AIGC 在产业的应用和实践

开场

主持人做了简短介绍，随后把话筒交给我。谢谢主持人的介绍，非常荣幸今天有机会来到厦大，跟同学们做一些交流。

我看上去挺年轻，在学校里大家常以为我还在读大学，其实我已经创业第十年了。简单交代一下身份：我是设计与科技背景的创业者，早年做过智能硬件、消费品，2021 年跟浙大的几位老师一起创立了造物云，用 AI 和数字化技术为消费品企业提供设计智能化的解决方案。合作过的企业里有某大型家电企业、苏泊尔、星巴克这些。今天想分享的，是我一线做 AI 在产业中应用的一些体会。

我会分几个部分来讲：第一，这一代人工智能到底发生了什么，为什么它不一样；第二，我作为好几家制造型上市公司的 AI 顾问，看到这些技术在企业里落地的价值和难点；第三，长远看，人工智能对产业、对我们每个人的影响。

这一代 AI 到底发生了什么

先从一部电影说起。去年我看了《奥本海默》，那阵子正好也在跟浙大几位人工智能科学家的老师聊天。看完之后我的感受是：AI 就是这个时代的核武器。那部电影里，量子物理学家扮演了那个时代最重要的角色，是军备竞赛的核心；现在，好像轮到人工智能科学家在造另一种新型的“核武器”。从牛顿到爱因斯坦，再到今天的人工智能，从历史的角度看，今天的 AI 可能还处在一个很早期的阶段，未来会构建出怎样的大厦，还很难说。

人工智能看似很远，其实很近。它本质上就是让计算机去模拟人类的智能。我们身边其实早就有很多 AI，无论上一代还是这一代。比如海康威视的人脸识别，我们刷脸进校门，这就是上一代最典型的应用之一，核心用到的是深度学习和 RNN 这样的技术。再比如刷短视频会上瘾，是因为抖音比你自己还了解你自己——你的每一个行为被数据记录下来，它据此推送你大概率最感兴趣的内容，这也是机器学习和深度学习。小爱同学、小度能听懂你说话、跟你对话，把语音转成文字、文字转成语音，也是一种 AI。还有小朋友做错题，拍一张照片答案就全出来了，计算机识别题目、判断出结论，同样是 AI。

这些其实在十年前，也就是这一代深度学习的技术，就已经在影响我们。而现在又到了新的一轮，就是以大模型为代表的内容。上面这几个应用无非都逃不开一个词：深度学习——计算机在模拟人去思考、去解决各种问题。（顺便说一句，我在自己的公众号里克隆了两个 AI，一个是把我学的东西灌进去、以我的口吻回答问题的“AIQU”，一个是做设计的 design GPT。没体验过 GPT 的同学可以去试试。）

那这一代大语言模型是怎么思考的？举个例子，看到“故人西辞黄鹤楼”，几乎所有人本能的反应都是下一句“烟花三月下扬州”——这靠的是记忆，是条件反射。可李白当年为什么写得出这句？那是他在送别朋友的情景下迸发出的创作。同样一句话，我们靠记忆，他靠创作。我就去问 AI（用的是 Kimi，它最近在中文表达上特别好）：假设是杜甫，会怎么对这一句？它答“落日东升白帝城”，还讲了很多理由，每个词都对应得上。我拿这句去搜索引擎搜，其实是搜不到现成的对句的。

很多人以为 AI 只是在模仿或复制，其实不是。它是在理解了大量知识之后进行创作——它能理解杜甫是谁、是个怎样的人、会怎么创作，再对出下一句。“黄鹤楼”对“白帝城”，这里的知识密度非常大。这就是这一代 AI 强大的地方：它具备了某种意义上像人一样的创作力，而且这种创作力有可能比人更强，因为它有更大的“脑容量”和知识量。这就是这一代 AI 突然迸发出来的、很重要的一种能力，叫智能涌现。

OpenAI 的首席科学家很多年前写过一篇论文，大意是：只要能预测下一个 token，就有可能帮助人类建立起通用人工智能（AGI）。这一点很关键。人要说下一句话时，其实是调动了全部的注意力、记忆、表达能力，各种神经元凑到一起，才蹦出这句话。而 ChatGPT 本质上做的事情，就是在预测下一个字符——这正是生成式 AI 很不一样的地方。

科学家还发现，第一代模型的智能程度没那么高，但随着数据量越来越大、模型越来越大，让它预测下一个词时，居然出现了智能涌现，也就是触类旁通。前面说杜甫怎么对下一句，就是这种触类旁通，某种意义上它就像一个人在那里创作。

这条路要追溯到上世纪 90 年代，人工智能科学家提出一个假设：能不能像模拟人脑一样，建立人工的神经网络，让机器在计算之间迸发出人工智能。人脑大约有一千亿个神经元，创作时很多神经元连到一起，迸发出智能。《人类简史》里提到，火对于从猿人到智人最大的价值，有科学家跟我说是：有了火，肉能烧熟吃，得到优质蛋白，脑细胞开始成长、脑容量越来越大。今天的人工智能也有点类似——模型还在训练，深度越来越深。它现在可能只进化到一个大学生的知识水平，未来到了各行各业，可能就会有专家级的水平。

再说注意力。过去十年人工智能的发展，科学家一直在做神经网络里的深度学习。像人脸识别，是靠算法提取很多很多特征来判断——把一张脸给它，它提取特征，判断这是不是同一个人，效率比人高，很多人看都看花了，它却能靠特征判断。而这一代大模型跟以前的“特征判断”不一样，更像神经元练到一起，用“注意力”去模拟人的视觉：你看一个场景时，注意力会集中到某处。科学家于是提出，能不能做一个预训练的、像大脑一样的模型，你输入什么，它下文就给出怎样的反应，从而起到更深层的能力。

大家会听到很多词，其实可以把这一代人工智能分个类：对绝大部分人来说，我们在千行百业，需要各种应用；应用往回推是各种工具；工具背后是不一样的能力和模型底层——底层就像一个配方一样的算法。举个例子，中午跟两位老师吃饭，我推荐了一个 AI 搜索工具，秘塔 AI。我问它一个问题，它能从搜索引擎上抓六七十篇文章，用大语言模型整理之后一次性给我，这在做市场调研、做办公时，效率提升非常大。

怎么客观看待 AI 的能力边界

今天开场之所以要讲这些原理，是想让大家明白：人工智能的发展是不可逆的。但短期内，我接触大量企业后，也听到很多不同的声音。有人体验完觉得“这也不行那也不行”，这是低估；也有人——去年不少老板听我讲完就热情澎湃，觉得世界马上要被 AI 改变了，这是高估。我觉得随着时间推移，大家会在高估和低估之间找到一个平衡点。

平衡点背后，AI 会跟各行各业结合。要结合好，我把它圈成三个圈。第一个圈：你能不能理解技术能力的边界，知道现在的 AI 到底能做什么、不能做什么。第二个圈：你有没有自己领域里所谓的 know-how，能不能把这些知识结构化出来。AI 其实像一个小朋友，你怎么教他，他就有可能长成你想要的样子；很多人可怕的地方在于，连本专业的知识都抽离不出来，那就很难跟 AI 做深度的交流。第三个圈：AI 要跟具体的应用场景结合，才会产生更多价值。在座很多管理背景的同学，来自各行各业、工作多年，对自己的专业（财务、人事，或者像我一样做设计）都有很深的理解，但可能还不清楚 AI 到底能干什么——把这两头接上，威力会很大。

