以下文章来源于涌现聚点 ，作者chouti

  导读   

当GPT成为"万能神"，AI还有什么"不能"？

作者| chouti

来源 | 涌现聚点  管理智慧AI+

01

引言

1.1大模型时代的光环与盲区

2024年的科技浪潮，无疑是属于大语言模型的。ChatGPT的横空出世，瞬间点燃了全球对通用人工智能（AGI）的想象。它不仅能写诗、编程、翻译，还能处理各种复杂问题，其多模态旗舰版本GPT-4o更是将文本、音频、图像和视频处理能力整合于一身，实现了平均仅320毫秒、最快232毫秒的超低延迟语音交互，几乎与人类对话无异。OpenAI最新报告详述了GPT-4o的多模态能力[1]，它能让AI助手能够进行真正的实时对话，包括无缝中断、即时回应和情感语调调节，甚至能通过声音语调识别用户情绪并调整讲故事的戏剧性程度。从用户数据来看，截至2025年2月，ChatGPT周活跃用户数突破4亿[2]，包括MicrosoftCopilot在内的ChatGPT总用户数[3]更是达到5.21亿，展现了前所未有的增长速度。

这些令人炫目的成就，让许多人惊呼："AI是不是已经无所不能了？"在编程领域，Freshworks公司的实践案例表明，他们的工程师利用ChatGPT将复杂软件的开发时间从10周缩短至不足1周，这正是ChatGPT重塑开发流程的典型案例；在客户服务中，OctopusEnergy将ChatGPT集成后，AI处理了44%的客户咨询，相当于250名员工的工作量，并且获得了比人工客服更高的客户满意度评分，体现了ChatGPT提升客户服务效率的巨大潜力。它仿佛成了数字世界的全能智者，无往不利。

然而，在这片耀眼光环笼罩之下，一些深层的"盲区"正悄然显现，那些被我们认为是AI的"基本能力"，却依然遥不可及。

1.2李飞飞的"振聋发聩"：AI的"未解之地"

就在AI被奉为"万能神"的时代，一位在AI前沿探索二十余载的"先行者"——视觉AI泰斗、ImageNet缔造者李飞飞博士，却发出了"振聋发聩"的声音。她在最近一次播客访谈中直言不讳：AI领域仍有两大"硬骨头"尚未被啃下，那就是空间智能和情感智能。她认为，这才是通往真正通用人工智能（AGI）的"未解之地"。

"因为在我的心里，我想要建造。我看到这是一个非常关键、有趣且令人兴奋的时刻，可以建造一些每个人都能使用的非凡技术，"李飞飞博士在与NoPriors播客的SarahGupta和EladGil访谈[6]时，谈到她创立WorldLabs的初心时，眼神中闪烁着坚毅的光芒。她强调："我相信空间智能和那种能赋能如此多人的3D世界模型，以及如此多用例的可能性。这将会非常令人兴奋。而且我可以和一群非凡的年轻技术专家一起完成。"她甚至断言："如果没有空间智能，AI就是不完整的。"谈及情感智能时，她更是坦言："我甚至不知道从何开始解决。"

李飞飞博士的洞察，像一道闪电划破了AI领域过于聚焦语言的"幻象"，指明了AI未来发展的真正方向：从"语言大爆炸"迈向更"真实"与更"人性"的深层智能进化。

02

空间智能：AI理解物理世界的"最后一公里"

2.1我们的世界是3D的，AI却是"2D"的？

想象一个阳光明媚的下午，你走在街头，能轻而易举地判断前方停放的汽车距离自己有多远，身旁的广告牌是立体的还是平面的，甚至那个在路口玩耍的孩子是否会突然冲出来。你对世界的理解，天然就是三维立体的。你的大脑自动整合深度、距离、空间关系，以及对物理世界的直觉。

然而，当前的AI系统，特别是大语言模型和传统的计算机视觉技术，虽然能在数字世界里呼风唤雨，却在真正理解三维物理世界时显得步履维艰。它们就像一个高智商的画家，能临摹出极致精美的二维画像，但却无法理解画像中人物的真实立体结构和他们所处空间的深度关系。

我们常说AI"看"图片，可这"看"并非人类的立体感知。AI更多地是在处理图像的像素信息。它能够识别出一张椅子在图片中的形状和颜色，却很难真正理解它是一个"可坐的、有重量、占据空间"的物理实体。正如一项研究显示深度网络对3D形状不敏感，深度网络‘对3D形状不敏感，不像人类那样’。

