资料来源：Chuangyebang在2025年北部轻型风险投资圆桌会议上，北部轻型风险投资伙伴LU和Rollin
资料来源：2025年北部光风险投资首席执行官峰会上的圆桌会议论坛，北卢·卢（Lin Lu讨论了AI技术的发展，场景的实施与组织的变化之间的关系。对于参数的大小是有限的，真正的价值将与特定产品深入融合，以发展场景的可持续价值。然后，李陶（Li Tao）从商业技能的角度分享了APU的APU的实施经验，创意设计，医学诊断以及其他链接，强调将其自己的模型系统和数据属性开发为持久护城河是关键。根据100多个咨询项目的经验，Gan Yifan在应用AI时记录了对企业最常见的误解，“高估了短期价值并低估了长期潜力”，并建议企业为AI围绕AI的应用建立战略途径围绕围绕组织和促进 - 并促进 - 并促进了对组织和文化的策略。必须恢复业务的本质，并从实际业务中实施AI。商业专业人士可以直接解决斑点；如今，技术能力需要将产品思考结合起来，以实际解决问题并真正创造价值。经过几年的发展，人们对AI能力的界限有了更清晰的了解。尽管模型的功能仍在提高，但增长率越来越慢。逐渐地，我们意识到了一些基本的局限性：首先，模型没有真正的智能，也没有从像人类这样的例子中学习。其次，模型的“幻觉”很难完全消除。模型的准确性和幻觉是矛盾的，不能完全解决。这意味着现在我们已经达到了一个特殊的阶段，而这是MG首次需要拥抱人员是一个不确定的工具。它与传统计划，工具和员工完全不同。 AI具有非常强大的功能，可以做很多事情，但与此同时，它通常变得不可靠，并且在关键场合可能会出错。何Wever，对于复杂的问题，它可以提供一个很好的解决方案。理解和理解这种行为是我们更好地将AI整合到产品中并发挥作用的必要条件。该行业逐渐就所有模型的基本功能达成共识：所有模型的基本功能来自培训前而不是培训后。我们看到的所有训练后结果都真正指导该模型刺激现有的训练前功能。例如，在解决数学问题时，Myou会看到它可以正确地解决这些问题，并通过预训练获得。该模型不仅可以直接提供答案，还可以根据适应应用程序的各种情况的步骤来通过图层提供答案。后者通常更符合应用程序的实际要求，这种能力通常来自训练增强研究的方式。因此，现在我们仍然需要一个重大共识预先培训和所有预训练功能的遗产都来自数据。但是挑战是，已经使用了大多数高质量的培训数据，尤其是该模型数十年来积累的代码等数据。这意味着我们将从模型解决方案的分辨率将加强的阶段开始。到ISOR时，我们需要通过考虑解决实际问题的产品来将不确定但强大的工具介绍给实际应用。 Northern Light Venture Capital的高级顾问Li Le ding Linlu：让我们邀请另一个乐观的人谈论他的观点，例如移动互联网的到来，我们选择接受它。现在AI即将到来，我们还必须积极拥抱AI。我们注意到APU在AI应用程序中进行了大量探索。请分享您今天提出的实际申请？ Li Tao：我的观点和Le ding略有不同。特别是在“训练后”问题上，我认为一个进一步发展模型功能的房间。正如我今天与同事讨论的那样，有一个新的说法，即该模型可以替换数据库 - 即使许多人拥有beensip是不可能的。但是我们现在可以看到该模型在结构化中处理数据的能力逐渐增加。传统上，我们将数据放在模型上或提供意图，然后将其保存在数据库中。但是，如果模型本身可以正确理解和构建数据，为什么将其隐藏在数据库中呢？数据可以直接保留到模型。通过这种方式，在处理确定主义任务时，模型可以更好，更清晰。也许我们今天在模型中看到的问题或幻觉无法完全消除，但是在模型具有更强的结构化数据处理功能之后，“幻觉”问题也可以完全压缩。我将分享实施Apus Inner AI的技能。大约有两个部分可以为您提供参考和参考。首先是提高研发效率。该公司开始在三个领域应用AI。首先，编码。编码对APU非常有用。在我们的最新产品中，该代码的约70％是由模型形成的。当然，Manu -Manu仍然参与其中；在维护旧代码方面，该模型也有帮助。整个过程始于产品的设计。现在，我们的产品经理更多地是关于对目标的描述，从模型开发最初的产品设计，然后对人员进行后续改进。当然后将初始设计提供给技术组时，该过程实际上是人与模型摄影之间的持续关系，该模型仍在起作用。