所以我主张客观看待当前的人工智能技术。哪怕今天它还不够成熟，或者有人觉得它已经很成熟，我们都该用它此刻阶段性的能力，看能不能为我所用。打个比方，它今天就像一个刚毕业的实习生，那你怎么把这个实习生的价值发挥到最好？回到刚才那三个能力上。

对各行各业的同学来说，接触 AI 时未来一个很大的瓶颈，就是你不知道 AI 到底能做什么、不能做什么。前面用大脑的例子想说明两点：第一，现在还没完全成熟；第二，这个“大脑”在我们有生之年一定会不断进化，它的智能程度可能会比人类更高，因为它包含了所有的知识（我个人判断）。短期内，我们要充分利用它现有的能力，比如做虚拟聊天机器人、AI 搜索、文档和语音的总结、产品创意，这些都是这一代 AI 短期内就能带来的价值。

前两天山姆·奥特曼在斯坦福演讲，最后讲到一个很有意思的点：未来有一类高薪工作，是能在模型生成之后给它提供专业反馈的人。我看到这段很有感触。常有人问我，公司的价值是什么、会不会被替代？我们本质上做的就是这件事——同样的模型，那些大公司做不到专业的反馈，但又需要模型有很好的能力，那我们就能把这个“实习生”教得更好，他们也就愿意为这份能力付费。

所以在 AI 还不成熟的过程里，反而给我们带来了新机会：未来会出现一批人，看你能不能带着自己的 AI 团队一起成长。这个 AI 团队可能就是一个虚拟的模型，你能不能把一个企业、你的能力和知识，通过跟它不断共同进化，让它一起成长。摆在面前有几种选择：你要么不愿意做，但别人一定会做，AI 会进步，别人也会进步，于是变成人跟机器之间类似军备竞赛的局面。做得好的，比如我在训练自己的数字人，让它更了解我，也许有一天它都能帮我讲课了——这些在我们有生之年都可能实现（我个人判断）。在这里，模型就是能力的生成，训练就是创作，本质上是你跟它相互学习的过程。我的判断是，这件事会持续三到五年。

AI 在企业落地，很重要的一项工作其实就是“带”。今天它还是个实习生，带上五年，它可能就变成一个非常优秀的员工了。这一部分想让大家先明白：AI 一定会进步，今天虽有不足，但它一定会给各行各业带来很大的影响。这也是为什么会有 “AI and old” 这样的说法——以前讲“AI 加”，现在我们觉得，是 AI 会重塑各行各业。

AI 做设计：从潘云鹤院士说起

只要有人的地方，未来都会被 AI 渗透进去。就拿我最擅长的设计领域来说，以前大家觉得设计这么有创造性的东西，怎么可能被 AI 替代？可 AI 到底怎么去做这种创造式的设计？

先给大家讲一个故事。我们浙大的老校长潘云鹤院士，1982 年做硕士毕业论文，就是把敦煌的图案进行提炼，用计算机去模拟创作图案的能力——每个图案写一个算法，去生成很多图案，用在了当时杭州最发达的丝绸印刷工艺里。所以他这篇硕士论文，可能是中国最早的一个 AIGC 设计系统。

他 1978 年去浙大读人工智能专业。有意思的是，国家到 2019 年才真正把人工智能作为一级学科。也就是说四十多年前，上一代人就已经在思考“我怎么用计算机去做设计”。他本科在同济学建筑设计，他的说法是：想用计算机去扔掉建筑师手里的笔和纸。

再看看现在的 AI 能做的事。去年一位学员听完之后问我，能不能用 AI 帮他们做地毯设计。我说不知道，可以试试看。后来找了两个学校的同学去用 AI 做，两个礼拜做出了四千多个 AI 创作的方案，选好款放到亚马逊上就能做了。那次也让我很震惊：AI 原生的这些图，创作能力其实比普通会做图案的人要好很多。这里最关键的一点是——你不一定是学设计的人，也能做出这个图案。

我原来是学艺术的，想做工业设计，觉得跟制造业能沾点边，后来读了浙大的设计，一直纳闷设计为什么放在计算机学院。其实还是潘老校长——他先创立了浙大人工智能所，1989 年又创立计算机图形实验室，到 91 年开始研究：真要让机器去创造一个好图案，什么算美学？什么是好设计？什么代表有文化的设计？这本质上是一种抽象形象思维的设计问题，所以后来正好把设计专业放到了计算机学院。

我们（云造，我早年的公司）也比较有幸，在很多老师研究成果的基础上，去寻找技术和产业应用之间的结合点。我创业这些年碰到过很多设计管理和设计的需求，就想把这些技术往产业里做应用。可以这么总结：用这一代人工智能技术，让 AI 去模拟、辅助，甚至替代专业设计师做某些工作——用数据加 AI 去生成设计的能力。

为什么分成两部分？上游是做市场、战略、企划的同学，分析公司在哪个赛道、市场规模多大、该干什么不该干什么；战略出来之后，就要真的去做产品。一个好的设计师要看市场数据、看流行趋势，基于对产品的理解和对行为的洞察，得出一些创造力的想法，再用手头功夫——不管是画、是计算机、还是现在的 AI——把它表达出来，给上下游的人看。下游是做工程的人，真要开发这个产品时，再结合产品设计的能力把它做出来。

问题就在这里：设计师的价值被上游和下游一挤压，其实很多设计师是很苦的，得不到很好的价值体系，每天不断改稿。所以就像潘老师说的，为什么要让设计师把笔和纸丢掉？不是让你丢掉工作，而是要去思考为什么要做这样的设计，而不是甲方口中的一支笔。这支笔可以丢给市场部，你自己也能画。

有了这一代 AI，我认为对管院的同学价值非常大。以后你会发现自己也能做专业设计，也可以不需要设计师（有时候设计师脾气也不太好）。未来很多职业岗位，就处在这样一个大融合的过程里。为什么这件事让我很激动？18 年的时候，我的一位老师有一天突然打电话给我，说他们研究了一些东西，有可能会让整个设计流程发生巨大变化。

他给我看了一个 demo：基于电商数据，能分析出行业销售的一些变化；基于这些商品，能得出产品语义里客户的声音——你抱怨了什么、赞扬了什么，这些通过舆情可以得出来；再通过引擎给企业提供“你应该做一个怎样产品”的关键定位，然后用生成式人工智能把这个创意生成出来。那时候我压根想不清楚，到底什么技术能让创意表达出来。看上去也就是几年前的事，这几年的技术，让这件事越来越成为可以落地的现实。

中国制造业的老板，特别是浙江、福建这么多中小企业的老板，其实很多人不知道自己该做啥。新产品的需求越来越多，有时候压根不知道下一个新产品开发什么。这些线索对他们来说，是一种能带动企业新增长的能力。以前找一个设计师，做策略研究、分析都很贵；未来 AI 帮你做咨询、做定位、做产品可视化，客户下单之后就可以把它造出来——“造”是很多企业最擅长的，不擅长的往往是策略。

