少数派 
爱范儿 
DEX 周刊 36氪
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结合的眼镜是最合适的，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��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���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这个问题。
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里，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���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，当你不知道怎么选的时候，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！
“如果没有转型，继续走主流道路，你也会有同等程度的焦虑。”王小川说，这次转型，让他真正回归到从创业第一天就最想做的事情：造AI医生。
访谈｜邓咏仪 杨轩
文｜邓咏仪
编辑｜张雨忻
一年前，王小川带着百川智能来了一次激烈的“大刹车”：大幅缩减通用模型团队，关闭金融等多条行业线，All in医疗大模型。但与此同时，整个大模型行业却热闹非凡，大厂和创业公司轮番进行“轰炸式更新”——过去半年里，平均3天就有一个新版本的通用大模型面世。
而看起来沉寂的百川在做什么？5月22日，王小川安静地交出答卷：新医疗大模型M4，以及Agent产品“百小医”。
过去3年里，百川逐渐从“要做中国最好的基础大模型”转向“同时押注多个落地场景”、“做C端超级入口”、再到如今的“只做医疗”，团队规模不断缩小，部分合伙人离开，原定的上市节奏也因而延迟。
这看似颠簸的路走对了吗？当我们在新产品发布前夕见到王小川时，发现他的状态反而更坦然了：“继续卷通用模型，走主流道路，那是一种选择，即使上市了很风光，但焦虑也不会减少半分。”他对《智能涌现》说，比起当时公司内外巨大的不理解，以及选择非共识道路的孤独感，他更难以接受的是：“公司快成立两周年了，却不知道自己到底在干什么，创造什么价值。”
在互联网上一个十年，医疗并不是一个好生意——商业化路径漫长，反馈周期以年计。从大厂到初创公司，即使投入高达数十亿元，成功跑通PMF的产品都寥寥无几，更别提获得商业上的大成功。
在当时的背景下，很多公司的选择是给医生提效，或是打通挂号、药、保险的链路，以此跑通商业闭环。但王小川说，这些都不是当下最重要的事。他想明白一点：百川的C端产品必须以患者为中心，要增加医生的供给，“我们要造更多的医生”。
在这个思路下，百川在医疗的B端场景中有了更多落地进展：在北京儿童医院，百川两款AI儿科医生已在院内多学科会诊中正式“上岗”。在很多诊疗方案中，AI儿科医生与专家会诊结果吻合率达95%，并开始向河北省150余家县级医院下沉。
同时，在C端，百川新上线的Agent产品“百小医”则在App和微信生态中共同提供服务。“百小医”就像一个“AI家庭医生”，不只是提供问答，会在患者就医前准备给医生的病情���理，做处方分析，管理病例，还会定时提醒你吃药、做检查等等。
△图源：百川智能
王小川并不接受“医疗是更长、更慢的一条路”这个观点。“这个想法本身就是一种时代惯性。”他的逻辑是：如果Coding Agent能在几个月内成为史上增长最快的应用场景，就意味着很多旧边界已经被打破。
从通用大模型的白热化竞争中抽身，All in医疗——对这个选择，王小川坦承，“我的选择不一定对，也不一定错，但我觉得，AI时代只要交付给用户足够重要的价值，商业化会是水到渠成的事。”
对于那些依然身处在同质化竞争中的AI公司来说，王小川的选择，至少是一条值得认真审视的路径：去找一个真正相信的问题，然后用足够长的时间回答它。
以下是王小川与《智能涌现》的对话：
All in医疗有它的代价
《智能涌现》：今年年初，你们发了医疗大模型M3，今天再接着发布新一代医疗大模型M4，还有新Agent产品百小医，核心提升有哪些？
王小川：M4是我们的闭源医疗大模型，通过API提供服务，一个核心亮点是走Agent架构，从简单的对话走向临床，里面有基于患者全生命周期的记忆能力。
另外的突破有几个：幻觉减少、循证能力增强——我们把指南做原子化拆解，甚至把专家共识也纳入进来；提问能力也有了很大提升——这个对医疗场景很关键，我们每提升两个点的提问能力，就能增加一个点的诊断准确率。
现在，在肿瘤这类复杂场景里，M4能自己跑完整个Agent workflow——收集数据、校对冲突、调用基因变异数据库、出诊断建议。M4能够自主决策，不同的子项肿瘤的情况它甚至能查基因库，像龙虾一样，做到主动提问和主动管理。
“百小医”是百川的新To C产品，形态是一个在App和微信上的bot，可以主动提供处方、病例分析，做全周期的健康数据管理。
《智能涌现》：你所指的M4模型“做得好”，是怎么定义的？
王小川：在OpenAI发布的HealthBench测评集上，我们在Hard和Professional两个子集里都是最好的模型。我们没有对benchmark做特殊训练，所以，模型表现好就是好。这个评测集有5000个医患多轮对话场景，262个人类医生编写了近5万条评价规则，不是刷榜能刷出来的。
《智能涌现》：今天最大的行业共识是Coding，百川却在一年前就选择不走通用模型路线，All in医疗，当时怎么想的？
王小川：AGI大叙事没问题，但这里面肯定有泡沫，泡沫褪去之后珍珠会留下来。怎么去找这个珍珠？大家会押注各自的生态位。做百川到现在，我想做的东西其实没什么变化——当初的初心就是做生命模型，造医生，ChatGPT的出现是这个目标的助力。
我之前想得太早，又想得太远了。2023年的时候你跟大家讲造医生、做生命模型，会发现理解的人不多。
《智能涌现》：但在那个节点，不卷通用模型，是一种脱离主流赛道的选择，你有过担忧吗？
王小川：如果做主流，你也会有其他恐惧。我不是说我现在做得特别好，只是主流也有主流的问题，不同选择有各自的代价。
我们在2025年4月大调整后开始专注做医疗，也是因为当时临近百川成立两周年，我有巨大的紧迫感。当时公司特别重，从模型、医生到生命模型，再到商业化都在做。当时就是不知道自己在干嘛，在创造什么价值。
《智能涌现》：这个决定的代价是什么？
王小川：很多人在那个时候离开。有同学觉得做通用模型才是对的道路，投资人也有意见。当时有各种曲解，比如有人传小川可能对上市没想法，无所谓，反正自己财务自由了。
《智能涌现》：有创业公司也会选择先不考虑这么远，先赚到钱养梦想，上市也是一种路径。
王小川：我们那个时候也不缺钱啊。上市了，然后呢？
《智能涌现》：百川的一些前高层，以及你的一些投资人，他们都很难理解你的突然刹车。
王小川：可以想办法把ARR、收入做起来，但在当时也不是我最想要的。
第一，你就没精力做业务了，你拿到收入跟你真正交付一个好的产品或服务不是一个维度的事。第二，业务单点还没突破的时候，搞矩阵化管理是特别危险的事，当时销售、产品、技术，每个人身兼数职，为多个产品服务。
这种状态和我对公司想实现的价值的判断是没法match的。如果我从内心就不相信这个事情的话，也很难做好。
《智能涌现》：那你怎么跟投资人解释？
王小川：很难解释。投资人肯定想上市，我只能继续把现在的事做好。
《智能涌现》：4月调整完之后，团队规模、架构，包括百川整体的工作方法有什么改变？
王小川：我们人数压缩到不超过300人，层级扁平，现在就10多个人给我汇报。
我们现在就分几大块：一是做医疗模型本身；二是以Agent的形态做AI医生产品；三是做医院体系的合作，通过AI医生，把医院、卫健委等等体系联系起来，我们的目标是用AI做四级诊疗。
《智能涌现》：所以，你对这一段探索过程的反思会是什么？
王小川：最大的反思是不该开那么多条线。你要么做通用，要么做医疗，两个脚一块走是不行的。同时做商业、做技术、做医疗，一开始很难负担得住。
我们不是想取代医生
《智能涌现》：“百小医”为什么会在微信里做AI医生bot？
王小川：Bot就是你微信上的一个朋友——你问他“该不该去医院”，他说不用，你先观察；过两天他会主动来问你“有没有变严重”，也会提醒你吃药，能够对个人和家庭健康进行主动和个性化管理。
日常的健康管理不是一两次问诊能解决的，是长期陪伴，助手类APP很难承载这种持续性。
《智能涌现》：很多人可能会问，用百川的助手看病，和用豆包看病，体验差距大吗？
王小川：我们在专业性文献的引用、溯源上，会比通用AI助手更丰富。但坦白讲，无论是什么领域，问答场景的体验很难形成断代式的差距。
在产品形态和体验上。这次发布的“百小医”是走双端架构：APP端负责提供严肃的就医决策——针对病例、处方做分析报告、对比；微信bot端负责日常的提醒和执行，这是一个会主动跟进你健康情况的AI医生。
另外我们在底层做了一套永久性的记忆存储，不走上下文那套模式。这是一套有数据库结构的存储——用户上传的体检报告、对话里提到的症状病情、血压、用药情况都能被记录，做全生命周期的健康数据管理。记忆能力在医疗场景特别重要，通用模型很多时候根本不知道该存用户的什么数据。
《智能涌现》：如果和同样是做医疗方向的阿福相比呢？
