這是屬于中國創投的新紀元。當下的中國創投市場，既是周期筑底的轉折點，也是結構性轉型的深化期。在政策主導、國資與資本高度集中的新生態下，唯有順應趨勢、靈活調整，方能在不確定性中捕捉確定性機遇。 6月11-12日，杭州良渚文化藝術中心，36氪WAVES新浪潮2025大會以「新紀元」為主題，匯聚創投領域頂級投資人、新銳企業創始人，以及深耕科技、創新、商業的科學家、創作者與學者，共同探討AI技術革新、全球化浪潮與價值重估等前沿議題，拆解他們眼中的商業理想和未來世界，一起討論、尋找、走向中國創投「新紀元」。

6月11日下午，在投資人會場舉行了一場AI應用趨勢的破界對話，參與討論的嘉賓有戴盟（深圳）機器人創始人&首席執行官段江嘩、Zadig創始人李倩、蔥花投研創始人徐翀、AMD大中華區AI市場營銷負責人昝仲陽、ChatExcel創始人&CEO逄大嵬以及主持人華泰創新投資總經理晉海博。

圓桌現場

以下是對話實錄，經36氪整理——

晉海博：非常感謝各位的聆聽，下面先由我做自我介紹，再請各位依次介紹。我們華泰創新投資是華泰證券的自有資金股權投資平臺，開展科技投資已有五年。今年特別推出了華泰創星CEO全球加速營計劃，邀請一批AI創業領域的CEO參與，旨在將華泰證券的資源深度賦能給創業者，助力大家在發展中收獲實效。作為兼具科技投資與賦能屬性的券商背景平臺，我們始終以這樣的定位開展工作。接下來，就請各位依次做自我介紹，先從段總開始吧。

段江嘩：大家好，我是戴盟機器人的創始人兼CEO段江嘩。感謝晉總的邀請，很榮幸參加今天的圓桌。戴盟Base在深圳，我們核心聚焦于人類的感官信息，如觸覺，收集人類操作時候的感官信息和動作信息，并通過這些信息，訓練機器人精細和靈巧的操作能力。所以我們的機器人公司聚焦在怎么樣讓機器人具有泛化和通用的靈巧操作能力，跟能跑能跳不太一樣，我們更聚焦怎么樣讓它能干活。

那怎么樣能實現機器人的靈巧操作，可以真正成為我們的“幫手”呢？戴盟發布了這幾款核心產品來實現這個目標。

首先，我們要讓機器人獲得類人的感官信息（觸覺信息），我們有一個非常好的基于視覺的視觸覺傳感器——全球首款多維高分辨率高頻率視觸覺傳感器DM-Tac W，具備了高分辨率、高頻率、散熱效率高等特點，他可以集成在二指夾爪等多個執行末端。

此外，機器人還需要一個非常靈巧的操作終端，所以我們有一個含觸覺傳感器的靈巧手——多維觸覺感知五指靈巧手DM-Hand1，在指尖上集成了我們毫米級的視觸覺傳感器。

我們還有含觸覺信息的數據采集系統DM-EXton，就是最開始提到的把人類的感官信息、動作數據都采集起來的系統。以上是我們現在在研和在賣的這三個核心產品，實現機器人“感知-操作-學習”全鏈路貫通，圍繞這個產品系列采集到的數據，我們希望訓練出一個對于某些行業場景有用的數據采集系統，真正地被應用到各個行業中去。謝謝大家。

李倩：大家好，我是李倩，我是Zadig的創始人，我們做的領域是AI驅動的，開源云原生的DevOps平臺，云原生和開源這幾年一直是技術圈的熱門話題，但對我們來說，更重要的是離客戶的業務更近。像你平時點的奶茶、開的新能源車，甚至很多生活場景背后，其實都有 Zadig 在默默支持。現在 AI 已經走進了大家視野，我們團隊也一直在關注怎么把 AI 真正落地到 DevOps 場景里。

