在2025年北極光創(chuàng)投第十八屆CEO峰會的圓桌論壇上，北極光創(chuàng)投合伙人林路攜Rolling AI創(chuàng)始合伙人甘藝凡，APUS創(chuàng)始人兼CEO李濤，北極光創(chuàng)投高級顧問李樂丁三位嘉賓圍繞“迎接AI——理性看待變革，積極布局未來”這一主題展開探討，從不同角度探討了AI技術(shù)發(fā)展、場景落地與組織變革之間的關(guān)系。
李樂丁從技術(shù)角度切入，指出大模型已經(jīng)進入能力邊界與不確定性凸顯并存的新階段，單純追逐參數(shù)規(guī)模意義有限，真正價值將來自與具體產(chǎn)品的深度融合，形成可持續(xù)場景價值。李濤隨后從企業(yè)實操層面，分享了APUS在代碼生成、創(chuàng)意設(shè)計、醫(yī)療預(yù)診等多個環(huán)節(jié)的AI落地經(jīng)驗，強調(diào)構(gòu)建自身模型體系和數(shù)據(jù)資產(chǎn)作為長期護城河是關(guān)鍵。甘藝凡結(jié)合超百個咨詢項目經(jīng)驗，總結(jié)企業(yè)在應(yīng)用AI時最常見的誤區(qū)是“高估短期價值、低估長期潛力”，建議企業(yè)圍繞“為什么要做？做什么？怎么做？”構(gòu)建AI應(yīng)用的戰(zhàn)略路徑，并推動組織與文化的深度調(diào)整。林路最后提醒CEO們謹防“戰(zhàn)略空心化”，一切部署都應(yīng)回到業(yè)務(wù)本質(zhì)，從實際業(yè)務(wù)出發(fā)落地AI。
以下為整理的圓桌討論實錄，有編輯與刪節(jié)。
林路：關(guān)于AI的未來，有人樂觀，有人很謹慎，在座的幾位嘉賓，我知道李濤屬于樂觀派，李樂丁是謹慎現(xiàn)實派，甘藝凡是介于兩者之間。樂丁曾是我在百度的同事，就先請他從技術(shù)角度談?wù)劗斍癆I的發(fā)展水平。
北極光創(chuàng)投合伙人林路
李樂丁：我從技術(shù)層面簡要回顧一下AI的進展。今年尤其到年中時是非常重要的一個轉(zhuǎn)折點，我們走到了AI技術(shù)和產(chǎn)品的交匯點：過去，大家往往認為只要技術(shù)在某個垂直方向取得突破，就能直接解決業(yè)務(wù)問題；現(xiàn)在，需要將技術(shù)能力與產(chǎn)品思考相結(jié)合，才能實際解決問題并真正創(chuàng)造價值。
經(jīng)過幾年的發(fā)展，大家對AI能力的邊界有了更清晰的認知，雖然模型能力仍在持續(xù)提升，但增速變得越來越緩慢，我們也逐漸認識到一些核心局限性：首先，模型并不具備真正的智能，不能像人類一樣舉一反三；其次、模型的“幻覺”是難以完全消除的。模型的準確性和幻覺是互相矛盾的，不可能完全被充分的解決。
這就意味著我們今天走到了一個特殊的階段，人類首次需要擁抱一個具有不確定性的工具。與傳統(tǒng)的程序、工具、雇員完全不同。AI的能力無比強大，可以做非常多的事情，但同時它也在很多時候會變得非常的不靠譜，可能在關(guān)鍵場合出錯。然而在復雜問題中，它又能會給出極端優(yōu)秀的解決方法。摸清并理解這種脾性，是我們更好將AI融入產(chǎn)品、發(fā)揮其作用的前提。
而模型能力本身，現(xiàn)在業(yè)內(nèi)也逐步達成共識：所有模型的核心能力源自于預(yù)訓練，而非后訓練。我們看到的一切后訓練成果，其實都是在引導模型激發(fā)已有的預(yù)訓練能力。例如，在數(shù)學問題求解上，大家看到可以解得非常好，這是在預(yù)訓練當中得到的。模型不僅能直接給出答案，也能按步驟逐層推理，以適用于不同的應(yīng)用場合；而后者往往更契合真實應(yīng)用需求，這類能力通常來源于強化學習的訓練方式。
