甜新科技自2016年成立以来，专注于利用人工智能、生成式AI技术（AIGC）和5G视频通信技术，打造行业领先的大模型解决方案，致力于为品牌客户提供深度融合AI与视频技术的场景化服务解决方案。
在视频营销领域，甜新科技通过直观、生动的内容满足消费者需求，并通过丰富的互动形式，为品牌与消费者之间建立无缝连接。
随着AI技术的不断进步，视频营销正迎来前所未有的发展机遇。
本期非凡产研特别采访到了甜新科技创始人兼CEO李少渤，请他分享了AI视频生成技术在营销领域的应用，以及5G+AI视频外呼机器人相较于传统外呼方式的优势。
甜新科技创始人兼CEO李少渤
以下是访谈正文：
Q：您是一个连续创业者，为何在二次创业时选择视频营销赛道？
A：在进行第二次创业时，我们深入思考了两个关键问题：首先，对所处行业的商业模式要有清晰的理解；其次，要聚焦于自身擅长且具备深刻专业知识的领域。基于我在通信行业的背景，加上2016年至2017年间视频技术随着4G的全面普及而迅速发展，我们决定将重点放在视频技术在各行业的应用上。
在中国的ToB市场中生存，必须深入垂直行业。因此，我们选择将音视频技术应用于金融行业，以解决许多需要线下面对面的工作，比如线上化销售、客服及监管等。金融行业的显著优势在于客户相对稳定，回款情况健康，用户付费率和续约率较高。尽管进入门槛高，但一旦建立合作，客户更换供应商的意愿较低，业务粘性强。
然而，我们也面临挑战，特别是如何打破行业的标准化和增长天花板。恰逢疫情的到来，抖音等短视频平台和直播带货的兴起，使消费者逐渐适应了基于视频的营销方式。视频营销凭借其高信息密度、高效率和良好的用户体验，成为了行业的主流趋势。目前，用户在短视频平台上的停留时间已远超传统电商和社交媒体平台。
基于这一趋势，我们决定转向视频营销。随着2022年5G网络的大规模部署，我们发现了新的机遇：运营商的通信网络开始支持视频化服务，传统的短信和电话服务也逐渐向视频化转型。围绕运营商的通信入口进行视频化升级，预示着一个巨大的市场机会。
中国互联网的发展历来与通信基础设施的升级密切相关。2022年，中国通信基础设施迎来了两大升级：运营商的5G网络建设和算力的提升。这两个基础设施的交汇点预示着一次爆发性增长的机遇。因此，从2022年开始，我们全面转型，专注于营销端的业务。
随着这些布局的推进，我们正式迈入‘5G视频营销’时代。实时音视频通信的需求日益增加，消费者对即时沟通的期望也在不断上升。将视频营销手段与人工智能技术相结合，能够创造出强大的互动体验。这种交叉融合将帮助我们深入拓展营销市场。
Q：当前AI浪潮与十年前的移动互联网浪潮相比有何显著差异？如何看待这两个不同阶段的创业机遇？两者相比，AI的机会是更大还是相等？
A：我认为当前的AI浪潮与移动互联网的机遇具有一定的对等性，但AI带来的变革将远远超过移动互联网。移动互联网的兴起主要是将用户从PC端转移到了移动端，其核心变化在于使用平台的便捷性和频次的提升，而交互模式并没有发生根本性的改变。这为一些新兴行业带来了机遇，但整体上，移动互联网的变革更多是量的积累。
相比之下，AI浪潮的核心优势在于其智能化水平的显著提升，它代表了一次质的飞跃。AI技术的发展和应用有望重塑各个行业，从生产、服务到决策等各个层面。虽然AI对不同行业的影响程度不同，某些领域可能会经历比移动互联网更深刻的变革，而另一些领域的影响可能相对较小，但总体而言，AI带来的商业机遇是巨大的。
Q：您能否详细阐述一下5G实时短视频产品的应用形态，例如它是如何被应用于数字人外呼场景的？另外，当前市场对这类技术的需求情况如何？
A：电话营销作为一种历史悠久的推广手段，一直承载着企业巨大的市场推广需求。然而，传统的电话营销方式往往因为信息传递效率不高，导致用户感到被打扰，从而产生了“垃圾短信”和“骚扰电话”的现象。这些问题的根源在于信息的密度不足和智能化程度不够，这直接影响了营销的效果。
尽管如此，商家对于营销的需求是持续存在的。在信息传递效率受限的情况下，商家可能会选择增加营销的频次来提高触达率。虽然这种做法可能会在短期内提高触达率，但长期来看，它可能会引起消费者的反感，因为频繁的营销活动往往被视为一种干扰。
