新鲜零食品牌「金粒门」加速全国化：粤鄂6店同装｜最前线
原文摘要 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。\n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%。\n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。\n文章来源 标题: 新鲜零食品牌「金粒门」加速全国化：粤鄂6店同装｜最前线 来源: ai 链接: https://36kr.com/p/3808777731464966?f=rss 时间: 2026-05-22 20:12:08 +0800 核心内容 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。\n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%。\n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。\n内容来源：ai 原文链接：https://36kr.com/p/3808777731464966?f=rss\n市场背景 BTC 价格：$0.00 24h 涨跌：+0.00% AI Agent 加工：AI Agent（技术分析） 生成时间：2026-05-22T15:00:43.198991+00:00\n
算力浪潮下，AI智能影像的无线化变革| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 神眸做的事情不是追逐英伟达，而是在算力浪潮的下游，用极致的低功耗芯片设计，让摄像头摆脱电线的束缚，打开一个千亿只智能视觉终端的未来。\n杨作兴带领神眸实现了摄像头功耗降低一个数量级的突破——第一代芯片达业界三分之一功耗，第二代达十分之一，首次用1瓦太阳能板驱动全天候智能摄像机。他认为，当前全球安防摄像头年出货量仅3到4亿只，但到2035年将达100亿只，2045年更将达1000亿只，因为世界大模型需要万亿级摄像头来实时映射物理世界。而在推理算力领域，杨作兴判断中国创业公司仍有大机会。 以下为演讲内容全文，经36氪整理编辑：\n杨作兴丨杭州研极微电子有限公司董事长、神眸品牌创始人 大家下午好，今天非常开心，去年在上海参加了36氪的AI+大会，今天是第二次。一年时间过去了，AI发生了非常大的变化，大家都异常兴奋。36氪AI+大会，明显感觉到今年跟去年相比有很大的变化，在此感谢主办方36氪。 我是杭州研极微董事长、神眸品牌创始人杨作兴。AI是世界风暴的中心，这个风暴中心我们能不能再往深里看，风暴中心的眼是什么，我们认为是新质生产力。 目前，全球市值最高的公司是英伟达，它超越了苹果、微软、亚马逊、台积电，正是因为它掌握了新质生产力——GPU算力。 在算力浪潮下，神眸有哪些机遇呢？ 我们观察到，随着技术的发展，手机、电脑、平板很早就脱离了电线。但只是视觉传感器的摄像头，却一直有电线，且大大增加了摄像头安装的费用。我们可以看到，在室外布摄像头，要先立一个杆子，1万—10万元，挖个坑埋线又要1万元，安装时间在一礼拜以上，摄像头维护费用3000元一年，公安系统的一年摄像头的维护费用非常昂贵。 我们做的事情，就是要实现摄像头零安装成本、零使用成本、零维护成本，这个事要做成，就要让摄像头的功耗降低一到两个数量级，降低功耗。 芯片低功耗涉及到方法学的突破，我们采用了全定制芯片设计方法学，这个是我们公司主导发起的，它有三点不同。第一，我们采用定制单元设计。行业传统方案采用台积电或者三星的标准单元库，无论在学校还是在公司做芯片设计，我们通常是用静态双锁存器，不能用动态逻辑，不能用单锁存器，这个东西EDA工具不能很好地检查它。但我们是反过来做的，我们用的动态单锁存器，一个静态双锁存器是24个三极管，我们用动态单储存器是4个三极管，面积和功耗是普通方法的六分之一；第二，采用手写网表。传统方法用高级语言写代码，手写网表好比软件工程师用汇编写代码。DeepSeek有大的突破的其中一个原因是他们采用PTX进行编程，比别人会好很多，我们采用手写网表会有几倍的优势；第三，我们采用手动布局。传统方法采用自动布局，自动布局通常的利用率是50%-60%，我们超过95%。 通过这几种方式，功耗成本乘积降低一个数量级，这个方法学也用在摄像头SOC芯片中。我们的第一代芯片，实现业界三分之一功耗，用在了理想AI眼镜，还有我们神眸自己的产品系列，比如智能云台摄像机 BC4PRO+、双目枪球AOR电池云台摄像机 PT4、以及运动影像系列产品生活记录仪V1。 第二代芯片，实现业界十分之一的功耗，已经应用在了神眸智能停车记录仪DC1产品上。这是业界首创针对停车场景研发的产品，超长续航、免布线，安装也很方便。第二代芯片还应用在了神眸太阳能一体化智能摄像机BC7上，我们首次采用1瓦的太阳能板，实现一天24小时、一年365天持续巡航。除了SOC以外，在CIS、PMU、Wi-Fi、4G都做了低功耗设计。我们要让产品整个系统实现十分之一的功耗，每个部件都要达到十分之一才行，光SOC降到十分之一是不够的。 这是基于芯片做的一系列产品：\n目前安防为代表的摄像头一年只有3亿只—4亿只，不包括手机摄像头，我们觉得2035年会到100亿只。手机摄像头已经超过50亿只，一个手机上有三四个摄像头，每年有十亿部以上的手机。手机摄像头是为人服务的，而物联网的摄像头是为万物服务的，它的量会远远大于手机上摄像头的量。尤其是当神眸推出了这套没有电线的摄像头之后，我们预估到2035年会到100亿只摄像头，大家觉得很多，其实只要每年保持30%的增长速度就可以。 2045年我们认为会到1000亿只。因为我们预测2040年第四次工业革命人工智能会全面完成，最后人类目前绝大部分工作会被AI替换掉，那我们去哪里？我们会在虚拟世界里工作或娱乐以及找到成就感。我们需要世界大模型，这个大模型非常大，每个人每走一步会看到不同的景象。这个世界大模型接地，否则它就会飘了，产生幻觉，如何接地？我们就需要用无数摄像头把世界的实时状态输入到大模型里，要把世界完整反映到大模型里需要1.2万亿只摄像头，十年建成，每年就是1000亿只。 在大模型时代我们神眸要做的事情——神算，即大模型推理算力。算力是当今最新质生产力，没有之一。目前英伟达是我们这个领域的王者，别的公司是不是还有机会？可以从两个方面来看： 第一，训练算力，工程师通过训练算力迭代越来越好的大模型；第二，推理算力，用户每天要问大模型，问DeepSeek问题，它给你一个答案，这个是推理算力。训练算力，难有超越的机会，虽然国内很多公司也在做GPU，主要原因是CUDA接口，所有大模型框架都是基于CUDA写的。上一次生态大会的时候，我记得国内一家著名的大模型公司老板说，他们用了华为的卡，花了三个月把它适配好。三个月，对大模型相当于一代的时间，要不是特别大的革命友谊，没有谁为了你去花三个月的时间去适配的。 推理算力方面机会很大，有两个原因。第一，推理算力不依赖CUDA接口；第二，每个大模型有独特的算法。针对算法、算子的不同，数据通路的不同，我们可以做很多定制，这些定制的芯片天然比GPU通用芯片，在功耗和成本方面有相当大的好处。而且推理算力需求量远远大于训练算力。 全世界就算有一百个世界级优秀的大模型团队，一个团队一万张卡，也就一百万张卡。推理算力是面对60亿自然人以及未来比60亿还多的机器人，他们也用算力，这样的需求量远远大于训练算力，这也是英伟达会花200亿美金收购Groq，一家做推理算力创业公司的原因。 如果我们把推理算力做好，我们创业企业还是有傲立潮头的机会。怎么把推理算力做好？有三个关键点，一、能不能找到跟你适配的优秀大模型，要么是开源的，如果是闭源的，能形成战略合作伙伴；二、是否有先进的半导体工艺；三、芯片设计方法学，特别是低功耗设计方法学是不是有独到的地方。 这三方面我们都还不错。我们的全定制芯片设计方法学，实现别人功耗的十分之一，一代工艺进步可以节省30%功耗，两代半导体工艺的优化可以节省50%左右，四代半导体工艺的进步可以到原来的八分之一，十分之一的功耗相当于在工艺上补了四到六代。我们现在是三星最先进工艺的顶级合作伙伴，我们能够定制半导体工艺。 虽然大部分token来源于闭源模型，但开源模型的趋势还是非常好的，而且中国大模型公司虽然跟世界上最先进的大模型公司还有一点差距，但超越是迟早的事，也是必然的。 结合这三点，我们还是有很大的机会，特别是在CNN（ 卷积神经网络）时代。我们做神眸自研芯片的时候，已经基于CNN做了自己的编译器，把CNN模型映射到我\n文章来源 标题: 算力浪潮下，AI智能影像的无线化变革| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3818843802665862?f=rss 时间: 2026-05-22 15:29:37 +0800 核心内容 神眸做的事情不是追逐英伟达，而是在算力浪潮的下游，用极致的低功耗芯片设计，让摄像头摆脱电线的束缚，打开一个千亿只智能视觉终端的未来。\n杨作兴带领神眸实现了摄像头功耗降低一个数量级的突破——第一代芯片达业界三分之一功耗，第二代达十分之一，首次用1瓦太阳能板驱动全天候智能摄像机。他认为，当前全球安防摄像头年出货量仅3到4亿只，但到2035年将达100亿只，2045年更将达1000亿只，因为世界大模型需要万亿级摄像头来实时映射物理世界。而在推理算力领域，杨作兴判断中国创业公司仍有大机会。 以下为演讲内容全文，经36氪整理编辑：\n杨作兴丨杭州研极微电子有限公司董事长、神眸品牌创始人 大家下午好，今天非常开心，去年在上海参加了36氪的AI+大会，今天是第二次。一年时间过去了，AI发生了非常大的变化，大家都异常兴奋。36氪AI+大会，明显感觉到今年跟去年相比有很大的变化，在此感谢主办方36氪。 我是杭州研极微董事长、神眸品牌创始人杨作兴。