许多人问：“您应该如何处理自己的业务逻辑？” APU开发并培训了自己的模型，并基于Deptseek的私人扩展，我们创建了一个专门用于编码的模型。好处很棒。例如，我们有我的工具产品，例如浏览器，他们大规模使用了模型自动化编码。它也可以针对不同的组进行自定义，并且潜在的逻辑已完全开发，并且基础逻辑已完全开发，并且基础逻辑是通过使用用户组的使用而完全开发的，以及基于研究过去浏览器的基础logik模型。一方面，我们负责产品的产品设计，另一方面，我们负责制作大量促销产品材料，尤其是视频和图片。如今，我们的设计团队仅保留了原始的15％，整个公司的设计师不到10位。在海外市场推广过程中，AI模型每天可以根据特定的爆炸材料自动生产数千种相似材料，并可以准确识别和完善爆炸材料的基本元素，从而确保每个促销内容都具有Corre corre引人入胜的验收。最初由五十或六十名设计师持续的任务现在无法完成一天的完成。尽管在此过程中仍然需要进行质量控制和优化方面的手法 - 大大提高了整体效率。在产品方面，我们还在许多方向进行探索，这些方向主要集中在内容领域。过去，我们正在制作圣经产品，现在覆盖美国约10％的人口。先前的产品表格相对简单，主要是以电子书的形式呈现圣经的传统内容。现在，通过介绍模型生成的语音，图像和视频的功能，我们将圣经的内容升级到合并的-A -A -A -a -A -Form -a -a -a -a -a -a -a -a -a -a -a -a -a -a -a -a -a -a -a -a -a -a -a -a -a comics甚至简短视频。更重要的是，我们还在产品中引入了“圣经聊天”功能，该功能是由模型训练的数字“牧师”，可以与他交谈用户并通过建立圣经文本建立边界条件来强迫模型，并帮助他们寻求问题。除了圣经产品外，我们还计划健康领域。在我们在中国开发的医学模型的帮助下，该模型用于多个A级医院，为超过100万人提供了初步的诊断建议。尽管我们当前的机制不允许该模型直接提供最终的诊断意见，但它仍然需要最终的医生确认，但可以大大提高效率。患者可以通过官方帐户或迷你计划在家中完成初步诊断，该模型完成了初始诊断，自动测试建议并帮助用户注册。用户到达医院后，Mathe Doctor可以直接评估患者的早期情况和初始诊断。在医生与患者之间的沟通过程中，也可以记录模型并开发诊断TIC报告将来将大大减少召集医生的工作量。这是我们医疗领域的重要应用。我们还以至C的形式在美国市场推出了我们的产品，并将它们作为独立应用程序启动。此外，我们的模型还应用于一些特别复杂且没有武装的区域。以DeepSeek为例，它吸引了很多关注，因为它背后的大多数团队都来自背景的数量，在处理大量数据并提供快速反馈方面。在互联网期间，社交平台和各种开放信息对市场交易和业务判断的影响增加，因此对这些损坏数据的集成和分析的能力尤为重要。我们还基于相似的想法开发了具有情报评估技能的模型，并将其应用于商业和政治情报的分析。例如，我们的代理系统可以在全球范围内致电数据资源以帮助用户进行多维挖掘数据和判断。我们的模型还扩展到其他垂直领域。例如，我们为电影和电视公司创建了编剧模型，并成功地将其应用于即将到来的“唐朝3的奇怪事物”的过程中。我们还实施了诸如植物识别的技术，模型的多维应用也正在扩大。 Apus兼首席执行官Li Toolinlu的前者：您可以真正购买聊天工具，这确实很方便。但是，一旦真正应用于真正的行业，就会出现许多实际问题。上次我与Gan先生聊天时，我有一个特别大的灵感 - 如何建立一个市场以及如何真正适应行业场景？例如，使用AI直接使销售可能不现实；但是，如果AI相反，则使用AI进行销售培训就足够了。 Gan Zheng来自一家咨询公司，创建了许多项目，并积累了很多EX精神。接下来，请分享他的经验。 Gan Yifan：我们正在滚动AI，我们第一次在北极光的首席执行官峰会上。我们认为，这就是NTHE AI与以前的数字技术不同的原因，因为它不再是生产的一种手段，而是变得富有成效。换句话说，它不仅是支持该过程的工具，而且还可以直接产生结果。当然，这个结果有时是不稳定的，这会导致许多新的变量和在帮助许多公司实施的过程中出现的新变量和可能性。我们在2022年更改了咨询服务，并在100多个项目中积累了经验。老实说，我也陷入了许多陷阱，但逐渐地，我会要求一些规则。