圆桌讨论：AI应用趋势破界对话，WAVES新浪潮2025
这是中国风险投资的新时代。目前，中国风险投资市场不仅是周期触底的转折点，也是结构性转型的深化期。在政策主导、国有资本和资本高度集中的新生态下，只有顺应潮流，灵活调整，才能在不确定性中捕捉到确定的机会。
六月十一-十二日，杭州良渚文化艺术中心，36氪WAVES新浪潮2025大会「新纪元」聚集创投领域顶尖投资者、前沿企业创始人、深耕科技、创新、商业的科学家、创作者和学者，深入探讨AI技术创新、全球化浪潮和价值评估等前沿问题，拆解他们眼中的商业理想和未来世界。共同探讨，寻找，走向中国风险投资「新纪元」。
6月11日下午，一场关于AI应用趋势的破界对话在投资者会场举行。参与讨论的嘉宾包括戴盟(深圳)机器人创始人&CEO段江哗、Zadig创始人李倩、葱花投资研究创始人徐倩、AMD大中华区AI营销负责人仲阳、ChatExcel创始人&CEO、主持人华泰创新投资总经理晋海博。
圆桌现场
下面是对话记录，经36氪整理。——
晋海博：非常感谢大家的倾听，下面由我先做自我介绍，再请大家依次介绍。华泰创新投资是华泰证券自筹资金股权投资平台，从事科技投资已有五年。今年，华泰创星CEO全球加速营计划专门推出，邀请了一批AI创业领域的CEO参与，旨在深度赋能华泰证券资源给创业者，帮助大家在发展中取得实效。作为一个兼顾科技投资和赋能属性的券商背景平台，我们始终以这种方式开展工作。下一步，请大家依次做自我介绍，先从段总开始。
段江哗：大家好，我是戴盟机器人创始人兼首席执行官段江哗。感谢晋总体邀请，非常荣幸参加今天的圆桌。在深圳，我们的核心是关注人类的感官信息，比如触觉，收集人类操作时的感官信息和动作信息，并通过这些信息训练机器人精细灵巧的操作技能。因此，我们的机器人公司专注于如何使机器人具备泛化和通用的灵巧操作技能，这与能够运行和跳跃不同。我们更关注如何让它工作。
那么如何才能实现机器人的灵巧操作，才能真正成为我们的“帮手”呢？为了实现这一目标，戴盟发布了这些核心产品。
首先，我们需要让机器人获得类人的感官信息(触觉信息)。我们有一个非常好的基于视觉的视觉触觉传感器——世界上第一个多维高分辨率的高频视觉触觉传感器DM-Tac W，它具有分辨率高、频率高、散热效率高等优点，可以集成在多个执行尾端，如二指夹爪。
此外，机器人还需要一个非常灵巧的操作终端，所以我们有一个灵巧的手——多维触觉感知五指灵巧手DM-Hand1，它将我们毫米级的视觉触觉传感器集成在指尖上。
我们还拥有DM系统的数据管理系统。-EXton，也就是最初提到的收集人类感官信息、动作数据的系统。以上是我们现在正在研究和销售的这三个核心产品。为了实现机器人“感知-操作-学习”的全链接，我们希望培养一个对一些行业情况有用的数据管理系统，并真正应用于各行各业。谢谢大家。
李倩:大家好，我是李倩，我是Zadig的创始人。我们的领域是由AI驱动的。近年来，云原生和开源一直是技术界的热门话题，但对我们来说，更重要的是更接近客户的业务。就像你平时点的奶茶，开的新能源车，甚至很多生活场景背后，其实都有。 Zadig 默默支持。如今 AI 已进入大家的视线，我们的团队也一直在关注如何将目光移开。 AI 真正落地到 DevOps 场景里。
很高兴今天有这个机会，可以和大家聊聊这个话题。