王小川：我们的切入点不一样。我们做的是主动管理——你问完之后，过两天它会微信上主动来问你“有没有更严重”，提醒你吃药、该复诊了。这种持续跟进的能力，App很难承载，用户一上手就能感觉到不同。
《智能涌现》：美国AI医疗赛道的头部公司OpenEvidence估值已经120亿美元了，他们做是面向医生的AI临床决策支持工具，用顶刊论文辅助医生做诊疗判断。你们在中国能走这条路吗？
王小川：中国和美国的医疗市场有很大区别：给美国医生提效能直接多赚钱——他一天看10个病人变成看15个，这是保险公司付费的，按人头算，收入直接多50%。但中国医生平均一天看50-80个病人，已经够忙了，提效的空间几乎没有。
《智能涌现》：那在中国做AI辅助诊疗，动力在哪儿？
王小川：中国优质医疗供给现在是严重不足，直接用通用AI助手给患者做AI咨询，这是很难进入医疗体系的，还容易带来新的医患矛盾——今年已经有三甲医生和我反馈，30个病人里有25个都带着豆包来“对线”，会对医生产生质疑。
现在国家在倡导主动健康管理和强基层，如果AI能融入医疗体系、做分级诊疗的前置环节，这是政策认可的方向，也是新物种的机会。
《智能涌现》：那百川是怎么提升医疗模型的智能的？
王小川：我们做的不是传统意义上的训练数据，更多是做强化学习的评价体系。
医生标的不是正确答案，是帮我们建立奖励函数做评测集——什么样的提问路径最终能导向好的诊断结果。
《智能涌现》：我们听说你们请了很多医生做数据标注，这部分很花钱。
王小川：跟医生打交道做数据标注，真的很难，但不是钱的问题，是说服他们、建立评价体系、让团队跟他配合，这些都要摸索，没人做过。
《智能涌现》：既然是全新的做法，那一定也会有人反对吧？
王小川：不少人觉得在中国做医疗AI，要跟医生合作，要用医生的病例数据造AI分身。
《智能涌现》：什么样的AI分身？
王小川：就是很多AI医疗公司的做法——跟某个医生合作，拿他的病例数据训一个模型，本质上是复制这个医生的经验。肾病专家造个肾病模型，肿瘤专家造个肿瘤模型，每个人都想巩固自己的学术权威。你见过一个医生用另一个医生做的AI吗？
《智能涌现》：你们的“造医生”和这种做AI分身有什么不同？
王小川：分身是模仿学习——把病例喂进去，让AI学着像某个医生那样看病。但你拿病例训出来的模型，它会提问吗？
这代大模型造的是“人”，不是上一代那种用来看CT片子的模式识别模型。我们走的是强化学习的路：模拟患者，激发模型提问，用最终的诊断结果做奖励函数，反向训练它该怎么提炼病例数据，问什么问题、该怎么推理。不是复制某一个医生，而是让AI学会医生思考的过程本身。
《智能涌现》：所以你们做的事情，本质上是把医生拉下神坛。
王小川：这是个危险的评价。我们不是要挑战医生的权威，而是要帮患者明明白白看病，以患者为中心，让他拥有知情权和决策权。
《智能涌现》：面对医生，你怎么一句话解释百小医的价值，来消解这种可能存在的对抗？
王小川：我说我能帮你做随访。
这是一个共赢的场景：很多病人去看完病，加上医生微信，回家之后问问题，等医生的回复往往要等到大半夜，因为医生太忙了。院后随访、复诊提醒、用药管理等等都是这样的场景，现在用AI医生就能帮医生分担这部分需求。
《智能涌现》：你们的目标用户是谁？
王小川：我们概括为“一老一小”——老人慢病多，小孩咨询多，这是最高频的场景。
比如，我把我妈和AI医生拉进群，AI医生跟我妈对话的时候，也跟我沟通。就像家里请个保姆，不是只跟老人在一块，他也跟你有交流。
医疗是条更慢的路？这是上一代的认知
《智能涌现》：很多人会说，医疗是一个反馈路径很长的赛道。先用通用模型赚到钱，再长期养医疗这条线，不是更稳妥吗？
王小川：我不接受这个叙事，这里面有很多误解。医疗慢这是过去的经验形成的认知，不代表今天。
今天太多事情跟过去的规律不一样了。几个月时间，一个产品就能上亿用户、上亿收入规模。那为什么我们还要用老的方式看医疗？
百度三分之一的收入来自医疗，一天医疗相关的query量是上亿级别的。蚂蚁阿福也有3000万月活了。需求一直在那里，只是以前可能是我们还没做好供给。
《智能涌现》：你们原来做To B、To G，到现在做To患者，这个变化是怎么发生的？
王小川：我确实有过很多反思，但我始终相信AI能造医生，这个信仰从第一天就刻在骨子里。我们在中间走过弯路，比如尝试让医生认可，就先做一个AI工具帮医生看片子、写论文；也试过做院内，先打进医院体系里，但这些路径都太长了。
大概去年4月我们就想清楚了，To患者才是我们主线，这条路其实也是To医生。医生和患者不过是有不同需求的C端用户。
《智能涌现》：比如挂号、买药，这些也是C端用户的刚需，你们会做吗？
王小川：帮你挂号、帮你买药，那些是执行，是上一代互联网干的事，偏匹配、链接。我们不是不能做，但核心还是想做决策——比如你有三个处方选哪个？去什么科室？要不要去医院？执行更直观、更有获得感，但帮你做选择判断是更难也更宝贵的事。
《智能涌现》：但蚂蚁做阿福，后续可以把挂号、卖保险、卖药联系起来，这样不会比你们在商业化上跑的更快吗？
王小川：他们是从“药”和“险”出发，补前面的问诊环节，而我们是从“医”这端开始切的。站在药的思路去做医，跟独立做医，立场不一样，做出来的东西也不一样。
《智能涌现》：短期内，你希望能够达到什么产品和业务上的目标？什么时候会考虑商业化？
王小川：第一步是上岸——去年还有朋友问“百川还活着吗？”得先让大家看到我们在做什么，第二步是在不同场景里积累技术口碑和用户体验的口碑。
商业化不是当下的重点。考虑早了，动作会变形。你看智谱到今天也不做那么多To B和To G了，大家都在卖Token。上一代常用的那套做法现在反而变成了包袱。
语言模型、世界模型、生命模型
《智能涌现》：有媒体说你是“最孤独的AI创业者”，现在你会觉得孤独吗？
王小川：自己选的路跟大家不一样，你不就孤独吗？从资本到人才上都会变得更难。羊群效应决定了大家还是会选更主流的道路，这是正常规律。
《智能涌现》：你怎么看现在AI应用创业公司的处境？
王小川：在做模型之外，很多创业公司没啥可干的了。做Agent的公司，壁垒在哪？倒腾点Anthropic的Token，配置配置方案，今天能卖，明天能不能卖不知道。
不是说Agent没前途，而是它可能不是适合VC投的生意——赚小钱的公司很多，但长大变难了。
之前我和一个互联网大佬聊，他提到一个”去中化”的趋势——这个“中”是指中型公司。要么做巨头，要么做小而美的公司。
《智能涌现》：说到巨头，你去年初就公开说看好Anthropic，那时候Coding还没爆发，你的判断怎么来的？
王小川：我觉得是Dario对技术的理解很深刻，这是一种审美层面的判断。后来事实也验证了——Claude在代码场景里确实打出来了。
《智能涌现》：那其他呢，OpenAI你怎么看？
王小川：我觉得Anthropic和Google都会比它强。
《智能涌现》：你看到什么现象，让你有这个判断？
王小川：第一，Sam Altman还带着上一代互联网的思路——强推应用、追DAU、做订阅，甚至Sora还想做社交。他的策略是应用大于模型本身，跟Anthropic不在一个技术审美上。
第二，做To C，Google会比OpenAI强。Google有搜索、有安卓、有YouTube，出口能力和数据能力都更好，我觉得Google是以后会有代际的爆发和飞跃。
《智能涌现》：哪方面的爆发？
王小川：我觉得Google会走出新的架构——不只是语言模型代表的智力模型，还有物理模型、生命模型等等新路线。
其实Demis Hassabis（Google DeepMind CEO）的心头最爱就是生命模型，后来才转到LLM这个战场来的。
以后Google肯定既做语言模型，又做生命科学。一个公司能同时做AI、做无人驾驶、做蛋白质折叠——从人才储备、数据厚度、算力规模上，Google都是顶配。
《智能涌现》：所以，你对大模型演变的终局怎么看？
王小川：我们做模型有三步走。第一步是智力模型，就是语言模型——这里的语言包括数学语言和代码语言，代码很重要，待会再讲。第二步是物理模型，或者叫世界模型，做具身智能。第三步是生命模型，比材料科学更往前走——材料科学讲的还是简单世界，而生命有超越复杂性的终极问题。
生命模型是我从第一天就想做的事。这三条线最终会合流——理解语言、理解物理世界、理解生命系统，这才是完整的智能。
而且你想，工作开始被AI替代之后，人追求什么？创造发明发现、健康、快乐——最后就这三个事。长生不老、健康、每个人活得更有意义，这些问题最终都指向生命模型。
欢迎交流
本文来自微信公众号“智能涌现”，作者：邓咏仪，36氪经授权发布。
AI浓度并非越高越好，转化率的秘密在于人机共生的平衡点。
“AI应像手机一样贯穿全流程”，而面对亲子游客和老年群体，主动将AI浓度降至50%，却实现了超50%的转化率。浓度的关键是以人为本、文化温度先行。
以下为圆桌对话内容，经36氪整理编辑：
薛冰丨上海蜚语信息科技副总裁（主持）
崔健南丨广州搞搞镇文化科技创始人兼CEO
杨晟丨珀乐互动科技创始人
薛冰：各位嘉宾大家下午好，我是主持人薛冰，很荣幸受到36氪以及北京亦庄的邀请主持下午的圆桌。今天非常开心能够邀请到和我同台的两位重量级嘉宾，崔总、杨总，现在我们直接进入圆桌环节，先请两位嘉宾做一下自我介绍，先从崔总开始。
崔健南：谢谢主持人，大家下午好，各位领导、嘉宾下午好，我是广州搞搞镇文化科技有限公司的创始人崔健南，今天我带着今年很好的一个案例向大家进行分享，也向杨总、薛总这边多学习。
