整理 | 李雪曼

划重点

1. 大模型浪潮把人工智能拉下了神坛，提升了公众对人工智能的认知和接受度，使得越来越多的企业和个人愿意尝试和应用 AI 技术。

2. AI 的应用不仅仅是在软件或硬件层面上的突破，更重要的是能够深入各行各业，解决实际问题。

3. SaaS 用户本身付费习惯就差，如果再与大模型交互产生的 Tech 费用远远超过软件本身的费用，那么 AI 应用就变得不划算。

4. 美国的 AI 战略似乎正试图将 AI 技术塑造为新时代的“Windows+Intel”组合，意图通过掌握核心技术和标准，让全球为其 AI 技术“交税”。

5. 所有的行业都会叠加 AI，不同的行业可能会以不同的程度和方式叠加 AI 技术，只是有的行业叠加了 1%，有的行业叠加了 99%，但不管是叠加 1% 还是叠加 99%，只要客户觉得有价值，只要它能为企业挣钱，我认为它都是好的 AI 的应用。

正文

“未来 AI 会无处不在，所有的行业都会叠加 AI，不同的行业可能会以不同的程度和方式叠加 AI 技术，只是有的行业叠加了 1%，有的行业叠加了 99%，但不管是叠加 1% 还是叠加 99%，只要它能为企业挣钱，只要客户觉得有价值，我认为它都是好的 AI 应用。”李明顺对未来 AI 时代的展望颇具洞察力。

这位拥有 24 年互联网创业经验的老兵，近两年来特别关注人工智能的应用。去年 6 月，他创立了“行行 AI”，致力于推动 AI 技术的创新与应用。他既是一名创业者，又是一位投资人，同时还肩负着向政府部门传递 AI 领域最新发展动态的职责。目前，他积极联合了数十家公司，包括上市公司、行业独角兽，以及一些企业家和创业者，在工信部工业文化发展中心牵头下，成立了 AI 应用工作组，他获选执行组长。

从李明顺的观察来看，国家对于人工智能的应用给予了极高的重视。尤其是今年两会之后，各个部委纷纷响应国家的号召，开始启动人工智能应用的相关工作。这无疑是一个令人欣慰的现象，这样的政策导向和市场环境，对于 AI 领域的企业家、创业者和投资者来说，都是一个极大的鼓舞。

近日，李明顺做客崔牛会 | 大崔会客厅，聊了聊他眼中的 AI 时代浪潮。以下是崔牛会创始人崔强与李明顺的对话全文（牛透社整理，有删减）：

崔牛会：从过去一年 AI 的发展来看，你认为中国的这轮 AI 浪潮相较于之前的 AI 发展，有哪些显著的不同之处？另外，在 AI 技术的实际应用与落地方面，你认为我们距离全面实现这一目标还有多久的距离？

李明顺：我非常看好 AI 在中国各行各业的应用落地。从去年五六月份起，我在中国见了至少 600 个项目，这些项目都是我一对一深入交流的。最近，我还前往美国进行了考察，期间接触了五六十个项目，并投资了三个美国的项目。这次的美国之行，我深感中国在 AI 应用方面有着显著的优势，其原因得益于中国丰富的生态环境。

技术方面，随着大模型的开源，如 LLaMa 等，全球在 AI 模型上的差距正大幅缩小，几乎站在了同一水平线上。然而，进一步训练这些模型以追求更高的性能，可能会面临投资回报率不成正比的挑战。正如 Meta 的创始人扎克伯格所指出的，AGI（通用人工智能）在短期内实现的可能性并不高，可能需要几十年甚至更久的时间。在当前阶段，我们主要依赖的是 Transformer 模型和 GPU 算力，这些技术路线使得大模型在未来可能只是在 95 分到 99 分之间的小幅提升。

在这个技术背景下，如何结合实际应用场景，找到 AI 的最佳应用点，成为了一个关键议题。在这方面，中国凭借庞大的市场规模和广泛的应用场景，具有得天独厚的优势。

政策层面，无论是新质生产力的提出，还是总理强调的 AI 赋能千行百业，都体现了对应用场景的高度重视。这表明中国已经意识到，AI 的应用不仅仅是在软件或硬件层面上的突破，更重要的是能够深入各行各业，解决实际问题。