大家好，我是葱花投资研究的创始人。我先简单介绍一下。我们应该是今天AI领域最垂直的，因为我们专注于新兴的REITs领域，这是目前的房地产基础设施基金。可能是因为中国有REITs，大概是2021年才开始的。你可能不太熟悉新兴的金融产品。我们也看到传统行业包含大量的房地产基础设施。它是一个非常传统的行业。我们公司专注于这个行业的投资研究，应用了很多AI技术，包括提取一些reg等。，并大量使用AI来提高传统金融投资研究的效率，包括做一些量化。这是我公司目前主要经营的业务。
仲阳:徐先生刚才说他们是最垂直的。作为Cpu生态位置，AMD应该是最上游的。AMD是高性能和自适应计算的领导者。我们有一个著名的中国首席执行官叫苏姿丰苏博士。我们中国人亲切地称她为苏的母亲，这在整个行业创造了很强的声誉。不只是大家熟悉的游戏领域的显卡积累了很多，其实我们大家都能接触到的掌机游戏机，PC，还有边缘计算的工作站，以及我们数据中心服务器中的CPU和显卡，都有我们相应的产品。AMD应该是世界上为数不多的计算引擎之一，可以覆盖云端的所有计算场景。但愿能够站在我们Cpu的角度，与上下游的生态伙伴一起在AI领域取得相互的成就，共同超越谢谢大家！
大家好，我是ChatExcel的大师。我们是北京大学的一个团队。我们的产品是表格处理。Excel和数据分析问题可以通过聊天来解决。因为这里的每个人通常都离不开三件套办公室，写文档，另一个做表格，但是做表格的时候遇到的最大挑战就是记不住函数和公式，所以有时候做起来很麻烦。我们的产品在23年内推出。我们是中国第一个通过AI处理Excel产品的产品。目前，我们在中国的消费量也排名第一。我们是完全原始的AI智能产品。接下来的一个月，你可以看到，如果你使用华为手机和联想电脑，你会访问我们的产品，所以你会在日常生活中看到这个产品。我们产品的名字叫ChatExcel，我们的入口只有ChatExcel。.com，所以每个人都可以直接访问。所以我们是一种处理整个数据的智能体方法，所以我们和那些插件类的会有很大的不同。我们通过思维链模式解决整个数据，所以我们已经清理了从Excel到数据库数据到外部数据的分析，所以我们的定位就是做一个像数据智能体这样的团队。
晋海博:感谢五位嘉宾的分享。我们可以看到，今天的嘉宾阵容非常多样和具有代表性。 —— 研究开发Cpu，基础 Infra 软件，到 Agent 技术，具身智能关键部件，诸位在不同赛道的实践探索中积累了独特的行业洞察力。
刚才，你在自我介绍中详细阐述了当前的业务布局。接下来，我们想分两步来讨论:首先，我想知道你在这波技术浪潮中对未来方向的分析，以及下一步的具体规划；然后我想和大家谈谈业务推广中面临的实际困难和挑战。
咱们进行分类，首先请总是从技术底层分享，然后再请技术软件方向的嘉宾接力。
仲阳:先说说我现在从芯片厂商那里看到的AI应用的形式和使用群体需要什么样的硬件。比如我们现在推广的AIPC，我们可以看到23到24年是一种状态，24到25年是另一种状态，发展很快。
举个简单的例子，24年来，我们第一次在大中华区举行了AIPC创新峰会。我们有很多应用伙伴。当时很多人都是WEBUI和DEMO的方式。每个人只用了一年时间。25年来，当每个人都站在这个舞台上时，他们都以完美的应用形式呈现出来，或者有一种成熟的商业模式的应用形式呈现给每个人，发展非常迅速。还有，我看到了一点，希望和大家分享一下，包括ChatExcel，也是我们的好伙伴。我们处于双向前进的状态，我们自己的品牌也在不断优化和进化。基于我们的处理器，比如终端侧，我们跑了7个B、8个B、到目前为止，14个B模型可以运行70个B模型，235B模型，就像我们在进化一样。应用程序制造商也在向我们走来。他们在思考什么样的计算状态。AI算法可以更高效地放在终端，并结合其应用程序向消费者交付最完整、最完美的应用程序。我看到这样一个趋势，每个人都在双向前进。