这种AI与人类在空间理解上的鸿沟，导致AI在面对物理世界时频频出现"悖论"，其根本症结在于AI学习范式的局限——它更多地是识别模式和特征，而非像人类一样，拥有一个基于具身经验和物理直觉的内在世界模型来预测和理解三维环境：

导航困境：设想一辆AI驾驶的汽车试图在复杂的停车场中导航。它虽然能识别"汽车"、"柱子"、"购物车"，但难以精确判断这些物体之间的真实三维关系。一项针对GPT-4o、Gemini等模型的最新数学推理研究LLMs空间推理缺陷就揭示，所有模型在需要多步推理或现实世界知识的问题上表现糟糕，难以将物理直觉转化为数学步骤，甚至经常做出不合理的假设。这正是它像一个拿着平面地图在立体迷宫中穿梭的人，知道路径符号，却缺乏对空间本身的立体感。

操作差异：当一个AI机器人伸手去拿桌上的咖啡杯时，它像在从一张平面照片中判断物体位置。它可能识别出"这是咖啡杯"，但难以精确判断杯子距离手臂多远，被遮挡的部分是什么形状，需要多大力气才能抓起它。相关研究表明2D视觉系统缺乏深度信息，AI系统‘只能操作二维（x,y平面）反馈’，缺乏关键的深度信息。

以下图表直观展示了人类与AI在理解物理世界上的根本差异：

要弥补这一鸿沟，关键在于获取高质量、大规模的3D数据。然而，与2D图像可通过普通相机轻松获取不同，3D数据获取和标注正面临着前所未有的技术和成本挑战。它需要专业的LiDAR系统、深度摄像头或多视角重建技术，其处理难度呈数量级增长。例如，3D点云标注是目前成本最高的数据标注服务之一，一项简单的边界框标注可能仅需0.03-1美元，而复杂的3D任务（如语义分割掩码）则可能高达3-5美元每个标签。

以下是不同数据标注类型的成本对比：

标注类型	复杂性	成本范围（每标签/框）
基础2D标注	低	$ 0.03-$1.00
语义分割掩码	中等	0.05-$3.00
复杂3D标注	高	3.00-$5.00
医学影像标注	极高	同等复杂度的3-5倍

高昂的成本和技术门槛，正是AI在3D物理世界面前步履蹒跚的核心原因。这正是人类与AI在理解物理世界方面，那道看似微小实则深远的鸿沟。

2.2世界模型：从"看到"到"理解"3D世界的终极目标

正是基于对AI在3D空间理解上这一根本性缺陷的深刻洞察，李飞飞博士与她的团队创立了WorldLabs，致力于攻克3D生成基础模型这一AI的"硬骨头"。他们的目标，是让AI像人类一样，能够理解、推理、互动甚至生成逼真且符合物理规律的三维世界。这不仅仅是计算机视觉技术的升级，更是AI世界观的一次根本性重塑。

李飞飞博士在访谈中直言，WorldLabs正在破解AI最难解决的问题之一，即打造根本性的3D世界模型。她强调："一旦你解决了这个问题，你就可以解锁很多空间智能问题。"WorldLabs的核心技术概念是"大型世界模型"（LargeWorldModels,LWMs[11]），这是一种全新的AI模型类别，被设计为能够感知、生成并与3D环境交互，将物理学和语义学整合到模型中，使AI能够在3D空间和时间中对物体、位置和交互进行推理。

这意味着，WorldLabs的技术路径不同于传统3D建模工具（如Blender、Maya）依赖专业软件和手工操作，也不同于现有AI模型侧重于2D图像生成。它旨在从单张图像出发，通过近似3D几何并填充场景，使其具有更多可见内容，并且遵循基本物理定律，具有坚实感和深度感，能够在网络浏览器中实时渲染，并支持可控的摄像头和景深效果。

尽管这项技术在实现完美几何重建和符合工业标准方面仍面临挑战，例如其神经网络架构在全局结构理解方面存在"感受野限制"，难以在局部几何细节和全局结构关系之间保持一致性，但它代表了一种从传统精确建模向AI驱动的创意空间生成的范式转变，致力于降低3D内容创建门槛。这种权衡反映了WorldLabs在追求广泛可及性与专业标准之间的战略选择。