相比之下，电梯广告或抖音等平台上的广告很少被用户视为骚扰。这是因为这些广告通常出现在合适的时间和场景中，并且提供了良好的用户体验和高度的相关性，因此更容易被用户接受。
因此，在电话营销中，我们应该专注于提高信息的密度、改善用户体验，并提升智能化水平。同时，我们还需要关注与用户的相关性和提供的利益点。例如，通过明星代言或提供有价值的内容，可以显著提高用户的接受度和满意度。这样的电话营销不仅不会被视为骚扰，反而可能成为用户期待的服务。
Q：当实时视频技术融合了AI和大型模型技术后，将会发生哪些变化？
A：深入理解人性对于把握事物的本质至关重要。在人际交往中，我们倾向于与那些聪明、形象正面的人建立联系，同样地，用户在与品牌或服务互动时，如果体验愉悦，他们的参与度自然会提高。用户天生具有交流的意愿，但面对缺乏温度和智能的机器，如早期的AI技术，这种意愿可能会降低。这种交流意愿的降低会直接影响用户体验，导致参与度下降。
短视频营销和直播带货的成功案例已经表明，只要内容或人物足够吸引人，并且符合用户的喜好，消费往往是由情绪驱动的。在消费品领域，情绪价值在购买决策中扮演着关键角色。如果产品品质上乘、价格公道，并且用户在恰当的时机接触到这些产品，购买率很可能会显著提高。因此，创新的交互方式、智能化的升级和效率的提升，无疑将对整个行业产生深远的影响。
Q：现在的技术能做到类似于 GPT-4o实时语音交互能力水平吗?
A：暂时还无法达到这个程度。在视频营销领域，实现个性化营销——即“千人千面”的策略——是我们当前面临的主要技术挑战之一。这一策略旨在为每位用户提供定制化的内容推荐，以满足他们独特的兴趣。实现个性化营销的关键在于建立强大的数据分析模型和预测能力，我们正在积极地积累数据并构建相关的预测模型。
这些预测模型的核心功能是在与用户互动之前，基于他们的历史行为和提供的信息，预测他们可能感兴趣的内容。这涉及到对用户偏好的多维度分析，包括声音、文案、利益点，甚至视觉元素如色彩搭配。随着数据的不断积累，这些模型的预测精度将不断提高，从而更有效地推送符合用户需求的内容。
个性化营销对技术提出了极高的要求，尤其是预测模型需要实时计算用户的兴趣点，并据此生成或预生成相关内容。实时内容生成的能力进一步增加了技术挑战。尽管这一目标目前仍存在挑战，但我们正不断努力并寻求突破。
在这一过程中，我们实际上是在探索一种平衡。我们需要在技术能力和客户需求之间找到最佳平衡点。中国客户往往更注重技术的实用性而非其前沿性。与其讲述技术创新的故事，不如直接展示实际的业务成果。这是我们在中国市场与海外市场运营多年后发现的一个显著差异。
Q：许多人可能已经熟悉传统的模拟真人声音进行交流的自动外呼系统，你们的这种新型外呼模式相比传统的智能外呼机器人服务有哪些显著差异？
A：在进行市场分析时，我们通常聚焦于两个核心逻辑：一是利用创新方法对现有市场进行升级；二是探索并开拓新的市场领域。以中国的商业短信和智能AI外呼市场为例，该行业的年收入规模保持在约400亿人民币，这显示出市场对营销服务的持续需求。
视频化营销相较于传统的纯语音营销方式，能展现出更为显著的效果。因此，营销趋势正逐渐向视频化转变。当然，客户在考虑是否采纳视频化营销时，主要考虑的因素还是投资回报率（ROI）。如果视频化营销的成本与现有传统方式持平或略高，但能显著提升效果，客户更可能快速采纳。反之，如果视频化营销的成本过高，可能会导致客户延长更换周期。
我们目前采取的定价策略是与语音外呼服务持平，目的是减少客户的决策时间，降低他们对新型营销手段的顾虑。为了实现这一目标，我们投入了大量资源和精力来降低成本，确保我们的服务价格在市场上与传统方式相比更具有竞争力，从而鼓励用户更快地做出决策，选择我们的服务。从实际效果来看，客户对于新型营销方式的接受度相对还是比较高的。
Q：我们刚才讨论的都是关于如何在存量市场中提升市场份额的策略。不过，许多人可能更关心如何开辟新的增量市场。您能否为我们详细介绍一下这方面的策略？
