IT之家 5 月 19 日消息， 栢能 ( PC Partner ) 旗下知名显卡品牌索泰 (ZOTAC) 诞生于 2006 年， 今年正好是其成立二十周年 。而在 COMPUTEX 2026 台北国际电脑展前夕，索泰面向部分区域启动了抽奖活动，将分四期送出一系列奖品。 值得注意的是，在 5 月 18 日 ~ 5 月 24 日的第三期和 5 月 25 日 ~ 6 月 6 日的第四期中，索泰将送出多款 20 周年限定版本硬件。 这些产品均采用独特的香槟金配色 ，其中部分印有索泰 20 周年纪念徽标。 上图从左至右依次为： ALLOY mATX 机箱； GeForce RTX 5070 Ti SOLID SFF 显卡； GeForce RTX 5070 Twin Edge 显卡； GeForce RTX 5080 SOLID CORE OC 显卡； MAGNUS ONE EU275080C 迷你主机。
https://openai.com/index/malta-chatgpt-plus-partnership/ 见此文章 1 个帖子 - 1 位参与者 阅读完整话题
anthropic.com Anthropic forms $200 million partnership with the Gates Foundation Anthropic is an AI safety and research company that's working to build reliable, interpretable, and steerable AI systems. 我们与盖茨基金会合作，承诺在未来四年内为全球健康、生命科学、教育和经济流动性项目提供2亿美元的资助、Claude使用积分和技术支持。这些项目将与美国及全球合作伙伴共同实施。 这一承诺是Anthropic努力将人工智能优势扩展到市场无法实现的领域的核心。这项工作由我们的有益部署团队领导，该团队为上述四个优先领域中的合作伙伴提供Claude积分和工程支持。团队还开发与人工智能相关的公共产品，如公共卫生数据集和评估基准，并为非营利组织和教育机构提供Claude的折扣使用权。我们正在加大对有益部署的投资，并计划分享更多关于我们开展这项工作的方法以及我们支持项目的影响。 1 个帖子 - 1 位参与者 阅读完整话题
RegistryCleaner.reg Windows Registry Editor Version 5.00 [HKEY_LOCAL_MACHINE\Software\RegisteredApplications] "Cromite"=- [-HKEY_LOCAL_MACHINE\Software\Clients\StartMenuInternet\Cromite] [-HKEY_LOCAL_MACHINE\Software\Classes\CromiteHTML] [-HKEY_LOCAL_MACHINE\Software\Classes\CromiteURL] [-HKEY_CLASSES_ROOT\CromiteHTML] [-HKEY_CLASSES_ROOT\CromiteURL] install.bat @echo off setlocal enabledelayedexpansion set "BROWSER_NAME=Cromite" set "BROWSER_NAME_SHORT=Cromite" set "BROWSER_DESCRIPTION=Cromite browser" set "BROWSER_PATH=D:\chrome-win\chrome.exe" set "BROWSER_ICON=\"%BROWSER_PATH%\",0" set "BROWSER_ARGS=\"%BROWSER_PATH%\" \"%%1\"" if not exist "%BROWSER_PATH%" ( echo ERROR: "%BROWSER_PATH%" not found. pause exit /b 1 ) REM 检查管理员权限 reg add hklm /f >nul 2>&1 if ERRORLEVEL 1 ( echo ERROR: You must run this script as Administrator. pause exit /b 1 ) REM ===== 1. ProgID：CromiteHTML（用于 .html 等文件） ===== reg add "HKLM\Software\Classes\CromiteHTML" /ve /t REG_SZ /d "Cromite Document" /f reg add "HKLM\Software\Classes\CromiteHTML\DefaultIcon" /ve /t REG_SZ /d "%BROWSER_ICON%" /f reg add "HKLM\Software\Classes\CromiteHTML\shell\open\command" /ve /t REG_SZ /d "%BROWSER_ARGS%" /f REM ===== 2. ProgID：CromiteURL（用于 http/https 等协议） ===== reg add "HKLM\Software\Classes\CromiteURL" /ve /t REG_SZ /d "Cromite Protocol" /f reg add "HKLM\Software\Classes\CromiteURL" /v "EditFlags" /t REG_DWORD /d "2" /f reg add "HKLM\Software\Classes\CromiteURL" /v "FriendlyTypeName" /t REG_SZ /d "Cromite Protocol" /f reg add "HKLM\Software\Classes\CromiteURL" /v "URL Protocol" /t REG_SZ /d "" /f reg add "HKLM\Software\Classes\CromiteURL\DefaultIcon" /ve /t REG_SZ /d "%BROWSER_ICON%" /f reg add "HKLM\Software\Classes\CromiteURL\shell\open\command" /ve /t REG_SZ /d "%BROWSER_ARGS%" /f REM ===== 3. 注册为已注册的应用程序 ===== reg add "HKLM\Software\RegisteredApplications" /v "Cromite" /t REG_SZ /d "Software\Clients\StartMenuInternet\Cromite\Capabilities" /f REM ===== 4. StartMenuInternet 客户端信息 ===== reg add "HKLM\Software\Clients\StartMenuInternet\Cromite" /ve /t REG_SZ /d "Cromite" /f reg add "HKLM\Software\Clients\StartMenuInternet\Cromite\DefaultIcon" /ve /t REG_SZ /d "%BROWSER_ICON%" /f reg add "HKLM\Software\Clients\StartMenuInternet\Cromite\shell\open\command" /ve /t REG_SZ /d "\"%BROWSER_PATH%\"" /f reg add "HKLM\Software\Clients\StartMenuInternet\Cromite\InstallInfo" /v "IconsVisible" /t REG_DWORD /d "1" /f REM ===== 5. 浏览器能力声明（Capabilities） ===== reg add "HKLM\Software\Clients\StartMenuInternet\Cromite\Capabilities" /v "ApplicationIcon" /t REG_SZ /d "%BROWSER_ICON%" /f reg add "HKLM\Software\Clients\StartMenuInternet\Cromite\Capabilities" /v "ApplicationName" /t REG_SZ /d "Cromite" /f reg add "HKLM\Software\Clients\StartMenuInternet\Cromite\Capabilities" /v "ApplicationDescription" /t REG_SZ /d "%BROWSER_DESCRIPTION%" /f REM 可关联的文件扩展名 for %%e in (.htm .html .pdf .shtml .svg .webp .xht .xhtml) do ( reg add "HKLM\Software\Clients\StartMenuInternet\Cromite\Capabilities\FileAssociations" /v "%%e" /t REG_SZ /d "CromiteHTML" /f ) REM 可关联的 URL 协议 for %%p in (ftp http https mailto webcal urn tel smsto sms nntp news mms irc) do ( reg add "HKLM\Software\Clients\StartMenuInternet\Cromite\Capabilities\URLAssociations" /v "%%p" /t REG_SZ /d "CromiteURL" /f ) REM ===== 6. 打开“设置默认程序”对话框，让用户勾选 .html 等 ===== start "" /wait control.exe /name Microsoft.DefaultPrograms /page pageDefaultProgram\pageAdvancedSettings?pszAppName=Cromite echo. echo Registration completed! Select "Cromite" in the dialog and set it as default for .html, .htm, etc. pause 3 个帖子 - 3 位参与者 阅读完整话题
We’ve agreed to a partnership with @Spacex that will substantiallyincrease our compute capacity. y This, along with our other recent compute deals, means that we’ve beenable to increase our usage limits for Claude Code and the Claude APl. 3 个帖子 - 3 位参与者 阅读完整话题
IT之家 4 月 29 日消息，台积电 (TSMC) 今日代子公司 TSMC Partners 发布公告，以 207.65 美元的每股价格出售 1110784 股 Arm 股票，这意味 该企业清空了对 Arm 的全部持股 。 Arm 在 2023 年进行了 IPO，台积电当时作为投资者以每股 51 美元的价格取得了 1960784 股的 Arm 股票，总投资额约为 1 亿美元，对 Arm 持股比例约为 0.2%。此后台积电于 2024 年出售了 85 万股，获得 1.02 亿美元，成功收回投资。 ▲ 图源：台积电 总的来看， 台积电从对 Arm 的投资中取得约 2.322 亿美元 （IT之家注：现汇率约合 15.9 亿元人民币） 的净收益 。台积电表示这次处分股权为台积电基于财务投资规划策略，所作出的投资标的调整。
给大家推荐一个国外版咸鱼： https://www.gamsgo.com/partner/nCazQ ；里面有各种账号，有客服有售后有的还有保障。 堪称国外版咸鱼。 自家介绍： GamsGo 致力于提供周到的服务，这源于我们对直播平台和人工智能工具的持久热情和深厚专业知识。我们的 GamsGo 客服团队由训练有素的直播爱好者组成，他们轮班工作，为您提供 24/7 全天候在线服务。他们乐于助人，这一点让他们脱颖而出。GamsGo 的内部系统会有效分配工作量，确保每位客户都能获得及时且贴心的服务。 GamsGo 支持多种支付方式，并与 Visa 、MasterCard 、AMEX 、iDeal 、Skrill 等主流支付服务提供商建立了稳固的合作伙伴关系。支付流程将由这些第三方支付公司认证，以确保您始终拥有退款选项。整个购买流程非常简单易懂；您还可以追踪订单。如有任何疑问，请随时联系我们的 24/7 在线客服团队。
给大家推荐一个国外版咸鱼： https://www.gamsgo.com/partner/nCazQ ；里面有各种账号，有客服有售后有的还有保障。 堪称国外版咸鱼。 自家介绍： GamsGo 致力于提供周到的服务，这源于我们对直播平台和人工智能工具的持久热情和深厚专业知识。我们的 GamsGo 客服团队由训练有素的直播爱好者组成，他们轮班工作，为您提供 24/7 全天候在线服务。他们乐于助人，这一点让他们脱颖而出。GamsGo 的内部系统会有效分配工作量，确保每位客户都能获得及时且贴心的服务。 GamsGo 支持多种支付方式，并与 Visa 、MasterCard 、AMEX 、iDeal 、Skrill 等主流支付服务提供商建立了稳固的合作伙伴关系。支付流程将由这些第三方支付公司认证，以确保您始终拥有退款选项。整个购买流程非常简单易懂；您还可以追踪订单。如有任何疑问，请随时联系我们的 24/7 在线客服团队。
给大家推荐一个国外版咸鱼： https://www.gamsgo.com/partner/nCazQ ；里面有各种账号，有客服有售后有的还有保障。 堪称国外版咸鱼。 自家介绍： GamsGo 致力于提供周到的服务，这源于我们对直播平台和人工智能工具的持久热情和深厚专业知识。我们的 GamsGo 客服团队由训练有素的直播爱好者组成，他们轮班工作，为您提供 24/7 全天候在线服务。他们乐于助人，这一点让他们脱颖而出。GamsGo 的内部系统会有效分配工作量，确保每位客户都能获得及时且贴心的服务。 GamsGo 支持多种支付方式，并与 Visa 、MasterCard 、AMEX 、iDeal 、Skrill 等主流支付服务提供商建立了稳固的合作伙伴关系。支付流程将由这些第三方支付公司认证，以确保您始终拥有退款选项。整个购买流程非常简单易懂；您还可以追踪订单。如有任何疑问，请随时联系我们的 24/7 在线客服团队。
As prediction markets expand partnerships with major sports leagues, a U.S. senator raised concerns.
