上周四（10月22日），“AI新榜”举办的「新榜AI思享会」北京站 在远东科技文化园（北京市东城区和平里北街6号）和大家见面啦！
这次我们邀请了七位AI内容创作领域的重磅嘉宾，从创作、运营到商业化，跟现场的朋友们聊了聊关于AI重构内容链路的真心话。
他们分别是新榜智汇GEO业务负责人@侯艺；AI科技博主@王宇辰；小旭音乐CEO、AIGC艺术家@卢小旭；北京元珑科技有限公司执行董事@王秦州；“年轻朋友阿甜”主理人、AI工作流深度使用者@阿甜；知识产权律师@汤梦真；新榜AI企业服务负责人@刘佳蓉。
在这里，特别感谢当天顶着烈日来现场见面的每一位朋友，本文是我们整理的演讲精华，供大家回顾参考。
期待下一次与你见面！
当用户开始“问AI”，你的品牌如何出现在答案里？
新榜智汇GEO业务负责人｜侯艺
年初三个月，我们在豆包、元宝、DeepSeek、Kimi、千问、百度AI六个平台做了七百多万次问答，把AI引用的每一条信源抓下来，攒成了4600万条的研究。我们发现，AI给的不是十个蓝色链接让你自己挑，而是一份现成名单——推荐哪几个品牌、各自为什么、适合什么人，连价格都替你比好了。
对To C，用户不用再搜测评、看种草、比价格，AI一轮就给结论；对To B，调研和采购拿AI做供应商比选，同样是一份名单。可以说，现在用户决策的起点，正从搜索结果页整体搬进AI答案区。
但AI看上去无所不知，却不生产答案，而是从自己精选的“信源库”里选货：理解你的问题，回库里检索，挑几条信得过的内容，组织成答案。而我们发现，AI的推荐名单不等于销量榜，也不等于社媒热度榜——它有自己的口味，而且六个平台口味各不一样。所以做GEO（生成式引擎优化）的第一个动作不是写内容，而是先搞清楚AI从哪选货，它的食谱是什么。
整体来看，六个AI平台可以被归成两类：有生态的——豆包、元宝、百度AI，优先引用自家内容：抖音头条之于豆包、公众号之于元宝、百家号B站之于百度，没有捷径，必须完成对应生态的布局。没生态的——DeepSeek、Kimi、千问，全靠全网搜集，唯一的办法是把专业内容做硬，让它选中你。
图源新榜智汇，6大AI平台通用信源偏好
AI的“食谱”里还有一个变化，那就是视频信源的崛起。根据我们对近两万条视频信源的持续观测，在2026年6月，抖音首次登顶豆包信源榜首，8月权重31.8%，三个月翻了近三倍，可以说豆包每引用3条内容，就有1条来自抖音；百度在6月首次将B站纳入信源库，其权重在8月也稳定在了8.4%。也就是说，AI已经开始“看视频找答案”——内容还全是图文的，这条线要补课了。
当然，进了信源库只是拿到门票，能不能被引用，看内容的“长相”。4600万条信源里，被高频引用的内容有三个共同特征：
第一，模块化。小标题是加分点，AI能一段一段搬进答案，大段抒情散文它没法用。
第二，问答式。用户问什么你答什么，天然贴合AI的检索逻辑。
第三，数据可佐证。有出处、有数字，AI最怕说错，所以偏爱可信内容。这也解释了为什么排行榜、测评类文章被引概率显著更高。
图源新榜智汇，AI到底在推荐哪些品牌？
当然，这并不意味着品牌方都要从零开始铺阵地，恰恰相反——AI的进货渠道就是社交平台，你已有的账号阵地本身就是它的信源库，你的粉丝就是现成的GEO弹药。粉丝不再只是流量，我们可以从以下三个方向，来“装填弹药”：
第一，官方内容。可以把已有内容按三特征重组，一篇三千字的品牌故事AI搬不动，拆成“五个常见问题一次说清”，每段带个数据，它就能用了。
第二，粉丝UGC。真实评价、讨论、晒单是最强的第三方佐证，AI也青睐多源交叉验证。
第三，互动数据。阅读、转发、在看，本就会持续影响内容在信源池里的排序。
“AI创作最大的陷阱，是太容易做出‘看起来不错’的东西”
AI科技博主｜@王宇辰-我和AI的一天
我想分享的第一个观点是，AI模型越强，越不该只拿它展示AI。
我们经常会看到一些AI产品演示，这些内容当然有价值，但它们有一个共同问题：就是观众始终在看“技术表演”。所以我一直在想：当一项技术能力足以完成更复杂的作品时，直接让观众看到它创造出了什么，会不会更有说服力？
