投资人眼里的AI革命：寻找应用层的黄金机会

财经

7月前

AI正以不可思议的速度发展。

昨天凌晨，在被外界视为“全球AI风向标”的英伟达GTC大会上，英伟达创始人黄仁勋公布了搭载B200芯片的GB200 Grace Blackwell超级芯片系统，以及英伟达在AI软件（NIM微服务）、Omiverse云、具身智能方面的最新进展，将人工智能行业推向又一个先锋时刻。

再看国内，刚刚过去的两会，与AI相关的“新质生产力”“人工智能+”，都被写入了今年的政府工作报告。两会对人工智能的定调，也意味着人工智能成为新一轮科技革命和产业变革的重要驱动力量。

在这样的背景下，哪些机会是值得AI创业者重点关注的？未来的破局之道又有哪些？近日，在黑马直播间，在创业黑马执行总裁罗浛予的主持下，达晨财智合伙人窦勇、元禾原点合伙人乐金鑫与创世伙伴资本合伙人聂冬辰一起，分享了各自对AI发展的思考以及对创业者的建议。

关于AI的创投机会，窦勇在黑马直播间表示，在国内拼底层算力、算法可能没机会，但拼应用有机会，特别是在中美博弈背景下，外资难以进入的行业就是机会所在，掌握稀有数据资源也是竞争优势。同时，国家顶层有意进行赛道切换，意味着从过去依赖资源消耗型增长和产品跟随策略，到现在强调科学技术的重要性，一要补强历史上的短板，如仪器仪表、关键半导体制造、关键材料等领域的产业链；二要积极发展新兴科技领域，如人工智能、类脑计算、量子计算、核聚变等。

聂冬辰将整个AI产业链分为三层：底层的大模型层，中间的服务层，以及顶层的AI应用层。他认为，在大模型层，最终只会留下少数头部企业，而专注于特定垂直行业的模型公司更有竞争优势；服务层包括AI数据标注、数据库管理、模型训练和部署等环节，做成巨型公司的几率较小，生存空间容易受上下游挤压；在AI应用层，创业者可以关注硬件，跟中国成熟的工业体系和供应链相结合。

乐金鑫则提到，AI在高度碎片化且人力成本高昂的行业中具有巨大的潜力，如教育、医疗和法律援助。这些行业的特点是业务分散、地域化明显，且涉及的专业人员的时间成本极高。这些领域恰恰是AI未来可能替代专业人士的。人们需要思考的是，在AI广泛应用的未来，我们应该如何体现自己的价值。

拼底层算力、算法没机会

拼应用还有机会

罗浛予：今天我们邀请到三位资深投资人，一起来聊AI话题。请三位先跟大家打个招呼。

窦勇：大家好，我是达晨财智窦勇。达晨管理基金规模近500亿元，投资企业总数756家，143家企业IPO了。我们的被投企业中有 172 家是国家级专精特新小巨人。我在公司主要负责新兴技术的投资，是公司的 IC 委员之一，主要关注人工智能、大数据、硬科技、半导体等板块。

聂冬辰：大家好，我是聂冬辰，来自创世伙伴资本。我们基金自2017年起，由原KPCB中国基金主管合伙人周炜带领团队创立。自成立以来，团队在中国早期风险投资领域投资了众多优秀科技创业公司，其中近40%的公司成长为独角兽或上市公司，如京东、宜信、喜马拉雅、数坤、酷哇等。未来，我们将继续关注科技创新，特别是在应用场景中的实现，包括AI机器人、自动驾驶、绿色科技以及数字化转型等领域，都是我们持续关注的重点。

乐金鑫：大家晚上好，我是乐金鑫，来自元禾原点。我们公司是元禾控股旗下一个专注于早期科技投资的平台。元禾原点是2013年通过市场化改革，从原有国有体制中诞生的。过去十年，我们主要关注人工智能、半导体、先进制造等硬科技领域，以及生命健康这一大赛道，进行早期股权投资布局。我们是上一波AI 浪潮中比较早期布局的，从基础算力到AI四小龙都有布局，也是寒武纪最早期的天使投资人。我们持续关注人工智能的发展，不仅在技术层面，还包括系统、传感、执行以及应用端。

罗浛予：当前的AI发展非常迅速，在AI领域创业时，竞争对手又非常强大的竞情况下，如何建立核心竞争壁垒变得非常关键。请问三位，在AI领域，到底什么是真正的壁垒？又该如何建立壁垒？