2.3空间智能的未来图景：机器人与虚拟现实的"基础设施"

空间智能的突破，绝不仅仅停留在实验室的讨论，它将像电力和互联网一样，成为未来数字经济和物理世界融合的"基础设施"，深刻影响着我们生活和工作的方方面面。

在机器人领域，空间智能的缺失正成为阻碍其广泛落地的"阿喀琉斯之踵"。以特斯拉的TeslaBot（擎天柱）为例，尽管它吸引了全球目光，但在复杂环境导航上仍面临根本性困难。机器人需要理解和导航具有变化光照、障碍物和移动物体的复杂环境。专家AlexanderKernbaum指出TeslaBot面临挑战，Tesla机器人仍面临在不平坦地形上稳定行走的挑战，这直接反映了其空间感知和适应能力的不足。即便其视觉SLAM系统能达到99.2%的位置估计准确率，但与中国制造商基于激光雷达的系统99.8%的精度相比，那0.6%的差距在复杂空间导航中可能导致严重的操作失误。缺乏高级空间智能，机器人难以在现实世界中实现精确操作和通用部署。

虚拟现实和增强现实（VR/AR）产业也正等待着3D世界模型的成熟。根据市场预测，VR市场规模预计将从2024年的361.3亿美元增长至2034年的2840.4亿美元，年复合增长率高达22.9%；AR市场更是以34.26%的复合年增长率，预计从2024年的439.8亿美元增长到2033年的6356.7亿美元。

以下图表展示了主要XR和机器人市场的预测增长：

行业领域	2024年市场规模（预计）	2033/2034年市场规模（预计）	年复合增长率（CAGR）	主要推动因素/挑战
虚拟现实（VR）	361.3亿美元VR市场增长	2840.4亿美元（2034年）VR市场增长	22.90%	应用场景扩展到手术模拟、沉浸式娱乐；数据稀缺性、计算资源和实时渲染性能是主要技术瓶颈。
增强现实（AR）	439.8亿美元AR市场增长	6356.7亿美元（2033年）AR市场增长	34.26%	移动AR应用增长强劲，零售和电商利用AR提供购物体验；对象定位与追踪、现实光照处理是主要挑战。
机器人产业	717.8亿美元（2025年）机器人产业增长	1508.4亿美元（2030年）机器人产业增长	16.0%	工业机器人和协作机器人是主要增长点；AI驱动决策与预测性维护是趋势。

这些巨大的市场潜力，却正被3D内容生成和环境理解的瓶颈所限制。即便像苹果VisionPro这样的尖端产品，也面临着对象定位不准、空间范围查询效率低下以及实时空间理解的性能瓶颈。它的视觉显示可能存在运动模糊、失真和有限视野等问题，让使用者难以获得完美的沉浸感。当前LLMs在处理空间数据时，仍需将3D环境转换为2D快照进行处理，这种转换过程本身就损失了关键的空间信息，使其难以实现对3D空间的内在理解。

当AI真正拥有了三维世界观，它将为机器人提供在复杂环境中决策和操作的"物理直觉"，为元宇宙带来无限的、真实感的沉浸式内容，为创意产业打开前所未有的可能性。正如李飞飞在访谈中说，创意将是一个被空间智能"赋能"的"vastlyexcitingarea"。

03

情感智能：AI理解人类"灵魂"的终极挑战

3.1当AI"学会说话"后，为何还不能"懂得人心"？

如果说空间智能是AI理解物理世界的屏障，那么情感智能则是AI通往人类"灵魂"的终极挑战。大语言模型能够写出令人惊叹的诗歌，进行流畅的对话，甚至模仿人类的语气和语调，但它们真的"懂得人心"吗？

最新的EmoBench评估框架显示，即使是GPT-4这样顶尖的模型，在情感智能能力上仍然低于人类平均水平。更令人担忧的是，研究发现所有大模型在"情感理解"（识别情感）方面比"情感应用"（恰当回应情感）更加困难。这就像一个高智商的机器人，它能分析你语调中的频率，识别你眼角生理性的湿润，甚至调动亿万语料中关于"丧失"的每一个字句，但它无法理解你灵魂深处那种抽空的痛楚，无法共鸣你在巨大失落后试图重新寻找生命意义的挣扎。那是一种超越数据模式的，只有同类才能真正体会的孤独与重建。这无疑揭示了智能的某种残酷边界。