AI是世界风暴的中心，这个风暴中心我们能不能再往深里看，风暴中心的眼是什么，我们认为是新质生产力。 目前，全球市值最高的公司是英伟达，它超越了苹果、微软、亚马逊、台积电，正是因为它掌握了新质生产力——GPU算力。 在算力浪潮下，神眸有哪些机遇呢？ 我们观察到，随着技术的发展，手机、电脑、平板很早就脱离了电线。但只是视觉传感器的摄像头，却一直有电线，且大大增加了摄像头安装的费用。我们可以看到，在室外布摄像头，要先立一个杆子，1万—10万元，挖个坑埋线又要1万元，安装时间在一礼拜以上，摄像头维护费用3000元一年，公安系统的一年摄像头的维护费用非常昂贵。 我们做的事情，就是要实现摄像头零安装成本、零使用成本、零维护成本，这个事要做成，就要让摄像头的功耗降低一到两个数量级，降低功耗。 芯片低功耗涉及到方法学的突破，我们采用了全定制芯片设计方法学，这个是我们公司主导发起的，它有三点不同。第一，我们采用定制单元设计。行业传统方案采用台积电或者三星的标准单元库，无论在学校还是在公司做芯片设计，我们通常是用静态双锁存器，不能用动态逻辑，不能用单锁存器，这个东西EDA工具不能很好地检查它。但我们是反过来做的，我们用的动态单锁存器，一个静态双锁存器是24个三极管，我们用动态单储存器是4个三极管，面积和功耗是普通方法的六分之一；第二，采用手写网表。传统方法用高级语言写代码，手写网表好比软件工程师用汇编写代码。DeepSeek有大的突破的其中一个原因是他们采用PTX进行编程，比别人会好很多，我们采用手写网表会有几倍的优势；第三，我们采用手动布局。传统方法采用自动布局，自动布局通常的利用率是50%-60%，我们超过95%。 通过这几种方式，功耗成本乘积降低一个数量级，这个方法学也用在摄像头SOC芯片中。我们的第一代芯片，实现业界三分之一功耗，用在了理想AI眼镜，还有我们神眸自己的产品系列，比如智能云台摄像机 BC4PRO+、双目枪球AOR电池云台摄像机 PT4、以及运动影像系列产品生活记录仪V1。 第二代芯片，实现业界十分之一的功耗，已经应用在了神眸智能停车记录仪DC1产品上。这是业界首创针对停车场景研发的产品，超长续航、免布线，安装也很方便。第二代芯片还应用在了神眸太阳能一体化智能摄像机BC7上，我们首次采用1瓦的太阳能板，实现一天24小时、一年365天持续巡航。除了SOC以外，在CIS、PMU、Wi-Fi、4G都做了低功耗设计。我们要让产品整个系统实现十分之一的功耗，每个部件都要达到十分之一才行，光SOC降到十分之一是不够的。 这是基于芯片做的一系列产品：\n目前安防为代表的摄像头一年只有3亿只—4亿只，不包括手机摄像头，我们觉得2035年会到100亿只。手机摄像头已经超过50亿只，一个手机上有三四个摄像头，每年有十亿部以上的手机。手机摄像头是为人服务的，而物联网的摄像头是为万物服务的，它的量会远远大于手机上摄像头的量。尤其是当神眸推出了这套没有电线的摄像头之后，我们预估到2035年会到100亿只摄像头，大家觉得很多，其实只要每年保持30%的增长速度就可以。 2045年我们认为会到1000亿只。因为我们预测2040年第四次工业革命人工智能会全面完成，最后人类目前绝大部分工作会被AI替换掉，那我们去哪里？我们会在虚拟世界里工作或娱乐以及找到成就感。我们需要世界大模型，这个大模型非常大，每个人每走一步会看到不同的景象。这个世界大模型接地，否则它就会飘了，产生幻觉，如何接地？我们就需要用无数摄像头把世界的实时状态输入到大模型里，要把世界完整反映到大模型里需要1.2万亿只摄像头，十年建成，每年就是1000亿只。 在大模型时代我们神眸要做的事情——神算，即大模型推理算力。算力是当今最新质生产力，没有之一。目前英伟达是我们这个领域的王者，别的公司是不是还有机会？可以从两个方面来看： 第一，训练算力，工程师通过训练算力迭代越来越好的大模型；第二，推理算力，用户每天要问大模型，问DeepSeek问题，它给你一个答案，这个是推理算力。训练算力，难有超越的机会，虽然国内很多公司也在做GPU，主要原因是CUDA接口，所有大模型框架都是基于CUDA写的。上一次生态大会的时候，我记得国内一家著名的大模型公司老板说，他们用了华为的卡，花了三个月把它适配好。三个月，对大模型相当于一代的时间，要不是特别大的革命友谊，没有谁为了你去花三个月的时间去适配的。 推理算力方面机会很大，有两个原因。第一，推理算力不依赖CUDA接口；第二，每个大模型有独特的算法。针对算法、算子的不同，数据通路的不同，我们可以做很多定制，这些定制的芯片天然比GPU通用芯片，在功耗和成本方面有相当大的好处。而且推理算力需求量远远大于训练算力。 全世界就算有一百个世界级优秀的大模型团队，一个团队一万张卡，也就一百万张卡。推理算力是面对60亿自然人以及未来比60亿还多的机器人，他们也用算力，这样的需求量远远大于训练算力，这也是英伟达会花200亿美金收购Groq，一家做推理算力创业公司的原因。 如果我们把推理算力做好，我们创业企业还是有傲立潮头的机会。怎么把推理算力做好？有三个关键点，一、能不能找到跟你适配的优秀大模型，要么是开源的，如果是闭源的，能形成战略合作伙伴；二、是否有先进的半导体工艺；三、芯片设计方法学，特别是低功耗设计方法学是不是有独到的地方。 这三方面我们都还不错。我们的全定制芯片设计方法学，实现别人功耗的十分之一，一代工艺进步可以节省30%功耗，两代半导体工艺的优化可以节省50%左右，四代半导体工艺的进步可以到原来的八分之一，十分之一的功耗相当于在工艺上补了四到六代。我们现在是三星最先进工艺的顶级合作伙伴，我们能够定制半导体工艺。 虽然大部分token来源于闭源模型，但开源模型的趋势还是非常好的，而且中国大模型公司虽然跟世界上最先进的大模型公司还有一点差距，但超越是迟早的事，也是必然的。 结合这三点，我们还是有很大的机会，特别是在CNN（ 卷积神经网络）时代。我们做神眸自研芯片的时候，已经基于CNN做了自己的编译器，把CNN模型映射到我\n
以场景为锚，以AI为翼：大健康产业的实践与突破| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 当大健康产业遇上AI，最大的难题不是技术够不够强，而是场景够不够深、信任够不够厚。百度健康用六年时间给出了自己的答案：从单点智能走向全局协同，从技术赋能走向价值创造。 中国慢病人群超5亿，每千人执业医生数却远低于发达国家——供需矛盾之下，AI成为医疗健康供给侧改革的新基建。百度健康总经理杨明璐结合百度健康的实战经验，拆解了AI在用户、医生、医院三大场景的落地实践。AI不是炫技，而是让每一环都更专业、更可信。 杨明璐作为百度健康品牌的创立者与搭建者，其在2019年底确立了该业务的战略方向与组织架构，2020年孵化了百度健康品牌，百度健康已成为全网最大的健康科普平台和领先的互联网医疗平台，平台每日服务1.3亿人次的健康精准搜索，拥有6亿+专业健康知识库，并与全国3300余名权威专家、430余家顶级医疗机构及36万名医生直连。其后一直带领团队深耕AI+健康赛道，她指出，过去两年AI行业经历了重要转变——从卷模型到卷应用，从关注参数到关注场景，而健康正是AI落地最重要的场景之一。AI正驱动大健康产业进入供需重构的新阶段，而生态协同与专业可信是AI落地的关键破局点。 杨明璐分析，从需求侧看，中国将于2035年进入重度老龄化社会，慢病人群已超5亿，健康需求井喷。然而供给侧每千人执业医生数仅为3.04人，远低于发达国家。这一矛盾下，AI已成为扩容医疗健康供给的新基建。她也强调，健康产业链路深、周期长，单点智能化难以形成连续服务，必须从单点智能走向全局协同；而医疗不容出错，需要长期坚持人机协同，AI应“赋能而非替代，辅助绝不主导”。 在场景落地方面，百度健康构建了面向用户、医生和医院的全链路服务体系。 面向用户，她认为传统搜索只能给答案，而用户真正需要的是能“聊”起来、能管事儿的健康助手。基于这个判断，百度健康推出了“文心健康管家”，用AI完成初步咨询和报告解读，再让真人医生在关键节点确认把关——比如AI生成的诊断小结，最后需要医生签字才能给到用户。这种“AI打前站、医生守底线”的模式，既提升了效率，也守住了信任。 面向医生，杨明璐观察到，很多医生在百度平台上做科普、接诊、打造个人IP，但大量时间被琐事消耗。于是团队推出了“有医助手”专业版大模型，不仅能帮医生检索全球医学文献，还能辅助写病历、写科普文章。上线短短一两个月，写作类功能就成了最受欢迎的skill。 面向医院，以武汉协和医院为例，百度健康将AI能力嵌入到诊前、诊中、诊后的各个环节：智能分诊帮26万患者选对科室，AI加号累计服务的用户超过了12万，他们通过AI加号和智能分导诊的技术赋能得到了及时就医，其中70%以上都是应该尽快手术的，数据也是超出了医院的预期。预问诊Agent在患者候诊时就完成病情采集并自动生成病历，医生采纳率高达93.4%。这套全链路AI智慧门诊的实践，去年还帮助武汉协和医院斩获国家卫健委体系评选的金奖。 最后，杨明璐还介绍了百度健康“原子计划”，将平台积累的AI能力和服务资源全面向行业开放。她表示，医疗健康产业的升级绝非一家企业能独立完成，欢迎更多伙伴加入，一起把更好的健康服务送到更多人身边。 以下为百度健康总经理 杨明璐 演讲内容，经36氪整理编辑：\n杨明璐丨百度健康总经理 各位同仁、各位朋友下午好，非常开心，感谢36氪的邀请来到AI+产业大会，我今天的演讲主题是AI+大健康：从技术赋能到价值创造，希望在15分钟的时间里和大家分享百度健康在AI+大健康产业赛道里的应用和价值落地的实践。 大家知道这几年AI全民在谈AI，非常火爆，也经历了一些演变，从最开始我们都在卷模型、关注模型到这两年我们非常看重应用，最开始关注参数到现在关注场景，非常重要的一个应用场景方向就是健康。身在这个产业赛道中，我们也看到近些年来特别是一两年来AI驱动大健康进入供需已经进入重构的新阶段，首先从需求侧来看，大家知道中国在2035年就会进入重度老龄化社会，超过60岁的人占比要超过30%，老龄化会让大家看到更多人有健康的需求。 