围观人数超 320 万人

编辑部 发自 凹非寺

量子位 | 公众号 QbitAI

“DeepSeek，評價一下第三屆中國AIGC産業峰會”：

今年的峰会现场， 20 余位大咖以「万物皆可AI」为主題，激辩“技术前沿与产业痛点”：

• 2025 年中国AI应用爆发的关键是提速降费。

• 大模型來了，萬物皆可Chat，但不能是單純Excel+Chat。

• 大模型落地正在從簡單、高容錯的場景向複雜、低容錯的場景延伸。

• 物理世界實現AGI，一定要通過端側智能。

• 大模型正在打破教育領域長期存在的“不可能三角”。

• ……

台上精彩纷呈，台下座站无虚席，云端持续火爆，到场参会观众超千人，线上围观人数超 320 万人，累计曝光量超 2000 万次，延续了往届峰会的火熱。

與以往不同的是，這一次協助編輯部共同整理內容的大模型不再是ChatGPT和Claude，而是DeepSeek。

DeepSeek也成为峰会的高频熱词，比较罕见的破圈效应把AI推向比较罕见的普及程度。

底層的基建，頂層的應用，垂直的場景，正在迎來海量的用戶，一個「萬物皆可AI」的時代已經到來。如何把握機遇，用好AI，帶你一文看盡。

AI如何落地千行百業？

百稛犷瑜：大模型场景从简单高容错向复杂低容错延伸

百度副總裁阮瑜首先談到了大模型應用展現的三大趨勢：開發者可以輕松快速、低成本地開發出企業應用；大模型場景從簡單高容錯向複雜低容錯延伸；應用市場在從工具市場向專業服務市場拓展，市場潛力不斷地爆發。

隨之而來的，可以看到大模型的應用形態也在不斷演進：從單模態到多模態，從單智能體到多智能體，從輔助決策向自主執行演進。在這個趨勢下，越來越多的大模型應用也將逐步解決用戶場景中的更多實際問題。

按照場景劃分，百度智能雲將千行百業的應用分爲兩類：通用應用和行業應用。

通用應用中，多模態是個重要演進方向。大模型時代，百度智能雲發現大小模型相結合的方式，隨著多模態技術不斷發展，調優成本是顯著降低的，而且碎片化的需求將有非常大的可能性會被標准化的産品來滿足。

百度智能云一见就是在视觉领域应用深耕多年诞生出来的产品，其主要覆盖三个场景，分别是安全生产（睙徵能源制造领域，沉淀了 800 多个安全生产模型）、连锁合规（睙徵餐饮安全，有大量视觉场景需求）以及品质管控等。

此外，大模型在行業裏的應用也發生了很多變化。以醫療爲例，AI技術變革正全面滲透進各種場景中，已經能看到醫療大模型從輔助決策到自主執行方向演進。

阮瑜表示，整個AIGC應用在各個産業裏面的創新，離不開産業各界的共同努力。期待未來隨著大模型技術的不斷發展，可以攜手各方共同去加速大模型應用在産業裏面的落地、繁榮以及發展。

生數科技廖謙：隨著多模態生成能力實時可控可交互，會誕生全新的內容平台

生數科技産品副總裁、Vidu産品負責人廖謙帶來了多模態大模型生成方向的展望。

從整體技術發展來看，文本生成工作相對早，技術範式也更明確，解鎖的應用場景非常多；多模態起步稍晚一點，圖像生成發展很快，已經突破了技術奇點；而視頻生成這塊，現在的研發進入到黃金發展期。