很高興今天有這個機會，能和大家一起聊聊這個話題。

徐翀：大家好，我是蔥花投研的創始人徐翀，我先簡單介紹一下，我們應該是今天AI領域里面最垂類的，因為我們是專注于新興的REITs領域，這是目前的不動產基礎設施基金，可能因為中國有REITs大概也是從2021年才開始的，新興的金融品大家未必這么熟悉，我們也是看到傳統的行業中有比較大量的不動產基礎設施。它是一個非常傳統的行業，我們公司是專注在這個行業的投研，應用很多AI的技術，包括說一些reg的提取等等，把傳統的金融投研大量的用AI去提升它的效率，包括做一些量化。這個是我們公司目前主營的業務。

昝仲陽：徐總剛才講他們是最垂直的，AMD作為處理器生態位應該是最上游的了，AMD是高性能與自適應計算的領導者，我們有一位很有名的華人的CEO叫蘇姿豐蘇博士，我們國人親切的稱她叫蘇媽，在整個行業里面造就了很強的影響力。我們不僅僅是在大家熟悉的游戲領域的顯卡方面有很多積累，其實我們大家可以接觸到的掌機游戲機、PC，還有邊緣計算的工作站，還有我們的數據中心的服務器里面的CPU和顯卡都有我們對應的產品在。AMD應該是全世界很少有的能夠覆蓋云邊端所有算力場景的計算引擎的這么一個公司。希望能站在我們處理器角度，聯合上下游的生態合作伙伴一起在AI領域相互成就，共同超越謝謝大家！

逄大嵬：大家好，我是來自ChatExcel的逄大嵬，我們是來自北京大學的一個團隊，我們產品就是做表格處理，通過聊天的方式可以解決Excel和數據分析問題。因為在座的各位平時工作中經常離不開辦公三件套，寫文檔，另外一個做表格，但做表格的時候遇到最大的挑戰是說記不住函數，也記不住公式，所以很多時候做起來非常麻煩。我們產品23年就上線，我們是國內第一款通過AI的方式處理Excel產品的，目前在國內的用量也是排名第一，我們算是完全原生的AI智能體產品。接下來這個月大家能看到，如果用華為手機、聯想電腦上面都會接入我們的產品，所以接下來大家日常中都會看到這個產品，我們產品的名字叫ChatExcel，我們的入口也就ChatExcel.com，所以大家直接可以訪問了。所以我們是一個智能體方式來處理整個的數據，所以我們會跟像那些插件類的會有很大區別。我們是通過思維鏈的模式來去處理整個數據，所以我們從Excel到數據庫數據到外部數據的分析，我們都全部處理掉，所以說我們定位就是做數據智能體這樣一個團隊。

晉海博：感謝五位嘉賓的分享。大家可以看到，今天的嘉賓陣容非常多元且極具代表性 —— 從處理器研發、基礎 Infra 軟件，到 Agent 技術、具身智能關鍵零部件，各位在不同賽道的實踐探索都積累了獨特的行業洞察。

剛才各位在自我介紹中詳細闡述了當前業務布局，接下來我們想分兩步探討：首先想了解各位在這波技術浪潮中對未來方向的判斷，以及下一步的具體規劃；隨后也想和大家聊聊在業務推進中面臨的實際困難與挑戰。

我們分類一下，先請昝總從技術最底層開始分享，隨后再請技術軟件方向的嘉賓接力。

昝仲陽：先談一下我現在從芯片廠商看到的，AI應用的形態和使用的人群到底需要什么樣的硬件。比如說我們現在推廣的AIPC，我們看到23年到24年是一個狀態，24年到25年是另外一個狀態，發展特別快。

簡單舉一個例子，24年我們自己在大中華區做了第一次AIPC的創新峰會，我們有很多應用伙伴過來，大家當時很多是WEBUI很DEMO的形式，大家僅僅過了一年，到了25年的時候，大家站在這個舞臺的時候全是以成熟的應用形態展示出來，還是有比較成熟的商業模式的應用形態呈現給大家，發展特別快。還有我看到一點，也希望跟大家分享，包括ChatExcel也是我們很好的伙伴，我們處在雙向奔赴的狀態，我們自己的產品也在不斷的優化、進化，基于我們的處理器的比如說終端側，我們從原來跑7個B、8個B、14個B模型，到現在能跑70個B模型、235B模型，像我們在進化。應用廠商也在奔赴我們，他們在思考什么樣的計算狀態，AI算法能夠更高效放在端側，結合他們的應用給消費者交付一個最完整、完美的應用，我看到這么一個趨勢就是大家都在雙向奔赴。