慢病人群，2025年数据中国慢病人群已经大于5个亿了，这是非常大的数据，几乎每三个中国人就有一个有慢病的情况，底层人群结构的变化，让我们看到了在互联网上对互联网健康的需求非常快的增长，全民对自己健康意识的增强，也使我们看到，过去在互联网医疗只是得了病才来查，现在很多是治未病，了解医疗科普、健康知识、泛健康这样的人也越来越多。过去在百度搜索里看到医疗的频次，我们归为低频的业务，现在远不是低频了，已经往中高频迁移，人民需求是非常旺盛的，政策侧看到，健康中国2030规划纲要明确提出希望能够系统的、连续地为人民提供健康管理服务，这也是政策鼓励，需求井喷。供给侧如何呢？中国的居民里每千人执业医生数大概是3.04人，这个数据在发达国家要高出20%-30%，也就是说我们每个公民享有的医疗资源还是比较低的，大家的需求又在井喷，AI能够成为医疗健康供给扩容的新基建，这是非常关键的生产力。 今天这个时间当口，AI驱动大健康的供需特别是供给侧改革，能够让优质供给规模化，这个是这个产业能够成立的底层逻辑。 关键破局点是什么？我们看到AI在应用场景里很难落地，在健康场景里AI落地关键破局点，我们认为核心是两点，一个是生态协同，一个是专业可信，这也和我们的健康大的产业赛道特殊性相关，大家知道健康和医疗需求一般是比较复杂的，链路非常深，长周期、链路深会有各个不同的医药险、支付方的长链路，我们过去看到非常多在健康里做AI都是单点的，单点智能化很难形成连续、系统、好的健康服务，所以AI健康需要从单点智能走向全局协同。 专业可信，AI改造了千行百业，但是在健康赛道上尊重健康赛道本身，是不容出错的，现在非常流行的一个说法，健康还是需要专业人士全流程参与，类比无人车，大家知道有L3、L4，健康产业里我们认为非常长的阶段和时期都是停留在L3阶段，人机协同，AI和专业人士的高度协同，不仅是安全红线的保障，也是给用户安全底线和信任的保障，这是我们对这个产业特殊性的观察。 对于百度健康来说我们始终有一个明确的态度，源于我们对医疗健康的敬畏之心，生命面前，AI必须恪守安全底线，我们的价值观是赋能而非替代，辅助绝不主导。 我们是谁？我们在做什么事，百度健康是百度搜索里所有健康医疗类的需求，现在都由我们这个团队和组织来承接的，我们2020年疫情期间从百度搜索里孵化出来的，百度搜索中有10%-12%的需求都是健康和医疗相关的，我们在多次用户调研和访谈中，中国老百姓的寻医问药第一心智入口还是在百度，2020年疫情非常严重的时候，我们团队独立出来成为独立BU，成立百度健康品牌，经过六年的迭代，百度健康已经成为全网最大的健康科普平台，每天我们要服务1.3亿人的健康和医疗精准搜索，同时经过这六年的积累，我们拥有全网6亿+专业医疗健康知识库，同时跟全国3300个包括30多名院士为主的权威专家团和超过430家顶级的权威医疗机构形成长期合作。 过去六年的时间成长起来的，我们已经成为全网领先的互联网医疗平台，大家知道越来越多的人会在网上去问诊，找医生。今天百度已经和36万医生在平台上直\n文章来源 标题: 以场景为锚，以AI为翼：大健康产业的实践与突破| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3820143885455751?f=rss 时间: 2026-05-22 15:32:35 +0800 核心内容 当大健康产业遇上AI，最大的难题不是技术够不够强，而是场景够不够深、信任够不够厚。百度健康用六年时间给出了自己的答案：从单点智能走向全局协同，从技术赋能走向价值创造。 中国慢病人群超5亿，每千人执业医生数却远低于发达国家——供需矛盾之下，AI成为医疗健康供给侧改革的新基建。百度健康总经理杨明璐结合百度健康的实战经验，拆解了AI在用户、医生、医院三大场景的落地实践。AI不是炫技，而是让每一环都更专业、更可信。 杨明璐作为百度健康品牌的创立者与搭建者，其在2019年底确立了该业务的战略方向与组织架构，2020年孵化了百度健康品牌，百度健康已成为全网最大的健康科普平台和领先的互联网医疗平台，平台每日服务1.3亿人次的健康精准搜索，拥有6亿+专业健康知识库，并与全国3300余名权威专家、430余家顶级医疗机构及36万名医生直连。其后一直带领团队深耕AI+健康赛道，她指出，过去两年AI行业经历了重要转变——从卷模型到卷应用，从关注参数到关注场景，而健康正是AI落地最重要的场景之一。AI正驱动大健康产业进入供需重构的新阶段，而生态协同与专业可信是AI落地的关键破局点。 杨明璐分析，从需求侧看，中国将于2035年进入重度老龄化社会，慢病人群已超5亿，健康需求井喷。然而供给侧每千人执业医生数仅为3.04人，远低于发达国家。这一矛盾下，AI已成为扩容医疗健康供给的新基建。她也强调，健康产业链路深、周期长，单点智能化难以形成连续服务，必须从单点智能走向全局协同；而医疗不容出错，需要长期坚持人机协同，AI应“赋能而非替代，辅助绝不主导”。 在场景落地方面，百度健康构建了面向用户、医生和医院的全链路服务体系。 面向用户，她认为传统搜索只能给答案，而用户真正需要的是能“聊”起来、能管事儿的健康助手。基于这个判断，百度健康推出了“文心健康管家”，用AI完成初步咨询和报告解读，再让真人医生在关键节点确认把关——比如AI生成的诊断小结，最后需要医生签字才能给到用户。这种“AI打前站、医生守底线”的模式，既提升了效率，也守住了信任。 面向医生，杨明璐观察到，很多医生在百度平台上做科普、接诊、打造个人IP，但大量时间被琐事消耗。于是团队推出了“有医助手”专业版大模型，不仅能帮医生检索全球医学文献，还能辅助写病历、写科普文章。上线短短一两个月，写作类功能就成了最受欢迎的skill。 面向医院，以武汉协和医院为例，百度健康将AI能力嵌入到诊前、诊中、诊后的各个环节：智能分诊帮26万患者选对科室，AI加号累计服务的用户超过了12万，他们通过AI加号和智能分导诊的技术赋能得到了及时就医，其中70%以上都是应该尽快手术的，数据也是超出了医院的预期。预问诊Agent在患者候诊时就完成病情采集并自动生成病历，医生采纳率高达93.4%。这套全链路AI智慧门诊的实践，去年还帮助武汉协和医院斩获国家卫健委体系评选的金奖。 最后，杨明璐还介绍了百度健康“原子计划”，将平台积累的AI能力和服务资源全面向行业开放。她表示，医疗健康产业的升级绝非一家企业能独立完成，欢迎更多伙伴加入，一起把更好的健康服务送到更多人身边。 以下为百度健康总经理 杨明璐 演讲内容，经36氪整理编辑：\n杨明璐丨百度健康总经理 各位同仁、各位朋友下午好，非常开心，感谢36氪的邀请来到AI+产业大会，我今天的演讲主题是AI+大健康：从技术赋能到价值创造，希望在15分钟的时间里和大家分享百度健康在AI+大健康产业赛道里的应用和价值落地的实践。 大家知道这几年AI全民在谈AI，非常火爆，也经历了一些演变，从最开始我们都在卷模型、关注模型到这两年我们非常看重应用，最开始关注参数到现在关注场景，非常重要的一个应用场景方向就是健康。身在这个产业赛道中，我们也看到近些年来特别是一两年来AI驱动大健康进入供需已经进入重构的新阶段，首先从需求侧来看，大家知道中国在2035年就会进入重度老龄化社会，超过60岁的人占比要超过30%，老龄化会让大家看到更多人有健康的需求。 慢病人群，2025年数据中国慢病人群已经大于5个亿了，这是非常大的数据，几乎每三个中国人就有一个有慢病的情况，底层人群结构的变化，让我们看到了在互联网上对互联网健康的需求非常快的增长，全民对自己健康意识的增强，也使我们看到，过去在互联网医疗只是得了病才来查，现在很多是治未病，了解医疗科普、健康知识、泛健康这样的人也越来越多。过去在百度搜索里看到医疗的频次，我们归为低频的业务，现在远不是低频了，已经往中高频迁移，人民需求是非常旺盛的，政策侧看到，健康中国2030规划纲要明确提出希望能够系统的、连续地为人民提供健康管理服务，这也是政策鼓励，需求井喷。供给侧如何呢？中国的居民里每千人执业医生数大概是3.04人，这个数据在发达国家要高出20%-30%，也就是说我们每个公民享有的医疗资源还是比较低的，大家的需求又在井喷，AI能够成为医疗健康供给扩容的新基建，这是非常关键的生产力。 今天这个时间当口，AI驱动大健康的供需特别是供给侧改革，能够让优质供给规模化，这个是这个产业能够成立的底层逻辑。 关键破局点是什么？我们看到AI在应用场景里很难落地，在健康场景里AI落地关键破局点，我们认为核心是两点，一个是生态协同，一个是专业可信，这也和我们的健康大的产业赛道特殊性相关，大家知道健康和医疗需求一般是比较复杂的，链路非常深，长周期、链路深会有各个不同的医药险、支付方的长链路，我们过去看到非常多在健康里做AI都是单点的，单点智能化很难形成连续、系统、好的健康服务，所以AI健康需要从单点智能走向全局协同。 专业可信，AI改造了千行百业，但是在健康赛道上尊重健康赛道本身，是不容出错的，现在非常流行的一个说法，健康还是需要专业人士全流程参与，类比无人车，大家知道有L3、L4，健康产业里我们认为非常长的阶段和时期都是停留在L3阶段，人机协同，AI和专业人士的高度协同，不仅是安全红线的保障，也是给用户安全底线和信任的保障，这是我们对这个产业特殊性的观察。 对于百度健康来说我们始终有一个明确的态度，源于我们对医疗健康的敬畏之心，生命面前，AI必须恪守安全底线，我们的价值观是赋能而非替代，辅助绝不主导。 我们是谁？我们在做什么事，百度健康是百度搜索里所有健康医疗类的需求，现在都由我们这个团队和组织来承接的，我们2020年疫情期间从百度搜索里孵化出来的，百度搜索中有10%-12%的需求都是健康和医疗相关的，我们在多次用户调研和访谈中，中国老百姓的寻医问药第一心智入口还是在百度，2020年疫情非常严重的时候，我们团队独立出来成为独立BU，成立百度健康品牌，经过六年的迭代，百度健康已经成为全网最大的健康科普平台，每天我们要服务1.3亿人的健康和医疗精准搜索，同时经过这六年的积累，我们拥有全网6亿+专业医疗健康知识库，同时跟全国3300个包括30多名院士为主的权威专家团和超过430家顶级的权威医疗机构形成长期合作。 过去六年的时间成长起来的，我们已经成为全网领先的互联网医疗平台，大家知道越来越多的人会在网上去问诊，找医生。今天百度已经和36万医生在平台上直\n内容来源：ai 原文链接：https://36kr.com/p/3820143885455751?f=rss\n市场背景 BTC 价格：$0.00 24h 涨跌：+0.00% AI Agent 加工：AI Agent（技术分析） 生成时间：2026-05-22T12:01:25.130506+00:00\n