最近多模態還有個重要方向是具身智能，當多模態的模型可以利用更多維度的數據，也會帶來更高維度的智能湧現。

而從産品來看，當前整個中國視頻生成/多模態生成的産品，不管是模型效果、用戶、商業化的進展，放眼全球都是相對領先的。

那么视频生成能干什么？在生数Vidu的实践中，AI短片、动漫、大众娱乐、廣告营销、電商等都是可落地的场景。

接下來多模態生成領域如何發展，他分享了三個行業洞察。

趋势一， 2025 年将是多模态生成的爆发之年；

趨勢二，多模態內容直出，而非僅僅是默劇和片段。

趨勢三：專業和半專業用戶會大規模湧入，産生破圈高價值的內容。

不过当前还是有很多问题需要解决，下周生数将发布Vidu Q1 模型，它将在“较好的高质量“上带来新的突破。

最後作爲産品經理，廖謙對多模態大模型的終局進行了展望。

隨著多模態技術發展到可以做到實時可控可交互時，它完全做到個性化，到那時一定會誕生出全新內容平台。這將在社交、遊戲、VR、AR等多個行業領域帶來非常深遠的影響。

粉筆陳建華：有多少Context，就有多少個性化

大模型的出現，打破了教育不可能三角。可以同時兼顧高質量、大規模化和個性化。

大會現場，粉筆CTO陳建華分享了他

們在AI教育領域的探索和實踐。

粉笔成?于 2015 年，是?家专注于职业考试培训的互联?教育公司。

在陈建华看来，大模型落地教育有四个特点：聚焦学会，??仅答案正确； 学习主动?临巨?挑战； 遵循科学、系统的教研体系；场景严肃、准确率要求极?。

陳建華分享，粉筆在大模型教育應用探索主要有三個階段。

阶段一，聚焦在内部、有限制、?场景中进?探索。 2023 年粉笔尝试直接解题，辅助题?解析，结果正确率太低，解析不符合教研体系。不过在点评场景?，给出点评框架让?模型发挥，却发现效果?常不错。

由此，他們意識到：?模型在教育場景落地中，推理能?仍需提升，結構化引導?關重要。

阶段?， 2024 年粉笔正式推出AI?师，标志着从单点场景?向系统化、多场景融合，得到不少收获。

而在第三階段，AI時代的全新産品——AI系統班發布，基于?模型、數字?、TTS等技術，AI系統班全程由AI?師驅動學習流程，且提供了更加個性化的學習體驗。

陳建華強調：有多少Context，就有多少個性化。

展望未來，他表示，粉筆在?模型賦能教育的探索將主要聚焦在兩個關鍵?向：多維度的個性化升級和三位一體的AI老師形態。

面壁智能李大海：物理世界實現AGI，一定是通過端側智能

面壁智能联合创始人、CEO李大海带来了端侧智能的分享，他从DeepSeek的成功切入主題，李大海认为其成功背后是天时地利人和的叠加，最底层是三个“密度”：

高人才密度、高組織密度、高資源密度。他總結認爲DeepSeek是在雲端踐行有效大模型的組織，而面壁在端側秉承同樣的信念。

基于端側智能的長期實踐，李大海提出了知識密度的概念，即大模型同樣參數量能夠壓縮越多的知識，知識密度越高，模型的智力就越強。

面壁認爲，高知識密度的模型在端上最有價值，端側智能也是物理世界實現AGI的必由之路。因爲物理世界的交互對實時性與用戶隱私保護有基本要求，端側更有優勢，李大海以具身智能爲例展開介紹了兩個場景。

首先是汽車，李大海認爲，汽車是首先個真正落地的具身智能。因爲汽車的網絡不可能高穩定，因此需要不受網路影響的端側模型可隨時隨地感知。

目前面壁已在车端落地了头个纯端侧Agent智能助手比较优秀小钢炮cpmGO，不仅包括去年 12 月即端侧部署的头个纯端侧、Always On 的 GUI Agent 屏幕助手， 还创造了覆盖感知、决策、执行全场景，与云端全面对齐的智能座舱「原生端侧体验」。突破弱网断网环境限制，实现低功耗高性能快响应的「端侧」专属优势。

然後是機器人，李大海認爲只有把大模型直接部署在機器人的腦子裏，機器人才能穩定地靈敏感知與及時決策，相比雲端具備先天的數據優勢與用戶信任感。

中關村科金喻友平：“平台＋應用＋服務”是企業大模型落地的理想路徑

中关村科金总裁喻友平的演讲主題是“垂类大模型迈入商业化应用时代”，他介绍了中关村科金如何将大模型技术应用于企业服务领域。

喻友平强调， 2025 年大模型正式进入应用时代，企业面对大模型关注的核心问题其实是：大模型能否帮助增加收入、带来更多客户、节约成本或提有效率。

盡管企業應用面臨算力成本高、模型與業務融合難、數據處理低效等挑戰，但市場前景廣闊，而垂類大模型則是企業突圍的關鍵。

喻友平介绍，中关村科金是一家大模型技术与应用公司，具有 10 年+企业服务经验，积累了深厚的领域和行业产品基础。AI大模型浪潮來臨後，不斷用大模型對自有産品進行重構。