李倩：技術人一直是最敢試、最早沖進去的一批，但往往也是第一波“死在沙灘上的”。大模型這波浪潮剛起來時，很多人做應用，看上去熱鬧非凡，但很快就發現，真正能跑通的不多。我們做的是“軟件背后的軟件”，也就是工程師背后的平臺，這讓我們對趨勢感知特別敏銳。GPT-4o那次發布，我印象特別深，對我們團隊來說是個分水嶺，我們實現了第一個可用的產品Pilot。但更讓AI推向前所未有的高度是DeepSeek大模型的推出，這一年多國內的發展變化是非常大的。更多看到的是技術人的狂熱，還有甲方、投資人各自的焦慮。

但到了現在，現實是：落地仍然不容易。尤其在企業級軟件領域，真正“驚艷”的應用還不多。C端、營銷、制造、消費這些方向稍微好些。像我們服務的一些客戶，比如霸王茶姬、極氪汽車，他們也在積極探索AI到底該怎么用。

現在大家共識是：AI確實是個好錘子，不是以前那個“看著性感但沒處用”的玩具。但到底敲在哪根釘子上，需要上下游共同去試、去找場景、去驗證價值。

晉海博：請兩位做Agent的廠商分享。

逄大嵬：如果說發展趨勢，因為我們是23年3月份就上線了，我們應該算是國內第一批做應用的產品了。因為GPT也就是22年才出現，所以我們上線之后用戶量非常高，我們發展兩年，完整經歷從一個免費版的C端產品到去年年底開始做商業化。從在中國來做C端的AI應用，一個小團隊我們其實不到10個人，我們從免費到收費，這個過程就帶來了對產品的定位的思考以及需求的把握。

另外一點，我們從去年到今年還經歷了從C端的應用到B端的應用，今年有大量的這種B端客戶的應用，因為大家會從最開始嘗鮮的這種玩法，試一試，到今天開始真正解決問題。因為讓用戶掏錢，我們覺得判斷趨勢很簡單，用戶是不是真付費，是不愿意掏錢，包括B端用戶是不是真的來采購，這種進來之后這個趨勢才是真成立了，這個時候就能判斷出來說用戶要的實際上是真解決問題的工具，而不是說玩一玩、樂一樂這種閑聊的東西。

所以像我們產品，因為我們產品是圍繞Excel數據展開，所以用戶解決問題必須100%準，但凡處理不準確用戶就不會用。第二點用戶要什么？處理的類型要多，從文件類型數據化到數據類型。第三點就是安全，像我們跟AMD跟這些硬件廠商就用戶要解決問題點，我要解決數據安全問題，所以從我們角度看這個趨勢也非常明確，用戶解決問題越來越具體了，而不是像越來越泛了。第二點是要求解決得很準確，而且很安全，這個是我們看到的一個趨勢，也是目前因為我們定位是數據智能體，也是我們賽道一個走的方向。

徐翀：大家好，我們是唯一最終終端到非常現實的應用場景的公司，我就簡單談談我們行業遇到的一些問題，因為我們行業原來是一個數據量比較少的，像不動產基礎設施，它可能比較多是依托資源型的，所以有形的數據，包括說因為REITs行業只有三年，它本身不存在一個數據基礎。我們在這個過程當中遇到的問題是，怎么樣在一個比較實體的行業中把它更加數據化，包括說更加AI化的能夠去做很多的有價值的投研分析。

這個過程中，我覺得我們遇到的剛剛晉總也提到過。原來你做傳統投研非常的辛苦，但是現在因為有層出不窮迭代的AI應用，我們相當于是借助外力的很多AI應用工具，我們最終端的工具相當于浮在一些AI浪潮上，不斷的去更迭新的AI中間層工具。這個對我們最終端的一些應用軟件來說，我覺得是一個趨勢，也是一個挑戰，就是怎么用好這些瘋狂迭代的新的AI工具層，也是未來除了傳統的普通工具應用之外，到達最終端的客戶之間在垂類領域，也是需要像我們這個類型。能夠解讀客戶的需求，但同時我們又能用好AI工具，這樣的一類的公司，這個我覺得是一個難點，也是一個機會。

