8 月 27 日，由 36 氪与中欧国际工商学院联合主办的 2025 AI Partner 百业大会于北京中关村软件园盛大启幕。本次大会以 " 中国式方案 " 为主题，分为 " 中国式方案 " 和 " 谁来定义下一个人工智能时代 " 两大篇章，围绕 " 中国式创新的黄金时刻 "" 超级智能体能否成为下一代 AI 的核心形态 "" 中国式方案重塑世界科技竞争格局 ""AI+ 千行百业融合创新的繁荣景象 " 四大话题，全方位集中呈现中国 AI 的最新突破与生态体系，分享中国式 AI 的成长路径和未来前景，探索中国式方案的创新模式。

36 氪在 AI Partner 百业峰会特备策划了一场 "2025 年，AI 如何重塑场景的未来边界？" 的圆桌对话。36 氪资深作者【主持人】邓咏仪，中关村科金副总裁刘倩、长亭科技解决方案副总裁周辛酉、Mootion 联合创始人 &CPO 童超、思必驰 IOT 事业部副总祝迎君，几位大咖供同行探讨「中国式 AI 方案」的场景边界。

以下为致辞内容，经 36 氪整理编辑：

邓咏仪：欢迎大家来到 AI Partner 百业峰会。2025 年，AI 大模型持续带来惊喜，从年初的 DeepSeek 到年终开源模型大战，再到 GPT-5 的推出，模型能力的跃升为应用市场带来全新可能。今天我们请到来自模型服务、应用落地、垂直场景等多维度的嘉宾，共同探讨 "AI 如何重塑未来场景的边界 "。首先欢迎今天的嘉宾：中关村科金副总裁刘倩、长亭科技解决方案副总裁周辛酉、Mootion 联合创始人 &CPO 童超、思必驰 IOT 事业部副总祝迎君，接下来，请各位简要自我介绍，以及今年行业内的 " 惊喜时刻 " 或困惑。

刘倩：大家好，我是中关村科金的刘倩，负责产品研发。中关村科金 2014 年成立，一直深耕智能科技与技术应用创新，我们聚焦金融、政务、制造、交通、汽车、零售及企业出海等高价值行业与场景，打造了覆盖多行业的垂类大模型解决方案，最近刚刚荣获 2025《财富》中国科技 50 强。

说到 " 惊喜时刻 "，其实做 To B 企业服务，真正的价值不在大模型本身，而在 " 冰山之下 " 的系统工程 —— 比如解决大模型幻觉需做大量知识工程与检索加强，避免智能客服聊 10 轮后失忆要优化上下文工程，多智能体落地要平衡效率与效果。这些 " 苦活累活 " 才是企业级场景的核心。对我们而言，最开心的时刻是客户用了我们的产品后，在效率、用户体验、员工效能、风控能力上真正获得提升，这才是落地的价值。

周辛酉：大家好，我是长亭科技的周辛酉，负责解决方案与商业化。长亭 2014 年成立，是 100% 自主技术、自主专利的国产安全公司，名字源自《送别》，英文名 "CHAITIN" 对应 " 蔡廷常数 " —— 象征 " 已知却无法被计算机计算 "，代表我们用朴素初心做前沿安全技术。创始团队是清华蓝莲花战队，曾首获 Defcon 黑客大赛全球亚军，至今拿遍国内攻防赛第一，连续三年国家演练排名第一。

今年的感受是 " 矛盾 " 的：业务上，企业盈利变难是共性挑战；但技术上，AI 让我们能做以前做不到的事 —— 比如用 AI 重构安全防御范式，实现 " 知攻善防、智能安全 "。比如用 AI 自动化编程时，我们能同步嵌入安全检测，实时识别漏洞，这种 "AI + 安全 " 的融合，是以前不敢想的突破。

童超：大家好，我是 Mootion 联合创始人 & CPO。Mootion 是 C 端 AI 视频创作 Agent，产品上线一年，海外已有几百万用户，和台上 B 端嘉宾不同，我们聚焦个人创作场景。

