当下的人类正站在AI时代的开端，社会中的每一个人都在被强大的AI技术赋能。聚焦AI领域的“赋能者”与“被赋能者”，36氪“新质生产力·AI Partner大会”以“我被AI赋能了”为主题，汇聚国内AI领域重量级嘉宾，一起共探AI行业新图景。
5月24日，36氪“新质生产力·AI Partner大会”于北京环球贸易中心正式拉开帷幕。大会聚焦AI场景与应用端，分为“AI能为我们做什么”和“我被AI赋能了”两大篇章。现场汇聚来各行各业的AI领域先锋者，以“赋能者”与“被赋能者”的不同视角，共同探讨AI技术如何“爆改”千行百业。
在庞大的机遇下，中国第一个超级应用会落地到哪个场景呢？36氪邀请到4位行业大咖和我们一起分享，内容经过36氪整理：
蓝色光标 Blue AI项目中心负责人 李林波先生
金隅写字楼 经营管理中心总监 焦秋红女士
跬智信息 联合创始人兼 CTO 李扬先生
TalkAI练口语 惊叹科技产品合伙人 巫希楠先生
4位大咖圆桌分享
邓咏仪：我们今天圆桌的主题是第一个超级应用场景，从ChatGPT爆火引发全球大模型的浪潮以来，算起来两年多的时间。
刚开始第一年大家开始讨论哪家大模型出来，迭代的怎么样，进入2024年我们发现这个话题慢慢转变了，大家在探讨哪里有应用怎么用起来，怎么把AI更好的用起来，才是人们关心的重点，非常荣幸请到各位嘉宾探讨超级应用落地的场景会在哪里。
想请四位嘉宾做一个简短的自我介绍，希望大家提到AI在公司的业务里怎么落地的。
李林波：我是来自蓝色光标的李林波，蓝色光标于去年9月发布了BLUE AI行业模型，基于AI赋能整合营销、广告投放、内容创作等业务，提供了数据、应用和内容的创新底座。
我们主要做三类事情，第一类是营销分析助手，BLUE AI模型支持行业内所有的市场研究和洞察类业务，包括大家熟悉的社交媒体内容，比如国内的小红书，出海的TikTok等垂直应用。 第二类是视频智剪，主要是运用AI生成以及文本驱动来做的智能应用。 第三类是AI Studio，用于赋能蓝标内部之间的提效和增速，蓝标鼓励全部员工在作业流程中使用AI工具办公。我们希望通过行业模型加速AI应用的进程。
邓咏仪：内外部同时用AI。
李扬：我叫李扬，来自Kyligence（跬智信息），我们做的是数字化决策AI和大数据底层技术，解决的问题像大家看到的那样，企业当中数字化决策需要来执行，怎么用数据技术更高效帮助每个人，以前是专家会做，以后是不是每个人在AI帮助下都像老手一样去应用。
巫希楠：大家好我是巫希楠，举个例子帮助大家理解我们的产品TalkAI练口语app。练口语，你掌握很多语法词汇还是不敢开口，可能因为你害怕或者因为各种原因，我们的场景是用AI帮你搭建环境练习，有环境练习更敢开口，不怕说错，在你说完每句话我们马上会对你说出的内容进行发音评估，语法纠错以及怎么样更加有地道的表达反馈，你可以获得及时反馈和随时互动的语言环境。针对不同画像人群，针对刚需场景也会进行AI的应用，要模拟外语面试，需要做雅思备考，你是学校的学生，需要做课后练习，需要做同声传译等。
邓咏仪：直接在手机上可以跟大模型一对一练口语，无论是发音还是反应速度都跟真人非常接近，大家回去可以试一下。最后想请焦总来介绍一下。
焦秋红：各位好，我是焦秋红，来自于金隅写字楼经营管理中心，负责环球贸易中心写字楼运营工作，我是来自传统行业房地产行业，我们传统行业传统项目是聚集了在国际国内最先进的科技企业，像国际上芯片半导体代表企业英特尔中国，高通半导体这都是我们的客户，我们还聚集国内先进企业，蘑菇车联，做语音搜索、语义搜索的出门问问，我的工作就是服务好这些企业，助力他们在环球贸易中心更好发展他们的业务。
AI超级应用，共识还未形成
