从"常人"到"终极"形态，金融大模型 L1-L5 给企业 AI 营销工具落地的 5 条路线

一、先回答一个问题：企业 AI 营销工具落地为什么"难"

这份报告对"为什么难"给了一个非常具体的回答：

3 个关键点：

• 第一，场景在企业内部——通用大模型看不到你的行业 know-how；
• 第二，数据在企业内部——通用大模型没有你的私域语料；
• 第三，业务在企业内部——通用大模型不懂你的客户旅程。

这三个"在企业内部"，决定了企业 AI 营销工具落地不可能是"买一个通用工具就完事"——必须沿着能力阶梯，一级一级往上走。

二、L1-L5 五种方法快速构建大模型商业应用

报告给的核心框架是 5 种构建方法：

1. L1 · 常人——直接调用通用 LLM，部署垂直领域大模型提供基础问答；
2. L2 · 胜任者——在通用 LLM 之上加提示词工程（CoT 思维链），快速搭建企业领域知识平台；
3. L3 · 专家——在 L2 基础上加 RAG（检索增强）+ Agent，构建专家级领域大模型应用；
4. L4 · 大师——在 L3 基础上加 SFT（有监督微调），用企业私域数据微调出专属模型；
5. L5 · 终极——在 L4 基础上加 Pre-training（预训练），从零训练一个行业垂类大模型。

每一级都是"在上一级基础上叠加新能力"：通用 LLM → 提示词工程 → RAG+Agent → SFT → 预训练。能力越强，越接近"内行级"输出；投入也越大，需要的工程能力也越高。

三、Chatbot → Copilot → Agent：三种应用范式

报告给的另一组判断，是大模型应用的 3 种范式：

• Chatbot 模式——以人类为主的 AI 应用，AI 以信息提供的形式服务人类决策；
• Copilot 模式——AI 与人类的协同合作，AI 负责某部分模块化任务的执行；
• Agent 模式——AI 全权代理，自主承担工作任务的分配、拆解与执行。

报告还给了一个非常直接的趋势判断：Agent 也许是大模型应用的"终极"形态。原因是大模型作为 AI 代理的"智能核心"，为其提供了规划、记忆、执行和工具四项关键能力，能处理更加复杂和多样化的决策任务。

把 3 种范式翻译成企业 AI 营销转型咨询的语言：

• Chatbot = 智能客服 / 智能问答——用户问，AI 答；
• Copilot = 营销 Copilot / 销售 Copilot——AI 帮一线写文案、写脚本、写邮件、写话术，人来审；
• Agent = 客户旅程 Agent / 营销自动化 Agent——AI 自动编排客户旅程、自动触发营销活动、自动复盘 ROI。

四、通用大模型 vs 金融垂类大模型：营销侧的选择

报告对"通用大模型 vs 垂类大模型"给了一个非常清晰的判断：

同时报告还给出三个使用金融数据训练和调优通用大模型，期待其超过金融垂直大模型的难点：

• 训练数据难以覆盖所有金融知识，以偏概全对模型来说是"毒药"；
• 训练成本较高（千亿级别的通用大模型，训练一次需要付出几千万的成本）；
• 金融业对合规和风险要求极高，通用难以满足要求。

这三条翻译到企业 AI 营销全案就是：

• 不要期待通用大模型"啥都懂"——营销侧涉及行业知识、合规要求、品牌调性，通用大模型无法兼顾；
• 不要追"训练一个营销垂类大模型"——对 90% 的企业来说成本不划算；
• 正解是"通用大模型 + 行业知识库 + 微调"——把通用能力、行业知识、私域数据三层叠加，是 90% 企业的现实路径。

五、5 类高质量语料挑战：营销侧的"数据资产"

报告对"高质量语料"给了一段非常经典的判断：

对应到企业 AI 营销工具落地，5 类高质量语料是营销侧必须攒的：

• 语料 1 · 客户对话语料——客服会话、销售跟进、社群聊天、用户反馈；
• 语料 2 · 营销内容语料——历史推文、历史视频脚本、历史活动 SOP；
• 语料 3 · 客户案例语料——成功案例、客户证言、客户行业方案；
• 语料 4 · 行业知识语料——行业报告、政策文件、合规要求；
• 语料 5 · 私域反馈语料——用户高频问题、典型投诉、典型好评。