丰田通过旗下的Toyota Invention Partners运营的基金，向自动驾驶系统开发和服务商Tier IV出资。出资比例为1%，出资金额为10亿日元。（财联社）
当大模型API调用成本一年内骤降超过80%，百万Token仅需几分钱时，产业竞争便不再纠结于技术指标的高低，而是回归到最朴素的价值衡量——能否在实际场景中降本增效。行业的聚光灯，从实验室的榜单，转向了真实的生产线、医院诊室、物流仓库和城市管理后台。 2026年，谁能在复杂场景中解决真问题，谁才是这场变革的主角。 5月19日至20日，以“带着AI去前线”为主题的2026 AI Partner·北京亦庄AI+产业大会在北京经开区通明湖会展中心举办。大会由北京经开区管委会指导、36氪主办、国家信创园承办，设置9场圆桌对话、22场主题演讲以及一场别开生面的“世界咖啡”AI+产业对接会。60位国内领军企业代表齐聚一堂，13家带着真场景、真预算、真痛点的需求方与36家技术方面对面碰撞。 正如36氪CEO冯大刚在开场中所说：“大多数人走进通明湖会展中心，心里想的是同一件事——不是来听AI有多厉害，是来看看AI到底能不能用、怎么用、花多少钱用，能创造多大价值。” 一位参会企业代表感慨：“以前参加AI会议，大家还在讨论‘未来能做什么’，今天在亦庄，大家直接问‘你的方案在我这条产线上能不能降本10%’。” 这种“去泡沫、验成色”的氛围，贯穿了大会的所有环节。我们从不缺谈概念的人，缺的是踩过坑、调过流程、把事做成的人。以下是本次大会嘉宾的超级金句，每一句背后，都站着一位真正带AI去过前线的人。 以下为嘉宾金句摘录：
从2022年首创数字人直播带货，到如今服务LVMH、欧莱雅、宝洁等全球集团，集思科技在三年间积累了超60亿GMV的实战成绩。 2023年被称作Agent元年，但2026年才是营销内容Agent真正落地应用的节点，而品牌最核心的资产不是视觉，是上下文——把创始人对品牌的理解沉淀为AI可调用的智力资产。 以下为演讲内容，经36氪整理编辑： 李世尊丨集思科技CEO 大家好，我是集思科技李世尊。简单介绍一下集思科技，以及我们在营销领域做的事——通过从用AI到管AI，实现十倍提效。 集思科技一直专注于AI销售，可以理解为做AI Sales，用Agent的方式帮助B端客户，尤其是品牌零售业的客户去面对他们的消费者。我们率先发明了数字人直播带货，2022年2月28日，三八女人节的第一天，在京东平台首发了38个美妆数字人直播间，当时叫“京小美空降美妆大牌直播间”。到现在，帮助客户累计实现了超过60亿的GMV，短短三年多时间内，服务C端消费者超过三千万次。我们在这个行业里发布了非常多先进的功能和能力，现在很多数字人已经不需要真人出镜，完全用AI捏出来，纯AI生成的数字IP。后面我会用大型品牌的实际案例来具体讲解。 我们是一家 to B to C 的公司，今天是产业大会，在座有很多零售行业潜在的合作伙伴。我们有能力帮助你们去面对你们的C端消费者，在官网、渠道都可以，全渠道帮助品牌做这件事。京东是第一家，我们是京卓越的合作伙伴；淘宝是淘拍档的合作伙伴；Shopee是首批，我们在2024年11月份和Shopee官方一起在台湾率先发布了第一个官方的数字人直播间，服务当时的欧莱雅。我们已经是很多全球领先零售型集团的生成式AI服务商，比如LVMH，我们很长时间是他们全球唯一的生成式AI服务商，目前仍然是唯二的两家。像雅诗兰黛、欧莱雅、宝洁，我们是他们北亚地区的服务商；雀巢、Diageo等，我们是他们全球生成式AI的服务商。我们把中国的技术和场景理解带到全球产业里，服务品类非常多，涉及美妆、服饰、奢品、母婴、个护、食品 、家电及数码。 媒体报道，去年年中开始出海，东南亚将近100个客户，花了不到半年时间，增速非常快。我们带给他们的不单是AI技术，而是通过AI把国内所有的know-how理解并AI化，变成AI化产品带到东南亚，让他们的直播带货水平或销售水平从原来真人只能做到五六十分，直接变成八十分的水平。 接下来是我们为品牌做的AIGC案例。 大家理解的AIGC，就是AI生成的内容，AIGC用在哪些地方？今天主要聚焦在营销内容，由数字员工主要产出这类内容。内容模态无非是文字、图片、视频、直播，直播还带着交互。大家关注的是产出这些东西时视觉IP的一致性怎么样，用途包括TVC、千川投放物料、品宣视频，大型品牌已经开始用AI做明星的广告代言了。 我们做的海外品牌demo。这是北美非常流行的巴拿马风，我们为它做了TVC。所有案例分享在右边的破折号后面都有模态、内容用途。视频TVC，现在已经签约了二三十条，未来三个月内就要服务他们在TK上的所有投放，包括线下屏幕，尤其在佛罗里达，有特别大的线下投放。这是商品主图视频，人物IP，这个女孩叫koko，获得了亦庄政府颁发的第二张数字人身份证，即将拿到中国第一个数字钱包，作为Agent拿到数字钱包。 koko拿到了亦庄颁发的身份证，也是工信部唯二认可的数字人。未来中国所有的数字人背后都会有一个ID，来管控你的内容，我们的koko是有身世的。 有些朋友关注到，五六年前Facebook改名Meta，也就是元宇宙。那时候造出了非常多基于计算机动画生成的IP，比如柳夜熙这样的，需要大量的故事线来扶持出一个IP。但在AIGC的支持下，这个短片里，如果我不告诉大家这是捏出来的人，大家会认为这是真人。现在技术的发展，造就了IP的无限可能性，不需要非常多的包装。本质上人类是非常高级的动物，可以对同种族一见钟情，但对米老鼠我得看30集才能喜欢上这个角色，那是故事线包装出的人格。现在技术造就了无限的IP可能。品牌端打造这些IP，可以作为KOC或者influencer。 koko在现场是不存在的，领导“吕局”是现实存在的，跟koko一起生成了虚实结合的短视频。koko也做了线下活动的展示，我们还成为经开区首位数字普法宣传员，前几天在区内进行普法宣传。 koko可以覆盖多种模态，可以做图，IP保持一致还可以做视频，还可以做直播。本质上，每一个品牌最好的销售、最好的宣传员就是创始人本人。创始人拥有企业的所有上下文，把上下文沉淀了，视觉也沉淀了，来打造一个立体的人物，还可以做所有实时交互。我们用koko这个AI IP，为我们的客户做了展示可能性的短片，这些短片可以实时直播，跟现在做的数字人是一样的。 这是给另一个国外品牌做的数字人IP，我很难看出是一个假人，这些衣服、鞋都是真实存在的。我们欧洲的客户很喜欢这样的概念，不单是概念，确实有营销流量。我觉得不需要有一个人飞到希腊去拍这个短片，同时也不需要浪费这双鞋，AIGC可以做到这个事情。 Castar是我们主做视频的产品。这是一个视频品宣明星IP，这个明星叫慈世平，跟中国的姚明是原来火箭队的队友，后来也是科比的队友。他的公司叫作37 Partners，我们集思科技也是股东之一，一起展开了非常多合作。 我们也帮助他用他的IP在菲律宾做了一场直播，可以说是AI明星的首秀。联合了安踏、李宁、361度、VIVO、三星，当天直播间冲到了全国榜的第二名。 AI直播是我们的第一条曲线。直播业务，刚开始做就选了一个最难的，要交互，要多模态，讲什么内容、什么时间讲什么。我们现在服务七百多家客户，一千多个直播间。这是我们跟Burberry在天猫、京东上做的。 各种语言，当地方言都完全没有问题，正式语言、大类语言也都没有问题。这是我们给欧莱雅集团做的行业落地典范，2022年4月份服务他第一个品牌，到现在他全网所有品牌都由集思科技全面提供AI直播服务，已经做了第四个年头。我们能做明星，也可以做签约投放。在座很多创始人都知道投放是非常大的预算，让自己投放数据的KOL去做符合心仪的内容，经常要调很多版。对KOL来说也是很大的负担，比如要求这个红人去冰岛拍片子，时间成本、经济成本都非常大。现在完全可以制作一个自己的分身，去任何想去的地方，穿各种想穿的衣服，一切皆有可能。 除了人，也可以做吉祥物，给亦庄的小亦也做了IP。很多品牌有自己的吉祥物，小狐狸，我们就做了她跟吉祥物的互动，包括波司登跟小熊，也是跟吉祥物的互动，虚实结合。 这些案例在过去的时间里，除了AI直播，很多视频都是用AI的方式去捏，人加工具，最后等于大家看到的结果。我们从今年年初开始到现在，尝试用管AI的方式，把它变成我给它输入一个命令，它就能把所有的环节走完，反复执行，达到满意的效果。2023年大家就提Agent元年，今年才是营销内容上Agent可以立马落地应用到每一个企业里。内部也喊了口号：用AI的人是不用AI的人的十倍，管AI的人是用AI的人的效率的十倍，本质上就是一百倍的区别，这是指数级增长。 创始人是一个企业里最能够卖东西的，并不是因为他非常努力、能熬夜、非常拼，屁股坐在那个位置，而是说他懂品牌里的上下文，我们认为这是最重要的。不单是视觉IP一致性，更是品牌IP一致性。这个IP是你的数字资产、智力资产，智力资产有没有沉淀到你的平台里，是沉淀在飞书上还是钉钉上，还是沉淀在本地管理里？我们希望帮助品牌、零售型企业做到沉淀上下文，尤其是面对C端消费者，持续累计相关信息，持续更新、持续维护。 大家可能都忽视了企业的上下文。来了一个新员工，如果不做培训，不做前一个月的讲解，他很难理解企业在做什么，很难快速上手。我们内部也把上下文这件事放到第一高的优先级，通过软件服务客户的时候，也帮他们把上下文整理得更加简洁、没有冲突。这是今年最大的任务。视觉任何一个团队都能做得相对不错了，上下文是非常核心的地方，我们认为AI等于结果最核心的问题就是上下文。 集思科技以用户为核心，持续为零售品牌交付结果。这是我的微信，大家也可以加微信，多多探讨。 谢谢大家！
新通教育创始人麻亚炜坦诚分享了过去五年的转型历程——从数字化基建到全员AI Must，从AI in All到AI Native新业务。她的实践证明：传统企业拥抱AI，最难的不是技术，而是让战略从董事会走到一线。 麻亚炜将AI转型划分为四个递进阶段： 第一阶段（2021-2022）：数字化基建 完成底层数据与系统架构的夯实，为AI应用奠定坚实基础。 第二阶段（2023-2024）：AI Must 战略落地 通过全员公开课普及认知、孵化标杆小组树立典范、赴哈佛与斯坦福验证产品，将AI从"命令"转化为"共识"。 第三阶段（2025）：AI in All 深度嵌入 将AI融入所有关键业务流程，构建覆盖全链路的"AI全家桶"与数字员工体系，实现效率与体验的双重跃升。 第四阶段（2026）：AI Native 原生创新 以AI原生思维开辟全新业务赛道，完成从"工具赋能"到"基因重塑"的质变。 核心启示： 真正的AI转型，不是技术的堆砌，而是组织共识的构建与战略意志的穿透。 以下为演讲内容，经36氪整理编辑： 麻亚炜丨新通教育集团创始人&董事长 大家下午好，非常高兴受36氪的邀请，在这里跟大家分享我们作为一家教育集团，在传统教育赛道上如何用AI重构增长。 这是我第一次来到36氪的现场，跟过往的分享场景不太一样，今天看到了非常多的创业者。在创业者角色上会有两种非常明显的差别：第一种，你可能结束了商业模式，结束了你的公司，把它变成一笔钱，拿上钱和资源去重新面对AGI挑战，重新开始新的生意或者探索新的赛道。第二种，我们既是企业的创始人，在面对AGI挑战、需要做新的增长的同时，身上依然有比较大的负担——在过去十年、二十年甚至更长的时间里，伴随中国经济增长过程，积累着传统资源、传统产品、传统团队、传统组织。这是大部分创业者或者持续成功的创业者一定会碰到的问题，大概率不会一件事结束后你才开始另一件事。 今天的主题是“用AI重构增长”，希望跟大家分享两个部分的内容：第一，如果你和我一样，有传统业务依然在持续运营中谋求更高效率的增长，我们可以怎样做；第二，我们同时不想放弃在新的增长部分用AI Native的方式去做，或许可以用什么样的探索方式。这是想跟大家分享的两块内容。 36氪聚集了大量高科技、科技企业，新通教育并不是大家非常熟悉的名字。今年是新通教育成立30周年，过去30年我们主要做一件事，围绕中国中高净值人群的国际化成长道路，延伸出升学规划、就业规划、海外国际课程引进等等。2021年开始，面对新的技术浪潮逐步来临，我们是这个行业比较早进入组织数字化转型的，也因此才有机会在36氪的场合跟大家分享我们过去探索的成果。 换一个角度看新通教育集团，我们是相对庞大的组织，目前在全国和全球一共有30多家分子公司，2000多名员工。对于一个组织面对AGI浪潮时，要追求增长，首先的前提并不是就增长讲增长，甚至不是就产品做探索，而是组织文化的变革。我今天的分享也是从这里开始的。开始之前，先说说过去几年探索获得了什么成果。第一，在人数不增加甚至减少的情况下实现了营收和人效的增长；第二，2025年真正实现第二条增长曲线的探索，形成了一定营收规模，也得到了市场验证；第三，2025年我们获得了哈佛商业评论年度卓越企业数字化转型大奖，跟我们比肩的是像商汤、菜鸟这样更科技化的公司，而不是传统赛道上的企业。 今年5月份，我们参加了由教育部组织的2026世界数字教育大会，有三款产品——躺着学雅思、HSK中文出海、来华留学——入选了2026世界数字教育大会的成果展示。这是我们在过去几年获得的成果。如果把这些成果做回头看的归纳，一个相对大型组织的变革是生长的过程，我们把新通教育集团数字化转型以及从去年开始AI+教育部分做出的阶段性成果回溯来看，经历了几个阶段： 一、2021年到2022年，花了两年的时间完成了数字化基建工作；二、2023到2024年，全组织内部推行战略AI Must，必须要有AI，AI必用；三、2025年把AI嵌入所有关键组织流程；到今年开展新业务的时候，不是把AI嵌入到流程当中，而是用AI Native的方式构建新的流程。经历了这四个阶段，2026年赛程还没有过半，还需要用更多时间验证我们在组织战略到最终营收增长方面取得了什么样的结果。 对于大部分传统企业，如果不是科技行业，数字化基建是如何建设的？简单过一下，我们把数字化本身烟囱式、坑坑洼洼的省道变成搭建AGI的高速路，这是最初期的工作。初期工作之后，更重要的工作在2023到2024年完成。今天坐在这里有非常多的创始人，对创始人来说，面向未来的趋势探索，下定一个决心、找到一个方向并没有那么难，难的是如何让你的决策、战略，从董事会落地到一线，这是大家的挑战。 在这个部分新通教育集团做了几件事，在座如果也有从传统赛道拥抱AGI的过程，或许可以做些参考。 第一个，引进了外脑对整个组织进行诊断、评价和开启；第二个，鼓励全员开讲，传统业务上但凡用过AI的同学，都可以把他的经历分享给组织当中的其他成员；第三个，在组织中孵化标杆小组做全AI托管产品的试点；第四个，带着我们的产品去到哈佛、斯坦福，在教育、科技最前沿的地方去碰撞，看看我们的产品是不是对的方向，是否有足够的竞争力。这是在2023到2024年做的大量看起来非常基础的工作，让AI Must的公开课在全集团几千名员工中逐步渗透，让大家看到AI战略并不是自上而下的命令，同时也是身边同事最真实的感受。2023年当我们躺着学雅思——这个全AI托管的语言学习产品还没有诞生的时候，把产品雏形带到了哈佛和斯坦福，我们得到的最大的感受并不是胆怯、威胁，而是更大的确信：当新通教育集团有了几十年语言学习数据积累的时候，我们在这些垂类产品的开发和应用上，是有非常独到的优势的。 