Transformer宗师空降中国，钛动发布行业首个Pro Agent Navos Pro

有人带出了Transformer一作，被称作「AI祖师爷」，他今天来了中国。他就是 Kevin Knight。

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。这场大会的核心主题是：AI is Profitable。

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 开场连抛五问。在他看来，AI for Work 是下一次飞跃的方向之一，这也把现场的关注点引向了企业：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。它由全球领先的 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。换句话说，它带着 KPI 上岗：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 首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，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，并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。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：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：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：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，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，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

黄仁勋此前说过一句话：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，是三层层层架构：Agent Harness、专业模型和专业数据的组合。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，为它们提供了基础。

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。

Kevin Knight 在开场演讲中给出了一个尺度：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，而是谁能把专业能力、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。