市场方面，中国作为全球最大的贸易出口国，拥有庞大的商品和产品出口量。这意味着，几乎所有的商品和产品都有可能成为 AI 赋能的对象。这种广泛的应用场景为中国的 AI 发展提供了巨大的空间和机遇。

这一波 AI 浪潮还有一个特点，就是大模型技术只是整个 AI 领域中一个重要突破点。人工智能技术发展至少已经有 50 年的历史，涵盖了自然语言处理（NLP）、计算机视觉等多个传统领域。在这一波大模型技术的推动下，这些传统领域也得到了前所未有的重视和关注。

过去，人工智能往往被视为遥不可及、高端的技术，而这波大模型浪潮把人工智能拉下了神坛，就像当年 iPhone 打开了移动互联网的窗口一样，降低了使用门槛，使其变得更加易于理解和使用。如今，人们可以轻松地通过自然语言与 AI 进行交互，无论是写文章、制作图片，还是其他各种应用，AI 都能提供强大的支持。这种变化极大地提升了公众对人工智能的认知和接受度，使得越来越多的企业和个人愿意尝试和应用 AI 技术。所以说，这波 AI 大模型的兴起如同点燃人工智能的 iPhone 时代，它不仅推动了技术的飞跃，还是推动人工智能应用普及和引发新一轮浪潮的催化剂。大模型的这种影响力，远超过其技术本身的价值。

崔牛会：前两天和几个朋友讨论，大家普遍有一个共识，认为中国在大模型底座技术方面的发展机会相对有限，那么在应用方面，你认为是美国的机会更大一些，还是中国有更大的应用前景？

李明顺：我部分认同这个观点。中国在大模型底座技术方面，其实缺的并不是算法和数据资源。我觉得我们缺乏的是那种自由思考和大胆创新的原创能力。以 Transformer 模型为例，它是由 Google 的八位作者共同发布的，在美国，像 Google 这样的大公司可以养很多所谓的“闲人”，这些人可以做很多 0 到 1 的这种原创性的创新探索，甚至像 Open AI 这样的公司，他们愿意为了那些看似模糊、甚至暂时看不到明确盈利方向的研究项目或想法，投入大量的资金和资源，这样的条件在中国是很难创造出来。

所以，中国出现这种原创性技术的创新其实很难，但这并不代表中国做不了大模型。首先，中国人具备足够的智慧和才能，一旦明确了方向，他们有能力进行技术模仿、算法实现、数据优化和迭代改进。这种能力在中国科技界已经得到了广泛证明。我们目前缺的是原创能力，只要给了足够多的外部支持，其实中国也是可以做的。

崔牛会：在大模型底座制胜的应用层，你认为哪些领域会出现特别繁荣的发展？

李明顺：我认为千行百业都可以用 AI 去加持或重构一遍。在大模型技术与产业结合上，我认为华为的做法值得关注，华为盘古大模型就不满足于简单的娱乐场景，而是更加专注与产业应用的深度结合。

我举几个简单的例子， 以中国的电商场景为例，电商，本质上卖的是图文。每个人在线上购物，首先看到的是文字，图片，还有一些视频。中国电商行业凭借其强大的图文内容展示，占据了全球电商市场至少四分之三的份额。从淘宝、京东、拼多多到抖音、TikTok，以及亚马逊上众多中国卖家，电商与 AI 的深度融合是中国最大的优势，有着巨大的发展前景。

随着 AI 技术的影响，电商行业的图文制作团队正在经历一场深刻的变革。以杭州为例，这座城市涌现出大量专注于电商 AI 应用的公司。这些公司利用 AI 技术为电商提供高效、精准的图文制作服务，据我了解，已经有多家创业公司通过提供电商 AI 应用服务，实现了亿元以上的年收入。

