文｜周鑫雨

編輯｜蘇建勛

如今的AI投資人，也分“樂觀派”和“悲觀派”。

2025年9月12日，Inclusion外灘大會。在由36氪CEO馮大剛主持的圓桌論壇“AI應(yīng)用落地首戰(zhàn)：智能體時代是否降臨”上，幾名頭部機構(gòu)的投資人進行了對話。

當馮大剛拋出第一個問題：什么造就了智能體的爆發(fā)？投資人之間最大的分野，就出現(xiàn)了。

△圓桌論壇“AI應(yīng)用落地首戰(zhàn)：智能體時代是否降臨”。圖源：官方

投了GenSpark、Lovart、Sheet0等熱門Agent，明勢創(chuàng)投創(chuàng)始合伙人黃明明，是典型的“樂觀派”。

他提到，中國在過去20年里，積累了大量移動互聯(lián)網(wǎng)的產(chǎn)品能力，未來全球Top的Agent，有2/3會來自中國。

但“悲觀派”投資人們看到，如今的Agent，還有諸多“不能”。

在BAI資本創(chuàng)始及管理合伙人龍宇看來，當下Agent的爆發(fā)，離不開用戶對AI前所未有的寬容。

但在金融等0容忍度的場景，她覺得，Agent依然無法大規(guī)模落地。以及，對Agent寬容的“窗口期”不長了，“大家會越來越較真”。

在這兩派投資人中間，還有尋找機會的中間派。

擔任螞蟻集團副總裁兼戰(zhàn)略投資及企業(yè)發(fā)展部總裁的紀綱，給如今Agent創(chuàng)業(yè)者的建議是：可以先從高容忍度的場景切入。

這類高容忍度場景的代表，是需要與真人交互的工具類場景，以及Kill Time和提供情緒價值的陪伴場景。

可見的是，“智能體時代是否降臨”，是當下行業(yè)最為關(guān)切的問題之一。對答案的渴求，一度讓這場有名額限制的活動，站滿了在場外旁聽的觀眾。

不過，正如馮大剛總結(jié)的那樣：非共識的出現(xiàn)，恰恰意味著Agent的發(fā)展，正處在早期。

以下是《智能涌現(xiàn)》對馮大剛、紀綱、黃明明、龍宇對談的整理，內(nèi)容略經(jīng)編輯：

未來全球最頂尖的Agent，2/3會來自中國

馮大剛：AI智能體和應(yīng)用已經(jīng)到了一個爆發(fā)的時代，我想這應(yīng)該是一個無疑的結(jié)論。

各位覺得是什么樣的必然性造就了AI應(yīng)用的爆發(fā)？技術(shù)、成本，還是收入？

紀綱：其實還是今天技術(shù)發(fā)展的水位，漲到了這么一個機會。

△螞蟻集團副總裁兼戰(zhàn)略投資及企業(yè)發(fā)展部總裁 紀綱。圖源：官方

當然另外一方面，我們對智能的期待，其實已經(jīng)遠遠超過上一代對技術(shù)的理解，比如，一些知識的檢索，一些簡單的workflow級別的工作能力的建立。

但今天我們看到，其實AI potentially可能是能超越人類智慧的智能。如果你身邊有一個比你聰明、比你知識豐富的人，比你還24小時不眠不休的人，他能干什么呢？實際上他可以干所有的事。

黃明明：我是今天這個論壇上可能唯一的理工男，所以我就稍微講點技術(shù)上的細節(jié)。

△明勢創(chuàng)投創(chuàng)始合伙人 黃明明。圖源：官方

我們從模型層一路在觀察。過去2到3年，第一，大家都知道的是推理側(cè)的運算量成本降低了大概280倍。然后MoE（混合專家架構(gòu)）又使計算成本降低了80%。這是從成本和效率側(cè)。