我举一个例子，两个场景：1、春节假期开始前通知你多放七天假；2、假期结束，明天要上班，突然通知你再放七天——哪个更让你觉得兴奋？大概率是第二个对吧？因为这种打破你原本计划的“预期违背”，很容易激发强烈的情绪。所以当时在春节假期，我们就做出了一个AI短剧，标题是《竟因一件怪事又放假七天，为什么……？》，后面我们也发了续集，效果也很不错。
所以你会发现，AI在选题和内容创作的过程中，它仅仅是扮演了一个非常简单的“工具”角色，大家真正喜欢的，是我们呈现出来的短片的内容。
第二个观点是：AI创作最大的陷阱，是太容易做出“看起来不错”的东西。
过去，创作者想做一个“全面的好东西”，难度是很高的，因为你可能不会P图、不会建模、不懂代码。但现在可能只要一段提示词，AI生产文字、代码、图片、视频，唾手可得。但这也产生了一个新的问题：当一个作品很容易达到视觉上的80分的时候，创作者可能误以为内容也达到了80分。
可实际上，画面精美不一定代表故事有趣，技术效果好，也不意味着观众愿意看下去。
我们制作的AI短片里有不少画面非常漂亮，但因为不符合我要求的“真实感”，所以毫不犹豫的被舍弃掉了。我们有一个比较激进的结论，叫：“AI越容易让作品看起来高级，创作者越需要警惕平庸”。因为视觉完成度正在变得廉价，而观众对内容本身仍然有要求，所以创作者必须同时回答两个问题：第一，这项AI技术最值得证明什么？第二，观众为什么愿意看？
我们把它们称为技术命题和观看命题。前者是指关注产品真正有差异化的能力，以及怎样让观众亲眼看到它的价值；后者是指关注观众的情绪、需求、好奇心，以及他们希望从内容中获得什么。而创作者需要寻找的，就是两者之间的交点。一句话总结就是，让观众感兴趣的内容恰好成为产品技术能力的证明。
如果去年开始关注 AI，那么你一定刷到过威尔史密斯吃面的视频，到今天大家在红果短剧上面刷到那些很精良的AI短剧，其实也才做了不到12个月，模型进步的速度确实非常夸张。但我始终坚持一个观点，技术的每一次重大突破，都应该推动内容品质升级。当越来越多人能够使用相同的模型，当AI可以“生成一切”，那么作为创作者，对生活的观察、对观众的理解，以及对各自的创作判断，也许会成为更值得长期积累的能力。
“下一个时代的偶像，会由AIGC创作者赋予生命”
小旭音乐CEO、AIGC艺术家｜卢小旭
小旭音乐已经成立20年了，给上千部游戏制作过音乐。我的第二个身份是一个AI音乐博主，2024年初，我们做了“小旭 AI-Studio”的账号，现在这个账号也是AI音乐细分垂类的头部账号之一。我的第三个身份是我和我9岁的孩子组成了一个父子乐队，一起用AI创作MV和其他的有些视觉的东西，也参加过很多比较大型的AI的演出。
今天主要分享的是我们用AI批量孵化的AI歌手、AI乐队和AI组合的项目，可以把我们理解为一个专门孵化AI歌手的MCN公司。Sora出来以后，技术越来越成熟，下载AI歌手、AI艺人的数据涨势远远超过真人艺人。
在我们的经验里，要做一个成功的AI歌手，需要有三部分的能力：音乐制作能力、视觉创新能力、人设策划IP的能力。音乐制作包括编曲、选歌以及人声的打造；视觉方面拼的更多的是创意；人设策划IP有点像做短剧里面的编剧，其实它才是最核心的。
其实现在做AI歌手和做真人歌手没有任何区别，歌手的背景、音乐风格和性格，全都要做非常细化的人设。我们坚定做有辨识度的民族、民俗、中国的东西。我觉得辨识度在AI时代非常重要，民族的相对来说，跟文旅结合起来推广更方便。
当然，做歌手不是一帆风顺的，我们团队的成功率是做3到4个账号才能成一个。每做3到5条视频就会做一个验证周期，如果起不来，就尽快迭代；如果迭代几次还不行，那就果断把账号注销掉。
我们现在同一时间要做20多个账号，但团队加上我一共7个人。我们自己搭建了一个AI歌手工作台，帮助找创意、找对标、抓取评论，完全是用AI工作流在解决人手的问题。
商业化方面，我们有音乐版权、推歌收入，也会接广告商单、MV定制，以及AI歌手和游戏数字人的定制，并且我们还在探索文旅、演唱会的合作。
最后，我们用Codex做了一个许白的Agent，把用户评论和过去半年的对话接入其中，做这件事的目的是让许白能成为真正的许白，希望未来再给他写歌的时候，不是我们去写歌，而是去问许白，你想唱什么样的歌？
