全球消费品集团：企业级智能体系统GEA如何让产品创新形成持续进化的飞轮

背景与现状：

这是一家拥有数十个品牌矩阵的全球消费品集团，业务覆盖食品、饮料与个护等核心品类。仅中国市场，每年就要完成上百个新包装与数千条传播内容。在高度竞争的快消行业，新品迭代速度越来越快，消费者偏好不断分化。仅在包装创新这个点上，作为新品创新的一部分，不仅是视觉表达，更是品牌定位与场景策略的关键触点。

但创新流程仍然沿用传统线性结构：趋势调研、消费者洞察、概念孵化、设计提案、外部执行与测试验证环节相互割裂。一款新品包装往往需要数十次会议与反复修改。趋势变化以小时为单位发生，决策却仍按月计算。

对集团CMO与创新负责人而言，这已经不是设计效率问题，而是创新能力是否可规模化的问题。

挑战与痛点：问题不在创意，而在系统结构

当趋势每天更新，洞察却无法回流

市场研究与消费者数据分散在不同部门与代理商手中。缺乏统一的企业上下文管理体系，信息难以形成长期资产。每一次创新都像重新开始，历史经验无法被智能调用。

一场包装评审会，为什么总在反复推翻？

创意验证依赖人工整合素材与撰写提案，反馈周期长。当方案提交到决策层时，市场窗口往往已经变化。验证慢，不是因为设计能力不足，而是因为流程高度依赖人工串联。

从策略到上架，为什么像一场接力赛？

创新流程高度线性，策略、创意与执行环节缺乏并行能力。产能无法扩展，组织协作成本持续上升。

在这样的结构下，即便引入通用生成式AI，也只能提升局部效率，难以形成真正的内容资产治理与长期复利。

解决方案：让产品创新力，成为持续运行的系统

特赞为全球领先消费品集团构建了一套企业级智能体系统 GEA（Generative Enterprise Agent）。这套系统并非单一设计工具，而是一个围绕业务 Outcome 持续运行的智能系统，其核心在于通过企业上下文管理系统（Context System）将洞察、创意、设计与验证整合在同一 Context 之下，形成闭环工作流。

通过 GEA 架构的五个层次（Intent 意图、Orchestration 编排、Proactive Agent、Context System、Foundational Multi-Models），我们为品牌创新流程提供了一个端到端的解决方案，帮助企业在不断变化的市场中实现快速决策与创新。

一、Intent 层：明确品牌的业务目标与创新需求

在 GEA 系统中，Intent（意图）层是整个系统的起点。品牌的创新目标必须清晰定义。例如，品牌需要快速迭代新品包装，以适应不断变化的市场趋势和消费者需求。通过明确品牌的创新目标（如提高市场适配性、减少设计周期、提升合规通过率等），GEA 系统能够针对这些目标提供定制化的解决方案。

在新品立项阶段，品牌的目标并不仅限于“做出新的包装设计”，而是要确保创新的设计能够符合品牌调性、市场需求以及合规要求。因此，GEA 系统通过 Intent 层理解这些目标，并开始推理后续的执行路径。

二、Orchestration 层：通过创意推理模型进行路径评估与任务分配

在 Orchestration（编排）层，GEA 系统依托 Creative Reasoning Model（创意推理模型）来进行路径评估。创意推理模型首先通过发散推理的方式，将品牌目标拆解成多个可行路径，例如：

• 基于历史数据生成不同的产品主张与视觉方向。 • 为每个渠道和市场生成不同的设计方案，确保版式与内容符合特定要求。

创意推理模型并不仅仅在一个方向上寻找最优解，而是在多条路径中权衡和选择最佳方案。通过评估每个路径的价值，系统能够在早期阶段快速筛选出最有潜力的设计方案，并根据趋势变化调整创意方向。这一层的核心作用是通过 Creative Reasoning Model 来编排多个任务，确保每个子任务都能调度到最合适的模型和工具，从而高效推动包装设计的生成。

三、Proactive Agent 层：主动生成创意并执行设计任务

进入 Proactive Agent 层，GEA 系统的智能体开始真正发挥作用。在创意阶段，Proactive Agent 不仅仅响应命令，它基于品牌的上下文数据主动推送设计方案。具体来说，Proactive Agent 会：

• 自动生成符合品牌 VI 规范的设计方案，涵盖不同渠道和尺寸的需求。 • 在不同的市场与消费者群体中生成有针对性的创意提案。 • 基于历史设计与消费者反馈自动优化创意，确保符合品牌调性与市场趋势。

这一层是 GEA 系统的核心执行层，智能体能够自动识别设计中的潜在问题，并及时调整设计方向。通过不断反馈与优化，Proactive Agent 能够在设计过程中实现“持续推理”，确保设计方案始终与品牌目标高度契合。

四、Context System 层：上下文数据管理与实时更新

Context System（上下文系统）通过 MuseDAM 提供支持，成为整个系统的记忆与知识库。DAM（数字资产管理系统）将所有的品牌数据、市场报告、消费者反馈、历史包装案例等信息结构化，并通过 Context Graph（上下文图谱）持续更新。

在 Context System 层，品牌的视觉规范、历史高通过率版式、消费者偏好等数据被持续整合，形成企业独有的上下文。当新的设计方案被生成时，系统会实时与历史数据对比，确保每一轮设计都能在已有知识的基础上进一步优化。

通过 DAM，GEA 系统确保设计不仅仅是一次性的创意过程，而是基于长期积累的品牌数据和市场反馈持续演化的系统。设计的每一次优化，都是对未来决策的积累，使创新变得可持续和可复利。

五、Foundational Multi-Models 层：多模型支持与技能库

在 Foundational Multi-Models（基础多模型）层，GEA 系统通过集成多个不同的模型来完成任务。这些模型包括推理模型、生成模型、视觉模型、数据模型等，每个模型在其擅长的领域中提供支持。

在设计创新过程中，GEA 系统自动选择最适合的模型来执行任务。例如，在图像生成时，系统会调用图像生成模型；在文本生成时，会使用语言模型；在数据分析时，系统会调用数据模型进行支持。这种模型的灵活切换和组合，使得 GEA 系统能够在不同的任务中始终发挥最佳效能，确保包装设计的多样性与质量。

从效率提升到能力升级 创新的复利

系统运行后，团队的工作方式发生结构性变化。包装设计周期明显缩短；创新方案产出能力提升；新品测试节奏更快完成闭环。更重要的是，创新流程不再依赖个别资深创意或高强度人工协调，而是形成可复制、可扩展的端到端工作流。

创意团队将更多精力投入策略判断与品牌叙事，而非重复整理资料。企业的竞争逻辑，也从“做得多”转向“做得快而对”。

在新品频发与市场竞争日益激烈的今天，企业级智能体不仅提升了设计效率，更使创新流程变得可持续、可扩展，带来了长期复利的创新能力。

GEA 系统的实践表明，真正的升级不是增加设计资源，而是构建一个以 Context 为基础的智能驱动层，使得品牌创新变得更快速、更精准，同时具备长期演化与持续优化的能力。