虽然公司是后面才成立的，但我们从 18 年开始就在实验室里研发各种设计算法，跟设计结合到一起。21 年到今年，大部分精力花在探索这些技术在企业里的应用场景。接触了很多企业后发现，先选择跟一些专业的客户合作更好，他们更能知道我们的价值。去年我给将近一千多家企业相关的人上过课，最终合作的基本以 500 强企业为主，因为他们很清楚这套东西对自己应用场景的价值。这两年我们也在逐步把技术产品化，未来给到越来越多中小企业，用技术能力去普惠企业的产品创新——科技让设计更普惠，设计又能带动企业的产品创新，这也是我们企业的使命。

几个产业落地的例子

先说保温杯。这是帮某咖啡品牌做的分析，他们周边产品里有保温杯，就问能不能让 AI 看一看整个保温杯市场的深度、需求点，以及可以去做的点。我们通过大数据帮他建立起电商上保温杯的整体数据情况，有很多分类矩阵和类型，数据量很大，我只用一页做了总结。第二页，把淘宝上 80 块到 400 块之间的保温杯都抓下来，让 AI 学了特征之后，提取所谓的“爆款因子”——就是这款产品因为有哪些功能创新点让它火起来。

模型做完之后，有天早上我到公司，几个同学正在那里生成。据其分享，那一个早上花了约八块钱算力成本，做了 2000 个设计方案，每一个看上去都挺好。作为专业设计师，我觉得这已经超越了绝大部分设计师的能力（我个人判断）。最终整理时，我们从两千多个里挑出一百多个，再用这套因子推荐给他。这个品牌拿着这些效果图给工厂一看，中国的工厂轻轻松松就能做出来。这套能力其实可以复制到很多行业——鞋子可以这么做，衣服可以这么做，福建很多品类跟浙江都很像，都能用数据加模型的能力：客户喜欢什么样的产品，就很好地把它造出来。

再说婴儿围兜。去年上课时，一位学员给我提了件很有意思的事。他说有一个品牌在美国卖婴儿围兜，是亚马逊上卖得最好的品牌之一；据称这位老板一年要花约 20 万美金，请一位美籍设计师背景的创始人来做图案。这位设计师非常了解美国的图案风格，创作得好，但他想把产品卖到中国、卖到欧洲时就发现卖不好——美国的图案太“高级”，中国的妈妈喜欢变形金刚、卡通那种类型；而他又不舍得再花 20 万美金去请一个欧洲设计师。

他问我，有没有可能用 AI 学习一下，让一个中国普通设计师，哪怕就两万美金，也能更懂欧洲、做出 20 万美金设计师那种需求。我说这可能就是未来中国制造很重要的一种能力：凭什么你能造全球的东西？你又不是当地人——没关系，AI 可以帮你学。当时我们就做了一个实验 demo：既然是围兜，就帮他去亚马逊英国站、欧洲站看母婴类产品里卖得最好的颜色、图案、风格，以及销售数据背后评论代表的东西，得出很多关键词，再把这些关键词交给 AI 去做图。图案做完打印出来，就可以上亚马逊了。掌握了这种能力，中国企业就可以用 AI 做全球设计、卖全球货。对于看上去只是一个婴儿围兜这种品类的企业来说，价值就很大。

为什么要干这样的事？我脑子里有个记忆，小学还是初中的时候，我问过一位做制造的长辈：你们当时为什么创业、怎么创的？他跟我说，只要让我看一眼这个东西，我回来就能把它造出来。这是很多制造业老板的能力——小商品我看一看，哪怕图片只让我看一个角落，我做的可能都比它更好。这是很接地气的制造能力，有好有不好：他们当年哪请得起设计师，自己就是设计师。

现在 AI 未来能帮他们怎么样呢？我现在的口头禅就是：AI 先给你做一批，客户挑中了你再把它做出来，这不就是新订单吗？比如手链里有潘多拉，义乌、汕头潮汕很多企业在“反”潘多拉——那你能不能反得更高级一点、更有创造力一点？在 ODM 里，用训练好的专业模型去生成的作品，人家一看就是高级，消费者、客户都以为他已经把产品做出来了。可能有些小地方不一定合理，但我说 AI 做设计，就是要做基本符合制造的设计方案，让造物变得所想、所见即所得——你的客户、你的想法他都可以表达、可视化看到，说这是不是我想要的、要怎么改一改，你又能快速交付。这种能力会让中国制造业重新掌握非常强的竞争力。

再看看义乌小商品饰品，以前跟现在的对比。以前义乌最大的一家饰品企业怎么做？几个设计师每天基于流行趋势画草图，画成草稿交给打样师傅，做个三到五件，再拿到影棚拍照、抠图，一年做一本画册，把画册送给客户，客户看中哪一款就来订单。这是上一代外贸能力里最重要的点——做画册给客户看，挑中了就成。

这几年有了数字化工具，能用 3D 建模、渲染、仿真去做。对比一下：原来人工从头做到尾，据其分享大约要 30 天、平均一款成本约 2000 块，一年大概能做 1 万款，产能直接受制于人员和打样能力。有了 3D 之后，虽然积累了很多沉淀，但会操作 3D 的人员成本高，所以整体成本差不多；数字化的好处是让知识可以被沉淀。到了现在这个 AI 时代，未来能做到、现在也差不多能做到的是：基于流行趋势 AI 自动设计，客户自己挑，挑中了自己去打样。我们测算下来，平均每款的设计加开发成本，会从原来急剧下降。这本质上就是营销能力——你有足够多可能是客户想要的方案，命中的概率就更高。

这里就要讲到我创业做的第二家企业。那时候我还没有现在这些理论，只是判断当时做电子烟国内做不下去了——知道要被监管，我们就决定出口。一看才发现，中国品牌出海是挺难的事：品牌代表的是你的某些文化，兼容性不一定强。比如 TCL 在美国靠常年补贴才拿下美国市场。所以中国企业做品牌挺难，就像刚才做围兜那家，虽然是大老板，但 CEO 是一位美籍设计师背景的人，因为他更懂美国的消费需求。

那我们出海到底做啥？我说学义乌小商品——义乌小商品为什么永远充满活力？当时我们有个假设：第一自己没工厂，第二自己没销售，只会干设计。那就让设计等于销售，再加上我们原来国内也在做、有比较强的供应链配套，把这两个能力结合起来。所以你看墙上这么多纸，其实是我三个月花了约 100 万设计费，找了三家设计公司，分了四轮，每一轮做了将近一百多个方案。

第一次给设计公司时，我说我们自己要做电子烟，随便你发挥。后面逐步发现电子烟有很多参数规范的要求——毫升数、电池容量、造型方式。后来就总结成圆的、方的、扁的，两毫升、四毫升、六毫升、八毫升，全部矩阵化。再把这么多设计方案往里丢，墙上贴满了参差不齐的图，因为每个设计师表达不一样，有的喜欢交叉、有的喜欢竖着，我看着很难受，有强迫症。但这么贴上去之后，深圳过亿的外贸商到我这个房间里来，全都贴满。

沙发坐好，你自己看，第一眼的感受是什么。他说这么多，想得到、想不到的怎么都有了——对，这就是我们要的效果。你只要开口，说你想要哪一个，我不评判好不好，你觉得好我就愿意为你投资。我们又投了将近 16 套模具把产品做出来。这个项目做到第十个月，其实一直是亏的，前前后后据称已经投了将近 1000 万，第 11 个月之前都准备把项目关掉了。

