面对“增量”转向“存量”的新常态，企业正普遍陷入“增长焦虑”😂。9月17日，在2025腾讯全球数字生态大会上，腾讯企点营销❤️云全面升级，推出以“Magic Agent”为核心的全链路营😆销智能体，旨在通过AI技术为企业提供一套全新的增长解决方案，😢以解决从高层战略到一线执行的营销增长困境。 腾讯云副总⭐裁、腾讯企点负责人李学朝表示：在存量时代，腾讯企点营销云通过🔥三大升级，助力企业提供增长。通过营销云基础产品智能化让操作化😊繁为简，大幅提升效率。营销决策引擎Customer AI以模😢型驱动实现精准营销，让每次决策有数可依。全链路智能体Magi💯c Agent将营销人员从繁琐劳动中解放，助力企业快速打造“😘一专多能”的AI营销团队。 腾讯云副总裁、腾讯企点负责😴人 李学朝 营销云基础产品全面AI升级 让业务化繁为简🚀 在过去，营销工具往往界面复杂、专业性强、使用门槛高，🔥导致业务人员难以充分利用其功能，针对一线业务人员面临的“执行🥳焦虑”，此次升级将AI能力深度融入了客户数据平台（CDP）、🙄营销自动化（MA）、社交客户关系管理（SCRM）和融合分析（😎FA）等基础产品中，将复杂的“技术操作”变为简单的“业务对话🎉”。 在腾讯企点营销云四大核心产品中嵌入了多项AI能力😢，旨在直接解决业务痛点。例如，在CDP中，新增的“智能分群”💯功能可以帮助运营人员从海量用户中快速圈选出目标人群；在MA中🚀，“辅助画布生成”则能显著简化复杂营销旅程的创建过程；而FA😘的“画像报告解读”和“智能归因”功能，则能自动生成并解读营销😆效果报告，为团队提供清晰的洞察 。这些智能辅助功能，让业务人🤩员能够更快捷、更轻松地使用专业营销工具，从根本上提升了营销的😜人效。 推出营销决策引擎Customer AI 实现模😆型驱动的精准营销 为解决企业面临的“增长焦虑”与“本领😀焦虑”，腾讯企点推出了“营销决策引擎（Customer AI🔥）”作为整个系统的“大脑”。该引擎的核心是“以用户为中心，编😜排全旅程个性化体验”。它彻底改变了过去依赖经验的低效策略循环⭐，通过强大的大模型和机器学习能力，为企业提供了清晰、可量化的😴增长路径。它能够科学地评估每一条策略，并持续将洞察反哺给模型🚀本身，使其不断进化。 营销决策引擎具有“四维匹配”能力🙌，实现了“人、内容、商品、权益”的最优组合。它能够进行智能的🤔用户价值分层，预测用户的转化概率和流失风险。在此基础上，它会🙌为不同人群精准匹配最合适的商品和权益，实现利益点的精准触达。🙌最后，利用AIGC技术，能够根据用户特征、商品和权益信息，自😉动化生成海量、多模态的个性化内容。这种模型驱动的精准营销，让😢每一次决策都有数可依，确保了营销投入的高回报。 营销云😡智能体升级Magic Agent 助力企业打造“一专多能”营😆销团队 本次全新升级的“Magic Agent”全链路😀营销智能体，旨在赋能企业快速打造一个“一专多能”的AI营销团😍队。它不仅解决了人力在面对海量用户时的“天花板”问题，更将营🌟销专业人士从繁琐的重复性工作中解放出来，使其角色从“执行者”😆转变为“战略编排者”和“业务增长的设计者”，开创了全新的营销😍工作范式。 Magic Agent非单一工具，而是一个🤩由多个Agent构成的智能体系。例如，“人群圈选Agent”😘能高效锁定高价值人群，告别盲目投放；“旅程编排Agent”能😍自动化设计用户转化路径；“内容生成Agent”则能基于多模态😍技术生成更心动、更丰富的个性化内容；“企微互动Agent”能🚀帮助跟进线索转化，提升私域用户活跃；“活动分析Agent”能🤯够零门槛地提供复盘报告和优化建议。通过这些智能体的协同工作，😀一个运营人员就能轻松完成一场复杂的营销活动落地，实现“从1人🤗变身1个团队”的飞跃 。 在本次腾讯全球数字生态大会上🥳，腾讯企点不仅仅发布了产品升级，更是将多年来在营销技术领域的😁深厚沉淀与行业洞察系统化地呈现，发布了《腾讯企点智能营销白皮😢书》。融合了来自营销领域的尖端知识、多家头部客户的实战最佳实😊践，以及多位营销专家的深度访谈，最终提炼出一套经过市场反复验🎉证的、科学且系统的增长指南。 会上，腾讯云副总裁、腾讯🌟企点负责人李学朝分享了该解决方案在多个行业的应用成果。例如，😜在与绝味食品的共创项目中，首次实现AI Agent参与全链路🤔营销，AI组的销售业绩是人工组的3.1倍，内容点击率1.8倍⭐，支付转化率2.4倍。在与太平鸟的合作中，AI组在素材链接点🤗击率上比人工组提升了90%，支付转化率也提升了20%。 😆 该解决方案并非只针对单一行业，目前已在鞋服、餐饮、酒店、车💯企等多个领域助力客户实现业绩增长。这标志着营销行业正从劳动密🎉集型向智能驱动型模式的根本性转变，为企业在有限的“存量”市场🤔中寻找新的增长点提供了关键路径。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新🙄一期的国际权威期刊Nature（自然）中，DeepSeek-🔥R1推理模型研究论文登上了封面。该论文由DeepSeek团队🤩共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发🎉大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na😅ture封面，也是全球首个经过完整同行评审并发表于权威期刊的😀主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🤯可。 Nature在其社论中评价道：“几乎所有主流的大😊模型都还没有经过独立同行评审，这一空白终于被DeepSeek❤️打破。” 中国AI大模型的“Nature时刻” 😘自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终👍缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡🙄有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🎉 DeepSeek以其公开性和透明性打破了这一局面。