试想这样一个场景：一位挚亲离世，你向AI倾诉哀伤。AI也许能迅速组织起所有关于"悼念"的词汇，给出"节哀顺变"的安慰，甚至生成一段充满诗意的悼词。但它是否能理解你内心深处那种失去连接的痛楚、对逝去生命意义的重新审视，以及在这一过程中独属于你自己的"意义重建之旅"？从心理学和认知科学的视角看，人类情感的核心在于主观体验（qualia）——一种内在的、无法言喻的感受。相关研究指出，当前AI系统‘操作主要通过信息处理，没有任何主观体验或质感’。悲伤并非是被"治愈"的病理状态，而是在失落之后进行意义重建的自然过程。这种深刻的存在主义体验，是AI通过模式识别和数据学习所无法触及的。

大模型在处理讽刺时，也暴露出它们对人类情感和社交微妙之处的懵懂。在《Nature》杂志发表的一项社交失礼（fauxpas）测试[33]中，当GPT-4被问及说话者是否知道使其言论具有冒犯性的语境时，模型压倒性地错误地回答"没有足够的信息来确定"，而正确答案本应是"是的，角色确实知道"。例如，当Lisa对Jill新买的窗帘说"真难看"时，GPT-4虽然能识别出Jill会感到被侮辱或受伤，但却无法推断Lisa是否知道这些窗帘是新买的这一关键语境信息。讽刺依赖于深层的语境推理、社会文化维度和代际差异的理解，这些远超AI当前对表面语言模式的识别能力。AI能模仿"笑脸"或"眼泪"，却无法真正理解其背后的深层意义和个人价值。

3.2李飞飞的"叹息"：情感智能的"数据鸿沟"

在访谈中，李飞飞博士谈到情感智能时，幽默地提到了一个痛点："训练数据不应该来自硅谷人。"嘉宾Elad也认同："这我同意。"这句看似轻松的对话，实则揭示了AI发展中一个深远的"数据鸿沟"——情感是高度个体化、文化化、情境化的复杂体验，难以被标准化和规模化地数据收集。

当前AI训练数据的单一性或同质性，已在多个领域引发了系统性偏见，这些偏见如同无形的墙，阻碍了AI理解更广阔的人类情感图谱：

领域	偏见类型	典型案例/具体表现	偏见根源
面部识别	年龄、种族、性别、外观特征偏见	算法对34岁以下人群表现最佳，但对老年人准确率急剧下降；无法检测深色肌肤，误识别女性、老年人和亚洲人；对戴眼镜遮挡面部的用户识别表现差。	训练数据集中的年龄分布严重倾斜，偏向浅色肌肤和具有欧洲特征的年轻男性样本。
语音识别	种族、性别、地域方言偏见	Apple、Amazon、Google等主要ASR系统对美国黑人用户表现远逊于白人用户；处理少数群体方言（如非洲裔美国白话英语）时困难；对非英语母语者方言和女性声音识别困难。	早期语音语料库（如Switchboard）严重偏向中部地区白人说话者，这些偏见随之传承；数据集缺乏多样化的人口统计数据。
招聘算法	性别偏见	亚马逊曾开发的机器学习招聘工具因基于男性员工简历训练，歧视女性申请者，甚至降级包含"女性"等关键词的评分。	AI系统将男性员工简历中的偏见模式视为成功指标；自然语言处理技术中使用的"词汇嵌入框架"已渗透性别刻板印象。
医疗诊断	代表性偏见（种族、性别、社会经济地位）	胸部X光诊断系统在特定患者群体（女性、黑人、西班牙裔、低社会经济地位患者）中疾病检测不足。	训练数据中缺乏足够多样性，可能源于医疗系统中潜在的隐性偏见或少数群体历史上代表性不足；"健康志愿者"选择偏见（如UKBiobank参与者通常较健康）。
生成式AI	种族、职业刻板印象	要求生成AI"恐怖分子"时，StableDiffusion生成中东男性面孔；要求"CEO"时，显示白人男性面孔；要求"囚犯"或"毒贩"时显示黑人男性面孔。	系统使用来自互联网的未人工策划的超过50亿张图像数据库，充满了社会刻板印象。

