今年 7 月 1 日，法国国家赛马博彩运营商 PMU 的营销总监 Olivier Pribile 在 Stratégies 营销峰会上说了一句话，让在场的人安静了几秒：
「PMU 的数字广告素材，100% 是通过 AI 生产的。」
不是 30%。不是试点项目。不是「我们正在尝试」。是 100%，全量，已经跑了一年半。
在大多数品牌还在小心翼翼地测试「AI 生成的文案能不能发微博」的时候，一家国有博彩公司——对，就是那种受到严格监管、每条广告都得过法务的机构——已经把整个数字创意产线架在了 AI 上。
这句话太极端了，极端到让人第一反应是怀疑。但仔细看完 Pribile 的分享和 PMU 的实践路径后，我发现这个故事的价值恰恰在于它的诚实——它没有回避那些「AI 翻车」的时刻，也没有粉饰「100%」背后的复杂含义。
从「驴子」开始的 18 个月
Pribile 在峰会上讲了一个细节，我觉得是整场分享里最值钱的一句话：
「让 AI 画一匹赛马在跑道上奔跑，旁边再写一句『注册送 100 欧元奖金』，你觉得挺简单的对吧？但最开始，AI 给你的不是马，是一头驴。」
这个细节背后的信息量很大。
首先，PMU 的视觉世界高度特定。赛马、跑道、骑师、赌注窗口——这些元素构成了一个外行看一眼觉得「不就是马嘛」、内行一眼能看出十处破绽的专业视觉体系。马的品种、肌肉线条、奔跑姿态、骑师的服装和号码布、看台的结构——都是行家一眼能识别的信号。
AI 生成模型擅长的是「概念上像」，而不是「细节上对」。一匹看起来像马的生物和一匹真正的赛马之间，差着 PMU 客户几十年的观赛经验。所以 PMU 的 AI 之旅不是从「降本增效」开始的，是从「怎么让 AI 别把马画成驴」开始的。
其次，这个起点决定了 PMU 整个 AI 工作流的底层逻辑：AI 是产出引擎，但人类是质量守门人。
PMU 没有幻想「按一个按钮出最终稿」。他们的流程是：团队定义 Prompt → AI 生成素材 → 人工筛选、修正、合规检查 → 最终输出。AI 负责的是「从 0 到 80 分」的速度，人类负责的是「从 80 到 100 分」的精准。这个分工听起来朴素，但在「100% AI 生产」这个叙事的掩护下特别容易被忽略。
「100%」到底是什么意思
仔细读 PMU 的表述，你会发现一个重要的限定词：数字资产（digital assets）。
Pribile 说的「100%」指的是数字渠道的广告素材——Banner、社交媒体素材、广告变体、活动页面、CRM 素材等。不是电视广告，不是户外大牌，不是产品包装。
这个范围界定很关键。数字广告素材恰恰是营销创意中最适合 AI 化的部分：碎片化（不同尺寸、不同平台、不同受众）、迭代快（A/B 测试需要大量变体）、重复性高（同样的核心创意需要切出几十个版本）。
在传统流程里，一个 Campaign 的核心创意确定后，光是「把同一张主视觉改成 TikTok 竖版、Instagram 方版、Google Display 横幅、邮件头图、落地页 Banner」就需要设计师花几天时间。这些工作本质上不是「创作」，是「适配」。PMU 把这块全量交给了 AI。
所以「100% AI 生产」更准确的翻译是：PMU 的每一条数字广告素材，在从核心创意到最终成品的链路中，至少有一个关键生产环节是由 AI 完成的。
这不是「AI 替代了人类创意」，这是「AI 替代了 Photoshop 里的批量导出」。
但这恰恰是 AI 在营销中最务实的落地方向——不是取代创意总监，而是把创意总监从重复劳动中解放出来，让他有更多时间想策略、看数据、改方向。
隐形的成本：治理复杂度
PMU 案例最值得关注的部分，其实不是「100%」这个数字本身，而是这个数字背后被推高的治理复杂度。