我以一家拥有 200 名员工的电商公司为例，如果采用传统的图文制作方式，每年可能需要支付高达 2000 万的人力成本。而通过引入 AI 技术，公司可以削减一半的图文团队，节省 1000 万的成本。而与此同时，电商企业只需支付300 万给 AI 应用提供商，就能获得同等甚至更好的效果。假如服务 50 个大卖，一个大卖付费 300 万，那一年就 1.5 个亿的收入。在这种模式下，电商企业不仅降低了成本，还获得了更高的工作效率和更好的用户体验。而且电商 AI 应用不仅限于图文制作领域，现在已经有越来越多的电商企业开始尝试将 AI 技术应用于销售、客服、物流等各个环节，以进一步提升运营效率和用户体验。

此外，为了与海外客户进行流畅的沟通，以往电商企业不得不聘请具备高水平英语能力的客服人员，并承担其工资、社保等成本。现在 AI 机器人能够与客户进行实时、准确的交流。它们不仅能够理解客户的需求和问题，还能提供相应的解决方案。更重要的是，AI 机器人的运营成本极低，无需支付工资、社保等费用，大大降低了电商企业的客服成本。

我还看到很多做智能硬件的公司，也在进行新一轮的智能化革新。在深圳，有团队成功将手机转化为能与用户聊天的智能玩具，并获得了超过 100 万美金的众筹支持，甚至得到了马斯克的点赞。其实，国内还有很多这样务实的应用开发者，只要去发现应用无处不在。

崔牛会：未来 AI 在 ToB 里的应用无疑将是百花齐放的，其中一类是 AI 加持，另一类是 Agent 重构，但目前，AI 大模型的算力成本还是很高的，你怎么看在算力成本叠加之后，这种费用在应用层面是否会被推高？

李明顺：会高很多，这也是现在制约很多应用不能马上落地的原因之一。像你刚刚提到的一些企业级 ToB 应用，尤其是 SaaS 工具来说，本身用户付费习惯就差，如果再与大模型交互产生的 Tech 费用远远超过软件本身的费用，那么 AI 应用就变得不划算。

最近我们在日本投了一个团队，是在零售行业推出的一项 AI 点餐助手。因为日本服务业中 80% 以上的人不懂英语，也不懂其他国家的语言，而外国游客往往也缺乏日语沟通能力，AI 点餐助手就是为了打破这种语言障碍，方便用户点餐。

同时，这个点餐助手还能根据客户需求和预算，量身定制完美套餐。不仅如此，它还能给你讲讲菜品的历史，菜品的来源，店家的历史，以及厨师的故事等等，是一个很丰富的场景应用。然而，AI 技术的费用，尤其是 OpenAI 的 ChatGPT 费用太贵了，对于餐饮从业者来说，如果他们购买了一款旨在提升服务的软件，却发现大部分费用都流向了AI 服务（如 OpenAI 的ChatGPT），这显然是难以接受的，也是现在很多企业所犹豫的地方。他们觉得自己的收入主要都支付了 AI 技术费用，类似于为 AI 技术“交税”，显然不符合商业利益。

现在，美国的 AI 战略已经引起广泛的关注，他们似乎正试图将 AI 技术塑造为新时代的“Windows+Intel”组合，意图通过掌握核心技术和标准，让全球为其 AI 技术“交税”。特别是 OpenAI 的创始人 Sam 与美国政府部门的密切合作，他们意图将 AI 大模型打造成美国新时代的竞争力，这一点值得我们警惕。美国已经在 AI 领域进行了深入的顶层设计，将 AI 视为国家竞争力的关键，并希望通过在全球范围内推广 AI 技术来收取“AI 税”。我们必须加强自主创新，加快研发 AI 大模型的底座技术，避免我们的经济利益被其他国家所攫取。

崔牛会：将英伟达和 OpenAI 的联盟与 Windows 和 Intel 的联盟（通常被称为“Wintel”联盟）相比较，这个观点很有意思，值得讨论和思考。

李明顺：这个观点是我比较早提出来的。今天，全球范围内，只有中国有实力和美国进行 AI 对抗。中国在制造业领域有着深厚积累，而 AI 技术在中国的融合与应用是美国赶超不上的。根据普华永道的报告，中国有望成为 AI 技术应用的最大受益者。报告中指出，AI 技术将为中国GDP带来 26.1% 的增长，而美国的增长则为 10% 左右，也就是说中国将增加约 7 万亿美元的GDP 增值。如果中国能够充分利用大模型应用，将极大地推动经济增长，并为创业者带来巨大的机会。所以，我建议创业者不要去卷大模型，而应该专注于应用层面的开发。