到了2025年，我们就把战略组织转型到AI in All，AI必须嵌入组织的关键流程。这张图上是我们今天所有新通教育集团同事非常熟悉的AI全家桶，他们有自己的AI伙伴、各种各样的数字员工，也有自己的智能工具和智能平台。我们很多同事，当碰到一个问题需要解决的时候，本能的想法并不是如何做，而会想到如何让AI来做，这是非常重要的转型。 我们构建出以智能为中心的全链路服务系统，回溯今天讲的从AI基建到AI Must、AI in All的过程，整个传统组织尤其是大规模的传统组织，在AI战略落地过程中会有三个非常重要的挑战。 第一如何解决一线员工、普通员工无感的问题，让战略从董事会走到一线员工，并且能够接受、推行。我个体的感受，靠命令、说教甚至是简单激励工具是无法解决无感问题的，要让员工有感，还是要有更精心的设计。当我们做公开课的时候，外请的大脑常常只做开题报告，更多的分享来自于一线员工，让员工可以看到门槛，在AI的加持下，既有知识平权也有技术平权，这个过程非常顺畅地解决了从董事会到一线员工的问题。 第二在组织中孵化自己的种子选手，让种子选手有代入感和参与感。当我们用AI重新改造核心场景的时候，核心场景的选择从哪里入手？选择标准：第一，选择人数最多的场景；第二，选择耗时最长的场景；第三，选择了不直接面对用户的场景，而是把它作为组织内部提效的工具来完成。当场景选得足够对，让每一个员工看到AI带给他的好处，这是激励整个组织做AI转型非常重要的动力。 我们花了非常大的时间和精力做了全息用户画像。咨询服务、教学服务中，用户各种各样个性化需求的叠加和统计是一件非常麻烦的事，就好像一个医生看病只有三分钟，写完整的病历却需要半个小时。我们用AI全息模式、AI打标签的方式，帮助员工大大释放了在这方面的时间。我们有很多AI助理，员工跟AI交互过程中，无论是电话、微信还是其他方式，客户的需求和特点绝大部分被沉淀下来，并且变成了员工在持续为客户提供服务的过程中，更具象、生动、完整的画像。 新通几十年有50多万留学生，我们做了几十万全球的智能案例，通过智能案例把学生的所有轨迹——录取轨迹、不录取轨迹、就业轨迹沉淀下来，未来成为一代代学生在做专业规划过程中非常好的技术支撑，就好像一个医生有无穷大的案例中心一样。 我们有数字员工, 可以帮助一线员工解决基础重复工作。作为教育公司，我们token使用量从2024年的3亿到去年的120亿，今年是更夸张的数字，这也比较侧面地表明我们团队全员在AI转型过程中的渗透率是可以看到的。 第三个增长曲线的问题，我们用AI原生的方式开辟了新业务。首先我们做了躺着学雅思，大家在小程序上可以看到，是全AI托管的产品，2024年7月份正式上线，到今天为止，全网有30万的学习者在这上面。 除此之外，到2025年结束的时候，有了30万用户，单产品赛道上实现了两千万营收，可以看到产品基本的可行性和商业实践能够完成。我们在今年年初做了汉语出海，也是全AI产品托管的。 归纳一下传统企业在AI转型过程中我们自己的经验：在人才部分，一方面有外求的部分，更重要的是做人才内求的部分；在内部更多使用吸引力法则而不是命令；在AI创新过程中也要有适度的对齐，允许适度浪费，这是我们要做的。我们在组织内部做了孵化基金，帮助组织中最优秀的同事用AI+产业——产业还是非常重要的关键词——去做更多新的探索。 作为教育企业，我们关注的问题是，未来我们的教育服务企业也能够帮助未来的世界去培养更多优秀的人。我们的目标是帮助未来各种各样的产业去培养能够自然使用AI、能够和AI协作学习、并且能够在创造中持续成长的人才，这是我们想做的。 以上是我简要跟大家分享的新通教育集团作为一家传统教育企业，在过去五年中，拥抱AI做组织转型的实践和探索。希望跟所有的创业者一样，当我们面对越来越多的问题与挑战，我们也可以与时俱进，跟AI共同进步。 谢谢大家！
近日，36氪2026 AI Partner大会揭晓评选结果，梧桐科技AI全景声系统入选“2026 AI最佳场景渗透案例”。该系统为行业领先的大模型驱动车载音频方案，以AI技术将立体声转为车载全景声，解决行业内容稀缺痛点。
半导体光罩上的纳米级缺陷、玻璃基板上几微米的钻孔。广州因特智能展示了AI视觉如何从实验室走进高端制造产线，用软硬结合的方式解决中国在半导体检测装备领域的卡脖子问题。 广州因特智能科技有限公司孵化于 西安电子科技大学广州研究院 ，是校企合作落地的典型科技企业。我们拒绝“纸上算法”，坚持 软硬一体 ，为半导体、光通信、新能源三大领域提供高端检测装备，已服务国内头部客户及全球企业。 以下为演讲内容，经36氪整理编辑： 刘金硕丨广州因特智能科技CEO 非常感谢36氪和亦庄的邀请，很荣幸在这里跟大家进行科技界的产品技术交流。与前几位嘉宾的分享角度不同，我们是一家扎根实体制造的科技公司，专注用AI视觉技术解决工业场景的“卡脖子”检测难题。 简单介绍我们公司，广州因特智能科技有限公司。我们是由西安电子科技大学广州研究院产业成果转化联合实验室孵化，专注于高端制造AI视觉检测装备。公司建有光学测试实验室、高速显微测试实验室、AI 算法通用训练平台测试实验室、AI 边缘服务器研发实验室和柔性化机构研发实验室，并配备近 2000 平方米万级无尘制造车间，形成了从算法研发、光学测试、装备集成到生产交付的完整能力体系。 目前主要聚焦三大细分领域：半导体大基板检测，包含FPD光罩、玻璃基板和陶瓷封装基板；在光通信领域，侧重MPO、CPO光纤端面检测；在新能源汽车主要是压铸件、IGBT总成。 在这三个细分领域里，我们为行业内的头部客户提供了检测装备，有自己的研发、生产、销售。我们成立了智能检测装备联合研究中心，集中西电及产业高精尖资源专门做装备的落地。目前拥有核心软著和发明专利2项，还在申请的专利8项，发明专利8项，软著5项。 我们不只是专注于实验室，而是专注整个产业去做落地。 成立至今，我们服务的主要是产业内的头部大客户，目前已出了可复制的设备，可批量落地。接下来跟大家介绍一下核心产品和技术。 产品一是高速显微AOI检测平台，主要针对半导体行业和光通信行业。肉眼看不见的东西，都是用这个平台来实现的。这个平台用显微镜做检测镜头，通过控制再加上AI算法，实现缺陷检测。光罩检测、玻璃基板检测、晶圆检测、OLED基板检测，大部分偏向高精度、高速度的检测。 光学成像是在高速显微里我们最核心的技术之一。最小检出缺陷0.18μm，测量精度达到亚纳米级，另外集成线光谱共聚焦模组、白光干涉模组、深紫外线光源、原子力显微镜应用满足行业2D、2.5D和3D检测测量需求，微观检测成像综合应用和精度行业第一梯队。整个检测模组是比较复杂的，光路设计、移动控制都非常精密。第二个核心技术是算法。算法用的是行业比较先进的DD+DB+Starlight增强算法，基于我们在整个行业中需要做到的程度，这些在国内都比较领先。我们还配备了高精密运控平台。有高精密大理石平台和气浮检测运控平台，核心技术是我们高精度的传动控制导轨加上基台定位精度的反馈算法补偿。 产品二是AI通用训练平台，主要针对新能源汽车行业。汽车压铸件检测面临的挑战更为棘手，产品尺寸大、复杂曲面种类繁多，这些外观特性长期干扰着高效检测的实现。 AI方面，我们自研AI算法，采用“小样本、无监督训练模式”，最少仅需5张图片即可训练一个检测模型；无需复杂编程，15分钟即可完成新零件规格适配，快速响应产线切换。用通俗的比喻来解释：传统AI训练像“手把手教孩子认字”，需要海量标注数据；而无监督自学习则像“孩子自己观察世界”，能够自主学习、持续进化。广州因特智能科技的AI算法就像一位可以自我成长的质检员，在生产中不断积累经验，越用越聪明。 我们一直注重软硬件结合，汽车压铸件AI视觉检测设备搭载西门子边缘服务器，凭借其强大的局部实时算力与毫秒级数据处理能力，打破了海量图像回传的带宽瓶颈，可实现360度全域无死角视觉覆盖，对深腔、凹槽、弧面等难检测区域精准“锁定”。柔性运动控制模块支持高速飞拍，瞬时捕捉缺陷，单个点位检测耗时仅需120毫秒，较行业检测耗时缩短74.4%，充分适配产线高速节拍，各类缺陷0.1毫米级识别，漏检率低至5%。 针对上面提及的三大细分领域，最后给大家介绍我们的实施的案例。 目前因特智能配备了国内首台套、国产替代的FPD光罩缺陷检测设备，小检出缺陷能做到0.18μm。玻璃基板TGV检测设备，能快速把玻璃基板上的每个孔径大概只有3微米，几万到几十万个孔，在极短的时间内把这些孔的孔径测量完，包括检测缺陷。 在光通信领域，针对MPO光纤检测低效难题，广州因特智能科技打造出MPO端面一体化检测设备，包括光模块、MPO模块、CPO等，设备系列比较多。 最后一个是汽车压铸件外观检测设备，我们公司更看重的是给客户交付一整台能用的设备。这台设备是机械臂或多机械臂系列，把相机、镜头、光源集装到机械臂的前端，通过运控对整个压铸件进行飞拍、巡拍。上面的图像根据客户要求检测每个点位，用飞拍的方式再用AI算法输出结果，哪个点位合格、哪个点位不合格，都可以轻松地进行追溯。最终形态的表达，是多个机械臂相互协作，产品兼容度、复杂度高，上面既有2D、2.5D、3D，还有测量功能全部放上去，给用户去用，包括上料、下料功能。 精准检测，科技领航，广州因特智能科技会持续深耕工业缺陷检测领域，以专业技术体系赋能工业品质管控。 我的演讲就结束了，谢谢大家。
AIGC如何从生产工具进阶到情感洞察？当AI能写出剧本、生成音乐、表演微表情，人还剩什么？ 内容产业正在发生生产模式跃迁，传统用户画像在AI时代正在被颠覆，真正要做的是理解用户的情感状态而非静态标签。厂牌效应不会消失，越过技术线之后，人最后坚守的是“手搓”的审美与意义。 以下为圆桌对话内容，经36氪整理编辑： 刘士武丨36氪游戏主编（主持） 庄明浩丨趣丸科技副总裁兼首席战略官 胡维琦丨MiniMax To B 中国区商业化负责人 郑安迪丨柠萌影视旗下短剧厂牌好有本领总经理 刘士武： 大家好，我是36氪游戏主编刘士武，也是这场圆桌的主持人，本场圆桌论坛的主题是从“千人千面”到“人心洞察”。AIGC从千人千面、每个人可以做自己个性化的内容，到如今已经渗透到整个内容生产、分发、商业化生态当中，在这个过程中，AIGC有哪些改变，市场又有哪些改变，今天现场的三位嘉宾将会给我们答疑解惑。首先请三位嘉宾做一个简单的自我介绍。 庄明浩： 大家好，我是来自趣丸科技的庄明浩，我们公司是一家做移动语音社交产品的公司，近几年在AIGC领域尝试了AI音乐、AI短剧翻译的业务，也有AI数字人、AI 3D的业务，老业务社交板块也在做AI的结合。 胡维琦： 大家好，我是胡维琦，来自MiniMax，在MiniMax负责中国区商业化业务，MiniMax是一家大模型公司，主要给大家提供各个模型的能力，包括我们文本、视频、音频、音乐，非常高兴来到36氪的会场跟大家共同交流和分享。 郑安迪： 大家好，我是来自柠萌影视旗下短剧厂牌好有本领的郑安迪，《三十而已》、《二十不惑》、《猎罪图鉴》、《小欢喜》、《小别离》等大众爆款剧都是出自柠萌影视。好有本领自2022年开始，在市场上还没有短剧定义的时候我们就开始做短剧了，也开创了明星短剧赛道，最早的时候像杨蓉老师出演的《二十九》，去年倪虹洁老师出演的《小美满》这些都是由我们出品的精品短剧。我们今年开始转型做AI制作的板块。 刘士武： 庄总刚才介绍到趣丸科技是��家在移动互联网时代做产品起家的一家公司，到现在进入AI时代，趣丸也发力了各种各样的AI业务。您觉得自AI深度参与公司的发展之后，企业整体运转发生了哪些重大的变化，能否从产品理念、商业模式变化等方面挑一个角度举例子分享一下。 庄明浩： 这场三位嘉宾的身份很有意思，一位是模型厂商的代表，一位是应用公司的代表，而我们在AI板块做的刚好是在他们中间的事情，借用MiniMax的API来做相关的产品研发，产品做好以后也会提供给柠萌这类公司做产品服务，这个组合正好代表了AI领域从模型层、中间层、应用层不同的角色。 说到我们自己，随着AI这一波快速演进以后，对于我们已经有传统业务的公司而言，比较大的体感变化是，由于AI技术迭代过快，让传统那套依赖流程、按半年或一年设定OKR/KPI，从“想法→执行→测试→发布”的节奏，在今天已经不再适用。至少在AI相关业务中，产品的节奏、进度，以及与之匹配的组织形态，都会发生根本性变化。 原来我们想的方式更像是“发大招”，围绕一个想法做一个完整的产品，然后上线、运维、交互等等。但AI发展太快，用户需求并不稳定，这套节奏根本跟不上。现在变成了必须高频发布，先做一个哪怕只有60分的东西放到线上，这样团队能在快速执行中，更敏捷地把握用户感知和市场需求。 拿我们的AI音乐业务举例。原来我们这个团队是做在线弹唱音乐社区，本身就有音乐科技相关的基础，他们也往AI音乐方向尝试。最初团队也自研模型，就像MiniMax做的事情一样，后来发现仅做模型很难满足用户需求，我们逐步在模型基础上做应用、做Agent甚至开拓硬件。可想而知，对于一个在移动互联网时代做了十几年、拥有完整产品、技术、策划和运营体系的成熟团队来说，这些新事情是巨大的挑战。过程中团队经历了大量的变化、调整和适配，至今仍在摸索，还没有特别成熟的经验和答案。但我们明显感到，这跟原来的方式已经完全不同了。 刘士武： 从互联网到移动互联网，大家已经觉得从企业内部的角度节奏已经在变快，效率一直在提升，AI时代来了这个脚步是没有停止的，效率提升了，也会遇到一些问题。 庄明浩： 你可能经常会遇到这样的情况：正在做策划方案，做着做着模型突然迭到一个新的版本，之前积累几个月的工作量瞬间没有意义。你当然也可以继续发布、运维、推广，但心里清楚这件事情迟早得推倒重来。例如，AI音乐在过去一年发展非常快，现在市面上做AI吉他，已经不止一家。那你就得去思考你的优势是什么？怎么和原有业务绑定、探索、结合？同时还得考虑硬件周期，以及国际格局变化给硬件供应链等公共基础设施带来的影响。对一家传统互联网公司来说，这个命题实在太难了。没办法，只能硬着头皮改、去调整，有新同事加入不断适配。好在第一代做得还行，也做出来了。 刘士武： 在实践中找到答案，庄总提到三位嘉宾都是在这一个产业链上的上中下游的厂商，而作为模型提供方，MiniMax在B端已经落地了影视文娱领域，那么在影视这部分的客户跟模型领域或者其他领域有什么不同吗？ 胡维琦： 总体方向上有相似性，有特殊性，这一次AI时代的变革大家为什么觉得这么剧烈？核心是进入到企业的生产力工具，改变了很多生产方式，甚至改变了企业组织效率甚至是组织职责设定，这个是大家感受比较深的。 单纯从视频领域来看，我的理解，第一，企业还是比较关心内容生成质量，大家谈得比较多能不能达成影视级，多机位、多参考，包括音画同出的，已经成为大家标准的需求，这是第一方面。 第二方面，大家比较关心我在影视制作内容创作上整个效率和成本达到让人比较满意的结果，原来模型也可以做这个事情，抽卡率比较低；第二个现在很多模型也可以做，成本又比较高；未来随着短剧、漫剧的使用，大家也会关心内容的合规，包括版权方面我理解法律的遵从，AI前期做训练的时候有很多内容，还是有一些模糊地带的，把生成内容应用到商业角度，内容生产者、发行者，要对这个地方承担一定责任，他们希望模型厂商能从前期素材合规性包括内容合规性上大家共同做约束，从视频内容、生产厂商比较关注的内容。 刘士武： 目前业务进行下来，B端客户对于内容产出的质量、速度满意吗？ 