2026年11月6日
把「帮我想 20 个品牌名」交给 AI，几秒钟就有结果。速度是真的，问题也是真的。
AI 生成的候选里，有相当比例域名已被注册，有一部分在某个语种里读起来尴尬，还有一些和已注册商标高度近似。这些问题 AI 不会主动告诉你，因为它的语料里没有实时的域名和商标数据。
所以结论不是「AI 起名没用」，而是要清楚它在哪一段有用、在哪一段没有。下面按工作流拆开讲。
扩大候选池。这是它最明显的优势。给定定位关键词，几十个候选只需要几分钟，而人工脑暴同样数量往往要一天。这段时间原本是纯消耗，现在可以省下来。
提供风格变体。指定调性，比如「克制、专业、不带行业词」，它能给出风格一致的组合，还能切换维度：偏意象、偏功能、偏人名、偏造词。这种切换在人工流程里要靠不同的人来做。
充当反向思考的镜子。把自己想的名字交给 AI，问它这个名字在哪些场景下可能出问题。它给出的联想有时不准确，但角度常常是团队内部想不到的。
不知道域名是否被注册。这是数据层面的缺失，不是能力问题。任何声称能查域名可用性的 AI 工具，实际接的是实时查询接口，那部分判断来自接口而不是模型。
不掌握商标数据库。同上。AI 不知道某个词是否已被他人在先注册，它可能给出一个和知名品牌高度近似的名字，而且语气很确定。语气确定这件事在实践中很危险，因为它会让人放松警惕。
不了解特定语言的文化语境。它能生成通顺的译文，但判断不了语感、谐音玩笑和当地禁忌。这类问题在跨境场景里是致命的，而 AI 在这里不会表现出任何不确定。
正确的位置是创意引擎，不是决策引擎。落到具体流程上是三步。
第一步，喂足够具体的简报。输入质量直接决定输出质量。简报至少要包含：目标客户的描述、核心价值、竞品都在用什么词、要避开的词、期望的品牌气质、目标市场。
一个常见的失败是只给行业和产品名，得到一批泛泛的候选。给得越具体，越有用。
第二步，批量生成加人工初筛。让 AI 出 30 到 50 个候选，你按「能不能注册、念起来顺不顺、有没有歧义」三个标准快速淘汰，保留 8 到 15 个短名单。这一步是纯人工判断，AI 不参与。
第三步，走完完整可用性检查。短名单必须过域名、社媒、商标、文化四层。这一步没有任何捷径，也不能因为「看起来不错」而跳过。
| 环节 | AI 的表现 | 人的角色 |
|---|---|---|
| 定位梳理 | 弱，会给通用答案 | 主导，必须由团队自己回答 |
| 候选生成 | 强，几分钟几十个 | 给简报，定标准 |
| 风格与方向发散 | 良，可按维度切换 | 选择保留哪几条 |
| 域名查询 | 无法 | 接实时接口，逐个查 |
| 商标初筛 | 无法 | 查官方数据库，必要时找代理 |
| 文化与语感检查 | 弱 | 母语者复核 |
| 最终决策 | 不适用 | 唯一责任方 |
只给名字不给可用性。输出一堆词，但没有域名和商标的校验环节。这类产品把风险原封不动地留给了使用者。
承诺「保证可注册」。可注册性是法律判断，任何工具做这个承诺都不成立。
不能按语言定制。无法指定目标市场和语言约束，生成的名字在不同语言环境下表现一致地差。
直接用 AI 排第一的候选行不行。不建议。AI 的排序基于训练语料里的偏好分布，和「可注册、可传播、可保护」没有关系。至少走完四层检查再定。
AI 会取代专业命名顾问吗。在候选生成这一段会显著提效，但在可用性决策、法律风险和跨文化判断上，人反而更不可替代。顾问的价值会从「想出好名字」转向「降低决策风险」。
用 AI 起名会不会显得廉价。名字本身没有这个属性。消费者不会知道你用什么工具起的名字，他们只会看到结果是否可用、是否好记。真正会显得廉价的是不加检查就用。
团队里有人反对用 AI 怎么办。把分歧拆开：生成环节用不用 AI，和最终决定用不用 AI 的产出，是两个问题。前者几乎没有争议，后者由可用性检查的结果决定，不该由工具偏好决定。