邓咏仪：今天都是不同背景的公司，接下来进入集体提问环节，先抛出超级应用这个词给四位嘉宾都来讨论一下，讨论新鲜事物的前提要先定义清楚这个东西是什么或者说在我们的想象当中它到底会长什么样，也想请四位嘉宾都谈谈自己的看法和思考，就AI时代之下，大家认为超级应用应该符合哪些特点，或者说你们的想象当中应该长什么样。
李林波：目前AI圈子里大家的共识是超级应用还没有出现，大家都在探索，都希望这个东西快速出现，简单引用之前小川总的观点，现在所有的AI应用都在TPF（Technology-Product Fit）阶段，我们要用AI技术去找他做产品的关键点，当从TPF到PMF（Product Market fit）的时候，超级应用就会出现了。
我们自己内部做了大量营销场景AI Agent，也叫智能体，我们希望在垂直领域深耕，能让这个Agent变的好用，能让它作为模型、作为服务输出给更多的客户，真正的超级应用我相信是Agent的集合体，在这样的平台上可以生发出各种各样的智能体，有超级应用潜力的平台应该是能够支持各种各样的Agent在上面做衍生、开发，支持千行百业的需求，可能当模型能够作为服务输出的时候，超级应用就出现了。
邓咏仪：您更期待是非常多应用的集合体，而且是来自不同用户去创造的概念，更偏生态型概念，而不是某一家公司把这个公司给做出来了，这个环节可以自由讨论。
李扬：我的思路更简单一点，看结果，看普及率，在某个问题上大家公认这个问题就是AI界最好，就是超级应用，典型的比如国际象棋应该没有人下得过AI，比如说搜索，我们觉得这个就是超级入口，说到找东西就会想到搜索框，这就好理解为什么超级应用没有出来，很难说到一个问题一定AI答的最好，为什么，你问了AI五个问题，答对三个，有一个特别精彩，但还错了误导你，从这个角度很难说这个问题就是AI做的更好，在稳定性和准确性技术角度能够突破，来迎接超级应用的关键点。
巫希楠：我对超级应用的定义，日活或者活跃数据得够，用户对他黏性不够很难构成超级应用。
焦秋红：特别赞同刚才各位嘉宾分享的超级应用，我的理解大家感觉最接近最像的就是微信，最开始大家因为通讯需求使用这一个，现在我们在上面实现的目标、功能越来越多，不光是社交、沟通包括购物、预定看视频消遣等，我理解有点像超级应用的雏形。
举个例子，大家刚才说的超级应用更多是虚拟线上超级应用平台，我希望未来也会有现实当中的超级应用，比如像环球贸易中心是一个写字楼或者综合体，除了有办公功能，还有像酒店、购物、电影院、会议中心，有点像实体，还算不上超级但算是相对综合比较大规模的平台，超级应用更多关注点首先是功能要全，要满足人的不同需求大家现在离不开微信，维护这一个工具实现很多需求。这是我对超级应用的理解。
邓咏仪：四位嘉宾都从不同方面讲了对超级应用的理解，我的印象是李林波总和巫希楠总都提到生态性很重要的特点，有非常多的应用，应用在这个平台上才能称之为超级。李扬总提到渗透率，技术能够稳定才能形成超级应用，焦总描绘了超级应用可能出现的形状。
四位嘉宾来自不同的行业，怎么把AI用在生活里还是要一步步来，蓝标从去年开始已经公布AI方面的实践包括BLUE AI，AI大模型新技术自己怎么在用户场景找到新的服务需求。
李林波：第一方面，蓝标是要求全员都使用 AI 工具的，不限于内部工具还是外部工具，大家先有一个上手的体感，知道AI能做什么事情。
第二方面，我们会在工作流中找机会，它可能不是自顶向下构建出来的方向，而是自下向上从员工的工作流里面、从业务的工作流里面去发现，我们可能可以用 AI 在一些方面提高效率。
邓咏仪：能举个例子吗？