從模型側(cè)，從DeepSeek年初的R1到Claude3.5和4.0，我覺得最核心的能力是讓模型具備了調(diào)用工具和planning的能力。

舉一個例子，我記得小時候上生物課，老師老問我們?nèi)撕蛣游镒罡镜膮^(qū)別是什么。其實有一條就是，當人類開始使用工具的時候，是原始人往智人開始進化的非常重要的一步。

如果我們看今天AI的發(fā)展，當Claude3.5和Claude4讓模型在調(diào)用一系列的工具，完成一個相對復(fù)雜的任務(wù)的時候，有一定的planning的能力。

這一下子讓Agent的任務(wù)完成度，從去年或者前年大多數(shù)的0.5，到今年最頭部的Agent，一下子到了30-40分，比如說剛才講的Vibe Working或者是General Purpose Agent，包括我們投的GenSpark。

從0.5到30分、40分，就讓用戶的重復(fù)使用率和付費意愿，開始變得很高。

那什么時候能到60分？我們覺得應(yīng)該在可見的8-12個月，這樣的話就有更多的工作可以被解鎖。

我覺得你這個問題可能稍微要加一條：為什么這一波很多的“first”“全球第一個Agent”是來自于中國？

不光是我們剛才講的第一個General Purpose Agent Manus、我們自己投的Vibe Working的GenSpark、全球第一個Vibe Design的Lovart，還有第一個Data Agent sheet0等等。

△Lovart。圖源：Lovart官網(wǎng)

我覺得這是因為中國過去20年，在移動互聯(lián)網(wǎng)積累了大量的產(chǎn)品經(jīng)理的能力，同時我們對技術(shù)又跟得很快。

剛才講了Agent是通過調(diào)用模型去使用工具，最后一公里有很多工程化和高速迭代。這恰恰是中國創(chuàng)業(yè)者在全球無可比擬的優(yōu)勢和能力。

所以我們大膽地預(yù)測，未來全球的最頂尖的、最top使用的Agent里面，雖然最后這家公司可能headquarter到硅谷、新加坡、倫敦，但是它originally有2/3一定來自于中國的創(chuàng)業(yè)者。

龍宇：剛才明明做了很多的科普，但我的回答是：沒有到智能體爆發(fā)的時代，我對中國創(chuàng)業(yè)者的前景也不是這么的樂觀。

△BAI資本創(chuàng)始及管理合伙人 龍宇。圖源：官方

我們確實存在巨大的優(yōu)勢，但智能體這個概念還在被定義和落地的過程當中。其實現(xiàn)在還處于一個身殘志堅、大家不斷往前努力的過程。

事實上用戶端，無論是消費者還是企業(yè)端，給予所謂的“智能體”概念極大的、前所未有的寬容。

但在之前的企業(yè)級服務(wù)當中，大家從來不會接受任何一個產(chǎn)品說“我是有可能完成你這個任務(wù)的”，我怎么可能賭？

所以這一次全世界是以全面擁抱的姿態(tài)，非常寬容地對待AI前進一步的探索。這里面無數(shù)的開發(fā)側(cè)投入，無數(shù)的產(chǎn)品定義實驗，無數(shù)的用戶端回饋，不斷地微調(diào)，都是在以一種非常寬容的態(tài)度在促進發(fā)展。

但是我覺得留給我們的窗口時間已經(jīng)不多了。事實上今年的推理成本極大下降了之后，一些重新設(shè)計、改良、優(yōu)化以及構(gòu)架workflow的可能性，已經(jīng)出現(xiàn)了。

但是最終Agent交付的完成度，會讓大家越來越較真。因為畢竟有相當多的數(shù)據(jù)流和data，是必須在完全可控的、強執(zhí)行的Coding環(huán)境之下，分毫不差地完成的。例如金融，是容不得半點的容錯率的，不是說做得還不錯就可以了。

