AI不能做的高端判断，答案见：1982成立，全球最老牌的品牌命名公司Lexicon Branding的方法论

Shadow：“品牌是一项工程”，可一步步建造出来。

品牌不是「感觉出来的」，是可被设计、可被测试、可被十年复利的文化DNA。

更进一步，品牌是可被Markdown化，可以被Agent理解，迭代的循环、自进化系统（和我最近研究的“把品味转为可被Agent理解的知识”类似）

为什么这么说？ ⬇️

AI 命名与人类命名工作室的对比

AI 命名与人类命名工作室的对比

Codex 一秒钟可以吐出 1000 个产品名，Claude Codex能在你喝完一杯咖啡前给你系统分析完二十个候选。

但全球最老牌的品牌命名公司 Lexicon Branding 的创始人 David Placek 在最近的直播里提到：

超过一半的客户，都是先用 AI 起完名，然后他们失败了，最后还是来找Lexicon。

这家 1982 年成立、雇佣 250 多位语言学家、近 40 年里命名了近 4000 个品牌的公司，每年只做 75 个项目。

lexiconbranding.com

它凭什么是 AI 时代最值钱的"判断"供应商？

答案藏在 40 年沉淀出来的一套方法里。

为什么 AI 命名会失败：被忽略的"音素经济学"

把"命名"想成"想个好词"，是这一代人最大的认知偏差。

Lexicon 的方法论：每一个名字从一开始就是多学科交叉的工程问题：语言学、认知科学、品牌战略、商标法律四条线并行。

第一条线先来：音象征学 （Sound Symbolism）

2022 年 11 月，剑桥大学 Motoki 等人在《Journal of Business Research》发表了一篇系统性综述，把近 40 年关于"声音如何影响人对品牌的判断"的研究做了一次梳理。核心结论：

• 名字里前元音、擦音、清辅音占比高 → 听者会无意识给出"高评价 + 低权势"的判断
• 后元音、塞音、浊辅音占比高 → 听者会判断为"低评价 + 高权势"
• 经典反例是福特 Edsel —— 元音选择失败，整个车型因此被市场判了死刑

Lexicon 团队 40 年里做的事情，本质上是把这条音素心理学用工业级流程封装起来：让 Pent-ium 的 -ium 借自化学元素后缀（暗示基础、强大、根本），让 Swiffer 由 Swift（迅捷） + Sweep（扫掠）焊成，让 Sonos 这种 5 字母回文（palindrome，正反读都一样的词）成为"上下颠倒仍可读"的安装识别符号。

音象征学：音素与认知评价的科学骨架

音象征学：音素与认知评价的科学骨架

好名字为什么让你不舒服？

第二条线更反直觉：好名字一开始会让你不舒服。

Lexicon，把过去 40 年最自豪的几个案例都拉出来做了一次复盘，结果让人意外：

• Sonos 第一次内部评审时，因"不够像娱乐品牌"被直接否决
• Azure 当时被微软内部叫 "dumb name"（笨名字）
• BlackBerry 创始人觉得这个名字 "crazy"
• Vercel 的前身 Zeit 想换名时，团队对 Vercel 的反应是"这听起来像卫生用品"

Lexicon 总结的规律很硬：如果你的团队对一个名字感到舒服，你大概率还没找到正确的名字。

这背后是一套极化的判断机制 —— 当一个名字在"工业感"和"温暖感"、"科技感"和"日常感"之间被双向拉扯时，听者大脑里会同时激活两套评价系统，给出"分裂"的反应。极化不是坏信号，它是强信号。

而 AI 是什么？吴恩达提过这个问题：模型被训练成同意你的频率比不同意高 10 倍 ，这被称为AI 谄媚的现象，已被多份独立研究记录[7]。

直接的后果是：当你让 AI 起名时，它天然会给你那种"舒服"的答案 —— 而这种"舒服"，恰恰是命名的平庸区域。

复利杠杆：把命名做成"增长基础设施"