杨晟：大家好，我是珀乐互动科技的创始人杨晟。我们深耕“AI + IP”领域，目前公司储备了丰富的IP资源库与AI工具矩阵，相信在座的各位体验或者观看过。在接下来的分享中，我也期待和大家做更深入的探讨。
薛冰：我们今天不聊概念只聊增长，这次圆桌我们聚焦的是文旅和文娱两大深度主题。大家也知道，每个人不管工作、生活处处都是AI，AI在实战场景中的应用以及企业现在在落地的案例中怎么做，今天两位专家都会给大家的问题一一解答，我们会拆解最实战的案例进行深度分享。话不多说直接进入前线问答环节，通常圆桌开场都喜欢问三个问题。第一个，崔总，您在搞搞镇企业文化中做过哪些印象最深刻、最成功的案例是哪个，您在整个环节中都引入哪些体验，比如互动、AI营销或者是AI深度体验，搞搞镇文化是怎么做的？第二个，现在搞搞镇文化AI浓度有多高，有百分之多少，看您是用数字的方式还是通过您的表达给我们沉浸式体验。第三个，现场很多嘉宾都是来取经的，您的模式可复制吗，比如现在想要进入这个赛道您有什么值得分享的案例或者可以给我们参考一下，也不排除现场有很多现场想跟您合作的伙伴。
崔健南：我们是一家人工智能科技企业，最早的时候，2019年，我们已经在钻研图像类生成式人工智能算法。我们公司现在是第四年的沉淀，说不上标杆，但先分享一个案例，我们跟广州市文化馆在做AI共创文化空间，在空间里我们主要聚焦的是几个方面。
一个是运用我们自研的非遗大模型以及二维图像渲染、三维建模算法面对广州市文化馆，B端公共文化服务的内容，我们进入文化馆文旅景区，面对百万游客、观众我们能够提供什么样快速的创意聚焦以及成为我们个性化文创实务呈现的全链路闭环，在过往一年我们已经打造完成了，并且初具规模。
这个案例怎么做？作为第二个问题小小的前缀，我打算用几个数字来做它的体现，AI浓度以及转化体现。
第一个数字是“3”，整个链路打造呈现三种工程的能力，在人工智能我们在真正的场景落地里必须满足到的，第一个是数据工程能力，第二个算法工程能力，第三个才是我们的应用工程能力。这三个能力也是人工智能必须要落地的标准化实现解决方案三个本质要素。在过往一年我们是达标的，在广州市领域我们已经是人工智能典型案例单位，AI+文化典型案例单位。
第二个数字“8万+”，广州市文化馆作为公共文化服务单位，跟我们共建的单位，它面对的游客人数是百万级别，园区非常大，有十多万平方米户外空间，我们在其中运营的是数字文化体验厅以及非遗图书馆，这两个内容我们并称AI文化共创空间，不只是空间概念，而是我们在场景里通过共建方，将我们的手工艺人、非遗传承人包括跟高校联动的人工智能创新实验室，带领的人才孵化，把这方面的人才聚焦进来，把我们文化数据聚焦进来，进而在场景里成为量化的社会价值和经济价值转化，匹配到AI+民生福祉、AI+新消费的两个方向，这是3和8万+的两个数字的集中体现。
薛冰：非常情景化的描述，如果同一个园区或者景区，我用您的这一套方案，7天、15天能复制出来吗，您现在落地广州，其他地域或者以广东省其他园区、景区为例，可不可以给我们出出建议。
崔健南：要打造成为真正落地的解决方案甚至是标准化人工智能解决方案，假如说同样的问题在一年前问到我，我的答案是大于7天，其中一种能力叫数据工程能力，这是在过往我们三到四年间我们很多的官方可溯源的文化数据沉淀下来，从我们的算法认知到提炼出来自研的非遗大模型，这个是我们落地的本质基础。通过这一年的打造，从大模型到结合通识化的大模型，我们也是华为的深度合作伙伴，华为深层人工智能基座，它已经能够成为3天之内的标准化落地的解决方案。无论是云端部署还是私有化部署，可以成为标准化内容，我们还蛮有信心的，整体不只是解决方案，包括后端运营市场营销的方案一体化落地，已经是可以去做复制的。
薛冰：听您的讲述，从零到一，您完成了很好的闭环，相当于从实战角度这个模式可以复制，集聚了相对标准化的方式。您有踩过什么坑或者非遗大模型，包括版权、算法，有没有遇到过什么困难，包括安全、隐私保护层面方面的。
崔健南：做企业的，要分享成功喜悦很简单，要说坑就太多了，有几个方面。
数据来源，官方数据是相对好办的，比如非遗保护中心的数据，高校，艺术设计类的院校，他们很多年沉淀的数据，这还是比较简单的。但我们在文化领域特别是在非遗领域，很多知识不是结构化、体系化，很多是沉淀在一些手工艺里，是在手工艺人的脑海里，非遗传承人，他们非遗的知识传递，是师传、家传、祖传的形式，是真正的核心，我们说的文化内核往往隐藏在最核心的信息里得不到真正的传承，渐渐变成非遗内容。在这方面的补缺，过往我们也采取一些自采的数据，我们做体系化访问，数据收集、提取、清洗，呈现结构化数据，投喂给人工智能，成为向量化数据，这个过程是最花时间的。
落地化场景里，to B、to C，面临很多使团和游客的进场，知识产权，肖像权，我们在现场除了我们的工作人员做面对面的解释之外，他们做实物化的文创创作，实物化拿走，自己留作纪念是没有违反知识产权的限制，但如果进一步商业化，我们有很多高校学生他们有很好的创意，从整个落地场景变成市场反馈很好的文创商品，这时候要跟学生或者文创老师提醒，我们要做数字确权，在工具上已经集中化呈现了。
另外一个我们做数字存证，保证在他们创作文创的商品是有确认外观这方面的专利，并且有专门的存证，才得以对外做商业性转化，这是我们过往的坑中，采取了一些比较全面的措施。
薛冰：感谢崔总，崔总分享的每个细节，您也深度参与其中的各个环节，您做的是非常有意义的事情，我们现在会建立自己的AI知识库，不管是手艺人，包括传承下来的文化，是在传承人的大脑里，怎么把这些更好地传播传承下去，结合文旅，运用AI技术整个是非常有意义的事情，也期待搞搞镇文化有更多的不管是合作还是项目给到大家。
杨总，很早之前看过杨总的采访，对您做的事情特别感兴趣，不管是现在公司层面或者您个人层面做得比较成功的案例，一定是要加AI的，您之前做过的案例讲一讲，文旅里面的AI浓度怎么体现，文娱大家看到的有很多，不管是数字化短剧、视频，还有影片，您来分享一下。
杨晟：上周，我们和开心麻花、阿里通义实验室联合打造了《羞羞的铁拳》IP动画，跟腾讯视频、火龙漫剧签的独播协议。目前在抖音上有五个话题量破亿，算是运气比较好吧。在这个项目里，我们运用了通义最新推出的万相模型，并通过我们自己的模型去调度、Harness通义万相。我们理解艺术家的表达，通过双模型的交叉协作，实现了艺术表现上的精确度。大家可以在抖音、红果、腾讯视频、火龙漫剧等平台搜索观看。这个项目的火爆，也体现了我们对于文娱类接入AI，包括泛娱乐接入AI范式的思考。
IP储备在现阶段已经足够多了，我们该怎么让它们焕发新生？就像崔总所说，建立数字形象，IP知识产权，让这些东西先确权。现在包括Seedance、vidu包含很多大模型厂商在内，他们也在孜孜不倦地完善自己的合规版权库，可以让更多创作者能够在自己的平台上做出合规、合法的形象。而这些东西恰恰是文娱行业帮助科技行业，建立了一套可约束的、可转授权、可重复授权的数字形象库体系。
这次我们与四川合作的“大熊猫花花”文旅项目正是如此。花花的数字形象沉淀在四川，底层算力也依托于四川。伴随着这一超级IP的转授权、动画播出及商业化延展，四川的文化符号正式转化为全国高价值的数字资产，并赋能给下游供应商，特别是游戏等后链路场景。作为泛娱乐领域的先行者，珀乐从商业生态的最上游的角度出发，持续为行业输出核心的商业灵感与数字形象资产。
AI是贯穿全链条的，从数字形象开始，最末端的收尾是从数字形象的授权，包括工具端的授权只要我们在工具端做好了授权与约束机制，模型就不会生成超出控制的内容。各位用过豆包都知道，照片放进去，很多动作就是做不出来，这并不是技术做不到，而是工具端为了合规与确权，在底层逻辑上做好了边界锁控。现阶段，内容创作会变得越来越开放，大家获得的IP库将呈现指数级增长，这也是对泛娱乐巨大的提升。
到今年年底，整个行业格局会变得更为有趣起来，会有七到八个特别大的平台有高耸入云的IP库涌现出来。今天凌晨的谷歌大会宣布，我们有派拉蒙，我们有哈利·波特，我们有蝙蝠侠，你想用我们的这些形象，就用我们的大模型。这对于我们而言，在中国跑出来的机会是什么，包括应用层，我们跟底层大模型公司聊的是什么，机会将不可估量。
薛冰：您刚才提到了豆包、阿里的通义万相，您主要是跟基模这类的模型公司合作吗，现在AI产业链从0到1渗透下来比较重要的，全链路都有AI，哪个环节最重要，比如我是一个学习者、探索者，我进入这个行业中我最终是AI产业链的哪个，可以复制您的成功案例或者是爆款公式。
杨晟：关于商业落地的全链路，我认为有三个最核心的要素：最重要的第一个是token价格，现在token本质就是卖电力，电力的定价在座各位创业者们包括企业家们，新入行的朋友们你们最应该谈到的无论是可灵还是Seedance还是Vidu，每个大模型厂商有针对用户、企业完整的包，减少大家的试错成本，相对比较奢侈地在一个免费空间里做出尝试。
第二个核心是IP的获取与授权。无论是在海螺还是在通义他们在构筑自己的IP形象库，今年7月份，我们承诺给海螺要做百人以上的LoRA形象库，如果你拥有独特的艺术创造力、合法的形象授权，或是像崔总说的广州独一无二的形象，这些形象库就会是弯道超车最好的机会。就像最近大家常提及的电影《给阿嬷的情书》一样，具有人文温度且独一无二的地方文化符号，将会是难以被其他企业复刻且难以磨灭的价值体现。