段江嘩：機器人行業在過去一兩年內非常火熱，激起了大眾的熱情，大家非常希望能夠看到人形機器人能夠來到物理世界，幫大家端茶倒水，打掃家務，做飯等等。

但是經過一年多的發展，大家開始發問，機器人到底能夠干嗎？我們跑客戶的時候，客戶問機器人能不能在我們工廠里面穩定運行8小時，這是非常殘酷的需要面對的問題。

整個賽道發展到今天，我們可以看到它極具前景的未來，但是它在落地的過程當中肯定會遇到非常多的問題，大家可以看到我們這一波具身智能的創業者，大家都非常年輕。（機器人與具身智能的落地）核心點在于，需要有一幫有沖勁、有學識，愿意跟產業方、投資方共同推動產業落地的人存在，才能夠真正把事情干成。

作為從業者，我發現盡管這兩年外界有不同的聲音，但無論是市場還是技術的迭代，都是非常快速的，這讓我們非常欣喜。我經常跟我們的同事交流說，要拉長時間線來看，這個行業會遭到一些質疑，但沒有關系，我們已經看到可實現的路徑，哪怕它會長一些或者曲折一些，但是它終究會到來。在過去兩年受外界矚目再到質疑，這些都是經歷，也需要多一些耐心。

晉海博：我們剛才探討了商業化話題，欣喜地發現AI領域確實存在不少切實可行的落地機會與場景。大家也都提到了“商業化落地”這一關鍵命題。不知道各位是否注意到，這波AI浪潮帶來的創業節奏與上一波移動互聯網時代大不相同 —— 浪潮初起時大家滿懷熱情，想著大干一場，但真正入局兩三年后會發現，如今市場對商業化變現的期待值極高：過去移動互聯網創業能容忍多年燒錢，現在若再拖兩三年仍無法變現，投資人便難以接受，創業者和股東都更追求快速落地。

基于此，想請各位分享從0到1冷啟動、直至拿下第一筆訂單的商業化經驗，包括踩過哪些坑、如何緩解商業化焦慮等。還請段總先分享。

段江嘩：機器人跳舞跳得那么好，打拳打得那么好，為什么給我撿個鞋子或者打掃房子那么困難。坦白來講，在最近一兩年時間內，商業化進展確實有可喜之處。

我們可以看到有很多的應用場景的機器人在逐步落地，比如說，我們有一些合作伙伴做揀藥，你們在美團上買的藥很可能是機器人給你們分揀的，最后給到快遞員送貨。

也會有一些工業的應用場景，金屬模具在打磨的過程中會產生非常多的鐵屑，因此工人一進入，就要戴防塵面具。

通常愿意從事這個職業的人，只有30-50歲左右的人，這個年齡階段的人有家庭的壓力，即使會患上職業病，但因為薪資高，也愿意承擔這樣的工作。

這種場景也有一些已經落地了，機器人學會這些操作技能以后，它可以替代人類完成人類高危的場景，確實是在改善人類的生活。與此同時，原有做打磨的這些工人他可以在監控室里觀察，遇到問題的時候，他可以去臨時地處理。所以機器人只是還沒有來到人類的生活中這么復雜的場景，它在一些特定的場景或者一些相對比較結構化的場景，已經有很好的落地，我們相信結構化場景完成的事情越來越多，慢慢走向通用化的場景，它的應用場景會越來越大。

剛才還有一個問題怎么變現？很明顯它要真正實現人類的期待還有很長的路，但是逐步實現某些場景的需求是比較快的。比如說，在工業的應用場景里面，機器人無法把一個人上班以后一天干的活全都做完，但它可以干工人最核心的幾個工作，比如說在產線上面的裝配工。

又比如大家住酒店，酒店里面會有清潔工人。清潔中最占工人工作時間的可能是打掃洗手間。那么打掃洗手間的部分就可以讓機器人來完成，清潔工人負責整理房間。機器人把廁所打掃完后，哪怕廁所只能打掃80%-90%的清潔程度，清潔工人最后收尾，就非常好了。所以我覺得階段性的落地非常有應用場景，只是需要大家找到這樣的場景。

