“AI 应该让我们变成更好的自己。” 在很多关于 AI 的讨论里，人们习惯从模型、算力、编程、产业效率谈起。但当 AI 开始能说话、能创作、能陪伴、能协助我们整理记忆时，它就不再只是一个技术议题，也变成了一个人文议题。 这一期《原点Talk》，我们请到了一淼AI创新工作室主理人李一淼。 她曾是文旅规划设计师，做过景观设计、生态规划和城市更新，也曾在教育领域教授人文地理、历史和英语；如今，她把自己的方向定义为“AI 人文创新教育”。 【章节】 00:00–02:30 开场与自我定位：跨界嘉宾与"AI 人文"主线 02:31–14:24 选择景观：从理科生的人文偏好到生态视角的觉醒 14:25–27:11 西雅图工作、回国大公司与 2015 年第一次创业 27:12–35:36 转折：孩子、读书会、AP 教师与对一对一教育的偏爱 35:37–45:44 AI 与文旅设计：2021 年用 Stable Diffusion 替代"意向图" 45:45–01:01:08 教育理念：混龄、SEL，与 AI 时代的口述史 01:01:09–01:07:28 给 AI 下定义与"citydig"：体验是不可替代的 01:07:29–01:14:17 OPC 的内核：每个人都是一个"离线 AI" 【嘉宾信息】 主持： 孙封蕾 至顶科技战略生态总监 嘉宾： 李一淼 一淼AI创新工作室主理人 【在这里找到我们】 公众号：科技行者（itechwalker） 播客渠道：苹果播客｜小宇宙｜喜马拉雅｜蜻蜓FM 【监制】高飞 【文稿】于佳卉 【后期】陈征 【支持】高书葆、孙封蕾

“AI一天，人间一年。” 这句话在过去两个月里，变得越来越真实。 两个月前，我们计划围绕Notion创始人Ivan Zhao那篇《蒸汽、钢铁与无限心智》的博客，与PingCAP副总裁刘松展开一次对谈。然而，当这场对话真正发生时，AI世界已经又向前狂奔了一大截。 大模型辅助编程越过了临界点，Agent开始以“数字员工”的形态进入白领工作桌面，Skill成为新的组织能力单元，人机协作的范式正在被重新改写。 这也让原本关于一篇blog的讨论，延展成了一场对AI时代根本命题的追问： 当智力获取成本无限降低，人如何避免沦为“无用阶层”？ 当Agent能自主且持续地完成任务，组织形态会发生什么变化？ 当软件开发、知识工作甚至科学发现都被不断加速，我们应该守住护城河，还是奔向新大陆？ 录制开始前，刘松注意到墙上三幅爵士主题的画。他说，爵士乐源自法语中的交谈，不是刻板的乐谱演奏，而是乐手之间的彼此回应、随机推进和现场创作，每一次演奏都像是在重新作曲。某种意义上，这这恰如其分地描绘了人类与AI未来的协作形态。 这场对话从Coding临界点聊到Agent协作，从“无用阶层”的焦虑聊到藏传佛教的“智悲双运”。刘松给出了他对AI的三重价值判断：绝对生产力的爆发、理解世界的新钥匙，以及人机长期协作的范式。 这场漫谈最后落脚于一个温暖的期许：AI会让人类拥有更长久的健康与更自由的精神，这或许就是技术进步赋予我们最笃定、也最能抚慰人心的事。 【章节】 第一章：开场与AI巨变概览（00:00 – 05:50） - 播客缘起：迟到之约、Notion博客《钢铁与无限心智》 - 爵士精神：交谈、即兴、随机创作 - AI近两月巨变：Coding超临界点，SaaS上限被锁死 - Agent（龙虾）、Cowork、Skill概念出现 第二章：AI颠覆软件行业与白领工作（05:50 – 14:05） - PingCap实践：一人+多Agent，百倍效率（数据库开发） - 从Coding到软件到知识工作者：替换链条 - 不能简单外推：垂直行业（医疗、金融、制造）的边界条件 - 护城河雏形：私有数据、未被数字化的知识、隐含经验 第三章：AI的智力边界与意识哲学（14:05 – 28:20） - COBOL的例子：大模型解构“夕阳知识”，智力垄断被打破 - 学习学与模型自我递归：从预训练到自反馈强化学习 - 意识问题：AI是否有弱意识？