李林波：比如数据分析场景，营销行业里面会涉及大量的舆情类分析、用户评论分析等，过去大家会花费大量的时间研究整理，例如竞品的情况是什么样的？客户投放了哪些媒体？这些多媒体上的内容是什么样的？用户的反馈是什么之类的；AI介入以后，我们可以实现非常标准地数据收集清洗、分析流程，给到客户优化建议的方式，用AI赋能提效。
包括我们有大量广告投放的业务，互联网广告平台能够提供基础数据支撑，但每个客户的需求是个性化的，他关注的点是不一样的，A客户关心的可能是跑量素材是什么样的，B客户关心人群策略对不对，我们可以用AI给客户提供个性化服务的支撑，这就是从工作流里面发现机会。
还有一个重要的点，我们比较强调人机协同这个点，就是把AI当作副驾来看，人要驾驶这辆车。在和AI协同的时候，人首先要有一个自己的想法，怎么把AI用到营销和客户服务里面去。基于这一点员工会有很多自驱的想法，比如我在给客户的创意提案里怎么用AI优化已有的内容生产流程，或者是还有很多AI native 的想法，以前的广告片或者海报素材是需要实拍，那么现在可能有虚实结合的部分，比如我们之前跟宁德时代合作的案例，已经不再是大而全的TVC，而是每个消费者可以根据自己的头像生成属于自己的TVC，这个是人的创造力，是人主观的能动性和AI结合的场景。
邓咏仪：善于观察，日常生活有什么痛点需要解决还有动手能力比较强。
像李扬总提一个问题，跬智信息，去年发布了不少AI领域的新品，因为跬智信息做的相对底层的，在加入AI大模型能力的时候，你们会遇到什么挑战以及怎么解决的？
李扬：挺复杂的问题，我们做数据技术的，正好是夹在操作系统和终端应用方案之间，在数据时代我们提供的核心技术能力在亚秒级速度上快速计算海量百亿级别的数据。在AI时代，我们在这上面来做到帮助用户又准又快做数据决策，这是我们想做的事情，也是我们的定位。
在这个领域最难的怎么不犯错，不像写一个小作文或者画一个图、音乐，文艺向创作没有对错，在数据决策领域至少是在数据准确性方面是有清晰的对和不对，以及准确性100%要求再叠加到速度，就是看AI能不能在这个事上干得过人。
举个例子，我有一回想买一个篮球送给朋友的孩子当作礼物，我隐约记得女孩子篮球号的大小和篮球不一样，我就要做一个决策，我买哪一号的篮球，我问了三个不同的AI，我就不说名字了，我记得是6号或者是7号，我就问这三个AI，两个答案都给了，这个过程花了20分钟，对我决策没有任何帮助。
邓咏仪：你问女孩子的篮球是什么样的尺寸吗？
李扬：应该给女孩子买6号球，就是这个问题，可以看到在决策上这个事而言AI没有帮助到我，还是我自己搜索。放到企业也是同样的故事，当一个决策点来的时候，想要用最快的速度做出正确的决策，那个节骨眼能不能靠得住AI。我之前在eBay，是美国的电商，有一阵子因为谷歌搜索引擎算法调整，流量有大幅削减，这个时候很关键的决策点来了，我要去找这个流量到底是哪少了，可能买了Facebook的广告，有谷歌的投放，还有各种渠道错综在一起，当时eBay人员在大数据的帮助下，花了两周才定位到谷歌那边的排名影响。
两周的流量影响对eBay业务影响很大。作为企业管理者有没有信心用 AI在这个节骨眼争分夺秒做出正确决定，如果有一天这个答案不会给说出7号球，而是6号球，就成功了，这就实现了又准又快的数据决策。
能否真正解决问题，是AI超级应用出现的前提
邓咏仪：生成式AI出现以后，我们跟ChatGPT交互的时候，我让他帮我找一个数在互联网扒一个数，他的速度是很快的，很多人会联想到AI对数据库会有很大的冲击，像高可控性高可用性业务里边想用到生成式AI，在哪些方面会起到最大的作用？
李扬：个人来看，起到的作用就是15分钟里面我表演的那一段（全渠道营销场景），这就是我们现在比较看好的数字决策的方向，有点像以前的BI，以前人做决策就是看报表，以后AI可以结合知识库，在一堆数字报表基础上能够给到准确建议，你提的提问，它给你抓回来的数是准确的以及它给的专家建议也是准确的。
