三個人，用AI賺了6個億

品牌數據，重新定價

一個三個人起家的團隊，做到了一億美金的ARR。

這家公司叫Hightouch，就在最近宣布ARR突破1億美元。他們做的事情說起來不復雜，幫品牌用AI生成廣告內容。

過去，品牌做一輪個性化投放，要經歷提需求、出圖、過審、上線，一條創意從想法到發布少則一周。Hightouch的做法是先把品牌的設計資產、圖片庫、內容規范全部喂給AI，讓AI學透這個品牌再去生成內容，設計團隊從流程里退出來。Spotify、Domino's、PetSmart、Chime，這批對品牌一致性要求極高的客戶，就是靠這個判斷打開的。

Hightouch的故事，只是這場變局的一個切口。AI對營銷的改造，比大多數品牌意識到的要深得多。工具層面，內容生產成本正在趨近于零。更根本的變化來自GEO的崛起，當用戶開始問AI而不是問搜索引擎，營銷的底層規則正在被重新寫一遍。

1億美金ARR

Sam Altman兩年前說過，AI時代會出現只有一個人的獨角獸公司。這句話當時聽起來像科幻，現在越來越像預言。

Hightouch算不上一人公司，但三個創始人用一套新產品，把年收入做到了6個億人民幣。某種程度上，這已經是這個預言的近親版本。

就在最近，這家公司宣布ARR突破1億美元。讓人停下來的不是這個數字本身，而是它的來源。新增的這些收入，幾乎全部來自一款AI營銷工具，幫品牌用AI做廣告內容。

說起來不復雜，但和市面上那些"AI寫文案"的工具，根本不是一回事。

過去，品牌做一輪個性化投放，要經歷提需求、出圖、過審、上線，一條創意從想法到發布，少則一周，多則一個月。想針對不同用戶群做差異化內容，成本成倍往上漲，大多數品牌最后的選擇都是，一條內容打所有人。

這個流程貴、慢、高度依賴設計資源。Hightouch的切入點，是先讓AI把這個品牌"學透"。Figma設計文件、圖片資產庫、內容管理系統、多年積累的品牌規范，全部喂進去。AI從里面學出這個品牌的配色、字體、視覺風格和語氣，營銷人員再自主組合生成內容，設計團隊從整個流程里退出來。

為什么不直接用通用大模型？聯合CEO Gupta說得很直接，他們見過太多品牌自己試，結果普遍翻車。生成出來的圖顏色跑偏，畫面里出現根本不存在的產品，文案語氣和品牌調性南轅北轍。通用模型不了解一個具體品牌，不是它不夠聰明，而是它根本沒被告知這個品牌長什么樣。

Domino's的用法是個好例子。他們的AI不會憑空生成一張披薩，而是從品牌自己的圖片庫里調出真實的披薩照片，放進AI生成的背景和場景里，拼成一條完整的廣告。出來的東西，產品是真實的，視覺是合規的，背景由AI完成，品牌團隊不需要動手。一條廣告的生產周期，從過去的一周，壓縮到了幾分鐘。

就是這個判斷，打開了Spotify、Domino's、PetSmart、Chime這批對品牌一致性要求極高的大客戶。這些名字出現在客戶名單里，意味著這家公司早就不是在跟中小企業談概念，而是真的在頂級品牌的核心投放流程里跑起來了。

三個創始人，一套新產品，一年，6個億人民幣。Sam Altman說AI時代會出現一人獨角獸，Hightouch給出的是另一個版本的答案。

三個人的七年

Hightouch的三個創始人，都不是第一次和數據打交道。

Tejas Manohar、Kashish Gupta、Josh Curl，三個技術背景出身的創業者，2019年在硅谷湊在一起，決定做一件聽起來不太性感的事。Tejas此前在Segment工作，那是一家做客戶數據平臺的公司，后來被Twilio以32億美元收購。在那里，他近距離見識了一個讓工程師抓狂的日常困境——企業的數據都做好了，分析結果堆在數據倉庫里，但銷售和營銷團隊想用，要先找數據團隊，數據團隊要排期，來來回回折騰幾周，一個本來可以馬上用上的用戶標簽，硬生生拖成了一個跨部門協作項目。