一位合伙人觉得太辛苦。一是到底能不能出单不知道；二是即使出单，卖一支烟只赚约 1.5 块人民币，他说太辛苦，要不别干这个实验了。第 11 个月，我当时想把团队解散，就问团队里的一个人有没有信心，他说快了。然后第 11 个月，有一个客户下了约 100 万支订单，去年一年据称大概做了五个多亿的销售额。前前后后大概二十个月时间，最终其实只有一款在美国出货量比较高，美国四个经销商都下了这一款。

这种矩阵式的打法，印证了我当时的假设：消费者、客户不一定知道自己想要什么，我怎么让客户更好地知道他想要什么？就给他更多可视化的图，看到图就会有判断，我们也比较舍得投。这件事远远超出我原来的想象——原本预计这家公司大概只能做一个亿左右。

去年过完年，我第一件事就去深圳，问为什么会超出想象。这位有苹果供应链背景的合伙人跟我说了几件事。第一，除了把资源用好，他还把原来在苹果做供应链管理的能力用上——原来 1.5 块钱利润的烟，被他供应链管理挤出来约 7.5 块钱利润（成本我自己都看过）。我后来想，中国制造确实很有能力，只要你有量，就有很多优化和管理的空间。第二，他把我们原来在中国市场怎么做品牌、做研发的内部 PPT 翻译成英文给客户——等于你只要给我下订单，我还送你咨询：我们花了几个亿学费交下去的经验，教给你，你应该在美国怎么打这个市场。他说这个客户不选择我们，我们就去选别人，采购价格也帮他优化了约 2.5 块钱。

新一代做制造的人上来之后，我觉得中国制造还有巨大的提升空间，关键在供应链管理和设计管理。把这些能力赋能给制造业——不一定是现在这一代老板，而是下一代制造业的老板——可能会让中国制造在下一个时代照样全球无敌。

产品越来越个性化，设计和市场的矛盾

随着 AI 时代的变化，还有一件事情正在发生，就是人们越来越个性化。今天在座每一位同学，你打开手机，界面都不一样，可能都是 iPhone，但每个人打开抖音，推送内容的逻辑都不一样。因为它更了解你的个性了，每一个场景也都不一样。

我们做过一个服装调研就发现，现在的女孩子，尤其是 00 后，见朋友一套衣服、上课一套衣服、在家一套衣服，每个场景都要不一样的产品。保温杯也是相同的道理。以前保温杯是耐用品，一个就够了；现在最好每个场合带的保温杯都不一样。于是就产生了巨大的商品个性化需求。

平台也在加速这件事的到来。比如天猫的数据，从 19 年到 21 年，几乎每一年新产品数量都以翻一倍的速度增加。23 年他没公布上了多少新品，但公布了一个数（据其分享），说这些新品带来的用户浏览量增长将近 60%，带动销售额提升了 30%。

同样还有一个信息，产品的生命周期和上市周期变得越来越短。原来一款小家电可以卖好多年，现在小家电这个品类在天猫上的时间窗口就只有三个月（据其分享），三个月你抓不住就是红海，更别说服装这些更快时尚的品类。为什么？因为我们的行为习惯已经在被短视频这样的内容影响，人们越来越没有耐心。喜欢、不喜欢，很快；场景变得越来越碎，激发了更多不一样的情感。所以很多人说下一个时代是情绪价值的时代。

情绪价值我想回应的是，千金难买我喜欢。而喜欢，代表你在不一样的场景、不一样的决策里，想要的东西不同，不同时间阶段想要的东西也可能不同。在这样的商业大背景下，品类越来越多，速度越来越快，对企业的挑战也越来越大：你是否跟得上消费的变化，能否匹配出精准的产品和服务，响应速度是否足够敏捷、足够柔性。就是从大工业时代，随着 AI 的变化，消费也变得越来越个性化。

越来越个性化的时候，矛盾就出现了。以前很多事大家关注不到，一个企业要管研发、管设计，永远不是一号老板最关心的事。但现在这些老板，特别是制造业老板，都发现公司业绩就跟那几个品相关，于是也要去管一管新产品研发。一管，他生气，设计师也生气。为什么？因为市场背景出身的人永远想着多快好省，有追求的设计师想要工匠精神，要磨、要做得少、要做得贵。设计师本来就少，中间又隔着思维的鸿沟、需求理解的偏差。

我有一年调研了一下我做电商的那些朋友老板，所有人都能讲出一段跟自己内部设计师争执的故事。有个老板气得说，不就是会 PS 吗，我也会打开、会选择、会抠图。

这背后是什么？设计师的上游其实就是市场这些人，他们苦就苦在“我怎么不会画呢”。如果 AI 能帮我做这件事，我干嘛还要受设计师的气？所以 AI 极大地激发了市场对产品可视化的能力，就会加速产品开发。当然在这个矛盾里，我也希望用 AI 让设计师更有价值，让市场更快响应、满足商业价值。

这就是原来一直存在的矛盾：老板能管人事、管财务、管供应链，但今天让他管设计他就很懵，有时候自己的审美还不一定够。可这个时代他又不得不管，因为这直接关系到整个公司的业绩。

后面给大家看一些不同领域用这样的能力能做到的效果。比如黄金珠宝首饰领域，这些古法黄金手镯都是 AI 做的，先做出来，客户挑中之后再找师傅雕刻。做水龙头创意，我们老家就做水龙头，可以用 AI 结合不同造型，提供很多创意给客户挑。

做铜的工艺品，以前每次都要师傅打样、拍成照片，客户才看得到，可能等东西做出来生意就跑了。现在用 AI 就可以先迁移一下。比如我要把泡泡玛特的风格变成我的风格，就能很好地做新品意向的沟通。有一个某香港文创集团，跟很多博物馆合作，找我们指定说，能不能用 AI 给他们做某个博物馆题材的周边研发。我说你如果只是要让对方选中，我找家设计公司帮你做不就行了？他说不要，一定要 AI。为什么？他说很多时候博物馆的主管自己不知道想要啥，让设计师去做成本太高，就让 AI 去理解这种能力之后，迁移各种产品创意。

有了创意之后，供应链把它做出来相对简单。福建有个德化，我也去考察过它的瓷器，基本上只要给工匠一看“我要做成这样”，就能把产品很好地复原出来。所以 AI 在这个环节，本质上变成一种业务打单的能力。

对很多小产业也一样，比如浙江有个龙泉宝剑。我们现在还没有特别好的龙泉宝剑高质量数据集，用公开数据集也基本可以做，做完之后普通人也能创作。也就是说，一个产业只要有这样一个模型，就能让产业带的手工艺创作者先生产出各种创意给客户看，客户觉得好，再把产品打样出来。

除了工艺品，还有服装、汉服。我们去洛阳发现，中国的汉服很多时候被改得面目全非。我们与一所高校合作，把历史上所有汉服的规范让同学们画成数据集，再让 AI 训练成一个了解中国汉服知识的深层模型。再用这个模型跟现代不同风格融合，就能做一些新中式服装的创意。这也印证了我说的：这个时代，能给模型更专业反馈的人变得特别有价值。汉服的知识我们也不懂，可能要学院里专门做考古的老师一条条整理，设计师画出来，我们再去训练 AI，训好之后它就具备这样的能力，再跟现代服装融合，就能成为新中式服装很好的生产力工具。