我們非常欣喜看到已經有部分的同行已經落地了，場景落地能夠帶來營收，也能夠帶動技術迭代的方向和場景，這是非常可喜的事情。

李倩：我倒是有一些不同的看法，剛才大家談到AI落地的問題，我認為，AI應用的關鍵不在于“憑空創造一個場景”，而在于“數據在哪，AI就在哪”。作為技術人或者軟件提供者，我們該思考的是：數據在哪，我們的價值就在哪。大模型算法發展至今本身已經相當成熟，但很多人試圖用AI去“冷啟動”一個全新的需求場景——這是很難的。比如衣食住行這些剛需場景容易接受新技術，但企業級（To B）領域，真正的機會其實藏在已有系統和流程中。兩年前我就開始關注“AI 會不會干掉程序員”這個話題。那時候，技術圈普遍焦慮，覺得工程師會被替代。但軟件工程其實是一個復雜系統，它不像寫一段代碼那么簡單，很多問題要一個環節一個環節地逐步突破。一開始我也想做 AI Coding，但很快就意識到：這類通用能力一定是大廠來做的，免費且做得好。我們作為創業者的機會在哪？后來我意識到——與其冷啟動一個新場景，不如“熱啟動”我們現有的業務場景。自己先用起來，自己先變成一個智能體。

我們開發了 Zadig Pilot，第一期效果一般，但到 DeepSeek 出來后，微調效果提升巨大，甚至在某些場景下比我們人自己更強，服務客戶時的精準度和效率顯著提高。這是一個很好的起點。接下來我們做了系統梳理：現有業務中哪些環節AI 能帶來真實價值？不是為了“用AI而用AI”，而是看它能不能成為一個高杠桿的工具，真正提升商業效率。比如我們一直關注的 MCP 協議，它背后的思路就是：企業怎么從原來的服務（Service）走向 Agent，再走向智能體，最終實現內外互聯的智能系統。這是我們To B領域看到的一條清晰路徑。商業化方面，目前確實有挑戰。客戶會問：“能不能幫我省幾個人？”這種問題其實很難直接回答。我們更傾向于把AI作為一個引子，比如說新版本集成了 AI，客戶會因此更愿意嘗試。這其實是解決市場獲客問題的好辦法。我們也是國內首個深度集成 DeepSeek 大模型的平臺之一。AI版推出后，我們的下載量提升了10倍，說明客戶的興趣非常高，但也必須承認，現在 AI 還不是客戶付費的直接理由。它更多是提升信任、形成粘性的一種方式。

To B 的商業化確實需要時間，可能是半年、一年，甚至更久。如果現在有人說 “AI 一上來就能帶來很高的 ROI”，我認為這并不現實。
是的，市面上確實有極少數一開始就實現盈利的 AI 公司，但那是特例。AI 的到來，不是用來解決商業模式的本質問題的。它更像是你最強有力的扳手或杠桿，用得好可以撬動效率、放大價值，但它本身不是業務本身。如果你的商業模式不成立，AI也救不了你。

最后也非常感謝華泰，參加他們的 AI 創新營讓我認識了很多志同道合的朋友，拓寬了視野，也深入到了更多行業的真實場景里。AI落地不是靠空想，是要做臟活累活，真正把上下游場景打通。所以也希望我們在交流中能不斷協同，把AI真正落到實處。

晉海博：我覺得徐翀同學不一定能同意你的觀點，至少你說的基礎模型已經足夠強了，她可能不一定同意。

徐翀：對，我們的商業化比較特殊，我們沒有完成產品已經商業化了，我們的路徑是比較特別的，可能也簡單分享一下我們這家公司做起來的歷程。因為我可能是在座唯一一位不是技術背景出身的，我是做二級市場投資和一級市場投資出身的，所以我的代碼是后面學的。在這個過程中，我先寫了三年的比較深度的我們REITs行業的從投資人視角出發的公眾號。在這個過程中我獲取了大量的B端的深度投資的客戶，同時因為要一邊上班，一邊做副業，所以我不得不用AI實現，我先完成一個DEMO，DEMO過程當中我比較欣賞這個行業，大家都沒有怎么聽過REITs這個行業，我想如果商業化我們應該怎么辦，我們思考誰有支付能力，想到頭部的保險，包括券商自營以及基金理財子，包銀行理財子，我只有在B端獲得溢價之后，我的東西才能商業化。