李倩：技术人员一直是最敢尝试、最早冲上去的一批，但往往也是第一波“死在沙滩上”。这波大模型刚刚起来的时候，很多人都在做应用，看上去很热闹，但是很快就发现，真正能跑通的人并不多。我们所做的是“软件背后的软件”，即工程师背后的平台，这让我们对趋势有了特别的敏锐感知。GPT-这次发布的时候，我印象特别深刻，对于我们团队来说，这是一个分界点，我们实现了Pilot的第一个可用产品。但是更让AI推向前所未有的高度是DeepSeek大模型的推出，今年国内的发展发生了很大的变化。更多的是技术人员的狂热，以及甲方和投资者各自的焦虑。
但是现在，现实是：落地仍然不容易。特别是在企业级软件领域，真正“惊艳”的应用并不多。C端、营销、制造、消费方向略好。像我们服务的一些客户，比如霸王茶姬和极氪汽车，他们也在积极探索如何使用AI。
现在大家都同意AI真的是一把好锤子，不是以前“看起来性感却没地方用”的东西。但是敲哪个钉子，需要上下游一起尝试，找场景，验证价值。
晋海博：请与两位Agent制造商分享。
如果说发展趋势，因为我们在23年3月上线，我们应该算是国内第一批应用产品了。因为GPT只出现了22年，我们上线后用户数量非常多。经过两年的发展，我们从一个免费的C端产品到去年年底的商业化都有了完整的体验。从在中国做C端AI应用，我们实际上不到10个小团队。从免费到收费，这个过程带来了对产品定位的探索和需求的掌握。
另一方面，从去年到今年，我们也经历了从C端到B端的应用。今年这个B端客户的应用很多，因为我们会从一开始就尝试这个游戏，尝试一下，直到今天才真正解决问题。因为让用户付费，我们觉得判断趋势很简单，客户是否真的付费，是否不愿意付费，包括B端用户是否真的来购买。这种趋势进来后才真正建立起来。这时候我们就可以判断，客户想要的其实是真正解决问题的工具，而不是玩得开心，玩得开心。
所以和我们的产品一样，因为我们的产品是围绕Excel数据进行的，用户必须100%准确地解决问题，但是如果处理不准确，客户就不能使用。顾客的第二点是什么？从文件属性数据化到数据类型，需要多种类型的处理。第三点是安全。比如我们要和AMD、这些硬件厂商一起解决用户的问题，我要处理数据安全问题。所以从我们的角度来看，这种趋势也很明确，客户解决问题越来越具体，而不是越来越泛滥。第二点是要求处理准确安全。这是我们看到的趋势之一。现阶段是因为我们定位为数据智能体，也是我们跑道的一个方向。
大家好，我们是唯一一家最终终端到非常现实应用场景的企业。我就简单说一下我们行业遇到的一些问题，因为我们行业原本是一个信息量比较少的行业，比如房地产基础设施，可能更多的是基于资源，所以有形的数据，包括说REITs行业只有三年，不会有数据基础。在这个过程中，我们遇到的问题是，如何在一个相对实体的行业中使其更加数据化，包括如何使其更加AI化，我们可以做很多有价值的研究和分析。
在这一过程中，我想我们刚刚遇到的晋总也提到了。本来你做传统的投资研究很辛苦，但是现在因为AI应用层出不穷，我们相当于借助了很多外力的AI软件工具。我们的终端工具相当于漂浮在一些AI浪潮中，不断更换新的AI中间层工具。对于我们终端的一些应用软件来说，我认为这是一种趋势，也是一种挑战，那就是如何利用好这些疯狂迭代的新的AI工具层，也是我们未来除了传统的一般工具应用之外，还需要像我们这样的类型才能到达终端客户之间的垂直领域。我们可以解释客户的需求，但同时我们也可以很好地使用AI工具，这种企业，我认为这是一个困难，也是一个机会。