让好项目，更早被看见
原文摘要 提交报道链接：https://36kr.com/seek-report-new?t=1779418211266\n36氪AI寻求报道 很多项目第一次被行业真正看见，往往已经不是它最需要被看见的时候。 那时候，它可能已经拿了融资，跑出了数据，进入了热门赛道，也开始频繁出现在投资人、媒体和产业方的视野里。 但创业不是从融资新闻开始的。 在更早的时候，一个项目可能只是一支还不够知名的团队，一个刚刚跑通的产品，一个藏在垂直行业里的新方法，或者一个还没有被充分解释清楚的市场判断。 它不一定站在风口中央，也不一定拥有明星机构背书。更多时候，它甚至还没学会把自己的价值讲清楚。 但这并不意味着它不值得被看见。 36氪推出「AI寻求报道」，想做的正是这件事：把好项目被看见的时间，再往前推一点。 它不是一个简单的发稿入口，也不是把项目包装成流量故事的工具。更准确地说，它是一套面向项目方、FA、投资机构、园区、孵化器和产业服务方开放的项目发现与内容表达机制。 我们希望通过更轻量的提报方式、更结构化的信息采集、AI 辅助成稿与人工审核，让那些有实质推进、有成长潜力、有行业意义的项目，在还没有被充分讨论之前，先获得一次被认真理解的机会。 一、很多项目缺的不是曝光，是一次有效表达 在创投市场里，信息从来不稀缺。 每天都有大量项目在融资、路演、找客户、谈合作、发产品。真正稀缺的是：能被投资人、产业方、媒体和潜在客户快速理解的信息。 我们见过太多这样的项目。 技术打磨了很久，客户也在推进，但对外表达还停留在“我们是某某领域的创新者”； 业务已经有了进展，但材料里全是功能介绍，看不出它到底解决了什么问题； 创始人对行业很熟，但一到公开表达，就很难讲清楚“为什么是现在，为什么是我们，为什么值得关注”。 这不是项目没有价值。 很多时候，是价值还没有被翻译成行业能够理解的语言。 一个项目解决什么问题？面向什么客户？产品跑到了什么阶段？和已有方案相比，有什么不同？客户为什么愿意买单？团队凭什么能做成这件事？ 这些问题，往往比一句“我们很创新”更重要。 「AI寻求报道」想解决的，不只是帮项目写一篇文章，而是帮助项目完成一次更清晰的价值组织：把分散在 BP、官网、路演材料、融资计划和创始人口述里的信息收拢起来，把复杂的业务讲清楚，把值得被关注的部分放回合适的创投语境里。 对项目方来说，这可能是一张更清楚的公开名片。 对 FA、园区和产业服务方来说，这也是帮助服务项目从私域介绍、BP 转发和一对一沟通中走出来，形成可沉淀、可检索、可传播的公开内容资产。 对投资人和产业方来说，它也可能成为观察早期项目、细分赛道和水下信号的新入口。 降低门槛，但不降低判断标准 创投报道天然更容易捕捉已经被验证的结果。 大额融资、明星机构、头部赛道、快速增长，这些当然重要。它们构成了市场主线，也帮助行业判断趋势。 但如果内容平台只看见已经发生的结果，就很容易错过那些正在形成中的信号。 很多早期项目还没有足够大的融资金额，很多细分赛道短期内并不热闹，很多中小企业的创新也不一定天然具备强话题性。它们未必适合被包装成“大新闻”，但其中一部分，确实代表着某个行业正在发生的真实变化。 36氪「AI寻求报道」想降低的，是优质项目第一次被看见的门槛。 二、降低门槛，不等于降低标准 我们欢迎这样的项目： 项目可以早期，但不能没有实质推进； 赛道可以小众，但不能没有明确价值； 项目可以尚未融资，但应该有清楚的产品、服务、客户、技术积累、商业模式或行业判断。 这不是一个无差别的信息发布通道，我们拒绝这样的项目： 纯概念阶段、信息无法核验、只靠包装堆砌概念、缺少真实产品或服务进展的项目，并不适合这个入口。36氪希望服务的是那些认真做事、真实推进、并且有内容值得被行业理解的项目。 真正值得被看见的项目，不一定已经很大，但一定应该有可被理解、可被验证、可被继续追踪的内容。 三、AI 提高效率，人工守住边界，36氪完成连接 AI 在「AI寻求报道」里的角色，不是替代媒体判断。 它更像一个高效率的采编助手。 通过自助采访和结构化提问，AI 可以帮助项目方把零散信息重新组织起来，通过辅助成稿。它可以降低项目完成第一次公开表达的时间成本。通过问题引导，它也能让项目更系统地回答外部世界真正关心的问题。 但一篇内容是否适合发布，仍然需要经过人工审核。 报道的价值不只是“生成出来”，更在于它是否真实、清楚、克制、有边界。AI 可以提升效率，但不能替项目虚构价值；AI 可以优化表达，但不能替代平台的内容判断。 36氪「AI寻求报道」真正想建立的，是一套“技术效率 + 内容标准 + 平台连接”的机制。 AI 负责提高信息组织和初稿生成效率； 人工审核负责守住内容边界； 36氪���台则负责把项目放回创投与产业语境中，让更多投资人、产业方、创业者、行业读者和潜在合作伙伴有机会理解它。 这件事的价值，不是让项目在信息流里多出现一次。 而是让它以更清楚、更专业、更可信的方式，进入行业视野。 四、为什么是 36氪寻求报道 因为 36氪长期站在创业者、投资人和产业之间。 过去多年，36氪持续记录中国新经济公司从早期融资、产品发布、商业化探索到产业成熟的全过程。我们理解创业公司的表达需求，也理解投资人和产业读者真正关心什么。 他们关心的不是空泛的愿景，不是堆砌的概念，而是清楚的问题、真实的进展、可信的逻辑，以及可持续追踪的成长性。 36氪的能力不只是发布渠道，更是创投语境。 我们知道一个项目应该如何被放进产业变化里理解，知道哪些信息能够帮助投资人快速判断，知道一篇项目内容如何从“自我介绍”变成“行业可读”。 这也是「AI寻求报道」区别于普通发稿、模板通稿和单纯 AI 写作工具的地方。 它不是让项目自己在信息流里大声喊话，而是帮助项目以更清楚、更可信的方式，进入 36氪长期积累的内容场域。 对于项目方来说，这意味着不光是获得一篇文章，而是获得一次被行业认真理解的机会。 对于 FA 和机构来说，这意味着服务中的项目不只是多一个曝光动作，而是多一种可沉淀、可转发、可被外部理解的项目表达方式。 对于 36氪来说，这也意味着项目发现的入口被进一步前移。我们不仅记录那些已经跑出来的公司，也希望更早捕捉那些正在生成中的新公司、新产品、新模式和新趋势。 五、今天的水下项目，可能是明天的行业变量 我们尊重每一个还没有被充分看见的项目。但这种尊重，不是无差别地放大每一个声音。 我们不是要把每一个项目都包装成“下一个独角兽”。相反，我们更希望帮助项目回到它真实的位置：把该说清楚的事情说清楚，把值得被看见的部分呈现出来，把可能关注它的人连接起来。 一次报道未必立刻改变一个项目的命运。 但一次被认真看见，可能带来一次有效对话；一次有效对话，可能带来一个关键客户、一位长期关注的投资人\n
江行智能：从感知环境到改变世界：物理AI的机遇、路径与实践| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 中国工业物理AI的真正优势不在模型参数，而在全球12倍的工业机器人部署密度、两倍的发电量和密集的5G边缘节点——场景密度、基建底座和开源模型的合力，正在推动物理AI从实验室走向规模化落地。\n江行智能提出工业物理AI的三层模型，这套系统已在新能源场站和电网巡检场景落地——覆盖贵州、内蒙古等多地，核心算法准确率达99%。陈龙特别指出，工业场景下一个看似简单的巡检任务通常需要拆成100到200个子任务，这对AI的稳定性和可靠性提出了远超消费级应用的要求。 以下为演讲内容，经36氪整理编辑：\n陈龙丨江行智能基模CTO 各位嘉宾、行业伙伴下午好，我是来自江行智能的具身基模CTO陈龙，我的分享题目是从感知环境到改变世界：物理AI的机遇、路径和挑战。 AI 的竞争已经从数字世界的模型参数之争，转向了真实物理世界的系统能力之争。中国凭借独特的五层产业基础，正在成为全球工业物理 AI 落地的最佳土壤。江行智能通过打造全栈工业物理 AI 模型架构，已经在新能源、电网等核心领域实现了规模化部署，证明了物理 AI 从概念走向现实的可行性。 AI 竞争正在从模型竞争走向物理系统竞争 过去几年，生成式 AI 在数字世界充分证明了自身价值，能够完成内容生成、代码编写、智能问答等任务。但对于工业企业而言，真正的价值前线不在屏幕里，而在风电场、光伏电站、变电站、矿山、化工园区和生产车间这些真实的物理空间。 AI 正在经历从 “生成答案” 到 “执行任务” 的关键演进。当 AI 走进工业现场，竞争的核心不再是模型参数规模或单点算法准确率，而是能否将人工智能稳定、可控、低成本地部署到真实物理世界。工业现场的任务从来不是 “看一张图判断有没有异常” 这么简单，它需要完成数据采集、环境理解、设备接入、任务规划、执行反馈和闭环迭代的全流程。这意味着物理 AI 不是一个孤立的模型，而是一套能够在现场持续运行的完整智能系统。 中国工业物理 AI 的五层基础与三大结构性机会 为什么工业物理 AI 在中国拥有最好的落地条件？中国已经形成了其他国家难以复制的五层系统性基础。 第一层是应用层。中国拥有全球最高密度的工业场景，工业机器人安装量约为美国的 8.6 倍，过去十年增长了约 12 倍。真实场景越密集，“数据 - 模型 - 具身智能机器人” 的闭环就越容易形成。 第二层是模型层。以 DeepSeek、通义千问（Qwen）、Kimi 为代表的国产化开源模型追赶迅速，性能快速逼近行业最优水平，并已在全行业完成广泛的垂直化部署，越来越贴近产业的实际需求。 第三层是基础设施层。