今年最惊喜的 " 变化 " 是：AI 视频能力提升后，内容供给端正在 " 扩容 " —— 以前没机会创作视频的人，现在能用 AI 实现创意，比如普通用户也能做剧情短片、产品介绍视频。这种 " 新创作者 + 新创意 " 的涌现，是以前看不到的。比如有人用我们的工具做宠物日常动画，有人做小众兴趣科普，这种 " 人人可创作 " 的趋势，让我们看到 C 端 AI 视频的巨大潜力。

祝迎君：大家好，我是思必驰的祝迎君。思必驰 2007 年成立，是老牌 AI 语音交互技术公司，专注 " 语音语言交互式大模型 "，核心赛道是车载与智能家电：车载领域，梅赛德斯   -   奔驰、奥迪、保时捷、捷豹路虎、比亚迪、上汽等车企的底层语音技术是我们提供的；智能家电领域，海尔、海信、美的等 90% 以上的电视、空调、扫地机，用的是我们的交互方案。

今年的 " 里程碑 " 是数据 —— 2017 年我们上线对话平台时，智能硬件年激活量在行业均值；到去年，我们赋能的终端已达 2 亿台，指数级增长背后是 AI 的迭代。比如以前扫地机器人噪音大，2 米外喊不醒，现在我们的信噪比可以达到 -10db，实现高效精准的抗干扰效果，和毫秒级响应；以前会议转写错字多、没法用，现在识别准确率超 95%，还能自动生成场景化摘要，这些 " 从能用 to 好用 " " 被动指令 to 主动服务 " 的突破，是 AI 带来的最实在的改变。

邓咏仪：底层模型能力一直在涨，像 " 海平面上升 " 倒逼应用 " 造船 "。想请各位分享：你们行业里，AI 是怎么突破场景边界、实现提效的？具体有哪些案例？

刘倩：企业场景里，AI 不是 " 单点优化 "，而是 " 流程闭环 "。举三个例子：

客服场景：上一代客服自助率 60%-70%，还得 " 按 1 转人工 "，因为解决不了复杂问题。现在用大模型，用户说 " 扫地机器人坏了 "，拍张照上传，AI 能识别故障、自动建报修工单，还能联动顺丰下单取件，整个流程从 "2 小时 " 缩到 " 几分钟 "，用户不用填信息、不用自己叫快递，这是 " 从‘问答’到‘办事’ " 的突破。

销售场景：以前顶尖销售能答 90% 客户问题，但普通销售做不到。现在用 AI 可以模拟 " 各种类型客户 "，比如客户问 " 为什么是增程不是纯电 "" 充电桩铺了多少 "，销售见客户前能反复练习，普通销售也能变成 " 超级销售 "。

反诈场景：以前公安接报警后，人工登记、发止付指令要 30 分钟，骗子早转走钱了。现在大模型能实时提取报警关键信息，自动触发止付，时间缩到 2 分钟，帮助百姓挽回损失，守护好钱袋子。这些都是 AI 打破 " 流程断点 " 的价值。

周辛酉：安全领域的突破，藏在 " 看不见的代码里 "。比如 AI 编程：现在 80% 的大模型 token 用于自动化编程，但问题是 "AI 写的代码可能有漏洞 "。我们做了两件事：

开源工具 "MonkeyCode"：普通人 10 分钟能生成量化交易软件 —— 输入 " 用 Python 做 A 股量化 "，AI 自动写代码、调接口，还能优化 " 接口响应慢 " 的问题，全程不用懂编程。

商业化产品 " 码力 "：在 AI 编程里加 " 安全校验 " —— AI 写代码时，实时识别后门、密码泄露、逻辑漏洞，还能给修改建议。比如去年美国机构数据显示，AI 构建的攻击量增 3 倍，隐藏度增 60%，我们的工具就是帮企业 " 在 AI 提效时，守住安全底线 "。