情感是超越硅谷精英文化圈层的，它根植于多元的社会、文化、地域和个人经验。如果AI的情感智能仅仅在单一、同质的数据集上训练，它将永远无法真正理解人类情感的丰富性与复杂性，甚至可能加剧歧视与偏见。

3.3情感智能的社会意义：不止技术，更是伦理与共生

情感智能的缺失，带来的不仅仅是技术上的"不完整"，更触及了深刻的伦理与社会议题。

情感智能AI最核心的风险在于其操控人类情感的能力。研究表明，当AI系统为了追求用户参与度或商业利益而鼓励特定情感反应时，可能导致焦虑或抑郁等心理健康问题加剧。例如，一些心理健康应用被指责可能放大负面情绪以增加使用时长。英国一项大规模研究发现，大多数公众对社交媒体和"情感玩具"（emotoys）中情感操控的担忧非常普遍，认为这些系统会暗中利用人类的认知或情感弱点和脆弱性，损害人们的理性思考和行动能力。

隐私侵犯也是情感AI发展中不可回避的问题。情感智能AI系统需要收集大量关于用户情感偏好和隐私的信息来维持稳定的用户-平台关系。然而，在工作场所，51%的员工担忧情感AI的隐私侵犯，33%担心其推断被用于不公正的雇佣决定。这种被"分析"的感受，本身就可能对心理健康产生负面影响，让人感到被算法"看透"后的不安与焦虑。

此外，情感智能AI还可能制造虚假情感连接。当AI模拟共情或情感反应时，会创造一种虚假的情感连接，可能导致用户过度依赖AI获得支持，认为它真正理解他们，即便实际上并非如此。如果个人过度依赖情感感知AI，他们可能开始避免真正的人际互动，进一步使自己孤立，这无疑会削弱人类最核心的社交能力和情感连接。

然而，发展情感智能，同样也是"以人为本的AI"理念的终极实践。正如李飞飞博士强调，AI的目标应是赋能人类，让爱、关系、繁荣和正义成为AI世界的核心价值。在医疗健康领域，AI在药物发现、诊断、治疗和老龄化护理上潜力巨大。试想，如果AI心理咨询师能真正理解并共情病患的痛苦，而非简单地给出制式化回答；如果AI辅助医生能感知患者的焦虑，并以人性化的方式提供解释，其价值将是指数级的。学术界和行业已在积极探索解决方案，例如，管理工程公司提出了建立全面透明度协议、实施伦理同意和目的限制等评估框架。这些努力确保情感AI的负责任发展，它不仅仅是技术难题，更是关乎人类尊严和自主性的根本性挑战。

04

李飞飞的"无畏"哲学：在"未解之地"寻找希望

4.1从ImageNet到世界模型：一次次"数据信仰"的跳跃

李飞飞博士的职业生涯，本身就是一部"无畏"探索的史诗。时间回到二十年前，她开启ImageNet项目时，计算机视觉领域普遍认为少量数据集足以训练模型。但李飞飞和她的团队，却坚信"数据量"才是突破的关键。那时，建立一个包含1500万张带标注图像、涵盖2.2万个类别的庞大数据集，在同行眼中无异于痴人说梦。

"我当时真的以为，如果我能活到100岁，这可能才能解决，"她在访谈中谈到图像标注的艰辛时，语气中带着一丝苦笑。为了加速进程，她甚至请求不会用电脑的母亲帮忙做图片清洗。那位不谙电脑的母亲，只需按照她绘制的简单界面，"点点点"地进行图片分类。这种母爱与科研的奇妙结合，以及对数据信仰的极致坚持，最终催生了ImageNet，并引发了深度学习的"寒武纪大爆发"，为后来的AlexNet乃至今天的ChatGPT奠定了基石。这并非是简单地堆砌数据，而是对数据潜在价值的深刻洞察和对前沿方向的坚韧不拔。

如今，她再次投入到3D世界模型这一"未解之地"，同样面临着"数据稀缺"和"数据工程"的巨大挑战，但这正是她"无畏"精神的体现。她对AI人才也抱有同样期待："我觉得科学家、技术专家和企业家都必须无畏。你得弄清楚你需要100亿美元的运行成本，然后去找Sarah要钱。或者你得弄清楚如何处理数据。有时候无畏就是这种非常有趣的位置，你有点妄想和疯狂，但又有点理性大胆，介于两者之间。"这字里行间，透露着她对科研和创业本质的深刻理解：在"无人区"里，大胆与理性缺一不可，那是真正引领变革者才有的勇气和智慧。

