過去兩年，文字生成圖片的擴散模型首先點燃了生成式AI的熱度，而ChatGPT的出現成為了科技圈的iPhone moment。每一次OpenAI升級新模型，一邊摧毀著一大批剛剛從Y Combinator畢業的創業公司們，另一邊卻引發科技圈的技術狂歡。

與此同時，OpenAI內亂引發的對人工智能的安全擔憂，生成式AI沖擊下的失業問題，甚至帶來對教育、藝術行業的挑戰，都掀起了廣泛地討論。整個科技行業正在發生一場范式轉移的技術升級，《硅谷101》在這次技術創新的源頭——硅谷，舉辦了一場線下AI科技大會，一起去討論技術的積極面、消極面與丑陋面。

座無虛席的首屆硅谷101 GenAI 科技大會現場

以下是本次活動的精彩內容總結：

01

不是每年都有iPhone時刻

大模型距離真正改變世界還需時日

論壇的首場主持人，財富500的Gen首席人工智能及創新官、斯坦福大學客座講師硅谷徐老師分享了他對大型語言模型的早期見解：“早在四年半前，我和泓君在播客里討論了GPT-3模型，預言大模型將深遠影響人類的未來。 這個預言比ChatGPT爆火要早兩年半?！彼硎荆骸敖裉煳覀儗⒂懻搸讉€重要的話題，每個問題是個“萬億美元的問題?！?/p>

大模型主題論壇：硅谷徐老師，吳佳俊，賈揚清，Jenny Xiao

斯坦福大學助理教授吳佳俊認為，相較于2020年GPT-3的推出帶來的顛覆式突破，過去三年文本領域的AI技術的改進更多是漸進式的。而圖像方面，Sora的進展比他預想中更快。吳佳俊強調，大模型的輸出是畢竟基于概率生成的，因此在執行關鍵任務時，可能會出現錯誤，而且沒辦法提供證明。

Lepton.ai創始人賈揚清認為，過去兩年行業難免會有一些泡沫，正如讓一個聊天機器人立刻去解決建筑公司面臨的問題非常困難——他們希望知道下一批沙子和石料什么時候會運到工地，但是這些信息并沒有現成數字化的接口。但是，“LLM的好處在于，它讓我們無需花費五年時間念個博士學習理解NLP，就可以用提示詞工程開始建設垂直的AI算法?！蓖瑫r，他也提出，GPU價格高昂以及資源集中在少數大型公司手中，限制了AI生態系統的多樣性和活力，但是這是一個短期現象；他預期未來中小企業也能低成本地獲取資源，從而開發和部署AI應用。

Leonis Capital合伙人肖文泉（Jenny Xiao）對OpenAI安全團隊的離職表達了擔憂，認為這可能對AI的負責任發展產生難以預見的后果。對行業樂觀的一面是，多模態的出現是近年來最大的突破，因為它能讓AI處理多種數據類型，大大拓展了AI的能力。對于未來應用的機會，她看好醫療、金融等專業領域的應用前景：“應用越垂直化，越不容易受到OpenAI或Anthropic的沖擊?！?/strong>

AI基建主題論壇：Simon Suo，李志遠，Charles Xie，Lynn Duan

關于大模型和AI基建的第二場討論由AI+創始人Lynn Duan主持。Lynn非常關注開源社區在AI基礎設施發展中的作用，她通過兩個維度展開討論：一是探討各公司選擇開源的原因及影響，二是從更宏觀的角度探討開源與生態系統的關系。通過與三位嘉賓的對話，她幫助聽眾理解了開源社區如何幫助企業快速獲取市場反饋、驗證技術方向，以及如何通過開源吸引開發者形成更廣泛的產業合作。

LlamaIndex聯合創始人兼CTO Simon Suo在談到模型的發展時指出，大模型的未來在于“推理層和知識層的解耦”，這種結構的調整將提升模型在企業場景中的應用能力，不再僅僅作為“知識庫”，而是能夠在復雜任務中扮演多樣角色，以更合理的邏輯進行決策和規劃。此外，Simon提出多智能體系統（multi-agent systems）將會是AI實現更高效自動化的關鍵，“讓多個智能體協作完成更高層次的任務是未來的一個趨勢”，并且這種趨勢需要更強的推理和規劃能力。