第三个是选工具。大家现在看到了整合式工具，工具之间还有很多整合。如果是创业的同志，介入商品化部分时，选工具不妨结合便宜的算力和好的IP。我建议各位尽量使用免费的工具，或者自己是不是也可以做一个工具？我有幸深度参与了国内第一个OPC社区——鸿鹄汇，我们跟杭州上城区做了发布会，新闻联播也有播出。我一直在密切关注大量的个人创业者，见过太多超级个体创作者的崛起。伴随着大模型的普及和超大模型的诞生，技术门槛降得很低。一个学文学的人可以跟我聊某个东西应该接多少B的模型、什么样的策略更好。这个趋势正在到来，技术和内容、商业之间的界限正变得模糊。很多时候，拥有一个好的模型，好的基建价格是拉开创业者差距的关键。
每一次工业革命总会兴旺一批行业，蒸汽、内燃机、电力、互联网，我们认为这次带来最有效的是内容生成时间变短了，内容转授权难度变小了。这个机会会让大量新的个体创作者、新的强势工作室崛起，就像文旅市场一下子成了支柱型产业，内容产业将会再次蓬勃发展。
薛冰：您也是深度参与每个环节，从token到商业化，逻辑闭环解析得很深刻。我刚才听两位分享，由衷感觉两位可以深度合作了，不管从IP、内容营销、AIGC还是技术结合。大家都喜欢说AI提质增效，是不是AI浓度越高越好？大家很关心增长，这个词听上去有点虚，从实战、一线落地角度来说，怎么达到最佳浓度？在哪些场景中加了AI反而转化率有点低？两位有什么见解？
崔健南：从我们整体场景运营来说，先给个结论：并不是AI浓度越高转化越高。举个例子，我们AI文化共创空间面对公众开放，其中有一部分是上年纪的游客以及亲子类内容。对于有文化深度的知识点，他们感兴趣，但往往被有交互的AI应用难住，不知道怎么使用。亲子类，比如六到九岁的孩子，对高科技、文化深度类的东西不太理解，AI浓度我们会把它减到最低。举例子，一年下来我们有250场左右的公益课程，面向亲子类，其中30到50场，我们不会让孩子按步骤做文字出图或参考图设计。我们会邀请非遗传承人或文化馆非遗部的老师讲解非遗知识，面对面交流什么是广绣，广绣和苏绣有什么差别和异同，怎么做区分。知识体系下的互动和纯AI交互对答的差别在哪里，引导六到九岁的孩子理解非遗，比如掐丝珐琅、广绣、侗族刺绣等，之后再通过AI工艺聚焦创意，2分钟完成建模，交给现场的3D打印或激光雕刻机把它变成实物。
在这个过程中，我会把浓度倾向于：前半部分依然以人为本，由人和游客、参与者、消费者面对面交流，把文化的温度传递出来，把文化深度准确传达出来，这非常重要。后半部分可以延续传统手工艺的打磨、上色、上釉或快速风干过程。整个链路既有情绪价值的沉淀，又延续了手工艺特征，制作出属于他们自己创意的实物并带走。本质上这是AI浓度与人机共生的权重比，这个权重我们会放在50%左右，拉得比较低。AI浓度方面的转化率在90%以上，只要进入广州市文化馆的共创空间，无论是消费者还是体验使团，体验度都超过80%。体验完之后的最终转化率在50%以上，而传统文旅转化率在10%以内，这个数字还是值得骄傲的，它不是终点而是起点。对应公共文化服务也好，对应新的个性化文创也好，本质上文旅要注重文化内核、正确性和文化内核的传达。
底层我们的非遗大模型、算法和文化纠偏机制有机结合，形成了可快速复制的基础，应该既有文化温度，也有文化正确性，这也是我们作为人工智能企业在文化产业里必须肩负的责任。
薛冰：您提到的以人为本理念我特别认可。杨总，崔总提到文旅产业注重线下体验、文化传承和地域特征，而珀乐或文娱更侧重情感链接和流量裂变。假如您这套模式要进景区，或者跨行业复制到文旅加AI，会有什么阻碍吗？您觉得有什么好方式跨行业复制？
杨晟：各位如果有空，欢迎在7月1日后前往都江堰，体验我们最新落地的文旅实景项目。在这个夜游项目中，我们部署了13块互动屏幕，所有的视觉内容生成均来自AI，而互动体验的规则由人类设计。第一期是13块相对简单屏幕组成的长夜景游览项目。第二期屏幕会因为游客的互动而改变部分内容，伴随游客人数的改变，屏幕实时呈现的景色有所不同，这是我们已经实际投产的应用场景。
回应关于AI浓度的问题，作为科技公司，我们强调AI应该贯穿工作全流程，才能有效帮助我们提升所做事情的质量。以都江堰实景项目来说，从创意阶段起AI就必须深度介入。我们甚至在制作委员会中赋予了AI“强制一票”的权利，用来改善人类策划视角的盲区。AI就像当年的智能手机一样，必将全面渗透我们的工作与生活。坦率地讲，作为科技公司，我们坚信一种理念：我们不应排斥工具，而应主动拥抱它，让工具深度赋能，帮助我们将数字体验做到极致。
文旅行业是极佳的切入点。高客流量意味着天然的高日活用户和高并发，只要做好转化，ROI会非常可观。AI定向生成30秒或15秒的景点超拟真视频，这对游客存在极高的价值体验和诱惑力。如果存在内容高效置换门票或广告收益，在日均百万客流的景区，商业转化将非常顺畅。这些东西恰恰是AI能赋予到文旅景点、封闭景区的。
以往景区基本上被一些超大平台独家占据，比如美团，你进西双版纳的告庄西双景，你得扫美团，背了这个门票费用，用户就沉淀在那里了，用户转化五块钱一个人。而对于AI，在座每一位有关系的人，盘盘你们家乡最热门的景点，以武汉为例，2023年全年的文旅总收入达到了近3770亿的庞大规模，其海量的客流高度集中在40多个核心景点中。你们所在的城市，你的关系、你能覆盖到的景点，能承载多少客流量，也许就能给你带来这个数字乘以三分之一、四分之一的DAU。而这，恰恰是我们以 “Token + IP” 模式入局的巨大商业增量——用 AI 赋能，去接住景区现成的庞大 DAU，把传统的旅游资源转化为高溢价的数字确权资产的机会。
各位创业时总会面临，我的种子用户从何而来，为什么他们会访问我的产品？文旅是非常好的切口。像广州这样人流量大的地方，哪怕只切入一个高流量端口，其带来的Token消耗量与用户沉淀都是巨大的。我认为AI现阶段仅靠token盈利太累了。但如果放任免费跑，成本相当高，怎么把这个成本赚回来并转化为更商业的表现。我认为AI现阶段仅靠token盈利已不再高效，将token转化为高溢价的数字资产，赋予其更高的附加值，会让每一位参与者在商业化变现的道路上走得更顺利、更高效。
薛冰：谢谢杨总。两位做的都是非常有意义的事。今天台下有AIGC产业链相关的企业，我相信大家都是来取经的。刚才两位分享了各种实战落地案例中从零到一的搭建，踩过的坑、避过的雷，杨总还分享了怎么赚钱以及商业化还能做什么。最后想让两位给大家一个方案或建议，帮助在座嘉宾有一个总结性的收获。
我们公司是做安全的，从我的角度，希望给企业提个醒，不管是版权、数据安全还是模型可信的安全，我们也在帮企业梳理模型资产、全链路留痕可溯，从模型到数据层面的安全保护，号召AIGC企业注重安全。杨总，给我们一些创业或增长的建议。
杨晟���建议很简单，请理清注意力的属性，人的注意力分为长期注意力和短期注意力。创业的时候要想清楚，我吸引的是长期注意力的钱还是短期注意力的钱。如果你瞄准的是短期注意力，那就需要打造爆款，集中一切资源与极致的爆发力去击穿市场阈值；如果你瞄准的是长期注意力，则需要沉下心来，打磨出能够在六个月到一年内持续引导市场口碑、沉淀品牌护城河的长剧内容。两者对应着完全不同的战略方向与资源配置方式。
崔健南：我们注重文旅。在座嘉宾或领导有合作意向的，无论是博物馆、文化馆还是展馆等，第一，文化内核是本质，知识产权保护是基础；第二，文旅的文化数据资产是长效机制，才能保证参与过程中文化输出的自信。在自信的基础上，现在通过大模型，短期内有了知识平权的过程，最值钱的是大家的创意。欢迎大家把创意集聚到文旅产业中，利润会开始自己转化。
薛冰：谢谢崔总，圆桌就到这里。两位分享了高质量、有干货的内容，我相信大家还需要再消化消化，会后也可以找我们一起交流，谢谢大家！
作者 | 乔钰杰
编辑 | 袁斯来
硬氪获悉，北京维泛智能科技有限公司（以下简称“维泛智能”）近日完成数亿元种子轮融资，由中关村资本及旗下启航投资联合领投，上海未来产业基金、石溪资本、佰维存储、燕创集团、海益投资、探元创投共同投资。
维泛智能成立于2025年5月，孵化自北京大学类脑芯片实验室（PAICORE Lab），专注于具身智能“大小脑”融合芯片研发，致力于打造全国产化机器人核心计算方案。
联合创始人殷积磊毕业于北京大学，拥有超过20年半导体行业经验，曾任知存科技COO兼研发副总裁，以及IBM、GlobalFoundries芯片研发总监，并曾在MTK、VIA等企业从事芯片研发工作。团队核心成员均来自IBM、华为、腾讯等行业头部企业。
随着具身智能快速发展，机器人“大脑”算法持续演进，对通用芯片平台提出了更高要求。机器人“大脑”芯片不仅需要承载多模态感知与AI推理，还需要兼顾运动控制等核心计算任务，是机器人完成交互、决策与执行的“中枢神经”。
目前，具身智能“大脑”芯片市场高度依赖英伟达Jetson系列，但存在着价格高昂、本地化支持有限，商业化部署门槛较高问题。
另一方面，国产芯片目前尚无成熟产品能够真正满足机器人端侧“大脑”需求。
针对机器人芯片在“算力—能效—成本”之间的平衡难题，维泛智能充分利用团队前期在类脑芯片深耕多年的技术积累，自主研发了类脑启发式GPU架构（Brain-Inpsired GPU，BiGPU)，融合类脑计算与通用GPU计算能力，为具身智能SOTA大模型原生设计。通过引入类脑计算机制降低功耗，同时保留GPU对多种算法框架的通用适配能力，从而兼顾低功耗、高能效与算法灵活性。
（图源/企业）
殷积磊介绍称，神经网络中超过80%的计算量集中于矩阵乘累加（GEMM）操作。为了在保证算力效果的前提下降低数据量与带宽需求，维泛智能通过编码转换，将传统神经网络计算（ANN）转化为脉冲神经网络（SNN）形式的累加计算，在保留功能的同时显著降低功耗与带宽压力。