因此我覺得事實上是產(chǎn)業(yè)開始分化，模型開始產(chǎn)業(yè)化，大家都開始進行深層次的思考。

中美雙方的創(chuàng)業(yè)者其實都有非常多令人驚喜的進展，中國這方面的創(chuàng)業(yè)者們表現(xiàn)出超強的應(yīng)對能力，非常迅速的執(zhí)行速度。我覺得貢獻是巨大的，一定有我們的一席之地。

但其實相較于Agent，模型本身的智能集中度，以及斷崖式和逃逸式的領(lǐng)先，以及他們推出的——無論叫Agent，叫APP，還是叫功能——還是一騎絕塵。

馮大剛：首先我并不是認同今天是悲觀的，但是我非常認同這個行業(yè)還處在一個比較早期的階段。有不一樣的觀點正是早期階段的一個特點。

我們回到應(yīng)用的問題上。螞蟻做了很多應(yīng)用和智能體，包括養(yǎng)老、醫(yī)療、家庭。我們主題是講“落地第一戰(zhàn)”，“第一戰(zhàn)”您覺得在什么地方？

紀綱：回應(yīng)一下明明總和龍宇總講的，帶出我對這個問題的回答。

我是文科生，千萬不要歧視文科生。文科生在這個世界里有一些visionary的東西，可能比理科生有更多的機會。

龍宇講了，今天整個世界對Agent有巨大的容忍度，包括在工作中的容忍度，包括在生活中的容忍度。

今天有大量線下需要跟人交互的機會，你出行的時候找一個旅游的咨詢師，找房子的時候要找一個所謂的Agent幫你找房子，你跟他交互的時候肯定希望他帶給你相對準確的信息。

這個信息如果出現(xiàn)了偏差，不管因為知識的限制，或者因為出于某種意圖給你錯誤的信息，你自己可以判斷，可以容忍。

其實我覺得今天在垂直領(lǐng)域，我們跟Agent就是這樣的關(guān)系。

還有一個場景，也是高容忍度的?，F(xiàn)在有很多Agent，在替代離你更近的人，比如朋友、親人、伴侶。你跟一個真正的人消耗時間的時候，有巨大容忍度。所以我覺得在這種場景下，人對Agent可能也有高容忍度。

除了極度需要精確度的工作場景，很多其他場景，可以用低容忍度的方式逐步讓Agent進化。

馮大剛：應(yīng)用的爆發(fā)是不是會先從邊緣開始？

紀綱：有一個遠和近的關(guān)系。

像線下的房屋中介，離你關(guān)系很遠。但是你跟他交互頻次非常低，可能一年就找他兩次。

這里可能有新的Agent的機會，這種類工具型的，但是由真人、工具和數(shù)據(jù)結(jié)合在一起的服務(wù)。

還有一類離你很近的，幫你kill time或者提供情感價值。這兩端都有機會長出來高容忍度的場景。

反倒是剛才講的那種需要精確數(shù)據(jù)完成工作、形成閉環(huán)的，我覺得還需要一點時間，模型的能力、Agent的能力沒有完全成長起來。

說回你的問題，我們今天的確做了包括醫(yī)療、金融的Agent，這些其實相對來說對精確度的要求比較高。

今天你使用的時候，發(fā)現(xiàn)大量的交互還是建議你最終到醫(yī)院去掛號，跟真正的醫(yī)生去交互。它們提供的可能只是一些基礎(chǔ)信息咨詢。

因為金融、醫(yī)療本身是我們自己的業(yè)務(wù)，這塊Agent一定會做。是不是能達到所有人期待、實現(xiàn)閉環(huán)和極度精確，肯定有一個過程。但是我們也希望能探索有更多低容忍度的其他機會。