崔牛会：大模型技术的研发确实是一项高投入，目前市场上涌现的“百模大战”也反映出该领域的激烈竞争，在这种环境下，许多创业者未来一两年可能面临不小的压力。考虑到这一点，创业者和相关从业者不妨将更多的目光转向应用层。最近，关于开源和闭源之争，业界一直存在不同的声音。百度李彦宏的观点倾向于闭源优于开源，这样的观点在业界也引发了广泛的讨论。与此同时，朱啸虎和杨志玲等人也在这个问题上表达了不同的看法。你怎么看开源和闭源？你的观点是什么？

李明顺：闭源在某些方面，确实有其优势。比如安全性方面，由于其代码的私有性，确实可以降低被破解的风险，并且在一开始可能会因为集中资源而实现快速的发展。但是从长期来看，开源具有更大的潜力和优势。因为开源允许全球的开发者贡献智慧，来加速技术的迭代和创新，这种全球范围内的智慧聚集，可以使得开源项目往往能够更快地应对市场变化和技术挑战。从经济效益的角度来看，开源项目往往能够形成更加广泛的用户基础和生态系统，从而实现更高的 ROI（投资回报率）。

现在马斯克等全球主义企业家加入到开源 AI 大模型的阵营，这对于我们来说是一个巨大的机会。上个月，马斯克的人工智能初创公司 xAI 开源了其 3140 亿参数的 Grok 模型，为 AI 创业者提供了高质量的底座，省去了从头训练的算力成本。这让他们能更专注于数据处理、模型微调和应用场景的开发上。开源是大势所趋，今后谁掌握了跟用户场景的链接能力，谁将成为竞争的关键力量，我坚定站在开源这边。

崔牛会：有人提出疑问，说开源不可靠，开源怎么保证安全？

李明顺：安全，永远是一个相对的话题，在中国这么多年，我们用了很多互联网的技术，比如说 PHP、MySQL，这些都是开源的软件，一直用到了今天。这个世界上即使像苹果这样的一个封闭系统，苹果也会偶尔会出现安全事件，所以我认为安全是相对的，我觉得还是要看 ROI 投资回报率。

崔牛会：当前，数字人处于快速发展期，在数字人的落地应用前景和发展方面，你有什么样的观点？

李明顺：数字人其实是一种表现形态，在多个场景中已有广泛应用，如店面迎宾、客服引导以及直播等。然而，数字人也面临一些挑战。比如，前段时间刘强东的数字人直播，尽管技术先进，但大家感觉数字人在情感表达、表情变化等方面仍显得不够真实和自然。与真人相比，数字人的动作和表情较为有限，缺乏真人的情感交流和灵活性。尽管如此，我认为数字人仍有发展空间，关键在于找到适合的应用场景。

崔牛会：先前你提到你做了一个投资的版图，从开始规划到现在，它是一个什么样的走势？

李明顺：目前，我仍处于对新投资项目保持兴奋的状态，而且投资的速度可能会进一步加速，这主要源于应用领域的不断拓展和深入，以及细分场景带来的新机会。

在投资领域，我认为应用场景越细分，带来的壁垒就越高。因为大多数人可能不知道这些细分场景的核心 Know- how 在哪里，这样差异性就拉开了。因此，我特别喜欢发掘垂直细分领域的投资机会。

此外，我还发现那些在传统行业或垂直行业里积累了 10年、20 年甚至 30 年以上经验的资深人士，他们的价值无可估量。就在不久前，我和一位在家居行业拥有20年经验的朋友，一同探讨了智能家居领域内的细分机会。他对这个行业的生产流程，甚至沙发、椅子等产品的生产细节及供应商了如指掌，深知如何满足用户的个性化需求。当这样一位对家居行业有着深厚理解和经验的专家将其专业知识与人工智能应用相结合时，我相信能够创造出极具价值的产品和服务。