此前，维泛智能已申请支持ANN与SNN网络结构统一软硬件方法及相关装置专利，实现SNN与ANN指令格式及地址编址的统一。相比传统异构方案需要维护两套系统与工具链，该方案能够共享统一指令集与软件工具链，并深度兼容主流软件生态，从而降低开发复杂度与生态接入成本。
据了解，公司整体研发周期规划为两年，目前项目进度已过半，预计于2027年第二季度实现芯片投产。
本轮融资将主要用于扩大研发团队、完成指令集架构开发，以及推进产品定义与实现方案落地。
以下为硬氪与维泛智能创始人殷积磊访谈节选（略经编辑）：
硬氪：为什么选择用类脑计算路线做机器人大脑芯片？
殷积磊：类脑计算本质上是下一代人工智能的重要方向。我们其实是在用下一代技术解决当下问题，同时为未来算法演进提前预留计算平台。
目前，我们既能够支持Attention Transformer、VLA、世界模型等主流架构，也能够运行类脑神经网络，以及两者融合后的新型模型。从长期来看，类脑计算被认为是通向AGI的重要路径之一，它具备极低功耗和多功能集成潜力。比如人脑的功耗只有20瓦左右，但却能够完成高度复杂的感知与决策任务。我们希望BiGPU不仅服务当前机器人算法，也能够承载未来新的智能计算范式。
硬氪：此前有企业尝试将类脑计算用于机器人大脑芯片设计吗？难点主要在哪？
殷积磊：此前行业内确实有一些类脑计算商业化尝试，但大多采用的是纯SNN计算或者异构方案。所谓异构，是把SNN（脉冲神经网络）计算模块和传统NPU模块拼接在一起，本质上仍然是两套系统。我们的做法是同构融合，相当于把通用GPU计算能力和类脑计算核心融合在同一个架构里。这样最大的好处，是能够共享同一套指令集和软件工具链，并进一步实现主流生态兼容。
真正的难点在于，团队既要理解类脑计算，也要理解通用计算架构，才能在底层完成两种技术路线的融合。
硬氪：公司目前有和机器人厂商展开合作吗？
殷积磊：有，目前我们已经在和一些头部机器人公司进行合作沟通，其中部分项目已经进入实际合作阶段。
投资方观点
中关村资本董事长 孙次锁：多领域技术融合是当下硬科技投资的新特征，中关村资本时刻保持对前沿技术的高度敏感性。维泛智能的类脑芯片是典型的交叉学科应用，通过对任务的深层次拆分高效提升器件层执行能力，这种技术能力离不开北京大学在类脑芯片领域的多年积淀。中关村资本希望结合自己的集成服务能力，与维泛智能团队一同在端侧场景呈现出兼顾性能与功耗的推理AI芯片。
启航投资董事总经理 李磊：启航投资聚焦新一代人工智能、高端核心芯片等国家级战略性硬科技赛道，重点投资拥有底层原始创新、突破产业瓶颈、可实现自主可控与规模化产业赋能的优质科创企业。投资维泛智能，核心看好公司在具身智能类脑芯片领域的差异化技术壁垒，有望解决端侧具身智能“高能耗、低实时、弱自适应”的行业痛点。启航投资将全方位赋能企业技术迭代、产品量产与标杆场景落地，助力公司持续夯实技术护城河，加速国产替代进程。
上海未来产业基金 李然：维泛智能聚焦具身智能“大小脑”融合芯片，属于上海重点布局的类脑智能+具身智能交叉硬核赛道。公司自主研发BiGPU 类脑启发式GPU架构，实现ANN与SNN同构融合，技术路线具备原始创新与替代价值。本次投资维泛智能，核心是立足上海类脑智能未来产业集聚区战略布局，锚定具身智能核心芯片自主可控，推动前沿技术与产业生态协同落地。
石溪资本合伙人 韩楠：投资维泛智能这家类脑芯片企业，核心看好三点。第一是赛道趋势，全球AI正在从高功耗大算力，转向端侧超低功耗智能，类脑计算是产业发展必然方向；第二是团队与技术，公司拥有成熟的全栈研发能力，在脉冲神经网络、神经形态架构上形成自主核心技术，摆脱传统算力局限；第三是落地前景，产品精准匹配人形机器人大脑、边缘智能、工业智能等实体产业需求，商业化路径清晰。未来随着下游应用全面爆发，企业有望快速实现规模化放量，成长空间值得长期期待。
海益投资合伙人 秦祥龙: 维泛智能依托独创类脑+通用计算芯片架构，专注于在端侧打造适配多场景、高性价比的“大小脑”融合芯片。公司创始团队深耕具身场景理解、芯片架构设计、工具链、算法研发及工程化落地全链条，技术积淀深厚、实战经验充足。同时维泛创始人的成功创业履历和海益团队在过往也建立了非常好的默契和信任。海益投资看好维泛智能紧扣国家科技发展战略，聚力国产自主可控芯片，未来发展前景广阔。
作者｜梁键强
编辑｜王毓婵
一句话介绍
Moka为AI人力资源软件服务商，早期从智能化招聘管理系统起步，后逐步扩展至更完整的HR管理系统。5月，Moka上线了招聘Eva、人事Eva和BPEva三款AI HR产品。
招聘Eva覆盖招聘全流程，辅助企业完成识人、筛选和面试；人事Eva聚焦报表处理、流程流转和员工咨询等重复事务；BPEva则用于动态更新人才画像，辅助企业进行人才识别和组织决策。
支撑这三款产品的是Moka AI工坊，它相当于底层能力平台，可以让企业用业务语言描述需求，具有快速响应、个性化定制和安全上线等能力。
图片来源：Moka
团队介绍
Moka联合创始人兼CEO李国兴，本科阶段获得上海交大和密歇根大学计算机双学位，后取得斯坦福大学计算机硕士学位。曾任职于Facebook和智能数据监控公司SignalFx。2015年回国创办Moka，并带领公司从招聘管理系统起步，逐步将AI Agent引入招聘、人事和组织管理等HR场景。
融资进展
此前已完成老虎环球基金领投的C轮一亿美元融资。总融资规模近1.5亿美元。
产品及业务
去年，脉脉高聘人才智库发布的《2025年度人才迁徙报告》显示，2025年1月至10月，新经济行业人才供需比升至2.23，意味着平均2.23名求职者竞争1个岗位，求职端竞争进一步加剧。
企业端的用人需求也在回暖。报告显示，自2025年6月起，新经济行业每月新发岗位量均超过去年同期，其中AI岗位量单月增长11倍，出海相关岗位新增16.99%。
一边是人才竞争压力加剧，一边是岗位需求回升，企业面对的人才匹配问题也变得更复杂。对 HR 来说，工作不只是更快找到合适候选人，还包括理解业务战略背后的用人需求，并持续处理员工沟通、人才保留和组织调整等问题。
Moka联合创始人兼CEO李国兴指出，当前HR的工作长期被大量事务性流程占据，真正能投入人才战略、组织设计和员工沟通上的时间并不多。
面对更高频、更复杂的人才流动和管理需求，AI工具有了进入招聘、人事和人才管理场景的空间。
这次发布的招聘Eva、人事Eva和BPEva产品，分别对应招聘、人事和人才管理三个核心场景。李国兴希望通过这三款产品，把一部分重复、琐碎、流程化的工作交给AI，让HR回到更高价值的组织工作中。
招聘Eva主要面向招聘流程。它不仅负责简历筛选、面试纪要这类任务，还贯穿了简历理解、候选人搜索、初筛、约面、面试反馈和Offer推进等环节。
图片来源：Moka
在招聘场景中，Eva的特长在于记忆和校准能力。很多企业的岗位招聘并不是一次性需求，而是长期持续进行。招聘Eva能够在这个过程中不断理解企业的用人偏好、岗位画像和判断标准，并根据候选人初筛、面试结果等反馈动态调整。
比如，当某些候选人在初筛阶段被淘汰，或在面试后被认为不合适，这些信息都可以反过来帮助Eva校准岗位画像，逐渐理解企业、部门甚至个人的偏好。
招聘Eva还具备“面试教练”的功能。在视频面试中，它可以实时读取面试内容，给面试官提供追问建议，并在面试结束后生成面试纪要和面试质量报告。
人事Eva面向更高频、更重复的人事事务，主要处理数据报表、日常事务流程、员工咨询等工作，包括员工入职后的信息录入，假期、考勤、薪资数据校验，排班生成，流程自动化，以及数据巡检等。李国兴称，人事Eva可承接HR 70%-80%的重复性事务工作。
BPEva面向的是人才管理和组织决策。相比招聘Eva和人事Eva，它处理的不是具体流程，而是更善于“理解人的需求”。Moka希望通过BPEva构建动态人才画像，帮助企业识别员工能力、岗位匹配和潜在发展风险。
传统人才管理多依赖季度、半年或年度盘点，周期较长，也容易滞后。BPEva的作用，是在授权前提下读取会议纪要、文档等数据，动态更新员工画像，帮助HR及时发现员工状态变化、岗位匹配和潜在流失风险。
三款Eva的底层能力来自Moka AI工坊。它可以承接不同企业的个性化需求，将业务语言转化为具体能力配置，并通过沙盒预演、存档和回滚等功能，减少上线后的不确定性。
在Moka看来，对企业用户来说，未来使用HR系统的方式可能会发生变化。过去是人在系统里操作流程，之后则可能更多变成在熟悉的办公软件里，直接和Eva对话、派发任务、接收提醒等。
Founder思考
- AI接手流程性工作后，HR的价值会更多回到人和组织本身
AI HR的出现，会给HR的工作方式带来直接变化。过去，HR很大一部分时间被招聘推进、入离职流程、员工沟通、人事数据、BP事务等日常工作占据。虽然企业经常讨论人才战略和组织建设，但在实际工作中，HR很难真正把大量时间投入到这些更高价值的事情上。
当事务性工作被AI分担后，未来HR的角色会更偏向两类工作。
第一是成为信任的建立者。员工愿不愿意表达真实想法、沟通自身状态，本质上依赖人与人之间的信任，这仍然很难完全交给AI。
第二是成为人才和组织的架构师。比如根据公司业务方向、战略重点和组织现状，判断人才结构是否合理、组织是否需要调整等。这类涉及方向判断和组织设计的决策，仍然需要HR负责人和管理层共同完成。
- 招聘、人事和BP，是HR Agent最容易落地的三类场景