D😆eepSeek-R1模型的研究论文最早于今年年初发布在预印本🙄平台arXiv上。自今年2月14日向Nature投递论文至今🙄，历经半年，8位外部专家参与了同行评审，DeepSeek-R👍1推理模型研究论文终获发表，完成了从预印本到Nature封面🤗的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方🤔法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😅和可重复性的可喜一步。 因此，Nature也对Deep🤩Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😜主流的大模型都还没有经过独立同行评审，这一空白终于被Deep🌟Seek打破。”全球知名开源社区Hugging Face机器🙌学习工程师Lewis Tunstall也是DeepSeek论😢文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这😡种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的😅潜在风险。” 据了解，DeepSeek本次在Natur🤔e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🤯不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细😂节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😴提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行😂了全面评估。 其中，在训练成本方面，R1-Zero和R⭐1都使用了512张H800GPU，分别训练了198个小时和8😀0个小时，以H800每GPU小时2美元的租赁价格换算，R1的👏总训练成本为29.4万美元（约合人民币209万元）。不到30🤯万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可👍谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏🚀”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😀然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😜的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型😘输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O😀penAI称它发现DeepSeek使用了OpenAI专有模型😁来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 😍 R2何时问世引发关注 自今年年初发布R1以来，D🙄eepSeek在全球树立了开源模型的典范，但过去数月，外界对😎于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2💯的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有👍关。 展开全文 值得注意的是，今年8月21日，D🤩eepSeek正式发布DeepSeek-V3.1，称其为“迈🚀向Agent（智能体）时代的第一步”。据DeepSeek介绍🚀，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同🤗时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🙄时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新😜模型在工具使用与智能体任务中的表现有较大提升。 由于R🥳1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路🎉上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🤯强调DeepSeek-V3.1使用了UE8M0 FP8 Sc🚀ale的参数精度，而UE8M0 FP8是针对即将发布的下一代🙄国产芯片设计。这也表明未来基于DeepSeek模型的训练与推🌟理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🎉态一度带动国产芯片算力股股价飙升。 中国银河证券研报指😘出，DeepSeek从V3版本就开始采用FP8参数精度验证了😎其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟😅制程（12-28nm）上接近先进制程英伟达GPU的算力精度，😁DeepSeek-V3.1使用UE8M0 FP8 Scale😅参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😉的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😜拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😍换取数量级性能的提升，国产算力芯片将迎来变革。 责编：👏万健祎 校对：王朝全 版权声明 " Typ😡e="normal"@@--> 证券时报各平台所有原创⭐内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关🙌行为主体法律责任的权利。 转载与合作可联系证券时报小助👍理，微信ID：SecuritiesTimes " Ty👏pe="normal"@@-->返回搜狐，查看更多