中国 5G 基站数量已超过 448 万，全球占比超过 60%，同时新增发电容量也远超美国。这使得我们在端侧和边缘侧拥有更强的网络与基建能力，能够更好地支持物理 AI 设备的现场接入与实时交互。 第四层是芯片层。不可否认，我们在高端训练芯片领域与美国仍存在差距。但这一挑战也倒逼行业走上了更高效的技术路线，推动企业通过更优的模型结构、端边协同和软硬件联合优化来最大化现有硬件的性能潜力。 第五层是能源层。当前中国发电量约为美国的两倍，发电机组装机量更是达到美国的三倍。充足且稳定的能源供给，为 AI 从云端训练走向大规模现场部署提供了长期的底层支撑。 这五层基础叠加在一起，使中国工业物理 AI 不只是有技术想象，更有真实的落地土壤。在此基础上，我们总结出中国工业物理 AI 的三类核心结构性机会。 第一类是供给侧底座机会。能源、网络、基础设施和边缘节点的持续完善，为 AI 进入工业现场提供了长期可靠的支撑。 第二类是现场侧闭环机会。高密度的工业场景、大规模的机器人部署和多模态传感设备，让物理 AI 能够形成 “部署 - 采集 - 训练 - 迭代 - 再部署” 的完整数据飞轮，这是其他国家无法比拟的优势。 第三类是效率侧路线机会。高端芯片的约束会推动行业走向更高效的模型、更强的边缘智能和更深的软硬协同，使工业物理 AI 更加注重低成本、可控性和可部署性。 江行智能的定位，正是把这些组合优势组织成可部署、可复制、可持续迭代的工业物理 AI 系统。 江行智能全栈工业物理 AI 模型架构 工业现场的问题不能靠单一模型解决，它需要数据基础设施、物理世界建模、行业大模型、应用框架、设备控制和安全机制协同工作。基于这一认知，江行智能打造了面向工业场景的三层全栈物理 AI 模型架构，围绕工业物理 AI 对自主性、多模态、长任务和可靠性的核心需求设计。 数据与基础设施层：JX-Phi World 双轮驱动 作为整个架构的底座，JX-Phi World 采用 AutoEdge 和 AutoWorld 双轮驱动的核心设计，解决模型训练更快、落地更稳、成本更低的问题。 AutoEdge 负责真实工业数据的全流程处理，包括多模态环境数采、云端训练、边端推理、模型部署和 OTA 升级。它能够持续采集真实现场的任务、设备、工况和反馈数据，同时通过边缘侧推理显著降低网络传输压力与模型端到端时延。底层数据涵盖了传感器、热成像、无人机巡检以及低轨卫星遥感等工业现场的全维度信息。 AutoWorld 则是世界模型仿真和数据引擎。工业 AI 的一大痛点在��，很多关键异常并不高频发生，但一旦发生就必须准确识别和可靠处置。真实工业数据通常只能覆盖 90%-95% 的常规场景，对于极端天气、突发事件等 5% 的潜在风险与极端工况存在数据缺口。AutoWorld 通过生成式 AI 与 3D 重建技术，模拟生成各类罕见场景和复杂任务过程，支持 Sim-to-Real 迁移，让 AI 在仿真环境中把错误犯完，再部署到真实现场。 模型层：JX-Phi Brain 向工业场景 WAM 演进 JX-Phi Brain 是整个架构的核心大脑，正在向工业场景 World Action Model（WAM）演进，融合了三类核心能力。 第一类是空间视觉语言模型（S-VLM），解决 “感知 + 理解” 的问题。工业现场不是一张平面图，而是包含设备、人员、空间关系、运行状态和行业规则的动态环境。S-VLM 不仅能够感知工业厂房的物理环境，还能理解各类传感器读数与环境参数，实现跨模态推理与工业场景建模。 第二类是长任务视觉语言动作模型（LT-VLA），解决 “感知 + 执行” 的问题。工业任务往往不是一步完成，而是多任务、多设备、多流程协同。LT-VLA 能够感知现场环境约束与任务要求，将复杂工业任务拆解为一系列可执行的子任务，并实现自引导式的任务优化与动态调整。 第三类是行业垂类模型，把电力、化工、矿山等行业的专业知识融入模型，使模型能理解强规则、强约束、强安全要求下的真实任务。目前江行已经在电力、化工、矿山等行业支持超过 1000 个场站和点位的常态化数据采集，持续构建 “模型 + 数据” 的闭环。 应用层：JX-Phi Agent 通过工业 Harness 与一脑多体实现价值落地 模型本身不会自动创造产业价值，价值发生在模型被封装成可部署、可调用、可监管的现场系统之后。JX-Phi Agent 应用层的核\n
AI时代核心终端生态定位与用户需求洞察| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 AI不是某一个超级单品的故事，而是一个多端协同的生态故事，消费者的期待与顾虑，正在定义这个生态的进化方向。\nAI与硬件的融合分为四个阶段，当前正处于从深度融合走向生态化的关键节点。AI渗透率在手机端已从15%涨到40%，但仍是“加分项”而非“决策项”。未来，AI硬件生态的四个步骤——感知、记忆、决策、行动，或将分别由眼镜、手机、PC协同完成。 以下为演讲内容，经36氪整理编辑：\n赵晓鹏丨NIQ GfK创新事业部总经理 大家好，很荣幸有这个机会，跟大家分享NIQ GfK对消费端的观点。我们公司专注研究消费者和终端产品，和大家的日常生活联系非常紧密。 我今天的主题是AI时代核心终端生态定位与用户需求洞察，主要分两部分来讲。 第一个话题是：当我们讨论AI的时候，我们在讨论哪些硬件？消费者又关心哪些特征？ AI与硬件是一个双向奔赴的过程。在我们看来，这可以分为四个阶段：第一阶段是探索期；第二阶段是智能工具期——大家应该都有印象，比如前几年AI语音交互突然爆发，涌现出很多新产品；第三阶段是深度融合期，AI和硬件结合更加紧密，已经进入了大家的手机、PC和平板。我们认为这还不是终局，未来会进入第四阶段——生态主导期，各种硬件将形成统一生态，全面融入大家的生活。 消费者关注AI硬件时，更偏向随身设备。在我们的研究中，关注度排名前三的是手机、耳机和眼镜——这些产品便携性高，贴近日常使用；传统PC和平板同样保持稳定需求。 25岁以下的年轻人非常关心生产力。也就是说，除了娱乐功能之外，他们对能否提升工作效率也很在意。这部分人群主要是大学生，PC使用场景较多，同时也有不少创作需求。 消费者对AI的价值点最感兴趣的是娱乐和生活便利相关功能。当然，学习和工作方面的需求也存在，只是目前的排名还没有娱乐那么高。但这并不代表需求不足，相反，我们认为这是值得探索和挖掘的方向。一旦这些需求被验证，将会释放出非常庞大的市场空间，这也是未来硬件公司需要重点关注的地方。 现在搭载AI功能的设备很多，但AI硬件的关键，不在于是否带有AI功能——事实上，现在几乎所有硬件都或多或少具备AI能力。我们理解的AI，是深度参与设备的系统架构、交互方式和价值创造过程的，主要体现在三个方面：第一，系统级嵌入，不只是简单的交互，而是真正嵌入操作系统；第二，操作系统重构，过去是人适应设备，移动时代大家习惯用APP操作，未来将是设备适应人，你发出一个指令，它就能调动所有资源为你服务；第三，持续创造价值，系统可以不断学习、不断提升，它会随着使用不断进化。 第二个话题是：用户对AI有这么多期待，是不是单一硬件就能满足？我们的结论是不能。 未来的AI不会只依靠某一个硬件，而是一套生态。就像我一开始说的，未来是AI生态的融合。我们挑选了三种和普通消费者关联度较高的产品，组成一个简单的生态模型：第一个是眼镜，第二个是手机，第三个是PC。眼镜是全天候感知终端，手机负责轻量级数据处理和决策，如果遇到手机处理不了的重度任务，就交给PC进行深度计算；如果端侧仍然无法解决，再借助云端能力来补足。这是我们判断的未来方向：多端协同，构建分布式端侧AI生态。 关于硬件，我们的观察如下： 一、手机。现在手机本质上还是一个APP容器，大家基本上都是单独操作各个APP。未来这种模式会改变，AI应用可以跨多个APP协同工作，为用户完成复杂操作。AI入口可能掌握在手机厂商手中，也可能属于大模型厂商，但无论怎样，第一入口的争夺趋势看起来是不可逆的。此外，手机还将具备记忆功能，会记录机主的操作信息，了解你的喜好和使用习惯，并在使用中不断学习，下一次给你更精准、更满意的答案。 二、PC。PC将成为AI的算力中心，辅助手机完成一些高强度计算任务。在我们看来，PC是每个人主权AI的最小单元——这台设备属于你，数据保留在本地，但能力可以延伸到云端，兼具端侧和云端优势。 三、眼镜。这是一个相对较新的赛道。以前我们更多谈AR眼镜，AI眼镜的概念还比较新，目前主要分为有屏和无屏两种。无屏产品占比更高，这也符合我们的观察：AI眼镜的核心方向是做减法，不要做得太重。毕竟手机我们随身携带，家里通常也有电脑，眼镜戴在头上，必须足够轻便。 AI眼镜的独特性在于它是一个全天候感知终端。电脑和手机在很多场景下不方便一直操作，但眼镜可以随时随地采集数据，并扮演两个角色：一是随时随地与用户交互，操作比手机更方便；二是持续进行数据采集，是一种轻量化的AI工具，同时具备不可替代性，因为它不需要用手操作。 这就是NIQ GfK眼中的硬件生态：通过多类硬件的组合来响应AI需求。眼镜作为全天候采集终端，不断将数据传递给手机，手机进行轻量化处理，解决消费者的问题；遇到更复杂的情况，再交给PC处理。在重度办公环境中，如果电脑就在身边，眼镜也可以直接与PC联动，为消费者提供服务。 未来的产品肯定不止这三种，但通过生态解决问题，是我们认为硬件公司应坚持的方向。抢占AI赛道，不可能只靠某一个产品，也很难出现一个超级单品解决所有问题。真正的竞争在于打造终端生态，通过不同类型的产品构建完整的生态体系，占据终端的制高点。 以上是我的分享，谢谢大家！\n文章来源 标题: AI时代核心终端生态定位与用户需求洞察| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3820318177841541?f=rss 时间: 2026-05-22 18:37:09 +0800 核心内容 AI不是某一个超级单品的故事，而是一个多端协同的生态故事，消费者的期待与顾虑，正在定义这个生态的进化方向。