所以今天一個基本的共識是我們?nèi)匀恍枰浅Ｖ匾曨A(yù)訓練，而預(yù)訓練所有的能力源自于數(shù)據(jù)。但挑戰(zhàn)在于，高質(zhì)量的訓練數(shù)據(jù)已經(jīng)大部分被用盡，尤其像代碼這樣的數(shù)據(jù)，幾十年的積累已經(jīng)被模型學習過了。這意味著我們將迎來模型解析能力的提升趨于平穩(wěn)的階段，這個時候更需要通過產(chǎn)品思維，將這種不確定性但強大的工具引入實際應(yīng)用中，解決真實問題。
北極光創(chuàng)投高級顧問李樂丁
林路：我們再請一位樂觀派來談?wù)効捶?，就像當年移動互?lián)網(wǎng)來臨，我們選擇擁抱它一樣，現(xiàn)在AI來了，我們也應(yīng)該積極擁抱AI。我們注意到APUS在AI應(yīng)用上做了很多探索，請李濤分享一下你們現(xiàn)在做了哪些實際應(yīng)用？
李濤：我跟樂丁的觀點稍有不同。特別是在“后訓練”這個問題上，我認為模型的能力還有進一步進化的空間。剛才我和同事討論時提到，現(xiàn)在有一個新的說法，認為模型可能會替代數(shù)據(jù)庫——雖然很多人認為這是不可能的。但我們目前已經(jīng)能看到模型在結(jié)構(gòu)化處理數(shù)據(jù)方面的能力逐步增強。
傳統(tǒng)做法是，我們把數(shù)據(jù)輸入模型，或者提供一個意圖，由模型進行結(jié)構(gòu)化處理，再存入數(shù)據(jù)庫。但如果模型本身已經(jīng)能夠很好地理解并結(jié)構(gòu)化數(shù)據(jù)，那何必存到數(shù)據(jù)庫呢？數(shù)據(jù)直接留存在模型中即可。這樣一來，模型處理確定性任務(wù)時的表現(xiàn)會更好、更明確。
可能我們今天看到模型出現(xiàn)的問題或者說幻覺，確實無法完全消除，但在模型具備更強的結(jié)構(gòu)化數(shù)據(jù)處理能力之后，它的“幻覺”問題也有可能被大幅壓縮。
我分享一下APUS在內(nèi)部落地AI的實踐，大概有兩個部分，給大家做一個借鑒和參考。
第一是研發(fā)提效，目前公司在三個領(lǐng)域內(nèi)部已經(jīng)開始應(yīng)用AI。一是Coding，Coding對于APUS幫助非常大，我們最新發(fā)布的產(chǎn)品中，約有70%的代碼是由模型生成的。當然，人工也仍然參與其中；在對舊代碼的維護方面，大概有33%的修改也由模型輔助完成。
整個過程是從產(chǎn)品設(shè)計開始的?，F(xiàn)在我們的產(chǎn)品經(jīng)理更多是將意圖進行描述，由模型生成初步的產(chǎn)品設(shè)計，再由人進行后續(xù)完善。這個過程實際上是人和模型不斷交互的過程。接著把初步設(shè)計交給技術(shù)團隊時，仍然是模型繼續(xù)發(fā)揮作用。
很多人會問：“你們自己的商業(yè)邏輯怎么辦？”我們APUS自研并訓練了自己的模型，在私有化部署的DeepSeek基礎(chǔ)上，打造了專門用于Coding的模型。帶來的好處非常大，比如我們有一些工具類產(chǎn)品，如瀏覽器，就已經(jīng)大范圍地使用模型自動化Coding。甚至可以實現(xiàn)為不同用戶群體定制瀏覽器，而底層邏輯完全由模型基于對過往瀏覽器的學習自動生成。它能夠針對不同人群的需求生成完全不同的代碼結(jié)構(gòu)，實現(xiàn)高度個性化的產(chǎn)品能力。
另外，我們在內(nèi)部使用AI的過程中，在素材設(shè)計方面也獲得了非常大的助力，尤其是在圖片和視頻的制作上。因為我們主要做出海的To C業(yè)務(wù)，過去需要五六十位設(shè)計師，一方面負責產(chǎn)品的UI設(shè)計，另一方面承擔大量的產(chǎn)品宣傳素材制作，尤其是視頻和圖片。而現(xiàn)在，我們的設(shè)計師團隊只保留了原來的大約15%，整個公司設(shè)計師不到10人。在海外市場推廣過程中，AI模型可以基于某一個爆量素材，一天自動生成幾千個同類素材，并能精準識別和提煉爆量素材的關(guān)鍵元素，從而確保每一條推廣內(nèi)容都具備相應(yīng)的吸引力。原本五六十個設(shè)計師一天都做不完的工作，現(xiàn)在通過模型一天就可以完成。雖然這個過程中仍然需要人工參與把控質(zhì)量和調(diào)優(yōu)，但整體效率已經(jīng)得到了非常大的提升。