很多企业做服装要超款。比如以前的 ZARA，我去看一下时装周，看完就想抄这一款，但怎么抄得更高级一点？在我们看来这叫风格迁移。AI 就可以帮你结合，比如我就要这种皱布的风格跟这个 T 恤结合，它给你好几个方案，改款出来我们再评审。这个应用在服装上也比较成熟了。

我们还在帮一家企业做，设计师有了服装之后要打款，得把服装描成线稿，标上尺寸、工艺，再交给供应链工厂打样。他原来做不出这种线稿模型，全中国找了好多企业问，后来问到我们，我说有可能能帮你解决，就给他们做了这样一个应用，还在持续完善。

我当时问了他一个问题：你要百分之百精准，还是大概差不多就能接受？我为什么问这个？因为这个问题直接反映他对技术的理解能力。百分之百今天 AI 做不到，你要百分之百我直接放弃不做；你说大概八九成差不多、你们改改就能用，那我可能就能做到。这就是我对技术的判断（我个人判断）：一个应用场景，用这个技术、这个能力，只要能得到价值验证，就是很好的点。

甚至有些不了解的人，去年一位互联网大厂的朋友过来跟我聊，能不能把它全部做成数字化。我举个例子：你知道我们温州做皮鞋这么多，一万家企业里有几家会用 3D 数字化？不超过一百家（据称）。99% 的企业你让他驾驭那么高的武器是驾驭不了的。在这种背景下，什么是真能给企业产生新生产力的东西，那就够了，不需要投入那么大去做技术冗余、功能冗余。

再比如我去广东，有一家某广东制造企业给我看，一个客户想做一只小鱼 IP 的时候，设计师要根据工艺把它 P 成六张效果图，P 这六张成熟设计师可能也要花两三天。我说这个工作说不定 AI 能帮你加速，后来做了几个不一样的模型，一个 IP 丢进去出来，你大概就能看到那个 IP 是什么感觉，客户看了就能说这是不是我想要的，可以进行很多修改。这就是深层设计给工作流程带来的变化。

我们还在跟一些企业做包装应用，包装要很多创意。虽然现在包装 AI 生成完之后，字体这些还不够精准，但我想做管状、瓶状、带状、组合、纸盒，分类完只要选择，方案就很多。这跟我做电子烟很像——电子烟外面有一层贴纸，客户换不同组件就能做出自己独特的作品，我们用 AI 让客户自己挑，也把设计成本降下来。

除了这些偏轻的品类，也可以放到稍微重一点的品类里，比如电饭煲。某小家电企业一年大概要做 500 个不同的 CMF（据称），所谓 CMF 就是换一下外观。以前换外观得建模、渲染材质球；现在用 AI 就可以结合不同渠道的设计风格特征，生成既匹配企业风格、又符合流行趋势的设计效果图。

所以刚刚看到，哪怕今天的 AI 是一个很聪明的高材生，到每一个品类里去的时候，还是要学习专业知识，不学它就不知道。这给了各行各业用 AI 的人机会：你既懂你的行业，又懂一点 AI，未来你可能就是那座桥梁。不仅仅是图形，在任何一个方面想变得更专业，都要老师傅带进门，但出师之后，可能会比老师傅更强。

我们现在除了跟企业做，也把这些能力打包成课程，输出给各个学校的设计专业。因为教育也在变化，设计教育里很多工具能力都在变，很多老师不具备这样的能力。我们就以课程的方式，跟他们一起按不同行业品类，把每个细分里的模型建设好。我们最终极的希望，是把这些能力集成成一种新的技术能力，普惠地让更多企业不用花那么多设计成本，也能享受好设计。

我们花了很长时间做积累，现在把它软硬件一体化，有自己的模型、很多工作流程，也收了很多大企业的钱帮他们定向开发，再把这些技术整合，尽可能让制造型企业用得上。我们针对不同行业提供不一样的应用能力。这些行业其实有一个共同点，都是颜值主义、以外观为主。为什么？因为现在 AI 在外观上发挥得很好，让今天的 AI 去做内部结构，投入产出比非常低。所以我们尽量找那些能把价值充分发挥的行业，比如福建德化、泉州，泉州好多品类特别适合用 AI 改造。

我做过一张浙江的图，我们的能力其实围着整个浙江。福建的产业你们更了解，浙江大概有两百多个行业品类非常适合 AI 渗透改造，因为很多都偏日用和小商品。它的价值到底在哪？工业革命让发达国家在品牌化、全球化过程中享受到了红利。比如耐克跟阿迪，因为更早品牌化，进入中国时就用品牌先割了市场最好的红利。你说莆田的鞋会比耐克阿迪差吗？现在已经不会了，他们本质上有品牌溢价，赚到更多钱，就能用全世界最好的设计师做更好的营销，巩固地位。

我们很多产业带的企业其实也想试。有些企业做得很不错，因为重视设计，让自己成长起来，比如小米、苏泊尔，都是在重视设计的过程中成为不错的品牌。但绝大部分中腰部以下的企业，没尝到这种甜头，不舍得在设计上花很多钱。

十年前有些政府做得不错。据了解，一些地方曾试点给企业买设计做补贴，企业尝到甜头之后，现在电商上一批做日用品、做得很不错的新品牌，其实都出自这些地方。所以我看到 AI 设计其实可以拉近我们跟原来那些大品牌之间的距离，让制造型企业以更低成本、更好机会往 ODM、往未来品牌化的路径发展。所以未来的制造型企业一定是具备设计能力的（我个人判断）。

具备设计能力的企业做到一定程度，就会尝试做自己垂直细分的品牌。这会给制造型企业带来的好处是：借助技术的力量，跟同样的国际大品牌拉到同一条线。比如施华洛世奇花全世界最好的设计师去做，我可以用 AI 来学，学完成本可能是你的 1%、1‰，你还是 90 分，我用 AI 做到 85 分、80 分，可能跟你挺接近了，机会空间就出来了。再加上响应速度更快，在跟传统品牌较量的过程中，就能抢占更多机会。

最终我们会发现，通过整体 AI 和数字化的能力，未来的企业会形成新的产品创新体系。比如我们帮某大型家电企业一起构建 AI 时代的产品创新流程，会发现原来的创新管理在 AI 时代可能都过时了，要用 AI 重新改造，流程里会出现新的工具、新的人机合作关系。有些环节未来能做到半自动化，企业知识可以更好地沉淀，企业跟员工之间也会变成一种新的人机合作关系。

AI 在企业里落地：价值、难点和组织变革

讲完我们最擅长的部分——用 AI 做设计，我在跟很多企业合作时，顺便也跟很多老板探讨，除了设计之外还会影响哪些场景，以及沟通过程中看到的难点。总结来说，只要有人的地方，AI 就有渗透的空间，无非是快慢和渗透比例不一样。

我拿麦肯锡去年做的报告《生成式人工智能的经济潜力》来看，他大概研究了 850 个工种、模拟了两千多项工作细节（据称），总结出一幅图。图里大概两个圈：浅蓝色的圈是未来 AI 产生经济价值占比较高的岗位或职能，左下角是占比较低的。换句话说，蓝色的渗透度更高、可替代性更高；左下角这些职能原来体量可能也不大，渗透起来也更难。右上角基本上就是销售营销、IT、产品运营、产品研发。