从过往经验、产品能力来看，招聘、人事和BP是最容易被AI Agent切入、也最有落地价值的方向。
招聘是多数企业长期存在的需求，流程也相对繁琐。一个企业里，HR团队中人数最多的往往是招聘团队。招聘不仅涉及简历筛选，还包括岗位需求理解、候选人搜索、约面、面试反馈和Offer推进。
过去这些环节需要HR人工串联，而Agent的价值在于，它可以把这些分散任务连接起来，推动流程继续往前走。
人事事务则是另一类适合Agent介入的场景。它的特点是高频、重复、细节多，而且不能出错。比如假期、考勤、薪资、排班、入离职流程、员工咨询等。对HR来说，这类工作占用时间，但很难体现其价值。
虽然每家企业规则不同，但一旦规则进入系统，AI就可以根据配置，协助处理这些问题，节省HR的时间。
BP对应的是人才和组织问题，这也是CEO和HR一号位更关心的部分。它不像招聘和人事那样更侧重于处理流程，而是试图回答“人和岗位是否匹配”“员工是否有发展风险”“组织里哪些人需要被看见”等问题。
- AI HR让员工价值更容易被客观评价，也更容易被看见
员工能力成长、协作表现、学习能力、岗位匹配情况，都会在日常工作中留下痕迹。如果这些信息能够被线上化、结构化，并被AI读取，员工的亮点就可能更早被发现。
过去，员工表现往往高度依赖管理者的主观评价。如果领导了解某个人、认可某个人，他的贡献可能更容易被看见；如果员工不擅长表达，或者与直接管理者风格不匹配，也可能在组织中被埋没。
如果AI能在授权前提下读取更多客观工作数据，比如文档、会议纪要、项目进展、绩效结果、代码、CRM记录等，它就有机会从更多维度识别员工的真实贡献。这样一来，组织对人的判断就不只依赖某一次汇报、某个领导的评价，或者短期的人才盘点。
对一部分员工来说，他们甚至可能愿意开放更多工作数据，让AI帮助组织看到自己的真实价值。但数据合规开放的核心前提，仍然是明确授权范围与使用边界。
- AI Agent会削弱岗位边界，也会提高对“超级个体”的需求
AI HR Agent出现后，企业对人的需求也会发生变化。过去组织更强调明确分工，比如技术负责技术，产品负责产品，运营负责运营。但在AI工具普及后，很多专业技能的获取门槛正在下降，岗位之间的边界也会变得更模糊。
未来更被需要的，可能是借助AI完成端到端工作的“超级个体”。比如技术人员不只是会写代码，也要有产品意识和用户意识；产品经理不只是写需求文档，也要理解技术，并能够使用AI Coding工具搭建demo。
AI让一些具体技能变得更容易调用，因此人的判断力、品味和跨领域理解能力反而更重要。
这类人通常有几个特点：对周边领域有一定理解，善于使用AI，愿意用AI完成过去自己不会的工作，同时具备判断标准和审美能力。
- AI原生组织的关键，不只是上线新的AI工具，还在于重塑协作方式
AI原生组织有一个判断公式：AI人才密度×AI组织协同深度。前者指组织里有多少人是真正会用AI的人，后者指组织能在多大程度上让AI参与协同工作。两者结合，共同构成企业组织的竞争力。
所谓AI人才密度，指的是员工遇到问题时，会不会首先思考这件事能不能用AI完成，而不是沿用过去的经验和惯性。
越是工作经验丰富的人，有时越容易被过去的工作方式束缚。比如原本擅长Excel分析的人，可能仍然习惯自己搭表、写公式、做分析，而不是直接把原始数据交给AI，让AI按照目标完成分析。
AI组织协同深度，则要求组织把更多信息线上化、结构化，让AI可读、可调用。比如会议纪要、文档、项目进展、业务数据等，如果都停留在线下沟通或个人经验里，AI很难真正参与组织运转。只有当关键工作被记录、沉淀，并允许AI提建议甚至直接执行，Agent才能真正进入组织流程。
在内部实践中，AI对工作方式的影响已经开始显现。比如产品经理可以在没有技术同学帮助的情况下，用AI搭建demo；技术同学也不再严格区分前端、后端、算法，而是借助AI Coding工具完成更完整的任务闭环。团队成员更像“超级个体”，组织层级也会被压缩。
不过，全员AI化的难点并不只是工具，而是组织惯性和人的工作习惯。AI团队专项试点推行的阻力更小，因为被抽调进来的成员本身对新工具和新产品更兴奋。但要让全公司都改变原来的工作方式，就需要持续对抗惯性。
类似变化说明，AI原生组织的难点不只是引入新的AI工具，而在于组织是否有能力打破惯性，重新设计工作流程。
过去这几年，餐饮行业的新店越开越多，淘汰速度也越来越快。精致餐饮仍在发展，但人们愿意为摆盘和氛围买单的冲动在减弱，转而开始寻求一种体面而高性价比的社交空间。
在这样的节奏中，上岛咖啡、米萝咖啡、老树咖啡、良木缘、绿茵阁、豪享来等颇具年代感的老式咖啡餐吧，又开始悄悄爬上了年轻人的打卡清单。
二三十年前，它们是城市里最洋气的餐厅，菜单上写着影视剧男女主角才会点的黑椒牛排意面和卡布奇诺咖啡。隔壁桌是商务人士谈生意，或是时髦情侣在约会，小朋友则眼巴巴地等着大人给自己点上一碗香蕉船。
2001年10月30日，杭州萧山机场的上岛咖啡连锁店。（图/视觉中国）
当我们开始习惯生活中出现的各种网红餐厅与精品咖啡店时，老牌咖啡餐吧就不再是“高档”首选。但热爱“老派约会”的年轻人，永远对它们情有独钟。
老式咖啡厅
多少人的童年顶流？
以前想要到老式咖啡餐吧吃顿饭，得软磨硬泡好久，考了第一名、过生日或者爸妈实在拗不过了自己，才能走进它们的大门。
那时，老式咖啡餐吧代表着一种独特的仪式感，进门前深吸一口气，就能踏入一个和日常完全不同的世界。
餐厅里播着爵士乐，每桌都是暗红或墨绿色的皮革沙发卡座，座位旁边是半人高的绿植。头顶的水晶吊灯，灯光恰到好处地照着墙上看不懂的插画，营造出一种当时难得一见的“优雅”氛围。
甜品香蕉船，多少孩子的童年回忆。（图/图虫创意）
食物则是这段回忆的重中之重，那块如今看来肉质平平的牛排端上来时总是让人充满期待，自己第一次模仿大人的样子使用刀叉时的局促与新奇至今难忘。
冰淇淋永远装在细长的杯子里，表面是巧克力酱和奶油，顶上还要插一片威化饼干或者一颗鲜红的樱桃。吃到最后，甚至想不顾形象地端起杯子，把杯底融化的甜水一饮而尽。
在那个生活方式不算丰富的年代，很多家庭把老式咖啡餐吧当成周末的固定据点。大人们点一杯咖啡就开始谈天说地，讲一些小孩们听不懂的“大事”。孩子们则窝在卡座里翻那些看不太懂的杂志、报纸，一边嘬着奶昔，把吸管咬得很扁，一边许下“宏愿”：长大后要自己花钱来这里，想点什么就点什么，想坐多久就坐多久。
多年之后，老式咖啡餐吧也不再是城市中的潮流地标。它们从商场最显眼的位置，缩进了临街商铺的二楼、巷子的拐角，却在不经意间重新捕获了新一代年轻人的目光，成为新晋“宝藏小店”。
上岛咖啡成了梦核风拍照打卡点。（图/小红书截图）
老式咖啡餐吧
正在被重新选择
过去，成都良木缘咖啡厅里厚重的木质家具上繁复的雕花、略显昏黄的灯光，被戏称为“欧式贵族风”。在很长一段时间里，约几个朋友一起去良木缘写作业、喝下午茶，是小孩们“奢侈”的课余活动。
如今，良木缘的装修融入了更现代的设计，整体环境变得更加明亮、舒适，且不同门店有着差异化设计。邻近大学的门店甚至推出了专门的自习区域，咖啡还可以续杯。曾经那个“有钱孩子才能去”的咖啡厅，以一种更日常的姿态，重新进入了人们的视野。
“有钱孩子才能去”的咖啡厅，如今已经转型。（图/网页截图）
同样发生变化的，还有上岛咖啡。上岛品牌初到大陆时，凭借“有腔调”的调性，成为了都市白领和商务人士洽谈业务、享受闲暇的首选之地。在巅峰时期，上岛咖啡及其衍生品牌在全国的门店数量一度达到惊人的3000家。
近些年许多上岛咖啡已经逐渐关店，但现存的店里，菜品变得越来越“接地气”了。除了牛排、意面和咖啡外，菜单上还赫然出现了农家土鸡、芥末鸭掌、毛血旺甚至水煮鱼。
到上岛咖啡吃川菜……还是太超前了。（图/网页截图）
小时候觉得高攀不起的地方，加入了中餐fushion后，反而透着一股莫名的亲切感。它不再是精英的专属，而变成了一个谁都可以进来歇歇脚的地方。
还有一部分人重新走进老式咖啡餐吧时，是为了找回熟悉的记忆，那些与店名、菜单乃至装潢牢牢绑定的幸福瞬间。
来自厦门、主打平价牛排的豪享来，用牛排搭配铁板意面、一个煎得恰到好处的荷包蛋，再淋上浓郁的黑胡椒酱，甚至还会附送一小杯红酒。一套“组合拳”下来，豪享来不知完成了多少孩子的西餐启蒙。
老式咖啡餐吧的记忆，长大后依然“刻骨铭心”。（图/网页截图）
如今重新走进店门，那熟悉的铁板嗞嗞声，那杯甜得发腻的红茶，足以将人瞬间拉回那个无忧无虑的人生阶段。
同样是在西餐对于大多数国人而言还算是贵价舶来品的年代，许多人在广州绿茵阁里喝到了人生的第一杯咖啡，第一次知道西冷和肉眼的区别，也会亲切地称呼它为“渌亲脚”。
30多年后的今天，那些在绿茵阁里拍拖恋爱，如今为人父母的广州人，仍然会带着孩子们重新回到这里，点一桌忌廉汤、肉眼扒、意粉和甜品。对老顾客而言，这里是青春记忆的载体；对年轻人来说，这种未经刻意做旧的复古感，又构成了一种独特的吸引力。
绿茵阁咖啡厅。（图/IC Photo）
承载着一代人记忆的老式咖啡餐吧，在时代的洪流中走出了截然不同的命运轨迹。而那群在老式咖啡餐吧陪伴下长大的孩子们，总会在不同时期重新选择它们，哪怕只是为了圆自己一个童年梦想。
老式咖啡餐吧
接住了多少装松弛的年轻人
这两年社交平台上流行一个词叫“漂亮饭”，特指去那些摆盘精美、色调高级、让人忍不住拍照的餐厅吃饭。菜品味道未必惊艳，但一顿饭下来，手机相册一定已经“吃饱”了。