人类意识本身也是谜 - 哲学家与AI宪法：价值观、伦理、负责任的AI - 智悲双运：生产力与分配矛盾，无用阶层的合理担忧 第四章：AI理解世界与中美产业格局（28:20 – 43:00） - AI跨界交叉能力：全科医生、罕见病筛查、科学发现 - 语言是一维压缩，人脑是高维；AI可绕过语言限制 - 电媒介与光速：信息获取的颠覆 - 中美对比：字节/谷歌的叠加态优势（C端流量+B端模型） - 独立大模型公司的流量短板 第五章：护城河重构与未来趋势（43:00 – 56:00） - 两种护城河：资源垄断（COBOL式） vs 技术垄断（英伟达式） - SaaS水平类公司护城河变薄，垂直领域私有数据+行业模型仍有价值 - 小公司、非技术人、品位的稀缺性 - 提示工程 → 上下文工程 → Harness工程（全流程管控） 第六章：预测、选择与结语（56:00 – 01:02:30） - Agent已具备能动性，相当于入职半年的硕士生 - 预测（6个月后）：软件/互联网/金融行业Agent数量超过人类 - 电力成为下一瓶颈 - 三个选择：桃花源（黑域）、旧世界（被动随波逐流）、新大陆（主动拥抱AI） - 最佳策略：发展逃逸速度，让AI服务于更健康、更长寿的生活 【嘉宾信息】 主持： 高飞 至顶科技CEO兼总编辑 嘉宾： 刘松 PingCAP副总裁 【在这里找到我们】 公众号：科技行者（itechwalker） 播客渠道：苹果播客｜小宇宙｜喜马拉雅｜蜻蜓FM 【监制】高飞 【文稿】于佳卉 【后期】陈征 【支持】高书葆、孙封蕾

在探索女性健康解决方案的过程中，娄雪慈注意到了一个显著的缺口：科技能预测天气、优化交通，却似乎还没有读懂女性身体的微妙变化。 “为什么？” 娄雪慈通过数据分析发现，2025年，仅小红书上关于女性健康的讨论量就高达120亿次，各大互联网医疗平台上妇科问询量常年稳居前五。“为什么在技术如此发达的今天，女性还要在社交平台上互相支招，却缺乏专业系统的健康管理工具？”这个问题在娄雪慈脑海中挥之不去。 作为曾在滴滴负责商业分析、医联担任战略总监的互联网资深人士，她意识到了问题的根源：“站在互联网前端的女性从业者太少了，导致女性真实的健康需求没有被充分表达和认知。” 在她眼中，女性健康已经经历了三个发展阶段：第一阶段，人们简单地认为妇科健康就等同于女性健康；第二阶段，认为基本的消毒消杀就能保障健康；第三阶段，开始关注心理健康以及心理与生活的协调。 而如今，娄雪慈认为女性健康正迎来“第四波浪潮”：“女性健康不再是简单的妇科问题，而是一个涵盖心理状态、运动营养、生活方式的复杂系统工程。”这一理念成为了她创业的核心指引。 于是，她创立了特蕾莎科技，开发了一款结合了妇科专业知识与用户体验的AI Agent（智能体）产品「洛小安」。它是一款软硬结合的产品，硬件实体是一枚智能戒指，软件方面有别于市场上的简单记录工具，「洛小安」能无感采集佩戴者的生理数据，结合大模型分析，提前预警身体变化，甚至在女性情绪波动前就给出干预建议。 娄雪慈强调，这不仅是一枚智能戒指，更是一个被自己寄予厚望，希望能陪伴女性度过人生不同阶段的AI闺蜜。 有趣的是，在当前AI创业的硬核赛道上，大家各拼所长，而这位文科背景、金融出身的女性创业者遵循着一个独特公式： “产品价值=新体验-旧体验”。 她押注的不仅是技术参数，更是女性天然的共情力和细腻度，以及打磨到极致的用户体验。 这正是这场对话中最具启发性的瞬间之一。 【章节】 � 00:00–01:42 | 嘉宾介绍 & 公司背景 � 02:05–04:02 | 为什么做女性健康？从亲身体验到市场洞察 � 04:43–06:06 | 女性健康认知的四个阶段 � 06:28–08:21 | 重新认识自己的身体周期 � 08:22–10:52 | 产品思路：软硬结合，无感采集 � 10:53–12:24 | 种子用户与推广策略 � 12:25–15:13 | 商业模式 & 产品定位 � 15:14–17:20 | 数据隐私与医疗合规 � 17:21–18:41 | 面对大厂竞争的底气 � 19:00–19:49 | 赛道最大变量：AI 真正读懂你 � 19:50–21:35 | 出海规划与制造策略 � 21:36–22:52 | 写给还在犹豫的女性创业者 � 22:53–23:22 | 女性在 AI 创业中的独特优势 � 23:23–24:40 | 未来展望 【嘉宾信息】 主持： 孙封蕾 至顶科技战略生态总监 嘉宾： 娄雪慈 特蕾莎科技创始人兼CEO 【在这里找到我们】 公众号：科技行者（itechwalker） 播客渠道：苹果播客｜小宇宙｜喜马拉雅｜蜻蜓FM 【监制】高飞 【文稿】周雅 【后期】陈征 【支持】高书葆、孙封蕾