让 AI 写代码、做客服沟通，这些都是语言能力能发挥得很好的地方；研发这个行业处在中间，也在圈里。左下角还有财务人事、战略定价、风控、供应链管理，也会有影响，但可能有两个原因：一是这些工种更依赖人的决策能力，二是原来更线下、数字化程度弱，被 AI 渗透的程度会浅一点。比如管供应链是极其复杂的事，让 AI 去管投入产出比比较低，经济价值就比较低。

德勤做了几个总结，说 AI 在企业应用主要就是五大能力：第一，加速生产、提升效率；第二，提升个性化，做产品是个性化趋势，HR 做员工管理也是个性化趋势；第三，自动化流程；第四，发挥全员创造力，就像 AI 能让杜甫模拟李白写诗，你让 AI 辅助创造，也能变得更有创造力；第五，模拟仿真。

这五大能力在企业的财务事项、运营事项、经验事项里发挥比较有潜力的，德勤都打上了颜色。展开来内容很多，AI 会跟各行各业发生巨大连接，我没办法一一列举，只是抛砖引玉，让大家想一想会给自己的场景带来什么。我自己接触下来总结一句话：今天的 AI 不是一个人，因为人有很多综合要素能力，而 AI 是在模拟人做某件事的能力。所以它的替代或渗透程度，理论上只要人能做的事，都可以通过 AI 模拟做到 90% 以上（我个人判断）。

这个替代度只取决于投入产出比和时间。有些领域，比如做营销、做内容，AI 投入产出比非常好；做设计可能是中间值，也不错；今天让它去改造某台机器，投入产出比就比较弱。能不能做？很能做，比如做一个完全像人一样的机器人去服务，未来一定能做到，但这种机器成本会很高。但比如今天先把几只脚砍掉、用几个轮子替代，已经在图书馆、餐厅里做到很多应用。所以只取决于投入产出比和时间，从业这几年我发现其实都能做到，无非是投入和时间的问题。

今天的 AI 技术可能还在比较早期，还是工具，但我们不能仅仅把它当工具。你不会说人是个工具人，他是有能力的，而且是多方面的。AI 你就要把它当一个人来看：它今天的能力、明天的能力、后天的能力，能给你的应用、给你的商业场景带来什么价值。去年我大概给一千多家企业上过课（据其分享），接触了大量企业，我把现在 AI 应用的几种状态给大家分享一下。

第一类，互联网公司，以阿里、字节为代表。他们有人才、行动快，几乎都是 All in。今天你在阿里，如果岗位跟 AI 没关系，明天可能就是被裁的人，所有人都在想怎么用 AI 改造自己的业务，CEO 也提要把公司变成 AI 驱动型公司——等一下再说，AI 应用和 AI 驱动的公司还有很大不同。传统大企业，比如星巴克这些，已经在全世界找方案、看能带来什么新价值，眼界足够开阔，但应用速度不一定快。

第二类，至少是上市公司级别的国内大企业，老板很主动，但组织很缓慢、还一脸懵，战略上又怕错失，所以很尴尬。这些企业未来有可能陷入创新者的窘境（我个人判断），被自己的组织体系拖住。

还有一类，绝大部分中小型企业其实是在被短视频洗脑：短视频一看说有这个那个能力，其实你自己从没用过，这就是绝大部分中小企业的真实情况。反而是哪些企业用得好？就是那些工作室，公司可能只有两三个人，说干就干。我们自己公司也做过调整，刚开始不是按 AI 路径做的，是按 3D 软件做的。后来发现 AI 势头这么猛，自己公司调整时才发现自己都很难调，因为思维惯性会停留在原来的方式里。后来怎么调？

第一，我自己去看论文，去了解 AI 到底发生了什么变化，我自己带头去用 ChatGPT，要自己有体感，感受它带来的威力到底怎么样。

后来不愿意拥抱的人我全砍掉，新进来的人要求就是：今天你连 AI 都没用过，就别进来了。我反而去招一些浙大的研究生，给我的感受是——新的组织就是原生的。今天的研究生你不用跟他说 AI 不 AI，他本来就在用，而且用得比我们溜多了。我整天还要坐到他们旁边问，你为什么这么用、有什么经验教给我。这就是原生的那一代人，像工作室一样行动很快，对未来传统体系是一个很大的增量支持。

这些大企业都想落地 AI，但会发现去年整个中国的 AI 公司大多是亏的。据业内传闻，有的做 AI 培训的反而更赚钱，很多 AI 公司仍在亏钱。我们坐在一起就问你赚钱吗，我们公司上市能收到钱已经不错了。为什么这么难？我后来自己总结了三个原因。第一个是组织问题。这一代 AI 跟之前的数字化不一样。

如果 AI 是个解决方案，老板说要买机器就买了、部署了。但它又很不一样，因为 AI 既是一线业务，又是执行工程；既是一把手工程，又是执行工程。大家就能理解了，上中下就卡在那。

我去一家企业采访需求，采访老板、采访总监、采访下面执行的人，同样一个业务场景，三个人的需求不一样。老板更多要战略宏观管理；总监说你能不能直接帮我把人、机器、流程全搞定，帮我完成任务；下面的人说你那个东西能不能让我置换一下就得出结果，我可以偷懒。这么一来，落地难度就变得很大。

有时候 AI 会让他们感觉到既替代中层，也替代基层，大家内心本来就抵触，就像汽车刚出现时英国的马车夫要造反。任何一代技术变革，总会出现老力量和新力量的冲突。到最后在企业里我们也会看谁是改革派，会发现只有那些对 AI 有战略判断力的老板去推都推得特别难，因为还要一线的人去用。今天的 AI 还没到老板置换一下、说“AI 你给我干个什么”就拿出结果的程度。

今天早上有一家企业联系我，说想做电子酒、电子水，问你的 AI 定制水，我只要跟它一说，它就给我设计方案了吗？我只问他一个问题：你们公司规模多大，有没有设计师？我说今天的 AI 做不到老板说句话就拿到结果。如果一个企业连一个最基本的设计师都还没有，你指望 AI，我说不可能。因为你连上一波的进步都还没完成，想直接跨到 AI 并不是不可以，而是你的能力可能还驾驭不了这种新能力。

第二个，AI 到底是 IT、还是人力资源、还是业务？我跟这么多企业打交道都会碰到这个问题。往往是技术部去推动，认为这是一项新技术，但企业的 IT 往往是什么？是已经成熟固定之后、只要采购就叫 IT。而今天的 AI 连能力边界是什么都还不知道，它要拉着业务的人，业务的人又不懂技术，就扯皮来扯皮去。

我去一家企业聊，聊了三次，后来突然发现问题了。三个总监——技术总监、产品总监、企划总监——在那里讨论来讨论去，说这该是他的范畴、那是他的范畴，AI 替代某个环节之后，下游的工作可能就多了。我突然意识到：你们老板没坐在这，所以你们想落地落不了。今天不是 IT 的问题，也不是人力资源的问题，一个企业组织在 AI 时代一定会形成新的组织合作模式。反而越老的企业越扯来扯去，扯了一年多、调研这么多企业居然落不了。这是很多大企业现在看到的问题。