所以在這個過程中我是不得不用AI，因為我要節省效率，所以在這個過程當中我是先滿足了需求，因為我覺得需求跟行業Know-How是本質的商業的底層邏輯，AI是它的工具。所以我覺得如果說大家的行業是更加垂直的，更加偏應用型的，其實行業的Know-How仍然是占據了80%，20%我們去follow住這些應用，這也是我個人覺得未來可能大家定位在AI的不同的一個知識上，商業化的考慮是基于你有滿足什么樣的需求，或者你有什么樣的能力再去做這樣一個撮合。

晉海博：請昝總分享一下，你雖然不是創業者，但在AMD也有很多觀察，也和大家分享一下。

昝仲陽：談到商業化的話題，看似我可能離得是最遠的，但是我相信我和在座的其他所有人一樣甚至更希望大家做商業成功，AMD希望通過AMD市場上面的資源和我們的能力，幫助整個產業鏈下游成功，這也是變相AMD的成功。

包括最近兩年來跟創業應用伙伴在一起我們做的事情，首先，AMD在自己內部有一個共識，AI是近50年來最具變革性的技術，我們會把AI認可是公司戰略級的方向，所以我們在大中華區會盡可能幫助優秀的AI應用，讓他們商業成功，我們希望告訴大家的是，所有的優秀AI應用伙伴，你們不是一個人戰斗，我們特別希望你們商業成功。

我們自己做了自己的應用創新聯盟，我們吸納很多優秀的行業伙伴，應用伙伴，當然不僅僅是應用伙伴，也包括像中間層推理引擎加速，或者是一些算法的優化這些偏中間層的伙伴都會在我們聯盟里面。我們會希望通過結合客戶的資源，為我們的應用伙伴提供這樣的合作機會。還有一點，AI在中國的發展真的是太快了，而且我現在會收到我們海外的同事的應用合作需求，我們也會帶著對海外業務感興趣的應用廠商，借著AMD在海外的平臺一起為大家做一些商業拓展，這些都是我們近兩年經歷過的事情。所以，我們希望通過AMD的生態，AMD品牌市場，各方面能做到的為大家提供舞臺，提供商業的資源，讓大家商業成功，最后我們也會同超越，共成就。這是我的看法。

逄大嵬：我覺得商業化真的跟商業時代不一樣，商業時代都是免費，現在都說商業化。我覺得第一，掙錢不丟人，第二個是我覺得錢很難掙。賺錢永遠是少數的，包括這一波里面做應用來講，大家做商業化，不管做機器人，做芯片，你發現AI里面都在做商業化，只是說每個團隊的出身不一樣，背景不一樣，還有團隊的基因也不一樣，決定了每個團隊對于商業化的思考不一樣。從我們角度看說，因為我是個連續創業者，一直之前做toB，現在做toC，再做toB，我覺得AI里面商業化機會非常多。今天這個時代，AI這里面根本不缺需求，菜市場的用戶也能提AI的需求。但是適不適合做？不一定適合做。對我來說AI技術出現之后適合去把它商業化嗎？這個還是要思考一下的。還有思考點在于說，你這個團隊到底怎么定位自己，你是今天拿AI技術去做一個生意，還是做一個產品，你是做toC的還是做toB的，這個事情還是非常關鍵的。因為今天拿AI做項目非常多，咱們身邊賣機器的，賣課程的，賣AI大模型的就裝機器的，你發現都能賺到錢。但是背后邏輯商業化還是要思考清楚，如果做生意這個很好做，但做成產品類的，成為一個很好的產品公司，這個還是很有挑戰的。永遠面對著大模型自己做了你怎么辦？大廠做，你怎么辦？所以這些問題永遠會存在的。特別是AI方向是更是所有的大廠必須做的一件方向，對于新團隊來講，創業團隊這個問題必須每天回答出來，你的壁壘在哪里？