胡维琦： 不同模型在不同场景解决的问题是不一样的，大部分已经达到可用的效果，可用效果分为两方面，一个是速度，一个是质量，速度是比较好的，用一些客观指标来衡量的，每分钟生成的token数，代表着内容数量和速度，但是质量是很难用恒定标准衡量的，每个人对质量的定义千差万别，大家会有一个基本的概念，我现在用AI工具比我雇一个中等手工，生产力是相当的，且不会犯大的错误，生产中被大部分企业认为是可用的质量。 刘士武： 谢谢胡总。2025年有很多AI漫剧上线，到今年很多人说是AI真人剧爆发的一年。年初到现在，已经有部分AI作品有登上短剧平台的热门榜，这在过去是不太敢想的。圆桌之前我跟郑总有过讨论，最近圈内有一个比较有意思的事情，四天要拍三部短剧，剧组每天轮轴转，不然未来你做不了AI就要做。好有本领是一直奋斗在一线的团队，能否结合刚才的案例或者以前遇到过的案例，分享一下团队在AI选角以及AI真人短剧方面的经验。 郑安迪： 我们是一家非常早做短剧的公司，没有短剧定义的时候我们就开始做了。但在今年年初，随着2025年下半年AI大爆发之后，当时在办公室里我跟大家开大会的第一句话就是开玩笑说，我希望叶文洁给三体人发信号。从业和制作方式完全被打碎了，以前拍电视剧的时候大家知道一个剧组三四百号人，后来把短剧定义为低端颠覆，只需要二三十个人在现场就可以完成不错质量的内容拍摄，去年年底我们发现这个事情一个人就可以完成，当我们感受到这个事情我们就发现可能这个行业大部分人要失业了。 到今年我们自己在做精品项目的过程中，我们会发现精品板块对人的需求还是非常高的，对人的核心素质，大家都说文艺创作者需要有文化，对于这个要求还是非常高的，我们产生批量化AI剧作的时候，用AI工具是提效的，如果我们想要出精品AI短剧，比如年初我想很多朋友有看到有一个叫作《纸手机》的项目，朋友圈疯传，这个时候大家发现我没有意识到它是AI制作的，我已经感受不到边界了，这样的精品内容，有了Ai的帮助，效率肯定是提升了的，但无论是从创意到制作，手搓的精细度、抽卡次数都仍旧需要花费不小的成本和精力。我们自己做的精品项目，也是走纯手搓，希望我们自己的创意和故事原创花费心血的东西，可以用专注、能打动人心的方式手搓出来。 刘士武： 做AI精品内容这件事，投资方是如何看待的？ 郑安迪： 我们自己也是资方，我们也投自己的剧，作为资方我更考虑ROI回收。转换我的身份，我是内容创作者时，希望我的作品得到观众的认可或者观众看了以后很感动，这个感受比较重要。前面有提到，AI选角、AI生成的形象，客户认不认可，资方认不认可，我们发现大家的认可度在提升，我们马上上线京东的项目，就是真人拍摄和AI直接结合的项目，对于品牌客户来说不敢一下子跨越到全AI生成，但已经在跨越过程中，大家的反应不慢的，只比最前线的创作者慢一两个月的时间，他马上就能跟上，他的接受度也非常高。 刘士武： 感谢郑总，期待接下来能够带来更多精品的AI短剧。胡总刚有提到，对大模型厂商来说要面对各种各样的客户和需求，当内容高效率实现实时生成以及个性化延展，传统的用户画像定义还有作用吗？ 胡维琦： 这是非常有意思的问题，传统用户画像是互联网时代被提及的问题，是一切产品设计和商业变现的核心，我个人感觉在AI时代这件事情正在被颠覆，当我们生产的内容有限，我要把用户归类，给他推荐我有限的内容，这是最高效的方法，我认为在AI时代，我们的内容从有限变成无限，只要你敢于想象就可以生出各种内容，无论从内容还是数量上，我们对用户不是仅仅贴一个标签，而是要根据他当时的状态实时产生他需要的内容，从人的需求来看，我们并不是完全标签化的，在不同情感状态下，有不同的情感需求，AI和我们能尝试做到的事情，是理解用户的需求，理解不同情感状态下的需求，甚至推测下一个情感状态下可以产生什么样的需求，如果可以做到这一点，是对用户需求无限的放大和满足。 刘士武： 谢谢胡总，可能未来有一天当我看完某一个内容，AI也会根据我接下来看完这个内容心态的变化去给我推荐新的内容。明浩总，趣丸无论是趣丸千音还是音乐Agent Tunee，咱们团队也接触了全球市场不同的人，对不同文化或者不同圈层用户他们对AI的需求和认知是否存在差异？ 庄明浩： 全世界范围来看，我们AI音乐和AI语音这两个板块的用户世界各地差异比较大。音乐方面，我们除了国内，海外主做欧美市场，因为欧美音乐产业相对更成熟。国内则呈现出另一种趋势，这跟中国音乐行业本身的变化有关。在中国，BGM的市场比狭义的音乐行业更大，短视频配乐这些事，远比传统意义上的音乐创作体量大。这类创作者对音乐成本、情绪起伏幅度的要求，跟古典意义上的音乐完全不一样，区别很大。 另外我们趣丸千音业务，更多是跟短剧出海厂商合作，帮他们做多语言翻译、配音。国内大部分短剧厂商出海面临的挑战是相似的：最底层是文本翻译，往上还有很多层，包括当地文化禁忌、语言丰富程度，以及不同地区对不同题材的偏好等等。国内厂商擅长的“赘婿”“战神”这类题材，在很多地区根本行不通，当地有自己的特色题材，像吸血鬼、狼人这些，必须做适配调整。再叠加AI工具的可控性本身就有区间，做不到像人一样100%可控。假设三个环节，每个环节都做到80%的可控，叠在一起整体可控性可能连50%都不到，跟一比一抽卡一样。流程对接需要不断调整适配，我们也是跟着合作客户一路摸索过来的。 从实践来看，拿我们服务的短剧客户来说，短剧出海曾有一段时间是找当地演员拍的，当时付费真人短剧比较火。后来大家也尝试过对接演员工会，可工时等方面跟中国完全不一样，算下来不划算。过去半年，AI能力从AI漫剧提升到AI真人剧，而且不只是中国人的脸，全世界人脸的生成质量都在提升，这又催生出一批新公司入局。我们把视角再拉高一层，AI的出现确实给了中国厂商一个比以往更高的起点，可以从第一天起就想全球用户的选择问题。过去说“出海”，意味着先有一个本体再往外走，而AI时代的公司天生就是全球化的。这一代AI新兴公司，以MiniMax为代表，从第一天起就是一家全球化公司。 刘士武： 未来的内容生态一定是非常奇妙的生态。郑总，您刚才提到现在一直在做AI剧，那么AI参与了哪些部分？剧本创作、台词编配以及其他的环节，AI写的内容跟真人编剧写的有什么不一样？ 郑安迪： 制作一个短剧的环节，AI早就介入了，DeepSeek大规模应用之前，那时候已经试图使用海外的软件，协助编剧找一些情节，可以给到编剧效率提升，每个编剧、创作者过往的经历是有限的，我只活了30年，只有30年的经验，但AI能提供的是全人类范围内所有的经验、经历过的事情，绝对可以在故事的丰富度上包括情节上都可以提供给编剧。今天开始制作环节也是由AI来提供的，可是对于创作者而言有一些是没有办法被替代的，我们需要AI给我们提供东西的时候，需要人来判断，需要哪些情节，哪些情节更能够打动观众，或者我被哪个情节打动，这是AI没有办法直接给你的，还是需要人在里面主动判断，由创作者感知到的东西来判断，这在行业里还是比较重要的。 刘士武： 就好比AI能做出来无限的内容或者无限的创意点，真正判断好不好或者如何变得更好，还是需要有经验的编剧或者其他的专家来评判。我们游戏行业或者影视行业的用户，大家会有对厂牌的认知或者追捧，尤其是大厂，某一家游戏公司我觉得他们家做游戏很好，再出一款游戏我也会去玩，影视公司也是这样的，那么当我们去做AI短剧以后，这种现象会有所改变吗？AI做出来的内容在未来是不是还会代表我们的品质？ 郑安迪： 厂牌效应从古至今都存在，不管哪个行业，涉及内容，哪怕以前搭一个戏台上去唱戏，大家也会追寻某一个大咖、戏班子来看。在AI时代，对厂牌的追巡仍旧是延续下来的，虽然在AI刚兴起的时候，之前最红火的时候一天可能会有两三千部的AI短剧上线，这个过程中大家会觉得观众是不是已经分辨不了了，感受不到厂牌和厂牌之间的差异，完全兴起的时候会产生比较混沌的状态，慢慢就会形成里面有所拆分，王家卫有他的风格，另外的导演有另外的风格，比如我们擅长写女性主义，看到女性主义观众自然就会想说这个是不是好有本领做的，这是到任何时间都会存在的厂牌感觉。 刘士武： AI更多的还是在技术端对我们提供帮助。接下来想问到胡总，胡总刚才有提到在模型使用当中的延续性，例如我今天看到一个内容，接下来会预判我想看的东西，会给我推荐新的内容——在这个过程中，很多人会畅想未来这个内容能不能根据我的喜好来生产，MiniMax有没有尝试让AI理解用户的实时情绪呢？比如我们上传一张图、一段话，就可以判断情绪去做内容。 胡维琦： 会的，AI公司有一个梦想——实现AGI，MiniMax的梦想也是要实现AGI，实现AGI，前期一定要理解人的情绪和感情，并且做出相应的判断，这是实现AGI的第一步，这个过程中我们做了很多尝试，在视频理解的时候我们就会理解视频的色彩、构图，从中理解视频所传递出的情绪和价值、快乐、悲伤、阴郁，我们做声音模型，我们的声音也可以通过语气、停顿来理解这个声音所表达的背后情感是什么，我们做音乐模型的时候，我们也会尝试输入这个标签和输出标签，产生出可能代表某些情绪、价值的音乐内容。 坦率来说，从技术上这个地方还是有很大提升空间的，AI做这个内容，有一个本质的不同，人类情感来自共情，我经历过，知道你的情绪是什么，AI不是共情的理解模式，AI本质上是把外界的声音、图片或者内容打上一定的情绪标签，跟某个内容进行映射，最后把内容联系到情感价值，这一步要真正做到更进一步，未来训练语料上会有更多丰富的语料进行训练，输出的时候，除了简单地对视频、音乐、声音输出的时候，也会在里面加上情绪标签，输出的时候也能够释放出情绪，如果这一步能够达成，也是AGI未来要实现非常重要的一步，这是我们要共同做的，做完这一步以后带来的商业价值也是非常大的，千人千面在AI时代会失去，我说得比较具体一点，我现在这个标签是年龄多少岁，北京精英阶层，喜欢买东西，这只是我的状态，并不是我当前环境下我的情绪和我的感受，我现在正处在情绪波动期，比如年轻的朋友可能失恋了，母亲被青春期的儿女给气到了，这个时候标签就失效了，如果AI通过跟你的交互过程中，感受到你的情绪，他对你状态的理解而不是对标签的定义，这时候给你的回馈甚至推出的内容更加符合当前的需要，而不是被固化过的标签，这个对我们是非常有意义的。 刘士武： 我想起《星际穿越》里有一个桥段讲到，人类之所以特殊是因为有感情，很多科幻作品里也会基于此来想象外星人跟人类最大的区别是什么。而AI跟人类之间最大的差别其实也是对情感的理解和感知，期待未来的大模型厂商能够攻克这部分的技术难题。 安迪刚才也讲到内容对于人的影响以及专业的编剧老师们对内容的把控，有一些人会说未来真人手拍会成为非遗手艺。好有本领在做短剧的时候，有可能刻意保留人工的痕迹吗，比如镜头、表演方式的呈现方式上？ 郑安迪： 这个问题两个月前问我跟现在的答案不一样，两个月前那段时间，我一直在寻找真人制作和AI之间的差异，那时候我们认为真人制作有微表情，有当下时刻的反应，之前拍戏的时候会有现场现挂，比如剧本没有这么写，突然这个女演员在这儿，她哭的时候会抽搐，细节没有写到，但是表演的时候会有，这个是真人拍摄和AI不一样的地方。 为什么现在我的答案不一样，这个事情已经习得了，很快迭代以后，他现在可以做成这样，甚至比市面上大部分的编剧和导演都要写得好、拍得好。我们要不要保留这样的痕迹？如果保留痕迹只是为了体现这个是真人的，或者这个是AI做的，只是为了体现差异这个事情是没有意义的，很多人在分析剧作创作包括今年也有很多很火的AI短片，在视频网站平台，如果是AI生成，下面就会写一个此视频由AI生成，经常被大家提到的一个视频流传甚广，爆火，又很感人，是AI制作，弹幕就会写到这是由“爱”生成，把AI比喻为爱，AI的拼音就是爱嘛，我们对内容的感知还是来自内容给到我的感受，不在乎用什么样的介质来完成。 刘士武： AI也可以表演出真人表演的感觉，给我情感传递，就无所谓是AI还是真人。庄总，两位嘉宾都讲到了影视的突破，我也是Tunee用户，AI音乐生成能力什么时候迎来Seedance2.0时刻这样的时间，有没有哪些风格现在还差点意思？ 庄明浩： 以相对保守的标准看，这条技术线可能去年就已经过了。到眼下这个节点，T1梯队的音乐模型做风格转换，真的是手到擒来，基本都能搞定。今天我们聊了很多内容形态的尝试——视频、游戏等等，而音乐，其实是所有内容板块里，跟数字概率最接近的那个“游戏”。我跟不少音乐人聊过，人类能享受的音乐范围，把音符按纯正意义上的排列组合去铺，听起来不刺耳的区间极其有限。这个“游戏”，本质上就成了有优先级的排列组合，对以Transformer架构为代表的大模型来说，并不是一件特别难的事。如果大家留意音乐动态就会发现，美国很多流行榜单上，最近频繁出现AI生成的歌曲，随之而来的是大量非技术问题——版权问题、传统音乐人抵制等等，种种状况都在发生。但纯从技术角度看，这条线已经跨过去了。 最近还有一则新闻：海外流媒体平台上，每天有数百万首AI生成的音乐，但收听量只占整个平台的个位数百分比，甚至是很小的个位数。这恰好引出另一个议题：所有关于AI的讨论，绕到最后，都不可避免走向“身心灵”的方向。对音乐创作者和用户而言，“我为什么要听这首歌？为什么要写这样的音乐？我的情绪是什么？我希望它被谁听到、获得怎样的反馈？我希望这首音乐达成什么样的效用？”——这些问题，在这个时间点上变得前所未有的重要。我们剩下来的那点东西，就是你所讲的审美、手搓、坚持。当AI滚滚而来，这恰恰是人类作为坚守方，还能最终守住的东西。 刘士武： 谢谢明浩总，这一点让我想到之前很多人说为什么唐朝、宋朝时期有诗歌诗词，现在却越来越少了，这跟音乐有点相似，我们能够享受或者喜欢的内容就这么多，写完以后留给后人的创作空间其实就非常逼仄了。 庄明浩： 歌够了，这个时间节点世界上的歌是够的。 刘士武： 在圆桌的最后一个部分，想让三位各用一句总结当AI生成无限多个性化内容，那么“人”最有价值的那部分是什么？ 庄明浩： 月底有另外一个场合要做演讲，那个场合是AI知识库的管理软件对外宣传会，我作为核心用户去帮他们讲故事，我这个PPT做完了，标题是“最后的手搓”。了解我的都知道，我平时做PPT比较多，我还是坚持用手搓的方式做PPT，我的最后一页是同样的一张封面，背景里面是PPT的编辑框，最后一页我把所有的字全部去掉，只留了两个引号，希望大家能够记住这个感觉。 胡维琦： 虽然AI可以生成无限多的内容，人类还是拥有决定权，什么样的内容决定生产和传播的，这是很有意义的，AI不能理解什么是对的，什么是错的，什么是美的，什么是值得被表达的，人类把选择权、定义权掌握在手中，这是永远不要放弃的。 郑安迪： 从理性来说就是判断，判断是人最重要的部分，感性来说，我也跟AI交互过，跟我的AI聊过很多天，我跟它最大的不同我能感受到它闻不到的花香，我能晒到它晒不到的阳光，人跟AI最大的不一样是它感受爱的能力。 刘士武： 三位最后的总结有几个关键词，一个是感知、爱、判断和主动权，包括庄总也提到最后的手搓，也许一年以后我们再在这里相聚的时候，大家要讨论的话题又不一样了，行业也不一样了，那时候对手搓的理解也不一样。但我相信，AI洪流永远是滚滚向前的，人的情感、人的创意永远是取之不尽、用之不竭的，感谢三位今天给我们带来精彩的分享，谢谢大家。