Zilliz創始人兼CEO Charles Xie從數據增長的角度出發，他指出，隨著多模態（multi-modal）數據的快速增長，向量數據庫需要更高的精確度來應對越來越多的非結構化數據，如圖像、視頻和用戶行為數據。“過去用戶運行的數據規模可能在百萬級別，但現在一些大型企業已達到千億級別，數據處理能力的提升成為關鍵。”Charles還提到，隨著多模態模型的興起，未來將可能出現更多基礎模型用于如推薦系統和虛擬藥物研發等應用領域。

NexaAI的聯合創始人兼CTO李志遠重點談到了小模型的趨勢，他觀察到，“小模型的生態系統變得越來越完善”，這尤其適用于邊緣設備（edge devices）上的AI應用場景。他介紹了Nexa AI在推動多模態小模型（例如視頻、音頻和文本輸入）和端側推理加速框架的研發工作，Nexa AI的下一代模型會具備更強的多模態能力，而且在處理長上下文時的能力更強，更適合在邊緣設備上高效運行。同時，團隊正在針對不同設備廠商的GPU和NPU推理加速需求提供技術解決方案，并推出適用不同場景的端側多模態模型，以更好地支持企業用戶的復雜需求。

02

年營收6000億才能覆蓋成本

AI創業者的生死局

紅杉資本合伙人戴維·卡恩(David Cahn)在一篇公開發表的報告中稱，生成式人工智能的公司一年至少要賺6000億美元才能夠覆蓋基礎設施比如數據中心的成本。 對于絕大多數基于大模型的應用類公司而言，大多數依然處于燒錢階段。 如何找到合適的商業化場景，甚至賺錢，是每一家生成式AI公司的核心痛點。

AI商業化主題論壇：泓君，Queena Qiu，張霄，Keith Zhai

硅谷101創始人兼CEO泓君與三位細分賽道風格迥異的創始人詳細討論了他們的商業化挑戰。Queena Qiu是Polyverse的聯合創始人兼CGO，它旗下的AI Mirror目前在全球生成式AI移動應用領域中排名第 16 位，是典型的to C類應用的代表。他們的商業模式是用戶訂閱付費與應用內廣告相結合，也是首批采用混合式商業模式的生成式AI的開發者之一，比如美國和日本的用戶更傾向訂閱或應用內購買付費，而東南亞的用戶則更喜歡通過觀看廣告來使用APP。盡管Queena所在的賽道——照片與圖片類應用是Google Play和App Store上收入最高的類別之一，但正如紅杉的報告中所寫到的那樣，他們最大的挑戰也依然是生成式AI基礎設施成本高企，比如計算成本、大模型成本等。

與Ployverse不同，Collov服務于B端客戶，他們為家具與電商提供視覺驅動的解決方案，結合GPT-4與擴散模型，將家具或者產品圖片融入到合適的場景中。Collov聯合創始人兼CEO張霄博士提到，目前大模型最大的挑戰是為客戶提供定制化的解決方案時，需要頂尖研發團隊參與，但訂單價值往往不足以覆蓋研發成本，這也是所有垂直AI應用公司的挑戰。他的解決辦法是將訓練過程分為預訓練與后訓練，預訓練團隊著重提升模型的空間理解能力與可控生成能力，而后訓練階段主要用于模型的定制化。通過內部開發的系統，后訓練部分由不需要任何編程支持的客服團隊就可以完成。

Tiny Fish聯合創始人翟琦（Keith Zhai）則帶來了另一個角度的觀察：現在真正用AI賺大錢的公司是咨詢公司?！氨热绨Ｉ埽ˋccenture）在第一季度就通過AI賺了6億美元，而到了第二季度，這個數字達到了9億美元。埃森哲這個成績充分反映了當前的市場狀況——一切還太早了?！钡早f道。他們的產品AgentQL可以為企業提供實時結構化的數據抓取方案，而他認為現在最大的挑戰依然是，很多大公司還在摸索如何使用AI。

03

當AI遇上藝術：

不是替代，而是表達的新可能

大會還特別安排了兩場藝術與科技交融的創新展示。AI藝術家宋婷在主題演講中分享了她如何將AI技術融入高級珠寶設計。她展示的"Computing Power"珠寶系列探索了AI輔助設計的新可能：從數據集訓練到3D建模，再到實體制作，AI參與了整個創作過程。她特別強調，AI時尚的未來不僅在于降低成本，且在于在強烈的個性化指導下創造消費者獨特的體驗，"如果品牌失去文化獨特性和標志性特征，即便應用了AI也會消失"。