AR 眼镜被说成“下一代终端”已经很多年了，但现实是，大多数人至今没用过。 低空经济这两年特别热，可真正做过的人都知道，光有飞行器，其实跑不起来。 这期节目，我们找了两位连续创业者坐下来聊聊。 一位做过 AR 眼镜上游核心技术，后来干脆放下眼镜，转去做面向孩子的学习产品； 一位在低空领域做了十几年装备，现在专门补低空最容易被忽略的那一环：地面和基础设施。 他们没有讲宏大叙事，更多是在聊一些很现实的问题： 赛道到底该怎么选？ 产品是不是一定要“大而全”？ 在变化这么快的时代，技术优势还能不能当护城河？ 如果你关注 AI 硬件、低空经济，或者正处在创业、转型的阶段，这是一场挺真诚、也挺有参考价值的对话。 【章节】 00:00｜为什么今天要聊「从用户痛点到产品闭环」 定位整期访谈主题：创业、产品、系统级硬件 04:30｜从 AR 上游到 C 端：一次彻底的创业转向 B 端 vs C 端，为什么“做眼镜”反而不适合创业者 11:30｜AR 眼镜为什么这么难？真正卡住的三件事 光学 / 芯片 / 电池，为什么至今没替代手机 19:30｜低空经济到底是不是伪风口？ 从 10 年通航困局，到 2024 低空经济元年 27:00｜只有飞行器，为什么跑不起来低空经济 低空真正的瓶颈：基础设施与专业设备 35:30｜为什么 2025 年是「低空基建元年」 起降场、牵引机器人、智能塔台在解决什么问题 45:00｜AI 台灯是怎么被想出来的？ 一个家长视角的真实痛点：孩子到底该怎么用 AI 55:00｜AI 硬件最大的坑，不在制造 产品定义、场景取舍，比技术更致命 1:05:00｜创业的“护城河”到底是什么？ 技术会被追平，但需求理解不会 1:14:00｜三到五年后，我们会坐“空中滴滴”吗？ 低空出行与 AI 终端的真实时间表 【嘉宾信息】 主持： 高飞 至顶科技CEO、科技行者创始人 嘉宾： 赵楠 睿安飞科技CEO 朱庆峰 睿觉科技CEO 【在这里找到我们】 公众号：科技行者（itechwalker） 播客渠道：苹果播客｜小宇宙｜喜马拉雅｜蜻蜓FM 【监制】高飞 【后期】陈征 【运营】周雅 【支持】高书葆、孙封蕾

本期原点Talk邀请小水智能CEO孙雪峰，深度对话AI硬件出海的实战方法论。孙雪峰带领团队打造的AI儿童腕表已实现年出货超100万台，在细分赛道超越多家传统大厂，成为火山引擎、通义千问的年度合作伙伴。 对话围绕三个核心议题展开： 第一，创业者如何与大厂竞争——关键在于"找到针尖那个小的细分点"，CEO亲力亲为的投入度是大厂团队无法匹敌的； 第二，AI时代的出海逻辑已彻底改变——不再是低毛利的价格战，而是带着智慧、带着AI能力去赚高毛利； 第三，出海的正确姿势是"战略要早、动作要慢"——宁可CEO多跑几趟目标市场，也不要着急派团队出去。 孙雪峰还分享了AI对企业管理模式的影响：未来企业扩张不靠招聘，而是连接超级个体。他给传统企业的建议是"脚踏实地、仰望星空"——原有业务用AI降本增效，同时与AI原生人才孵化全新项目。 【章节】 00:00 - 开场：中国出海优势 00:57 - 小水智能：AI儿童腕表领先者 01:58 - 后发先至的竞争策略 03:29 - 细分赛道的降维打击 05:02 - CEO如何学习使用AI 06:19 - 出海战略：越早越好 08:53 - 出海合作伙伴：Google生态 10:53 - 国内未覆盖就启动出海 13:08 - 市场选择：先发展中国家后欧美 15:39 - AI降低全球化门槛 17:44 - AI时代出海的高毛利机会 19:49 - 合规问题：入乡随俗 20:37 - 出海最大的坑：着急 22:30 - AI创业的两类企业 24:22 - 寻找超级个体 27:01 - AI硬件创业：快速起量是关键 29:30 - 小水智能的生态赋能 30:32 - 2026目标：登陆CES 32:37 - 全员营销的新玩法 33:32 - 总结：出海三部曲 【嘉宾信息】 主持：高飞 至顶科技CEO 嘉宾：孙雪峰 小水智能CEO / 中欧校友协会创业协分会会长 【在这里找到我们】 公众号：科技行者 播客渠道：苹果播客｜小宇宙｜喜马拉雅｜蜻蜓FM 【监制】高飞 【后期】陈征 【运营】周雅 【支持】高书葆、孙封蕾

不久前，借PEC China第二届提示工程峰会的契机，一场关于AI创业现实的《原点Talk》对话在此展开。 【主持人】 至顶科技总编辑、PEC联合发起人高飞 【对话嘉宾】 PingCAP副总裁刘松 云蝠智能创始人魏佳星 星汉未来创始人刘道儒 小水智能CEO孙雪峰 AI四合院联合创始人冯昊 水木清华校友种子基金管理合伙人王学辉 纵览全场，“信息差”是反复出现的核心矛盾，但这种差异并非互联网早期那种简单的信息不对称，说它是一种结构性的认知断层，会更合适一些。 当北京、杭州的创业者已经在探讨“世界模型”的实现路径时，在地方上，200多名学生中可能仅有一人接触过“豆包”，华强北的一些硬件厂商对AI的理解，或许还停留在给摄像头贴上“AI”标签的营销层面。 所以，技术浪潮的推进从来不是均速的。