第三个问题，今天 AI 是一个有能力的实习生，你还能按人力资源市场给他一个实习工资；可当他是一个虚拟的 AI 时，你怎么给他定价？你给他发 5000 块实习工资，那还不够我们差旅费。

他的能力边界到底是什么，也是模糊的。虽然我讲了这么多应用，但每个人对 AI 的幻想都是他是个超级无敌的人，其实他一定有能力边界：什么能做、什么不能做，你愿意为什么能力付什么费用，这个技术会不会被迭代？所以没有定价标准。没有定价标准，AI 公司的落地就越来越难。

我们有一家某香港企业沟通了半年，最终总部的 CTO 都过来了，为几万块钱的差价跟我砍价。我那天就跟他说，老大，你们坐在这、带了七个人过来，我们三个人陪着聊了一个早上，我们的人力成本都不止这个钱。这里反映的问题是：几万块钱的差价都很难定，是因为它是非标的东西，他们走采购体系，下面的人说得也有道理——他也要向老板交代，为什么多花这几万块钱。这个行业还没形成公允标准的时候，落地难度就很大。所以在这样的背景里，我看到未来反而是一些创新型的新组织会带来新的机会。

我举产业链的例子说说我的理解。原来大家说微笑曲线，从需求、研发、品牌到制造，从头到尾，这是典型的工业时代逻辑。但毫无疑问，过去 20 年互联网的发展已经把微笑曲线两端的东西通过互联网连到一起，靠什么连？电商平台、社交媒体、协作工具，都在拉近两端的距离。但这些数字化看上去好像不那么明显，为什么？就拿阿里巴巴国际站做 B2B 外贸来说，我们浙江有多少老板付了钱其实是找代运营的，他自己连网页都不会用，你指望他的整个业务流程被带动得很快。

过去 20 年的数字化里，各个环节都在渗透。我看到的是，AI 作为一种新的生产力，会出现在这里：AI 的制造、AI 的写作、AI 的设计、AI 的运营、AI 的内容，一切流程都被 AI 化。AI 化之后就形成新的增长引擎，驱动整个产业链进入一个 AI 驱动的飞轮，每个环节越优秀的人就会变得越来越优秀，能力越来越强。

举个例子，我们合作的一个客户，也是现在合资公司的一个老板，是我的老乡，一位做了二十年保健品的温州同乡。他同一年代还有同年代的两家上市保健品公司，上市规模虽然不是特别大，但至少是上市公司。他过去 20 年积累了一百多个批文，没做得很大，但钱挣了不少，是典型的江浙福建老板的特点。但他内心还想做成一家新时代有新竞争力的公司。

半年前一位朋友把他带过来，他们说看到的新机会是：在大健康这个领域，市场跟 20 年前对比在发生什么变化？虽然过了 20 年，却发现居然没有头部效应，市场里绝大部分货都卖到非常下沉的渠道，头部品牌没有垄断性。

第二，用户需求和渠道在发生巨大变化。同样一款蛋白粉，健身人群吃的、老年人吃的、小朋友吃的，是三个不一样的需求，原来一款蛋白粉怎么通用地卖呢？他们看到不同渠道、甚至同一渠道里，头部直播带货主播卖的，可能三个包装都得不一样，都是蛋白粉，要体现渠道不一样。这就是这几年互联网给整个市场带来的变化。

看到这些变化之后，我们帮他做什么呢？把三家公司的能力结合到一起，他自己做柔性化供应链，另一位朋友做整个销售业务，我们造物云把技术给他他也不会用。后来我们说全托管，你这个业务直接托管给我们，我们直接入股，我觉得这个市场不错，用我们的能力直接帮你打。

为什么这样做更高效？因为团队都是我的，我全部按照 AI 的能力重构一个团队：从数据开始洞察产品，做 AI 创意，让客户做包装选款，做 3D 仿真标准物料。有些客户我这么跟他说，他还没用起来，但我要求自己公司的人必须掌握用我们自己工具的能力，就能形成新的业务能力。这就是我看到的：未来可能会出现一波新公司，用新技术做新业务，跟原来的公司形成竞争，甚至有超越的潜力。

总结：人工智能的“瓦特时刻”

做了这么两年，最后总结一下我对 AI 的一些思考。第一个，我把它叫做人工智能的“瓦特时刻”。回看历史会发现，蒸汽机大概经历了两百年。瓦特其实不是发明蒸汽机的，他是改良了蒸汽机，让它变得更通用、更有效。这就像今天以 GPT 为代表的大模型。人工智能也不是今天才有的，六十年前就有了，发展到现在，有点像走到了一个通用化的时候。

随着两百年工业革命的变化，一台蒸汽机居然被改造出各行各业新的动力应用，还创造出了新的商业模式。有了蒸汽机就有了火车头，铁路带来了全国的物流，于是就有了做邮购的希尔斯（Sears）；后来有了内燃机、有了汽车，又有了沃尔玛。技术往往就是这样一个应用的点，但当它渗透到各行各业、真正发挥威力的时候，就会带来蝴蝶效应一样的改变。

工业设计这个领域，本质上就是工业时代的产物；我们今天的教育、管理，某种意义上也是工业时代的产物。到了人工智能时代，随着技术的变化，后面的想象会超出我们的想象。人类正在进入一个史无前例的技术大融合的时代。AI 只是其中一个技术，而且是非常重要的一个，此外还有数据、区块链、物联网等等。未来几十年的变化还会非常大。

对于企业的竞争格局，我的判断（我个人判断）是：强者越强，中间很内卷，个体得到增强。所以以后做个体户挺好的，中小型企业其实挺难，上不上下不下；反而是创新型组织会越来越好，因为你的学习能力基于 AI 之后，会带来新的能力增长。边界也越来越模糊——比如我原来没做过宠物保健品，不知道这个行业的 know-how，但今天 AI 可以帮我快速掌握。以前进入一个新领域可能要交三年学费，现在可能三个月、甚至更低的成本就能杀进去。马太效应会越来越明显。

组织会发生什么变化？AI 本质上是去中层化的，因为中层扮演的是承上启下的作用。如果一台机器只要一个人在一线看着就行，那还要组长做什么？所以未来组织会朝这个方向变。对高层来说，你要花更多时间去思考战略、思考竞争可能发生在哪里；对中层来说，你要具备新的能力，帮企业建立起 AI 化的流程和 AI 化的能力，否则就可能被现在还没毕业、从读书起就用这些工具的基层给追上。至于说抵触 AI 的人，长远看可能会比较吃亏，慢慢跟上一代人拉开距离（我个人判断）。

企业也会变成新的 AI 驱动型企业，拥有更好的竞争力。阿里的 CEO 也说过阿里要变成 AI 驱动型的公司。那到底什么是 AI 驱动型公司？吴恩达在 2017 年总结过四个标准：这家公司能不能策略性地获得数据，能不能建立起统一的数据仓库，有没有普遍的自动化流程，有没有出现新的岗位。这是判断一家公司是不是 AI 型公司很重要的点。