在產(chǎn)品上，我們也進行了多個方向的探索，主要聚焦在內(nèi)容領(lǐng)域。過去我們一直在做圣經(jīng)類產(chǎn)品，目前已經(jīng)在美國覆蓋了大約10% 的人口。以往的產(chǎn)品形式相對簡單，主要是以電子書的形式呈現(xiàn)傳統(tǒng)圣經(jīng)內(nèi)容。而現(xiàn)在，通過引入模型生成的語音、圖像和視頻能力，我們已經(jīng)將圣經(jīng)內(nèi)容升級為連環(huán)畫甚至短視頻的聚合形式。更重要的是，我們還在產(chǎn)品中引入了一個“Bible Chat”功能，它是一個由模型訓練出來的數(shù)字化“牧師”，可以與用戶進行交流，幫助他們解答問題，同時通過用圣經(jīng)文本建立邊界條件來約束模型。
除了圣經(jīng)類產(chǎn)品，我們還布局了健康領(lǐng)域。借助我們在國內(nèi)開發(fā)的醫(yī)療大模型，目前這一模型已經(jīng)在部分三甲醫(yī)院投入使用，累計為超過100萬人提供了初步診斷建議。雖然我們現(xiàn)在的機制還不允許模型直接給出最終診斷意見，還是需要醫(yī)生最終確認，但是可以顯著提升效率?；颊呖梢栽诩彝ㄟ^公眾號或小程序完成初步診斷，模型完成初步診斷并自動進行分診推薦并幫用戶掛號，用戶到醫(yī)院后醫(yī)生可以直接查看病人前期的情況以及初步診斷。在醫(yī)生與病人交流過程中，模型還能實時記錄并生成診斷報告，未來會大幅減少醫(yī)生手動記錄的工作量。這是我們在醫(yī)療方向的一項重要應(yīng)用。我們還把產(chǎn)品在美國市場以To C形式上線，作為獨立App推出。
此外，我們的模型還被應(yīng)用于一些特別復雜且尚未被結(jié)構(gòu)化處理的領(lǐng)域，以Deepseek為例，它之所以受到大量關(guān)注，是因為其背后的團隊大多來自量化背景，擅長處理海量數(shù)據(jù)并進行快速反饋。在互聯(lián)網(wǎng)時代，社交平臺和各類開放信息對市場交易和商業(yè)判斷的影響日益加大，因此模型對這些碎片化數(shù)據(jù)的整合與分析能力顯得尤為關(guān)鍵。
我們也基于類似的思路開發(fā)了具備情報分析能力的模型，應(yīng)用在商業(yè)與政治情報的分析上。例如，我們的Agent系統(tǒng)能夠調(diào)用全球范圍內(nèi)的數(shù)據(jù)源，幫助用戶進行多維度數(shù)據(jù)挖掘和趨勢判斷。
我們的模型還拓展到了其他垂直領(lǐng)域。比如我們?yōu)橐患矣耙暪鹃_發(fā)了編劇大模型，并成功應(yīng)用于即將上映的《唐朝詭事錄3》的創(chuàng)作過程中。我們還進行了植物識別等技術(shù)落地實踐，模型的多維度應(yīng)用也在不斷拓展。
APUS創(chuàng)始人兼CEO李濤
林路：大家其實可以去買一個Chat工具，確實非常方便。但一旦真正應(yīng)用到現(xiàn)實行業(yè)里，就會遇到很多實際問題。上次我和甘總聊天，有一個特別大的啟發(fā)——怎么做市場、怎么真正適配行業(yè)場景？比如說用AI直接去做銷售，可能還不太現(xiàn)實；但如果反過來，用AI來做銷售培訓，那是綽綽有余的。甘總是咨詢公司出身，做了很多項目，也積累了不少心得。接下來請他來分享一下他的經(jīng)驗。
甘藝凡：我們是ROLLING AI，第一次來到北極光的CEO峰會。我們認為，AI之所以與以往的數(shù)字化技術(shù)不同，是因為它已經(jīng)不再只是生產(chǎn)資料，而是成為了生產(chǎn)力本身。也就是說，它不僅僅是一個支撐流程的工具，更是能夠直接產(chǎn)出結(jié)果的系統(tǒng)。當然，這個結(jié)果有時候并不穩(wěn)定，這也導致了我們在幫助很多企業(yè)實施的過程中，出現(xiàn)了許多新的變量與可能性。
