AI 成大路货，阳狮还剩什么底牌

广告集团第一次给自己的 AI 平台请了"一把手"。

阳狮（Publicis）把旗下 AI 平台 Marcel 升格为独立业务：Scott Hagedorn 出任 CEO，Sam Levine Archer 出任 CSO。同期，Meta 在即将上线的商业条款里悄悄拆掉了"训练"授权，只保留爬取；MarTech 圈则在激烈争论：CDP 该买打包的，还是围绕数据仓库自己拼。

三件事看似无关，其实是一件事：当 AI 变成人人可买的大路货，营销业的护城河正在从"模型能力"退回到"数据权利与数据架构"。

🚀 Marcel 第一次有了"一把手"

金句先放这儿：平台化的战争，打赢靠产品，打持久靠组织。

Marcel 的出身并不显赫——它最早只是阳狮内部的一个员工工具，用来给自家人提供 AI 能力。如今它已经转型为对外输出的平台，为超过 90 家客户构建定制化 Agent。这一步跨越，恰好踩中了行业最大的焦虑：通用大模型越来越强、越来越便宜，广告集团靠什么证明自己不是"中间商"？

阳狮给出的答案是组织答案。给平台配 CEO 和 CSO，意味着 Marcel 不再是"创新实验室"或"成本中心"，而是一个有收入指标、有战略主线的独立业务。Hagedorn 的任务是把它做成生意，Levine Archer 的任务是回答"我们和直接买 OpenAI 有什么区别"。

据多位接近人士的说法，这种"平台升格"在传统 holdco 内部并不容易——媒体采购、创意、媒介各部门都担心自己的预算和数据被平台化逻辑抽走。这次人事任命，本质上是一次内部利益再分配的完成信号：AI 不再是某部门的工具，而是全公司的操作系统。

产业逻辑很直白：在 AI 能力同质化的时代，holdco 的差异化不在于"会用 AI"（人人都会），而在于把 AI 嵌入客户工作流的速度和深度。Agent 是载体，组织是保证。

这个闭环才是阳狮真正的赌注：Agent 用得越深，客户数据回流越多，平台越难被替换。

🤖 大路货 AI 逼出"代理之争"

最便宜的东西，往往是最贵的威胁。

Publicis 竞争的对象不是 WPP 或 宏盟，而是货架上的通用 AI——客户的市场部完全可以直接订阅大模型工具，自己搭营销工作流，把广告集团绕过去。这就是"Off-the-Shelf AI"（现货 AI）带来的釜底抽薪：如果你只是帮客户"操作 AI"，你的价值随时归零。

Marcel 的解法是做"服务化 Agent"：不是卖一个聊天窗口，而是把媒介投放、内容生产、效果归因这些 holdco 沉淀了十几年的 know-how，封装成持续运行的 Agent，跑在客户的真实数据和工作流里。90 家客户的规模说明这条路已经跑通了一部分，但跑通和规模化是两回事。

这里有一条藏在水面下的判断：现货 AI 越强，holdco 的价值越向两端收缩——一端是数据和权利的获取能力，一端是对客户业务流程的组织能力。中间那段"通用智能"，谁也赚不到钱，因为模型厂商把价格打到了地板上。

这也是为什么 Hagedorn 这个位置重要。他要管的不是"AI 用得好不好"，而是阳狮在两端上的资产够不够厚。用一位 agency 高管私下的话说："现在拼的不是谁的模型好，是谁的耳朵和眼睛多。"

🕷️ Meta 拆条款：数据权利进入精细化定价

训练可以不给，爬取照样要给。

Meta 在即将上线的 Commercial Terms 中做了一个耐人寻味的调整：把"训练"从爬虫条款里拿掉了，但针对商业用户网站的爬取许可依然保留。这句话拆开看是两层权利的正式分家——

• 访问权：Meta 依然可以爬商业用户的站点内容，用于搜索、索引、生成式回答等场景；
• 训练权：这些内容不再被默认授权用于模型训练。

这一拆，等于给"数据授权"做了一次公开的解剖手术。过去平台习惯用一揽子条款打包拿走所有权利，现在"爬取"和"训练"被拆成了两个可以分别谈判、分别定价的筹码。

对内容方来说，这是谈判杠杆的提升：你可以接受被抓取换流量分发，但拒绝被抓取换模型能力。对 Meta 来说，这也许是一次风险前置管理——与其在训练数据授权上留下争议空间，不如在条款层面先划清楚边界。多位接近平台生态的人士反馈，这类条款拆分正在成为头部平台的标配动作，而不是 Meta 一家的选择。

对营销业的影响则更直接：如果你的营销内容、产品页、客户评价被打包进某个大模型的训练集，你就是在免费补贴对手的智能。反过来，那些学会在条款层面管理自己数据权利的公司，等于拿到了 AI 时代的谈判席。

数据从"默认给"走向"分开谈"——这个趋势和 Marcel 的故事其实是同一枚硬币。

🧱 CDP 之争：AI 的上限写在数据架构里

模型决定聪明程度，数据架构决定聪明能不能落地。

MarTech 圈最近的核心争论，是组合式 CDP（Composable CDP）和打包式 CDP（Packaged CDP）怎么选。判断标准说白了就三条：数据仓库的就绪度、团队的工程能力、实时执行速度的要求。这三条分别对应你的"存量资产"、"自建能力"和"业务节奏"。

没有标准答案，只有匹配度。数据仓库已经建好、工程团队够强的公司，组合式路线几乎必然更优——因为数据不必搬家，AI Agent 要调用客户数据时链路最短、权限最清晰。反之，打包式方案用实施速度换架构主权，短期没问题，长期会在"数据被锁在厂商平台里"这件事上持续付利息。

这条争论和前两节的关系是：Marcel 式的 Agent 平台需要客户的可调用数据，Meta 式的条款拆分决定了数据授权边界——而 CDP 架构决定了你的数据到底能不能被授权、被调用。三者连起来，才是 AI 营销的完整地基。

🔭 三条新闻，一张地图

把三件事放在一张地图上看：

• 阳狮：组织端，用独立平台和 CEO 任命，把 Agent 变成核心生意；
• Meta：权利端，把爬取与训练授权拆开，数据进入精细化谈判时代；
• CDP 之争：设施端，数据放在哪、能不能实时调用，决定 AI 应用天花板。

供给端、组织端、设施端——AI 营销的竞争已经从"谁会用模型"，转移到"谁拥有数据的权利、架构和闭环"。

这个象限图解释了为什么阳狮急于升格 Marcel：现货通用 AI 在左下角，人人可得、没有壁垒；真正的价值区在右上角——高数据门槛叠加高工作流深度。但坐进右上角的前提，是先解决 Meta 拆条款所代表的数据授权问题，和 CDP 之争所代表的数据架构问题。

下一个 12 个月，值得盯三个信号：Marcel 的客户数能否从 90 家翻上一级台阶；更多平台会不会跟进 Meta 把训练权从默认条款里拆出来；以及组合式 CDP 在具备数据仓库条件的企业中的渗透速度。三条线里任何一条的变化，都会重画这张象限图。

结语

AI 能力正在快速贬值成公共品，而数据的权利、架构与闭环正在快速升值成壁垒。阳狮用一次人事任命承认了这一点，Meta 用一次条款修订印证了这一点，CDP 之争则把落地方案摆上了桌面。对营销人来说，2026 年最值钱的动作不再是"多学一个 AI 工具"，而是盘清自己手里的数据资产：授权边界在哪里、存在哪个仓里、能不能被 Agent 实时调用。想明白这三问，才谈得上和平台坐上谈判桌。