AI效率工具一年內(nèi)不盈利，是不可接受的

馮大剛：明明總，我知道你投了很多的硬科技。

剛才你講到投過很多好項目，這一波有什么根本性不一樣的東西？包括投資邏輯、投資機會，包括我們自己的判斷。

黃明明：其實共性的東西還是挺多的。

比如說我們喜歡的人，還是擁有非共識的超級產(chǎn)品經(jīng)理，像李想，像很多我們投的這些對用戶需求有深刻理解的人。

非要說有什么不一樣，原來互聯(lián)網(wǎng)應(yīng)用更多的是完成更多信息和人的連接，搭建的是一個生產(chǎn)關(guān)系。

Agent是生產(chǎn)力工具。兩位都講到，衡量生產(chǎn)力工具最核心的指標，一個是完成任務(wù)的復(fù)雜程度，一個是任務(wù)的完成度。所以你是要交付結(jié)果的。

做得好的這些人，如果我們?nèi)ピu估的話，在他的領(lǐng)域已經(jīng)能完成三四十分。但是全球用戶的容忍度確實很高。

我說的“容忍度”不是試了一次就完了，而是回來重復(fù)使用、重復(fù)付費的比率得超過50%，得有50%的人付過一次費以后，下個月回來再使用。你不是把它當成一個full-time的員工，但是至少可以把它用起來了。這是非常重要的一個衡量指標。

其實最優(yōu)秀的Agent，在很多領(lǐng)域今天只能做到三四十分。換句話說，哪怕在一些非常細分的領(lǐng)域，如果你有機會把模型能力充分榨干，做“最后一公里”的dirty job、苦活累活，做到50分、60分，就有大量的用戶愿意為之付費。

比如說法律和訴訟領(lǐng)域，原來最大的律所一個月立案300宗案子，我們一個AI法律項目，上個月立了大概1萬個案子，人是不可能完成的。

當然最后需要人去法院，因為你不可能讓Agent去法院露個臉，但主要的工作都由Agent來完成了。

在這個場景，AI可能做到三四十分、四五十分，再配合人，這塊的收入飛速在增長，用戶在為之真金白銀地付費。

我們在移動互聯(lián)網(wǎng)時代經(jīng)常干的事情，是數(shù)據(jù)抓取。今天讓任何一個通用Agent，幫你去網(wǎng)頁抓取數(shù)據(jù)的成功率不到10%。

如果能把這個事情的成功率提高到50%，會解放大量數(shù)據(jù)分析、金融、銀行、保險、各個公司運營人員的時間和精力。

這樣一件事情如果做到50分，我們認為有巨大的市場前景。這是我們看到的不同。

馮大剛：過去我們看互聯(lián)網(wǎng)項目，如果5年之內(nèi)不盈利，沒關(guān)系。

但是如果它是一個AI應(yīng)用、是一個智能體，我們會說它一年之內(nèi)不盈利是不可接受的。這是一個區(qū)別嗎？

黃明明：效率項里是不可接受的。

C端娛樂向，我們內(nèi)部在討論，將來弄不好至少在中國還是一個廣告為主的商業(yè)模式。

但是效率項真的幫人干活的，完成度、用戶愿意為之付費，是唯一的檢驗標準。

你說出花來，但用戶不愿意付費，那我就認為你提出的價值不夠剛，或者不是在真正解決問題。

這個階段留存是其次的，滲透率是第一的

馮大剛：中國什么時候能爆發(fā)出第一個超級應(yīng)用？

龍宇：（AI超級應(yīng)用）已經(jīng)爆發(fā)了。

全世界范圍之內(nèi)就是OpenAI，因為有了ChatGPT這個to C端的應(yīng)用，使它有了非技術(shù)方向的超大護城河，導(dǎo)致它的token的消耗量或者說訪問量，現(xiàn)在可以6倍于第二名（Anthropic）。

現(xiàn)在（第一和第二之間）只有3倍收入的差距。但以后迅速會拉開10倍、20倍斷崖式的差距。

Anthropic已經(jīng)被壓縮到必須重點強調(diào)自己coding的能力，然后就壓掉了Cursor?，F(xiàn)在WindSurf已經(jīng)停服了，大概在半年前，大家非常popular在談的Devin，這些更小更垂直的Agent，曝光量已經(jīng)少了很多。