邓咏怡：巫总，TalkAI用自然语言交互而非用文字交互，是这一波生成式AI非常重要的重点，TalkAI在大模型之后普通人学习语言的模式会发生什么层面的变化？
巫希楠：首先我们觉得颠覆性有几个点，第一个我们也是以语言对话为主，一个用户要获取最终AI返回的发音要有几步，首先得说一段话，程序得把这段话转为一个文字，文字再发给大模型，大模型结合文字生成一段提示内容，再通过语音合成技术得到语音，这里面的步骤很多，步骤一多就会慢，这也是我们产品被用户吐槽的一点，一旦哪个环节出错，就会不生成，有一个非常关键的点，他是把文本、音频甚至是图像信息融合起来一起传进大模型生成，返回的结果也是混合型的，按照他们的说法把原本这么多环节5.4秒返回速度变为300毫秒，速度快很多。
经过那么多步骤信息会被损失掉，正常交流的时候会有肢体语言、表情，用语音识别能力是识别不出来能力的，大模型能够看出你的表情、肢体语言这个事情就非常有想象力，4o的恢复是非常有感情的，调节感情、语速会更加有同理心，放到教育是非常重要的点。
教育行业会有两个非常大的痛点，教育是反人性的，人天然是比较懒惰的，让他学一个东西是非常难的，解决这个问题，一般来说最重要是两个点，第一个是你得提升一个人的学习动力，没有动力没有办法学。
第二个提高学习效率，拿4o举例，我们更希望跟机器学习还是更像人的老师学习，我相信大部分人的选择是后者，4o能力出来以后，一个有感情能够理解你的老师向你传授知识，你是更有动力学习的，4o一出来，对学习动力提升是非常明显的。 第二个在openAI演示里面有一个场景，演示者在做一道数学题，通过视频实时把数学题传给大模型，大模型不会直接告诉你答案，而是一步步引导你你应该先怎样思考，下一步再怎样思考，这样的学习方式很像老师循循善诱的给你讲重点，为什么学生在课外学习效率低，就是没有反馈。
我拿一个教育+音乐，练钢琴这个事，课后有一个专门陪练老师盯着你练琴和没有老师盯着你练琴，孩子的注意力差别是巨大的，假如4o可以识别你学习的环境，你没问题的时候我不打扰你，你有问题就问4o这个题怎么说，4o像老师一步步引导，马上获得反馈感知进步，这对你学习效率本身的提升也是非常巨大的点。 顺着刚才的角度说，未来不仅是语言学习，在语言学习的角度，有更强多模态理解能力大模型，它的学习方式更像有真人老师陪着你，你的学习动力都会得到提升。
邓咏仪：刚才巫总讲到一个观点，像4o交互层面巨大的创新和变化，对产品革新的意义，真正让AI从工具属性走到了伴侣一样的属性，你把它当作闹钟或者是定时器、搜索工具想到的时候才会用，学习场景不可能说主动想要去学习就会去用他，未来变的更智能，变的像老师一样，像流程推进者推进学习的过程，这个是AI从工具到人非常关键的转折点。
焦总，金隅集团是国内领先的地产服务商，他们非常关注AI，AI在落地到千行百业的时候，跟实体行业的结合是特别不容易的，请焦总就这个方面跟我们聊一聊，您认为将AI应用在实体行业比如房地产领域遇到的挑战或者是难点会在什么地方？
焦秋红：这个问题举一个实际例子解答，在AI技术应用在传统行业或者房地产行业领域当中，跟其他行业一样遇到的问题，大家会顾虑个人隐私和数据安全的问题，拿我们项目来说， 智能安防管控比如大厦人员进出是通过线上二维码+闸机管控方式，有的是用人脸识别手段。
这个系统刚上线还是会有客户担心个人隐私的问题，我们做了很多沟通和解释工作，包括我们也去调整后台的管控措施，我们设立专属机房保存我们的数据，调整信息保密制度做成分级保密制度，有不同权限，让客户放心把数据交给我们，让客户顾虑逐步的减轻，把核心信息存储起来推行使用。