在新的技术范式下，优势并不必然属于技术的发明者，而是属于那些最先洞察技术将成为基础设施、并据此重构商业模式的人。 这场对话的嘉宾都是来自一线的实践者，所以，这场讨论没有试图定义AGI（通用人工智能）的未来，也没有人预测下技术奇点。大家关注的是极其具体、甚至略显“粗粝”的现实问题： 数字人的定制成本如何实现百倍骤降？儿童智能手表如何抓住用户心智？智能客服如何按照业务结果收费？ 这些微观的商业实践，或许更能揭示这场变革的真实走向。 【在这里找到我们】 公众号：科技行者 播客渠道：苹果播客｜小宇宙｜喜马拉雅｜蜻蜓FM 【监制】高飞 【后期】陈征 【运营】周雅 【文案】邓震东 【支持】高书葆、孙封蕾

一汽是如何把自己打造成AI车企的？ 从Digitalization到Tokenization，智能化的本质到底是什么？ 为什么说未来企业的管理范式，将从ERP转向EOA？ 本期《电子替身》节目，邀请到了中国一汽红旗品牌运营委员会副总裁门欣、阿里云AI汽车行业总经理李强、阿里云研究中心主任安筱鹏，与大家分享传统车企巨头一汽，是如何通过数据治理和组织变革，把自己打造成一家连新势力都要来取经的AI车企。节目深入探讨了从数字化到智能化的范式革命，以及EOA（企业运营智能体）如何颠覆传统的ERP管理模式。 【主播/主持人】 至顶科技CEO兼总编辑 高飞 【嘉宾】 门欣，中国一汽红旗品牌运营委员会副总裁 李强，阿里云AI汽车行业总经理 安筱鹏，阿里云研究中心主任 【以下是本期播客的后记，来自来自至顶科技CEO兼总编辑高飞】 前一阵，我去了一趟长春一汽总部，和中国一汽红旗品牌运营委员会副总裁门欣、阿里云AI汽车行业总经理李强、阿里云研究中心主任安筱鹏做了场对话，做了一期播客，感觉很有启发。 我一直是康威定律的信徒，也就是有什么样的组织结构，就有什么样的产品。所以，汽车产品AI化的浪潮之下，车企自身作为一个企业，如何AI转型？ 没想到，一汽有一套很完整的方法论，而且有新势力车企到一汽取经（你没看错）。所以，不仅仅是车企，传统企业AI转型，都应该能从一汽这里得到很多启发。 根据播客总结了九个核心观点，具体请大家听音频，很有“哲学三问”的味道： 一、核心洞察 1、大模型正在引发三场根本性革命 安筱鹏的判断是：大模型不只是技术迭代，而是整个时代的转折点。 • 计算范式革命：英伟达市值超4万亿美元的背后，是整个数字技术体系从CPU切换到GPU为核心，这不仅仅是芯片的更替，而是意味着存储、网络、架构、操作系统、调度系统、数据库到应用的全面重构，整个技术栈都在经历一场彻底的换血。 • 认知协作革命：互联网时代的本质是信息匹配创造商业模式，所以有了"羊毛出在猪身上"的广告模式，而AI大模型的核心是为问题找答案、给出最短路径，商业逻辑变成了"羊毛出在羊身上"，你创造多少价值就收多少钱，这种直接的价值交换模式，让企业必须真正思考如何为用户创造价值。 • 人机交互革命：从40年前需要掌握汇编语言才能与机器对话，到DOS时代的命令行，再到Windows的图形界面，如今我们直接用自然语言交互，"说话就可以变成代码"，这种交互方式的代际跃迁，正在重新定义人与机器的关系边界。 "5到10年内，一切智能硬件都会被AI大模型驱动，一切软件都会被AI大模型重构，一切数据会被AI大模型激活。" 2、从Digitalization到Tokenization：智能化的本质 30年前《数字化生存》定义了一个时代，今天我们需要新的概念来理解智能化。这可能是整场对话中最具启发性的概念区分。 • 数字化时代的核心是Digitalization：把世界的信号转换成"01"代码，然后用基于规则的软件处理，但这种处理能力始终有限，就像门总说的，总是做到0.8就差最后0.2分才到满分，那种"差一口气"的感觉让很多数字化项目始终无法产生质变。 • 智能化时代的核心是Tokenization：把所有数据变成Token，无论是点云、摄像头还是雷达数据，都能变成同一维度处理，实现了"车同轨书同文"，这种统一让之前看似不相关的数据能够产生化学反应，多传感器融合的难题迎刃而解。 • 为什么Token如此重要：李强认为，"你只有真正理解了Token，才能理解这轮AI大模型的本质"，因为Token化不是简单的格式转换，而是让机器能够理解和处理人类世界的复杂性，让之前无法统一处理的多模态数据有了共同语言，这是从量变到质变的关键。 门欣用了一个生动的比喻："数据是21世纪的石油，但石油不能直接放在车里，需要提炼。Tokenization就是这个提炼过程，完成了从数据到价值的真正转化。" 