\nAI与硬件的融合分为四个阶段，当前正处于从深度融合走向生态化的关键节点。AI渗透率在手机端已从15%涨到40%，但仍是“加分项”而非“决策项”。未来，AI硬件生态的四个步骤——感知、记忆、决策、行动，或将分别由眼镜、手机、PC协同完成。 以下为演讲内容，经36氪整理编辑：\n赵晓鹏丨NIQ GfK创新事业部总经理 大家好，很荣幸有这个机会，跟大家分享NIQ GfK对消费端的观点。我们公司专注研究消费者和终端产品，和大家的日常生活联系非常紧密。 我今天的主题是AI时代核心终端生态定位与用户需求洞察，主要分两部分来讲。 第一个话题是：当我们讨论AI的时候，我们在讨论哪些硬件？消费者又关心哪些特征？ AI与硬件是一个双向奔赴的过程。在我们看来，这可以分为四个阶段：第一阶段是探索期；第二阶段是智能工具期——大家应该都有印象，比如前几年AI语音交互突然爆发，涌现出很多新产品；第三阶段是深度融合期，AI和硬件结合更加紧密，已经进入了大家的手机、PC和平板。我们认为这还不是终局，未来会进入第四阶段——生态主导期，各种硬件将形成统一生态，全面融入大家的生活。 消费者关注AI硬件时，更偏向随身设备。在我们的研究中，关注度排名前三的是手机、耳机和眼镜——这些产品便携性高，贴近日常使用；传统PC和平板同样保持稳定需求。 25岁以下的年轻人非常关心生产力。也就是说，除了娱乐功能之外，他们对能否提升工作效率也很在意。这部分人群主要是大学生，PC使用场景较多，同时也有不少创作需求。 消费者对AI的价值点最感兴趣的是娱乐和生活便利相关功能。当然，学习和工作方面的需求也存在，只是目前的排名还没有娱乐那么高。但这并不代表需求不足，相反，我们认为这是值得探索和挖掘的方向。一旦这些需求被验证，将会释放出非常庞大的市场空间，这也是未来硬件公司需要重点关注的地方。 现在搭载AI功能的设备很多，但AI硬件的关键，不在于是否带有AI功能——事实上，现在几乎所有硬件都或多或少具备AI能力。我们理解的AI，是深度参与设备的系统架构、交互方式和价值创造过程的，主要体现在三个方面：第一，系统级嵌入，不只是简单的交互，而是真正嵌入操作系统；第二，操作系统重构，过去是人适应设备，移动时代大家习惯用APP操作，未来将是设备适应人，你发出一个指令，它就能调动所有资源为你服务；第三，持续创造价值，系统可以不断学习、不断提升，它会随着使用不断进化。 第二个话题是：用户对AI有这么多期待，是不是单一硬件就能满足？我们的结论是不能。 未来的AI不会只依靠某一个硬件，而是一套生态。就像我一开始说的，未来是AI生态的融合。我们挑选了三种和普通消费者关联度较高的产品，组成一个简单的生态模型：第一个是眼镜，第二个是手机，第三个是PC。眼镜是全天候感知终端，手机负责轻量级数据处理和决策，如果遇到手机处理不了的重度任务，就交给PC进行深度计算；如果端侧仍然无法解决，再借助云端能力来补足。这是我们判断的未来方向：多端协同，构建分布式端侧AI生态。 关于硬件，我们的观察如下： 一、手机。现在手机本质上还是一个APP容器，大家基本上都是单独操作各个APP。未来这种模式会改变，AI应用可以跨多个APP协同工作，为用户完成复杂操作。AI入口可能掌握在手机厂商手中，也可能属于大模型厂商，但无论怎样，第一入口的争夺趋势看起来是不可逆的。此外，手机还将具备记忆功能，会记录机主的操作信息，了解你的喜好和使用习惯，并在使用中不断学习，下一次给你更精准、更满意的答案。 二、PC。PC将成为AI的算力中心，辅助手机完成一些高强度计算任务。在我们看来，PC是每个人主权AI的最小单元——这台设备属于你，数据保留在本地，但能力可以延伸到云端，兼具端侧和云端优势。 三、眼镜。这是一个相对较新的赛道。以前我们更多谈AR眼镜，AI眼镜的概念还比较新，目前主要分为有屏和无屏两种。无屏产品占比更高，这也符合我们的观察：AI眼镜的核心方向是做减法，不要做得太重。毕竟手机我们随身携带，家里通常也有电脑，眼镜戴在头上，必须足够轻便。 AI眼镜的独特性在于它是一个全天候感知终端。电脑和手机在很多场景下不方便一直操作，但眼镜可以随时随地采集数据，并扮演两个角色：一是随时随地与用户交互，操作比手机更方便；二是持续进行数据采集，是一种轻量化的AI工具，同时具备不可替代性，因为它不需要用手操作。 这就是NIQ GfK眼中的硬件生态：通过多类硬件的组合来响应AI需求。眼镜作为全天候采集终端，不断将数据传递给手机，手机进行轻量化处理，解决消费者的问题；遇到更复杂的情况，再交给PC处理。在重度办公环境中，如果电脑就在身边，眼镜也可以直接与PC联动，为消费者提供服务。 未来的产品肯定不止这三种，但通过生态解决问题，是我们认为硬件公司应坚持的方向。抢占AI赛道，不可能只靠某一个产品，也很难出现一个超级单品解决所有问题。真正的竞争在于打造终端生态，通过不同类型的产品构建完整的生态体系，占据终端的制高点。 以上是我的分享，谢谢大家！\n内容来源：ai 原文链接：https://36kr.com/p/3820318177841541?f=rss\n市场背景 BTC 价格：$0.00 24h 涨跌：+0.00% AI Agent 加工：AI Agent（技术分析） 生成时间：2026-05-22T12:01:01.582531+00:00\n
圆桌对话：看见实效：从技术到处方，AI +医疗的场景落地与价值闭环| 2026AI Partner·北京亦庄AI+产业大会
原文摘要 从五年前的技术炫技到今天的临床刚需，AI+医疗终于走过了“证明我能”的喧嚣，进入“解决痛点”的深水区。不做替代医生的空想，只做减轻负担的助手——这场对话告诉我们，AI医疗落地的第一步不是说服院长，而是赢得科室主任的信任；关键不是单点突破，而是多元数据联动形成闭环 圆桌对话直面AI进医院的真实卡点：系统对接难、医生怕麻烦、责任划不清。从左医科技深耕九年的实战出发，从协和到宁夏中卫，揭示了分层落地的差异化逻辑——三甲提效率，基层补人力。用病历生成这一通用痛点作为中枢，往前接分诊，往后连随访，让“黑科技”变成医生愿意每天打开的工具。 以下为圆桌演讲内容，经36氪整理编辑：\n张戈丨华弋数智创始人&CEO（主持） 韩旭丨左医科技医学合伙人 张戈：各位来宾和直播前的各位朋友大家好，我是本轮对话主持人华弋数智张戈，非常欢迎韩总的到来，今天会聊一个特别实在的话题，AI医疗到底是怎么落地的，首先请韩总给大家打个招呼，用30秒告诉我们一件事，左医现在做的跟五年前那波AI辅助医疗热潮有什么本质区别？ 韩旭：谢谢张总，谢谢主办方的邀请，今天能在这儿跟大家做一个交流分享，左医科技从2016年开始深耕AI+医疗行业，我们也经历了AI医疗在国内发展的不同阶段，就我们理解五年前AI医疗更多的是技术和资本驱动的，大家想的是如何用AI技术来改造医疗甚至代替医生，做的东西更多是从技术角度出发，没有解决临床真正的问题，很难落地，现在更多是从临床真正的需求出发，关注的是医生每天日常工作中他们真正头疼的点是什么，想着用AI技术来降低医生的工作压力，提质增效，同时也让患者能够更顺畅地就医。 张戈：从韩总的总结里我们感觉到医疗AI不断走深走实，首先我们非常关注场景落地的问题，AI医疗进入到医院，您觉得第一步要打通什么环节或者从什么地方入手，比如说要从上到下说服领导，还是培训医生，还是跟医疗的信息系统去进行对接，这里面哪个环节是卡点？ 韩旭：从我们的经验来看，AI医疗进医院，第一步肯定不是去说服院长，也不是对接HIS、EMR系统、全员培训，第一步应该是深入到临床一线、科室，争取到科室主任包括骨干医生的支持，让他们愿意做试点，在这个过程中真正见到效果以后，才涉及到去做后续的推广，刚才说到去对接EMR HIS系统，有一定的技术难度，同时做多方协调，成本、时间周期都很高，一上来做系统对接很容易成为卡点。 医生培训没有实际的东西、没有实际效果，做培训也只是一种形式，没有实际意义，至于做全院推广，你在做科室试点，有一定的效果以后，拿着真实的数据去跟医院领导沟通，去做全院整体的推广，才会更有说服力。 第二个卡点，1、系统对接，医院各个系统非常多，品牌、厂家也非常多，也不是标准的接口，数据格式包括字段、权限管控都不一样，现在医院对数据安全也非常重视，如果做对接需要协调信息科、医务科多个科室反复协调，这个过程很长，是非常大的卡点。 2、落地过程中会遇到的问题，医生的接受度，医生群体还是属于相对保守的群体，规避风险意识很强，有一个新的工具使用，他们是不愿意更改固有的工作习惯，怕工具上了以后会增加自己学习使用的负担，反而会增加工作量。再一个对AI产品的准确率、风险也会有一定的顾虑，实际项目落地过程中是有一个很难的点，怎么让医生接受、愿意使用。 张戈：您说到落地过程中的细节非常实际的痛点，信息系统对接、权限管控，这些都是在信息类的项目里非常重要，要解决的卡点类的问题，既有对接协和这样顶级的三甲医院，也有您给宁夏中卫做的云上卫医，基层医疗的落地逻辑和三甲医院的落地逻辑有什么不同，是存在更大的困难，还是不同的医院不同信息化建设的水平，这里面是不是有不同的切入点。 韩旭：像协和三甲医院和基层医疗机构，从需求来说，引入AI医疗系统，使用AI医疗产品，需求点是不一样的，落地路径包括切入点也是有差别的。比如像三甲医院，更聚焦于院内，主要解决的问题，专家资源很宝贵，医生时间很紧张，他更关注的是如何提高院内的效率，精细化把各个流程环节的效率提高，这些是三甲医院的需求。基层医疗机构面临的问题，医生少，日常工作也很繁重。虽然面临的疾病比如常见病，琐碎的事务也很多，但基层医疗机构有家庭医生签约服务的压力，每个人要签约一两千个居民，这个数量是服务不过来的，并且居民对于家庭医生签约服务也有一定的需求或者要求，服务能力是达不到的。 对于基层医疗机构来使用AI医疗产品的特点。一方面通过AI的产品，病历生成、智能随访包括智能健康档案来帮助他做日常琐碎流程性的工作，也希望通过AI产品来帮助他服务患者。在院外服务患者对于三甲医院，协和这样的医疗机构需求不是很大，更多聚焦于解决院内的效率问题。 