“Lazy marketing” 的時代，徹底過去了。

2026 年 2 月，聯合利華 CEO Fernando Fernandez 在 CAGNY 上直言，那種一年只做幾次大廣告、靠少數幾輪 campaign 就能支撐增長的“lazy marketing”時代已經結束了。與之對應的，是品牌需要以更快的節奏、更高的頻次，生產更貼近社區語境的內容。

這話聽起來很震撼，但仔細想想，也并不算新鮮。尤其是在中國這樣一個內容營銷早已卷到極致的市場里，多做內容、高頻更新、貼近場景，早就不是陌生命題。

那為什么這家全球快消巨頭，要在 2026 年這個節點，鄭重其事地拋出這個看似“老生常談”的判斷？

看起來像是在講營銷節奏變快，但它真正回應的，是 AI 全面滲透消費鏈路后，企業與用戶連接邏輯的根本性重構。

如果說 10 年前，以推薦算法為代表的早期 AI，重塑的是人們“看到什么內容”的方式，讓每個人都活在自己的信息繭房里；那么從 2025 年底豆包手機、Manus 新硬件和智能體的出現，到 2026 年初千問與淘寶消費場景的深度打通，AI 改寫的已經不再只是內容分發，而是開始直接進入消費者搜索、推薦、決策與購買的鏈路之中。

所以我們認為，聯合利華提出的“高頻、細碎、貼場景”，以及它的一系列落地動作，或許對諸多品牌企業有啟發和借鑒價值。

這篇文章，我們想講清以下幾個問題：

• 從一年幾個大 campaign 到“無數個小內容”，真正變化的是什么？

• 當 AI 重構消費者與品牌的關系，企業真正要補的核心能力到底是什么？

• 如果未來 AI 不再只是輔助工具，企業與 AI 的協作，將走向何方？

1

“無數個小內容”背后，真正變化的是什么？

“Lazy Marketing”之所以能成立，是媒介中心化時代下，品牌營銷的慣性。

在以電視機、巨幅廣告為主導的時代，品牌依靠長周期的 Big Campaign、高溢價的媒體采買，哪怕全年只有極低的觸達頻率，也有極大可能在用戶心智中建立起長期的品牌記憶。

最典型的例子，就是上世紀 90 年代，上春晚，幾乎能讓品牌起死回生。本來瀕死的孔府宴酒、秦池酒，在拿下“標王”后，銷售額迅速翻倍；“藍瓶的鈣，好喝的鈣”則借著春晚的國民級曝光，迅速成為一代人的集體記憶。

但在社媒時代，這套曾經屢試不爽的邏輯，失效了。

根據 Content Science 2026 年統計，社交媒體內容的平均半衰期已縮短至 4 天。這意味著，品牌如果依然維持月度或季度的更新節奏，在算法驅動的流量池中，將面臨長達 300 多天的“品牌真空”。

比品牌“隱身”更可怕的是，你的競爭對手，正在用高頻內容持續占據用戶的注意力。

因為，推薦算法從出現的第一天起，就不是為了讓人沉淀記憶，而是為了實時匹配。

為了保持用戶留存效率，平臺必須持續、高頻推薦符合用戶觀看習慣的內容，而不同平臺的內容邏輯天差地別：小紅書需要真實、帶有情緒的真誠分享；B站是懂梗、有信息密度、能和年輕人玩在一起的亞文化表達；抖音是“情緒快餐”，需要在 3 秒內抓住注意力，迅速完成視覺沖擊和購買誘導。

品牌要拿到注意力，必須針對不同平臺、不同用戶，做完全差異化的場景內容表達。只有這樣，才能在用戶滑過屏幕的幾秒內，完成一次又一次的微型決策喚醒。

然而，這背后隱藏著一個天然的尖銳矛盾：內容越碎，品牌的一致性就越難保持。

在過去，靠一本視覺規范 PDF、人工審核，品牌還能勉強維持一致性。但今天，內容已經出現了萬倍增長。這導致很多品牌陷入了行業通病：為了追流量亂了心智，最終掉進“有流量、無品牌”的泥潭。

流量畢竟治標卻不治本，如果內容在分裂過程中丟失了品牌基因，那這“無數個小內容”最終就會變成品牌的噪音。

再退一步來說，即便知道，執行起來也相當噩夢。

對單一品牌、單一市場的企業來說，這件事已經足夠頭疼；對聯合利華這樣擁有數百個子品牌、橫跨 190 多個市場的全球企業而言，最終落到終端的是數以億計的內容觸點，復雜度只會更高。

所以我們相信，聯合利華拋出“Lazy Marketing 時代終結”，并非為了制造一個觀點，而是因為內容規模化與品牌一致性之間的矛盾，已經到了必須被正面處理的階段。這也是這個判斷，真正值得關注的原因。