窦勇：虽然我们早在三年前就投资了智谱华章，在没人看懂时就重仓投入，但在看到Sora之后仍有一种无力感。这种无力感体现在三方面。

首先，Sora基于大规模算力模型展现出的涌现能力超出了我们的预期。国内在追赶这一技术时，发现可行的方法并不多。我们曾猜想Sora可能是基于GPT 4.0的语言预调后再转换为视频，或者是直接训练标准视频数据来生成内容。但实际情况是，Sora直接从视频生成，这一技术路径的猜想被证伪，且Sora的训练版本远超目前发布的60秒Demo。

其次，这种代差感让我们感到郁闷。我们反思国内创业团队是否有超越的可能性。从ChatGPT引发的AI浪潮来看，AI的迭代速度可能超出所有人的预期，对行业的影响可能是翻天覆地的。

最后，面对Sora，我们认识到与主要竞争对手之间存在技术代差。虽然技术路径的验证不再需要，但我们仍需寻找创新点。对于AI行业的投资者和从业者来说，拼底层算力、算法没机会，但拼应用有机会，特别是在中美博弈背景下，外资难以进入的行业可能就是机会所在。此外，在某些特定行业中，掌握稀有数据资源也可以成为AI创业的竞争优势。对于AI创业者来说，密切关注这些发展，适应技术迭代速度，是企业能否在AI浪潮中立足的关键。

乐金鑫：在某些领域，我们的目标是尽量缩短与领先者的差距，而不是轻易谈超越。中国拥有相对完整的产业链条，相比之下，美国等国家的一些产业链已外移，重新整合这些产业链条并非易事。尽管在民间交流中，中美之间的合作仍然开放，特别是在消费电子、新能源车等领域，但我们仍然面临着技术封锁的挑战。

当前感受到的技术代差并非因为中国算法工程师不努力，而是由于缺乏与国际先进水平相匹配的大算力支持。此外，数据问题也是我们需要关注和解决的方面。

中国在多个领域已经展现出全球领先的优势，这是过去十年我们产业链完整性和深耕细作的结果。在需要突破的领域，我们要结合中国特色，收敛与美国之间的差距。AI在材料学、核聚变等领域的应用已经展现出其独特的生产力。我们应该学习前人路径，一旦找到正确的方法，尽量减少试错成本，在跟随中寻找自己的特色。

聂冬辰：在讨论AI产业的竞争壁垒时，我们将整个AI产业链分为三层：底层的大模型层，中间的服务层，以及顶层的AI应用层。

在大模型层，中国必须拥有自主可控的大模型，这些模型能利用国内的数据资源，但最终可能只会留下少数头部企业，这可以参考互联网和移动互联网行业的发展历史。对于专注于特定垂直行业的模型公司，他们拥有高产业认知壁垒和数据壁垒，尤其是在数据难以公开获取的敏感领域，这些公司将有竞争优势。

服务层可能包括AI数据标注、数据库管理、模型训练和部署等环节，这些服务在整个产业链中至关重要。这类企业类似互联网时代的SaaS、ToB企业，做成巨型公司的几率要比大模型和应用层小不少，它们的生存空间受到上下游蚕食的压力是非常大的。

在AI应用层的问题是，如果大厂做了怎么办？一方面，可以寻找那些具有产业壁垒和数据壁垒的机会。另一方面，也要考虑OpenAI或者知名大厂无法涉足的领域，不能只关注软件算法，要跟硬件结合、跟中国成熟的工业体系和供应链结合。此外，如果公司的产品和解决方案能高度融入客户的工作流程和业务流程中，那么不可替代性将会非常高。

罗浛予：很多公司都在关注怎么 AI 化，AI算力中心的投资机会和趋势，几位怎么看？

聂冬辰：算力中心，如果在资源分配算法方面没有特别强的能力，本质上是一种资本密集型的业务。商业模式的核心在于，不断获取新的算力资源，特别是低成本、高性能的算力，并将其提供给需求方。对创业公司来说，在大厂还没注意到的时候是有机会的。但是，参考云计算市场的发展，最终也可能会进入寡头竞争阶段，最直接的办法就是拼资本。

乐金鑫：我们需要明确所讨论的算力是指云端、边缘侧还是终端的算力。如果是数据中心的算力，这可能不是创业公司应该考虑的问题。当前对算力的讨论往往只关注数量，而忽略了大规模集成算力的工程化能力。在缺乏这些经验的情况下，很难看到当前混沌状态下算力发展可能带来的变化。