我觉得未来所有AI歌手都应该在安全边界的前提下，拥有自己的智能、自己的性格，而不是由幕后的创作者一步一步告诉他该怎么做。
如果说过去的明星是通过超女、快男选秀出来的，那我觉得下一个时代的偶像，就是像我们这样的AIGC创作者，去创造他们的生命。
“OPC最后拼的是谁更懂真实世界”
「科技捕手」联合主理人 | 王秦州
AI出来以后，一个人好像突然间什么都能干，可以写稿、做图、写代码、做产品、做运营，甚至处理合同、财务和项目管理。
我在做自媒体账号之前，在一家游戏公司工作了近10年，当时我负责市场和品牌工作，要跟不同部门对齐，推进一件事就要开很多个会。创业后发现，很多事情不只是把东西做出来，还要跟客户沟通、跟合作伙伴谈、跟财务对账、跟法务处理合同、跟供应商协调，要解决各种预想不到的问题。
创业以来，我越来越觉得，如果把OPC理解成一个人把所有事情都干了，那其实是把它理解反了。AI可以帮你提高效率，但商业世界里人与人之间的复杂程度并不会因此就消失。AI把执行门槛降下来了，但没有把创业的压力拿走。它可以帮你写方案，但客户不满意的时候，它不会替你去解释；它可以帮你看合同，但合同出了问题，承担责任的还是你。所以我越来越觉得，OPC降低的是组织门槛，不是商业复杂度。
我觉得AI拉低了自媒体门槛，却拉高了KOL门槛。其实所有人都能写稿、做图，真正稀缺的是创意、现场、体验、审美，以及制作能力。一场发布会，AI十几分钟就能把核心信息全部总结出来，但它没法帮你回答：这个机器人除了Demo，在Demo之外到底能不能跑？现场的人对什么是真正兴奋的？这些东西只有自己去过现场，才会有感觉。
最近我们做访客系统，一开始觉得就是一个表单、几个按钮，很快就能搞定。但放到真实场景里，预约时间怎么处理、权限怎么管、异常情况怎么办，问题马上就来了。AI把做出来变简单了，但到底有没有把想清楚变简单？OPC最后拼的不是谁会用AI，而是谁更懂真实世界。
一个好的OPC，不是所有事情都自己干，而是越来越清楚，什么事情只有你应该去干。资料搜集、基础信息整理、视觉辅助和发布自动化，都可以交给AI；但选题值不值得做、内容符不符合标准，仍然需要自己判断。
我们把一批坚持原创内容的科技AI博主聚集在一起。大家各自有账号、有公司、有风格，但都希望尽量做真实、有效、原创的内容。拥有30个人的能力，不一定要招30个人。大家平时保持独立，需要的时候一起合作、共享信息、资源和客户。未来的组织不一定建立在雇佣关系上，也可以建立在信誉、专业能力和共同价值观上。
做了这么多事情，我越来越清楚，我最贵的东西是时间。不要太功利，如果做每件事的第一反应都是这个月能不能赚钱，最后很容易追着热点跑。过去几年，当时看不到结果的事情，后来渐渐连成了一条线。
所以我越来越相信一句话：工具越快，人越要慢一点。AI让一切变得越来越快，但是行业认知、关系、信用和品牌并没有变快。
如果今天让我重新解释OPC，我认为它是一个人作为核心的公司：AI帮你放大执行能力，年轻人帮你保持对新世界的敏感，合作伙伴帮你补齐能力边界，同行帮你交换信息，客户让你理解真实需求，社区帮你降低寻找资源和机会的成本。而你自己最应该留住的是判断、创造、关系、方向，还有责任。
一个人可以成为一家公司的起点，但不能成为一家公司的边界。AI可以让一个人的公司变大，但是千万别让一个人的世界变小。
“让AI尽量了解你是一个什么样的人”
9月，我的大账号和小账号一共做了30条广告。以前我们自己做，一个月十几条已经接近极限。今天想带大家看看，我怎样通过工作台、知识库和自己的本地Skill，把这些工作推进下去。也希望大家从这套小工作流里，找到适合自己的方向。
我相信大家在进入项目的时候，都在想一个问题，那就是从品牌方给我Brief，到大纲与审核、出脚本、案例与拍摄，剪辑、标题文案与封面、发布、复盘，这一整条工作流，我要怎么让AI融入进去？
首先是我们要建立一个知识库，要让AI了解：你是谁？以前遇到过什么问题？什么东西会影响你的判断？你做过什么决定？后来发生了什么？做这个决定时和之后你又做了什么判断？总之就是基于你的业务和生活去整理内容，让AI尽量了解你是一个什么样的人，你的说话方式是什么样的。
