从去年到今年，Coding Agent 几乎成了科技圈的口头禅。但真正的瓶颈很快就暴露了：产品做出来之后，怎么推出去、怎么持续增长？
最近在builder 圈，一个新的说法开始流行：Marketing Agent 正在成为新的 Coding Agent。Greg Isenberg 等人直接喊出——Coding Agent 改变了“谁能写软件”，Marketing Agent 将改变“谁能长公司”。
一、什么是真正的 Marketing Agent？
目前的marketing agent是一套基于实时业务数据持续运行的自主循环：
研究真实用户痛点 → 生成符合品牌的创意 → 发布到广告平台 → 读取真实投放数据 → 杀掉表现差的、放大表现好的 → 再循环。
例如，一个 Agent 自己管理整个 Facebook / Meta 广告账户。它去 Reddit 挖痛点，用模型生成静态图和 UGC 视频，检查是否符合品牌规范，然后发布，看数据，决定第二天的预算和创意方向。全程尽量少人工介入。
和 Coding Agent 相比，它更“脏”，也更有商业价值。写代码的结果相对可验证、可回滚；营销花的是真钱，效果受平台算法、竞争环境和市场情绪影响，闭环一旦跑通，直接对应收入和成本。
目前公开讨论里比较典型的技术路径包括：用 Perplexity 等工具挖社区真实反馈，创意生成模型 + 视觉模型做品牌校验，HeyGen 类工具出 UGC，再通过数据管道把广告平台表现回流，形成决策闭环。
二、为什么现在轮到 Marketing？
Coding Agent 把“从 0 到 1 做出来”的门槛打下来之后，下一个自然瓶颈就是“从 1 到 100 长起来”。
传统营销服务的痛点很明显：中小企业要么自己抓瞎，要么高价请代理，效果却不稳定，大量重复劳动（出创意、调预算、写报告、盯数据）消耗着人力。与此同时，广告平台 API、创意生成模型、数据仓库工具已经成熟到能支撑初步闭环。
创业想象力也随之打开。最常被提到的方向包括：
把高 ARR 的传统工具做成 AI-first 版本。比如 Yoast 这类 SEO 插件，以前只是给你红绿提示让你自己改，AI 版本可以直接替你做完优化。 服务本地商家（牙医、家政、本地生活服务），他们现在常付给代理每月几千美元，效果一般。 直接卖“AI 营销部门”订阅，而不是卖软件。
海外已经有相对具体的早期故事。
一个热门案例是：有人发现自己接客户越来越多，每增加一个客户就意味着更多 Facebook 广告要做、更多创意要测、更多报告要写。招人会直接吃掉利润。于是他买了一台高配电脑，部署本地模型，花几周时间搭出一套分工明确的 AI 营销部门——有的 Agent 专门研究竞品和行业有效策略，有的负责生成完整 Campaign 和多版创意，有的 24 小时监控并给出预算调整建议，有的自动出周报。更关键的是，这些 Agent 共享记忆，一个发现的有效策略，其他会立刻学到。
现在他不再卖工具，而是卖“AI 营销部门”订阅。客户只需连接自己的 Meta 广告账户，系统就接管大部分重复工作。据他描述，有客户直接用一笔月费替代了原先每月数千美元的代理支出，而他可以在同一套基础设施上服务多个客户。
另一个公开数字：有公司原本在 29 个国家跑 5 个 Campaign，广告花费约 250 万美元。把广告运营交给一个“AI 员工”后，同样的团队开始同时管理 60 个 Campaign。优化报告会在早会前自动出现在 Slack，预算调整和建议隔夜完成，额外人力成本为零。
这些案例还谈不上大规模验证，但已经足够说明：方向不是空想，有人在用真钱和真实账户在跑。
四、比 Coding 更难的地方
marketing落地却比写代码难得多。
最大的障碍是信任。广告预算是真金白银，品牌形象也敏感，预算负责人未必敢把循环直接交给 Agent。其次是数据与集成——商业数据比代码库乱得多，权限、API 限制、多平台、字段变化，都会让闭环在“脏活”上卡住。再就是内容质量与效果归因：低质 AI 内容容易泛滥，而营销效果受季节、竞争、平台政策影响，不像代码有相对明确的对错。
真正能跑通的系统，应该是数据接入可靠、有明确人工审核节点、停止条件清晰的那一类。
五、对中国创业者和企业意味着什么？
国内市场其实更适合这个方向落地，也更考验执行力。
中小企业营销预算普遍分散，代理服务价格不低，效果却经常不稳定。本地生活、教育、医疗、家居服务等大量商家，至今仍在为“出创意、调账户、写报告”支付高额人力成本。与此同时，巨量引擎、腾讯广告等平台的数据接口和自动化能力已经具备一定基础，这给 AI 原生增长工具留下了明确空间。
但对创业者而言，真正有机会的不是做大而全的“营销超级智能”，而是切得足够深的垂直场景：某个行业的广告优化闭环、某个平台的内容生产与投放一体化、或者把现有高使用率工具（类似 SEO、店铺运营、表单转化）重做成真正“替用户做事”的 AI-first 产品。卖结果，而不是卖功能。
组织层面也会随之变化。未来的小团队，可能不再是“产品 + 运营 + 投放”的标配，而是“一个懂业务的人 + 一群跑在数据上的 Marketing Agent”。增长岗位会被重新定义——从执行者变成目标设定者、约束设计者和异常处理者。
需要提醒的是：在国内环境里，数据合规、账户安全、平台规则变化往往比技术本身更致命。先解决“数据能不能稳定接入、结果能不能被信任、关键决策要不要留人工节点”，再追求全自动，顺序不能反。
六、写在最后
Coding Agent 解决的是“从 0 到 1 做出来”，Marketing Agent 试图解决的是“从 1 到 100 长起来”。
前者让更多人能做出产品，后者可能让更多人有机会把产品真正推出去。这会是未来 12 到 18 个月 builder 和创业者密集试验的方向，但真正跑通并形成规模的，只会是少数——那些把“脏数据”、真金白银的预算风险和平台规则处理得最好的人。
当增长本身也能被 Agent 化，创业的门槛和公司的组织形态都会再变一次。真正稀缺的，是知道如何设计一个可靠、可控、能持续创造收入的增长闭环的人。
>/作者：王零壹，港大 AIBT 研究生，前上市公司 CMO，长期研究 AI 产品、Agent 架构、增长系统与商业模式，主张“用 AI，不 AI”，《AIGC从0到1》系列丛书作者，虎嗅、腾讯新闻、微信读书、知乎书店签约作者，擅于洞察先机，中文互联网第1个意识到OpenClaw范式价值的人（1月26日）。
这里持续拆解前沿 AI 的真实进展：技术到底走到哪一步，产品该怎样设计，机会又会落在哪个环节。少一点热闹，多一点能带回工作里的判断。关注我，一起AIGC从0到1~