结合对未来硬件发展的思考，通用硬件始终存在于我们身边，一旦有了个人助理设备，人们的行为习惯和生产、生活方式都会发生变化。为了AI更好地理解人类并提供服务，每天 24 小时不同场景当中会有大量新机会出现，应该多关注这些场景和终端的数据和算力带来的机会。

窦勇：算力方面，我觉得现在国内和国外不太一样。从国家宏观层面来看，算力正在作为一种基础设施被大规模部署。直接投资超算中心这类源端设施可能不是非常棒的idea，但可以考虑其他相关领域，比如超算中心的光模块、风冷、水冷系统等。鉴于算力中心的能耗问题，提升光模块的传输速率（如达到1.6T或更高）可能是国内企业的机会所在。

从硬件来看，如果不考虑使用英伟达的CUDA体系，是否有可能开发出中国版的CUDA？英伟达的强大不仅在于硬件本身，还在于其联调联优的经验。我认为中国的CUDA也会出现，到底是在哪里？这对创业者来说有机会。

最后，针对人工智能算力，建议关注边缘计算的算力机会。因为边缘计算对模型的要求可能不像云端那样高，一些大模型应用对于算力的需求也许是机会。

在优质资源严重短缺的行业

AI非常适合作为优质劳动力的补充

罗浛予：接下来的话题跟AI应用相关。第一，大家能不能举一些AI应用方面的案例？第二，AI与法律、教育可以怎么结合？有可能产生哪些新的商业模式？

窦勇：我先选“AI+法律”这个课题，我们有一家从事法律业务的公司正在开发专门针对法律层面的垂直应用模型，终极目标是为普通民众提供专业的法律服务，帮助他们解决日常生活中的法律问题，就像拥有了一个私人律师。

具体来说，这个模型做了几件事情。首先，它收集了全国相关部门的审判案例，包括民法和经济法等领域的上千万例案件。其次，该模型是基于开源的大型语言模型，进行了适当的调整和补充，形成了专门针对垂直行业应用的模型。

这个垂直应用模型已经在一些法院中得到了实际应用。从应用效果来看，无论是法官、书记员还是律师，所有参与司法阶段法律层面的人员都能显著提高工作效率。例如，法官在审理案件时，裁判文书的撰写基本上是即时生成的，且错误率极低，这对保证司法公正性非常有益。

在法律援助方面，尤其是在经济发达地区的普通民众中，该模型也发挥了重要作用。它提供了类似大法官的服务，能解答各种法律问题，特别是涉及民法和经济法等，都有相应的参考案例和成熟的判决方法。这使得每个不熟悉法律的民众都能得到法律的陪伴和帮助。

在司法过程中，律师和法官面临的案件量巨大，日常工作繁重。AI可以帮助减轻他们在日常工作中的负担，例如自动撰写裁判文书、编写庭审笔记，或者寻找起诉书方面的参考案例。如果AI能够作为法官或律师的助手提供这些服务，法官或律师也可能愿意为这些服务付费。在整个产业链中，无论是面向消费者（ToC）、企业（ToB）还是整个产业环境，AI只要能满足用户需求，用户就愿意付费。因此，在这种情况下，商业模式的重要性反而会降低。

聂冬辰：教育、法律和医疗等行业在中国当前面临的最大问题，是优质资源的严重短缺。中国有许多医院和学校，但缺乏优秀的医生和教师。在法律咨询方面也一样，需求巨大，但合格的律师数量不足。在这些行业中，AI作为优质劳动力的补充是非常合适的。

在这些垂直行业中，每个领域都有其特定的壁垒，例如法律领域的专业壁垒。教育领域的分类则相对分散，涉及不同的学科和教育阶段。关键在于如何提供独特的、不可替代的服务。如果只是在传统在线教育的基础上叠加AI技术，以低成本创造内容，这很容易被其他公司基于不同的模型和技术路径所复制，那么在市场中只能分得很小的份额。

我认为商业模式是需要考虑的，但不是当前最重要的问题。以OpenAI为例，它最初是一个非营利组织，并未考虑盈利。但当它成为市场上不可替代的服务提供者时，无论是向B端还是C端收费，用户都会自然而然为之付费。OpenAI究竟是一家ToB公司、ToC公司，还是技术公司或商业化公司，这些界限变得模糊。在当前的AI创业中，只要做到对客户和用户来说不可替代，收费模式自然会形成。

乐金鑫：在我们谈AI时，有人可能谈AI色变，但大家又没充分感受到 AI 的功效。这是因为在提问时，大家的身份有重叠：一方面，作为创业者关心的是商业模式和盈利机会；另一方面，又站在消费者或使用者的角度，关心使用效果。