崔牛会：你现在公司的名字叫“行行 AI”，是有什么意义吗？这个名字在当时命名时有什么特别期许吗？

李明顺：我认为 AI 未来会无处不在。我们在十多年前经常提互联网思维，如果一家企业没有互联网思维可能会被颠覆。今天，我认为 AI 对绝大多数行业的影响可能比互联网还要深。互联网的影响是平面型的，过去，我们谈互联网思维时，主要是强调企业如何借助互联网工具和技术，改变其业务模式、市场策略和服务方式；而 AI，我认为会对传统世界产生内外兼修的一个变化。什么叫内外兼修，它是一种全新的思维方式和工作方式，能够深入到传统行业的各个环节，从内而外地改变整个行业的运作方式。

现在，我们依赖鼠标、键盘、遥控器等传统方式与设备交互，今后，这些将逐步被自然语言所取代，实现更自然、更直观的交互体验。在这样的背景下，如果你想要挑战行业领导者，比如董明珠，你的商业计划书必须充分展示你如何利用 AI 和算法来创新业务模式、优化用户体验，并降低成本。以空调为例，想象一下，当你感到房间有些热时，只需简单地说一句：“空调，给我降低几度。”然后，空调便能智能地降低几度，同时询问你是否满意这样的调整。这种智能空调是不是对传统空调构成了挑战。

所以说，未来没有哪一个行业不会被 AI 所影响的，所有的行业都会叠加 AI，不同的行业可能会以不同的程度和方式叠加 AI 技术，只是有的行业叠加了 1%，有的行业叠加了 99%，但不管是叠加 1% 还是叠加 99%，只要客户觉得有价值，只要它能为企业挣钱，我认为它都是好的 AI 的应用。

一年前我提出了“AI 强应用”的概念，今天，我将这个概念进一步明确下：只有那些能够赢得客户买单的应用，才能被称为真正的 AI 强应用。

崔牛会：AI 应用的核心价值在于能否显著提升用户的效率或节省成本，且这种价值在初次接触时就能打动客户，促使他们做出购买决策。我认为，这是未来衡量产品成功与否的关键标准。回顾技术发展的历程，从鼠标键盘到移动互联网，再到如今的 AI，我们可以看到人机交互的方式在不断演变。每次技术的迭代都带来了令人兴奋的变革，特别是当我们首次接触到大模型时，那种兴奋和憧憬是无限的。然而，随着时间的推移，我们逐渐适应了这些新技术，并开始探索它们在实际应用中的潜力。

你刚刚提到的 AI 应用，我觉得在 B 端（商业端）的应用非常显著，那么，在 C 端（消费者端）我们能够看到哪些显著的变化？

李明顺：今天 AI 大模型对各行各业的赋能，既是 ToC 也是 ToB。比如，中国的新能源汽车为什么卖的这么好，除了新能源之外，中国在汽车里面的各种智能化应用也是最好的，大模型提升了汽车行业的各种智能化水平。这方面不管是德国人也好，日本人也好，包括美国，做的都没有中国那么体贴。目前，中国整个汽车行业，包括传统汽车巨头如吉利，都在智能化方面取得了显著进步。这种进步不仅提升了国内汽车市场的竞争力，还极大地推动了中国汽车的出口，使中国成为全球最大的汽车出口国。除了汽车，冰箱、沙发、彩电等家电的智能化，中国也是做的最好的，而且物美价廉。

崔牛会：移动互联网时代，有这样一个观点，说 ToB 和 ToC 边界在模糊，在你看来， AI 时代， ToB 和 ToC 边界会不会进一步被模糊掉？

李明顺：我认为 AI 时代，中国的 ToB 行业会发生革命性变化。为什么呢？中国拥有全球最多的软件工程师，每年还有数百万的理工科毕业生，这些毕业生许多都能迅速转型为软件开发者。这种庞大的人才储备让中国在软件供应链上具备了巨大的优势。并且这种优势不仅体现在人才数量上，更体现在人才的成本和效率上。中国的软件工程师薪资水平相对较低，大概是美国的 1/7，这样的成本效益比使得中国软件公司能够在国际市场上与老牌企业如 SAP 等竞争。