这个过程中还是要有一定的周期或者是时间，任何一项AI技术的推广首先还是要让大家的观点有一个更新或者是接受，我们把闸机希望用线上管控受运用起来，客户还是要让渡一些个人隐私，在哪家公司上班，什么时候上下班，什么时候接待什么人，这个需要跟客户沟通解释，他要解释这一点。
还有后台更新码的完善，观念上更新和管理手段结合才能够让AI发挥到最大的价值。
邓咏仪：焦总提到的问题，在场做企业的听众也关心，生成式AI到来以后，数据安全更频繁的被大家提起，给到AI的数据更多，不知道AI怎么训练你的数据，我不知道这个问题像李扬总有没有想说的，李扬总是数据安全，未来怎么解决这个问题？
李扬：2B、2C是不一样的性质，2B公司老总说这个闸机我要用，员工选择不太多，2B安全性怎么能够被控制，涉及到大模型的不确定性，怎么保证数据的确定性，这个有点矛盾，这里涉及到核心技术手段，比如我是不能让大模型直接处理数据的，因为它不可靠，当中得过一个可靠的中间人，在我们的解决方案就是指标平台，大模型负责把用户的诉求转换成指标或者是数据分析角度的表达，靠指标平台去守门，指标平台有权限、组织员工的各种等级，前面说到的都有了，这是2B的领域。 2C，就是看个人愿不愿意为了他获得的便利或者给时间增值来让度自己信息安全的风险。
邓咏仪：2C可能更灰色一些，2B还是有很多切实可落地的方向。
谢谢四位嘉宾精彩的回答，关于超级应用落地的问题，我们既有比较远大的愿景，也有切实一步步把AI先落地到日常跟日常生活、工作场景的手段。
比如说三到五年后，大家期待AI做到什么样子，以自己工作、生活场景里来说，什么工作不想做或者三到五年后这个工作很快被AI取代。
李林波：从我的视角来说，更强的AI助手是值得期待的方向，包括垂直领域的知识理解、数据理解、技能的掌握、工作流的掌握等等，随着积累越来越多，在垂直领域AI助手会越来越强，会真正变成人的副驾。从企业应用场景来说，人会站在AI的肩膀上提供服务，给客户提供服务质量都会大大的提高。 另外一个期待的事情就是多模态，大家现在应该已经看到雏形了，无论是视频、音频的理解，包括情绪理解，视频生成等方面，我相信在未来也会很快发生翻天覆地的变化，这给大家带来的既是内容生成的想象空间，也是新的实时交互的想象空间。
AI现在看起来更多还是在解决大家工作上的提效降本，未来也会带来更多的情绪价值，这个情绪价值不仅限于人和AI之间的交互，也是企业和消费者之间的、AI和AI之间互动带来的情绪价值。
李扬：我对这个情绪非常期待，我有一个愿望，三五年以后，大家每周工作四天就可以了，有一些国家地区已经在试行了，AI帮助我们生产力有一个巨大的飞跃，大家每周工作四天，如果技术真的做到这一步大家都会很开心。
巫希楠：我说一个具体工作中，我是偏产品，目前相比较以前互联网时代的产品，AI时代的产品对于提示词的要求比较高，现在产品很大一部分的工作要做提示词，希望未来三到五年内可以不用研究提示词这个事情，因为企业这个事情你要答那个东西，如果以后AI比较智能，跟AI说一句话，AI把所有流程分析出来，这是目前工作中要花时间比较多的细节，展望一下。
焦秋红：设想一下，李扬总说的现在很多企业推行四天工作制，作为传统行业从业人员来说，我们确实也观察到趋势的变化，未来我们所谓办公场所，功能会在复合化、多元化，以后大家来上班不仅仅是来上班，可能是来社交、购物、娱乐，总之不管是上三天班还是四天班，人是需要交往的，人是需要面对面交流和沟通的，我们来这里上班进到大楼里，这个大楼是智能化，可以根据今天的天气以及调整好空调的温度，根据空气指数调整好新风量，阳光角度，大家在这里面很舒适，高效处理好我的工作，跟我的朋友去交谈、聚会，也可以在公园里办公，非常轻松的把工作干了，我相信未来如果有这样的办公场景，如果我们做出来，我相信李扬总一周能来五六天，而不是四天了。