功效洗护市场，跑不出下一个完美日记
原文摘要 走进美国 Sephora、Ulta 或欧洲 Douglas 这样的美妆零售集合店，货架上的景象或许会让你感到意外：占据大量陈列面积的，不只是护肤品，还有护发产品。从基础清洁，到去屑、防脱，再到头皮微生态、蛋白键修护、抗热损伤等护理产品，护发区的复杂程度已经几乎与护肤区无异。 根据市场研究机构 Circana 的数据，2025 年美国高端护发零售市场同比增长 8%，是高端美妆所有品类中增速最快的——超过彩妆（4%）、护肤（3%），仅次于香水（5%）。但比增速更值得关注的是品类的内部结构：基础洗发水与护发素仅实现个位数增长，而修护治疗类（Treatments）与造型类产品——那些主打烫染修护、蛋白键修复、头皮健康的高附加值品类——则以双位数速度扩张。其中头皮护理已连续三年保持双位数增长，新品发布数量同比上升 20% 以上，且绝大多数是修护治疗类产品。 中国市场也出现了相似的结构性分化。据 Joy Group 战略总监 Stefan Huang 引述的行业数据，2025 年上半年中国线上洗护市场整体增速几近停滞，仅为 0.09%；而中高端价格带却逆势扩张了 28%。同期，大众价位段下滑 3%。 行业分析师将这轮价格上探的动因普遍归结于“护肤化护发”（skinification）的流行，即将护肤的成分叙事与功效逻辑移植进护发，以头皮微生态、屏障修护、抗老化等概念为消费者构建新的付费理由。 这一变化也迅速传导至中国本土美妆集团。 2024 年以来，国产美妆公司几乎集体押注功效洗护：2 月，巨子生物推出头皮护理品牌函得仕；5 月，珀莱雅集团上线头皮微生态品牌惊时（Awaken Seeds），上美股份同步推出一叶子头皮敏感护理系列；6 月，福瑞达推出微生态洗护品牌即沐（Soonmu），膜法世家推出“以油养发”品牌膜法；7 月，自然堂集团也推出敏感头皮护理系列。 这是一次密度罕见的行业集体转向。但直到今天，一个问题仍未得到真正验证：功效洗护赛道，是否真的能像当年的功效护肤一样，借助“成分红利”跑出一个 50亿、甚至 100 亿规模的新国货品牌？ 要回答这个问题，需要回看过去几年国货美妆最熟悉的两条曲线——完美日记式的彩妆爆款，和润百颜、夸迪式的功效护肤红利。前者靠审美趋势放量，后者靠成分叙事溢价。但两条曲线在三年之后，都没能真正沉淀出品牌资产。今天的功效洗护，恰好同时落在这两条曲线的延长线上。 国产洗护市场最初的增长逻辑，其实更像“彩妆” 国产洗护新品牌的大规模诞生和增长，几乎都起源于疫情前后。最早跑出来的，并不是今天强调“头皮护理”“微生态”“屏障修护”的品牌，而是一批依赖香氛、电商爆款、短视频营销与下沉渠道迅速放量的品牌。 回头看，这轮增长背后的消费者心理，其实也并非“成分觉醒”，而更像一种审美趋势的集体流行：消费者为某种“立刻能看到”的外观改善买单，而不是为长期头皮健康投资。 “高颅顶”成为这轮增长最具代表性的注脚。这一以蓬松饱满头顶轮廓为核心的东亚审美理想，在小红书上积累了450万条笔记内容，让“显脸小”的头顶发量成为与皮肤光泽同等重要的外貌焦虑。它直接推动了控油蓬发类产品的需求，而最精准踩中这一需求的，是 2020 年创立的诗裴丝。 诗裴丝起家于一款海盐洁发膏，2021 年又推出“控油蓬松干发喷雾”，以免洗、即喷、即蓬的极简使用逻辑，在小红书上完成冷启动，后在抖音完成规模化放量。品牌向 36 氪介绍，干发喷雾这一单品至今累计销量超 1 亿瓶，在线上线下均排名第一，在该细分品类上保持“绝对领先”。 诗裴丝的增长逻辑，创始人郑如晶曾向媒体描述为一种“高增长、小品类、低客单价”的开发路径——与其说像传统洗护品牌，更接近过去国货彩妆的打法，即抓住一个具体的外观焦虑；提供即时、可见、低决策成本的解决方案；再通过平台内容与流量机制快速放大——这与完美日记、花西子早期依靠唇妆、眼影爆发的逻辑本质上高度相似，区别只是焦虑从“脸”转移到了“头发”。 事实上，过去几年中国洗护市场增长最快的产品，也大多符合这一特征：香氛洗发水、干发喷雾、蓬松喷雾、免洗护理……它们往往强调的是“即时感知”，而不是长期治疗。 这种“彩妆化”的消费逻辑，也天然决定了它更适合内容平台传播。因为“头发蓬了”“看起来发量更多”“头发更顺”“香味高级”，都是容易在短视频与社交平台上完成视觉表达的效果。相比之下，“头皮微生态改善”“屏障修护”“减少氧化损伤”则天然更抽象，也更难建立即时消费冲动。 因此，这一阶段的国际巨头虽然积极入局，但姿态却往往有所保留。 据 36 氪梳理，欧莱雅、联合利华和宝洁都在 2024 年前后推出过副标签为“蓬松”的产品，但大多避开了以即时功效为主的喷雾产品，以洗发水和精华为主要型态，多属于在现有产品矩阵里加一个“蓬松”主张的 SKU 做防守性卡位。 以洗发水为例，产品都以清洁头皮过程中以“控油”实现最终发丝蓬松的效果，标签多是“无硅油”——这已经是一个具有市场号召力的成分宣称。历史上许多洗发产品含有某些不溶于水的硅油，它们在增加发丝顺滑、保持水分的同时也会造成头发扁塌、甚至形成残留——这一情况在亚洲人偏粗硬直的发质中更甚。 另外值得一提的是，这些产品也多未单独强调蓬松这一功效，而是多与“头皮健康”“强韧发丝”“防脱”等词汇捆绑——这很可能与内容平台上功效词汇叠加的流量奖励机制有关，但也可以理解为单一蓬松功效的宣传不足以支撑品牌长期的增长。 事实上，这也是许多“彩妆式洗护”品牌后来共同面对的问题：流量来得快，但复购与品牌忠诚度并不高。 郑如晶也向我们坦言，干发喷雾这一品类本身“物理天花板确实存在”。因此，诗裴丝后续才试图从“即时蓬松”进一步延伸至“便捷式头皮护理”。因为只有进入真正的护理场景，品牌才有可能获得更高的复购、更强的产品壁垒与更长期的生命周期。 但功效洗护，正在迅速进入“平价化” 今天的功效洗护产品，正在重复功效护肤曾经走过的路径。 洗护市场消费者的需求并没有本质变化——无论是控油、防脱、去屑还是强韧发丝，这些需求长期都存在。真正变化的是，消费者开始要求品牌解释：“为什么有效”。 于是，“成分”成为新的竞争语言：多肽、玻尿酸、神经酰胺、益生菌、氨基酸、胶原蛋白……大量原本属于护肤领域的话语体系，被快速移植到洗护市场。但问题在于，一旦成分逻辑成熟，价格体系也会迅速透明化，随之而来的就是无法避免的终端价格比较。 诗裴丝主打成分的洗护新品“多肽蓬蓬瓶”在天猫官旗上最小规格 300ml，价格是 84 元；潘婷具有蓬松功能、添加胜肽的洗发水最小规格 530g，售价 79 元；欧莱雅具有相似效果的玻尿酸洗发水的最小规格 440ml，售价 72.5 元。在没有成分标签、但具有相同功效宣称的市场，国产品牌的价格优势更是几乎不存在。 实际上，用功效护肤的逻辑做洗护市场的模式已经被业内人士质疑过一遍。Sregular 丝律产品中心负责人徐文磊曾向行业媒体聚美丽表示：“用功效护肤做洗护市场……最终往往做着做着就变了形，难以持续推进。” 问题的最大症结也许在于洗护市场的消费者忠诚度远不如护肤市场。诗裴丝联合创始人蒋锦杰就曾坦\n