3、一汽的"无心插柳"：4年前就开始的数据治理 当大部分企业在2023年才开始组建AI团队时，一汽的准备工作已经进行了4年。门欣坦言，这种超前布局并非完全出于战略预见，而是一种对数据价值的直觉判断。 • 方法论先行：建立了标准化的数据治理体系，信息架构是"六阶十八步"，指标治理是"五阶十六步"，把汽车工程化的思维应用到数据治理，这种标准化不是为了好看，而是确保每一个数据都有明确的来源、用途和质量标准，为后来的AI应用打下了坚实基础。 • 从被动到主动：不是去治理已有数据库里的"死数据"，而是"返回来，按照服务端的需求"主动设计数据采集和治理，门总说"数据在那，如果没有服务端的需求，它是没有价值的"，这种价值导向的数据治理思路，避免了很多企业陷入的"为了数字化而数字化"的陷阱。 • 清洁数据的重要性："没有清洁数据，大模型一跑就中毒了"，这个苦活必须干，而且不能干错，一汽为此培养了专门的数据管家团队，建立了完整的数据质量管理体系，这些看似枯燥的基础工作，恰恰是AI能够发挥作用的前提条件。 "我自己亲身感受是，我之前三四年做的所有事，都是在等这一刻。" 李强回忆说，"当时也不知道路在何方，但门总给我们讲的过程，让我们看到了一个很不一样的数字化转型路径。" 4、颠覆性的组织变革：IT不再是服务部门 传统企业的IT部门往往是"背锅侠"：业务部门提需求，IT部门实现，权责利都不清。一汽彻底颠覆了这个模式。 • 角色反转：传统模式是业务部门提需求、IT部门执行，一汽反过来，"我们提需求，业务部门办"，这不是简单的职责调换，而是让最懂技术可能性的人来设计业务流程，让最懂业务痛点的人来实施改造，双方的积极性都被充分调动起来。 • 全员赋能：培训各部门的"数据管家"，开发数据治理工作台，让业务人员自己做数据治理，"他需要什么数据，他需要什么指标，他自己做"，这种赋能不是简单的培训，而是真正让业务人员掌握数字化工具，成为自己领域的"数字化专家"，打破了技术与业务的隔阂。 • 战队模式：把业务的人和信息化的人整合到一个战队，共同推进项目，这种模式下，技术人员理解了业务逻辑，业务人员掌握了技术思维，形成了真正的"双向奔赴"，而不是传统的甲乙方关系或者部门墙。 5、EOA vs ERP：企业管理范式的根本转变 如果说ERP代表了工业时代企业管理的巅峰，那么EOA（企业运营智能体）则预示着智能时代的新范式。门欣提出的这个概念，不是对ERP的修修补补，而是彻底的重构。 • ERP的本质问题：基于财务和产销存的系统，业务跟着系统走，"很多企业放弃了自我思考"，SAP怎么设计模块，企业就怎么调整流程，数据服务系统而非创造价值，这种"削足适履"的做法，让很多企业的数字化转型变成了"上ERP找死，不上ERP等死"的两难困境。 • EOA的核心理念：基于数据成熟度自动流转，每个业务活动产生的数据成熟到一定阈值，就自动触发下一步工作，"不用等，它自己就在走"，这种基于数据驱动的业务流转，打破了传统的部门墙和审批链，让企业运营像生物体一样具有自适应能力。 • 实践成果：中国一汽红旗采购定点发包、供应商协同、报价全部自动化，"人已经不在过程中干预了，人真正的作业对象是模型"，这不是简单的流程自动化，而是让人从执行者变成了规则制定者和异常处理者，真正实现了人机协同的新境界。 "在中国一汽现在已经没有ERP的概念，全部打碎，形成基于数据流转、人工作业孪生的体系。" 李强作为前ERP专家感慨："门总给我讲这个东西时，我觉得是把ERP完全改变了一个时代。" 6、垂直行业大模型的必要性 一汽选择了打造自己的汽车行业大模型。这个决定背后，是对企业核心竞争力的理解。 • 通用模型的局限：响应太慢影响用户体验、幻觉问题导致决策失误、准确性不足无法满足专业需求，"不足以满足我们对企业改造的需求"，更重要的是，通用模型无法理解汽车行业的专业术语、业务逻辑和安全要求，简单套用只会产生"鸡同鸭讲"的效果。 • 垂域优势：基于汽车产业70年积累的优良、干净数据集训练，让模型"更准、更有效、发挥更大潜能"，这些数据包含了从研发设计到生产制造、从供应链到售后服务的全链条知识，是一汽独特的数字资产，也是构建竞争壁垒的关键。 • 能力建设："最重要的是培养了这个团队这群人，他们会用AI视角改造企业和产品"，技术可以购买，但能力必须自建，通过自主训练大模型，一汽培养了一支既懂汽车又懂AI的复合型团队，这才是真正的护城河。 门欣的核心观点："企业真正的发展不是战略牵引的，是能力溢出牵引的。AI能力可能成为中国一汽面向未来的核心能力。" 