段江哗:过去一两年机器人行业非常火爆，引起了大众的热情。大家都希望看到人形机器人能来到物理世界，帮助大家端茶倒水，打扫家务，做饭等等。
然而，经过一年多的发展，人们开始问，机器人能做什么？当我们运行客户时，客户问机器人能否在我们的工厂稳定运行8小时是一个残酷的问题。
到目前为止，我们可以看到整个跑道的未来，但它在着陆过程中肯定会遇到相当多的问题。我们可以看到，我们这波聪明的企业家，大家都很年轻。(机器人和智能着陆)的核心点是，一群有努力、有知识、愿意与行业和投资者一起推动行业着陆的人，才能真正把事情做好。
作为从业者，我发现虽然这两年外界的声音不一样，但是市场和技术的迭代都很快，这让我们很开心。我经常和我们的同事交流，如果我们想延长时间线，这个行业会受到一些质疑，但没关系。我们已经看到了可以实现的路径，即使它会更长或更坎坷，它最终也会到来。近两年来，受到外界的关注和质疑，这些都是经历，也需要更多的耐心。
晋海博：我们刚刚讨论了商业化的话题，很高兴地发现AI领域确实有很多有效的落地机会和场景。每个人都提到了“商业化落地”这个关键问题。不知大家有没有注意到，这波AI浪潮带来的创业节奏与上一波移动互联网大不相同。 —— 当浪潮开始时，每个人都充满了热情，想着做一件大事，但真正进入两三年后，他们会发现市场对商业化的实现有很高的期望:过去，移动互联网创业可以容忍多年的烧钱，但现在，如果两三年后仍然无法实现，投资者将无法接受，企业家和股东都在追求快速落地。
基于此，我想请大家分享一下从0到1冷开始，直到拿到第一个订单的商业经验，包括踩过哪些坑，如何缓解商业焦虑。希望段先分享一下。
段江哗:机器人跳得这么好，拳打得这么好，为什么要给我捡鞋或者打扫房子这么难？坦白说，在过去的一两年里，商业化的进展确实令人欣慰。
我们可以看到，还有很多机器人在应用场景中逐渐落地。比如我们有一些合作伙伴在挑药。你在美团买的药很可能是机器人给你挑的，最后送给快递员。
还有一些工业使用场景，金属模具在抛光过程中会产生相当多的铁屑，所以工人一进入，就要戴防尘面具。
一般来说，只有30-50岁左右的人愿意从事这个职业。这个年龄的人有家庭压力。即使他们患有职业病，他们也愿意承担这样的工作，因为他们的工资很高。
其中一些场景已经落地。在机器人学会了这些操作技巧后，它们可以代替人类完成人类高风险的场景，这确实是在改善人类的生活。同时，这些原本做过打磨的工人，他可以在监控室观察，遇到问题时，他可以去临时处理。所以机器人还没有来到人类生活中如此复杂的场景。它已经在一些特定的场景或一些相对结构化的场景中得到了很好的落地。我们相信结构化场景已经完成了越来越多的事情，并逐渐走向通用场景，它的使用场景会越来越大。
如何实现刚才的另一个问题？显然，实现人类的期望还有很长的路要走，但需要快速实现一些场景。比如在工业的使用场景中，机器人不能完成一个人上班后一天做的所有工作，但它可以做一些工人的核心工作，比如生产线上的装配工。
例如每个人都住在酒店里，酒店里会有环卫工人。清洁卫生间最占工人工作时间的可能是清洁卫生间。所以清洁卫生间的部分可以由机器人来完成，环卫工人负责清洁房间。机器人清洗完厕所后，即使厕所只能清洗80%-90%，环卫工人最终也会完成，这是非常好的。因此我认为阶段性落地很有应用领域，只是需要每个人都能找到这样的场景。
我们很高兴看到一些同行已经落地了。场景落地可以带来收入，也可以带动技术迭代的方向和场景。这是一件非常令人欣慰的事情。