在尝试实施AI的过程中，每个公司实际上面临三个主要问题：为什么我必须这样做？我该怎么办？我该怎么做？为什么这是什么？这两个问题通常与Marour公司。人们通常首先讨论“做什么”，但很少谈论“为什么要做”。结果是公司通常具有短期AI功能和价值，并且其长期能力和价值观较小。例如，许多董事长或顶级公司领导人希望AI“聪明”足以直接替代积分。分析师自动构成完整的公司日公司报告。我问的第一个问题是：“您的公司的数据清楚地固定了吗？AI可以理解您的业务数据吗？”为什么被称为人工智能？如果“人造”基础未正确布置，“智力”自然很难在短期内发挥作用。再加上媒体报告的过滤器：“某个NA公司正在抛出这样的详细信息。”这些情况通常是错误的。 AI技术的利益很长一段时间，企业家的所有期望都高于其发展速度。但是，在t之后他的审判，我发现错误率很高，业务很难实施，因此我觉得AI“不可靠”。长期的价值和低估持久价值，在某些传统和隐藏的情况下，通过监测疾病风险的行为和早期警告，AI的长期价值大于“聊天” MGA猪肉 - 这种深层情况的价值比“智能报告”的价值更重要。为什么这是？判断的一种特别简单的方法是查看您的损益表和颠倒的损失，并思考您的工作是否真的会对公司产生影响。当然，我们还应该考虑AI的功能和机制：它会帮助您节省固定成本或降低成本吗？我们必须判断AI在业务运营模式下重新评估的角度可以在业务中发挥什么作用。关于“如何做这个问题”，我们发现采用实施时存在一些误解许多公司的景象。尤其是在春季庆祝活动之后，随着Deptseek的名声，许多公司开始讲述如何部署AI。他们说，我们购买了Deviceek的私人部署或购买全机器。我访问了许多这些公司，发现其中80％的人几乎回答：“我们的AI是购买全身机器和私有化解决方案。”它确实忽略了本质。我们以前的方式是首先从业务中探索情况，认识商业价值，通过不同的业务方向找到“指甲”，然后返回以确定在此“指甲”指甲中使用的技术。自从我们这样做以来已经三年多了，我们注意到一些开始探索AI的公司现在在进入深水时面临着新的问题。首先，最大的瓶颈是缺乏SFOUR项目领导者，这可能导致AI的转变。这样一个负责人需要具有非常全面的能力：首先，您必须了解AI的基本原理，并适应AI逻辑的快速重复；其次，您必须了解知识转移的机制；第三，您必须真正了解业务。我们曾经领导过一群开发了小小的智能机构的工程师，没人能做到。我问他们：“您写过有关小舒的文章吗？”他们说不。那么，如何写小舒的明智的身体呢？如果您不了解应用程序的业务和详细信息，则无法真正开发出有效的AI解决方案。这是“人”进入深水区后遇到的第二个问题是：当生产者真正发布时，这些人应该做什么？例如，当今最常见的应用程序方案是客户服务。一些公司通过AI技术削减了80％的客户服务人员，其余20％仍在电缆上工作，但它还为团队技能和组织带来了变化和调整l结构。在总结了这些经验之后，我们发现，在业务中实施AI时，主要重点 - 真正必须考虑的下一件事是 - “生产关系”重新定义和设计。首先，我们必须承认，开发AI本身是一种新的生产力，为了使这种生产力实际在企业中发挥作用，我们必须与劳动建立匹配的关系。如果没有有效的生产关系，那么新型的Pagiging生产率将不会丢失。因此，当我们考虑“ AI项目在业务中应该做什么”时，我们还应该考虑该技术可以带来的组织的影响。团队结构会改变吗？现有职责重新定义？在部署的AI场景中，生物体是否具有适应这种生产力的机制？当我们与许多企业家交谈时，我们经常使用一个隐喻来解释什么是生成AI：您可以认为它具有1,000甚至10,000个非常聪明的可以从Tsinghua University或Peking University毕业的T Interns拥有丰富的知识和共同的理解力，几乎涵盖了大量的人类文明。但是问题在于，它们是“自然的”尚未理解您的业务，也不了解市场环境。因此，当思考生成AI应该做什么时，您还可以在考虑它时进行设置：如果您做出投资决策，您是否会将这项重要的任务提供给不寻常的新鲜研究生实习生？显然不是。如果您盲目押注“智能实习生”的短期能力并将其置于关键位置，那么失败几乎是不可避免的。但是，如果您尚未开始培养它们，训练它们并让他们真正了解您的业务，那么它们将永远不会成长为团队中真正重要的生产成员。