张戈：不同医生群体有自己不同的诉求，我们通过解决他的需求，提升他工作效率，让他对AI产品有更好的接受度，这里面有没有遇到过比较抵触使用AI产品的场景，您这边怎么让一线的医护人员更加接受，这一块有没有经验？ 韩旭：这也是一个很重要的卡点，医护人员对很多新的工具一开始是抵触、观望的，有几种原因。第一个他会担心给自己增加负担，他需要学习、操作，医生工作站里的系统很多，HIS、EMR等系统，他要切换系统非常麻烦。第二个风险，生成的内容有问题会给他造成一定的风险。从几个方面入手解决，第一个我们的产品尽量做到更贴合他日常的工作，不是强行绑定，尽量做到不打扰，等于跟他原有的系统是融合，不是需要单独学习、操作，降低在使用学习新系统的心理负担。 第二个在责任权责、界定，所有AI生成内容必须经过医生确认才可以发出的，他也可以随时修改，最终的决策权是在医生手里，他能对风险把控，这样会好很多。 张戈：AI辅助诊疗，提升真正医者工作的效率。 回到开场的问题，五年前AI医疗也火过一波，那时候讲的是AI辅助诊断、AI读片，今天左医科技您这边做的跟那时候相比核心区别在哪里，是技术能力变了，AI现在技术日新月异，应用场景随着时间的变化有变化，还是大家对医疗本身的理解有变化。 韩旭：第一点对于医疗行业理解认知，AI医疗行业的理解认知发生了很大的变化，五年前，聚焦辅助诊疗，主要就想一下子切入诊疗环节，医疗诊疗是他的核心环节，通过技术，直接解决最难的问题，比如疑难杂症的辅助诊断，包括肿瘤治疗方案的推荐，专业壁垒最高的场景下，想在这上面发力，其实会面临很多问题，首先它的实现难度很大，医生也不太敢用，效果也不是特别好。现在更多的是大家逐渐认识到医疗，从医生角度日常工作来说，诊疗只是占用了其中很小的一部分时间，他在医院的大部分时间都是在处理文书类的病历、病史整理、随访、跟患者沟通，去做流程性工作、上报材料等工作占用了他很多时间。现在我们转变了思想，想去解决最核心的诊疗问题，转变为帮助医生来处理日常流程性、重复性、事务性工作，作为他的助手，帮助他把更多的时间用到真正的诊疗环节上，从场景上也会发生变化。之前大家都在做辅助诊断、影像识别病灶。现在诊前、诊中、诊后不同环节去做分导诊、预问诊、病例生成、疾病管理等。 技术发展很重要，在刚才说的两点基础上来帮助实现的，大模型技术成熟、具备多模态能力，从最开始只能处理文本到现在的图片、影像、语音等，让整个AI能够辅助医\n文章来源 标题: 圆桌对话：看见实效：从技术到处方，AI +医疗的场景落地与价值闭环| 2026AI Partner·北京亦庄AI+产业大会 来源: ai 链接: https://36kr.com/p/3820150778531972?f=rss 时间: 2026-05-22 15:38:36 +0800 核心内容 从五年前的技术炫技到今天的临床刚需，AI+医疗终于走过了“证明我能”的喧嚣，进入“解决痛点”的深水区。不做替代医生的空想，只做减轻负担的助手——这场对话告诉我们，AI医疗落地的第一步不是说服院长，而是赢得科室主任的信任；关键不是单点突破，而是多元数据联动形成闭环 圆桌对话直面AI进医院的真实卡点：系统对接难、医生怕麻烦、责任划不清。从左医科技深耕九年的实战出发，从协和到宁夏中卫，揭示了分层落地的差异化逻辑——三甲提效率，基层补人力。用病历生成这一通用痛点作为中枢，往前接分诊，往后连随访，让“黑科技”变成医生愿意每天打开的工具。 以下为圆桌演讲内容，经36氪整理编辑：\n张戈丨华弋数智创始人&CEO（主持） 韩旭丨左医科技医学合伙人 张戈：各位来宾和直播前的各位朋友大家好，我是本轮对话主持人华弋数智张戈，非常欢迎韩总的到来，今天会聊一个特别实在的话题，AI医疗到底是怎么落地的，首先请韩总给大家打个招呼，用30秒告诉我们一件事，左医现在做的跟五年前那波AI辅助医疗热潮有什么本质区别？ 韩旭：谢谢张总，谢谢主办方的邀请，今天能在这儿跟大家做一个交流分享，左医科技从2016年开始深耕AI+医疗行业，我们也经历了AI医疗在国内发展的不同阶段，就我们理解五年前AI医疗更多的是技术和资本驱动的，大家想的是如何用AI技术来改造医疗甚至代替医生，做的东西更多是从技术角度出发，没有解决临床真正的问题，很难落地，现在更多是从临床真正的需求出发，关注的是医生每天日常工作中他们真正头疼的点是什么，想着用AI技术来降低医生的工作压力，提质增效，同时也让患者能够更顺畅地就医。 张戈：从韩总的总结里我们感觉到医疗AI不断走深走实，首先我们非常关注场景落地的问题，AI医疗进入到医院，您觉得第一步要打通什么环节或者从什么地方入手，比如说要从上到下说服领导，还是培训医生，还是跟医疗的信息系统去进行对接，这里面哪个环节是卡点？ 韩旭：从我们的经验来看，AI医疗进医院，第一步肯定不是去说服院长，也不是对接HIS、EMR系统、全员培训，第一步应该是深入到临床一线、科室，争取到科室主任包括骨干医生的支持，让他们愿意做试点，在这个过程中真正见到效果以后，才涉及到去做后续的推广，刚才说到去对接EMR HIS系统，有一定的技术难度，同时做多方协调，成本、时间周期都很高，一上来做系统对接很容易成为卡点。 医生培训没有实际的东西、没有实际效果，做培训也只是一种形式，没有实际意义，至于做全院推广，你在做科室试点，有一定的效果以后，拿着真实的数据去跟医院领导沟通，去做全院整体的推广，才会更有说服力。 第二个卡点，1、系统对接，医院各个系统非常多，品牌、厂家也非常多，也不是标准的接口，数据格式包括字段、权限管控都不一样，现在医院对数据安全也非常重视，如果做对接需要协调信息科、医务科多个科室反复协调，这个过程很长，是非常大的卡点。 2、落地过程中会遇到的问题，医生的接受度，医生群体还是属于相对保守的群体，规避风险意识很强，有一个新的工具使用，他们是不愿意更改固有的工作习惯，怕工具上了以后会增加自己学习使用的负担，反而会增加工作量。再一个对AI产品的准确率、风险也会有一定的顾虑，实际项目落地过程中是有一个很难的点，怎么让医生接受、愿意使用。 张戈：您说到落地过程中的细节非常实际的痛点，信息系统对接、权限管控，这些都是在信息类的项目里非常重要，要解决的卡点类的问题，既有对接协和这样顶级的三甲医院，也有您给宁夏中卫做的云上卫医，基层医疗的落地逻辑和三甲医院的落地逻辑有什么不同，是存在更大的困难，还是不同的医院不同信息化建设的水平，这里面是不是有不同的切入点。 韩旭：像协和三甲医院和基层医疗机构，从需求来说，引入AI医疗系统，使用AI医疗产品，需求点是不一样的，落地路径包括切入点也是有差别的。比如像三甲医院，更聚焦于院内，主要解决的问题，专家资源很宝贵，医生时间很紧张，他更关注的是如何提高院内的效率，精细化把各个流程环节的效率提高，这些是三甲医院的需求。基层医疗机构面临的问题，医生少，日常工作也很繁重。虽然面临的疾病比如常见病，琐碎的事务也很多，但基层医疗机构有家庭医生签约服务的压力，每个人要签约一两千个居民，这个数量是服务不过来的，并且居民对于家庭医生签约服务也有一定的需求或者要求，服务能力是达不到的。 对于基层医疗机构来使用AI医疗产品的特点。一方面通过AI的产品，病历生成、智能随访包括智能健康档案来帮助他做日常琐碎流程性的工作，也希望通过AI产品来帮助他服务患者。在院外服务患者对于三甲医院，协和这样的医疗机构需求不是很大，更多聚焦于解决院内的效率问题。 张戈：不同医生群体有自己不同的诉求，我们通过解决他的需求，提升他工作效率，让他对AI产品有更好的接受度，这里面有没有遇到过比较抵触使用AI产品的场景，您这边怎么让一线的医护人员更加接受，这一块有没有经验？ 韩旭：这也是一个很重要的卡点，医护人员对很多新的工具一开始是抵触、观望的，有几种原因。第一个他会担心给自己增加负担，他需要学习、操作，医生工作站里的系统很多，HIS、EMR等系统，他要切换系统非常麻烦。第二个风险，生成的内容有问题会给他造成一定的风险。从几个方面入手解决，第一个我们的产品尽量做到更贴合他日常的工作，不是强行绑定，尽量做到不打扰，等于跟他原有的系统是融合，不是需要单独学习、操作，降低在使用学习新系统的心理负担。 第二个在责任权责、界定，所有AI生成内容必须经过医生确认才可以发出的，他也可以随时修改，最终的决策权是在医生手里，他能对风险把控，这样会好很多。 张戈：AI辅助诊疗，提升真正医者工作的效率。 回到开场的问题，五年前AI医疗也火过一波，那时候讲的是AI辅助诊断、AI读片，今天左医科技您这边做的跟那时候相比核心区别在哪里，是技术能力变了，AI现在技术日新月异，应用场景随着时间的变化有变化，还是大家对医疗本身的理解有变化。 韩旭：第一点对于医疗行业理解认知，AI医疗行业的理解认知发生了很大的变化，五年前，聚焦辅助诊疗，主要就想一下子切入诊疗环节，医疗诊疗是他的核心环节，通过技术，直接解决最难的问题，比如疑难杂症的辅助诊断，包括肿瘤治疗方案的推荐，专业壁垒最高的场景下，想在这上面发力，其实会面临很多问题，首先它的实现难度很大，医生也不太敢用，效果也不是特别好。现在更多的是大家逐渐认识到医疗，从医生角度日常工作来说，诊疗只是占用了其中很小的一部分时间，他在医院的大部分时间都是在处理文书类的病历、病史整理、随访、跟患者沟通，去做流程性工作、上报材料等工作占用了他很多时间。现在我们转变了思想，想去解决最核心的诊疗问题，转变为帮助医生来处理日常流程性、重复性、事务性工作，作为他的助手，帮助他把更多的时间用到真正的诊疗环节上，从场景上也会发生变化。之前大家都在做辅助诊断、影像识别病灶。现在诊前、诊中、诊后不同环节去做分导诊、预问诊、病例生成、疾病管理等。 技术发展很重要，在刚才说的两点基础上来帮助实现的，大模型技术成熟、具备多模态能力，从最开始只能处理文本到现在的图片、影像、语音等，让整个AI能够辅助医\n内容来源：ai 原文链接：https://36kr.com/p/3820150778531972?f=rss\n市场背景 BTC 价格：$0.00 24h 涨跌：+0.00% AI Agent 加工：AI Agent（技术分析） 生成时间：2026-05-22T09:00:58.117847+00:00\n