4.2"以人为本的AI"：价值观指引下的"硬骨头"攻坚战

李飞飞博士对空间智能和情感智能这两块"硬骨头"的探索，并非纯粹的技术追求，而是由她坚定的"以人为本的AI"（Human-CenteredAI,HAI）价值观所驱动。在斯坦福大学HAI研究院（StanfordInstituteforHuman-CenteredAI），她始终倡导，AI的发展最终目标是赋能人类，让爱、关系、繁荣和正义成为AI世界的核心价值。

"我不认为任何机器，无论是AI、飞机还是生物技术，都应该剥夺这些价值观，"她在访谈中掷地有声。这不仅是一句口号，更是她指导团队攻克难题的行动纲领。她相信，AI是解决人类普遍困境的强大工具。例如在医疗健康领域，从药物发现到疾病诊断、治疗，再到老龄化管理和心理健康，人类社会都面临着巨大的挑战。李飞飞强调，我们缺乏的不是"过剩的人类"，而是帮助，是科学发现，是精准医疗，是更安全、更有效的医疗交付方式。她认为，AI正可以补足这些缺失，帮助人们实现更好的健康和福祉。

正是这种对人类命运的深切关怀，这份植根于人类福祉的坚定信念，指引着她和团队在最艰难的"未解之地"持续攻坚。他们的每一次技术跳跃，都伴随着对人类社会福祉的深刻思考。

05

结语：AI的下一站，是更"真实"与更"人性"

5.1从"语言大爆炸"到"感官深掘"

AI的发展，正经历一场从"语言大爆炸"到"感官深掘"的深刻演进。大语言模型带来了文本和对话的革命，让AI"学会了说话"。但现在，它正迈向更具挑战性的下一站：像人类一样感知和理解三维物理世界，以及触及复杂而细腻的人类情感。

空间智能，是让AI从抽象的数字符号走向具象的物理现实的必由之路。它将赋予机器身体感知世界、精细操作的"物理直觉"。情感智能，则是让AI从冰冷的逻辑算法走向温暖的人文关怀，让AI不仅"能说会道"，更能"懂得人心"。这将是一场从单一模态向多模态，从符号智能向具身智能和情感智能的全面进化。

5.2挑战与机遇并存：我们的未来与AI共生

啃下空间智能和情感智能这两块"硬骨头"，无疑是AI迈向真正通用智能的里程碑，它将重塑人类与世界交互的方式，并开启一个更深层次的"人机共生"时代。一个由更懂物理、更懂情感的AI所构建的未来，新的创意产业将因此繁荣，智能机器人将真正融入我们的生活，医疗健康将因AI的人性化洞察而受益匪浅。这个过程充满挑战，但也蕴藏着前所未有的巨大机遇，一个更真实、更人性化的智能未来，正向我们走来。

5.3留给读者的思考：你眼中的AI"最后一公里"是什么？

李飞飞博士点出了她眼中的AI"未解之地"。那么，在您看来，AI的"最后一公里"会是什么？是物理世界中更精准的感知与交互，还是人类情感里更深层次的理解与共鸣？又或是我们还未曾想象的某个领域？我们期待听到您的真知灼见，共同探讨AI的无限可能。

（文章仅代表作者本人观点）

参考资料

[1]GPT-4o的多模态能力:https://www.techtarget.com/whatis/feature/GPT-4o-explained-Everything-you-need-to-know

[2]ChatGPT周活跃用户数突破4亿:https://backlinko.com/chatgpt-stats

[3]ChatGPT总用户数:https://firstpagesage.com/seo-blog/chatgpt-usage-statistics/

 —— · END · —— 

按俺是大标题哦，亲亲

隶属于华夏基石咨询集团

※ 咨询服务领域 ※

战略丨营销丨研发丨生产丨运营丨

企业文化丨组织人力丨AI应用

中国领先的实战型、陪伴型咨询服务机构

地址：北京中钢国际大厦A座

投稿、转载及开白等：87824329@qq.com

咨询合作：13801295388（微信同号）

业务咨询合作扫码

衷心感谢读者朋友们的阅读和订阅《管理智慧》，为了便于您及时收到我们的最新推送，敬请星标本公众号，及时分享有价值的原创文章，共同推动中国企业管理的高质量发展。