AI在高度碎片化且人力成本高昂的行业中具有巨大的潜力，如教育、医疗和法律援助。这些行业的特点是业务分散、地域化明显，且涉及的专业人员的时间成本极高。这些领域恰恰是AI未来可能替代人的。AI能够集中这些高成本的能力和知识，作为需求方的人们却很难获得这些专业知识，只要有需求，就会产生价值。人们需要思考的是，在AI广泛应用的未来，我们应该如何体现自己的价值。

顶层设计切换赛道

需要重新审视AI+的含义

罗浛予：新质生产力是最近的热词，被写入了今年的政府工作报告。首先，大家怎么理解这个概念？第二，从实操的角度出发，这个概念对应的是哪些产业或主题方向？新质生产力的提出，能够为创业和投资的带来哪些新机会？

乐金鑫：新质生产力实际上反映了党和国家在当前时刻向我们传递的信号，强调了“新”和“质”两个方面。核心在于统一声音、步伐和行动，认识到对新事物应持拥抱态度，对旧事物应勇于抛弃。至于“智”，我理解为关注质量，特别是可持续发展的质量，这种质量能够引领产业轮动和变革，并具有生命力和延续性。

能源产业是一个很好的例子，它是产业轮动周期中的基础。多年前提出的“新基建”概念，如果投资者真正理解并实践了这一工作报告，那么他们现在手中的投资组合或资产将相对优质。相反，如果五年前还在投资那些需要去杠杆的产业，现在的情况可能会很糟糕。

聂冬辰：我们从现实出发，刚才也提到了生产力与人的关系。大家可以看中国人口增长的变化，这对投资产业有着直接影响。过去几十年，中国每年的新增人口曾高达2000万甚至更多，但近年来有所下降。2021年新增人口略超1000万，2022年约950万，预计未来几年将继续减少。这意味着，未来中国新生代的数量将逐年减少。未来，在一些劳动强度大的行业，如田间地头、仓库、钢厂和工厂等高温、高污染环境中，可能会出现劳动力严重短缺的情况。这种短缺就需要依靠智能化产品和解决方案来解决。这将是未来创业和投资的一个重要趋势。

2016年以来，我们的基金已经在布局，投资于未来能够缓解劳动力短缺问题的不同应用场景的早期项目。无论是物流、仓储、城市清洁还是农业科技，我们都提前布局了智能化产品，包括AI产品、机器人、自动驾驶车辆等。

未来智能化产品将在各个产业中变得越来越普遍。在智能化产品产业链上，无论是从事底层技术研发、核心零部件制造，还是基于应用场景的高度集成，都存在良好的投资机会。无论是纯算法开发还是软硬件结合的企业，只要能抓住真正稀缺供给场景，未来价值都将非常高。

窦勇：我觉得大家要反思，为什么在这样的时间点提出这个概念。如果从汉字结构来看，重点可能在于，生产力的本质是什么。生产力是改变社会关系的关键因素。国家顶层有意进行赛道切换，这意味着，从过去依赖资源消耗型增长和产品跟随策略，到现在强调科学技术的重要性。国家顶层已经明确指出，未来中国经济的持续增长需要摒弃传统思维，拥抱新的科学技术，并将其与生产要素结合，应用于生产技术中，从根本上改变目前过度依赖低端产业链的增长模式。

从国家顶层设计来看，一方面是补充历史上的短板，考虑到国内外的差距和地缘政治关系导致的落后行业，如仪器仪表、关键半导体制造、关键材料等，可能包括补强这些领域的产业链。另一方面是积极发展新兴科技领域，对于代表未来前沿科技的领域，如人工智能、类脑计算、量子计算、核聚变等，国家强调不能落后。

罗浛予：今年两会的政府工作报告也提到了“人工智能+”，2015 年两会提到了“互联网+”，接着就掀起了创新创业的热潮。三位觉得，这一次“人工智能+”跟以前的“互联网+”相比，有哪些共同点和不同点？会不会引起新的创业浪潮？

窦勇：从国家顶层设计来看，这次提到的“人工智能+”，跟以往不一样的是，这次强调了具体的场景、产品、应用，例如在医疗行业为创新医药打开了窗口，也许这就是未来人工智能+行业应用的一个缩影。在创新医药领域，研发投入巨大，需要大量资金、人力且周期长，但在当前的市场环境下，资本市场的大门似乎关闭了。国家层面的政策为这些有益于民生和国家利益的产业提供了支持，允许它们在资本市场上获得发展机会。这是“人工智能+”与以往的“互联网+”不同的地方之一。