去掉時間維度談趨勢都是沒有意義的。短期之內(nèi)我們分析一下，事實上確實要to C引領(lǐng)，這個階段留存是其次的，滲透率是第一的。

剛才明明講的這些非常讓人振奮，一旦你粘住了，大家會發(fā)現(xiàn)好處是顯而易見的，復(fù)購非常高，因為效率提升。

生產(chǎn)力工具的躍遷就是這么真實，讓大家真金白銀感受到了。

馮大剛：超級應(yīng)用，個體跟平臺哪個會更早？

龍宇：現(xiàn)在平臺不停推出創(chuàng)新應(yīng)用，然后再全面性提出“全家桶”。

我覺得在中國像螞蟻、阿里這樣具有超強生態(tài)體系、超廣泛應(yīng)用場景的公司，大家跟應(yīng)用互聯(lián)網(wǎng)時代完全不一樣，沒有誰不是第一天正面迎戰(zhàn)的。

如果你今天非要說OpenAI是一家創(chuàng)業(yè)公司，那好，我不和你爭了。

他們都是在用平臺型思維，在全方位推出最重要、最優(yōu)先級的東西，第一是search，第二是coding，其他哪一個相對成熟，再去做。

姜總（階躍星辰CEO姜大昕）已經(jīng)把技術(shù)解釋得非常清楚了，在這個階段技術(shù)夠用，關(guān)鍵不是產(chǎn)品形態(tài)，是定義新的交互范式。

當然誰也沒想到，PC互聯(lián)網(wǎng)時代，Google發(fā)明了一個框出來。這個事情很復(fù)雜嗎？但它進行了范式革命。

在移動互聯(lián)網(wǎng)時代，TikTok發(fā)明“刷信息流”，一點也不高級，沒有做出operating system。之后這家公司，從娛樂出發(fā)，變成了全世界最偉大的科技公司。

現(xiàn)在加以場景以及硬件，我可以隨時在拍，這是個context-based的camera，每10分鐘就會拍7秒你的各種表情，有好看的、不好看的，知道我在跟誰交談，情緒是怎么樣的，然后它會分析、會記憶、會記錄。

馮大剛：從娛樂出發(fā)，就是從人的需求出發(fā)，從人的體驗出發(fā)。

回到紀總這邊，整個螞蟻的AI戰(zhàn)略是什么？

紀綱：我覺得今天對整個公司來說，AI戰(zhàn)略也在形成過程中。

有幾件事是確認的，螞蟻今天可能不算一個一線超級大廠，算一個中大廠。

在AI競爭過程中我們應(yīng)該找什么樣的身位？比如今天最重要的一個討論是，要不要干自己的大模型？

DeepSeek V3出來后，今天大模型的門檻看起來好像水位降低了。但實際上，這半年競爭進入了深水區(qū)，對人才的要求、對能力的要求，甚至對資源的要求更高了。