A：从行业角度来看，我们主要关注两个增量市场。首先，尽管外呼服务在某些市场中已有存在，但传统的语音AI外呼工具因效率低下，未能产生良好的效果。尤其在消费领域，视频外呼的投资回报率（ROI）显著高于金融行业，这主要是因为视频带货等活动通过视觉内容显著放大了营销价值。此外，语音AI外呼市场的规模和客户效果始终相对较小，而抖音等短视频平台在电商消费和内容营销中获得的广告收入却非常可观，因此这些平台被视为增量市场的主要驱动力。
其次，内容营销，特别是通过视频形式推广剧集或电影，具有天然的逻辑优势。视频化的内容营销不仅理论上合理，且在实践中已被证明有效。短剧等视频内容营销形式自然而然地契合市场需求，使该市场成为增量市场的重要组成部分。目前，短视频在中国的发展已近十年，流量成本持续居高不下，视频流量市场接近饱和。广告主面临的挑战是如何寻找更低成本、更佳用户体验和更高智能化水平的视频流量，以应对在大型平台上不断上涨的营销费用。
Q：5G 实时视频这种新型交互形态除了能用在手机通话场景，还能在哪些场景落地吗？
A：在分析5G实时视频这种新型交互形态的应用场景时，可以将通信通道分为两类：运营商通道和互联网通道。
运营商通道主要包括短信和电话服务。随着5G技术的发展，短信服务已升级为5G消息，这种新型消息不仅支持文本，还具备视频、互动和对话功能。值得注意的是，5G消息现已兼容包括苹果手机在内的多种设备，成为重要的通信载体。
另一方面，WebRTC技术作为另一个关键载体，支持基于H5的实时通信场景。过去，广告投放和服务提供主要依赖文本、图文和静态页面，但随着技术的进步，市场正逐渐向更具可视化和互动性的场景转型，进一步拓展了5G实时视频的应用潜力。
Q：那是不是意味着未来我们看到的每一个广告，每一个 landingpage，甚至每一个官网，都有可能支持实时视频交互？
A：技术的发展正推动着不可逆转的趋势。目前，几乎所有现代网页浏览器都支持WebRTC技术，即H5。这项技术经过了十多年的发展，已经变得非常成熟和稳定。
以GPT-4O为例，它将WebRTC作为其核心技术。随着WebRTC技术的成熟，以及流式大模型和视频内容生产与合成技术的不断进步，这一趋势正变得不可阻挡。从人类的天性来看，人们更倾向于与形象生动、智能度高、交互迅速的智能体进行沟通。
Q：当前一些大模型厂商也在去研发基于视频、语音等多模态内容的交互形式，未来甜新科技跟这些大模型厂商之间会是什么样的关系生态？甜新科技在整个产业生态中处于什么样的位置？
A：在当前技术和市场快速演进的环境中，生态系统的建设愈发依赖大型模型公司提供的核心技术支持。由于高技术门槛和算力需求，独立开发流式大模型的可行性对新兴企业来说较低。
对于顶尖云服务提供商，掌握流式大模型技术、多模态交互能力及实时视频生成技术已成为战略发展的必然选择。然而，针对特定业务场景的定制化服务仍需由深入理解行业的企业来提供。
如果大型模型公司直接参与每个细分场景的应用开发，可能会面临效率低下和成本过高的问题，因此不具经济效益。在此背景下，初创公司专注于特定细分场景的创新与开发，展现出巨大的市场前景。
初创公司能够利用大型模型公司的核心技术，结合自身对行业的深入洞察，开发出更高效且符合用户需求的解决方案。这种合作模式不仅推动了生态系统的健康发展，也实现了技术与行业需求的有效对接。
为了保持战略的聚焦，我们始终坚守自身核心竞争力的关键领域，而不是广泛扩展到所有行业和场景。我们专注于服务那些对音视频技术有高要求、需要强大交互能力和卓越用户体验的应用场景，尤其是那些客单价较高且对营销策略有高要求的细分市场，如金融和营销领域。
在长期的商业实践中，我们意识到，并非所有行业都需复杂的交互模式。对于一些更侧重于信息展示或提供基础服务的行业，传统的文字客服可能已经足够。因此，在决定服务场景时，我们必须在服务能力与成本效益之间找到平衡点，同时确保定价策略与服务场景的价值相匹配。对于那些成本敏感或不需要复杂交互的行业，我们可能会选择不提供服务，而是集中资源于那些能够最大化我们技术优势并为客户创造显著价值的领域。这样做不仅确保了服务的高效性和经济性，而且能够精准满足特定行业客户的需求。