而且中国还有许多居家办公的小型团队，以低成本甚至免费的方式提供具有竞争力的软件产品。这种大量的软件供给，如同中国制造业一样，使得许多产品的价格大幅下降，给一些国际竞争对手带来了挑战。但是，我认为，在 AI 时代，单纯依赖低门槛的软件或 ToB 业务已难以满足市场需求，其价值也日益被削弱。中国应把握机遇，将软件技术与制造业及各行业深度融合，实现产业升级和转型，从而在全球市场中占据有利地位。

今天，美国为什么对中国打压的这么厉害，其背后原因就是在中国除了芯片外，中国已经具备了生产各种产品和开发各类软件的能力。以操作系统为例，中国已经能够开发出功能完善的系统，只是用户习惯的改变需要时间。在办公软件领域，金山办公已经取代了微软 Office 成为许多人的首选，所以，AI 带来则变化，要求我们重新审视所有的商业模式和业务策略。

崔牛会：我把 B 端应用的需求分为了三个层次，首先，是管理需求，这几年随着 SaaS 市场的发展，企业对于管理效率和流程优化的需求日益增加。然而，市场上同质化竞争加剧，使得单纯的管理工具难以满足企业的个性化需求。其次是业务需求，这类需求与企业的具体业务紧密相关；第三是产业需求，这要求企业服务能够深入到特定产业内部，通过数字化、智能化等技术手段优化产业效率和进程。企业在构建B端应用时，应综合考虑这三个层次的需求，然后去为企业提供个性化、定制化需求，从而在激烈的市场竞争中脱颖而出。

李明顺：对，我们的企业要打造综合能力才能在全球市场中保持竞争力。正如我们所见，美国的竞争力主要源于其强大的军事力量（美军）、货币体系（美元）、资本市场（美股）以及高科技，这些元素共同构成了美国的竞争力金字塔，然而，现在这个金字塔的的腰部和底部基本上被中国的供应链生产能力替代掉了，而且这种能力不仅涵盖了硬件制造，还融合了软件技术，这是我们比较厉害的地方。

今天，不仅是美国，像日本很多公司，如索尼、东芝、日立、松下等，在消费品市场上的地位已大不如前。这背后的一个重要原因是，这些公司的许多家电业务已经被中国的海尔、海信等公司所占据。中国企业在这一领域的崛起，不仅凭借其强大的供应链和生产能力，更因其产品智能化和成本控制上的优势。这种趋势正在深刻地改变全球的贸易结构和产品结构。过去，许多企业可能仅靠单一的技术或品牌来保持其竞争优势。然而，在如今这个快速变化的时代，单一壁垒已难以抵挡全球竞争对手的冲击，现在的企业必须具备多层次壁垒的竞争能力。

崔牛会：我赞同你的观点。最近我接触了一家医药领域的公司，他们专注医药 SaaS 和产业互联网产品的开发。在和这家公司董事长交流时，我深刻感受到这是一个多学科、多领域融合的公司，而不仅仅局限于软件开发。他们提到，他们做的不仅是将技术与行业 Know-how 与软件应用相结合，更是多个行业、多种知识的叠加和整合，如果没有很深的行业积淀，很难去做这样的事情。

前几年在国内的 ToB（面向企业）领域，我看到许多应用软件主要聚焦于较为轻量级的服务。这种轻量级的服务模式现在可能面临着一些挑战。因为，为了更好地满足客户需求，提供更加专业、深入的服务，公司可能需要更加专注于某一特定领域或行业，结合该领域的行业 Know-how，形成强大的行业壁垒。例如你提到的酷家乐，它将自己定位为一家科技公司，主张只要有空间相关的需求，无论是城市管理还是家庭设计，都能提供合作。这种的定位展现了其巨大的市场潜力和灵活性。