我們從2022年開始轉(zhuǎn)型做咨詢服務(wù)，到現(xiàn)在已經(jīng)積累了超過100個項目的經(jīng)驗。說實話，也踩了不少坑，但也逐漸總結(jié)出一些規(guī)律。每個企業(yè)在嘗試落地AI的過程中，其實面臨的核心問題就三個：我為什么要做？我要做什么？我該怎么做？
為什么做、做什么？這兩個問題在不少企業(yè)里往往被顛倒順序。大家通常先討論“要做什么”，卻很少談“為什么要做”。結(jié)果就是：企業(yè)對AI的短期能力與價值普遍高估，而遠遠的低估了它的長期能力和價值。
舉個例子，不少董事長或者企業(yè)的一把手期待AI足夠“聰明”，可以直接取代分析人員，每天自動生成一份完整的企業(yè)報告。我提的第一問題就是：“你們的公司數(shù)據(jù)都梳理清楚了嗎？AI能真正‘看懂’你們的業(yè)務(wù)數(shù)據(jù)嗎？”為什么叫人工智能，如果“人工”基礎(chǔ)沒打好，“智能”自然難以在短期發(fā)揮作用。再加上媒體報道的濾鏡，“某某公司部署了Deepseek就如何如何”，這些案例往往并不真實，AI技術(shù)很有趣的地方在于很長時間內(nèi)，所有企業(yè)家對它的期待遠高于他的發(fā)展速度。但試用后發(fā)現(xiàn)錯誤率很高、業(yè)務(wù)落地難，就覺得AI“不靠譜”。于是就出現(xiàn)了高估短期價值、低估長期價值的現(xiàn)象。
事實上，在一些傳統(tǒng)又隱蔽的場景里，AI的長期價值要比“高管的一句 ChatBI”大得多。例如，我們幫生產(chǎn)養(yǎng)殖企業(yè)做的大模型“數(shù)豬”系統(tǒng)，一天就能替人工節(jié)省6000多小時。進一步這個場景還能通過行為監(jiān)測判斷豬的活躍度，提前預(yù)警疾病風險——這類深度場景的價值，遠超過“董事長一個人想要的智能報告”。
為什么要做？一個特別簡單的判斷方式是反過來看你的損益表，思考你做這件事是否真的對企業(yè)有影響。當然，也要結(jié)合AI的能力和機制去考慮：它究竟是幫你節(jié)省了固定支出，還是降低了成本？要從重新審視企業(yè)運營方式的角度，去判斷AI到底在企業(yè)中能夠發(fā)揮什么作用。
而在“怎么做”這個問題上，我們發(fā)現(xiàn)很多企業(yè)在執(zhí)行時的順序存在一定誤區(qū)。特別是在春節(jié)后，隨著Deepseek的走紅，很多企業(yè)來咨詢?nèi)绾尾渴餉I。他們說我們已經(jīng)購買了Deepseek的私有化部署，或者已經(jīng)買了一體機。我走訪了這些企業(yè)中的很多家，發(fā)現(xiàn)80%的企業(yè)的回答幾乎都是：“我們的AI就是買了一體機、買了私有化方案?！?/p>
這其實忽略了本質(zhì)。我們以前做的方式是，先從企業(yè)內(nèi)部挖掘場景，識別商業(yè)價值，通過不同業(yè)務(wù)方向?qū)ふ摇搬斪印?，再回過頭來確定用哪種技術(shù)去“釘”這個釘子。做這件事已經(jīng)三年多了，我們觀察到，一些很早開始AI探索的企業(yè)，如今在進入深水區(qū)時面臨新的問題。
首先，最大的瓶頸在于缺乏足夠的、能夠帶領(lǐng)AI轉(zhuǎn)型的項目負責人。這樣的負責人需要具備非常全面的能力：第一，要理解AI的基本原理，并適應(yīng)AI的快速迭代邏輯；第二，要理解知識的流轉(zhuǎn)機制；第三，要真正懂業(yè)務(wù)。我們曾經(jīng)帶領(lǐng)一批工程師開發(fā)一個小紅書的智能體，沒有一個人能做出來。我問他們：“你們寫過小紅書的內(nèi)容嗎？”他們說沒有。那怎么可能寫出小紅書的智能體？如果對一個應(yīng)用不了解其業(yè)務(wù)與細節(jié)，是沒辦法真正構(gòu)建出有效AI解決方案的。這就是“人”的問題帶來的挑戰(zhàn)。