生成AI的核心是引入后是否可以有效地习惯和使用。滚动的甘伊凡林鲁（Gan Yifanlinlu），成立AI的合作伙伴：从某种意义上说，AI的实施是首席执行官的战略需求，以推动整个技术前进。还有一些非常正确的注意事项。我自己的投资公司确实在自己的业务上使用了大量的AI技术。这些任务最初是由下面的研发团队推广的。但是，首席执行官认为AI将减少整个行业，因此它决定领导公司的整体业务业务。结果，收集了许多数据，但这是不可能的。我了解到这项工作意味着整个研发团队将暂停手头的工作，并且需要两个月的时间才能收集数据。我问负责人在收集这些数据后接下来要做什么？他们的答案是我们不清楚。因此，我在一个非常关键的问题上意识到这一点：必须谨慎处理首席执行官的驾驶和内部业务目标。团队的实际能力之间的关系。否则，您不仅可以浪费消息来源，但您也可能会错过真正的机会。那么，您对CEO有什么建议吗？ Gan Yifan：我有三个建议：首先，我们必须指定从上到下的AI应用程序方案。为什么这是？最主要的是，如果从底部提出了许多情况，他们通常只是尝试解决一个小型企业链接，该链接在短期内具有一定的价值，但是从公司的长期发展的角度来看，这是毫无意义的。从上到下设置方案要求首席执行官和高级管理层从公司，组织结构甚至内部劳动关系的兼容性价值来考虑公司为公司的长期战略价值。因此，您应该将场景从顶部到结束。我们迈出了无数的陷阱 - 对琐碎情况的需求太满意了，但是第一波应用结果并不是完美的。其次，找到从底部到顶部的文化。尽管我们强调了他的主要应用程序场景是从上到下设置的，AI的开发必须在公司中每个员工的当天至今的工作中发挥作用。尽管它为非常有偿的活动带来了较小的效率，但它可以逐渐形成对组织中AI的理解和认可，从而促进文化环境的变化，从而促进了生产关系的演变并提高了组织能力。主要是帮助每个人真正理解这项新技术的运营原则，以及它将如何影响每日工作方式。第三，从后面构建。最基本的是：不要徒劳地谈论技术，一开始就说三件事，结果是显示所有数据。我们必须首先阐明应用程序方案，然后扭转所需的技术，需要控制哪种类型的数据，缺少哪些数据以及需要收集的数据 - 我们必须做我们的工作”从结束到”。生成性AI的扩展不仅是技术的结构，而且对P L和劳动关系的再生进行了重建。LiTao：我有两个问题：首先，首席执行官不仅应该诵经口号，而且最重要的是，最重要的是，CEO不适合在当前的业务方向和产品方向上使用AI的范围，并且是否适用于当前的业务方向和产品，并将其置于产品方向和产品方向，并且要构成产品的空间，并且要构成产品的空间。它只是在工作中说“所有人”一定会与许多传统公司进行交谈，我发现许多传统公司的首席执行官都想让自己的想法，但他们不会在AI Vertical模型或我们的方向上做很多事情。大型模型的发展方式。练习垂直模型时，许多人特别受到干扰。他们花了很多努力来解决特定问题。结果，半年后，大型模型已经具有相关的功能，并且您过去的努力很快被压碎，没有积累的价值。现在，我们都知道AI将降低现有的生产力和重建生产关系。几乎可以说有一个全新的工业。在此过程中，每个公司都需要仔细考虑：您想建立的障碍是吗？该障碍不应在大型模型移动的主要通道中，否则肯定会被压碎。两年前，无数大公司一次出现了一家，但目前，不超过10家公司在世界范围内仍然可以抛弃它们。中国可能只有阿里巴巴，字节和深索。原因很简单，当您不如整个大型模型在MA中出现那么快时在频道中，您很快就会被压碎。因此，如果企业想做AI，他们应该知道将来将在AI领域中建立的障碍在哪里，并且他们将无法锁定模型的巨大发展的道路。 Li Leding：让我分享一点个人感觉。我们三个人确实在谈论同一件事 - 面对AI时，您应该明智地思考而不是强迫自己。不用担心技术本身，它在那里，可以触及。中国人可以使用它，美国人可以使用它。但是，无法替代的模型是人类的创造力，我们如何指导我们的想法到产品特征，找到适应和正确使用的方法。林·卢（Lin Lu）：作为移动互联网波浪的最后一波浪潮，每个人在当时设置应用程序时都在谈论。最终，手机完全影响了每个公司的业务形式。 AI的旋转同样深。这是我们应该积极拥抱的方向。就像当我们拥抱移动互联网时一样当今我们所有的优势也都可以接受AI。由于时间，今天都可以讨论！感谢三位客人的惊人分享！