李明顺：是的，酷家乐的成功是因为它有长时间的行业积累，以及在特定产业中的深耕细作。我了解到一些公司已经实现了从生产系统到最终消费者（C端）的全流程打通。这种全面的解决方案，相比单纯销售产业链中的某一环节，具有更高的附加值和市场竞争力。

崔牛会：我觉得轻量级应用的时代可能正在慢慢过去，今后，对于单点应用，如管理需求、业务需求，经过市场洗牌之后，每个领域可能只会留下少数几家领先者，而且这样的市场格局将会持续。在这种情况下，大家不必再过度竞争。为了寻找更多机会，大家慢慢会转向更深的领域，特别是在产业方向上寻求发展。但这不仅仅是对原有领域的简单延伸，而是需要真正了解产业、具备产业积淀的人才，再结合技术人员，共同推动产业的发展。这样的结合可能会为我们带来更多的机会和可能性。

李明顺：是的，在我投资的团队中，拥有超过 30 位 AI 领域的博士。这些 AI 博士在寻求应用场景时，我常常会把一些懂场景、有行业资源，懂行业 Knowhow 的人跟他们组合起来，去进攻某个行业。在我看来，仅仅依靠IT、互联网或科技圈的资源是不足以应对当前挑战的。真正的价值在于将高端技术与行业知识相结合，才能做出实际可行的解决方案。

现在，我们一定要积极跨界，形成综合的赋能能力，而且我们还需要构建一系列中国或全球供应链的链接，加强与政策层面的合作，以引导行业应用的发展。现在，技术和市场正在发生重大变化，竞争模式也已经转变为一种全面的、综合的竞争，而非过去那种单点式的竞争。

崔牛会：由于时间关系，我问今天最后一个问题，现在，企业普遍关注数智化转型或数字化转型，不论是 CIO 还是 CEO 都已认识到 AI 技术的重要性，并期望将其应用于业务中。但是，当企业真正转向 AI 时，其实是一个严肃的问题。要么解决客户的业务问题，比如增长，要么为客户降本增效，那么企业在转向 AI 时，你有哪些建议给他们？

李明顺：我觉得不管是 20 年前的信息化，还是 10 年前的数字化，或者这一次的 AI 加持，都是一把手工程。一把手决定了企业在转型中投入的精力和时间，转型升级的决心，以及资源投入的多少。一年前，我提到，今天的企业需要建立一个 AI 领导力部门，甚至还需要配备一个首席 AI 官，我管这个岗位叫 CAO。

他（CAO）负责引领企业各部门建立对 AI 的全新认知，并利用最先进的 AI 工具，推动企业全员迈向 AI 时代。作为 AI 的积极推动者，我也在行业内致力于 AI 人才的培养。近期，我们将推出一系列 AI 应用工程师的培训体系，以加强各行业对 AI 人才的专业培养。

我相信，在未来，AI 能力将成为每个人不可或缺的核心技能。你如果缺乏 AI 知识，可能会逐渐被具备 AI 能力的人所替代，甚至可能失去在新时代中的竞争力。因此，AI 的含量和能力将成为未来人才竞争的重要标准。而企业在 AI 影响下会从内到外进行全面的“换血”和“基因重组”。

崔牛会：刚刚你提到一个新概念叫 CAO，我觉得这个词就像当年的 CIO（首席信息官）一样，后来数据比较火的时候 CDO（首席数据官）应运而生，现在我们又迎来了一个新的职位——首席AI官（CAO）。

李明顺：这个词是我去年提出来的，我也是第一个提出企业需要配备 CAO 岗位的人，我认为企业需要设立 CAO 这一职位，以更深入地感知 AI 时代所带来的变革和影响。

崔牛会：非常感谢李总一个小时的深入讨论。确实，正如我们刚才所探讨的，每个企业都需要增加自己的 AI 含量或 AI 浓度，让 AI 技术成为企业焕发新活力的关键驱动力。企业拥有了 AI 的能力，就意味着在当今技术驱动的市场中拥有了核心竞争力。今天的对话到此结束，感谢大家一个小时的陪伴。

文章源自微信公众号“牛透社（ID：Neuters）”