第二個在進入深水區(qū)后遇到的問題是：當生產(chǎn)力被真正釋放出來后，原來那批人該去做什么？比如現(xiàn)在最常見的一個應(yīng)用場景是客服，有的企業(yè)通過AI技術(shù)裁減了80%的客服人員，剩下的20%依然從事接線工作，但這也帶來了團隊技能方向、組織架構(gòu)的變化和調(diào)整。
我們將這些經(jīng)驗總結(jié)下來后發(fā)現(xiàn)，在企業(yè)內(nèi)部落地AI時，真正需要思考的核心順序是——對“生產(chǎn)關(guān)系”的重新定義與設(shè)計。首先，我們要承認生成式AI本身是一種全新的生產(chǎn)力，而要讓這股生產(chǎn)力在企業(yè)內(nèi)部真正發(fā)揮作用，就必須構(gòu)建出與之相匹配的生產(chǎn)關(guān)系。沒有恰當?shù)纳a(chǎn)關(guān)系，這種新型的生產(chǎn)力是落不下來的。
所以接下來大家在思考“企業(yè)內(nèi)部該做什么AI項目”時，也要同步去思考這項技術(shù)可能帶來的組織沖擊。團隊結(jié)構(gòu)是否會發(fā)生變化？既有的角色會不會被重新定義？所部署的AI場景下，組織是否具備適配這種生產(chǎn)力的機制？
我們在與很多企業(yè)家交流時，經(jīng)常用一個比喻來解釋什么是生成式AI：你可以把它想象成擁有一千個甚至一萬個非常聰明的實習生，他們可能是清華、北大畢業(yè)，具備極其豐富的知識和常識儲備，幾乎囊括了人類文明積累的大量內(nèi)容。但問題在于，他們依然是“愣頭青”——對你的業(yè)務(wù)缺乏理解，對市場環(huán)境也不了解。
所以在思考生成式AI該做什么時，不妨設(shè)想一下：如果是做投資決策，你會把這種重要任務(wù)交給一個未經(jīng)訓練、剛畢業(yè)的實習生嗎？顯然不會。如果盲目高估這群“聰明實習生”的短期能力，把他們放到關(guān)鍵崗位，失敗幾乎是必然的。但反過來，如果你從來沒有開始培養(yǎng)他們、鍛煉他們、讓他們真正了解你的業(yè)務(wù)，他們也永遠無法成長為你團隊中真正有價值的生產(chǎn)力一員。生成式AI的核心在于引入之后能否有效訓練與使用。
Rolling AI創(chuàng)始合伙人甘藝凡
林路：今天AI的落地，在某種意義上，是由CEO的戰(zhàn)略需求推動著整個技術(shù)往前走。這里面也隱藏著一個非常值得警惕的事情，我自己的一家被投企業(yè)他們自身業(yè)務(wù)其實已經(jīng)用了很多AI技術(shù)，這些工作原本是下面研發(fā)團隊在推進。但是CEO認為AI會顛覆整個行業(yè)，所以決定由公司統(tǒng)一牽頭推動公司整體的AI業(yè)務(wù)，結(jié)果收集了很多數(shù)據(jù)，但實際無法落地。我了解了一下，這個任務(wù)意味著整個研發(fā)團隊要暫停手頭的工作，兩個月時間專門用來搜集數(shù)據(jù)。我問負責人收集完這些數(shù)據(jù)接下來要什么？他們的回答是我們也不清楚。所以這讓我意識到一個非常關(guān)鍵的問題：我們必須認真處理好CEO的驅(qū)動意圖與企業(yè)內(nèi)部團隊實際能力之間的關(guān)系。不然不僅可能浪費資源，還可能錯失真正的落地機會。
那么大家對此有沒有給CEO們的一些建議？
甘藝凡：我有三句話的建議：第一，要從上往下定義AI應(yīng)用場景。為什么這么做？核心是很多場景如果從底層提出來的，通常只是是想解決業(yè)務(wù)中的某一個小的環(huán)節(jié)，短期內(nèi)有一點價值，但從企業(yè)長期的發(fā)展來看意義不大。而從上到下設(shè)定場景，就要求CEO和高級管理層從公司的P&L價值、組織結(jié)構(gòu)乃至內(nèi)部生產(chǎn)關(guān)系的角度去思考生成式AI在公司中的長期戰(zhàn)略價值。所以一定要從上至下定場景。我們曾經(jīng)踩過無數(shù)坑——過于滿足瑣碎場景的需求，結(jié)果第一波應(yīng)用效果都不理想。