能落地的请留下，讲故事的请离场
原文摘要 让合作当场发生！\n2026年的AI行业，正在经历一次价值体系的深层重构。过去两年，聚光灯始终偏向技术侧——参数、算力、榜单排名。但今天，话语权正在向产业方转移：那些拥有真实需求、真实场景、真实业务压力的企业，开始掌握定义权。产业界最关切的问题变得具体而迫切：在必须交付结果的地方，AI到底靠不靠得住？ 5月19日，以“带着AI去前线”为主题的2026 AI Partner大会在北京亦庄通明湖会展中心开幕。本次大会由北京经开区管委会指导、36氪主办、国家信创园承办。作为首都高精尖产业的主阵地，北京经开区正以场景开放为核心，构建覆盖多领域的“全域AI试验场”。本届大会正是这一思路从“规划”走向“实战”的集中体现。 36氪与北京经开区在推动AI产业落地的战略上深度契合。作为产业创新的长期观察者与连接者，36氪紧扣经开区的全域场景蓝图，专门设立AI+产业对接会，让需求与方案现场碰撞，加速“AI+”在实体经济中生根。正是这一设计，让外会场供需双方的热情远超预期——需求方带着痛点来，技术方带着方案上，让合作当场发生！\n“带着AI去前线”： 不是口号，是判断 大会期间，36氪CEO冯大刚接受中央广播电视总台等媒体采访时表示：“‘带着AI去前线’不只是一句口号，而是一个判断。”他指出，当一种技术的颠覆力超越互联网，它就不再是一个赛道，而是一个基础设施。这次大会不是一场AI会，而是一场产业大会——主角是金融、医疗、制造、消费、能源，而AI是他们共同的语言。 DAY 1 · 算好账：看清趋势，算清成本 本次大会在北京亦庄的欢迎致辞中正式拉开帷幕。他表示：“北京亦庄正打造的不是单一的样板间，而是一个开放包容的创新验证体系。把AI从‘热点’变成‘日常’，从‘可能性’变成‘生产力’。”随后，36氪CEO冯大刚在开场致辞中强调：“36氪的AI大会不是要办一个‘AI焦虑大会’。AI的价值，是让人更有用，而不是让人出局。”这番定调，直接拉开了首日上午“政策红利与产业实战”的序幕。\n首场圆桌由贝恩全球合伙人成鑫主持，与上海市人工智能行业协会、美的集团AI研究院、云岫资本、京东的代表，共同探讨“AI+的国家推进计划与企业生存路线图”。据美的给出的数据显示：仅AIGC项目去年降本7亿元；京东透露已免费开放数字人直播，活跃商家超7万家。 随后，优必选首席品牌官谭旻复盘了人形机器人商业化路径：14年创业，如今已跑通工业场景小规模量产。顺丰科技高级副总裁唐恺展示供应链AI实战数据：内部每天运行5000多个Agent，日消耗800亿token，路径优化算法从分钟级降至毫秒级。京东方AIoT技术营销部部长陈玮萌则在现场分享了从“卖屏”到“卖屏+算法”的转型。 当日上午，“2026 AI最佳场景渗透案例”揭晓，从近200个申报中筛选出55个真正跑通ROI的标杆。紧接着，蚂蚁集团NEXTA创新实验室负责人何思翀主持了一场关于“引入AI，先改流程还是先换人”的圆桌，与学者、制造企业、技��专家展开交锋。\n下午，金融、内容、算力、数字资产、大健康、农业、工业制造、医疗等领域的实战案例依次展开：金智维、银河期货拆解AI在金融风控中的实际替代率；趣丸科技、MiniMax、柠萌影视探讨AI创作下人的位置；英博数科、艾迪普、百度健康、陆渔科技等企业分别从算力底座、数字资产、大健康、农业、工业ERP角度贡献案例。最后一场圆桌由36氪基金投资副总裁郑王宇主持，抛出“当AI完成80%标准化工作，剩下20%的人该做什么”的终极问题。 DAY 2 · 谈好事：搞定技术，搞定人才 次日上午，议程聚焦具身智能、汽车设计、用户洞察、机器人规模化、无人车、视觉智能等前沿领域：智域基石CTO徐良威谈具身智能数据供给革命；阿尔特汽车副总裁刘亚彬分享AI如何走进汽车设计；NIQ创新事业部总经理赵晓鹏分析AI时代用户需求；酷哇科技联合创始人李柯宏讲述城市机器人从试点到规模化落地；新石器无人车联合创始人颉晶华展示从智能驾驶到智能调度的AI一体化方案；大华股份研发中心副总裁周文凯探讨视觉智能×AI Agent重构智慧物联。 随后，一场关于“下一个杀手级AI产品”的圆桌集中交锋。接着，36氪与PureblueAI清蓝联合发布“2026重点行业GEO实践标杆企业”；北京中关村学院、首都体育学院、京奥电竞等共同启动“带着AI去赛场”战略签约。最后，“特别致敬人物”环节为“灯塔者”与“破壁者”颁奖，致敬敢在朦胧期验证AI落地的探路人。 到了下午，数字体验、国际教育、商业化落地、工业质检、人才共生、边缘计算等话题接力：上海蜚语信息科技副总裁薛冰主持“AI浓度与转化率”圆桌；新通教育集团创始人麻亚炜谈AI重构国际教育；集思科技CEO李世尊分享多行业商业化落地；广州搞搞镇文化科技创始人崔健南等参与讨论；因特智能科技CEO刘金硕聚焦工业质检；36氪主编帮主主持“AI原生人才与产业老炮共生”圆桌；江行智能联合创始人陈龙阐述从感知环境到改变世界物理AI的机遇、路径与实践。最后一场圆桌由36氪基金投资副总裁郑王宇主持，再次将“人与机器的终极分工”问题抛向全场。 两天设有九场圆桌对话、二十余场主题演讲，覆盖AI+制造、金融、医疗、零售、供应链、内容生产、教育、汽车、机器人等十余个方向。\n外场“世界咖啡”： 13家需求方坐庄，36家技术方轮战 如果说内场解决“怎么看”，外场就是解决“怎么干”。\n“世界咖啡”产业对接会没有观众席——13家带着真场景、真预算、真痛点的需求方各占一桌，覆盖金融、商业地产、环保、零售、餐饮、服饰、生物科技、汽车零部件等十余个领域。36家技术方能力覆盖数字员工、多模态检测、工业仿真、AI编剧、农业遥感等几乎所有落地切口。\n对接会覆盖四大方向：AI+科学技术、AI+产业发展、AI+消费提质、AI+民生福祉。需求方固定，技术方每30分钟轮转一桌，两天累计超过100轮对接。主办方不做随机匹配，每一轮都提前交叉验证。 现场已有企业当场建联、实景考察，甚至出现技术方被两家需求方同时“抢人”的场景。外场的“需求墙”和“能力榜”上，又收集了上百条新增需求，手写补充需求越贴越密，手里的“世界咖啡”喝空了一杯又一杯，也没有人想要提前离场。\n亦庄的定位： 不挂虚牌，只开真场 本次大会落地北京亦庄也并非偶然。北京经开区不建封闭的AI试验园区，而是把整座城市作为AI与实体经济融合的载体。政务审批、医疗诊断、工业制造、自动驾驶等真实场景，均成为AI技术的全景“试验场”。2026年初，北京经开区出台《关于进一步加快建设全域人工智能之城的实施方案（2026—2027年）》，确立“四全”框架，加速搭建城市级工程实验平台。第一批综合应用场景已梳理出24个大项、88个子场景，面向社会公开征集解决方案。 有意揭榜的企业，扫码即可提交技术能力意向，直通经开区需求池。\n北京经开区全域人工智能之城建设第一批综合应用场景解决方案合作意向企业征集二维码\n文章来源 标题: 能落地的请留下，讲故事的请离场 来源: ai 链接: https://36kr.com/p/3820169156890759?f=rss 时间: 2026-05-22 15:58:39 +0800 核心内容 让合作当场发生！\n2026年的AI行业，正在经历一次价值体系的深层重构。过去两年，聚光灯始终偏向技术侧——参数、算力、榜单排名。但今天，话语权正在向产业方转移：那些拥有真实需求、真实场景、真实业务压力的企业，开始掌握定义权。产业界最关切的问题变得具体而迫切：在必须交付结果的地方，AI到底靠不靠得住？ 5月19日，以“带着AI去前线”为主题的2026 AI Partner大会在北京亦庄通明湖会展中心开幕。本次大会由北京经开区管委会指导、36氪主办、国家信创园承办。作为首都高精尖产业的主阵地，北京经开区正以场景开放为核心，构建覆盖多领域的“全域AI试验场”。本届大会正是这一思路从“规划”走向“实战”的集中体现。 36氪与北京经开区在推动AI产业落地的战略上深度契合。作为产业创新的长期观察者与连接者，36氪紧扣经开区的全域场景蓝图，专门设立AI+产业对接会，让需求与方案现场碰撞，加速“AI+”在实体经济中生根。正是这一设计，让外会场供需双方的热情远超预期——需求方带着痛点来，技术方带着方案上，让合作当场发生！\n“带着AI去前线”： 不是口号，是判断 大会期间，36氪CEO冯大刚接受中央广播电视总台等媒体采访时表示：“‘带着AI去前线’不只是一句口号，而是一个判断。”他指出，当一种技术的颠覆力超越互联网，它就不再是一个赛道，而是一个基础设施。这次大会不是一场AI会，而是一场产业大会——主角是金融、医疗、制造、消费、能源，而AI是他们共同的语言。 DAY 1 · 算好账：看清趋势，算清成本 本次大会在北京亦庄的欢迎致辞中正式拉开帷幕。他表示：“北京亦庄正打造的不是单一的样板间，而是一个开放包容的创新验证体系。把AI从‘热点’变成‘日常’，从‘可能性’变成‘生产力’。”随后，36氪CEO冯大刚在开场致辞中强调：“36氪的AI大会不是要办一个‘AI焦虑大会’。AI的价值，是让人更有用，而不是让人出局。”这番定调，直接拉开了首日上午“政策红利与产业实战”的序幕。\n首场圆桌由贝恩全球合伙人成鑫主持，与上海市人工智能行业协会、美的集团AI研究院、云岫资本、京东的代表，共同探讨“AI+的国家推进计划与企业生存路线图”。据美的给出的数据显示：仅AIGC项目去年降本7亿元；京东透露已免费开放数字人直播，活跃商家超7万家。 随后，优必选首席品牌官谭旻复盘了人形机器人商业化路径：14年创业，如今已跑通工业场景小规模量产。顺丰科技高级副总裁唐恺展示供应链AI实战数据：内部每天运行5000多个Agent，日消耗800亿token，路径优化算法从分钟级降至毫秒级。京东方AIoT技术营销部部长陈玮萌则在现场分享了从“卖屏”到“卖屏+算法”的转型。 当日上午，“2026 AI最佳场景渗透案例”揭晓，从近200个申报中筛选出55个真正跑通ROI的标杆。紧接着，蚂蚁集团NEXTA创新实验室负责人何思翀主持了一场关于“引入AI，先改流程还是先换人”的圆桌，与学者、制造企业、技��专家展开交锋。\n