童超：C 端视频场景的边界，在 " 多模态融合 " 里。以前 AI 只能做 " 动图 "，现在能做 " 带剧情的短视频 "，核心是 "AI 从‘工具’变成‘小团队’ "：

比如用户想做 "AI 发展历史 " 科普视频，不用自己写脚本、拍素材 —— AI 能当 " 编剧 " 写脚本，当 " 摄像 " 生成场景画面，当 " 剪辑 " 拼镜头，用户只要说 " 开头加个动画 "" 结尾放金句 "，AI 就能改。现在我们能支持 2-5 分钟视频，下一步是 10-20 分钟，关键要解决 " 人物、场景一致性 " —— 比如视频里的主持人，不能前一秒穿红衣服，后一秒穿蓝衣服。这种 "AI 包办全流程 " 的能力，让普通用户也能做 " 专业级视频 "。

祝迎君：语音交互的边界，在于 " 是否具备真正的智能对话能力 "。传统语音技术仅停留在 " 指令识别工具 " 层面，而真正的智能对话，需要 AI 具备理解、记忆、适配场景的综合能力，我们把这个过程拆解成 " 耳朵、大脑、嘴巴 " 的进化：

耳朵（音频采集）：以前手机 10 米外听不到声音，现在家电、车机都能 " 远距离拾音 "，比如车开着窗，后排说 " 调低空调 " 也能识别，解决了 " 输入不准 " 的基础问题。

大脑（语义理解）：以前是 " 问一句答一句 "，比如问 " 明天天气 "，再问 " 要带伞吗 "，AI 就忘了上一句。现在能 " 记上下文、做推理 "，比如用户说 " 孩子要睡觉 "，AI 能自动调暗灯光、调低音量，变成 " 会决策的智能体 "。

嘴巴（TTS）：以前林志玲语音是 " 标杆 "，现在 AI 合成音能 " 以假乱真 " —— 车载场景能复刻孩子的声音，家电能说 " 方言 "，甚至能根据内容调整语气，比如读故事时用 " 温柔声 "，报天气时用 " 清晰声 "。这些细节让交互从 " 能用 " 变成 " 愿意用 "。

邓咏仪：现在行业在争论 " 做 AI 辅助人的产品，还是人辅助 AI 的产品 "。想请各位分享：你们实践中，这两种思路的边界在哪？踩过哪些坑？

刘倩：核心是 " 技术边界 + 责任边界 " 的平衡。比如我们服务金融客户，即便 AI 回复准确率 99%，客户也不敢直接用 —— 因为监管要求 " 回复内容必须从人工审核的话术库选 "。这时候 AI 的角色是 " 辅助 "：帮客服理解客户意图、找话术，但最终回复要人工确认。

再比如自动驾驶、医疗辅助，技术不成熟时，没人敢让 AI 独自决策。所以我的观点是：AI 把 " 效率 " 做到极致，人类把 " 责任 " 把好关。坑的话，就是企业容易把 "C 端 AI 的体验 " 套到 B 端 —— 觉得 AI 能 " 无所不知 "，但其实企业需要的是 " 懂业务的 AI"，比如银行 AI 要懂 " 贷款流程 "，不是懂 " 天文地理 "，这种预期差要慢慢调整。

周辛酉：用 " 乔哈里窗 " 能讲清楚 —— 我知道、AI 知道的事，AI 辅助人提效（比如处理文档）；我知道、AI 不知道的事，人教 AI（比如我们把亿级漏洞数据喂给 AI，教它识别攻击）；AI 知道、我不知道的事，人问 AI（比如用 AI 查最新漏洞原理）；都不知道的事，一起探索（比如 AI 怎么防御未知攻击）。