第二，從下到上找文化。雖然我們強調(diào)重大應(yīng)用場景從上而下設(shè)定，要讓生成式AI在公司每一位員工的日常工作中都能發(fā)揮作用。哪怕是在很細微的任務(wù)中帶來一點效率提升，也能逐漸形成組織內(nèi)部對AI的理解與認同，進而推動文化氛圍的改變，促進生產(chǎn)關(guān)系的演進和組織能力的提升。核心是幫助大家真正理解這項新技術(shù)的運行原理，它又將如何影響日常的工作方式。
第三，從后往前做建設(shè)。最核心的一點是：不要空談技術(shù)，不要一開始就說要做AI的三件事，結(jié)果是把所有數(shù)據(jù)都翻一遍。應(yīng)該先把應(yīng)用場景明確，再倒推需要什么樣的技術(shù)、需要治理哪類數(shù)據(jù)、還缺哪些數(shù)據(jù)、哪些需要采集——一定要“以終為始”地開展工作。生成式AI的部署，不是單純的技術(shù)建設(shè)，而是公司P&L的重構(gòu)和生產(chǎn)關(guān)系的改造。
李濤：我有兩個建議：第一，CEO對AI的重視不應(yīng)該只是喊口號，最重要的是CEO自己想清楚，在當前的業(yè)務(wù)方向、產(chǎn)品方向中，哪些部分適合引入AI，先把這些用好。說白了，如果CEO自己沒想清楚，只是在工作中說“All In AI”，這件事一定會失敗。我們最近跟很多傳統(tǒng)企業(yè)打交道，我發(fā)現(xiàn)很多傳統(tǒng)企業(yè)的CEO喜歡下決心，但是并沒有思考AI戰(zhàn)略到底如何落地。
第二個建議，我們已經(jīng)看到很多人在AI垂直模型或Agent方向上做了不少工作。我們自己走了很多坑，根據(jù)我們的經(jīng)驗，有一個重要提醒：不要擋在大模型前進的道路上做研究。很多人在做垂直模型訓練的時候特別痛苦，為了解決某一個具體問題，花了很大的力量去做；結(jié)果半年以后，大模型已經(jīng)具備了相關(guān)能力，你之前的努力就被迅速碾壓，沒有任何積累價值。
今天我們都知道，AI會顛覆現(xiàn)有的生產(chǎn)力，會重構(gòu)生產(chǎn)關(guān)系。幾乎說是有一個全新的產(chǎn)業(yè)機會，在這個過程中，每家企業(yè)都需要認真思考：你要構(gòu)建的壁壘是什么？這個壁壘一定不能夠在大模型前進的主航道上，否則一定會被壓得體無完膚。兩年前無數(shù)的大模型企業(yè)相繼出現(xiàn)，但目前全球范圍內(nèi)真正還有能力推進的已經(jīng)不超過10家，國內(nèi)可能也只有阿里、字節(jié)和Deepseek。原因很簡單，當你在主航道上沒有整個大模型進化的速度那么快，所以很快就被碾壓了。所以企業(yè)要做AI，一定要想清楚未來在AI領(lǐng)域構(gòu)建的壁壘到底在什么地方，不能擋在大模型進化的航道上。
李樂丁：我分享一點個人的感受，我們?nèi)齻€人其實說的是同一件事——面對AI，要巧思，別硬來。不要焦慮于技術(shù)本身，它已經(jīng)在那兒，觸手可及。中國人能用得好，美國人也一樣能用得好。但真正無法被模型替代的，是人類的創(chuàng)造力，是我們?nèi)绾我龑ё约横槍Ξa(chǎn)品特性的想法，找到適配的方式，把它們用好。
林路：就像上一輪移動互聯(lián)網(wǎng)浪潮一樣，大家當時都在討論要不要做APP，最終移動徹底影響了每一家的業(yè)務(wù)形態(tài)。這一輪AI也同樣深刻，它是我們必須積極擁抱的方向，就像當年我們擁抱移動互聯(lián)網(wǎng)那樣，今天也應(yīng)該全力以赴擁抱AI。
時間的關(guān)系，今天的討論就到這里！謝謝三位嘉賓的精彩分享！