然后，当品牌方把Brief给到我们时，我自己先看，然后拆解、找重点、想方向、整理大纲，至少要2个小时起步，有些Brief还有60多页，要求很多，后续修改时还要重新检查中途有没有更改。
但现在我们可以先让AI读取Brief ，整理产品与卖点、必讲内容、限制、参考材料、关键词和待确认项。有新反馈时，再核对哪些要求改变了，哪些仍然有效。再结合我们已经建立好的知识库，AI可以结合我已有的内容和受众群体，在我的表达方式和品牌方的要求之间取一个交集。在资料齐全、方向清楚、推进顺利时，可能10分钟就能形成一版可审核的大纲。省下来的时间，也让我有空间承接更多业务，也能投入更需要自己判断的部分。
接下来是生成脚本，我们可以让AI读取之前的要求和资料去做。以前我还要自己分段、填表，再逐句思考配什么画面，但现在完全可以调用我沉淀出来的一个Word Skill，把逐字稿整理成适合这条内容的拍摄单元，配上画面与花字，填进指定表格或Word模板。
剪辑方面，可以让AI制电脑帮我跑Case、截图、整理步骤，或者教我怎样完成操作。AI可以辅助剪，但我也经历过反复沟通、花两个多小时调整的情况。我这两天用上了AI剪辑，一分半的视频，半小时出了3种完全不一样的风格，非常厉害。我现在也起了一个新号，完全由AI剪辑，只要把口播稿交给AI，它就能完全理解，知道哪里要快哪里要慢，非常吓人。
主要内容确认之后，我会调用一个“其他内容Skill”，生成标题、小红书发布文案和封面文字，并结合Brief核对必须带的话题词、关键词和相关要求。封面不是一次性出一张，而是有十几个线程同步。最开始找封面灵感的，最夸张的时候有十几个线程在同时跑，每个线程出8个封面。我最开始也不知道要做什么样的封面，AI也不知道给我什么样的，是在不断地迭代和调整当中得到最后的结果的。
内容发完之后就是最后的复盘，我现在已经打通了我的工作流，有一整套Agent。在内容产出后的24小时，以及48小时后，它就会直接给我一个分析复盘：评论区大家都在聊什么样的话题？大家喜欢看那些内容？下次这条内容是否值得再做？整体来说，AI好不好用，是看你是否真的能在自己的工作流里用上它。
“AI是工具，不是作者”
知识产权律师｜汤梦真
AI生成的内容版权到底是谁的？这是现在很多人都关心的一个问题。
我从两个案例讲起。第一个是2023年北京互联网法院的AI文字生成图片案件，原告自己通过数十组的提示词，经过多轮迭代去生成了一个图片，被被告拿去去掉水印之后做了一个百家号的配图。法院最后认定原告通过AI生成的作品构成美术作品，判定被告进行赔礼道歉，并赔偿500元。
第二个案件是长沙开福区法院2026年的一个案件。原告通过"香囊""五颜六色""中式风格"这样概括性的提示词生成了一张图，又通过后期PS去掉了一些比较冗余的文字，这张图后续被一家幼儿园的公众号拿去使用。但最后法院认为这张图片没有构成作品，驳回了他的诉讼请求。
为什么两个类似的案例一个输一个赢？关键不在于是否用了AI工具，而是在具体的表达和创作上到底投入了多少人的智力。我们自己投入的智力产出越多，最终我们的权利越稳固，保护就越强。
在2026年9月，最高人民法院发布了一个关于依法审理人工智能纠纷案件的意见，其中明确了一个判断标准：以人类的智力投入为核心。围绕这个核心，AI 生成内容可以分成三段：
第一段，受到保护。当人的智力投入达到了创造性的高度，AI就只是工具。在这个阶段，可以认定它构成作品，著作权归创作者，也就是使用人。
第二段，不受保护。如果只是简单的提示词一键生成，也没有进行任何的人工选择调整，那它不构成作品，也没有享受著作权。
第三段，是一个需要去注意的中间地带。它可能达不到著作权法保护的作品的高度和要求，但是创作者确实在上面投入了实实在在的劳动。这种情况下，可能没有办法受到著作权法的保护，但是可以受到反不正当竞争法的保护。
那么AI创作者要如何留存自证独创性呢？也分为三个方向：
第一，要注意保存提示词和参考图的来源。这证明了创作的起点和方向。