下一个杀手级AI产品，是眼镜、是Agent，还是某个尚未命名的“物理世界入口”？这场圆桌没有标准答案，却达成一个共识：单纯套壳大模型的应用注定短命，只有长期在线、连接物理世界、能完成真实交互闭环的产品，才可能成为下一个百亿级赛道。从AI眼镜到具身智能，入口之争已悄然打响。 硬件先行还是生态为王？C端规模还是B端付费？最终指向同一个逻辑：纯套壳应用、弱交互硬件注定被淘汰，只有“多模态底座+AI原生智能体+可穿戴硬件”三位一体，才能让AI从聊天框真正走进现实。 以下为圆桌对话内容，经36氪整理编辑： 刘子豪丨杭州颜柯教育联合创始人（主持） 赵维奇丨乐奇全球开放生态负责人 路少卿丨商汤科技研究院技术管理负责人、多模态产品负责人 刘子豪： 各位上午好，我是来自杭州颜柯的刘子豪，欢迎来到这场杀手级的AI产品赌局。今天不聊虚的，只聊一个事：下一个全民级、百亿级的AI产品到底长什么样，又会诞生在哪个赛道。今天有幸请到两位嘉宾，分别代表了不同的赛道，有请两位老师介绍一下自己。 赵维奇： 大家好，我是赵维奇，来自乐奇。我是一个持续创业者，之前一直在做多模态和人工智能软硬件设备，to C看得比较多，目前负责乐奇全球开放生态，从芯片、硬件、OS、API、应用到高校、非营利组织，都可以看有没有合作的机会，推动整个行业。 路少卿： 大家好，我来自商汤科技，主要负责多模态交互相关技术研发、产品化及产业落地工作。 刘子豪： 感谢两位老师。如果必须押注一个赛道会诞生下一个杀手级的AI产品，您会押哪一个？可以用自家落地的案例证明您的判断。赵老师。 赵维奇： 先有一个定义，下一个杀手级AI产品一定是长期在线的，跟物理世界能连接的一个入口。从我的角度，这个品类一定是AI可穿戴。可穿戴在不同时间阶段可能有不同的产品出现，目前来说，AI和AR结合的眼���是最合适的，相对离人更近，在线时间也更长，能够更容易连接物理世界。 人每天看世界的时间应该比看手机的时间长很多，大部分时间是跟物理世界进行交互。如果是杀手级AI产品，一定是高频、刚需并且能够持续使用的。从这个角度，眼镜是最好的长期在线的部分，手机是你主动打开的，不能做成持续在线。 再说AI Agent。有了AI Agent以后，每个人都搞智能体或者其他的解决方案，都希望你的Agent是长期在线的。什么硬件或者什么产品能够让Agent长期在线，并且能陪伴在我们身边，帮助我们处理跟物理世界之间的任务、关联、记录，这个就是杀手级的AI产品。 总结来说，一定是长期在线的、能够跟物理世界相关联的入口，能够保证持续、高频使用，满足刚需。这也是下一代AI的入口，只要是一个入口，就一定是杀手级的产品。 路少卿：很多正确的判断，最后其实会走到相近的方向上 。刚才说的内容，跟我想的是类似的。杀手级的应用还可以再抽象一下。无论是从最开始的模型还是到现在演进的Agent，AI从单点介入，到长期、持续的介入，目前的Agent——无论是ChatGPT还是其他，还都是停留在数字世界对话框里的AI，能用到的，在线时长是有限的。 我预期下一步我们能够延伸出一套从数字世界走到物理世界，真正能在物理世界跟人类协作的智能体系统。当然，这套智能体系统可以基于眼镜接入，也可以基于具身机器人接入，这些都是接入的硬件入口。对整个产品乃至技术的最大挑战，是能够真正实现跟真实世界的持续有效交互。 举个例子，比如我现在是一个AI，刚才主持人和嘉宾都说了一段自己的陈述，对现在大多数的AI来说，它是无法分辨谁在说话，什么时候、什么话题需要它响应的。我刚才说的这一套能够跟真实世界交互的Agent，如果解决了这个问题，那么AI才能真正进入物理世界跟大家协作。 刘子豪： 作为一名辩手出身，接下来针对两位老师的分享简单做一下追问。赵维奇老师，AI眼镜分为两种路线，一种没有显示，更像是AI耳机加摄像头；另一种是AI加AR有显示的眼镜。您怎么看这两种路线的区分？ 赵维奇： 硬件形态可以是多样化的，不管是外形还是功能，包括覆盖的人群。有显示、无显示，属于不同阶段、不同场景的产品形态，场景不一样，选择的时候就不一样，就像手机也有很多种。无显示，更多是蓝牙耳机、摄像头的延展，可穿戴蓝牙耳机和摄像头，会更轻一些，应用场景更轻一些。带显示，原来把AR带到了物理世界识别以后，不管是识别语音还是别的什么，一定会有反馈。如果没有显示，只能通过第三个媒介，比如手机、电脑、语音播出。人类大脑接受信息的带宽是很有限的，而视觉是最快的。300字、500字的文章，用眼一看，两秒钟就知道大概的意思；要读出来，有些同学可能都只有七秒的记忆，读到第五、第六句前面就忘了。显示本身就是增强人类带宽的部分。 为什么会有显示和无显示的区别？有显示更多是把AI处理的结果实时呈现在现实视野中，完成了现实中交互的闭环。原来没有完成这个闭环，或者比较慢，现在完成了闭环。很多场景，不管是to B还是to C，真的需要显示。导航需要显示，大部分不太想看手机。十年前就有HUD的概念，抬头显示器，早年开宝马或者奔驰，前面有一个小小的HUD显示器，希望你在不干扰物理世界的情况下非常方便地看到，这是to C。to B那就太多了，提醒、提示、巡检，通过显示都是很好的呈现方式，这是场景下的需求。大家为什么要拿一个chatbot，为什么要用聊天框，不就是为了知道发生了什么、现在的情况是什么样。一直在语音播报，大脑容量肯定处理不了那么多事情，一眼可以用肉眼筛选。在Native AI大时代下，显示是必然的，对应着各种取舍。 AI不单是会听、会说。如果只会听和只会说，在我看来是旁观者，不参与。帮你看、帮你处理，他有话要说的时候，就像你找了一个秘书，他是个i人，很多状况都没有告诉你，效率反而更低，还不如你自己看。能够显示，理解空间并且返回到现实中，实时反馈，这是必然。很多厂商都在做各种形态的产品，行业做这么多产品，在某种程度上是验证了AI眼镜是未来的重要入口。形态上的取舍有短期的、长期的，包括商业策略的变化在内，这是大家的取舍。 刘子豪： 听下来感觉显示是AI眼镜从能听会拍走向真正理解现实世界的关键一步。下一个问题，AI眼镜很像2010年前后的智能手机，大家都在抢入口。乐奇内部最看重的商业模式是什么，是硬件销售、应用生态还是智能体服务带来的长期价值？ 赵维奇： 如果大家长期做硬件，像我做了十几年的硬件，第一个要遵循的肯定是长期主义。硬件公司跑出来的都是五年、三年以上的公司，不然就跑到另外一个品类了。华强北，短平快，今天你可能做耳机，明天就做话筒，后天就做成人玩具了，跨度非常大，只是为了生产快速变现的方式，而不是推动行业的方式。相对来说，初创原始团队都是有初心的。我们的初心是做VR，在乐奇过去十年从来没有碰过VR，初心是做眼镜形态、跟物理世界交互的终端，商业模式也是长在这里的。硬件是入口，硬件完成大规模销售，从可用到好用，大家要用起来，这是第一个规模上的覆盖。每个人都有的时候，就会有下一部分——生态拓展。一旦有技术，需求就会大量增益出来。除了本身的翻译、提词、导航以外，现在最火的agent应用之一是“比价”，这是我们生态里的小伙伴做的，在超市里看到农夫山泉的水瓶，你就问这里全网最低价是什么，答案马上就出来了。原来我们自己想不到，硬件作为入口没有那么大的用户量也就不值当，或者没有那么强的驱动力让开发者、创业者去做这个事情。所以，第二个就是生态的拓展。 第三个是更加长期的价值。我们做生态做了三四年，之前也没有Agent或者AI，现在有了Agent以后，你会发现是长期服务的角色。最后硬件买回家不单是工具，你买的不是设备，更多的是能帮你长期完成事务的能力。硬件是载体，你希望它能长期给你能力。能力核心本身要有硬件，生态要有应用。AI年代是Agent，Native Agent更多是覆盖你方方面面，而且很轻量。这一点是我们的商业模式。我们的商业模式核心是OS加生态，硬件只是长在上面。OS是为了让本身的能力能够发挥到更大的深度和广度，有更多的开发者用各种技术栈完成，深度可以接驳在线、离线、端侧、云端的模型，这就是OS的能力。生态拥抱、开放就好了。 最后一个持续的商业化策略，跟大家协同，共同把能力释放给B端客户和C端客户。 是这样的想法和定义，目前是这么想的。 刘子豪： 少卿老师，商汤一直在讲多模态大模型。商汤押注的不是某一个单独的APP，是不是让多模态进入真实场景，比如AI硬件、机器人、办公智能体等？在您看来，商汤未来真正的杀手级是模型本身还是跑模型的具体应用？ 路少卿： 模型其实决定了整个产品或者系统的智商上限，这是基础。 应用、APP或者产品，和AI眼镜或者其他具身智能机器人结合，这是入口。大家都提到了OS这一层，这一层也是目前我们在做的最核心的点。这个核心的点从基础的pipeline延伸到现在的智能体，延伸到将来有可能成长为所谓AI的操作系统。 操作系统解决的是什么？是把我们刚才所说的智商上限发挥到极致，如何管理上下文，如何更好地调用工具，如何在契合的时间点理解我们的真实意图——就像我没跟它说话，它可以理解甚至主动跟我说你是不是要干点什么事。这一层系统是未来的核心。 这套系统，回答的是Agent如何从纯数字世界晋升到物理世界真正的协作者，到底能不能当我的助理——真正的助理，不是在聊天框收我信息的助理。现在的智能体都是基于深度思考的逻辑，多轮调用、持续思考、决策再执行的过程。但在这个过程中，这一类深度推理的信息都给我，我也不想看，我做研究可以分析推理过程，但从用户的角度，我只希望在合理的时间告诉我是否需要我介入帮忙，或是直接对我说“我搞不定了，你帮帮我”等等。 对于商汤而言，我们不单只是做模型，也不单是跟下游的硬件厂商合作，而是我们要深度集成现有的模型能力，让这一套从文本交互的逻辑真正晋升到实际改变人机交互策略的系统。 刘子豪： 能不能举一个商汤曾经判断这个场景特别值得做的例子？怎么发现这个需求？ 路少卿： 我举一个现场的产品，今天负责主持这场大会的商汤商量AI讲解大脑。之前我们判断一个场景，我个人感觉不只是商汤，很多创业者的判断逻辑都是一样的。需要定义一个问题：首先，这个问题是否是高频问题？只有高频问题才值得解决。第二个，高频问题是否有价值。第三个，有价值的积累是不是可复制。我们是靠三要素决策这个事情值不值得做，有价值才能衍生出一个产品。 AI讲解大脑的系统为什么做？也是从这三点来的。 这两年具身产业高速发展，但除了表演演绎场景，也可以为他拓展更多的商业价值。机器人需要真实进入到无论是B端业务中还是C端场景，要解决它们真正的应用，要解决刚才谈到的问题。这些问题解决后，才能保证整个实际最后一公里的应用。 刘子豪： 接下来我们进行快问快答环节。我抛出三个问题，请两位老师分别回答一下。第一个，杀手级AI产品到底是硬件入口，还是软件，还是Agent？ 赵维奇： 首先，软件、硬件都不是，要看谁最后完成闭环。最后一定是场景做闭环，这才是真正的杀手级产品和场景。没有Agent的硬件就是硬件，没有硬件的Agent，可能只是一个聊天框。你要放更多的入口，软件、硬件、Agent，大家要协同完成闭环，这就是最终的形态。 路少卿： 我跟老师刚才说的逻辑基本是认同的。我会有一个先后的顺序。我个人认为，硬件是入口，肯定是先行，先把硬件铺下去，用户才能用硬件里的软件。什么时候它成长为杀手级的应用，不再是单品的火爆，取决于于它真正融入比如C端用户的生活，黏性足够高。在入口铺下去以后，持续提供的功能能让用户持续留下来，这样才能最终成长为杀手级的应用。 刘子豪： 第二个问题，下一个杀手级应用，是会先在C端还是先在B端？ 路少卿： 我个人而言做B端比较多，我觉得B端更多一些。无论是C还是B都有可能，要看业务和产品形态。 举个例子，还是拿我刚才说的与具身智能的结合为例。以产品形态来看，我个人觉得在跟真实物理世界交互结合上，智能体、硬件的升级，在B端有明确的边界效应。C端应用落地的要求远比B端要高，因为B端是相对可控的垂直场景。所以以这个场景为例，还是在B端打磨相对成熟以后会更好。换一个产品形态可能是反过来的，具体要看产品形态。 赵维奇： 看你怎么定义爆品。C和B是完全不一样的场景和目标。C端更多的是规模场景，意味着大量人使用，大量人使用肯定是跟日常使用强关联的，高频的，能解决实际问题的。B端，我们也做了很多B端的，付费意愿更直接，ROI算得更清楚，一旦有这个场景、功能、解决方案，真的会直接付费，他已经想清楚了。一个算术问题，C端还是B端就和产品形态有关。越来越多的AI都是服务某一个人群的某个需求，这部分就看是不是在这个品类里爆。 乐奇过去十年，之前都是B为主，C我们一直在做。眼镜本身为什么不一样？我们一直做人机交互，人机交互的本质是人和机器如何友好沟通交互。一个工人拿着B端的解决方案在工厂里完成他的工作，也是要有人机交互方案来完成工作，这从本质上也是一个to C的。B端和C端在产品定义上商业的时候是区别，但是在用户角度上最终都是人机交互，现在不要炫技，要解决实际问题。只要解决实际问题，有一个时间点，技术的迭代、行业推进，包括硬件、供应链的迭代，在一定程度上把这个品类用你新的技术和解决方案覆盖了，某种程度上就是爆品。也许一千就是这个行业的上限，也是爆品。要拥抱真正解决的问题，思考真正解决问题的解决方案，这才是最重要的。 刘子豪： 第三个问题，刚才聊了很多什么是杀手级产品，在二位看来，什么样的产品注定不是杀手级的产品？ 路少卿： 什么是杀手级应用，什么能演进为杀手级应用？现象级的应用很多，大家每天都会看到爆点，今天这个火了，明天那个火了。现象级应用像从漏斗里十选一、百选一，还是我们刚才一直讨论的问题，它可能在单位时间内形成爆点，爆点能不能为它带来持续的流量、商业价值，这才是核心。 举个例子，现在有些做应用的公司，可能会做一些套娃，短期会实现爆款。为什么没办法成长为所谓的杀手级应用，是因为那是挣快钱的逻辑，不是做产品。真正的产品要长期给用户提供无论是情绪价值还是真正的价值，这些才能给用户持续的黏性。以此类推，刚才举例子的产品，可能都不是能成长为杀手级应用的备选产品。 赵维奇： 不存在注定成不了，成的概念也不一样。所谓“杀手级”，不是只有一种形态。有一些杀手级产品，可能一年只出现一次，只解决一个特定人群、特定场景、特定任务；也有一些是高频的、持续完成任务的，它的角色决定了它要做什么。哪些比较难？我觉得是套壳。当前时间线上，套壳的价值会越来越低。随着大模型的发展，很多泛化功能都会被大模型吸收，AI应用很难跑出来。今天有一千个用户，第二天就涌到其他平台上了，最后完成商业闭环，钱付给谁？就像运营商一样，最后用户会回到底层平台。从这个角度，身边很多朋友一开始做套壳，后面做2B，一定会往深场景、深工作流里挖。 硬件方面，弱交互的智能硬件，本质上也是接一个模型、套一个壳。现在市面上有200到300个品类，从80到3000都有，本质没有太大区别，只是受众群不一样。这些是不是有价值？有。是不是长期的产品，是不是杀手级？杀完以后留给行业的是不是一个新品类，能不能留在牌桌上，是另外一个事情。大家做创业公司，如果想做杀手级产品，要想好自己的定位：我是希望自己干出一条血路，验证一个方向，成为行业先锋；还是希望持续留在牌桌上，做长期平台和长期价值。 还有一种慢，但是它可以做持续深耕，很多大厂是这样，这也是一种杀手级能力。AI时代，创业者本身或者大厂做产品的同学要思考是短期还是长期。另外一个，模型能力真的很容易追平，今天是A家，明天就是B家，没有真实场景也很难生存。付费意愿是你解决问题才能付费。 第三个，数据留存是接下来AI所有硬件、软件的核心。最后你表面看起来功能很强，各方面很强，增长到比较大的阶段，用户就会想我的数据留在哪里。