近兩年他們發現，企業對于垂類大模型、基于大模型平台的應用需求越來越大，在實際企業服務過程中，還發現一個規律：

要真正幫助這些企業實現大模型落地，本質上還是需要做好平台、應用和服務。

由此，中關村科金提出了“平台+應用+服務”的三級引擎戰略，是企業大模型落地的理想路徑，其核心是基于得助大模型平台訓練垂類大模型，打造有價值的智能化應用。

得助大模型平台覆蓋算力、數據、模型和智能體四大能力工廠，兼容各類算力和國內外開源基礎模型，提供從數據標注到訓練推理的全流程支持，具備全鏈路的大模型開發和應用能力。並且平台還沈澱了數百個大小模型組合的“樣板間”，幫助客戶更容易實現應用落地。

喻友平指出，大模型在企業的應用難以完全標准化，每個企業業務流程和目標、數據都有差異，在“樣板間”裏企業則可以根據各自的需求場景做調優，中關村科金與衆多合作夥伴一起訓練出面向不同場景和行業的垂類大模型，並打造出得助智能陪練、智能質檢、語音機器人、文本機器人、知識助手等有實用價值的智能應用。

最後他還介紹了在垂類大模型、垂類場景中，中關村科金在工程建設領域、船舶工業領域，以及金融、汽車、家裝等行業的一系列大模型落地案例。

網易有道張藝：「AI+教育」的想象力與落地

網易有道智能應用事業部負責人張藝圍繞AI教育，分享了有道一系列的大模型落地成果。

張藝認爲大模型在教育場景天然的具有普適性，學校、家庭和自學三個場景非常關鍵，AI在不同場景扮演著不同的角色。

睙徵在家庭场景，AI像家庭老师帮你辅导孩子，自学场景则更像是个学习搭子。

張藝介紹，業內一般將AI在教育領域的進展分爲四個階段，目前AI已從“輔助教學”進化至“個性化學習”，正朝著成爲“虛擬老師”努力。

以有道比較新落地進展爲例，張藝還談到，AI不僅重塑了原有業務，也帶來了全新的AI應用及硬件機會。

据介绍，有道自研的子曰翻译大模型2. 0 最近以14B参数规模，在翻译质量上保持行业领先，已在有道词典、翻译等产品中上线。

在AI原生应用方面，虚拟人口语私教产品Hi Echo，可以提供随时随地的口语练习，以及儿童模式、雅思模式等垂直内容，并履获苹果应用商店推薦，成为教育垂直落地的代表。同时有道今年正在探索AI播客禑岖新领域，新产品有道文档FM能实现超拟人音色生成，并已开启网络公测。

而有道也在AI原生硬件發力，新品SpaceOne全面屏答疑筆，通過內置的AI家教“小P老師”實現全科答疑的同時，基于多模態識圖能力，還帶來更豐富的交互學習可能性。

如何爲AI産業保駕護航？

PPIO派歐雲姚欣：AI時代需要“提速降費”，讓免費成爲可能

PPIO派歐雲聯合創始人、CEO姚欣的演講從“AI大規模應用，成本非常關鍵”這一問題展開。

他认为 2025 年整个AI行业的关注点已从大模型本身转向了应用落地，特别是以Agent为核心的应用发展。

AI應用普及面臨兩大挑戰：Agent單次任務消耗近百萬Token、中國互聯網用戶的免費習慣很難改變。

他通过移动互联网发展的历史类比，提出“AI时代需要提速降费”的观点。从 2014 年到 2021 年，移动流量资费下降了90%，这极大促进了移动互联网的普及。同样，AI应用要走向大众，也需要大幅降低使用成本。

接下来姚欣表示，目前如果要实现AI大规模应用和降本，AI Infra公司必须要成为最懂上层模型和应用的底层硬件基础设施公司。

而這也是PPIO派歐雲的定位。他詳細介紹了PPIO派歐雲的技術策略。

一是持续跟进比较新模型，整合更多开源模型，实现模型的推理加速；二是建立全局分布式算力调度系统，应对海量用户请求；三是通过整合全国约 4000 个数据中心的闲置算力资源，覆盖 1200 多个城市，提供 10 毫秒响应的算力服务。