第二，在多轮生成中也要注意留痕。这能证明我们进行了人工的筛选和调整。
第三，保存最终产品的导出文件和设计稿，也可以考虑做一个时间戳的存证。
当然，在保护我们自己用AI创作的内容的同时，也要注意我们会不会侵犯到别人的权利。同样从三个方面来看：
第一，输入端。简单来说就是我们喂给AI的素材是不是干净的。
一个例子就是，某公司批量下载他人的美术作品，用AI生成了衍生图做销售。非法经营额达到了27万，最终被判处承担罚金，具体责任人还被刑事判刑。这说明AI的侵权案件当中也不仅会涉及金钱的赔偿，还可能涉及到刑法犯罪。
第二，参考素材。当我们把他人的文字、图片、视频当做参考输入进去，最终很有可能会产出一个跟原作品实质性相似度很高的作品。
要特别提醒做平台或做工具的朋友：如果AI开发者主张训练合法，需负举证责任。在具体案件中，若无法证明，可能需承担侵权过错。来源说不清楚的情况下，本身就是一个风险。
第三，涉及具体的人格权侵权风险。在生成过程中，如果输入特定公众人物的姓名或肖像生成内容，可能侵犯其肖像权和姓名权。
最高法意见中有一个平衡：在合理范围内处理已公开信息，且个人未明确拒绝的，一般不侵权。但有重大影响的，仍需取得同意。简单来说，如果是来源不明或授权不清的素材，以及涉及真人肖像、授权不明确的情况，暂时不要投入宣传平台。
总的来说，AI是工具，不是作者。AI的内容归属于真正投入了智力劳动的人；它能够商用，但要看我们的授权链条是不是完整、是不是干净，有没有侵犯到他人的权利。如果出现了侵权投诉，我们要做一个责任的区分，去看是谁的过错由谁来承担，或者是平台方是否要承担相应的连带责任。
“从一个说得清的问题开始，看见改变的可能性——FDE入企实践。”
新榜AI企业服务负责人 | 刘佳蓉
今天分享的内容，主要基于我们服务一家农牧饲料企业的实践，来拆解FDE模式，以及如何解决企业AI能力无法转化为实际价值的问题。
FDE是前线部署工程师（Forward Deployed Engineer），它并不是一种岗位，而是一种工作模式。传统软件开发通常是销售走到客户现场了解需求、形成文档，再由产品和工程团队开发，最后交付到客户现场。但对于数据安全要求较高、数据复杂的场景来说，就需要工程师深入客户现场，把AI能力真正接入业务流程，打通数据和AI能力间的壁垒。
在FDE工作模式下，我们可以把核心能力拆成两部分：咨询能力和产品工程能力。咨询是跟着企业把整个业务走一遍；产品工程则要连接企业内部数据，用真实任务试跑并持续调整。最终交付的不是一个漂亮的Demo，而是让AI在企业持续运转起来的方式。
那么，企业应该从哪里开始改造？我们会从业务发生的频率、好坏标准是否清晰，以及单次改善的价值三个维度进行判断。高频且标准清晰的业务更容易看见成果，但低频，数据清晰的业务也有可能带来连锁价值。高频是线索，但标准才能决定能否验证，价值才能决定值不值得投入。员工觉得麻烦，是发现问题的线索，不能直接成为立项理由。
在农牧企业的实践中，我们发现，销售写方案太慢，并不完全是销售能力的问题。销售需要找资料、找案例、等待技术确认，方案完成后还要根据客户意见反复修改。我们将这些问题归纳为“找、问、等、改”，把流程理顺后，再去梳理客户需求、资料可信度和推荐依据三个关键断点。
针对这些问题，我们将散落在不同文档和系统中的资料整合起来，明确有效版本，补齐客户需求，并让生成的方案标明产品与案例来源。最后通过需求到审核通过的总时间有没有变快、一次审核通过率、引用准确性等指标，验证改造是否真正合规。
AI改造不仅是技术问题。即使产品已经交付，员工也可能因为对AI有恐惧和介意，担心自身价值降低，或者过往习惯已经养成了，没法立马进入新的工作模式。因此，我们会专门安排专人陪跑和陪练，扶上马送一程。
启动AI项目前，我建议大家先理清楚五个问题：目前的问题是什么？项目由谁负责？先在什么范围内跑通？用什么标准判断效果？还需要什么支持？
AI改造业务的起点，是说清楚一个具体的业务问题；但终点不是一次外包，也不是一次企业培训，而是让一种更好的工作方式实际发生。从一个说得清的问题开始，我们才能看见改变的可能性。
欢迎分享、点赞、推荐一起研究AI