AI是有上下文的，有个性化的，如果长在一个平台上，后面持续才能发挥AI最大的能力。如果不是，你切换成本是很高的。这是不看好的。一个是套壳，一个是相对短期的，还是要形成长期的商业价值。 刘子豪： 下一个问题，在押注的赛道当中，分享一个目前最接近杀手级的场景是什么？ 路少卿：现在有很多AI工 具，在辅助办公时候，聊天框里的能力几乎足够了，但是在聊天框里积累的能力拿到真实的物理世界交互，以我当前的状态判断，今天为止还不足以支撑在物理世界的交互。我个人从技术和产品整体解决方案的判断来看，在12个月以内，AI是可以从聊天框走到物理世界的。 一方面，随着海外大厂和国内大厂在这些领域持续长期投入，包括我们自己的产品也在持续升级迭代。我们可以看到，之前AI好像傻傻的，只能一对一交互，现如今可以逐步进入到多人交互的场景。多人交互的场景，AI要具备做哪些事的判断——就像现在这个场景，如果我是AI，今天本人没空，我作为AI助理 代为发言；有一些问题，我需要用一些风趣幽默的逻辑来回应。这些判断不仅是基于文本prompt，而是AI这套系统怎么真实理解、观测到所有显性的信息和隐性的信息，去完善它跟物理世界的交互，这个是它在解决数字问题以后接下来需要重点关注的问题。 我也相信在未来12个月内，在这个领域会有相对比较重大的突破。 赵维奇： 本身都是短期的，不存在长期的解决方案，除了to B。AI本身的能力上限就在于上下文、个性化、记忆。如果没有足够大的记忆，就像人类成长一样，你在小学的时候看不出来，有可能是学渣，最后长成学霸。在小学六年的上下文不足以支撑他智慧的涌现，到了初中、高中，有更多的知识图谱出来以后，有些人的强项就会被激发出来。AI也是一样，AI类似于人脑的处理，如果没有足够多的上下文——为什么我们要做硬件、多模态，最终目的是为了提供在当前场景下、当前状态下最适合的反馈和解决方案，而不是通用的解决方案。通用解决方案任何大模型都会吃掉。只有你会做个性化、离线、在线或者做你自己的上下文，场景下的上下文或者B端客户的上下文，再加上多模态实时，留存的时间多一点。 在我看来，短期不是一个坏事。一个花园里有很多草、树木，有一些花草的生命周期很短，但是一直在迭代、进化。进化的本质就是死亡，只有死亡才能进化，不死亡不会进化，你一定要死亡才会进化。有一些百年老树、百年老的品种才能适合这个场景，在整个品类里就一到两个，不是所有人都能生存下来，环境里有大的突发事件发生。 我个人觉得，我们很早就布局了。我们这样的角色现在要做的是帮助合作伙伴和开发者提供更好的平台。我们有一个后花园，让大家可以生长；我们会提供一个相对长期在线、跟物理世界相连的平台，包括我们跟商汤长期合作，有集成在一起的能力给到大家。大家在里面，今天你做出一个杀手级应用，明天他做出一个杀手级场景，这个才是生态意义上的“杀手级”：持续给产业、行业、人类世界输送价值。原来这些很难做到。如果在场有程序员，我以前也是工程师。过去工程师需要很多背景，比如技术背景、项目管理背景、计算机背景，现在AI把很多门槛降下来了。这些人的价值怎么释放出来？他们也可以做杀手级应用，这就需要平台。这个平台可以承载非常垂直的功能，也可以承载非常泛化的体验。接下来，我们要提供多模态的、能够跟物理世界相连的、让大家随时看到高频刚需并快速生产工具、应用和体验的平台。这个平台上一定会出现无数个“杀手级场景”，这是接下来12个月能看到的。就像现在Vibe coding到了一定涌现阶段，给孩子做一个工具，可能也是一个爆品；给父母、给某个行业做点什么，也可能成为一个高价值应用。这是当前AI时代行业从业者需要认真思考的。 刘子豪： 经过今天的讨论，杀手级的AI不是单一模型或者单一硬件、单一APP，其实是由多模态底座、AI原生智能体、可穿戴三位一体的形态。谁先把看得懂、听得懂、会协作、随身带做到极致，就是下一个杀手级应用。 我们今天的圆桌就到这里。
稀缺的，到底是懂AI的人，还是懂业务的人？ 一个反直觉的判断——懂AI这件事正在快速贬值，而能在关键低频决策中做出判断的人，才是未来的稀缺品。高频重复的工作最容易被AI替代，但在打造爆品、建立品牌等低频高影响力的决策上，人的判断依然不可替代，企业AI转型的最大卡点也不是技术或数据，而是“想不到应用场景”， 当前AI的利润大头仍在基础设施层，应用端的ROI尚未完全释放，但拐点会比预想来得更快。 以下为圆桌对话内容，经36氪整理编辑： 郑王宇丨36氪基金投资副总裁（主持） 龚毅丨尼尔森IQ 通信及科技业务总经理 罗飞丨华科智能AI研究院院长 林海卓丨卓源亚洲创始合伙人、董事长 郑王宇： 各位老师好，我们今天一起讨论“当AI进入产业前线：未来最稀缺的AI人才会是谁”，谁会是行业的新贵。把行业翘楚聚集在这里很难得，请各位嘉宾用一句话亮个相，并带着您的视角参与接下来的讨论。 龚毅： 大家好，我是尼尔森IQ的龚毅，我们所处的行业是数据洞察行业，今天我谈论的点从这个行业出发。 罗飞： 大家好，我是华科智能的罗飞，是一家港股上市公司，主要做投资。我所在的研究院主要是赋能传统行业的AI转型，做培训、咨询和陪跑。我们有很多传统老板怎么升级的痛点，今天也跟大家分享一下。 林海卓： 大家好，我是卓源亚洲的林海卓，我们主要是一家聚焦于人工智能、半导体、机器人的投资机构，聚焦于风险投资市场。主要投了轻舟智能、江行智能、沐曦集成电路、小马智行这些代表性的硬科技项目。 郑王宇： 三位专家都是不同的视野。在过去一年里，AI从模型能力的竞赛进入到产业场景落地的环节。我们现在看，无论是消费零售、企业管理、制造、金融、医疗各行各业，包括创业投资，AI的价值不仅取决于模型参数和技术指标，更取决于是否能够进入真实的业务流程。说得大白话一点，现在的AI要进入整个产业的前线，影响决策执行甚至是商业落地的结果。这个过程中，新的问题就变得更加迫切了——当AI工具变得越来越普及，真正稀缺的人才是什么样的？最后一个圆桌，希望从企业竞争和人才角度出发，讨论AI抵达产业前线的战壕后，人与机器、专家与工具、组织与个体之间整体的分工与变化。 先进入第一个问题。在这个过程中，不只是让员工多一个工具，而是开始影响到消费者洞察、产品创新、供应链、渠道运营、客户管理等决策环节。哪些工作在各位的视角看来是最容易被AI重构的？哪些环节适合AI，但实际落地又是最难的？先请林总。 林海卓： 我们目前有一个观点，在投资过程中，好的问题提出者依然是有壁垒的。目前来看，知识高度密集型的领域天然有一个特征，知识体系比较容易进行结构化描述，技术结构用代码化去表述，相对会有一个清晰的边界和对与错的判定，在这样一个逻辑下，比较符合现在人工智能解决问题的范式。像会计师、律师、程序员，在当前的情况下是比较容易被新技术替代的。但好的问题提出，还是需要人的引导。我们现在看到的是机器人、各种各样的Agent，包括喂养龙虾，还是需要从0到1推进的那一步，让它更好地做某一个你给它限定范围的事情。各个行业提出问题，或者结合这个人本身在行业中过往的经历，提出交叉学科前沿的想法，引导一个模型朝着这个方向积累，是未来比较容易构建个体壁垒的事情。 大家更容易理解的是，围绕着体验的领域或者是情感领域、感性层面，心理学家、心理咨询师是不是也被AI替代？旅游体验师、旅游导游和具身智能场景相结合，具备丰富个性化、场景化体验的这部分，AI替代还有相当长的距离。从从业角度，AI更好的是赋能，而不会马上进行职业替换。大概这两个维度。 郑王宇： 投资人的视角相对宏观和全面，深入到每个行业的细节，罗院长，您在实际观察产业落地过程中，哪些行业容易被AI替代，哪些环节比较困难？ 罗飞： 现在AI 2.0我们在应用AI大模型的能力。AI大模型本质上是推理引擎，我们认为以前人在推理的地方，都能挖掘到很多应用场景，看推理的过程是不是由AI来做。我们总结三个特征。重复，才有用AI的价值；标准，每次推理、思考、行动的过程有标准可言；熟练，是指这个企业里有熟练的人能把这个工作说清楚，我们需要把熟练的人的经验萃取出来，给AI大模型配好工具，让它来替代这个事情。这是一个维度。 另外一个维度是工作环境。越是在电脑前工作，越容易被替代；越是跟人打交道的工作，越不容易被替代。在电脑前重复地查资料、想方案，不管是写成Word还是PPT、Excel，重复的查、想、写的工作，龙虾发展的能力越来越强，又能够控制电脑去做这个事情，电脑前的工作就会越来越容易被替代。越靠近人的、越靠近市场的，越不容易被替代。我们看见人的能力要往左移，左边是市场、客户，右边是后台流程，人的能力加上AI过后要不断往左移。 郑王宇： 意味着沟通、协作、洞察变得更重要了。我提炼出您说的三个关键词，重复、熟练、标准，有这些特征的环节更容易被替代。龚总。 龚毅： 我的点和前面的嘉宾一致。我们服务的客户是500强客户，服务的领域基本上在品牌营销、产品创新和零售以及客服方面。我们看到的点会把它化为矩阵：一个轴是频率，两位嘉宾都谈到高频和低频。 另外一个轴是决策的战略性、重要性。最容易被替代掉的，频率越高会有大量回馈，数据很多，AI很容易学到经验，每次往复会做强化学习，AI能学到。对于低频，尤其是低频重要性高的事，很难替代掉。为什么在品牌营销领域会看到大量的广告投放复制，自动化程度非常高？从最初的创意到创作，到KOL投放，评估闭环，很运营化了。直到今天，我们仍然是说，你要做具有溢价的高端化品牌，做年轻人的品牌，或者在跨国文化、西欧、印度出海的时候，跟当地消费者引起共鸣的品牌，频率不高且影响巨大的事，我们还是看到AI很难解决，这是整个社会很稀缺的事。 郑王宇： 下一个问题，现在企业AI能力的落地阻力来源于哪里，是来源于技术、数据积累，还是组织惯性导致的？龚总可以从服务客户的角度来讲这个问题吗？ 龚毅： 基础肯定是数据。直到今天，我们的AI已经会上搜索，已经会执行很多工作流，从skill的角度已经达到七八十分的水平，但仍然有很多幻觉在里面。幻觉本身基于我们怎么把有效数据给AI，在对的工作流基础上不会产生幻觉。在行业通常会发生的事，大家觉得以后不要做调研了，有一个想法不用做调研，只用问一万次AI，那就代表一万个消费者，我是不是可以基于这一万个调研，就形成我这款手机、冰箱是不是可以在市场上有比较好的表现？我们做了大量验证，会发现不是。 第一个，你问AI是不是足够有代表性；第二个，每一次问AI，它是不是嵌入到我们具体的数据来回答问题。比如你是丁克或者四世同堂的家庭，你回答问题的时候，AI是不是代表了这些人的需求。最后加总起来，回到消费者说十分，九分是特别喜欢，九分到底是代表市场成功还是十分才能代表成功？一系列专业的点不合成起来，就会发现你问的东西都似是而非。不够高频的情况下，企业很难决定我是信还是不信。我举这个例子，总结起来，企业本身的流程会有很多专业点，这些专业点需要被解决，或者被AI解决，或者被其他方面解决，但AI赋能整个流程有很多要求。 郑王宇： 罗院长，您觉得整个AI在公司里落地，阻力来自于哪里？技术、数据还是组织惯性？ 罗飞： 更多来自于组织。我们看到AI技术每年发展突飞猛进，做AI行业技术的人都会感觉马上AGI都要来了，AI的能力一年比一年强。但企业落地，我的感知没有那么快。企业落地还是有很多阻力，还是组织对于AI的认知。我们过去两三年服务了十多个行业里的龙头企业，这些龙头企业偏传统，比如地产、金融、大健康、餐饮。我们都会调研一个问题，我们认为AI在企业里落地有两个卡点：粗阶卡点和高阶卡点。粗阶卡点，企业想不到更多的应用场景。大家都说AI很厉害，回到企业，我问这些企业的员工或者老板，你们能想到多少应用场景？他们想不到更多的应用场景，我们称为粗阶卡点。高阶卡点，企业可以落地应用场景，但落地以后不见成效，投入不见成效，内部员工不愿意用，外部客户也不愿意用。 我调研发现，虽然AI技术发展很快，入企发现大量还是在粗阶卡点。AI的能力已经这么强了，从业者都觉得能力这么强了，大部分企业还是说找不到应用场景，这是最大的卡点。找不到应用场景很大的原因是企业没有把对AI的认知拉起来，也没有深入业务分析，或者有惯性思维。现在AI处于AI 2.0，大部分企业有1.0的思维，认为用AI必须要有数据。 我们提出一个核心的观点，企业AI转型实际上是人才转型。企业要从数字化思维跳出来，形成AI思维。数字化思维阻碍了现在很多企业去落地，认为落地AI有很多前提条件，要数字化，要好，要有数据，要有技术。这些前提条件都阻碍了企业把它的应用场景认知给打开。这是我真实体验到的巨大卡点。 郑王宇： 越大的公司，阻力来自于组织机构的越多。不知道创新公司怎么样，您观察到的呢？ 林海卓： 我们从整个行业来看，投资回报率还没有那么高。很重要的原因，在历史上是可以找到对应阶段的。在2000年互联网泡沫之前，曾经有一度全世界市值最高的公司是思科。在互联网早期，谷歌等很多企业诞生之前那段时间，造互联网高速公路，核心交换机曾经做到过市值最高的企业。英伟达、博通都在这个市值占据主要位置，恰恰说明了人工智能大的利润来源，我们感觉到还是用于构建基础设施。很多时候投入人工智能，无论是企业还是超级个体，在投入人工智能做投资的时候，ROI相当一部分成本变相还是给到了基础设施。至少当前是基础设施拿到了相当大的利润，也跟目前全球范围内德意志银行今年年初说的一句话相符：短期缺算力，中期缺能源，永远缺存储。这反映出在人工智能发展的现阶段，基础设施还是切走了大部分投资端、利润端，应用还是在不断追赶的过程中。 大家接触到的大模型，如果泛化到绝大多数的网民，大家接触到的大模型或者人工智能，更多还是搜索引擎的平替。现在打开脑海当中意识流想到的问题，不一定用传统的搜索引擎，直接问DeepSeek或者元宝、千问、豆包，会产生这样的效果。大家还是把AI当成一种检索、搜索引擎替代的入口。真正接入到业务流端，炼钢、炼铁、重型工业、半导体、先进设计，借助一款人工智能的工具来帮助我在非常垂类的领域，无论是业务流侧还是深度构建高精尖知识know-how，并且反向反哺我做这项工作，确实还早，至少两三年的时间周期。因为大模型，这个领域的从业人员需要投喂大模型我感兴趣的问题。在这个过程中，大家开玩笑说我还要PUA我的大模型，你怎么这个技术知识都不知道，我的意思这个问题应该怎么看。智能体接触到以后，会不断积累在这个垂类特有的知识库结构或者行业常识的结构，投喂需要相当长的时间，但出现拐点也会比大家预想的时间节点要快。 整体来说两部分：一部分是高精尖价值知识图谱和垂直行业当中对应的信息，智能体还在投喂和培养；基础设施是未来几年大家主要关注的点，大基建并没有做到冗余，变相的很多成本要由早期吃第一个螃蟹的人分担，综合影响了ROI。 郑王宇： 林总给了我们一个非常重要的提醒，任何一个行业的发展都要看到阶段性，我们要分现阶段和未来的潜力。现在AI会让行业集中度更高，也有人说AI降低创新门槛。AI会让头部企业变得更强吗，还是给新进入者更多的机会？ 林海卓： 您刚刚提的话题，我稍微有一点担忧。最近有一本书很火，《科技共和国》，描述了我们能够想象到的场景，超级科技巨头，无论是数据能力各个方面，会出现我们现在想象不到的垄断境地。绝大多数从业人还是处于——现在来看去找他工作的，我这个工作绝大部分的能力可以被AI替换以后，我会做什么？这是哲学、社会学层面需要探索的新方向。