李倩:我有一些不同的看法。刚才大家都提到了AI落地的问题。我认为AI应用的关键不是“凭空创造一个场景”，而是“AI在哪里就在哪里”。身为技术人员或软件提供者，我们应该思考：数据在哪里，我们的价值在哪里。到目前为止，大型算法本身已经相当成熟，但是许多人试图用AI来“冷启动”一个全新的需求场景——这是非常困难的。比如衣食住行这些刚需场景很容易认可新技术，但是企业级别（To B）领域，真正的机遇实际上隐藏在现有的系统和环节中。二年前，我开始关注“”AI 程序员是否会被干掉这个话题。那时，技术界普遍焦虑，认为工程师将被取代。但是软件工程实际上是一个复杂的系统，它不像写代码那么简单，很多问题需要逐步突破。起初我也想做 AI Coding，但是很快就意识到：这种通用能力一定是大厂做的，免费而且做得很好。作为企业家，我们有什么机会？后来我意识到，与其冷开一个新场景，不如“热开”我们现有的需求场景。先自己用，先自己变成智能体。
我们开发了 Zadig Pilot，第一阶段效果一般，但是到了 DeepSeek 出现之后，微调效果大大提高，甚至在某些场景中比我们自己更强，服务客户时的准确性和效率显著提高。它是一个很好的起点。下一步，我们进行了系统的梳理：AI在现有业务中的哪些阶段？ 能够带来真正的价值？不要用AI来“使用AI”，而要看它是否可以作为一种高杠杆的工具，真正提高商业效率。正如我们一直关注的那样 MCP 协议，其背后的想法是：企业如何从原来的服务中获得？（Service）迈向 Agent，再次走向智能体，从而实现内外互联的智能系统。那是我们的To 在B领域看到了一条清晰的路径。在商业化方面，目前确实存在挑战。顾客会问：“能帮我省几个人吗？"这种问题实际上很难直接回答。我们更倾向于将AI作为引子，例如，新版本已经集成 AI，顾客会因此更愿意尝试。实际上，这是解决市场获客问题的好方法。我们也是中国第一个深度集成集成 DeepSeek 一个大型平台。AI版推出后，我们的下载量增加了10倍，说明顾客的兴趣很高，但也必须承认，现在， AI 这并非客户付费的直接原因。这更多的是一种提高信任，形成粘性的方法。
To B 商业化真的需要时间，可能是半年，一年，甚至更长。假如现在有人说 “AI 一上来就能带来非常高的东西。 ROI”，我认为这是不现实的。
是啊，市场上确实有极少数一开始就实现盈利的人。 AI 公司，但这是个例外。AI 它的到来不是为了解决商业模式的本质问题。它更像是你最强大的扳手或杠杆。如果用得好，可以煽动效率，放大价值，但不是商业本身。如果你的商业模式不成立，AI救不了你。
最后还非常感谢华泰，参与其中。 AI 创新营让我认识了很多志同道合的朋友，开阔了视野，深入到了更多行业的真实场景中。AI落地不是幻想，而是做脏活，真正打通上下游场景。所以也希望我们能在交流中不断合作，真正落实AI。
晋海博：我认为徐邈同学可能不同意你的观点，至少你所说的基本模型已经足够强大，她可能不同意。
徐:是的，我们的商业化相当特殊。我们没有完成产品的商业化。我们的路径相当特殊。我们也可以简单分享一下我们公司的历史。因为我可能是这里唯一一个没有技术背景的人，而且我是从事二级市场投资和一级市场投资的，所以我的代码是从后面学来的。在这个过程中，我先写了三年我们REITs行业的微信官方账号，从投资者的角度来看。在这个过程中，我从B端获得了很多深度投资的用户。同时，我不得不使用AI来实现它，因为我必须同时工作和做副业。我首先完成了一个DEMO。在DEMO的过程中，我很欣赏这个行业。大家都没听说过REITs行业。我想如果我们商业化了，我们该怎么办？我们思考谁有支付能力，谁有头部保险，包括券商自营和基金理财。包银行理财子，我只有在B端获得溢价后，我的东西才能商业化。