AI藝術家宋婷在主題演講

Meta Music Tech Lead Roger Chen與斯坦福音樂技術專家Kitty Shi帶來了一場人機協作的現場演出。Roger介紹了AI音樂生成的技術原理，將其比作音樂領域的ChatGPT，能夠理解體裁、樂器和情緒等提示。雖然AI生成的音樂質量已達到"可以媲美人類演奏"的水平，但他也坦承當前AI在精確控制和精細作曲方面仍有局限。對于AI音樂的行業發展，他指出版權問題是最大障礙，大公司只能使用免版稅音樂進行訓練，這限制了AI創作的范圍。兩場展示不僅展現了AI在藝術領域的創新應用，也深入探討了AI藝術創作中人的角色和藝術本質的思考。

Roger和Kitty展示與AI人機合作演出

04

不必在乎激光雷達成本，

運營才是無人駕駛的真正難題

在自動駕駛專場“未來之路：自動駕駛及其未來”的對話中，Bot.auto創始人侯曉迪與Kargo軟件負責人劉冰雁展開了觀點的交鋒。

侯曉迪認為，自動駕駛已經跨越了技術探索的突破期，現在的核心問題是如何讓這些技術成果落地，成為可行的產品。他直言：“我們不需要再等待另一個突破或奇跡來實現自動駕駛?！痹诤顣缘峡磥?，自動駕駛的未來發展路徑不再依賴于某種單一的技術突破，而是要通過各類技術手段的系統性融合來提升工程效率。

自動駕駛主題對話：劉冰雁，侯曉迪

他也指出，整個行業目前享受到“新的技術范式”帶來的加速優勢，雖然沒有出現根本性的科學突破，但多種技術的融合極大地提升了效率。這其中，端到端模型的應用成為一個顯著案例。然而侯曉迪提醒道：“很多人在提倡端到端的時候，其實并不真正理解端到端到底是什么?！彼J為盲目推崇單一工具可能帶來“技術意識形態化”問題，行業發展更需要多元的方法。

在談到商業化推進，侯曉迪特別強調了每英里運營成本（CPM）的概念，指出它將成為未來衡量自動駕駛商業化可行性的關鍵標準。過去幾年，自動駕駛企業一直專注于技術迭代，關注產品的可用性，但隨著技術漸趨成熟，成本控制變得更為緊迫。侯曉迪指出：“如果你的每英里成本高于人類駕駛，那何談商業化？”他建議行業內建立統一的CPM計算標準，避免數據游戲，推動形成統一的行業標準和合理的成本預期。

“從運營的角度來看，激光雷達的成本其實并不是大頭，”侯曉迪說，真正的挑戰在于如何控制車輛突發拋錨和緊急救援的成本。這些成本在長期運營中累積起來將極為可觀，特別是在Robotaxi運營模式中，需要考慮人工遠程操作員的管理成本，這也是制約該領域盈利能力的關鍵問題。

在談到自動駕駛的商業模式時，侯曉迪認為，卡車運輸相較于Robotaxi在風險與責任上有明顯優勢。不同于在復雜城市交通環境中的Robotaxi，貨運卡車大多行駛在高速公路上，交通規則更明確，有利于責任控制和風險管理。他表示：“最關鍵的一點，不是減少事故，而是減少責任?！痹谒磥?，事故責任界定的模糊性是自動駕駛Robotaxi在復雜城市環境中面臨的挑戰之一，而在高速路上的自動駕駛卡車可以較為明確地遵循既定交通規則，降低了發生事故后責任不清的風險。

在對話的最后，侯曉迪建議創業者不要因地緣政治的擔憂而裹足不前，而是要迅速學習并適應全球規則，利用變化的環境來增強自身的競爭力?！斑@對每個人來說都是一場競爭，”侯曉迪說道，“你學得越快，就越能掌握這種環境?！?/p>

05

不止于GenAI：

機器人需要軟硬件協同突破

機器人技術的主題討論由Blue River Technology工程師張君武主持。TDK Ventures投資總監黃衡指出，特定的基礎模型可以幫助機器人變得更加智能，強化學習可以讓機器人更容易編程和控制，從而降低部署成本和時間。同時，人們將可以通過對話交互的方式與機器人溝通，這將開啟許多此前不存在的應用場景。不過,他也強調，“我們需要專注于單位成本和安全性，機器人最好能夠執行多個任務，而單位成本要低于人工成本?！?/strong>