2

生成只是底層技術，核心是構建系統化能力

對于如何生產“無數個小內容”，聯合利華并沒有給出一個答案，但至少可以讓我們窺見一個趨勢：當內容進入高頻、碎片、全球化的生產階段，企業需要的 AI，已經不只是內容生產工具，而是一套更完整的系統能力。

從公開動作看，聯合利華這幾年的嘗試，大致可以分成兩類，一類解決“量”的問題，一類守住“質”的底線。

比如它的 SuperShoots 系統，就是把內容拍攝、制作、多渠道適配的全流程做成了標準化模塊，旗下牙膏品牌 Closeup 在新品推廣中，僅用 3 天、10 個模塊化設置，就產出了 100 多組適配多個國家、不同渠道的營銷素材；而 Sketch Pro 這類內部 AI 工具，則是幫設計、營銷團隊快速生成、迭代和篩選營銷素材，把大家從重復的機械工作中解放出來。

這些工具共同實現的，是內容生產、渠道適配、市場響應的全鏈路提速，解決了碎片化時代最基礎的“產能”問題，也就是“量”的問題。

但只靠生產提速，解決不了行業的核心矛盾。內容產量上去了，品牌心智反而可能更快失真。對多品牌、多市場、多渠道的企業而言，生產速度只是入場門檻，全域品牌心智的一致性，才是更難守住的生命線。

對于一致性的解決，公開資料中，提及比較多的有兩個，一個是數字孿生，一個是 Brand DNAi。

數字孿生，簡單理解，就是給品牌旗下的每一款產品，辦一張全球通用的 “標準數字身份證”。產品的視覺形象、包裝規格、標簽信息、多語言版本等所有核心內容，都被統一沉淀到一套標準數字資產系統里，形成唯一可調用的 “數據源頭”。這樣一來，后續無論生成什么內容，系統調用的產品信息都來自同一個地方，準確度和一致性自然會更高。

Brand DNAi，相當于給品牌定了一套 AI 必須遵守的“家規”。它把品牌的核心策略、溝通語調、價值觀邊界、視覺規范等，原本只藏在品牌團隊經驗里的判斷標準，全部沉淀成了 AI 能讀懂、能執行的固定規則。各地團隊用 AI 高頻生成本地化內容時，模型只能從這套經過審批的規則里調取信息，既能保證內容生產效率，又不會讓品牌調性越做越散。

如果從能力結構來看，聯合利華這一體系，本質上可以拆成三類能力：

• 第一，是將品牌與產品信息結構化的能力，對應的是數字孿生。

• 第二，是將品牌策略與價值觀規則化的能力。Brand DNAi 屬于這一層。

• 第三，是基于這些結構，驅動內容生成與決策執行的能力。前面的 SuperShoots、Sketch Pro，以及更廣義的內容生成、素材適配、市場響應，都屬于這一層。

放在現在的 AI 語境里看，這其實已經很接近一套企業通用的 AI Agent 架構。

• 底層基礎，是企業上下文，也就是 Context。產品主數據、品牌規范、素材資產、項目信息、合規要求，都要先變成 AI 可以調用的上下文。

• 中樞層，是推理與編排能力，也就是 Orchestration。當業務目標出現后，系統需要知道該調用哪些信息、遵循哪些規則、拆成哪些步驟、交給哪些模塊執行。

• 最終落點，是執行能力，也就是 Agent。內容生成、素材適配、監測分析、策略輸出，最終都要落到具體可執行的單元上。

具備這三層能力后，AI 的角色就開始發生變化了。它不再只是一個幫你生成內容的工具，而是開始進入業務系統本身。

這其實，也是最近大家會對 OpenClaw “龍蝦”這么興奮的原因。真正引發大家想象力的，從來都不是它會不會寫一段文案，而是人們第一次直觀看到，AI 已經可以開始接任務、調工具、跑流程了。

但對企業來說，問題會更具體。企業真正需要的，不是一只從零開始養的通用版“龍蝦”，而是一套能夠理解企業上下文、圍繞業務目標運轉、并對結果負責的企業定制版“龍蝦”。

3

依托上下文系統，接入企業級“龍蝦”

落在具體產品形態上，其實就是在理解企業上下文的基礎上，構建一套能夠圍繞業務目標，進行推理決策、調用技能執行的企業級智能體。

我們觀察到，特贊在這周剛發布的 GEA，就是這套邏輯的落地，它用四層構架，將企業具體業務落到大模型上。

與最底層基座模型直接連接的，是由特贊DAM承載的 Context System（上下文系統）。它是 GEA 的 “品牌記憶庫”，負責存儲企業全量的專屬上下文數據，包括品牌規范、素材資產、項目信息、商品數據、用戶畫像、合規要求等內容。

