工组合起来，将选品、素材创作、广告诊断等复杂工作接成执行链路；互动则覆盖意图识别、数据调用与结果反馈，让过程可见、结果可追溯。

今年9月，钛动还牵头组织ECCV 2026 MARS2 Workshop，联合清华、牛津等高校与研究机构，讨论多模态推理、慢思考与Agentic Systems等问题，继续打磨AI理解内容和商业决策的能力。

Proactive：懂了业务，还要主动发现机会。

从Chatbot、Copilot走向Proactive Agent，AI开始参与判断下一步，也开始接过一部分发现问题、推动工作的职责。

前提是，它得先懂这家公司。此次升级的一项重点，是理解企业的「品牌DNA」：品牌属性、调性、使用者偏好，在长期使用中逐步积累。后续分析和策略，才能更贴近企业自己的目标。

用得越久，越懂这家企业；知道它想做什么，才有条件判断哪里值得行动。

钛动把主动性拆成了三个具体场景：盯账户、盯商品、盯素材。

• 盯账户：要关注预算消耗、获客成本与广告回报，发现异常后给出预算、出价等调整建议。
• 盯商品：要跟踪市场热点、竞品变化和潜力商品，帮助企业发现新的生意机会。
• 盯素材：则要识别内容疲劳、爆款衰退和达人表现变化，为卖点调整、素材迭代提供依据。
  

这套工作从持续感知、发现与诊断，推进到行动建议和反馈学习。具体执行根据用户授权，由Agent或人工继续推进。

感知范围覆盖媒体侧、用户侧与内部系统，目标是7×24持续跟踪。这一环节日均涉及10亿+感知数据、2亿+感知频次。

拿素材巡检来说，发现表现衰退之后，后续还要判断调整卖点、替换素材还是改变投放安排，再把执行结果带回下一轮分析。主动性的价值，就体现在这一串连续工作中。

企业可以更早看到问题和机会，减少一次次提问、拆任务、补背景的工作。Navos希望承担的，也更接近一个懂业务的领航员。

Profitable：把机会变成行动，再用回报检验。

黄仁勋此前说过，有用的AI已经到来，并且已经能够赚钱（Useful AI has arrived, and it is profitable）。

TGC 2026把「AI is Profitable」写进主题，钛动则把这一要求放到了客户的业务结果上。

企业做营销，提出一个好主意只是其中一步。创意要转成素材，素材要接受投放测试，后续还要筛选有效方案、调整策略，再放大表现好的部分。

钛动给出的路径很具体：批量创编、规模测试，筛选有效方案，再迭代策略、放大收益。

一次点击、一次曝光、一次任务完成，都需要放回整段生意里检查价值。结果回来之后，洞察和创意方向也要跟着调整。

今年7月，钛动成为支持ChatGPT广告的技术合作伙伴。公司披露的首批客户测试中，一个出海品牌获客成本显著下降，ROI达到原来的2.5倍。这是特定客户的测试案例，也提供了观察AI商业价值的具体样本。

而要持续改进，AI还得学会利用这些反馈。

RSI闭环跑通了

李述昊在演讲中介绍了Navos RSI：用Agentic RL推动Agent Harness持续自迭代。

这里的Agentic RL，是面向整段任务轨迹的强化学习：任务怎样规划、工具怎样调用、多智能体怎样协作，都进入评估。

系统根据业务增量、过程质量与效率成本等信号优化策略和Skills，再经过评测、灰度验证，写回工作体系；出现异常时，可以回滚。

奖励和约束也随任务一起设计。ROI、成交额等业务变化，规划是否合理、工具调用是否准确，以及预算、时延和品牌安全，都在演讲列出的考虑范围内。

执行任务、评估结果、调整方法、验证迭代，构成了下一轮工作继续改进的依据。

三个Pro也由此接了起来：专业地处理业务，主动识别并推进机会，再用实际回报检验效果。

数万亿美元AI for Work蓝海

钛动科技要用AI重算企业三笔大账

从Navos Pro出发，李述昊想回答的，是一个更大的问题：AI已经能写代码了，能不能把生意做大？

他的选择依然明确：「只做结果导向（Result-Driven）的AI for Work」。

这句话的分量，落在「结果导向」四个字上。

现场，李述昊把企业采购AI的变化，概括为从「成本转移」走向「价值创造」。

过去，企业可以按人数、天数购买服务，按席位订阅软件，按调用量使用AI。如今，客户开始追问：这些投入，最终换回了多少业务ROI？

钛动希望交付的，是能执行具体业务、带来可衡量结果的企业生产力。

这种变化已经实打实发生了，Anthropic最近就公布过一个数字：截至8月，他们自家员工调用的交互式Agent运行时长，已经相当于人类员工总工时的6倍之多。

运行时长不能直接换算成生产力，但Agent进入工程、销售、法务等日常工作的趋势，已越来越清晰。

工作交出去之后，企业还要看交付：营销能否带来更好的转化，研发能否缩短交付周期，管理能否减少协调损耗。

这也对应了钛动关注的三类投入：AI for Growth（营销）、AI for Innovation（研发）、AI for Administration（管理）。