成效方面，姚欣透露PPIO派欧云提供的整个AI推理服务，每年都能实现 10 倍左右的成本下降。以去年推出的Llama-8B模型为例，上线时定价还是0. 1 美金，去年年底已降到 4 分钱，在未来两三个月内还会降到 1 分钱。

到今天，PPIO平台上每日Token消耗量已突破千億次，且每月保持超過50%的增速。他相信這一增長曲線將如早期移動互聯網一樣呈現陡峭上升態勢。

亚马逊云Troy Cui：提高数据质量和效率是AI赋能的重要前提

亚马逊云科技大中华区数据及存储产品总监Troy Cui在分享中提出，AI最核心的竞争力仍然是企业自己的数据，如何将数据更快地变成洞察，尽可能提高数据质量，是AI赋能的重要前置条件。

企业已经认识到数据对自身竞争力的重要性，但目前数据治理存在着诸多问题，睙徵多部门协作时的数据碎片化问题，传统技术栈与云技术不兼容，传统ETL(Extract-Transform-Load)开发维护成本高等。

針對行業痛點，亞馬遜雲提出了一系列解決方案。

首先是统一数据与AI平台Amazon SageMaker Unified Studio，提供一站式数据开发、模型训练和部署环境，企业可以基于自身数据，用其在几分钟内构建一个低代码的智能问答平台。

然后是数据检索工具，一个是集成在Amazon SageMake中的AI助手Amazon Q，支持自然语言快速生成复杂的SQL，可以帮助开发者判断代码是否存在知识产权的问题。

还有一个应用于视频的方案Media To Cloud，支持用自然语言搜到想要的视频片段。

接著還有Zero-ETL解決方案，自動化將數據彙聚到數據倉庫或數據湖，減少ETL開發工作。

Troy Cui最后总结表示，云服务的基线已经从存储、计算、网络和数据库转变为存储、计算、数据和AI-Infra，这也反映出AI在云计算越来越重要。

無問芯穹夏立雪：端雲並舉改善算力供需矛盾

無問芯穹聯合創始人、CEO夏立雪指出，大模型發展逐漸步入推理規模擴展時代，算力需求將激增百倍，但粗放供給與精細需求矛盾日益凸顯。

他將傳統裸金屬算力服務比喻爲“高端毛坯房”——用戶需自主完成系統搭建與運維，使用門檻高且資源利用率低。應構建高質量平台化算力服務，幫助企業將分散算力升級爲“商業廣場”、“AI賦能綜合體”式標准化服務，使中小開發者無需關注底層架構即可獲得完整AI服務生態。

无问芯穹正在相应技术堆栈上持续取得突破，在端侧首创SpecEE推理框架，利用小参数模型缩减大模型搜索空间，实现AI PC等智能终端上2. 43 倍推理加速；云端创新推出semi-PD，结合融合式实例存储优势和分离式实例计算优势，实现延时降低比较高达5. 6 倍；另提出通用计算通信方案FlashOverlap，初次以基于信号的方式实现计算通信重叠以降低通信开销，可在生产级和消费级显卡上实现约1. 5 倍加速。

夏立雪最後強調，通過全鏈路算力服務平台研發，無問芯穹正推動AI算力向“水電煤式”基礎設施進化，讓每份算力有效轉化爲新質生産力。

瑞萊智慧田天：大模型落地關鍵在于智能體組織，安全是核心前置門檻

大模型應用廣泛落地中，AI安全隱患、AI被濫用等問題開始湧現。在瑞萊智慧視角下，怎麽去看待這一問題。

首先，首先關注去提升AI自身的可靠性和安全性，如越獄攻擊、偏見歧視、模型幻覺等，這是因爲AI能力還不夠強，需要對AI自身進行加固。

第二，隨著AI生成能力越來越強，技術本身也是一個雙刃劍，需要去防範AI濫用以及被人惡意應用所帶來的一些危害。

第三，如果AI能力進一步增強，達到所謂AGI，能力全方位超越人類水平的時候，需要考慮怎麽保證AGI的安全發展。

圍繞AI的內生和衍生安全，瑞萊智慧經過長期實踐，已經有一系列平台産品落地。對于怎麽確保AGI安全發展，瑞萊也在進行一些前沿的布局研究，包括怎麽樣搭建比較優秀對齊平台，用AI監管AI，最終實現更加安全的比較優秀智能。