而阿里云也为一汽大模型提供了三重关键支撑：基础模型上，通义千问作为全球领先的开源模型提供技术底座，每三个月迭代一次，确保持续进化；差异化能力上，阿里云将部分未公开的先进模型定向开源给一汽，并派出专家团队深度参与，实现模型能力与汽车专业知识的融合；算力保障上，提供从CPU到各档位GPU的灵活配置，支撑从训练到调优的全流程需求。 7、座舱智能化的奇点时刻 2024年，多个技术要素的成熟度同时越过临界点，座舱智能化迎来了真正的爆发期。这不是渐进式改良，而是体验的代际跃迁。 • 硬件突破：新一代芯片算力提升10倍，"过去的芯片算力不够，模型大了跑不起来，模型小了效果很差"，现在终于可以在端侧运行真正有用的大模型，延迟从秒级降到毫秒级，用户体验产生质的飞跃，那种"说话就懂"的自然交互成为可能。 • 模型进化：通义模型"尺寸变得更小，但比过去尺寸大一倍的模型还能打"，这种效率提升不是简单的优化，而是模型架构和训练方法的革命性突破，让原本只能在云端运行的能力下沉到端侧，实现了"离线可用、实时响应"的理想状态。 • 体验革命：未来座舱将成为"另一个你"，辅助驾驶能学习个人驾驶风格，实现"千人千面"而非"千人一面"，这种个性化不是简单的参数调整，而是AI真正理解了你的习惯、偏好甚至情绪，车不再是冰冷的机器，而是懂你的伙伴。 门欣的前瞻思考："如果语言交互、肢体眼神交互甚至脑机接口都实现了，还需要那些大屏和按钮吗？就像Windows取代DOS，自然交互将彻底改变汽车的形态。" 8、从制造商到运营商的身份转变 汽车企业的本质是什么？安筱鹏给出了一个颠覆性的答案：不是制造商，而是运营商。这个定位的转变，将深刻影响企业的战略选择和资源配置。 • 关系重构：车企与车的关系从"卖完拜拜"变成"持续连接"、车主与车的关系从"拥有工具"变成"享受服务"、车与服务生态的关系从"孤岛"变成"节点"，这三重关系的重构，让汽车从一个产品变成了一个平台，从一次性交易变成了持续运营。 • 运营商模式："中国移动是运营商，载体是手机；汽车公司也是运营商，载体是车"，要实时洞察客户需求、实时满足、提供极致体验，这意味着车企要像互联网公司一样思考用户生命周期价值，通过OTA升级、增值服务、生态连接来创造持续价值。 • 价值创造：从一次性销售转向持续运营，从产品思维转向服务思维，从硬件利润转向软件和服务收入，这种转变不是简单的商业模式调整，而是要求企业具备完全不同的能力：数据分析能力、用户运营能力、生态整合能力。 "未来所有的企业都应当是一个运营商"，这个判断的背后，是对智能时代商业逻辑的深刻洞察。 9、数据视角下的企业运营革命 如果把企业比作一个生命体，传统管理是解剖学思维（组织架构），而数据驱动是生理学思维（信息流动）。门欣关于数据成熟度的观点，代表了管理思维的根本转变。 • 传统困境：基于组织和流程的管理，"路径不是最短的，协同起来非常难"，因为你要考虑部门利益、权力结构、历史包袱，每个决策都要经过层层审批，信息在传递中衰减和扭曲，最终导致大企业病：决策慢、执行难、创新少。 • 数据视角：通过数据成熟度触发业务流转，"金字塔组织和流程都会消弭于无形"，数据不会说谎、不会推诿、不会延迟，当数据达到设定阈值，业务自动推进，这种机制让企业运营像神经系统一样敏捷，而不是像官僚机构一样迟缓。 • 去审批化：过去几年最大成就是去审批化，"审批到底在审什么？用Token化方式一条条说清楚，模型化，审批就干掉了"，这不是简单的流程优化，而是把人的经验和判断转化为机器可执行的规则，让决策从"人治"走向"智治"。 "每个业务活动产生的数据，它的数据成熟到一定阈值，它就可以开始下一步的工作"，这种基于数据成熟度的自动流转机制，可能是企业管理的下一个范式。 【在这里找到我们】 公众号：科技行者（ID：itechwalker）� 收听渠道：喜马拉雅｜苹果播客｜小宇宙｜蜻蜓FM

从端到端到世界模型，智能驾驶如何翻越四座大山？ 真正的L3/L4啥时候能到来？ AI老司机的感觉是怎么培养出来的？ 本期《电子替身》邀请到了卓驭科技CEO沈劭劼，阿里云智能集团AI汽车线总经理李强，与大家分享目前智能驾驶的技术演进路线；为什么做端到端；VLA的价值；如何从汽车的角度看世界模型；另外也探讨了真正的L3/L4实现的方法。 