AI 生态的五层分工：品牌事实为什么是独立的一层

研究

AI 回答问题靠的不只是模型：品牌信息、产品参数、资质口碑这些实时事实都在模型之外，回答前要先取回来。把整个生态按分工拆开是五层，我们逐层说明各自做什么、玩家是谁，以及为什么「向 AI 供给准确的品牌事实」是独立的一层。

2026-08-22

讨论 AI 的文章大多盯着模型：谁的模型更强、下一代什么时候发。但用户拿到一个答案，中间经过的远不止模型。把整个链路按分工拆开，能看清每一环是谁在做、什么在变、什么不变，也能看清品牌在这个生态里真正的位置。

先说为什么要拆层

一个具体的例子：用户问 AI「这个品类哪家值得买」。模型再强，它的参数里也没有你家产品这个月的价格、上周更新的资质、昨天的用户评价。这些实时事实在模型之外，回答之前要先检索回来，再决定信不信、用不用、引不引。

也就是说，一次靠谱的回答至少要经过：模型的推理能力、取回外部信息的管道、信息本身的质量，以及最终触达用户的终端。链路上每一环的成熟度和竞争格局都不一样，混在一起讨论就会得出”等模型更强就都解决了”这类错误结论。

层	做什么	玩家	格局
01 模型层	训练与推理能力	OpenAI、Anthropic、Google、字节跳动	门槛极高
02 检索管道层	把外部信息接进模型	Google、Bing、博查	格局未定
03 事实供给层	向 AI 供给准确、结构化的品牌事实	我们在这里	无人立标
04 交易与支付层	Agent 之间成交与结算	Stripe、Visa、UCP	巨头布局中
05 用户终端层	人和 Agent 见面的地方	APP、硬件终端、具身智能	各自圈地

01 模型层：能力的来源，也是烧钱的来源。训练一代前沿模型的成本以十亿美元计，注定只有极少数玩家。对其余所有人来说，模型是可调用的基础设施，不是可参与的战场。

02 检索管道层：模型回答实时问题时用的搜索后端。各家绑定不同：有的用 Bing，有的自建，中文生态里博查这类供应商在给多家模型供搜索。管道决定”AI 能看到哪些源”，格局还远未定型。

03 事实供给层：管道取回的信息本身的质量。这一层的问题是：互联网上关于一个品牌的信息，往往过时、互相矛盾、散落在第三方转述里。要让各家 AI 都能准确引用，品牌事实需要被整理成结构化、一致、可核验的形态，铺到各生态抓取的源上。这是我们的位置。

04 交易与支付层：当 Agent 开始替人下单，「成交怎么谈、钱怎么走」需要新的协议轨道。Stripe、Visa 和 UCP 这类协议都在布局。它建立在前三层之上：Agent 得先拿到可信的信息，才谈得上替人成交。

05 用户终端层：APP、硬件、具身智能，人和 Agent 见面的地方。终端在多样化，但无论哪种终端，背后调的都是同一条链路。

常见的质疑是：模型越来越强，会不会把中间这些层都吃掉？

模型层和终端层确实在快速变化，但事实供给层的需求恰恰是模型变强也消不掉的，原因有两个。

第一，事实在模型之外产生。 你家产品的新价格、新资质、新客户评价，发生在物理世界和业务系统里，不在任何模型的参数里。模型每换一代，这些事实照样要有人整理、有人供给。变的是模型，不变的是”回答依赖外部事实”这个结构。

第二，生态是碎的。 各家 AI 的抓取源、信任机制、引用习惯都不一样：豆包信的源和 ChatGPT 信的源不是一套，中文生态和英文生态更是两个世界。品牌事实要跨平台被准确引用，就得按各生态的规则分别供给。碎片化不随模型进步收敛，近几年反而在加剧。

一句话概括这层的分工：数据公司服务模型训练，我们服务模型推理。 训练决定模型知道什么，推理决定它此刻答什么：客户的问题发生在此刻，答案也要在此刻准确。

还有一个特点值得单独说：模型回答时引用的外部内容，会有一部分进入后续模型的训练语料，逐渐变成模型自带的认知。也就是说，今天供给的品牌事实，影响的不只是今天的回答。

这个机制的比例和速度没人能承诺：训练数据的筛选规则各家不公开，也在变。但方向是清晰的：这件事有先后顺序，起步早的品牌在 AI 认知里的底子更厚。我们在信息迁移数据集里列过背景数字：内容生产和网页请求的两端都已过半由机器承担，沉淀的池子每天都在变大。

品牌不需要参与模型竞赛，也左右不了管道格局，但第三层的工作直接决定自己在 AI 回答里的样子。具体就是三件事：

这三件事合起来，就是我们说的 A2A Marketing。