国家顶层设计已经清晰认识到中美在人工智能领域存在的差异。中国的优势在于拥有完整的供应链技术和多样化的应用场景。从应用场景出发，即使不采用最优的大模型，中国也能开发出解决问题的最优垂类模型，从而在全球人工智能竞赛中占据一席之地。

此外，随着国家宣布5万亿重大设备更新换代的政策，人工智能的整合应用也成为关注焦点。这一政策的公布，旨在为下一轮全球供应链的高效率产品做准备，体现了逆周期的策略。在重大设备更新换代的过程中，人工智能将提升产品效率和质量，为未来发展奠定基础。当市场需求恢复时，结合人工智能的新设备将带来更高的生产效率和更低的成本。无论地缘政治如何变化，高质量和低成本的产品始终是硬道理。

聂冬辰：我觉得“人工智能+”浪潮已经形成了，与“互联网+”相比，持续时间更长且影响更深远。首先，从2011年、2012年移动互联网的兴起开始，到现在近15年，我们观察到互联网和移动互联网对传统行业更多是赋能，而不是彻底革命或替代。AI目前处于初级阶段，也是以赋能为主。但在某些行业，如法律和初级投资分析等，AI已经可以在很大程度上替代人类，且随着AI技术的进步，这种替代将更加显著。

其次，AI对于创业者的要求远高于互联网时代。过去，大学生创业受到鼓励，因为开发应用程序或网站的门槛相对较低，成功更多依赖于运营能力和其他技能。但AI创业者需要全方位的技能，包括技术能力、对行业和场景的深入理解，以及客户资源的积累等。

乐金鑫：互联网+的商业模式和底层逻辑主要有两种形态。传统生产组织是链条式的，而互联网带来了规模经济，使得商业模式出现了两种框架：一种是降低成本，另一种是规模效应。在互联网经济下，企业通过联网显著降低了成本，同时实现了传播过程中的规模效应。但这个过程中，最小经济个体创造价值的本质并未发生变化。

进入人工智能+时代，我们需要考虑两个新维度：生产力本身的提升，生产关系及经济组织中最小单位的变化。这意味着，加入AI后，不仅生产力得到提升，生产要素之间的关系也会发生变化。

上一波AI公司的通病是，他们在个别场景中应用了先进技术后，试图快速泛化，却未能深入理解传统场景，导致AI的加入流于表面，无法实现价值闭环。我们需要重新审视AI+的含义，确保在实际应用中深入理解并有效整合AI技术。

人工智能应用也许会

成为一种新的生产力

罗浛予：有个网友提出的哲学话题，我觉得可以拿来给三位嘉宾聊一聊。如果说AI是生产力，人类可能需要重新定义生产力这个概念，到底是人产生生产力，还是算法模型产生生产力？

乐金鑫：Sora展示的Demo表明，在时间维度上，我们已经实现了一个分支和分叉。AI的神经网络在“暴力美学”的推动下，不仅向前推进，甚至在某种程度上回溯历史，集合了人类几千年的智慧以及尚未完全理解和发掘的知识和逻辑。Sora代表的不仅是视频或音频，而是在一个平行空间，AI的生产力已经在创世纪。这对现实物理世界有着重要的参考和指导意义。

例如，在进行实验、研究分子式或开发新药时，通常需要成千上万次的重复实验。但在AI的平行参考世界中，我们可以寻找到有价值的东西，这样的生产力可以从AI世界迁移到物理世界。

早在三五年前，我们就在讨论AR/VR和数字孪生的概念，讨论如何将物理世界数字化和虚拟化。但现在，需要考虑的是，在虚拟化的世界中如何创造价值。随着AI生产力的提升，生产要素必将发生变化。如果虚拟世界中的生产要素不再需要有血有肉的人类，我们需要重新思考这个问题。

随着ChatGPT、GPT-3.5、GPT-4的出现，公众对于AI的安全性、道德问题等都展开了讨论。比如，如果AI被命令去执行对人类有害的行动，会出现什么情况？我相信，在任何AI系统中，都会有安全指令来确保人类的利益。技术的发展是不可阻挡的，AI在其范式和维度中将会展现出我们今天无法想象和预测的新事物。但在现实世界中，我们不需要那么恐慌，应该更多地关注哪些AI技术能够为我们所用。目前，还没有技术能够完全打通虚拟世界和物理世界，这是一个值得关注和期待的领域。