圆桌对话：下一个杀手级AI产品，会出现在哪个赛道？| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 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：\n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\n文章来源 标题: 圆桌对话：下一个杀手级AI产品，会出现在哪个赛道？| 2026AI Partner·北京亦庄AI+产业大会 来源: tech 链接: https://36kr.com/p/3821714896408713?f=rss 时间: 2026-05-23 18:10:00 +0800 核心内容 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：\n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\n
圆桌对话：下一个杀手级AI产品，会出现在哪个赛道？| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 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：\n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\n文章来源 标题: 圆桌对话：下一个杀手级AI产品，会出现在哪个赛道？| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3821714896408713?f=rss 时间: 2026-05-23 18:10:00 +0800 核心内容 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：\n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\n
圆桌对话：当AI进入产业前线：未来最稀缺的AI人才，会是谁？| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 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：\n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？\n文章来源 标题: 圆桌对话：当AI进入产业前线：未来最稀缺的AI人才，会是谁？| 2026AI Partner·北京亦庄AI+产业大会 来源: tech 链接: https://36kr.com/p/3821542483857801?f=rss 时间: 2026-05-23 15:14:29 +0800 核心内容 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：\n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？\n
圆桌对话：AI浓度与转化率：数字体验的实战增长法则
原文摘要 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：\n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��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\n文章来源 标题: 圆桌对话：AI浓度与转化率：数字体验的实战增长法则 来源: ai 链接: https://36kr.com/p/3821519307591811?f=rss 时间: 2026-05-23 14:53:25 +0800 核心内容 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：\n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��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\n
对话王小川：离开通用人工智能的主干道之后
原文摘要 “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梳理，做处方分析，管理病例，还会定时提醒你吃药、做检查等等。\n△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���，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？\n文章来源 标题: 对话王小川：离开通用人工智能的主干道之后 来源: ai 链接: https://36kr.com/p/3821521291038856?f=rss 时间: 2026-05-23 14:53:35 +0800 核心内容 “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梳理，做处方分析，管理病例，还会定时提醒你吃药、做检查等等。\n
圆桌对话：人才特种兵：“AI原生人才”与“产业老炮”的共生手册| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 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：\n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\n文章来源 标题: 圆桌对话：人才特种兵：“AI原生人才”与“产业老炮”的共生手册| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3821533415985283?f=rss 时间: 2026-05-23 15:05:47 +0800 核心内容 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：\n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\n
圆桌对话：当AI进入产业前线：未来最稀缺的AI人才，会是谁？| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 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：\n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？\n文章来源 标题: 圆桌对话：当AI进入产业前线：未来最稀缺的AI人才，会是谁？| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3821542483857801?f=rss 时间: 2026-05-23 15:14:29 +0800 核心内容 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：\n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？\n