可能大家會有疑問，是不是隨著AI大模型能力越來越強，甚至到了AGI時代，自然而然變得更加安全可控，就不需要進行獨立的安全研究和布局了。

类睙崴类社会智能的发展，古代人类个体智慧水平相比于现在，并没有那么大的差异。但古代人类没有办法形成很强的生产力，而现代人类系统，通过强有力的组织形式和分工取得了前人所无法想象的成就，其关键就在于如何将智能体组织起来。

對于大模型也一樣，今天大模型已具備非常強的能力水平，我們不需要單一的智能體具備無所不能的能力，但如果把現有的智能體通過比較好的方式組織並融入到各行各業的工作流之中，重構工作流程，就有可能大幅度解放AI的生産力。

在這個過程中，安全可控一定是非常核心的前置的門檻。

华为王辉：网络安全进入新阶段 ，AI成为网络守护者

華爲NCE數據通信領域總裁王輝在演講中表示，當前全球AI産業正處于全面加速狀態，帶來網絡升級、智能終端泛在和大模型普及等顯著變化，持續加劇了企業網絡安全風險。

他從網絡安全的視角講述了如何爲AI産業保駕護航，以及AI如何爲網絡和安全産業做好深度賦能。

他表示，AI催生出了新的網絡安全攻擊場景，包括大模型越獄攻擊（利用大模型自身漏洞進行控制）、勒索軟件攻擊（大模型自動生成勒索變種）、社會工程學攻擊（大模型釣魚新型攻擊）等。

由此，网络安全也进入了新的阶段，他分享了华为的安全应对之道，即构建以AI为核心的新一代L4 级网络自动驾驶系统，实现网络和安全的深稛嶷合，整体包括三层：

智能網元：內生安全，保障網絡自主可控；內置AI，爲整網智能化提供必要的數據要素；

网安融合：云网边端的的深稛嶷合，形成网安一体的立体式防御作战；

智能決策：在攻擊AI加持下，網絡智能體尤其關鍵，在傳統檢測與響應的工作流外，能夠更加自主的威脅分析、阻斷與處置閉環。

最後，王輝強調了四個觀點：

首先，未來網絡安全將進入AI與AI對抗的螺旋式競爭階段，取決于進化的速度。

第二，智能體的智能程度不是取決于對已知的決策，而是對未知的判斷。智能體當前還是采用了大量的外挂，是面向過去經驗的總結，提升模型自身的邏輯推理和規劃能力，才能從已知走向未知。

第三，AI落地垂直行業是一個系統工程，不僅僅是引入大模型或智能體，更涉及到硬件、軟件、模型甚至流程的重塑，緊密結合，相互協同，才能重構一個垂直行業。

第四，在AI這場國運級別的競爭中，要用最領先的AI技術賦能網絡，用最安全的網絡技術護航AI産業，推動新質生産力，做科技文明複興的守護者。

各行各業從業者怎麽用AI？

MSRA劉炜清：RD-Agent讓每個研究員都有個Agent當科研助理

微軟亞洲研究研究院首席研究員劉炜清博士談到的，是大語言模型時代下的數據科學新引擎RD-Agent，其起源、現狀和未來。

回望過去十年産業相關落地應用和工作，常用的開發範式是在海量數據中找到有價值的特征來訓練模型，根據業務場景不斷叠代漸進的過程，最終得到一個智能化解決方案。

但大模型時代到來，是等待被沖擊還是選擇被賦能？團隊研發RD-Agent的初衷旨在讓研究員和數據科學家人人都能擁有科研助理，來承擔起重複但高門檻的工作。只需要人類專家提供一個想法以及數據，RD-Agent就能完成代碼實現。