第二，如果做Agent，我們到底做什么樣的Agent？

我們內(nèi)部經(jīng)常用的一個詞，叫“哪部分是碗里的”。金融一定是碗里的，上一個時代、上上個時代都是我們碗里的。

碗里的一定要吃，別人也盯著你碗里的東西，你怎么能確保你先把自己碗里的飯先吃完。

但是你還得看著鍋里的，甚至我們妄想也許地里還長了東西。

最后形成一個完整的策略：到底先著急把碗里的吃完，還是先搶別人碗里的東西吃？還是趕快把鍋里盡可能盛到自己的碗里？還是我們?nèi)シN地，去地里看更長遠的機會？

這些策略都是今天這個時刻正在討論、正在形成的過程，這件事一定會不斷evolve，我們會不斷調(diào)整，但一定要有選擇。

不要搭一個硬的閉環(huán)的商業(yè)邏輯

馮大剛：選擇一個AI、一個智能體標準是什么？to C、to B的標準是什么？合理的商業(yè)模式是什么？

龍宇：商業(yè)模式肯定在探索過程當中。

我講具體的，你有一個問題本來想問我們什么是Agent，什么是Application。

馮大剛：今天好像什么都是Agent，大家觀點很不一樣。

龍宇：我覺得文科生就是好，如果仔細理解語言，就不會隨便混亂去泛化。

Agent字面告訴你，它自古以來就有，是個古老的語言，叫做“代理人”，你不愛干的事情交給它去干。

什么叫Application？這是我愿意主動去參與的一個involvement。

這樣清楚界定的話，在to B的方向上，你不愿意完成的任務(wù)，或者寬容度高的任務(wù)，你去交給Agent。但是你自己要主動享受的事情，你絕對不會讓別人替你歡樂、游戲、吃飯、戀愛。

所以說這里中間的區(qū)隔是非常清楚的。不了解用戶對象是誰，空談效率，絕對是與虎謀皮，緣木求魚。

關(guān)于怎么賺錢，講一個具體的例子。

其實明明投了一家非常優(yōu)秀的公司LiblibAI，我們有另外一家公司叫“千島”，平時有兩條業(yè)務(wù)線，一條是售賣Labubu的二手交易平臺，每年百億GMV，上億人民幣的凈利潤。

△千島。圖源：千島官網(wǎng)

與此同時，他做了一個跟LiblibAI非常類似的社區(qū)Tensor.Art，也有近20萬的模型訓(xùn)練師、約100萬的AIGC的微調(diào)模型。

當然他也做一些激勵計劃，使得設(shè)計師也有收入。這對社區(qū)有非常好的貢獻，讓潮玩愛好者聚集到一起。

兩件風馬牛不相及的事情其實是連接熱愛，所有的情感、設(shè)計、創(chuàng)意，供給端與消費端，與數(shù)據(jù)回路端都在一起，是平行在往前做的。

不要搭一個硬的、閉環(huán)的商業(yè)邏輯。現(xiàn)在說閉環(huán)才能帶來利潤，其實不一定的。有時候兩條腿走路，既要也要，也可以支撐公司走得更久。

馮大剛：今天模型一更新很多應(yīng)用就死掉了。無數(shù)人去創(chuàng)業(yè)，100個人里面能成功一個，今天10萬個人里面能成功一個，這里面的難度到底在哪？我們應(yīng)該怎么應(yīng)對？

紀綱：我們覺得沒有被挖掘的數(shù)據(jù)，未來一定是新的賽道、新的機會。

今天到底會不會有一個General Agent？我覺得未來每個人都會有，但是這個General Agent未來的場景，一定不是把所有的問題自己閉環(huán)掉，它可能要跟這些垂類去talk。

AQ今天是to C的產(chǎn)品，也許有一天在很多醫(yī)生端就是to B的產(chǎn)品。今天有一個General Agent在碰到醫(yī)療問題的時候，會找垂類Agent去交互，幫你把這個問題完成閉環(huán)。這可能是未來的一個場景。

但是今天我們描述的這些東西暫時都不存在。所以我覺得最大的困難就是：如果我們相信未來一定是這個場景，這些問題從哪解決？先解決哪些問題？怎么解決？技術(shù)上難度是什么？人才需求是什么？

這是相對清晰的picture，和今天各方面資源能力不足之間的差距。

黃明明：我有不太相同的觀點。

大家往往夸大模型對Agent或者是應(yīng)用層吞噬的能力，反而在判斷早期創(chuàng)業(yè)者的時候忽略了我剛才說的：

你是不是真正切入到一個用戶有剛需痛點的問題，不管用工程化的能力，或者說用垂直領(lǐng)域的專有Know-How，甚至通過服務(wù)用戶的case，形成了比較好的自己的reward獎勵函數(shù)，讓你的Agent變得越來越強。

我們看見大多數(shù)早期的創(chuàng)業(yè)者遇到比較大的問題。比如說coding火了，100個里面90個都在談coding，談得我們自己都快吐了。