所以在这个过程中，我不得不使用AI，因为我想节约效率，所以在这个过程中，我首先满足了需求，因为我认为需求和行业Know-How是商业的本质底层逻辑，AI是它的工具。所以我觉得如果每个人的行业都比较垂直，比较适用的话，其实行业内的Know-How还是占80%，20%的人去follow生活这些应用，这也是我个人认为未来每个人都可能定位在AI差异的一个知识上，商业化的考虑是基于你满足什么样的需求，或者你有什么样的能力去做这样的撮合。
晋海博：请大家分享一下，虽然你不是企业家，但是在AMD上也有很多观察，也和大家分享一下。
仲阳:说到商业化这个话题，看起来我可能相隔最远，但我相信我希望每个人都能像这里的其他人一样成功地做生意。AMD希望通过AMD市场的资源和我们的能力，帮助整个产业链的下游成功，这也是变相AMD的成功。
包括我们这几年和创业应用伙伴一起做的事情。首先，AMD在自己内部有一个共识。AI是过去50年来最具变化性的技术。我们将认同AI是企业的战略方向。因此，我们将尽最大努力在大中华区帮助优秀的AI应用程序，使其在业务上取得成功。我们希望告诉你的是，你不是所有优秀的AI应用伙伴一个人战斗。我们特别希望每个人的生意都成功。
我们做了自己的应用创新联盟。我们吸收了许多优秀的行业伙伴和应用伙伴。当然，不仅仅是应用伙伴，还有中间推理引擎的加速，或者一些算法的提升。这些中间层的合作伙伴应该在我们的联盟中。通过结合客户资源，我们将希望为我们的应用伙伴提供这样的合作机会。还有一点，AI在中国发展太快了，我现在可以收到我们海外同事的应用合作需求了。我们也会利用AMD在海外平台上为大家做一些对海外业务感兴趣的应用厂商的业务拓展，这是我们这两年经历的事情。因此，我们希望通过AMD生态和AMD品牌市场，为您提供各方面的舞台和商业资源，让您在商业上取得成功。最后，我们将一起超越并取得成功。那是我的看法。
我认为商业化与商业时代真的不同，商业时代是免费的，现在都说商业化。第一，赚钱不丢人，第二，我觉得赚钱很难。赚钱永远是少数，包括这波应用。每个人都是商业化的。无论你是机器人还是芯片，你都会发现AI正在进行商业化。只是每个团队的背景不同，背景不同，基因不同，决定了每个团队对商业化的思考不同。从我们的角度来看，因为我是一个连续的企业家，我以前做toB，现在做toC，然后做toB，我觉得AI有很多商业机会。当今时代，AI这里根本不缺需求，菜市场的顾客也可以提到AI的需求。但是适合做吗？不一定适合做。对于我来说，AI技术出现后是否适合商业化？这仍然需要考虑一下。还有一个想法就是你的团队如何定位自己。你今天是用AI技术做生意还是做产品？你是做toC还是做toB？这仍然非常重要。由于今天拿AI做的项目很多，我们身边卖机器，卖课程，卖AI大模型就装机器，你发现都可以赚钱。但是，逻辑商业化的背后，还是要想清楚。如果做生意很容易，但是做商品，成为好的产品公司，还是很有挑战性的。总是面对大模型自己做你该怎么办？大厂做，你怎么办？所以这些问题总是存在的。尤其是AI方向是所有大厂商都必须要做的方向。对于新团队来说，创业团队的问题必须每天回答。你的堡垒在哪里？
就像刚才几个人说的，我觉得从我们的角度来看，堡垒首先是细分的，其次是垂直的，还有一点就是速度。三方做AI应用没有别的。我认为我们应该为速度、你的战略决心和你的执行力而战。技术上没有堡垒，从DeepSeek到Manus已经证明了这一点。竞争是速度。在相应的商业化过程中，我们必须进行商业化，因为这取决于我们自己团队的背景。如果不做商业化，资本环境不好，怎么活？由于我认为企业家非常重要的一点，他们回答的问题是否能够生存，是否能够继续下去。跑得快一点很重要，但是跑得更久还是更重要的。所以我们的观点是，就像我们从C到B一样，其实每个人都拿着真正的需求，用用户付费的需求来检验这个需求是否真实。