怎么才算“驱动”？我举两个例子，一个是抖音，另一个是一家做女装的互联网公司。它为什么能做到？因为它进入了一个增长的飞轮，就像抖音一样——你有更好的内容，推荐给更优质的人，他给你更好的反馈，你又能激励创作者去做更好的内容，于是进入一个非常快的增长飞轮。所以 AI 有时候是不平等的，掌握得快的企业跑起来会飞得更快。

企业类型也会发生巨大变化。以前说的“模型”，未来对企业来说可能就像互联网时代的用户一样值钱。能帮企业建立起更多业务流程的自动化，具备把业务数据化去驱动的能力，这都是未来 AI 公司很重要的点。站在这个评价标准上看，我们只是一家在做 AI 的软件公司而已，都还算不上一家 AI 公司，顶多看上去像软件公司。绝大部分企业原来完成了互联网的转型，接下来就要思考 AI 的转型怎么做。

从技术到能力，到能用、可用、商用，会有一个过程。工业革命用了两百年，但 AI 不需要两百年——可能五年、十年、二十年，就像互联网一样，二十年基本上就走到了遍地互联网化的时代。所以从技术应用的角度看，AI 毫无疑问会对我们未来的人、组织、社会结构产生巨大的重塑影响。

具体影响到哪，取决于不同行业的因素，但一定会变。至于变成什么样，需要我们不断去推动和开拓。在新的国际竞争里，中国企业的应用能力特别强，我觉得把 AI 应用好，可能是我们下一个时代的新“核武器”，也有可能带动新一轮经济增长。就像给鲨鱼插上翅膀一样，AI 让你变成新的物种。好，谢谢各位，接下来我们可以交流。

现场问答

问：我是一家制造型企业的设计组长。我很认可 AI 能帮助设计、缩短时间成本，但我觉得现在 AI 做的更像是市场调研，而不是设计调研——市场调研偏向消费者，你们是怎么处理的？

答：第一个点我认同，现在 AI 做的所谓设计确实比较浅。但我们不能低估它长远的能力，随着深度加深，它是能做到像设计思维一样去思考的，这是一个从浅到深的过程，需要有经验的人去跟 AI 共创、去推动它在设计领域理解的深度。第二个点我不太认同：这一代 AI 有一个我刚才没展示的很强的能力，就是对感性知识的理解。以前消费者说一句自然语言，机器看到的是冷冰冰的一句话，要靠人去感受；这一代 AI 不一样，它能模拟去感受。所以我们在跟一些企业合作时，会充分利用大语言模型和图像识别的能力，让 AI 自动去总结消费者的反馈，有时还会给出超出预期的新洞察。长远看，这会是一个人机比重相互平衡的关系，有些环节人多、有些环节机器多，但我们绝对不能低估它长远的潜力。对企业来说，就是多去学、多找一些应用型的公司，结合自身业务特点做探索。很多技术公司现在苦恼的是找不到应用场景，还是得从业务端和技术端去握手。网络上想得到、想不到的应用基本都有人在做，可以去做一些新的尝试。

问：（线上同学）传统的零售企业如何拥抱 AI？提问者是一位某连锁零售企业的 AI 负责人，他们正在和科大讯飞、华为一起研讨做 AI 智能客服，用在客服、财务和营销方面，想问有没有零售领域的案例可以分享。

答：零售我了解得少一些，我更擅长消费品制造和产品设计。不过科大讯飞在做的几个应用里，客服确实是很重要的场景：用历史语料去模拟一个客服，回答可能又好、又没有特别的情绪，成本也更低。零售里应该还有很多应用场景，就像我刚才展示的麦肯锡那张图。如果是一家企业的 AI 应用负责人，还是建议多找一些技术型的应用公司去做业务场景探索。我看到有些企业甚至单独成立了一个 AI 小组，直接放在董事长或总经理办公室，有点像以前的 HRBP——业务提需求，小组去市面上找，找完再回来沟通，在企业内部先做一些试验，这样相对比较好落地。各行各业不一样，具体还得结合行业来看。

问：我这边做资产和行业研究。你刚才谈到工业设计，那就涉及知识产权问题。以你们这么大批量的产出来看，方案里有什么措施去规避侵权风险？

答：这是 AI 时代很典型的问题。从知识产权法来说，它以结果申请和时间为主。我试下来觉得，随着 AI 的变化，未来知识产权的方式也会变——如果每样东西都去申请，成本太高，所以以后可能会有更低成本的、类似区块链的技术，用来做锁定，关系链路会变得很重要。我们自己做过尝试：比如做了两千个保温杯，每一次我都会让人去看 AI 学完之后会不会做出一模一样、在我判断里算侵权的东西。试下来是这样：除了一些显著的 IP 特征之外，它基本上已经是一种高级创作了。很多人会理解成“我把两百张图拿过来生成，就等于超越了那两百个人”，其实这更像人脑——人看了两百个之后有灵感创造出来的东西，也有可能侵犯别人已经申请过的专利，AI 和人是一样的。所以短期内知识产权还是会回归到原来的体系里：我们做完也不能给企业保证一定不侵权，还是要让知识产权公司去检索，以他们的反馈作为最终评价。这么看，未来知识产权这门生意可能也会越来越好。

问：你们现在做产品外观设计做得很好，那 AI 将来有没有可能设计产品的内容物？就像刚才提到的和保健品企业合作，它怎么设计配方，甚至味道？

答：确实是这样。AI 在科技领域还有一个特别大的价值，叫 AI for science，就是用 AI 辅助科研。这很有价值，因为人类的发现可能已经到了瓶颈，用大量算力去做新药开发等等，会有更多突破。其实在药物、生物、蛋白质领域，AI 已经发挥了很大作用，无非是投入产出和时间的问题——有没有人觉得它有价值、愿意去做。我还听到一个段子，不知道是真是假：说比尔·盖茨和亚马逊的老板买了很多算力的机器，用遥感去非洲找金矿，从大量图像特征里找哪里可能有矿，据说还真找到了几个潜在储量很大的地方。这也是 AI 和地理科学结合的应用。我不知道厦大怎么样，在浙大现在几乎各个专业的老师都在说“我们跟 AI 有关系”，都要去买显卡、做 AI 模型，AI 对科学的价值会很大。落到具体产品，比如做遥控器里面的结构，能不能做？做得到，但可能研发投入要几千万，算下来投入产出比不划算，那这部分可能还是靠人——最终还是一本经济账。

问：（线上同学）出版企业有什么样的应用吗？

答：出版的价值会挺大的。第一，未来创作者会越来越多，你原来可能写不了书，今天让 AI 辅助，有想法就能写出更好的书；原来书里的配图要花很多钱找插画师，今天已经很成熟了。我有一位做 AI 内容的朋友，专门做类似短剧短句的写提纲、做画面、做动画生成内容。所以本质上，出版就是内容领域，这一轮 AI 对内容领域带来的价值是很显现、很大的。

问：（一位现场提问的制造业同学）我这边做亮片、毛绒玩具这类，AI 对我们合适吗？

答：那就要找它擅长的地方。比如你做软包毛绒玩具、抱枕这种，就很合适。如果是改一个零部件的模具，那模具很贵，一上来不一定划算；但如果是改配色、营造不同风格的感觉，AI 就能一下子出很多方案——你说想要 Hello Kitty 的感觉，它就能把那种风格迁移过来。所以关键是用在它擅长、边际成本低的环节上。