像剛才幾位講，我覺得壁壘從我們角度看，第一是做的很細分，第二很垂，還有一點就是拼速度，三方來講做AI應用沒別的，我覺得就拼速度，拼你的戰略定力，拼你的執行力。技術沒有什么壁壘，已經看到從DeepSeek到Manus已經證明這件事情了。拼的就是速度，對應商業化過程里一定要做商業化，是因為還要看自己團隊的背景，你不做商業化，資本環境不好你怎么活下去？因為我覺得創業者很重要的一點，回答的問題是不是能活下去，是不是能走下去。跑得快一點重要，但是跑得更長還是更重要的。所以我們的觀點就是像我們從C做到B，其實我們拿的都是真需求，用用戶付費的需求來驗證這個需求是不是真實的。

所以我覺得商業化很簡單，跟用戶走得近一點。像我每天就是我們公司一號客服，今天用戶找到我們公司加客戶微信加在我身上，我就是一號客服，我就是每天接觸到我們客戶，跟我們B端客戶來交流，所以我拿的是真實需求，所以說你怎么商業化？很簡單，真實需求在哪里？你是不是把它轉化出來，如果轉不出來，這件事情可能就要思考一下是不是適合做這件事情了。所以我覺得商業化是必須做的。而且這件事情對今天這個時代是個好時代，因為需求無限多，你只是在做選擇題，你只是把選擇題做對了，所以這個事情我覺得是個很好的時代了。

晉海博：最后還有一點時間，我們來做個簡短調研。請四位創業者用一句話說說，在這波AI創業浪潮中，目前最需要的外部支持是什么？無論是產業投資、孵化服務還是生態資源，我們想聽各位談談當下最迫切的需求。請每位用一句話分享，謝謝！

逄大嵬：創業團隊要錢，要人，要糧，要增長。

晉海博：太直接。

徐翀：我們可能需要更多的泛化或是能深入到更后端的應用支持，可能因為我們是更終端的，所以我們可能希望有包裝得更好一點的中間層工具，這是我們目前最需要的。

晉海博：我以為你會說需要我們多開發點場景給到你們。

徐翀：肯定是需要的，需要有這樣的見識能力和資本能力的機構，謝謝。

李倩：我們其實特別需要復雜但低成本的 ToB 場景。為什么強調“低成本”？因為像我們這樣的創業團隊，真的經不起長周期、高投入的驗證。舉個例子，比如像華泰這樣愿意開放場景、愿意和我們一起打磨產品的機構，就特別重要。國內很多大廠也想做，但對于他們來說，“讓你進廠試”可能成本不高；可對我們創業者來說，光“等”這個流程就已經耗不起。

所以我們會傾向于選擇那種兩三周內就能快速決策、聽得懂這個邏輯、也愿意為這個邏輯買單的合作方。比如新消費品牌，它們反應快、組織靈活，是非常適合試點的合作對象。而一旦進入金融、能源、制造、央國企這些傳統領域，它們雖然體量大，但決策周期長、驗證成本高，即使你在互聯網巨頭那里跑通了，也不一定能快速復制到這些單位。這對初創團隊來說太難了。當然，我們不是說不要合作，而是說如果要驗證，就要給相應的資源——包括人力配合、數據開放，甚至一定的費用支持。最怕的就是“白嫖式試點”，對初創公司打擊很大。所以我一直覺得，我們最需要的是有真需求、有配合度、成本可控的試驗田。AI 的落地不是拍腦袋想出來的，而是需要一個又一個真實場景去碰撞、去打磨。在這個過程中，我們才能真正創造出有價值的產品、智能體，甚至是下一代的用戶體驗。

晉海博：你屬于被上一波toB創業的大客戶給傷過。

李倩：是的，所以當前AI和出海這兩個新的思路我們也都在做，也希望更多有想法的伙伴一起探索一線的AI場景。

段江嘩：現在這個賽道，從我的角度講，是天時地利人和，我覺得人和非常重要。現在AI在這個技術的浪潮中是已經占據了天時，地利，國家非常支持，像在杭州、深圳、北京、上海等多個城市都非常支持。現階段人是很緊缺的狀態，尤其是AI人才，前段時間有人發表言論說，中國核心的大模型人才不到1000人，這是非常讓人震驚的，所以我覺得當下最重要的還是人。

晉海博：今天正好時間也到了，我們今天的分享就到這，非常感謝各位的精彩分享，謝謝。