因此，我认为商业化很简单，离用户更近一点。比如我每天都是我们公司的一号客服。今天客户找我们公司加客户微信加我。我是一号客服。我只是每天联系我们的客户，和我们的B端客户交流，所以我有实际需求，那么你怎么商业化呢？非常简单，实际需要在哪里？您是否将其转换出来，如果不能转换出来，这件事可能需要考虑是否适合做这件事。因此，我认为商业化是必须的。而这件事对于今天这个时代来说是一个很好的时代。因为需求无限，你只是在做选择题，你只是把选择题做对了，所以我觉得这件事是一个很好的时代。
晋海博:最后，还有一点时间。让我们做一个简短的研究。请四位企业家用一句话来说，在这波AI创业浪潮中，目前最需要的外部支持是什么？无论是工业投资、孵化服务还是生态资源，我们都想听听你最迫切的需求。请用一句话分享，谢谢！
大：创业团队要钱，要人，要粮食，要成长。
晋海博：太直接了。
徐:我们可能需要更多的泛化或者更多的后端应用支持，也可能是因为我们是更终端的，所以我们可能希望有一个更好的中间层工具来包装，这是我们目前最需要的。
晋海博：我想你会说我们需要为大家开发更多的场景。
肯定是需要的，需要有这种知识和资本能力的机构，谢谢。
李倩：我们实际上非常需要复杂但低成本的东西。 ToB 情景。为什么要强调“低成本”？因为像我们这样的创业团队，的确经不起长期、高投入的验证。举例来说，比如华泰这样愿意开放场景，愿意和我们一起打磨产品的机构，就显得尤为重要。国内很多大厂也想做，但对他们来说，“让你进厂试试”的成本可能不高；但是对于我们企业家来说，光是“等待”的过程是负担不起的。
因此，我们倾向于选择那些能够在两三个星期内迅速做出决定，理解这一逻辑，并且愿意为这一逻辑付出代价的合作伙伴。比如新消费品牌，反应迅速，组织灵活，是很适合试点的合作伙伴。一旦进入金融、能源、制造、中央国有企业等传统领域，虽然规模大，但决策时间长，验证成本高。即使你和互联网老板打通了，也未必能很快复制到这些单位。对于创业团队来说，这太难了。当然，我们并不是说我们不应该合作，而是说如果我们想验证，我们应该给予相应的资源——包括人力合作、数据开放甚至一定的成本支持。最为害怕的是“白嫖式试点”，对创业公司的打击很大。所以我一直认为，我们最需要的是有真正的需求，有合作，有成本可控的试验田。AI 落地不是拍脑袋想出来的，而是要一个又一个真实的场景去撞击，去打磨。只有这样，我们才能真正创造出有价值的商品、智能体，甚至是下一代的体验。
晋海博：你属于被上一波toB创业的大客户伤害过。
李倩：是的，所以目前我们也在做AI和出海这两个新的想法，也希望更多有想法的合作伙伴一起探索一线AI场景。
段江哗：现在这条赛道，从我的角度来看，是天时地利，我认为人与人之间非常重要。现在AI已经在这一技术浪潮中占据了天时、地理位置，我国非常支持，比如杭州、深圳、北京、上海等城市。目前，人们供不应求，尤其是人工智能人才。前不久有人发表评论说，中国核心大型人才不到1000人，令人震惊，所以我认为目前最重要的是人。
晋海博：今天正好是时候了，我们今天的分享就到这里，非常感谢大家的精彩分享，谢谢。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com