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：
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
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：
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
内容来源：ai 原文链接：https://36kr.com/p/3821519307591811?f=rss
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：2026-05-23T09:00:17.839639+00:00