窦勇：从人类认知的角度来看，我们的认知是基于三维世界和传统物理学构建的。在人工智能出现之前，生产力和生产关系的定义已经在历次工业革命中得到证明。关于AI是否会成为新的生产力，我们不用急于下结论。

目前，AI行业、投资界、创业者以及产业界对于AI带来的变化充满了期望和惊喜，同时也伴随着一定的恐惧。AI与现实世界的融合才刚刚开始。举例来说，大型模型出现之前，创作一部电影需要大量的人力、时间和成本，现在有了Sora或更多类似的AI模型，一个普通人就能创作出属于自己的电影。

对于人工智能，我个人认为，如果不想被时代的浪潮淘汰，现阶段我们应该拥抱而不是害怕它。AI应用可能就是新的生产力，但绝对不是算法跟模型。AI的应用，包括大型语言模型、文生图和文生视频，以及3D建模，都是为人类的真实生活场景服务的。我更认为，人工智能的应用也许会成为一种新的生产力，这也是现在国家推动AI与各行各业结合的根本原因。

聂冬辰：这个问题在我看来就是说，人与趋势之间，到底是如何相互作用的？是人创造趋势，还是趋势基于不同因素，最终在恰好的时间让必然的事情发生？我个人更倾向于后者。

趋势是在多种内外因素综合作用下，恰好在当前这个时间点与AI相关联，人类无论是发现还是发明了Transformer模型，以及创造了ChatGPT等一系列技术，其实更多地扮演了发现者的角色，或者说是触发某种变化的导火索。但真正产生爆炸性影响的是趋势本身。人类的潜力是有限的，即使人类大脑的潜能得到完全发挥，我们能否与未来的AI相媲美仍是个问题。从长远来看，我认为是，技术创造技术，趋势创造趋势。

AI不太可能颠覆微信

但有潜力颠覆现有社交产品

罗浛予：每个时代都会有人问，AI 的应用会在社交领域出现一个颠覆极大的产品吗？主要是能否颠覆微信，因为AI出现之后，它的交互会不会更有意思？

乐金鑫：互联网的发展模式与传统的线性增长不同，而是呈现出阶段性的特征，这也导致了现今互联网的形态。在这样的背景下，社交软件的影响力变得极其巨大，它代表了一种新的社会组织形式，能够发挥巨大的力量。即便在这样的互联网时代，任何应用或场景都有可能被颠覆。这种颠覆可能改变的是形态，或者信息传递方式，或者人们的相处方式。

当前，硬件的进步，如手机已经从功能手机演变到智能手机，又将迈入AI智能手机的时代。核心问题可能是，随着AI能力的泛化，人们的工作可能转变为向下兼容，比如帮助老年人或父母等适应AI智能手机等新工具。当AI能力泛化到终端设备和通用硬件上，我们今天所熟悉的许多APP和场景，都将发生变化。可以肯定的是，无论是腾讯、微信还是其他平台，都将经历改变。

聂冬辰：微信首先是一个即时通讯产品，核心功能是作为通讯工具建立双方的连接。微信内的“朋友圈”具备社交功能，但其本质并非社交产品。关于AI是否会颠覆微信的问题，可以类比为北极熊不吃企鹅，因为两者生活在不同的区域。

AI虽然不太可能直接颠覆微信，但有潜力颠覆现有的社交产品。社交产品的本质在于建立社交关系，而AI能够基于效率优势，特别24小时不间断工作的特性，无限放大建立关系的能力。AI可能创造新的交互形式，比如AI让人物以虚拟形象出现在用户面前。AI能进行内容生成，在社交过程中建立新的沟通机制，比如AI陪伴功能，AI能以用户喜欢的方式提供陪伴，这与传统的人际关系相比是一个巨大的颠覆。

窦勇：我觉得还可以关注新兴的社交工具，如苹果的Vision Pro，可能提供比微信更直接和频繁的交流方式。从改变现有社交工具的角度看，微信主要是基于文字或短视频的一对多沟通方式。但在虚拟世界中，沉浸式的交流方式可能会成为主流，而在这一领域AI能够提供显著的帮助。目前已经有一些终端产品出现在市场上，预示着AI将改变现有的人与人之间的沟通方式，包括建立关系的过程。未来，我们可能无法确定与我们沟通的是真人、虚拟人还是数字人。技术发展总有两面性，但根本目的是为了方便人类，提高效率，AI的发展也不例外，旨在解决如何提升人类效率的问题。