通過統一管理這些核心數據，它從根源上確保 GEA 執行的所有任務，都完全貼合品牌核心調性與業務需求，解決前文提到的「規模化內容與心智一致性」的核心矛盾。

在上下文系統的基礎上，它再通過四層構架，完成用戶發起任務到執行的流程：

第一環是意圖層，它是用戶與 GEA 交互的起點，它就像我們日常使用大模型的對話輸入框，區別在于它只聚焦企業的業務目標。你只需要告訴它最終目標，比如 “分析競品近期核心營銷動作及市場反饋”，它就能精準理解業務需求。

接收到任務后，編排層的創意推理模型（Creative Reasoning Model）會立刻啟動，相當于 GEA 的 “大腦”。它會自主拆解任務：完成這個目標需要調用哪些工具、哪些細分智能體、適配哪個底層模型，最終規劃出最優的執行路徑，無需人工一步步下達指令。

最后，Proactive Agent 調用模塊化的Agent Skills（智能體技能）完成具體任務落地，當任務具有持續性或需要長期監測時，GEA Claw 會進一步接管執行流程，使智能體能夠在無需人工觸發的情況下持續運行，比如競品突然發布了重大營銷動作，會直接觸發它的響應機制，自動完成市場反饋收集、動作拆解分析、應對策略輸出的全流程。

這一套流程下來，它就不再是通用模型里面的聊天框，而是一群各司其職的“數字員工”矩陣，可以真正用來“打仗”。

光說概念還是有點抽象，我們從兩個案例，來更清晰地看到它是如何在具體業務問題中發揮作用的的。

就拿產品創新來說，在快消行業，新品研發的速度就是生命線，但是在過去，創新是一個極長的線性流程。從找第三方做市場調研，到創意公司想概念，再到設計團隊做包裝、渠道小范圍驗證，每一個節點都在消耗時間。等產品真正做出來，那一波消費風口往往早就過去了。

但產品創新 GEA，能基于Context system 沉淀的品牌深度上下文，變被動為主動，24 小時監測全球市場的消費趨勢、競品動態和用戶真實反饋，并結合品牌的戰略偏好進行發散推理，自主完成「用戶洞察 → 概念探索 → 設計呈現 → 用戶驗證」全鏈路，讓品牌擁有實時捕捉瞬時風口的能力。

再舉一個內容增長 GEA的例子。對于志在海外的 3C 品牌，最頭疼的是如何跨越文化鴻溝進行內容滲透。做海外社媒運營，經常會出現踩不準文化偏好，時間延遲的問題。

而社媒增長 GEA，能夠調用特贊DAM中存儲的產品主數據、全球用戶畫像、平臺潛規則以及歷史優質內容，自主完成從趨勢發現到海量素材改編的全過程。周期被極大縮短，內容也不再是“拍腦袋”的嘗試，而是基于品牌核心的精準觸達。

目前，GEA 已廣泛應用于市場洞察、產品創新、銷售增長等與企業業務密切相關的場景，幫助企業實現從業務目標到結果的完整閉環。

結語

據 Gartner Inc. 預測，到2026年底，40% 的企業應用程序將集成為特定任務的 AI Agent，而在2025年這一比例不足 5%。隨著企業加速數字化轉型，企業應用程序中的代理型 AI 將超越個人生產力的范疇，通過更智能的人機交互，為團隊協作和工作流程樹立新的標準。

技術革命帶來的，從來不只是工具升級，更是生產方式和組織方式的重組。

聯合利華給每個產品做數字孿生，本質上是在讓產品進入機器可理解的系統。隨著消費者這一側有越來越多 agent 參與決策與執行，企業未來面對的，就不只是人，也包括代表人行動的智能體。

年初 Moltbook 出現的時候，不免讓人想到，KK 在《失控》里寫的“系統的自我涌現”。很多變化，在最初都像局部創新，等它蔓延開來，才發現被改寫的是整張地圖。而這個過程一旦開始，往往沒有回頭路。

- 我們是誰 -

我們是增長黑盒Growthbox，一家研究型商業媒體。

我們深耕消費零售與科技領域，以數據洞察與商業研究為核心驅動力，構建專業的內容與知識體系。秉承嚴謹的“科學家精神”，我們通過深度研究、實驗驗證和趨勢監測，為頭部品牌及科技企業提供前瞻的增長策略與數字化解決方案。

作為領先的專業媒體機構，我們獨立產出深度報告、行業白皮書及高影響力內容（近百個品牌監測、多篇10萬+深度解讀），持續為品牌高管、投資者及行業生態提供關鍵洞察，被眾多權威媒體、券商及研究機構廣泛引用。

「報告合集」||||||||

「深度案例」|||||||||||||||||||||||||

「增長研究」|||||||||