其實有比這個更細分、更有剛需的東西。比如簡單數(shù)據(jù)抓取的工作，全世界居然沒有創(chuàng)業(yè)者來做。這是第一點。

第二點，我覺得好的Agent創(chuàng)始團隊或者是創(chuàng)業(yè)者，他不是against the tide，是ride with tide。你跟你做的東西，應(yīng)該是隨著模型的能力不斷解鎖，解決更多的問題。

Claude3.5、Claude4出來之前，我們發(fā)現(xiàn)很多稍微復(fù)雜一點的任務(wù)，Agent是沒法完成的，做一半它自己就lost。

現(xiàn)在它慢慢有這樣的能力，那你怎么build你的context engineering？未來怎么去build up你的memory能力？

Agent創(chuàng)始團隊有很多工程化的工作，這些都是基于模型解鎖的一些能力可以做的。

所以我不覺得模型和應(yīng)用是完全對立的。好的創(chuàng)業(yè)者能夠更好take這個最大的潮水。

今天最大的潮水還是模型能力的提升，但你怎么跟著潮水往上走，而不是被它淹沒，這可能是對大多數(shù)做Agent的公司的一個比較大的挑戰(zhàn)。

能做出偉大產(chǎn)品的人，身上得有點人味

馮大剛：這一波Agent的創(chuàng)業(yè)者，和2012年、2013年互聯(lián)網(wǎng)創(chuàng)業(yè)者的水平能比較一下嗎？

黃明明：這個話怎么說都得罪人，我只能說各有特色。

我昨天還跟兩家制造業(yè)的龍頭聊，一個是寧德時代的創(chuàng)始人，還有一個是第一代互聯(lián)網(wǎng)的百億美金公司創(chuàng)始人。

我覺得前面一代的創(chuàng)始人，很多效率卷到極致。今天進入到AI時代，一個人是卷不過AI的。因為AI 24小時工作，沒有任何情緒。

所以反而在這個時代，我們認為能做出比較偉大產(chǎn)品的人，通俗點來講，這個人身上得有點人味。講得具體一點，他得像個人。

人是什么呢？人性里面所有好的東西和壞的東西，在他身上都能有非常明顯的體現(xiàn)。換句話說，我們認為不完美的創(chuàng)始人，才能做出相對完美甚至是偉大的產(chǎn)品。

我們最近自己持續(xù)在總結(jié)，這是我們看AI時代創(chuàng)始人的時候，一個比較重要的點。

比如說陳冕（LiblibAI CEO），他是一個有激情的人。有激情的另一方面就是你不夠理性。但是你可能要做出偉大的產(chǎn)品，太理性的人在這個時代做不出偉大的產(chǎn)品來。

龍宇：理工男想法和理工女不一樣。我反而覺得AI時代EQ被高估了，越來越不重要了。

但是在創(chuàng)造性領(lǐng)域會更加重要。如果Steve Jobs還在世，他所有的缺點將不復(fù)存在。他是一個超級產(chǎn)品經(jīng)理，把個體洞察到了極致。

唯一的缺點是，他是好的tech visionary，不一定是好的tech leader。如果一個將來lead個100、10個Agents的人的話，我覺得他需要不一樣的領(lǐng)導(dǎo)力和素質(zhì)。

我沒有首鼠兩端、既要也要，要不然在A做到極致，要不然在B做到極致。要不然你就是純粹有高尚趣味的，對未來有無限想象的，哲學思考到極致的文科的人，要不然就是一個超級機器。

我給大家一個數(shù)據(jù)?，F(xiàn)在全世界Fortune 500 CEO，他的direct reporting line（直接匯報線），原來大家認為理想數(shù)值是在9.5，現(xiàn)在擴到27。Satya（微軟CEOSatya Nadella）的direct reporting line現(xiàn)在是51。