當前的階段，他們更進一步的目標是構建通用的數據科學或機器學習智能體，以增強人類專家的能力和産出，甚至自動解決新場景和新問題並持續改進方案。

通过引入领域知识和经验优化算法，使其可以模仿人类专家，RD-Agent解决广泛数据科学任务的能力得到了显著增强，但也渐渐显现出「只是模仿专家，很难达到更高境界」这种瓶颈，团队正在快速迭代演进中尝试以数据驱动的路线来突破这一瓶颈。目前RD-Agent在Kaggle睙狳测试上已经能够达到初阶从业者的水平。

未來他們期待RD-Agent可以自主發現新方法，能重塑數據科學和機器學習領域。

最後可以這樣總結，團隊從最開始自動化爲初衷，到現在是增強的階段，到未來它能在不同場景數據中自主觀察、分析和理解來改進現有的方法或者發明新的方法，爲各行各業賦能。

數勢科技譚李：讓每個打工人都能有數據分析和決策助手

今天我給大家分享一個每個打工人都能擁有的數據分析和決策助手。

数势科技联合创始人谭李刚上台就点明了这次演讲的主題。

譚李首先從行業視角分析了數據分析領域的現狀和挑戰。他指出，即便是領先的互聯網公司或優秀的傳統企業，目前也只有10%的業務人員能隨時獲取所需數據，對于絕大多數業務人員來講經常遇到的問題是數據分析面臨大量的需求“排隊”。

他分析了三個關鍵趨勢正在加速新數據消費範式的到來：

數據右移：數據權重從采集、入倉向消費端遷移，“以消費促治理，以消費驅動數據生産”成爲主旋律。

決策下移：從集中式決策轉向分散式決策，各部門需要做出敏捷決策。

管理後移：科技企業不再設置詳細的前期業務規則，而是“招到優秀的人給他好的命題讓他自主發揮”。

这三大趋势在需求侧，创造了大量数据即时消费的需求。而供给侧，随着DeepSeek的面世以及AI产业链各环节的发力，AI Agent落地的成本指数级降低。因此，AI Agent用于数据分析场景不仅成为刚需也成为可能。于是谭李介绍了数势科技的新一代决策分析智能体SwiftAgent。

SwiftAgent是一款面向企業的數據分析與決策AI智能體，核心解決四層面問題：

及時提供數據和事實，即需即給；給出深度洞察和智能歸因；生成智能報告，指引業務決策；關聯行動，自主進行長距離任務規劃和執行。

譚李還特別強調了企業級應用面臨的挑戰，爲解決這些挑戰，數勢科技打造了完整的技術棧，解決企業級産品的數據安全、模型幻覺、計算性能問題。

最後，譚李宣布了數勢科技即將發布的智能分析Agent白皮書，作爲行業方法論引領的重要一步。

螞蟻集團徐達峰：AI重構前端開發的難點與解決

螞蟻集團平台智能體驗技術負責人徐達峰基于團隊在前端從業開發的實踐，分享了AI編碼落地的難點與解決方案。

徐达峰表示，AI前端研发已成为行业共识，但在整个软件研发的生命周期仍然有很大的提效空间，AI研发在企业落地主要面临AI辅助编码后续修改比率高，安全与可靠运行，兼容现有研发体系和思维模式禑猃大难点。

聚焦前端開發場景，螞蟻前端技術團隊打造了WeaveFox智能研發體系進行AI編碼，主要有圖生代碼、意圖生碼和AI質檢系統三大突破方向，讓AI能根據用戶輸入的設計圖，或者工程上下文補充邏輯代碼，交付通過多模態技術檢查産物質量。

当然对前端开发者来说，最棘手的不光是开发和改bug，还有不同终端的页面适配。蚂蚁前端技术团队为此制定了图生代码的UI IR标准，让AI前端开发一键跨端适配成为可能，能够生成各种框架库，睙徵说VUE和React，也包括后续的鸿蒙OS和安卓的一些界面实现类代码。

目前WeaveFox已在阿里和蚂蚁的实际投产，据介绍在超 500 名前端工程师的参与下，目前在设计图交付动线场景下 AI 已累计生成合并接近 100 万行代码；研发效率比较高可提升 5 倍。