這個摩擦，大多數人當成行業慣例接受了。Tejas沒有。

三人創立Hightouch，切入的方向叫Reverse ETL，說白了就是把數據倉庫里做好的分析結果，反向"喂"給業務團隊日常在用的工具，CRM、營銷系統、廣告平臺，讓這些工具能實時用上數據團隊的成果，不用再走一遍繁瑣的提數流程。這個方向很難在飯桌上講清楚，但它解決的是真實存在的效率黑洞?？恐@個產品，他們在企業級市場慢慢站穩了腳跟，積累起一批愿意深度合作的大品牌客戶。

這段積累，后來成了他們最重要的底牌。

轉折發生在2024年底。那時候AI營銷工具已經是個熱鬧的賽道，各種平臺都在用通用大模型幫品牌生成圖片和文案，比誰速度快，比誰價格低。三個人看著這些產品，看到的不是機會，而是一地失敗案例。品牌客戶用通用模型生出來的內容，顏色跑偏，畫面里出現根本不存在的產品，語氣和品牌調性完全對不上，最后還是得讓設計團隊推倒重來。

通用模型不了解一個具體品牌，這不是技術能力的問題，是它從來沒被告知這個品牌長什么樣。

三人的判斷是，品牌真正需要的不是一個更快的內容生成器，而是一個真正懂自己的AI。于是他們把過去幾年在數據基礎設施上積累的能力翻出來重新用，把品牌的Figma設計文件、圖片資產庫、內容規范全部接進來，讓AI先把這個品牌學透，再去幫它生成內容。營銷人員自主操作，設計團隊退出流程。

這個判斷在當時沒有人能提前驗證，市場上擠滿了走另一條路的競爭對手。但Gupta后來談起那段時間，語氣很平靜，他說那些品牌在通用AI上碰壁的案例，本身就已經是最清楚的市場信號了。

廣告的新世界

AI對營銷這件事的改造，比大多數人意識到的要深得多。

表面上看，過去兩年AI營銷的主戰場是內容生產。文案、圖片、視頻，生成速度越來越快，成本越來越低，品牌的內容產能在短時間內被放大了幾十倍。但這只是第一層變化，更根本的那層，很多品牌還沒有反應過來。

工具層面，變化已經相當具體。AI現在能做的不只是生成內容，而是把用戶數據、行為信號、歷史轉化路徑全部接進來，讓每一條廣告在投放的瞬間完成個性化匹配。過去這套流程需要數據團隊、營銷團隊、設計團隊三方協作，周期以周計算?，F在一個營銷人員坐在工具前面，從內容生成到受眾定向到投放優化，可以在幾小時內跑完。人力從流程里退出來，決策速度和內容密度同步提升。

但真正讓營銷底層邏輯發生動搖的，是GEO的崛起。

GEO，即生成引擎優化，是伴隨著ChatGPT、Claude、Perplexity這類AI搜索工具大規模普及之后出現的新概念。過去二十年，品牌的流量邏輯建立在SEO上，優化關鍵詞、積累外鏈、爭奪搜索結果頁的排名，消費者通過搜索引擎找到品牌。但現在，越來越多的用戶開始直接問AI，"幫我推薦一款適合敏感肌的防曬霜"，"這個價位最值得買的藍牙耳機是哪個"。AI給出答案，用戶照著買，搜索引擎這個中間環節被悄悄繞過去了。

這意味著，品牌過去十幾年積累的SEO資產，正在以一種靜默的方式貶值。AI給出推薦時，它依賴的不是關鍵詞密度，而是它在訓練數據和實時檢索中對這個品牌的整體認知，包括品牌在各個平臺上的內容質量、用戶評價的情緒傾向、媒體報道的覆蓋深度。換句話說，品牌能不能被AI推薦，取決于它在整個互聯網上留下的內容生態夠不夠豐富、夠不夠可信。

這給品牌營銷提出了一個全新的命題。內容不再只是為了吸引人點擊，而是要為AI的理解和引用服務。品牌需要在更多渠道上建立結構化、可被引用的內容資產，同時要更主動地管理自己在AI訓練數據里的形象。這套邏輯，和過去的流量思維是兩回事。

AI營銷真正的分水嶺，不是誰的生成工具更快，而是誰先想清楚了，在一個用戶開始問AI而不是問搜索引擎的世界里，品牌的存在感應該建立在哪里。先想清楚這個問題的品牌，會在下一輪流量重新分配時占到先手；沒想清楚的，只是在用新工具重復舊打法，遲早會發現流量在悄悄流走，卻找不到原因。