他們能夠更高效，沒有什么情感摩擦。他借助這些工具管理更多更高效的人，打造不一樣的組織。

這不是我想說的重點，我想說場景！場景！場景！

對場景的深刻理解，現(xiàn)在被大家想得太淺薄了。什么叫場景？舉個簡單的例子，數(shù)據(jù)就在那，你有沒有想到從哪個維度去用。

比如說這兩天掃街榜推出，原來到店可以把線下這么連起來。Looki(AI穿戴相機)剛剛推出的時候，大家都說這是一個防范保姆的，帶著小孩弄寵物的，拍照的東西。

其實根本不是。它不是一個監(jiān)視器，是你自己跟自己玩的對話。它知道你每天坐了多久、站了多久，坐了地鐵嗎，見了什么人，跟什么人說話，什么語氣。這完全是給自己的，維度不一樣。

△Looki。圖源：Looki官網(wǎng)

所以我覺得場景的理解是一個遠遠被低估、還沒有開始的一門顯學。馬上就要開始了。

馮大剛：怎么讓智能體更加智能、更加普惠？

龍宇：大家沒有談到中美之間的差距。

我們要面臨非常嚴峻的事實，我們這邊資源少，所以希望大家有合力。

投資人、創(chuàng)業(yè)者，最好不要做同質(zhì)化競爭。每個人都要盡早去identify自己在這個生態(tài)體系當中的生態(tài)位。

大家盡可能從合作的角度，而不是競爭的角度，用比較少的資源湊出一個非常高質(zhì)量的表現(xiàn)，而不是再一次消耗在更多同質(zhì)化的競爭中。

黃明明：我很同意，但是我估計比較難。大家還是fomo，碰到好deal，一堆人又都沖上去了，一個方向跑出好幾家，很正常。

回到我們的主行業(yè)，我們是創(chuàng)投，我們要對年輕的創(chuàng)始人更多的耐心、更多的寬容度。

還是那句話，沒有完美的人，但我需要他在特定點上有足夠的激情、足夠的熱情。有很多缺點、犯很多錯，沒有問題。

我們一直講，AI原住民這一代人，可能是真正能做出下一代超級智能體最主要的創(chuàng)作者群體。

從我們?nèi)觼碚f，應(yīng)該對這些年輕人有更多的容忍，允許他們身上有更多個性化的東西、風格的東西，而不是用一個嚴格的CEO標準要求他。我覺得在今天很難。

紀綱：多說一句關(guān)于人的事，二位的觀點我都非常同意。

我們自己的觀察，這一代的創(chuàng)業(yè)者比上一代年輕10歲，而且越來越年輕?，F(xiàn)在95后、97后，00后的創(chuàng)業(yè)者也能看到了。

第二，對這一代的創(chuàng)業(yè)者來說，技術(shù)的難度比原來移動互聯(lián)網(wǎng)略高了一點。

原來移動互聯(lián)網(wǎng)，一個好的產(chǎn)品經(jīng)理找?guī)讉€程序員，能創(chuàng)造出一個不錯的產(chǎn)品。

但是現(xiàn)在我們發(fā)現(xiàn)一個好的團隊至少對模型，對reinforcement learning（強化學習）有深刻的理解。所以創(chuàng)業(yè)的門檻高了一點。

但是我們還發(fā)現(xiàn)一個很有意思的東西。很多這一代創(chuàng)業(yè)者，雖然很年輕，但已經(jīng)是連續(xù)創(chuàng)業(yè)者了。他們都做了兩次、三次。我們更偏好連續(xù)創(chuàng)業(yè)者，他們可能吸取了經(jīng)驗。

回到前面的問題，人的話題特別重要。不光人性，未來你生活中任何角色，從遠到近，從伴侶到工作場景，到你一年只見一次的人，都會有Agent把他替代掉。

這些變化會有無數(shù)的機會，甚至以后會跟硬件結(jié)合在一起。Agent會裝在機器身上，會變成有智能的機器人。

所以我覺得這個時代的創(chuàng)業(yè)機會是巨大無比的，從商業(yè)角度講，從賽道寬度講，都有巨大的機會。

歡迎交流！