【主播】 高飞，至顶科技CEO兼总编辑 【嘉宾】 沈劭劼，卓驭科技CEO 李强，阿里云智能集团AI汽车线总经理 【你将听到】 一、从百万行代码到端到端：一个痛苦但必要的决策 1、技术路线的转折点 -规则时代的天花板：到2023年，基于规则的城区领航系统代码量达到百万行级别（仅决策规划，不含感知），但城市接管率怎么都降不下来，性能停滞不前 -端到端的降维打击：转向端到端后，城区复杂场景的接管率直接降了10倍，这是数量级的差异，不是小幅优化能解决的 -决策的关键时刻：2024年下决心彻底转向端到端，虽然CEO沈劭劼是"写规则出身"的机器人背景，但秉承"打不过就加入"的务实态度 2、“为学日益，为道日损”的技术哲学 -从加法到减法：七年时间不断添加规则，试图用代码覆盖现实世界的所有可能性，这是"为学日益"；但当端到端出现时，真正的突破是减法——让机器自己学会判断，这是"为道日损" -从Say Yes到Say No：以前工程师要写规则告诉车怎么动（Say Yes），现在模型输出多条轨迹，工程师只需要否决不安全的（Say No），从正向解复杂非线性优化问题变成简单的空间验证 -拟人化驾驶：端到端让车的行为更像人，能与其他交通参与者形成默契，而不是像个生硬的机器 3、端到端带来的质变 -预判而非反应：鬼探头场景下，系统不是反应更快，而是学会了"不肯加速"——车辆表现出了近似人类的预判能力 -绕开而非刹停：测试AEB时，车会主动绕开障碍物而不是急刹，"人类司机开车反而比较容易测AEB" -涌现能力：系统学会了人类司机的直觉，让驾驶变得拟人，解决了机器与其他交通参与者之间的"默契"问题 二、技术演进路线图：从模仿学习到世界模型 1、三个阶段的清晰定义 （1）模仿学习（当前）：输入数据输出轨迹，像用"小脑"开车，处理大部分驾驶场景但缺乏复杂场景理解 （2）VLA（Vision-Language-Action，2025年下半年）：整合视觉、语言和行动能力，加入语义理解能力，解决主辅路选择、复杂路口选道等需要"大脑"的问题 （3）世界模型（愿景阶段）：真正理解物理世界，能处理从未见过的场景（如钢卷掉落、山体滑坡），基于物理推演而非数据模仿 2、时间线预测 -L3落地：需要后验证明（1万小时碰撞不超过1次），预计26-27年政策出台，高速场景会先行 -VLA技术：2025年下半年技术上基本成熟，但仍是让L2++系统变得更好用的思路 -舱驾一体：2025年10月就会量产，一个芯片同时跑座舱和智驾 -世界模型上车：这是"许愿"状态，怎么做、怎么部署都还不清楚，但趋势确定 三、四座大山：智能驾驶的资源配置学 1、成本与性能的平衡术 -双目方案的系统性价值：卓驭坚持双目立体视觉，不仅是深度感知，更重要的是大幅降低了数据需求和算力需求，训练资源能降低2-3倍，直接影响"一年是需要5亿还是50亿做模型训练" -算力投入的真相：每年几个亿的算力费用，但真正用于最终模型训练的不超过10%，90%都是试错成本，这是先行者必须承担的探索代价 -算力晴雨表：阿里云的一个数据，2025年3月某一天，在汽车领域，AI算力消耗超过CPU通用算力，到5月底占比已达55-56%，这个趋势不可逆 2、数据的质量vs规模 -数据悖论：几十万辆采集车每天的数据"光存都存不下"，但绝大多数是在空旷高速上的无用数据 -智能挖掘：在车端部署专门的小VLM模型，不负责驾驶但专门判断"什么数据有意思"，驾驶员的接管行为也作为高价值数据的信号 -从人工到智能：最开始靠人工标注（有多少人工就有多少智能），后来用大模型做半自动、全自动标注 3、特斯拉的启示 -10万卡算力中心：特斯拉作为第一个把端到端落地的先行者，承担了更多试错成本，需要更大的冗余来探索不同路径 -中国的现实选择：国内公司通过更精细的软硬件协同设计，在有限预算下达到接近的效果 四、商业模式的灵活性：不是只有"交钥匙" 1、多样化的合作模式 -完整交钥匙：传感器、控制器、软件、数据闭环全包，这是能力的体现但不是唯一选择 -部分集成：提供控制器和前视双目，其他传感器由主机厂或第三方提供 -纯软件合作：只提供软件，跑在主机厂的硬件上 -IP授权和赋能自研：更深度的技术转移，部分代码会随合作深入转移给主机厂 2、成功的关键 -兜底能力：让主机厂用最省心的方式实现智能化，"优质的兜底"是打动9家车企的核心 -保持开放：不要对商业模式有执念，根据客户能力和诉求灵活调整 -共同价值点：抛开各种杂音，核心就是"把车卖好" 五、一体化哲学：工程美学的体现 1、技术架构的演进 -软硬一体：像人需要大脑和身体协调，软件和硬件必须螺旋式共同进步，前后端会互相影响，需要一起权衡优化 -舱驾一体：避免重复部署模型浪费1.7倍算力，通过共享内存让VLM等模型复用，360环视"谁想用谁用"，解决黑屏等工程问题 -不多也不少：好的工程方案应该让人觉得"刚刚好"，资源的优雅整合而非功能的简单堆砌，这是一种技术美学 2、具体案例 -360全景的实现：传统架构需要从驾驶控制器通过以太网传到座舱显示，既耗算力又可能黑屏；一体化设计则是"共享内存，谁想用谁用" -管理的TDMA：沈劭劼用通信术语形容自己的时间管理——时分复用，在技术修养和团队管理之间通过时间分配实现整体优化 3、核心洞察（Q&A形式） Q1：为什么2024年是智能驾驶的分水岭？ A：因为基于规则的方案已经触及天花板，百万行代码仍无法降低接管率，而端到端带来了数量级的性能提升。这不是优化问题，而是范式转换。更重要的是，这个转换不可逆——一旦看到10倍性能差异，就不可能再回头。这是从"为学日益"到"为道日损"的哲学转变。 Q2：中国智能驾驶最大的挑战是什么？ A：不是技术，而是"预算"。每家公司都想要特斯拉那样的10万卡算力中心，但现实是要在有限资源下做到最优。这就需要更聪明的方案，比如用双目降低数据和算力需求2-3倍，用车端模型筛选高价值数据，在云端和车端找到最佳平衡点。关键是系统性优化而非局部优化。 Q3：智能驾驶的终局会是怎样？ A：世界模型上车后，理解物理世界的AI将不仅用于汽车，还会延伸到机器人、无人机等所有需要与物理世界交互的场景。但这需要时间——从规则到数据驱动的转换用了40年（虽然端到端会更快），技术范式的每次转换都会比想象中慢，但一旦成功影响会比想象中大。 【在这里找到我们】公众号：科技行者（ID：itechwalker） 收听渠道：喜马拉雅｜苹果播客｜小宇宙｜蜻蜓FM 联系我们：zhou.ya@zhiding.cn

英伟达在过去几年，不仅市值突飞猛进，超过了2万亿美金，而且也毫无疑问的成为AI领域的领头羊。但是我们觉得英伟达这个AI领头羊背后的领军者，黄仁勋更值得被关注。 在全球排名靠前的科技公司中，英伟达是仅有的一家依然是由创始人担任CEO的公司。但是英伟达并非一直顺风顺水，黄仁勋也不是一直被当做教主，在开发对公司现有业务起到绝对支撑作用的CUDA平台时，英伟达曾经一度濒临绝境。甚至黄仁勋自己也说，如果知道创业有这么苦，当年可能就不会创业了。 回头望月，黄仁勋一路走来，看似靠AI登顶，但并非靠运气，而是有一套扎实的方法论。比如只做Zero-billion-Market现在为零，但是未来亿万价值的未来产业市场等。 黄仁勋过去数年来，以一身皮衣在公众面前现身，以至于有一个段子说，难道皮衣才是黄仁勋的本体，他自己只是替身？所以，从黄仁勋的故事讲起，就太符合“电子替身”的栏目定位了吧。

商旅人士有一个惯例，如果去非洲等一些国家旅行出差，经常会被建议打目的地高发疾病的疫苗，比如疟疾疫苗，以防感染当地传染病。而早在1941年，二战期间，美军正式参战之前，由于要去各地作战，因此也会被要求注射疫苗。 今天的赛博故事，就从这一疫苗故事展开，为什么很多看似理所当然的事情，其实则不然？

作为一个动漫爱好者，本期节目，博主想和听友一起聊聊崛起的「国漫」。

保罗·埃尔利希有一句著名的药物研发公式——“成功的猎药师需要四个因素，钱，耐心，创造力和运气。” 而在很多事物的创新上，上述四要素都非常重要，就好比本期要谈的“治疗精神病的药物研发故事”，正是这样一个有关「耐心」和「运气」的故事。

往期节目，博主多次谈论过一个话题，就是「巨头对市场的控制」。 微软、谷歌、阿里巴巴、腾讯等等都是老公司，也是巨头，正在“掌握”或者说“控制”我们的数字生活。 而这次疫情中，Zoom 出人意料的成为远程视频会议领域的最大赢家，以至于在许多人的潜意识中，举行远程会议，和Zoom 是等价的。有点像，你百度一下，你谷歌一下，现在我们说，咱们Zoom一下。 本期节目，博主就想要探讨一下，为什么Zoom 的崛起会让巨头们措手不及？

2015年，有一个人，做了一场关于医学演讲。他预测，用不了多久，人类将面临一次空前的传染病，但是全世界并没有为此做好准备。他曾经是一位科技大佬，世界首富，退休之后，专心在做一支慈善基金，在他预测的“传染病”真正爆发之后，他为世界卫生组织捐款，注资疫苗公司，接受采访，提供防治建议。 你以为很多人会为此感谢他？不，无数人说“他是传染病背后的幕后黑手”。甚至有人在白宫官网请愿，要调查他，收到的签名总数高达25万。 这个人就是微软公司创始人比尔·盖茨，在他预言成功，做了这些好事之后，Twitter上对他的诅咒甚至成了热门标签…… 本期节目，我们就一起来探讨，为什么做好事的比尔·盖茨，竟然被认为是“幕后黑手”？

小灵通，是一种日本早就淘汰了的技术，却曾经在中国市场风生水起。 华为在当时只要投入几十号人，两千万人民币，就可以为公司带来百亿人民币的年销售收入，任正非却坚决放弃了这一难得的机遇，坚持将赌注押在面向未来的无线新技术WCDMA上。 任正非为什么这样选择呢？本期节目的主人公，就是华为创始人任正非，讲的是关于他“坚持公司理想，不忘初心”的故事。