第三条线是品牌战略。

Lexicon 说，把命名重新定义为"复利杠杆" —— 不是产品发布前的美容，而是漏斗的第一个增长基础设施。

两层逻辑：

• 累积优势：名字是被说、被输入、被搜索最多的资产，每一次使用都在积累心智份额
• 不对称优势：在首发日、营销预算花出之前，名字就已经在占领未被占据的语义领地

Lexicon 的工作流本质上是：造一个第一年不被看好、第十年变成行业代名词的资产。

把时间线拉长看，Pentium 在 1993 年并不惊艳，但它成了"微处理器"的代名词。BlackBerry 1999 年听起来像水果，但 QWERTY 键盘的微缩意象让它直接变成智能手机的同义词。Vercel 2024 年听起来像卫生用品，但到了 2025 年估值 93 亿美元。

这些名字的共同点不是"好听"，是在十年后依然能跑。

复利杠杆：好名字作为十年期的增长基础设施

AI 时代最稀缺的事：判断，不是生成

把上面三件事放在一起看，可以提取出这一波 AI 浪潮里最被低估的一个判断：

AI 擅长生成，但不擅长判断哪个对你更好。

这件事放在 mixlab 一直在追踪的 Services-as-Software （服务即软件），本质是 AI 把按小时计费的工作转化为按结果计费。命名行业恰好是 outcome-based（最终结果）定价的鼻祖：Lexicon 每个项目按"最终的名字"结算，不是按"想了多少个候选"结算。

当 AI 把"生成"这一段卷到近乎免费时，判断反而成为新稀缺。

这也是为什么 Lexicon 也在主动重塑自身在 AI 时代的品牌定位：AI 不能做的高端判断。

但这里也要注意。

Lexicon 的所有成功案例里，命名是必要不充分条件。

BlackBerry 早期成功靠的是 QWERTY + 邮件推送的产品力 + 2000 年代商务人士对"随时收邮件"的需求窗口；

Pentium 主导市场靠的是 Intel 的渠道与制造能力；

Sonos 增长靠的是智能家居生态成熟。

把成功全部归因于命名，是对因果的过度简化。

命名是放大器，不是发动机 —— 这和吴恩达说的"AI 是放大器"是类似的：

放大器放大的是已经存在的东西；

如果你没有产品力、没有时机、没有执行，命名放大不了什么。

当命名变成"为数字生命体找到第一声"

把视野再拉远一点。

2026 年的产品已经不只是工具了。

随着 agent（智能体，即能自主执行任务的 AI 程序）逐步成为新的协作单元，每个产品背后的"命名"也不再只是品牌资产，而是 一个数字生命体的第一声。

这个名字要被语音助手念出、被搜索引擎抓取、被 agent 之间相互调用、被未来的多模态交互界面识别 —— 它的属性要求，已经从"好听"升级为"在机器世界可解析、在人类世界可共鸣"。

Lexicon 在 40 年里干的事，是把这件事工程化。

它的本质是一家把"语言如何作用于人的认知"做成可复用工程的研究机构。

这也是为什么 Google Antigravity、Windsurf、Quo 这种新一代 AI 产品的命名，依然会请 Lexicon来操刀 —— 它们需要的不是更聪明的生成器，而是一套经过 40 年验证的"判断手艺"。

为数字生命体找到第一声：AI 时代的新命名学

亲自试试

打开你最近一次让 AI 起的名字（产品名、feature 名、agent 名都行），做一次三步自检：

• 第一步：极化测试。把名字给 5 个不懂背景的人听，问"你听到这个，第一反应想到什么"，如果 5 个人答案高度一致 —— 这个名字大概率太"舒服"了
• 第二步：音素检查。在工具里数一下元音/辅音比例，对照 Motoki 论文的发现，看是否符合你想传达的"权势"或"评价"方向
• 第三步：十年测试。问自己"三年后这个字会不会变成行业代名词" —— 如果答案是否，它就是消费品；如果是，它就是基础设施

这三步是把你推向"知道自己需要什么判断"的位置 —— 这正是 Lexicon 反复强调的：我们不创造好名字，我们创造正确的名字。

如果你也在做自己的产品、自己的 agent、自己的数字生命体，欢迎来 MixLab 社区和我们一起拆解"判断"这件事。我们是最先触达未来的那一小部份人，正把 AI 时代真正稀缺的判断工艺，一块一块地跑成实践。