如果二三十年前社交媒体与摄影技术同样流行，那么这些老式咖啡餐吧一定会成为当时的“漂亮饭”顶流。但如今，被融合餐厅昂贵的价格和五花八门的“主理人规则”劝退的年轻人，反而在这些餐吧中真的松弛了下来。
喝腻了贵价特调咖啡的年轻人，逐渐发现了老式咖啡餐吧的好。（图/视觉中国）
无他，20多元一杯美式咖啡，五六十元的牛排套餐，和许多网红店相比便宜一截。你可以穿着拖鞋窝在卡座里，点上一桌小时候不敢奢望的美食，好好款待童年的自己。
拍摄需求也不会被落下，复古的木楼梯、深绿色卡座和水晶吊灯，随便一拍就有千禧年的复古味道。
不过，年轻人走进老式咖啡餐吧，也不只是为了拍照或者怀旧。从诞生那天起，老式咖啡餐吧就具备了一种奇特的包容性。它们不只是咖啡店，还是第一批本土化的西餐厅，让许多人以相对融合、友好的方式初次体验了大洋彼岸的新奇生活。
每个人的心中都有自己怀念的老式咖啡餐吧。（图/图虫创意）
如今大家见惯了各种场面，早就没了当年的拘谨。老式咖啡餐吧也褪去了“高级”的滤镜，它从不试图掩盖自己的陈旧，而是乐于成为人们精彩生活中的背景板。
但至少在每个人心中最爱的老式咖啡餐吧里，我们仍然被允许怀念童年的香蕉船，怀念那个曾经无忧无虑的自己。
本文来自微信公众号“新周刊”，作者：牧羊，36氪经授权发布。
今日热点导览
曝泡泡玛特8.8亿买楼：不予置评
雷军透露小米YU7临时降价
教育部拟同意设置34所新大学
腾讯承诺不再与相关版权方达成或变相达成版权独家授权合同
特朗普凯旋门方案获批
TOP 3大新闻
永辉超市向王健林等追债超36亿元
5月21日，永辉超市发布公告称，公司于近日收到法院出具的《受理案件通知书》。永辉超市与大连御锦贸易有限公司（以下简称大连御锦）、王健林、孙喜双、大连一方集团有限公司（以下简称一方集团）仲裁裁决一案，上海国际经济贸易仲裁委员会作出的裁决文书已发生法律效力。经公司向法院申请执行，法院出具了《受理案件通知书》，决定立案执行。涉案金额为剩余股份转让价款36.39亿元及相关违约金、律师费、仲裁费等其他费用。
36氪获悉，天眼查App显示，王健林名下关联40余家企业，其中10家处于存续或者迁出状态，其余企业已注销或被吊销。风险信息显示，王健林现存多条股权冻结信息。（中国证券报、36氪）
《柳叶刀》：全球近12亿人有精神障碍，相较1990年人数增长了95.5%
英国杂志《柳叶刀》5月21日刊载研究报告显示，2023年全球有近12亿人有精神障碍，相较1990年人数增长了95.5%。研究人员发现，从1990年到2023年，全球范围内，12种精神障碍的患者都有增加。其中，焦虑症和抑郁症患者增多最为显著，相比1990年分别增长了158%和131%。（央视新闻）
微信回应“只能撤回2分钟内消息”
5月22日，微信官方账号“微信派”发文解释了微信消息撤回功能的设计逻辑。文中明确，不同类型消息的撤回时限不同：文字、语音、图片、视频等消息可在发送后2分钟内撤回；而Word、Excel、PPT、PDF等文件类消息的撤回时限则为小时。
微信团队解释称，2分钟的设计依据是，对方大概率尚未读完消息，撤回相当于“重新说”，不会打断聊天节奏；而超过2分钟对方通常已阅读甚至回复，此时撤回反而增加尴尬。文件类消息之所以享有更长时限，是因为接收方查看文件天然存在“时差”——可能正在开会或通勤中，3小时能提供足够的缓冲。
值得注意的是，如果撤回不限时，发送者就能随意篡改聊天记录。借钱记录、工作安排、商务承诺，谁都可以说删就删。（凤凰网科技）
大公司/大事件
多家山姆货架现熟食残渣和空瓶子等，客服回应
近期，山东济南、青岛两家新开业的山姆会员商店内，接连出现顾客未结账就地食用商品，食用残渣、空瓶随意丢弃在卖场货架区域的现象。相关现场画面在网络平台传播，引发公众关注。5月22日，界面新闻向山姆客服了解针对上述行为是否有相应的管理措施，对方表示，相关情况会进行记录，也会反馈给相关部门。此次疑似出现不文明消费现象的两家门店，均于2026年5月正式开业。两家门店开业期间客流处于高位，多款网红熟食、饮品商品受到消费者追捧，开业初期门店日常接待客流量显著高于常规时段水平。（界面新闻）
曝泡泡玛特8.8亿买楼，官方回应：不予置评
5月22日，近日有消息称，“泡泡玛特以8.8亿元购入北京太古坊二期（原颐堤港二期）整栋写字楼，建筑面积约4.4万m²，地上16层，或将作为总部大厦。”针对上述传闻，泡泡玛特官方不予置评。（东方财经）
雷军透露小米YU7临时降价
在5月21日举办的小米汽车新品发布会上，按照官方现场公布的最新信息，小米YU7标准版起售价为23.35万元，零百加速5.90秒，最大马力320PS，最高时速220km/h。发布会后接受媒体群访时，雷军透露，小米YU7标准版23.35万的起售价是顶着非常大的成本压力敲定的，最开始的定价方案原本是23.99万元，团队挤了很多内部供应链和运营环节的利润，就是为了让用户实实在在感受到小米的诚意。（新浪科技、快科技）
京东618将用AI数字人打造全网首档AI购物直播晚会
36氪获悉，京东宣布将于6月1日晚8点推出全网首档A购物直播晚会《京东618·赛博联欢会》。据了解，晚会用京东JoyStreamer多模态数字人生成能力，重现美猴王、海尔兄弟、大头儿子、卡皮巴拉小黄豚等经典IP，以AI数字人形象演绎童年经典。
Spotify和环球音乐达成合作：允许订阅用户创作AI翻唱作品
5月22日消息，Spotify和环球音乐集团达成了一项合作，将允许用户使用人工智能创作翻唱歌曲和混音。外媒称，预计这项功能将以付费服务形式推出。订阅Spotify Premium的用户可以对参与授权计划的艺人歌曲进行混音，并创作AI翻唱作品。Spotify表示，除了现有的版税收入外，这项新功能还能为艺人和词曲作者创造额外的收入来源。Spotify联席CEO Alex Norström表示，Spotify的强项是解决音乐领域的难题，而粉丝制作的翻唱和混音将是下一步的发展方向。（环球网科技）
香港证监会要求：提高开户标准
香港证监会今天发出通函，列明在开立帐户及维持客户关系时应实施的监控措施。该通函是在证监会对12家证券经纪行的开户作业手法进行检视后发出的。有关检视识别出多项重大缺失，包括开户文件的尽职审查不足，在开户过程中接受可疑或伪造文件，及在管理与海外中介人的跨境代理关系方面的弱点。证监会对客户帐户有可能遭不当使用来进行可疑或不法交易，及因而加剧的洗钱及恐怖分子资金筹集风险，深表关注。证监会要求所有持牌法团在切实可行的情况下尽快进行内部核查，以侦测是否有任何可疑或伪造文件曾被接受用来开立帐户。（财联社）
教育部拟同意设置34所新大学
5月21日，教育部网站发布《关于拟同意设置本科高等学校的公示》称，根据《中华人民共和国高等教育法》《普通高等学校设置暂行条例》《普通本科学校设置暂行规定》《本科层次职业学校设置标准（试行）》等有关规定，经教育部党组会议审议，拟同意设置常州信息职业技术大学等34所学校，现予公示。公示时间为2026年5月21日至5月27日。公示信息显示，34所新大学中，22所为职业本科。2019年，国家开展本科层次职业教育试点，打破了职业教育专科学历的“天花板”。近年来，职业本科学校队伍日益壮大。（第一财经）
腾讯承诺不再与相关版权方达成或变相达成版权独家授权合同
36氪获悉，腾讯控股有限公司、腾讯音乐娱乐集团发布公告，国家市场监督管理总局于2026年5月11日发布《关于附加限制性条件批准腾讯控股有限公司收购喜马拉雅公司股权案反垄断审查决定的公告》（以下简称“《决定》”）。根据《决定》所附《附加限制性条件承诺方案》（以下简称“《承诺方案》”）要求，公司承诺不再与《承诺方案》中定义的版权方（以下简称“相关版权方”）达成或变相达成版权独家授权合同，并将于《承诺方案》规定期限内解除现有各种形式的独家授权合同。
证监会拟对富途罚款18.5亿，老虎证券罚没4.112亿
据“证监会发布”微信公众号22日消息，近日，证监会依法对Tiger Brokers (NZ) Limited（以下简称老虎）、富途证券国际（香港）有限公司（以下简称富途）、长桥证券（香港）有限公司（以下简称长桥）境内外相关主体在境内非法经营证券业务等行为立案调查并作出行政处罚事先告知。
5月22日晚间，富途证券母公司富途控股发布公告称，公司收到了中国证券管理委员会及其深圳分局（合称“CSRC”）的调查通知及行政罚款预通知函，拟对公司罚款18.5亿元人民币（约合2.71亿美元）。对富途创始人兼首席执行官李华处以个人罚款125万元（约合183575美元）。老虎证券5月22日公告称，北京证监局对公司的相关子公司处以合计约人民币3.081亿元的行政罚款，并没收合计约人民币1.031亿元的违法所得。合计罚没金额为4.112亿元。（澎湃新闻）
IMAX或考虑出售，正与多个潜在买家接洽
据报道，连锁影院运营商IMAX正在考虑出售，并已与多家娱乐公司进行接洽，目前该过程尚处于早期阶段，不能确保达成交易。（财联社）
英伟达最新财报取消游戏业务分类，统一并入边缘计算
据科技媒体TweakTown报道，英伟达在最新财报中，将原本独立统计的游戏业务收入并入“边缘计算”分类，总额64亿美元（约合435.97亿元人民币）。这一变化表明，虽然GeForce产品线仍在继续更新，但游戏业务已不再是公司的核心增长引擎。（财联社）
特朗普的凯旋门方案获批
美国美术委员会当地时间5月21日批准了美国联邦政府提交的、拟在首都华盛顿特区建造类似“凯旋门”式建筑的设计方案。这是该项目推进过程中的关键一步。该委员会由美国总统特朗普亲自挑选的人员组成。委员会主席称：“这座建筑很美。”据了解，该方案较今年4月提交的版本略有修改，取消了底座的四头狮子雕像。（CCTV国际时讯）