機器人主題論壇 ：張君武，葉天揚，Anand Lalwani，黃衡

目前，專用機器人在工業領域已經得到廣泛應用，但通用型人形機器人離大規模商用還有一段距離。Cardinal Robotics 聯合創始人兼CEO Anand Lalwani表示，"今天,我們仍然有非常特定的應用需要去攻克，比如擦窗戶、清潔浴室等。專門的機器人會很有用。"他認為大型語言模型，尤其是它們容易產生幻覺的特性，目前還無法在商業應用中發揮作用。機器人一旦出現意外行為，后果將不堪設想。

事實上，大規模生產復雜的人形機器人對初創公司來說是一座不容易逾越的大山。制造業巨頭如特斯拉在這方面有一定優勢。黃衡認為，谷歌、英偉達在人形機器人領域和特斯拉并不存在直接競爭，”它們希望這個市場能夠增長，這樣它們就可以銷售更多的GPU、軟件和解決方案。”

從長遠來看，機器人的普及最終將取決于成本。一旦機器人的使用成本降到與人力相當，企業就會加快部署的步伐，消費者也會廣泛接受。Anand認為，亞洲國家如中國、韓國和日本在機器人應用方面處于領先地位，其次是歐洲，而美國則相對落后。不過,隨著人力成本的上升,使用機器人正變得越來越經濟。

Axoft 聯合創認識兼CTO葉天揚指出，“腦機接口”會在下一代人類和AI交互界面方面起到重要作用。他認為，"如果有一個好的界面能夠讓我們控制AI，我們會覺得安全很多?！?/strong>同時他強調腦機接口的發展過程中，現在的瓶頸主要在硬件上。

值得注意的是,機器人并非只能用于替代人工。目前這個行業主要關注帶寬以及植入體能在大腦中待多久等基礎問題。而在幫助老年人活動，幫助殘疾人恢復身體功能等領域，機器人技術可以發揮獨特的作用。"我們談論的是那些目前沒有好的解決方案的老年人和殘障人士，他們可以通過外骨骼和機械假肢得到幫助?！斑@些設備不需要那么復雜，如果成本再低一些就更好了?？紤]到這些患者的情況，不需要過于關注勞動力成本等因素。他認為這將是一個巨大的市場,也會產生巨大的社會影響。

06

不要再背單詞了，

AI時代的教育重點是培養智慧與遠見

在"人工智能教育：如何讓孩子為通用人工智能時代做好準備"主題演講中，7EDU創始人兼CEO劉君指出，當前教育面臨前所未有的分化：一部分學生將通過AI資源培養成長型思維和倫理意識，而另一部分則可能僅把AI當作捷徑。傳統教育模式過于注重知識傳授，而AI時代更需要培養學生的智慧和遠見，這恰恰是最難教授的部分。通過自己創辦的創新學校實踐，她觀察到了AI教育工具應用的兩面性：教師端顯著提升了工作效率和個性化教學能力，但學生端卻面臨著技術使用意愿和判斷能力的挑戰。

劉君在AI與教育主題的演講

特別值得注意的是，她發現學生對AI的看法與成年人很不相同，許多學生因對未來就業的擔憂而產生不安全感。針對這些挑戰，她提出了五點具體建議：培養批判性思維和規則挑戰精神、鼓勵成長型思維和韌性、加強社交情感能力、培養倫理意識，以及重視健康與幸福感。她總結道，“AI教育的本質不是人類與AI的競爭，而是通過AI賦能來強化人與人之間的聯系與成長。”

07

AI投資的關鍵矛盾：

技術確定性與估值泡沫并存

大會最后一場論壇"人工智能投資：機遇、炒作還是泡沫？"由硅谷101聯合創始人陳茜主持，N-1 Life聯合創始人兼首席執行官Janice Zang、Fusion Fund創始人兼管理合伙人張璐和Taihill Venture創始合伙人Tianyi "Sky" Yu就AI投資機遇與風險進行了深入探討。