我们踩的坑是 " 早期客户觉得 AI 能替代安全工程师 "，但实际是 "AI + 工程师 " 才厉害 —— AI 能跑遍全网找漏洞，但判断 " 这个漏洞会不会影响业务 "，还得靠人。现在客户慢慢明白，目标不是 " 替代人 "，而是 " 人模合一 "。

童超：C 端和 B 端不一样：C 端是 "AI 主导，人辅助 "，B 端严肃场景是 " 人主导，AI 辅助 "。

C 端比如视频创作，用户只要说 " 要温馨风格 "，AI 就能出方案，用户改改细节就行 —— 因为即便有瑕疵，后果也小。但如果是医疗、金融视频，肯定要人工审核。

坑的话，一是 " 用户跟不上 AI 速度 " —— AI 每周都迭代新功能，用户记不住 " 现在能做 3 分钟视频了 "；二是 " 认知差 " —— 2024 年数据显示 40% 美国人不知道 ChatGPT，全球渗透还很慢，我们要花很多精力教用户 "AI 能帮你做什么 "。

祝迎君：边界是 " 动态的 "，不是固定的。比如会议转写：以前人工校对占 30%，现在 AI 准确率超 95%，人工只占 10%；以前车载交互是 " 人说一句，AI 做一句 "，现在 AI 能 " 主动服务 " —— 比如检测到乘客打哈欠，自动调低音乐。

坑的话，是 " 技术指标≠产品体验 "：比如 AI 语音识别准确率 98%，但实际用的时候，环境吵一点就不准；再比如客户说 " 要做智能音箱 "，预算却只够做基础功能，这种 " 预期 - 预算 " 的鸿沟，需要我们慢慢磨合。但长期看，人机耦合是主旋律，只是 "AI 占比 " 会随技术成熟慢慢变高。

邓咏仪：最后想聊个轻松的话题：当你们产品应用落地时，客户对 AI 最常见的误区是什么？

刘倩：最大误区是 " 把 C 端 AI 的‘博学’，当成 B 端 AI 的‘能力’ "。客户用了 ChatGPT，觉得企业 AI 也该 " 什么都懂 "，但其实企业需要的是 " 懂业务的 AI" —— 比如银行 AI 不用懂 " 明星八卦 "，但要懂 " 信用卡还款规则 "。现在好的是，有些客户开始明白 " 数字员工也要培养 " —— 教它行业知识、企业流程，用反馈持续优化，不是 " 一上线就无所不能 "。

周辛酉：去年客户觉得 "AI 能替代人 "，今年觉得 " 替代人的是会用 AI 的人 "，认知在变，但误区还是 " 需求不清晰 " —— 客户说 " 要做 AI 安全 "，但不知道具体要解决什么问题。现在我们更多是 " 共创 "：一起梳理 " 是防代码漏洞，还是防 AI 攻击 "，再出方案，而不是 " 客户提需求，我们做产品 "。

童超：误区是 " 高估 AI 的‘即时效果’，低估‘渗透难度’ "。比如用户觉得 "AI 能马上做电影级视频 "，但现在只能做短视频；再比如全球很多人还不知道 ChatGPT，即便知道，也不知道 " 能用它做什么 "，这种 " 认知 - 使用 " 的鸿沟，比技术突破更难填。

祝迎君：B 端客户的误区是 " 技术指标 = 商业价值 " —— 很多客户过于追求实验室测试数值，但我们会基于客户的业务场景、用户群体特征，提供更贴合实际需求的技术选型建议，实现 " 成本与价值 " 的最优平衡。另外就是 " 短期期待太高，长期耐心不够 "：AI 技术的落地与价值释放，往往需要一个循序渐进的积累过程，从数据的持续优化、算法模型的迭代，到工程方案的适配调整，每一步都需要时间沉淀，难以实现 " 上线即见效 " 的短期突破。

邓咏仪：今天的圆桌很精彩，各位嘉宾既分享了 AI 提效的案例，也提醒我们 " 不高估短期影响，不低估长期价值 "。感谢各位嘉宾，也感谢观众的聆听！