三星电子工会就临时薪资协议启动投票
韩国三星电子工会22日开始就一项临时薪资协议进行电子投票。按计划，电子投票将持续至5月27日上午10时，预计约8.9万名工会成员参与。若参与投票人数超过全部成员半数，且多数投票者支持协议，协议将正式生效；否则劳资双方需重新展开谈判。（新华社）
AMD首席执行官称未来几年CPU需求将持续增长
AMD首席执行官苏姿丰5月22日表示，中央处理器（CPU）市场增长速度比“我们任何人一年前的预测都要快”，并且在未来几年将继续扩张。未来五年，AMD预计CPU市场每年将增长超过35%，“而这正是我们非常强大的领域，”苏姿丰在台北的一次活动上表示。（新浪财经）
澳洲法官严厉批评特斯拉集体诉讼案处理方式，警告将面临“非常糟糕的局面”
在一起涉及约1万名澳大利亚特斯拉车主的集体诉讼案中，澳大利亚联邦法院法官汤姆·索利对特斯拉在证据开示程序中的表现提出严厉批评，质疑该公司是否认真对待司法程序。该诉讼由布里斯班律师事务所JGA Saddler提起，指控特斯拉在“幽灵刹车”、电池续航里程和自动驾驶能力方面误导澳大利亚消费者。在长达八个月的取证过程中，特斯拉仅提交了约2000份文件，而原告律师表示，需要大量工程软件、车载系统及投诉记录等相关文件才能让专家充分审查指控。（新浪财经）
AI最前沿
Gemini改为按算力计费引投诉，谷歌补偿：将Pro和Ultra用户额度永久提高三倍
5月22日，财经网科技消息，在2026年I/O开发者大会期间，谷歌宣布于5月17日开始调整Gemini配额算法，将原先“每日提示词次数”调整为“按算力计费”，引发诸多网友和用户投诉。
根据官方公告内容，Gemini过去主要按每天提示词次数计算使用量，新规则改为按算力消耗核算，同时把请求复杂度、调用功能以及聊天历史长度都纳入配额计算。
伴随着舆论发酵，谷歌Antigravity团队的VarunMohan公开说明情况，并表示针对当前Pro和Ultra付费用户，已重置Gemini本周配额，后续额度将永久提高3倍。
星巴克在北美全线叫停AI库存盘点工具
在北美门店全线推广仅九个月后，星巴克本周正式关停了该款用于自动化库存盘点的人工智能工具。此前了解到，这款AI工具在实际操作中频频算错数量，导致库存管理错漏百出。该工具曾是首席执行官Brian Niccol旨在解决产品频繁缺货这一核心顽疾的标志性举措，他此前一直痛批缺货严重拖累了公司业绩。（新浪财经）
Anthropic正与微软商谈使用其AI芯片
据报道，Anthropic正与微软商谈租用搭载微软自主设计的AI服务器芯片的服务器。（界面新闻）
微软和安永将联合投资超10亿美元，帮助客户启动重大AI项目
科技巨头微软公司正与咨询公司安永联手，计划投入超过10亿美元协助客户启动重大AI项目。安永全球咨询业务副主席Errol Gardner在接受采访时表示，这项计划旨在帮助企业将AI项目从试点阶段发展为大规模项目，届时客户能“真正获得投资回报”。（新浪财经）
上市进行时
硅基智能更新招股书
36氪获悉，港交所文件显示，南京硅基智能科技集团股份有限公司向港交所提交上市申请书，联席保荐人为招银国际、星展国际。
Ōura智能戒指制造商秘密递交美国IPO申请
智能戒指制造商Ōura于5月21日宣布，已向美国证券交易委员会秘密提交了首次公开发行的S-1注册声明草案，交易代码尚未公布。高盛和摩根大通将担任此次IPO的主承销商。（新浪财经）
东芯股份：筹划发行H股股票并在香港联交所主板上市
36氪获悉，东芯股份公告，公司拟发行境外上市股份（H股）并在香港联交所主板挂牌上市。截至目前，公司正积极与相关中介机构就本次发行上市的相关工作进行商讨。
北京首钢朗泽科技股份有限公司通过港交所上市聆讯
36氪获悉，港交所文件显示，北京首钢朗泽科技股份有限公司更新聆讯后资料集，意味着该公司港交所IPO通过聆讯。
大公司财报
联想集团：第四财季收入216亿美元，同比增长27%
36氪获悉，联想集团公告，2025/26年财政年度，集团全年收入同比增长20%，创831亿美元新高。剔除一次性重组费用、认股权证的非现金公允值收益、可换股债券的名义利息及其他非现金项目的影响后，经调整权益持有人应占溢利同比增长42%至20亿美元。于第四财季，收入达到216亿美元的历史新高，同比增长27%，创下过去五年来最高增速。人工智能相关收入同比增长84%，占集团总收入的38%。
Information：OpenAI第一季度营收约为57亿美元
The Information援引两位未具名知情人士报道，OpenAI第一季度营收约为57亿美元。报道称，OpenAI的编码助手Codex，以及企业销售增长和ChatGPT广告测试，共同推动了第一季度营收增长。（新浪财经）
拉夫劳伦在华市场表现亮眼，营收大幅攀升
受中国市场强劲增长拉动，拉夫劳伦第四财季净利润1.516亿美元，营收同比上涨17%至19.8亿美元。市场数据机构法克赛特统计显示，公司调整后每股收益为2.80美元，超出市场2.55美元的预期值。（新浪财经）
Take-Two第四财季净预定15.8亿美元，高于市场预期
Take-Two第四财季净预定15.8亿美元，分析师预期15.7亿美元。公司预计2027财年净预定80亿-82亿美元，分析师预期91.1亿美元。公司预计第一财季净预定13.2亿-13.7亿美元，分析师预期15.7亿美元。（财联社）
Workday一季度营收25.4亿美元，高于市场预期
Workday一季度营收25.4亿美元，分析师预期25.2亿美元。维持全年订阅营收预期在99.3亿-99.5亿美元不变。公司预计二季度订阅营收24.6亿美元，分析师预期24.56美元。（财联社）
投融资
英伟达、AMD、英特尔参投，AI初创公司Hark完成7亿美元融资
Figure创始人Brett Adcock旗下的AI初创公司Hark宣布完成7亿美元A轮融资，估值达60亿美元。本轮融资由Parkway Venture Capital领投，英伟达、AMD Ventures、Intel Capital等参投。资金将用于扩展GPU基础设施，加速未来AI模型的开发，以及设计和构建下一代AI硬件。（财联社）
“无尽方舟”完成数千万种子轮融资
36氪获悉，AI驱动的生物科技制药公司“无尽方舟”宣布完成数千万种子轮融资，由Monolith砺思资本领投。无尽方舟科技由牛津博士生赵思邈创立，致力于通过跨物种AI模型研发长寿药物，探索能实现器官功能改善的疗法。
Kalshi Inc.融资2亿美元，估值维持在220亿美元
据报道，Kalshi Inc.融资2亿美元，估值维持在220亿美元。（财联社）
“中科沌序”完成数千万天使轮融资
北京中科沌序科技有限公司宣布完成数千万规模的天使轮融资。本次融资由首程资本领投，钧犀资本、顺禧基金跟投，获多元资本类型追捧。中科沌序脱胎于人工智能“国家队”中国科学院自动化所，以Collective AGI（群体通用人工智能）为使命，既布局未来无人社会广阔场景，又有当下低空安全产品落地的AI公司，致力于打破AI行业“远景美好、落地艰难”困境，实现“技术+商业”双轨并行。
酷产品
炬坤机器人发布全球首款工业级五指灵巧手
36氪获悉，炬坤机器人近日发布全球首款工业五指灵巧手Torch-hand1，专为工业场景打造，可适配多种复杂场景作业需求。
博坦发布全新旗舰无人机ATOM 3
36氪获悉，近日，博坦（Potensic）正式发布ATOM系列全新旗舰无人机ATOM 3。据了解，ATOM 3定位为249g全场景航拍无人机，搭载1/1.3英寸大底传感器，可实现4K 60fps HDR、最长续航50分钟、16公里图传距离，拥有AI跟随2.0。支持4米以内低空跟随、AI夜景模式、一键短片等智能功能，可搭配PTD 2带屏遥控器，目前已在国内全平台正式开售。
整理｜Kris
新鲜零食品牌争相竞逐新市场。
36氪获悉，新鲜零食品牌「金粒门」近期密集落地全国布局，正式开启跨区域快速发展阶段。近日，金粒门华南首店、湖北首批合计6家门店已经进场装修。与此同时，金粒门华东首店将于5月29日正式入驻南京新街口IFCX，持续布局长三角核心市场。
金粒门相关负责人表示，金粒门将持续加码门店布局，年内将全力推进拓店计划，让更多消费者体验到新鲜短保零食产品与服务。
金粒门华南首店位于深圳龙岗布吉万象汇负一层
据悉，金粒门早期从板栗、炒货相关业态起步，后转向“现制现售、短保新鲜”的新鲜零食模型。
如今，作为“新鲜零食”热潮里的代表性品牌，金粒门以“短保现制、新鲜健康”为核心定位，形成了以麻辣鲜食（保质期48小时）、现制奶茶、原液鲜果茶等为特色品类的品牌心智。此外，金粒门也依托“基地直采+中央厨房+门店现制”的完善供应链体系，实现从原料采摘到终端销售的全链条控鲜。
华创食饮的一份新鲜零食调研报告显示，调研的金粒门门店约有SKU 139个，覆盖水果、饮品、烘焙等六大品类，且几乎全为自有非标品，其中1-5天的短保高频消费品类占比达46.1%，预计销售额占比超过60%。
金粒门门店
目前，金粒门已拥有超20家直营门店，以湖南为大本营，在各大核心商圈密集布局。金粒门本就诞生于长沙，辣味鲜食、酱板鸭、魔芋丝、鸭锁骨等湖湘口味构成了部分爆品基础。但从湖南走向南京、无锡、深圳、武汉乃至更广泛市场时，这些 SKU 是否仍然具备同样的复购能力，并不确定。区域爆品能否变成全国爆品，是金粒门必须回答的第一道题。