趣丸賈朔：AI取代了重複性的音樂工作流

那麽AI又如何在音樂産業落地呢？趣丸科技副總裁賈朔分享了他們自身的觀察與探索。

他首先指出 2024 年是AI音乐发展的重要节点，技术门槛、创作门槛大大降低。这既带来机遇也带来挑战，音乐行业部分工作可能被AI替代或冲击，也可能提高创作效率和质量。

站在 2025 年AI音乐应用元年的时间点，AI将以怎样的方式给产业带来正向影响？贾朔认为：

一方面，很多AI産業化應用，有可能是以相對來說潤物細無聲的方式在背後默默進行。

另一方面，他认为AI更有可能作为辅助的方式帮助现有的从业者、创作家，以更低的成本、更快的速稛幞完成更高质量的艺术创作。以之前的实践来看，AI创作提效提速初步估算在 10 倍以上。

這也看到了一種新的可能性——

AI的應用與傳統産業不是一個替代跟競爭的關系，更有可能是協助産業升級的方式。

他們自研的音樂大模型在多模態音樂生成、中文人聲歌曲生成、編曲能力等方面都有特色，甚至還通過了專業學生盲測，多數評測者難區分人聲是機器還是真人，歌曲自然度已經突破音樂“圖靈測試”，效果超越美國頭部模型。

接下来 2025 年，应用层是他们探索的重要方向。当前他们以MIDI电子编曲为切入点，让音乐人掌握艺术创作的方向盘，由AI辅助帮助音乐人去快速地产生完整的作品。

圆桌对话：AI 产品如何在垂直赛道落地为王

按照惯例，大会最后迎来了一场备受瞩目的圆桌论坛，今年主題聚焦“AI产品如何在垂直赛道落地为王”。

圓桌對話嘉賓是四位垂直領域行業翹楚，分別是：

輕松健康集團技術副總裁高玉石

像素绽放PixelBloom (AiPPT.com）CEO赵充

心影隨形科技（逗逗遊戲夥伴）創始人、CEO劉斌新

狸譜APP負責人一休

討論話題包括産品定位的關鍵決策、確定産品核心功能的思考曆程、AI垂直應用的未來發展趨勢等。

Q：爲什麽要把AI落地到現在的場景？如何確定産品的主打功能？

劉斌新表示，兩年前看到ChatGPT後産生了“用AI創造快樂”的想法，想要做“伴隨”用戶的應用，給用戶更多情緒價值。目前産品功能的底層邏輯，就是滿足用戶在遊戲場景裏對陪伴、成就和共鳴的需求。

一休則是在看到AI生圖能力後，意識到AI可以讓原來有創作欲但沒有創作技能的普通用戶，也能利用AI工具去創作內容。然後打造了狸譜APP，一款能用AI生成漫畫和動漫的創作工具，把內容消費者轉變爲內容創作者，擴大了創作者群體。

Q：如何在容易同質化的場景用AI打造差異化優勢？還有哪些進一步的差異化規劃？

高玉石介绍目前平台有1. 68 亿注册用户，和数万多名医疗专业人员以及近百家医药和保险公司建立了伙伴关系，具有非常完整的用户生态和数据的优势，这些优势会进一步放大并转化成差异化优势。他以科普内容为例，表示平台沉淀了超过 67 万条科普内容，在疾病和健康相关数据有很深厚的积累，相对来说专业性和深入度更高。

赵充分享了对AI应用在产品和渠道侧的打法，首先AiPPT.cn在产品侧是不需要按钮的AI原生工作流程，就和传统PPT创作形成了最基础的差异化，而且覆盖品类范围广，四大PPT品类全都做。然后是渠道侧，目前AiPPT.cn携手 200 个生态伙伴共同开发市场，为很多知名AI平台如豆包、钉钉的PPT制作赋能，已经在全球积累了约 2000 万名用户。

Q：從産品面世至今，做AI産品有哪些的環境因素發生了重大變化？這對大家的産品有什麽影響？

一休認爲環境變化主要有兩個，一是視頻模型的快速叠代；二不得不提的是DeepSeek。在視頻創作方面，一休透露他們原本設想搞類似于平行世界創作，但發現創作核心idea仍然要靠人完成，之後沒有在這個方向繼續探索下去。DeepSeek出來以後，他們也嘗試了用它來寫劇情。