AI投資主題論壇：陳茜，Janice Zang，Sky Yu，張璐

在生物科技和醫療保險賽道，三位嘉賓無一例外都認為是最重要的AI投資賽道之一。Janice認為，AI正在全面影響生物科技：從藥物發現、開發到生產、監管、臨床試驗和診斷，所有類型的公司都正受AI影響；接下來，生物科技界真正需要做的是理解“蛋白質在人體體內與其他微環境之間的相互作用”，讓AI科學家和工程師找到挑戰所在并將其標記（tokenized）、找到合適的數據進行應用，開發新的AI工具來應對這一領域的挑戰。Janice希望能在這個方面持續得到VC風險投資的支持。

對于總部在波士頓的Taihill Venture來說，Sky認為大型制藥公司尚未擁抱人工智能，至少如今并不認為人工智能將成為制藥公司最核心的競爭力。由于GLP-1相關減肥藥物的成功，如今大型制藥公司比以前更加關注消費者市場。

但對于從2015年就開始投資醫療保健的Fusion Fund和張璐來說，她認為，“現在我們終于迎來了人工智能在醫療保健領域的黃金時代?！?張璐認為，醫療保險是能展示人工智能能力最好的行業之一：在人類社會中，30%的數據與醫療保健有關，而其中只有5%是有價值的分析；這就像一座金礦而人類尚未挖掘其價值。

在生物科技和醫療保險賽道之外，我們也聊到更宏觀的AI投資趨勢。當論壇主持人陳茜問道OpenAI已經開始在中東融資、是否代表硅谷VC們的資金已經耗盡了？張璐認為，目前硅谷VC手中依然有大量資金，只是如今市場表象較為兩極分化：一邊是像OpenAI這樣的瘋狂高估值、使得硅谷資本更集中，但另外一邊初創公司們在探索大模型之外的可能性，包括高質量數據訪問權限的產品、AI基建、應用層，甚至未來80%的成本將會在推理側，這個趨勢和思路去思考創新的正確方向才會有更多初創企業的機會。

此外，對于目前AI投資是否存在泡沫的問題，張璐認為估值存在泡沫，但AI技術并不是泡沫。這對投資人來說是一個挑戰：即使AI的機會比互聯網大10倍，60%的機會屬于大公司，以及90%的消費端人工智能機會（Consumer AI）將由大型科技公司主導。因此，對于初創公司和VC投資來說，如何識別機會需要異常小心。因此，即便在美聯儲開啟新一輪降息周期、更多低成本資金涌入投資賽道之際，保持謹慎懷疑態度很重要。

“有時候擁有太多資本是不必要的，”張璐補充道。

在AI投資上，Sky和Taihill Venture的看法更為樂觀。他認為，AI創業中的B2B SaaS公司將很快完成產品對市場的PMF（市場契合度）周期，很多AI的B2B SaaS公司將實現數億美元的收入并且成功以數十億美元的估值退出，屆時VC屆會對AI行業更抱有信心。我們在等待下一個谷歌和Facebook出現，但目前沒人能確定何時、如何發生。

就像不少嘉賓在論壇中提到的，AI帶來的社會技術新范式只是一個開始，接下來會有數年時光的技術整合、基礎設施研發，甚至不排除泡沫破滅的低潮期，但無論如何，歡迎各位加入我們，和硅谷101共同見證這個技術周期的下一步。

｜手記一｜

ChatGPT上線近兩年來，硅谷已經有大大小小太多AI的線下論壇了。對于硅谷101的首次線下見面會&AI主題科技大會，我們想嘗試點不一樣的東西。

首先是主題上，我們設定了GenAI in the Valley: the Good, the Bad, and the Ugly，想讓各個環節的主持人和嘉賓犀利地闡述AI產業所面臨的挑戰：不僅說技術帶來的顛覆，更要說技術面對的泡沫，商業化挑戰和過于樂觀的預期。當主流市場熱衷推崇一項新技術時，“潑冷水”的角色是需要勇氣的，但這樣的聲音尤其珍貴。我們很開心看到在這次硅谷101科技大會論壇上，無論是開場的大模型LLM環節中有嘉賓坦率表示“我不覺得過去兩年有什么突破”，還是圖森創始人、如今Bot Auto創始人侯曉迪對無人駕駛市場的分析，還是機器人專場的嘉賓坦言人型機器人沒那么容易做... 這些與眾不同的觀點是稀缺且重要的，也是硅谷101無論做節目還是做線下大會的初衷：我們想帶來平衡、客觀、顛覆一些認知的思想。