过往乐观的人会说，失业的人总能找到新的工作，纺织机时代可以维修纺织机，不需要在一线做很多纺织工作，可以解放出来从事更多周边创意行业，或者将机器应用在其他领域，有各种创新方式来解决��个问题。 但人工智能替代无论是白领还是蓝领的工作，数量可能是指数级的。短期之内，投入到市场，未来相当多的原来岗位对应的人口，比如客服，这在中国有着六七百万的从业人数；网约车司机、出租车司机，都是当前已经明显看到替代趋势的。这一部分的劳动者怎么解决？从国家层面能看到几个迹象：依然大力提高高等教育的普及人群，解决这个问题不能让打螺丝的人去打另外一种螺丝，而是让这个人纳入先进服务体系，进入服务行业，就需要这个人有更高的教育水平，还是普及大学的从业人数。 2033年会是中国高考这一波的巅峰。2033到2038年五年期间，会在极短时间内高考人数下跌40%左右。未来相当长的一段时间，怎么做学科配比调整，包括可能有一些大学天然的从业人数会消亡，这是引导未来从业者从业方向很重要的方式。我们现在的策略从国家层面来看，依然在大幅提高理工科的比重，我一定要在全球所有的高端技术领域都有最充沛的新一代20后、30后，这是国家宏大的战略。会有更多的创意工作者，包括交叉学科方向的产生，来解决人工智能巨头带来的垄断对更广泛就业人群的影响，这是我们的考虑。 郑王宇： 林总已经提到了下一个环节需要讨论的问题——AI时代该怎么培养和评估人才。罗老师，林总介绍了国家的政策等视角，您怎么看待我们这个时代应该如何培养和识别AI人才？ 罗飞： 怎么培养和识别AI人才，从教育开始。AI最应该影响教育。我有一个切身体会分享给大家。在教育方面我们在做公益，把AI带给乡村小学，这个事情我们觉得很有意义。山村小学的校长会有疑问，校长想到这个事情，但会质疑，身边的人都跟他说，大城市学校投入很多钱落地AI都不成功，你一个山村小学为什么可以？学校老师质疑，他身边的其他校长也质疑。这个校长还有一个点没明白，他也去过大城市看过其他学校落地AI，做了很多智能体，做了很多展示，有什么用，他看不明白。很多时候市面上的智能体是套概念的智能体，真正的智能体可以干活，但这个智能体说不清楚能干什么活，就是套概念的智能体。我们不是做数字化的落地，不是帮企业建系统，我们是从人才出发。 第一个应该改变的就是学校老师。我们做公益，先让乡村小学的老师全员有AI技能、AI思维、AI能力，老师再想着怎么把AI带到课堂，让老师带着AI，在有指导的情况下带着孩子探索AI新世界。探索的方式、学习的方法，都跟原来完全不一样。这个事情我本身不是教育从业者，我的初心是把AI带给老师，让这么多教育从业者、这么多老师，他们学会了AI过后，在我们的推动和共创下，这些老师会想出新的教育方式。从孩子开始，他们变成AI的原住民，真正掌握AI的能力，而不是以前死记硬背的能力。AI时代下，死记硬背的能力已经没有效了。 未来对于一个人才的判断，不是判断这一个人的能力，而是判断这个人背后的AI班底。他能指挥多少AI跟他一起干活，AI班底的能力，同时纳入对人才的判断。以后面试也是一样，如果未来面试光说自己的能力，很难入职；如果能说出背后AI班底的能力，在AI时代就是能力很强的人。 郑王宇： 您刚才也提醒我们，我们现在也应该重视人才未来应该具备什么样的能力。针对这一点，龚总，未来最稀缺的人才，您觉得是懂AI的行业专家还是懂行业的AI专家？在您的观察中，什么样的人容易把AI用出实际的价值？ 龚毅： 前面的话题，稀缺的AI人才，是懂业务的AI还是懂AI的业务？核心点是这个行业稀缺什么。十年以前大家说稀缺，你要学程序员，那时候在硅谷大厂会有很好的前途。今天发现代码这个事可以被AI解决，这个能力不但自己和自己卷，还卷不过AI，这个能力显然不稀缺了。林总讲到，目前产业的红利都在基础设施，基础设施这个事，不管我们怎么剖析英伟达的成功因素，最后导致目前芯片的供应、HBM的供应，都是被市场少数公司垄断的。只要不在垄断链的上下游，最后都会很难受。比如手机行业大家都很难受，HBM的产能导致手机内存很贵，导致整个手机产业链的人今年都会很难受，本质是相对不稀缺。 以这个为逻辑，我们认为懂AI这个事会逐步不稀缺，也许在今天稀缺，但这个能力相对来说比较可工程化，教育上也能够可复制化。如果把注押在懂AI这件事上，几年后会比较危险，就像写代码的人现在怎么写也写不过AI。懂业务的人，要看具体懂什么业务，高频的业务也容易被AI解决。 基于这个逻辑我来推演一下：能够在关键低频但是在重要性影响很大的点上，具备综合能力的人，这样的人才是最稀缺的。比如在产品中能够打造爆品的人，谁能说打造爆品的人能够被AI替代？这个大家看不到可行的地方，需要沟通、协调、跨界。我刚才也提到，打造成功品牌的人，同样也是很稀缺的人才。 在AI时代，这些人有一个前提条件，至少懂一点AI或者知道AI带来的价值，他利用AI。这是我的理解。 郑王宇： 谢谢龚总，说到我们现在非常关心的问题。在各位嘉宾聊的过程中，发现AI已经从对话走向执行，参与到各个执行环节。罗院长也讲到，AI不能干活是伪命题，无法深入到企业当中。 最后一个问题，在现在这个阶段，我们看到AI能够参与执行阶段，人的核心价值体现在刚才各位说的方方面面。作为企业主，如何判断哪些决策可以交给AI，哪些必须由人保留？在高风险、高复杂的场景中，人机分工是不是有一个边界，以及他们如何划定？ 林海卓： 我现在直接想到的，相对不太需要担责任的领域，用AI的方式。比较严肃的场景，比如重大城市安全的方面，完全将核心决策能力交给AI，有一天可能会有这个时候，但中短期都难以实现。从社会的角度来看，提建议还是AI当前从权责利划分来看最好的角色。 还有一个纯粹的效率工具。上一波人工智能的主要应用当中，美团、滴滴，我单纯想匹配一个离我最近的空车，整个过程也不需要涉及谁来担责任，可以抽象为数学问题。抽象为数学问题以后，降本增效，更好地提升整个运转效率，这些是我们认为AI跟人的划分中，AI可以更多承接全部职责的。人类还是会做符合当前人性化或者是人为框定规则的辅助工作，或者对AI提供的若干建议做综合判断，补全信息漏洞，这是更好的方式。 从无人驾驶的角度，很多关键性技术现在已经较为成熟了，很多人诟病商业化速度没有那么快，或者依然处于高度克制的推广过程中。对于如何划分权责这个事情，还是有很多法律层面、人性层面、科技效率层面的博弈。 郑王宇： 还是要继续探究。罗院长，您在实操过程中，哪些可以交给AI，哪些必须由人来承担？ 罗飞： AI和人协作的过程中，我的思考和想法是，人脑在思考想到的工作，全都可以让AI先干一遍。类似于拿体力劳动的工具，有铲子、挖掘机，AI现在属于铲子还是挖掘机？这两种工具的用法是不一样的，用铲子还要自己的体力，用挖掘机已经不需要自己的体力。AI现在的能力，大家对于AI的能力到底是铲子还是挖掘机？如果洞察到AI能力，一定会认为它是挖掘机。它是挖掘机，我们现在很多工作就不要第一反应想着用人脑想一遍，感觉事情想清楚以后才能用AI，不是这样的。反而是事情没想清楚的时候，更适合用AI。AI用得不深，会觉得AI是辅助人干活；用得深的企业，会觉得人在辅助AI干活。AI知道自己怎么干，在干的过程中有卡点，人来解决这些卡点。 我觉得以后的工作方式会变，变的方式是，未来大部分人需不需要工作都会变，短期内有一定阵痛期，不知道人跟AI怎么相处，或者政策不明朗的时期。我们要看见，现在可能进入一个新的时代，新的时代类似于三百多年前人类从神学走向科学的时代。中国有上下五千年，有科学这个事情，全世界信仰科学只有三百多年而已，中国可能还不到三百年。以前人类全在神学，大家都信仰神学。AI发展到一定时候，有可能科学都变得不重要了，科学研究很多工作人辅助AI去做。人类会不会从科学走向新的世界？现在没有定义，但是未来人的工作生活方式，就是新时代的开启，完全不一样。 郑王宇： 会有新的变化。龚总。 龚毅： 我对AI的理解，目前还是概念模型。为什么可以把数学题本质解好，让它100%达到这个目的，人不是很清楚。 回到我所熟悉的通常要解决的问题，怎么理解因果效应。比如你做了十件事，这十件事哪几件能够影响你最后的销售，影响机制是什么样的？AI基于这个非常不擅长，到底底层的模型是什么样的，我们还看不到AI很好地解决这个事。我同意罗院长的说法，我们可以借助AI帮助人理解，但本质理解底层逻辑，人干起来还是最擅长的。 郑王宇： AI进入产业前线，并不是简单的工具迭代，需要人才培养、组织效率的迭代都能够重构上。站在当下社会前进的脚步中，观察企业如何变革，看未来整个AI行业如何发展，我相信各位嘉宾今天给了我们非常多的灵感，也启发了我们的思考。谢谢各位嘉宾。 今天圆桌环节就到这里结束了，谢谢各位。
真正AI原生的人，甚至不会来这个现场。但对于那些积极转型的20%，如何找到、培养并留住他们，这里有一本实战手册。 只有1%的企业是AI原生企业，20%积极拥抱变化，80%在苦苦挣扎；人才亦然。圆桌深入探讨了企业“赶时髦招AI人才”的焦虑、通过黑客松内部挖掘AI人才的方法、以及“事业留人、文化留人”的留存策略。 以下为圆桌对话内容，经36氪整理编辑： 帮主丨36氪《AI局内人》主播（主持） 郑鹏宇丨杭州颜柯教育科技有限公司创始人 肖玛峰丨AI招聘平台TTC创始人 帮主： 各位下午好，我是这场圆桌的主持人帮主。这场圆桌不聊技术落地的事，聊一个在座很多老板都非常关心的事——AI人才从哪里来，以及能不能自己培养。今天的关键词是“AI原生人才与产业老炮的共生手册”。这边是郑总，我认为是比较原生的AI人才；肖总是在AI+招聘+猎头领域深扎很多年的产业老炮。 两位先简单介绍一下自己和自己做的事跟这个主题有什么关系。郑总先来。 郑鹏宇： 谢谢帮主，大家好，我是来自杭州颜柯教育科技有限公司的郑鹏宇。我们做的事情是用辩论赋能表达，用表达赋能创业。 帮主： 郑总是36氪的老朋友了，我们之前做过挑战者之夜，当时是你们的团队在现场跟一个机器人进行人类顶尖辩手和机器人的辩论，蛮有意思的。肖总。 肖玛峰： 大家好，我是肖玛峰。TTC是一家创业公司，现在在用AI做招聘，同时主要服务国内的企业和AI人才。目前服务1500多家公司，同时也在服务行业里近百万AI人才，帮助他们匹配更多机会，在国内是比较领先的。过去三年多的时间里，我们陆续获得了源码资本、创新工场、九合创投、中关村资本、百度以及厚雪资本的投资。我们既是AI公司，同时也在做AI招聘这件事。 帮主： 在座两位嘉宾，一位跟教育沾边，一位跟AI人才挖掘相关。今天整场主线可以按照“AI人才从哪里来、如果想自己培养怎么教才不跑偏、教出来以后该怎么留下”这些老板比较关注的痛点来走。 第一个问题问一下二位，关于AI原生人才的定义，你们认为AI原生人才身上最戳你们的三个标签可能是什么？ 郑鹏宇： AI原生人才，第一个标签是会用AI、善用AI、惯用AI，得把AI融入自己日常的工作流。第二个跟大多数人的感知不一样，要在AI之外拥有AI所不能达到的能力。有一个能力在当下很重要——做判断。AI能给大家太多的选择，AI可能是全知、全能的，具体怎么在它给的答案里做出选择，这是很重要的命题。第三个，我们说的AI原生人才有一个特点，更多是讨论怎么落地，动手能力或实践能力强于上一个时代的人才。 帮主： 郑总说的这三个标准我自认为也算符合。但开场前肖总给我下了个判断，说帮主你不是AI原生人才。肖总你表达一下。 肖玛峰： AI原生是生来就跟AI在一起的，您前面有十几年没有AI也能活，AI原生人才是没有AI就不活了。我认为AI原生人才的定义就是没了AI就不能活。不只是人才，企业也是一样。我有一个断言，今天的企业里，只有1%是AI时代原生的企业，如鱼得水；20%会积极拥抱变化，也可以实现转型；剩下接近80%的公司都在苦苦挣扎，人才也是一样。 我们公司有一个AI原生的哥们，是OpenClaw全球贡献排行榜第四名，他现在不太喜欢跟人说话，只喜欢跟AI说话，自己有两台mac mini，天天跟AI聊天。今天最AI原生的人，他可能都不会来这个现场。到现场的同学都是对AI有很强的期待，想要改变、积极拥抱的，你们就属于20%积极转型的人。剩下连参加这种活动都懒得来的人，就属于未来也许会被淘汰的一群人。 帮主： 肖总在现场下了个比较大的判断，说在这个场里的可能都不属于AI原生范畴。刚才聊天的时候您也介绍到，公司服务了一千多家AI企业，这些企业是不是也有80%可能不属于AI原生企业，他们这些人大概属于哪些分类？ 肖玛峰： 跟我们合作的企业都是比较先进的，才会跟我们合作。我们服务的AI公司也好，也有一些传统公司他们想要找AI人才，他们都是积极主动拥抱AI或者本身就是AI原生的公司。如果是初创型，我看到有AI原生的公司，他们都很年轻，人也不会那么多，二三十个人就足够了，也融了几千万的钱，才能用得起我们的服务。我去看这些公司的时候，他们怎么找到属于他们优秀的AI原生人才，一会儿可以展开聊。 帮主： 私下聊的时候，肖总跟我们说了一些。假如有朋友想换工作，想找跟AI相关的，有一些办法，肖总可以跟我们分享一下。郑总你们属于典型的AI原生团队，正好赶上了GPT3.5大爆发，你们团队内部的人才画像是什么样的，有多少人做开发，多少人做运营？ 郑鹏宇： 我们公司算是不太典型的OPC团队。到目前为止整个公司全职的人不超过10个人，是蛮小的团队。做开发的人，目前负责开发的就我一个人，涉及到coding和产品都是我一个人在落地。这在OPC时代或者AI时代来之前是不敢想象的事情，但现在AI帮助我们快速实现了，大量的岗位都是我们一个人在顶。很少见团队疯狂招开发，除非他判断自己的业务是无限上升的，才会招大量的人。 帮主： 肖总，我看到一个数据，现在招聘市场有30%的企业在赶AI原生人才的时髦。为什么这些企业，是真的缺人，还是不懂AI？为什么会有这样的心理状态？ 肖玛峰： 我每年见两三百个CEO、企业家，遇到的企业家尤其是传统行业企业家是非常焦虑的。大家都可以逐渐感受到AI特别强，不管是海外的接近万亿美金，还是中国智谱这样的公司。智谱股价最近非常坚挺， 市值5000亿以上，这样的公司三四年时间就变得比它原来同领域的生意庞大得多。我那天看一个数据，京东员工接近一百万人，京东市值才三四千亿港币；智谱这样的公司只有三四百人，市值就已经超过了它。越是人多的企业老板越慌，不知道哪天来了一个什么东西就把他颠覆了。我跟大家讲一个秘密，大公司的老板希望知道我的员工有没有在工作、有没有在好好用AI，再一看公司AI原生的人特别少，AI Native的人他看不到，他很慌，不知道从哪里找到AI的人。 以前传统的招聘方式是通过HR用一个过滤漏斗联系那些人，顶级AI人才完全不可能通过这样的渠道找到。甚至有一些人，你找他他都不愿意跟你交流。大模型最早出来的时候是光年之外，王慧文做的那家公司，我们正好是同一个股东。老王创业第一天就让我们帮他去美国西部硅谷找OpenAI里面的华人，我们兴致勃勃地跟人交流，说中国美团老王要来硅谷了，你愿不愿意见一见，人家说老王是谁。OpenAI的研究人员不知道大名鼎鼎的老王是谁。他们是很焦虑，希望找到AI原生的人。 帮主： 我听着都这么焦虑，已经这么知名了，AI的原生人才或者00后，不爱跟你们这群老登玩，关注都不关注你们。AI原生人才到底从哪里来？亦庄有一个著名的OPC社区，也是特色，OPC是不是所谓的AI原生人才的富矿，如果想来这里挖人才，怎么才能不踩坑？ 肖玛峰： 目前大家在炒的OPC，很多都是AI原生的人，降低了创业门槛，一个人就可以通过一个Agent团队把原来要很多人做的事情做成。