在钛动的战略里，重算「企业三费」，就是用AI提高企业客户在营销、研发、管理三类投入上的回报。

围绕这三类投入，钛动估算，AI for Work对应着数万亿美元的潜在市场空间。这是有机会被AI优化的投入规模，里面装着企业每天都在付出的真金白银。

营销，是钛动先接受检验的地方。

产品去哪个市场，卖给什么人，用什么内容，在哪个平台投放，预算怎样分配，每个判断都会影响后面的结果。

反馈来得相对快，策略、执行与投入回报也更容易连起来。

下一站研发和管理，拿什么敲门？

这背后，是三层底层架构，即Agent Harness、专业模型和专业数据组合。

专业数据提供行业经验与评价依据；专业模型处理推理、理解、生成任务；Agent Harness组织任务规划、多智能体分工、工具调用和技能使用，再把评估后的改进带回下一轮执行。

模型训练与工程组织各自解决一部分问题，合起来，才有机会把专业工作持续做下去。

今年8月，钛动与腾讯WorkBuddy达成生态合作，将专业增长能力以Skill形式接入通用办公智能体。围绕营销积累的能力，已经有了向外复用的实际入口。

进入新业务，还需要继续补齐对应的行业数据、工具接口、业务规则和评价标准。

在研发端，营销获得的用户反馈和市场变化，有机会更快进入产品需求，帮助企业判断什么值得开发、什么需要调整。需求研究、产品开发、测试验证如何衔接，最终要检查研发周期、交付质量与投入产出。

在管理端，AI可以进一步探索预算分析、采购协同、进度跟踪和异常发现。反复确认状态、来回协调的时间能减少多少，资源能否安排得更及时，都需要具体衡量。

这两类能力，是钛动面向企业客户的下一步探索。营销中形成的专业模型、数据工程与任务组织经验，为它们提供基础。

大会上，李述昊首次提出AEE，即Agentic Enterprise Effectiveness：

AEE = Agent数量 × 活跃使用程度 × 产出质量。

制造业用OEE观察设备综合效率，AEE则尝试观察企业的Agent工作体系。

企业拥有多少Agent、用得是否频繁、产出能否交付，要放在一起看。

营销回报提高多少，研发推进加快多少，管理损耗减少多少，三笔账各有指标，共同指向企业投入产出的改善。

正如李述昊在演讲结束时所言：「出海营销是AI生产力的第一战场。用AI帮助全球企业赚钱，才是我们的星辰大海」。

让有用的AI走向全球

Pro Agent已来，AI的演进也到了换标尺的时候。

这个问题，Kevin Knight在开场演讲中已经给出了一个尺度：他把补全句子、网络研究、编写软件等任务放到「自主工作时长」上衡量，讨论AI能否接下更长、更复杂的任务；在他列出的机器人、生物医学研究、AI for Work、娱乐和AI运营一家企业五个方向中，AI for Work看任务是否完成，AI运营一家企业则看利润。从语言到行动，评价AI的标尺正从「能力有多强」转向「工作能否交付、价值能否衡量」。

而钛动的回答，也不只写在Navos Pro一款产品里。

Agent一旦从单点工具变成企业工作体系，考验的就不再只是模型能力，是谁能把专业能力、真实场景和商业回报连成闭环。这个闭环不能只在产品演示里成立，还要在真实业务里跑通；而真实业务，本来就连接着平台、模型、应用、资本与企业客户。

于是，TGC 2026把全球商业平台、模型与应用团队、投资人、出海企业聚到了一起。技术、资金与业务需求在同一个场域里碰面，钛动也把目光投向更多AI创业团队。

同期启动的「Pro Agent Global Challenge全球挑战赛」，面向全球征集优质AI项目，关注Agent演进、AI营销、AI内容入口与算力基础设施等方向，并开放资本、产业与全球增长资源，帮助潜力团队把产品带进真实业务。

从钛动发布Navos Pro，到Kevin Knight讨论「AI能否接下更长的工作」，再到寻找下一个Pro Agent，一条线索逐渐清晰：让AI从语言走向行动，再让行动接受真实业务的检验。

钛动希望连接更多团队，把Useful、Profitable AI带向全球。这份邀请很直接：有好产品，就来真实业务里试一试。

AI的下一张成绩单，企业会用自己的账本来打分。

文章来自于微信公众号 “新智元”，作者 “新智元”