其次，我們想做一場“好玩”的大會。在硅谷最不缺的是技術探討，但缺的是好玩有趣、有故事、有表演形式、多元化的線下聚會。所以我們引入了多媒體（Multiemdia）元素：開場的音頻，穿梭在不同專場之間的五支視頻，AI音樂現場生成表演，AI珠寶展示，AI教育分享... 我們相信，storytelling是能與不同受眾產生共鳴的最直接方式，在現場，這樣的多媒體元素也確實獲得了觀眾們的喜愛。

最后，我們這次的目標是做一次“準時開場”、所有環節“嚴格守時”的大會，這其實對我們的前期策劃、物料準備、現場執行、嘉賓簽到等等環節都提出了很大考驗，但很驕傲地，我們做到了。這要感謝硅谷101的工作人員、志愿者、合作伙伴和贊助方的共同努力，以及700多位到現場的觀眾們的支持（因為現場票提前售罄，不少現場臨時來買票的觀眾只能站在最后，我們深感抱歉；下一次大型活動我們爭取讓大家的參會體驗更舒適）。這次硅谷101線下見面會，不少觀眾是從亞洲、澳洲、歐洲，還有美國其他城市專程飛來支持我們，真的非常感謝大家、非常感動。We are so grateful.

我們接下來會更努力制作更多高質量、有趣好玩的科技和商業內容，請大家繼續支持我們硅谷101，我們下次活動再見啦！

——陳茜，硅谷101聯合創始人

｜手記二｜

在我們活動當天，我遇見一位來自西雅圖的媽媽，她告訴我她聽了好幾年我們的節目。當天是他老公的生日，因為老公要帶3個娃，所以沒辦法跟她一起來。后來，還遇到了很多特意從深圳、香港、休斯頓、歐洲等諸多城市飛過來的觀眾，很感動，也很感謝大家對我們活動的支持。

到活動臨近的時候，賣出的票已經超過了場地最大限制人數，我們發現后立刻關閉了賣票入口，但依然有很多遠道而來的觀眾希望能現場買票，看見席地而坐或者后面站滿的人群我既抱歉又感慨。這也是我們第一次在硅谷籌備一個700人的中型活動，之前我們辦過幾次小型活動，每次都是通知剛發完人數就超限，所以有了這一次活動——更大的場地、更多的嘉賓、更多的參會者。

這恰恰是最近硅谷的現狀——熱火朝天。事實上，在我們辦活動的當天，同一時間僅僅是在硅谷的華人活動就有六場。我的同事杜秀說，她剛來硅谷真的感受到大家愿意在周末花一個下午的時間，只是單純地認真地學習，她感受到了一種向上生長的狀態，也很驚詫于到活動快結束的時候，臺下依然有近80%的觀眾，大家還是在很專心地聽與記筆記。

當大的科技突破與浪潮席卷而來的時候，真正重大的變革，也就發生在兩三年間，我們正在成為這段宏大歷史的一個小記錄者。我也一直在我的論壇上調侃，NotebookLM很快會給播客行業帶來翻天覆地的變化，每一個人都不得不應對這些變化，或者主動或者被動。

也很驕傲每一位參與我們活動的小伙伴和我們邀請的每一位嘉賓一起扛起了活動質量，嘉賓也比在節目上更敢暢所欲言?，F場也播了很多我們專門為每一個分論壇制作的主題小短片，都是我們同事們在保證正常更新節目之余熬著夜趕出來的。我的合伙人陳茜說：“我以前是做電視的，當電視臺告訴你哪一秒要出現哪一秒要把話說完，就必須準時執行”，很慶幸有如此之好的創業伙伴我們真的做到了所有流程的準時。

整個行業正在一個范式轉移的大跨越中，當我們再提到2024年，很高興能在這樣一個秋日的下午聚集這么多聰明的頭腦，一起碰撞出一些靈感。

——泓君，硅谷101創始人

以下是 更多現場花絮：

志愿者給到場的嘉賓驗票，有觀眾提前一個小時就達會場

到了下半場會場仍然是滿滿的觀眾

分享結束后被觀眾圍住的侯曉迪

絡繹不絕的參會者現場詢問相關產品

展臺區域熱烈交流的觀眾