特赞科技正式发布「主观世界模型」，推出面向消费者理解的新一代AI基础框架

特赞科技Tezign正式发布「主观世界模型」（Subjective World Model，SWM）。作为AI用户研究平台Atypica的底层架构，SWM是特赞科技在企业AI领域持续深化的核心技术布局，也是继企业智能体架构GEA之后，特赞在基础模型层面的重要战略发布。

特赞科技创始人兼CEO范凌表示：”大模型解决的是语言生成问题，主观世界模型要解决的是理解人的问题——还原一个具体个体如何表达自己、如何做出选择、如何在现实约束中行动。这是完全不同的训练目标，需要完全不同的数据体系和模型架构。"

与大模型的本质差异

过去两年，大模型赛道的主要进展聚焦于参数规模——更大的模型、更多的训练数据、更强的语言生成能力。大型语言模型（LLM）的训练目标是语言的统计规律，本质上是对”合理的下一个词"的预测。

SWM的训练目标与此完全不同。其建模对象不是语言本身，而是语言背后的人——具体个体如何表达自己、如何解释自身行为、如何在内心进行价值权衡，以及在现实约束下最终如何做出行动。

这一目标需要四个层次、性质各异的数据协同建模：

SWM的技术价值主张清晰，但数据积累门槛显著。其中叙事层数据的壁垒尤为突出——数万小时的一对一深度访谈，其积累所需的时间跨度与专业能力，难以通过短期资金投入快速复制。

特赞具备这一数据积累的基础。作为服务180余家企业客户、60余家财富500强的内容AI公司，特赞历经十年建立了覆盖消费者研究全链路的数据资产：涵盖品牌内容消费行为、用户访谈记录及真实投放效果数据，兼具研究深度与行业覆盖广度，并经过大量企业真实业务场景的持续验证。

Gartner在2025年《Enterprise Agent Competency》报告中，将特赞列为全球五家代表性厂商之一（与Google、Microsoft、腾讯并列），认可其"以企业上下文为核心、以技能体系为执行"的路径为企业AI Agent建设的正确方向。

SWM解决的是理解侧的问题，而消费者洞察的最终价值，在于转化为可执行的业务决策。

特赞GEA（Generative Enterprise Agent）承接了这一转化层。GEA是特赞的企业级智能体架构，其四层设计——意图层、编排层、技能层、上下文层——负责将洞察转化为可落地的业务行动，覆盖内容生产、产品创新与用户研究三大场景，拥有400余个模块化技能。

SWM输出的消费者洞察，经由GEA的Context System（企业上下文系统）与品牌历史数据、业务规则深度结合，形成从"理解消费者"到"执行品牌策略"的端到端闭环。范凌将这一架构概括为"两个世界模型"：主观世界模型建模消费者，企业上下文模型建模企业自身，两者通过GEA连接，共同驱动智能体在商业场景中的决策与执行。

真实业务验证与量化成果

快消品公司 | 产品创新场景 | 从 0 到 70，再从 70 到 100

一家快消品公司把主观世界模型接入了产品创新流程。模型在后台持续运行，采集竞品动态和消费者信号，自动生成产品创意，经由数字用户测试筛选后再推给人类团队评估。AI 完成了从 0 到概念雏形的全部工作，团队在此基础上精炼打磨、推向市场。结果是产品开发周期从两三个月压缩到三天，自 2025 年第四季度起产品数量增长了六倍，创新成本降低了 80%。

手机品牌 | 社媒增长场景 | 12 亿次曝光，零媒体费用

另一家手机品牌基于 700 种消费者画像生成差异化社交内容，结合注意力模型实现每日自动更新。第一个月的结果是：12 亿次曝光，媒体费用为零。

零食品牌 | 被验证的 "意外洞察"

一家头部零食品牌曾陷入增长瓶颈，通过 SWM 的四层深度分析，团队意外发现消费者购买产品的核心动机并非口味，而是用于职场社交的 "轻量礼赠需求"。这一洞察直接推动产品包装从 "家庭装" 转向 "分享装"，并同步调整营销话术为 "职场小确幸"，最终实现季度销量 37% 的逆势增长。

供给侧的AI能力正在收敛——参数规模竞争的边际收益递减，内容生产工具的能力差距正逐步成为行业基准线而非差异化优势。真正的竞争壁垒，已向理解侧转移：对消费者主观世界的建模精度，对具体个体决策逻辑的还原能力。主观世界模型（SWM）的发布，标志着这一方向有了系统性的技术路径——以四层数据协同建模，将"理解人"这一原本难以量化的命题，转化为可训练、可迭代的基础模型能力。对企业智能体（GEA）而言，SWM提供的不仅是数据输入，更是消费者洞察这一稀缺禀赋的系统性来源——这是企业AI竞争下半场真正难以复制的起点。