专访特赞王喆：品牌绕不开的 DAM，会成为特赞新业务的奠基石吗？

专访特赞王喆：品牌绕不开的 DAM，会成为特赞新业务的奠基石吗？小产权房可以买吗 从手工时代到机械时代，从机械时代再到信息时代，计算机的出现极大地提升了生产效率，而数据的出现又使生产的精度提高。分工进一步完善，内容进一步细化，每一次科技变化都会带来新规模下的内容繁荣

从手工时代到机械时代，从机械时代再到信息时代，计算机的出现极大地提升了生产效率，而数据的出现又使生产的精度提高。分工进一步完善，内容进一步细化，每一次科技变化都会带来新规模下的内容繁荣。在数据和算法的推动下，内容工程再一次得到颠覆式变化。

特赞应运而生，并迅速成长为一个用数据的方式帮助企业找到合适创意方的平台。然而最近，特赞搞了一个大动作，在上海宣布要进军新业务——DAM（数据资产管理）和 C2 轮的融资消息。

据了解，97% 欧美的企业需要用 DAM，但是在中国这个比例小很多。特赞联合创始人及 CTO 王喆指出，“如今每个品牌面对消费者，需要更大规模的内容，每一个品牌都应该有自己的一个基因图谱，也就是自己的内容标签树，能够面对消费者不断的进化和演绎。每一个品牌都需要一套内容架构，一个内容供应链，一组内容标签，和一系列元数据（Metadata）。”

新业务并非空穴来风

疫情之下，全球经济都深受影响，企业线上化数智化动作加快。王喆告诉，疫情对特赞影响不大，反而因为疫情的关系，企业对于增长的需求和数字化转型的进程全面加速，“我们也实现了比较快的业务增长速度。2020 年上半年比 2019 年上半年同期对比，业务收入翻倍了，2020 年第二个季度还实现了净利润，特赞的解决方案在软件服务上资金使用效率还是挺高的”。

据国家统计局报告，在 2020 年内容创作生产行业 23275 万亿，创意设计服务 15645 万亿。在美国，25% 的营销预算都在 martech 里。Adobe 最近发布的报告中也能看到，在内容中的关注更多，近 10% 是内容科技有关。

基于特赞对自身的定位——面向未来内容生产的数字新基建。 DAM 就是基建里面最底层的一个产品技术能力，本质上它解决的是如何去管理内容，如何去理解内容，如何把内容分发出去，“DAM 本身定义上承载的这些内容数据或内容标签，它有点像整个内容行业的一个基因，它在品牌向消费者传递的过程中，能够保持多样性统一”。

在过去品牌营销可能一年只要做几个电视广告片，拍几个视频和就结束了，而在今天品牌面向消费者的时候将产生海量的内容，“这么多内容如何更好的去大规模协调它的生产、管理和分发，这个时候就需要一个新的基础设施，基础设施的底层我们称之为 DAM”。

虽然目前国内使用 DAM 的多为大企业，不过 DAM 在中小品牌身上仍有用武之地，不管是大品牌还是中小品牌，其实都是有这样的需求，“只是大家不同的品牌的阶段，对于这样的需求的这个复杂性会不一样。可能中小品牌对对待目的需求会简单一点，功能不需要那么复杂。而大品牌对于整个产品的权限、组织关系、灵活性、配置性、安全性和集成性要求会更高”。

如何理解 AI 对新老业务的影响

一直以来，特赞的算法都是其保持竞争力的关键要素，在行业里特赞较早开始做设计人工智能的前沿研究，并且跟同济大学共建了一个人工智能实验室。

王喆认为，人工智能不会影响创意部分的工作，因为设计师们的核心竞争力绝对不是排版和裁剪这类工作。相反，人工智能从繁杂的重复性劳动中解放了人，让人去做更有意义和真正有创造力的事情。“人工智能不能做从 0 到 1 的设计，但是可以做从 1 到 100 的规模化设计。在设计领域永远不会取代人的脑力。”

然而，如何达到规模化水平并提高效率，是大部分企业都关心的事。特赞首先开始建立了行业的标准，让商业语言和设计语言进行沟通，同时建立内容的标准和内容的原数据。在此基础上又建立起了行业数据集，最后投入建立实验室和内部的研发团队，大规模投入前沿算法研究。

“其实人工智能在未来会无处不在，人工智能本身就是利用算法的能力或者用多模态学习的方式把一个有价值的数据集变成一个模型，这个模型可以用在各个场景。今天已经在 DAM 里能看到大量的比如说内容识别、内容生产、内容检测、内容分类、内容推荐、内容分析和内容优化的东西。” 它帮助企业构建整个以内容为核心的知识图谱，形成自己的品牌基因，能够赋能自己的生产，并持续优化，“可以在不同的人群里去做持续的内容并迭代”。

王喆认为，在未来的 5 年里，每一个品牌面向消费者的时候，如何去传递和形成更好更个性化的体验，是品牌的核心竞争力之一。而在这样的一个未来的趋势上，人工智能有大量的机会去完成规模化和高效的生产。“不局限于大家认知的比如说 logo 设计、品牌设计，也包括一些常见的各种类型的内容，比如包括图文、视频甚至包括未来的一些 3D 场景，这些都是人工智能在设计领域可能存在的机会。”

而谈到局限，他表示并不是技术上的局限或商业上的局限，“可能来自于人工智能的成本能否真正比传统的劳动力低，这个决定了它商业化的速度，但我们相信人工智能在设计这个领域的商业化一定是必然”。