Q：在市场中，一些专注于营销的科技公司也有可能进入你们的业务范围，该如何应对这种情况？以及，你们是否有计划扩展更多产品功能，以帮助客户更好地管理他们的用户？
A：是有这种可能性，因此我们也在考虑扩展更多功能，以帮助客户更有效地管理用户。所有营销科技公司，无论是专注于营销技术（MarTech）还是销售技术（SalesTech），其价值主要取决于对营销效率的提升。如果能够显著提高效率，这些公司就具备更高的市场价值；反之，若效率提升有限，价值自然会下降。
以社交客户关系管理（SCRM）为例，早期的SCRM在提升营销效率方面表现突出，因此被广泛认可。然而，随着用户习惯的变化，SCRM的营销效率逐渐下降，导致其面临挑战。
在评估我们的工作时，需要关注以下关键问题：我们在哪些方面提升了营销效率，这些提升是否显著。若效率显著提高，我们就能创造价值，并应围绕这些价值点进一步发展。
我们认为，营销效率的提升主要体现在以下三个方面：
- 视频营销效率高于文本和语音营销：视频的信息密度是语音的100倍，15秒的视频所传达的信息量远超15秒的语音。这种信息密度的提升带来了显著的效率提升，例如，直播电商颠覆了传统图文电商，正是因为视频的高信息密度。
- AI生成内容（AIGC）提升视频生产效率：传统视频制作依赖人工拍摄、剪辑和录制，成本较高。如果能利用AI技术大幅提升制作效率，整体效率将再次提升一个数量级。
- 个性化营销是核心：传统电话营销往往缺乏个性化，导致客户体验不佳。如果能在营销入口实现个性化，效率将显著提高。通过结合上述三个方面的提升，我们可以在营销效率上实现质的飞跃。
Q：甜新科技与其他公司相比有何独特竞争力优势？
A：我们公司的定位是为ToB企业提供服务，我们的核心优势在于赋能这些企业，帮助他们更有效地服务C端用户。
首先，这要求我们深入理解行业的上下游关系，并准确识别B端客户和C端用户的痛点，提供有效的解决方案，以提升双方的价值和效率，从而展现我们的独特价值。例如，我们必须明确创业公司与云计算公司、大模型公司之间的关系与利益点。例如，大模型公司希望增加云资源和token的消耗，而实时对话和视频是最主要的消耗载体，这两种场景的算力需求明显高于打字场景。
其次，组织管理是创业公司面临的重大挑战。虽然创业团队可能在产品管理或研发方面表现出色，但在组织能力上可能存在不足。为了弥补这一短板，提升组织能力是我们过去几年的重要成长任务。在竞争激烈的市场中，即使有优秀的想法，如果团队的竞争力和执行力不足，也难以取得成功。因此，我们必须解决“为什么是我们”的问题，即为什么我们能够在竞争中脱颖而出。
创业公司面临的最大挑战之一是不断寻找方向和进行转型。核心问题仍然是底层的供需关系，找到适合公司的方向并不容易。我们倾向于保持团队的稳定性，或者在相当程度上保持团队的稳定性。但在转型过程中，由于过去的方向和背景不同，人才匹配上确实会有一个变动的过程。我最大的体会是，创业公司最重要的是人才。当你转向一个新方向时，一定要找到这个方向的专业人士。对于创业公司来说，用对人是最重要的。
Q：如何看待实时视频交互未来发展趋势？
A：首先，通过研究Facebook、WhatsApp、微信等平台的发展历程，我们可以发现即时通信市场依然具有巨大的潜力。手机的最大价值在于其屏幕。在通信领域，充分利用屏幕的价值至关重要。屏幕交流不仅仅是实现语音互动，更重要的是能够通过屏幕共享向客户展示信息，实现“百闻不如一见”的沟通效果。例如，会议软件里的屏幕共享功能是使用率最高的。
其次，视频外呼很大可能将成为未来通信的标配。未来的电话交互会越来越依赖于屏幕。屏幕具有天然的广告属性，能够主动且高效地传递信息，这意味着无论是在营销还是服务领域，视觉信息通常都更为直观和有效，这一趋势是不可避免的。
第三，随着人工智能技术的不断进步，语音代理（voice agent）的智能化水平将不断提升，这将进一步增强电话屏幕的交互价值，并能更深入地挖掘电话屏幕的潜力。
访谈人：非凡资本合伙人 吴畏