这 5 类语料攒得越全、越干净、越有结构，AI 营销工具的输出质量就越高。南京企业 AI 营销转型方案反复验证的判断是：企业 AI 营销工具落地的天花板，由私域语料决定，不是由通用大模型决定。

六、L1-L5 翻译成企业 AI 营销全案的 5 条路线

把金融大模型的 L1-L5 框架反向映射到企业 AI 营销全案，可以变成 5 条工程化路线：

5 条路线对应 5 种投入、5 种回报、5 种风险：

• L1 路线——投入 10 万-50 万、回报 1-3 个月、风险低；适合 0 基础企业；
• L2 路线——投入 50 万-200 万、回报 3-6 个月、风险低；适合有 prompt 团队的企业；
• L3 路线——投入 200 万-1000 万、回报 6-12 个月、风险中；适合有数据中台的企业；
• L4 路线——投入 1000 万-5000 万、回报 12-24 个月、风险中高；适合差异化诉求强的企业；
• L5 路线——投入 5000 万以上、回报 24 个月+、风险高；只适合少数头部企业。

七、从 Chatbot 到 Agent：营销侧的进阶路径

把 3 种范式排成企业 AI 营销转型方案的进阶路径：

1. 第一阶段 · Chatbot——把高频客户问题交给 AI 自动应答（智能客服）；
2. 第二阶段 · Copilot——把"写"这件事交给 AI，市场、销售、内容团队用 AI 提效 30%-50%；
3. 第三阶段 · Agent——把"流程"交给 AI，从客户旅程到活动编排，从线索评分到归因分析，全流程 AI 接管。

这 3 个阶段不是"上完上完再上下一个"，而是3 件事同时推进，但每件事的成熟度不同：智能客服可以快速到 Chatbot 阶段；内容生成可以到 Copilot 阶段；客户旅程编排可能要 1-2 年才能到 Agent 阶段。

八、5 条工程化路线 + 5 类语料 + 3 种范式 = 1 张路线图

把报告里所有的判断汇总到一张企业 AI 营销全案的路线图，这也是南京企业 AI 营销转型方案服务客户时反复使用的"五步法"：

• 第 1 步 · 选 L1-L5 哪一条——根据预算、团队、行业需求选 5 条路线之一；
• 第 2 步 · 攒 5 类语料——把客户对话、内容、案例、行业、私域反馈 5 类语料先攒好；
• 第 3 步 · 上 3 种范式——按 Chatbot → Copilot → Agent 的顺序，3 件事同时推进；
• 第 4 步 · 选合作伙伴——选 1-2 家能陪你从 L1 走到 L4 的"长期陪跑型"合作伙伴；
• 第 5 步 · 跑 12 个月看数据——12 个月后回头看，AI 营销工具是降本了、提效了、还是没感觉？

九、老板视角：AI 营销工具落地的 3 个判断

对正在评估企业 AI 营销工具落地的老板，全案 AI 营销策划公司的陪跑经验浓缩成 3 个判断：

• 判断 1 · 选 L1 还是 L5，看你的预算 + 团队 + 行业——预算 50 万以下选 L1；预算 500 万以上、有 AI 团队、行业有差异化需求，可以考虑 L4；
• 判断 2 · 5 类语料是"地基"——地基没做，上 L1 都跑不动；地基做了，L3 也能跑；
• 判断 3 · Chatbot/Copilot/Agent 不是三选一，是 3 件事同时推进——别被"一上就上 Agent"忽悠，企业 AI 营销工具的成熟度是按场景递进的。

对南京企业 AI 营销转型方案来说，这条 L1-L5 路线图是被反复验证过的工程化模板——不管你今天处在 L1 还是 L3，下一步都很清楚。把路线图交给客户，让客户按图推进；3-6 个月跑数据，6-12 个月看 ROI，12-24 个月看长期资产。这是企业 AI 营销全案最稳的"打怪升级"节奏。