但另一方面AI又在拔高OPC创业的门槛，只有把AI用好的人，才能真正成为出色的OPC，也就是大家认可的OPC。我不觉得这些企业找AI原生的人一定要去OPC群体里找。OPC的人应该是AI原生的人，但AI原生的人不必非是OPC，企业里也有很多AI原生的人才。就像我刚才讲的同事，顾问出身，原来不会写代码，今天用Claude就可以自己搭出程序、工具、业务工作流。还有另外一方面，OPC这些人，我们今天看到比较成功的都是在自媒体或者做工具这些领域里，这些人有很强的主见，企业要把这些人找到组织��，不一定跟你的战略方向一致，这样的人来了以后不一定能很好地落地，可能是两种不同的生态。 帮主： 我听下来是个更大的问题。你想做一个所谓的AI原生企业，很多企业是大船型，需要断臂求生，这是非常痛苦的事。这也给我们很多创业者留下了独属于他们的机会。 郑总，你们是比较年轻的团队，从教育端来看，想跟亦庄这边的OPC社区合作，怎么产生联动？ 郑鹏宇： 关于OPC，刚刚肖总分享了很多，我就上一个问题补充两句。OPC是一个企业或者一个人、团队想要开始创业的起步形态，在这里面，OPC社区里AI原生人才的浓度是相对高的，比大多数大企业，我下一个暴论，是高得多。很多时候去OPC里挖的人才，不是负责某一个岗位，更多是可以在企业里进行内部创业的人才，可以去OPC找。我也认识很多一开始从OPC起步，逐渐走向更高、更大团队的伙伴，他们确实实现了这个事。 教育端怎么跟OPC联动？分享我们自己做的事情。我们现在会组织黑客松比赛，天然和OPC模式紧密相连。黑客松给大家链接自己的伙伴、战友的机会，给大家一个时间和平台去完成开发。很多OPC团队都是在黑客松之后，几个小伙伴觉得志向相同，组建OPC往前走。在这个事情上，黑客松是可以跟OPC联动的好方式，OPC社区也在组织属于自己的黑客松活动。 我们做的事情还有组织全球大学生辩论赛，每年会有两百多家高校参与。辩论赛也是非常好的筛选人才的机制，尤其是OPC人才。OPC虽然是小团队，也是一批创业者，表达是创业者最不可或缺的天赋之一，你要向大家表达清楚你公司的战略、意图是什么。这个地方我们也在探索AI创业辩论赛，用辩论赋能表达，用表达再赋能OPC们，让他们做好自己产品的同时，也能有机会把握住、推销自己的机会。 肖玛峰： 他这个很启发我。大家想一想，OPC的人从哪里来？大学生毕业就在做OPC创业，很大一部分人是从大厂、中厂跳槽出来自己干OPC的。对企业来说，与其到OPC里找人，不如在公司里做一场黑客松，早一点发掘对AI特别拥抱、还能够结合企业本身业务做出AI创新的一群人，让他做OPC，引导到公司主营的战略方向，参与到产品和业务AI转型的设计里，这可能是发掘AI原生人才很好的机会。 帮主： 我们36氪最近在内部一方面做各种各样的分享，另一方面也在搞一些活动，希望大家能够手搓AI应用，还给你评奖之类的。也能看到，媒体公司想转AI的时候，我们过去比较传统的模式已经天然存在了，怎么办？就先通过散点的方式来培养、挖掘、发现。 我想起昨天刷到一篇文章，Agent来了以后，闲置下来的人力去哪儿了，怎么办？我发现一个问题，散点发生AI以后，一定有一些部门、个人效率非常高。如果站在老板的角度，他说你剩下来的时间能不能再精进一些业务，他该怎么看待这个事情，闲置下来的人力该怎么盘活？ 肖玛峰： 我不太关心这些人去哪里了，这个是政府要关心的事情。 帮主： 闲置下来的人力。 肖玛峰： 我们服务很多企业，我但凡遇到哪个公司说他们公司有五千个开发人员，我都不需要跟他聊得深入，三分之一、百分之二十的人可能是要被淘汰的。这个有点残酷。我见到好的企业的做法，干脆就用一个考核，你就用Claude做编程，会的继续留任，不会就裁掉，这是一种。 另外一种，效率提高以后，空出来的时间更多是在探索新的项目，还是其他时间在摸鱼，这是每个老板需要考虑的问题。好像你的人都在用最好的AI工具开发，做完的项目却没有那么多，问题就非常多了，成本支出是实实在在的。既然提高了效率，就让大家把剩下的时间拿出来一起共创新的项目，每个人都想一想原来可能没时间去做的新的idea，在组织里把它做出来。对于老板来说，要调整分配机制和绩效，不然员工没有动力去做额外的工作，只是让自己花了更少的时间完成业绩，其他时间干别的事了，这是一种可能性。 帮主： 这是从上到下一把手工程，不然人肯定是有自己的想法，在任何组织里无论大小都夹杂着自己的欲望和想要的东西。像您说的，如果这个公司的业务市场还有80%没有抢占过来，就应该让多余出来的同事给他高的绩效，让他主动征战，为你跑马圈地，把这80%啃下来。有一些老板发现自己公司的员工看似在摸鱼，用了AI以后，有一个问题——你的公司值不值得这么大的投入？很多公司投入了大量的token但没有增效，个人效率确实上升了。前段时间我朋友圈有一个朋友跟我开玩笑，他们公司也想根据token消耗量来发年终奖，两个月前公司倒闭了，这是一个真实发生在我身边的事。 郑总，你们毕竟做教育和辩论，这个东西能不能变成卖给企业的方式？通过辩论帮助员工也好、帮助公司也好，让他的业务发生改变，有没有这样的可能？ 郑鹏宇： 是完全可以的。今天的主题叫作产业老炮和AI原生人才，这两者之间很多时候天然会有对立的感觉，一种可能相对传统，另一种站在当下追赶潮流，就像肖总说的可能他都不愿意跟人对话了，在交流上会有一些问题。但在企业里，协作还是一件非常重要的事。 辩论是一种非常好的打破对立的手段。有一点反常识，辩论不是天然对立的，有正方、有反方。因为辩论很多时候不是站在自己原有的立场上完成一道辩题，很多情况下你会被分配到甚至不认可的立场上，你要尝试理解这个立场，尝试了解这类人群在想什么。当这样的化学反应发生时，大家开始了解我对面的这群人，他们每天的工作在想什么，他们为什么要这么做。所谓的产业老炮和AI原生人才之间的隔阂或这堵墙，通过强制对立中的换位思考，反倒打破了对立。让大家在对话过程中既锻炼了自己的各项能力——数据收集能力、逻辑推演能力、语言表达能力，这是训练的一部分。 更好的部分是，某种意义上完成了团建的化学反应，让原本不会换位思考的这批人强制完成换位思考，打破两类人之间的隔阂。这是辩论在企业场景中能够做到很好应用的地方。 帮主： 郑总回答的内容正好契合我下一个问题——AI人才怎么教育才不会跑偏。通过辩论的方式挺好。您刚才提到的方式，AI作为教练发问，而不是像豆包那样直接要一个“你帮我写一篇文章”的结果。大模型根上带来的幻觉你是永远没有办法根除的。我也跟直播间的观众说一下，下次不要找AI要一个结果、答案，而是你扮演苏格拉底不断追问我，直到让我把这个事情想清楚，你自己完成这套方案一定是非常棒的。 怎么培养人，肖总，刚才在嘉宾间聊天的时候您说到，很多人才面试的时候或者VC在招人的时候，会直接抛出一个现场的问题来让人才去做。站在招聘者的角度，我应该怎么自我培训？您现在就可以分享好的面试方法。 肖玛峰： 教育我不太擅长，招人更多是筛选。企业招人都是在筛选人。怎么筛选？找人其实就是触达、判断和转化，判断就是筛选。我看到有不少客户他们对人才的判断，举个例子，最近有一个客户是VC投资机构，他们招投资人。很多VC我说实话，他们投AI，自己的公司一点都不AI。他们招投资人的时候提了一个要求：你用Agent搭一套VC业务流，可以是原来的业务流，也可以是你自己创造的全新业务流。VC投早期项目，找人才的Agent是一定不可缺少的，也可以加上你认为比较重要的Agent业务流。用两天时间把这个东西搭出来，你能够把这个搭出来，这个答辩就能过。如果搭不出来，还用传统的方法来做，他就认为你不是AI Native的人，意味着你跟真正AI优秀的创业者对话都非常难。这是他们用来筛选的机制。 我们聊天的时候谈到，在美国、在中国都有build in public的做法。有一个女生求职，是做营销方面的，她想去一家化妆品公司，就在TikTok和Ins上做了一套这家公司的营销方案，未来六个月的营销策略、怎么投流，她搭了一个Agent，直接录屏在TikTok上发出来，@了那家公司的CEO和COO。对方看到了，这个人就顺利获得了offer。现场给人家展示，你去求职的时候，面对面试官，直接给他看一下你用Claude搭了什么样的工作流、业务流，哪怕是你自己做视频号、公众号的东西，对方都会觉得这个人是AI Native。我的客户稍微年纪大一点的，40往上的人，看到这样的人才时是抑制不住兴奋的，就想要这个人，觉得我们团队就缺这样的人。这是通过面试的办法。 帮主： 这个跟过去招聘的面试流程不一样了。你想获得好的结果，不一定非要把简历包装得特别好，当然这也很重要。跟过去不一样的是，我有了更多的自主权，我先成为一个builder。AI时代极大利好这些社交平台，你需要build in public，在社交平台上经营自己的品牌，发你的东西，可能会在AI时代迎来新的爆发。 接下来聊一聊怎么把AI人才留住。郑总，你们团队的年轻人比较多，如果发现跟AI强相关的人才，你们是打造什么样的企业氛围或者做了哪些事，让这些人才愿意跟你们一起玩？ 郑鹏宇： 之所以很多时候能留下一个年轻人，因为老板也挺年轻的。除此之外，这和刚才帮主问的问题息息相关。AI来了以后大家的效率猛烈提升，对于人才或员工的考核标准也会发生很大的变化。对于我们来说，我们是非常弹性工作的团队，没有准确的上下班点。可能我们周四说活干完了，周五就放假休息。如果你能用AI提效，这就是你的一方天地，有可能你一周只上三天班，这三天把你的事情做完，周五、周六、周日都是你的假期。我们团队很多人不只在我们团队打一份工，还有自己其他的事业，还有第二第三份工作。在我们团队里创造相对开放、自由的氛围，大家会愿意来，觉得我AI的能力得到了尊重，而不是知道我会用AI，就不停让我用AI帮公司提效，我自己没有得到什么好处。这是我们团队的经验。 另外一种简单直接的方式，大一点的公司，你让人家还正常地按时按点上班，那你就多给钱，钱给到位了，人就留下来了。我们是小公司，给不起那么多钱，我们就给相对自由、尊重的氛围。 帮主： 肖总，钱给到位，对于留下人才来说占比的重要性有多少？ 肖玛峰： 有用是有用的，但钱到了一定层次，你说是给他180万还是200万，差别不大，不完全是这个东西。我回应一下郑总，你刚开始创业，我是老登，我讲一点我的认知。不管什么时代，人性是不变化的。中国人讲智慧，这个时代的智是非常强的，但慧——对人性的洞察是不变的。留人就是几个事情：事业留人、待遇留人、情感留人、文化留人，就这么几件事，这是永远不变的。事业留人，你的事情成功的概率有多大，他到你这里工作是不是能获得认知的成长，最后收获事业型比较强的人。如果你用钱留人，收获的就是对钱最敏感的那群人。钱肯定不能委屈了，但对于最优秀的AI人才，钱不是第一位的。 情感留人和文化留人，文化留人是我特别想说的。就像您讲的案例，我们公司非常人性化，到了周五就可以有自主权，最后吸引来的就是想要自由、不卷的那些人。你说他们是斜杠青年，有其他工作也可以接受。我认为AI时代，哪些公司应该极致地卷——不是内卷，而是看到最厉害的公司，不管是DeepSeek还是美国硅谷那些公司，最优秀的公司都非常卷。马斯克的公司特斯拉，就会吸引最顶级、对成功充满渴望的人。 文化留人，你这个公司的这群人是不是也是别人向往的一群人，就会决定顶级人才来不来你的公司。很多员工就是因为直线上司的水平不够，不能帮他提升认知或者各种各样的原因导致他离开。原因很多，归根结底就是人性。怎么找到对方的需求，任何人都有需求，找到他的需求，你有那个供给，你就对他有权力，你就对他有吸引力。 帮主： 职场上有一个现象，往往是越大的公司做事越困难，困难的点在于90%的精力跟这件事无关，跟人沟通相关。OPC也好、AI原生人才也好，公司里有这么一个同事，不爱出来跟人说话，天天跟电脑、AI交流。像这样的人，技能点点满了，但在过去传统招聘的标准来看，情商差点问题。组织要留这样的人才吗，或者什么样的组织要留这样的人才？ 肖玛峰： 我有一个观点，不一定对。情商的背后是智商，你看到一个人情商低往往是智商有问题。还有一种可能是这个人智商很高，不屑于跟你用情商。如果那个人在AI做得非常好，这个人不是智商低的人，应该是智商高的人，不屑于跟你用情商。 如果企业在AI时代特别Native的人或者优秀人才是稀缺的，反而要有一定的包容性，使得这样的人在你的组织里发挥作用。要想办法给他找到创新机制。大企业也想做AI转型，很可惜我还没有看到特别好的大公司实现大组织的AI转型做得很成功。他们把它变成小团队作战，把团队打散，变成三五个人做一个项目，一个项目从有想法到demo出来、落地，几个月的时间，这个项目成功继续往前做，看不到希望就把它关掉，把团队打散重新干。如果各位老板可以在这方面做新的探索，找到创新的机会，这些人通过公司内部黑客松的方式聚集在一起，找一些新的项目让他们尝试，也有机会跑出新的范式，也能留住更好的人才。 帮主： 非常认可。我个人非常喜欢谷歌开发的工具Antigravity（反重力），他意识到大公司存在本身就是一种壁垒，一直在伦敦，招人、财权都比较独立，我们才能看到在这么一个相对僵化、官僚的超大型巨头里能够诞生世界级的大模型，这是给我很深印象的案例。 刚才聊了很多是站在企业的角度，咱们也给一些想成为AI原生人才或者想积极拥抱AI的朋友小建议。如果让你们给刚入行的原生人才说一句忠言逆耳的话，可能是什么？ 郑鹏宇： 我回应一下肖总说的。给大家相对自由的氛围不代表不卷，大家在周一、周三的晚上有大量的灵感迸发，已经卷到飞起了。我希望营造的氛围或者说大家需要的氛围是，当我在周一、周三卷过了以后，我希望在周四、周五能够尊重我时间上的自由，尊重我意愿的自由。 建议，对于AI原生的那群人：第一个，保持好AI原生的动力和这股卷的精神。AI原生这批人真的很卷，不停跟着时代往前追，上个月连续发了四款大模型，一款比一款爆。AI Native那群人不停尝试、测试、学习，已经卷飞了。第一个事，首先保证卷的精神。 第二个事，拥有提出好问题的能力。前两年辩论圈有一个辩题，AI时代是提出好问题重要还是知道真答案重要。那个时候AI幻觉问题比较严重，当时两方打得有来有回。在当下，我心中更偏向于正方，提出好问题更重要。对于AI Native的人，要持续拥有提出好问题的能力，持续拥有对外探索的能力。 肖玛峰： 最近有一些新闻，很多公司的管理者、CTO决定加入Anthropic去做技术专家，不带人，原来带几百人变成我一个人干就可以。这里有一个巨大的机会，一定要选择跟最优秀的人在一起。AI这个时代才刚刚开始，但机会巨大无比。如果你发现身边的人没那么优秀，你可能是最AI Native的人，那就找到这个市场上最优秀的公司，去跟最优秀的人在一起。哪怕你是做OPC，我个人对纯OPC持保留态度，我认为做OPC一定要找到优秀的人学习，才能不断成长。 我给大家的建议，当你不知��怎么选的时候，去选跟最优秀的人在一起。谢谢。 帮主： 非常聪明的建议。我总结今天AI原生人才的公式：第一，挖对地方，比如OPC或者有创新性的组织；第二，教育不能跑偏，需要用AI时代该有的方式来对待这些人才；最后一个，要把他们留住，刚才肖总总结的企业文化留人是非常重要的一点。 再次感谢二位跟我们一起讨论关于AI时代原生人才怎么培养、怎么找。我也希望今天的内容帮助现场、在线的所有企业、老板找到你们心目中的AI人才特种兵。 谢谢各位！