劉斌新感受到的變化，首先是大模型底層變化讓一些事情變得可能，例如AI搜索在以前有各種幻覺問題，得用各種RAG來做輔助，現在有了推理模型，模型自己能回答得很好。其次，用戶對AI的接受度變高。第三個變化是中國的AI應用正在走向全球。

在赵充看来，比较大的变化是今年应该是AI应用创业较好的时间，原因有三点：DeepSeek带动了整个AI应用的大盘；所有应用的范式在做切换，有大量的重新定义产品的机会；成本侧，又降了约 10 倍。

高玉石認爲變化有兩個，一個是AI技術發展很快，成熟度明顯提升，能有效彌補目前自研模型在非核心能力上的各種空白，帶來的好處是産品叠代周期和效率明顯提升。另外，用戶對AI接受度明顯提高，但也變得更加理性。現在有層出不窮的AI産品，産品在場景裏面有沒有有效滿足用戶需求、有沒有解決用戶的核心痛點，很關鍵。

Q：從單次爆款到常青樹，維持用戶粘性和長期優勢的關鍵因素是什麽？

高玉石與劉斌新都談到了首先在解決用戶的需求、解決用戶痛點上面，真正提供端到端的完整體驗。

随后高玉石谈到了以下两点：将用户使用数据与AI产品、场景等结合形成飞轮效应；以及像轻松健康集团这样已经形成完整生态的业务，将AI技术深稛嶷入到业务流程，特别是关键流程，也很关键。他谈到了辅助医生创作科普视频的一系列AI产品和工具，一方面降低了医生进行健康科普的门槛，另一方面C端海量用户也能获取有价值的专业健康知识，增加生态内用户的粘性。

劉斌新則補充表示「做時間的朋友」，隨著時代浪潮發展，更多技術叠代去交付更多能超出預期的功能。具體實操上有三個核心策略：通過構建豐富的人物設定與用戶建立情感紐帶；數據驅動深度洞察用戶需求；開放生態協同，提供全方位立體化價值服務。

对于爆款持续打造，一休更有心得。她首先谈到准确匹配平台与人群属性的重要性，根据目标平台特性选择策略，深度洞察群体共性；此外还有内容设计激发传播冲动，强化社交基因与情感共鸣。不过创业公司容易陷入单次爆款熱度消退后持续产出爆款的挑战中，现在正在增加小爆款频次，一步步往上走。

Q：根據觀察，影響AiPPT.cn一系列成功及用戶增長的關鍵是什麽？

趙充談到兩個關鍵：需求是不是剛性？需求能不能得到滿足？

对于需求刚性这件事，有个数据，全球每个月写PPT次数是 10 亿次，AI技术之后这个数在涨，很多之前不会写PPT的人开始写PPT了。

需求满足这件事，核心思考的是垂直场景适配、产品体验层面等问题，睙徵像PPT中文本生成，大模型生成的东西不能直接用，尤其在政务、医疗等场景，他们通常会外挂领域知识库实现专业化，从而更适配需求。

Q：下一輪增長的關鍵驅動因素會是什麽？現在還能看到哪些新的場景/應用機會？

劉斌新認爲方向可以看多模態的理解，理解指的是理解整個video時序裏發生了什麽，而不是單一圖片的這一幀裏面有什麽物體。他覺得以前移動互聯網常用的MVP模型在AI時代不適用了，需要預判用戶的需求怎樣隨著技術的發展更好地解決，提前做好准備。

一休看好多模態生成，看好的技術方向有兩點：一是實時生成，是准確可控性，模式不完全是文字的方式，可以直接是一種手勢或者行爲加上語音的方式。准確可控性加上實時生成的話玩法會非常多樣，自由度非常高。

趙充分享了他們未來的三個核心策略。首先個是針對既有産品做深度場景化；第二個是出海；第三個事情是做新産品投資和孵化。他表示單品很難建立壁壘，靠産品矩陣、綜合的經濟模型才會更好。

高玉石整體比較看好大健康領域。他認爲從傳統的診療、健康科普、健康管理，甚至臨床研究，藥物研發，都存在著大量的機會。他還詳細介紹了個性化和動態化的健康管理服務，以及基于此，針對特定用戶群體提供定制化的保險産品和個性化的保險定價。

（推廣）