Pribile 的分享里提到，PMU 的 AI 工作流有一个硬性关卡：每一张 AI 生成的素材，都必须通过人工审核才能发布。 审核的内容包括：
- 合规审查：博彩广告在法国受到严格监管——奖金条款必须准确、责任博彩提醒必须合规、不能暗示赌博是致富手段。AI 生成的文案和画面每一个字、每一个视觉元素都要过法务。
- 品牌一致性：PMU 的品牌视觉体系——色彩、字体、赛马场景的呈现方式——有一套成文的规则。AI 产出需要一一对照。
- 事实准确性：这是 PMU 反复踩过的坑。AI 会把赛马画成驴、把跑道画成奇怪的弧度、在画面里塞进不存在的地标或文字。这些错误在传统拍摄中不会出现（因为拍的是真实场景），但在 AI 生成中是系统性的。
这意味着一个反直觉的结果：PMU 的 AI 化没有减少审核工作量，反而把它从一个「后期的、一次性」的环节，变成了一个「贯穿全程的、迭代式的」核心流程。
每多生成一个变体，就多一次审核。生成的变体越多，审核的频次越高。这件事在成本上是否真的「降本」了，取决于 PMU 怎么算这笔账——如果只算设计外包费，确实降了；如果算上法务和品牌团队新增的审核工时，可能没那么漂亮。
这也是为什么 PMU 强调他们花了「大约一年半」才达成 100%——不是技术不成熟，是治理流程需要这么长时间搭建。
PMU 模式能复制吗
PMU 的案例对不同类型的品牌，参考价值完全不同。
适合复制的条件：
-
高频、碎片化的数字素材需求。如果你的品牌每天要出几十条不同尺寸的信息流素材，AI 的 ROI 是明确的。如果你一年只做两波大 Campaign，每波出 3 套主视觉——AI 的投入产出比可能不值得。
-
清晰的品牌视觉规范。PMU 能把 AI 工作流跑通，前提是他们有一套可以被编码成 Prompt 和验证标准的视觉体系。赛马场景的规则是死的——马必须是什么品种、跑道必须是什么角度、骑师服必须是什么颜色。品牌视觉越模糊、越依赖「感觉」，AI 产出的「翻车率」越高，审核成本越大。
-
愿意投入治理成本。PMU 的 18 个月不是花在技术上，是花在治理上——建立审核流程、编写验证标准、培训团队。很多品牌买完 AI 工具就期望立刻见效，跳过了这个最费时间但最关键的环节。
不适合复制的情况：
如果你的品牌卖的是「独一无二的视觉美学」——比如高端时尚、奢侈酒店、手工精酿——AI 生成的「概念上像」恰恰是你的敌人。你的客户要的不是「一张看起来像酒店大堂的图」，是「这家酒店大堂在下午四点半的光线下的真实质感」。
PMU 能跑通 AI，恰恰因为它卖的不是「艺术」，是「赛马博彩」。它的客户对视觉的要求是「准确」和「可信」，不是「惊艳」。
最后：那个关于「驴」的问题
回到 Pribile 的那个细节：AI 一开始画不出马，只能画出驴。
这其实是 AI 创意生产最核心的挑战的一个绝佳隐喻。AI 擅长处理「大类」——哺乳动物、四条腿、有鬃毛——但区分「马」和「驴」的细微特征，需要这个领域的大量特定数据。
对 PMU 来说，赛马是生意，所以他们会投入时间去「教」AI 什么是马。但对更多品牌来说，「马的精确度」可能没那么重要——他们觉得「看起来像马就行」——然后发现消费者慢慢流失了，也不知道为什么。
因为消费者对自己在意的东西是专家。一个爱马的人能一眼看出马和驴的区别。一个爱咖啡的人能尝出深烘和浅烘。一个户外爱好者能看出冲锋衣的压胶工艺。AI 在「看起来像」这个层面永远不会打败真正的消费者——他们在自己热爱的领域里，都是专家级别的质检员。
PMU 花 18 个月搞定了「马和驴的问题」，不是因为它多有钱或者多有技术，而是因为它知道：赛马的消费者，真的在意那个区别。
这个道理，适用于所有想把 AI 塞进创意产线的品牌。
