从最初的技术探索者，到成为企业AI操作系统的布道者；从对效率低下、数据未被充分利用、创新能力受限的深刻认识，到带领企业AI操作系统成为数字化转型的核心驱动力；从对市场变化的快速响应，到成为企业决策速度和执行效率的加速器，刘海峰的转变是深远的。

创始人不是不需要成长，只是他们的成长来得更剧烈、更痛苦。刘海峰以AI技术为原点，创业以来一直在拓宽自己的边界和半径，他对于自己的改变是彻底的，是不愿意回头的，是始终往前冲的。

不变的是，刘海峰用技术人天生自带的强烈的规划性、浓烈的理想和对于团队成长的期望，带领软积木进入next level。

在想要放弃、坚持很难的时候，还有人在努力突破自我，带领团队打拼出一个更好的未来。透过刘海峰，呈现最真实的软积木，也让我们看到了自己。

刘海峰 软积木CEO。微软资深MVP，毕业于中科院大学人工智能学院，AIGC北京社区发起人，PEC China发起人。

本文极新将对话刘海峰，围绕“企业实现AI操作系统的落地与发展”展开讨论，如何培养企业的AI思维，让AI操作系统在企业落地成为其升级的跳板？刘海峰给出了关于这些板块的回答：

“我们的核心竞争力在于，从一开始产品就是针对企业级市场进行定位的。”

“站在企业的角度，更愿意看到物有所值。”

“需要了解AI的边界，并包容它，因为AI本身也在不断成长。”

“只有那些真正对AI有热情并且愿意长期投入的人才会取得成功。”

以下是问答整理（「视频号：极新企服」有直播回放）：

极新：欢迎刘总加入创始人对话栏目，做客极新直播间，请自我介绍并简要介绍软积木的业务。

刘海峰：大家好我是刘海峰，担任软件积木公司的首席执行官。同时，作为微软MVP称号的获得者，今年是连续获得这个称号的第14年了。在AI操作系统领域，我们是国内较早一批研发并实现落地的团队，自去年3月起产品就已经推出市场。

大家都知道，2022年11月底OpenAI GPT3.0就发布了，但我们利用之前积累的GPT 2.0技术经验，迅速开发了一款ToB产品，2023年4月正式上线，还举办了多场线下市场活动，收集了大量客户和反馈。

ChatU的 “6大优势”

01

站在企业层面考虑问题

极新：在创立软积木之前，您在做微软 MVP 的时候，对于AI是怎样的看法？或者说您创立软积木的初心是什么？

刘海峰：在AI 1.0时代，我曾对AI的前景持保留态度。当时AI主要指的是机器学习等技术，而图像识别等应用被认为是AI的前沿。然而AI的真正潜力远不止于此，AI未来不仅局限于当前的ChatGPT等应用，它还涉及到硬件、材料仿生学、物理学等多个领域，毕竟IT技术发展相对较快，但像医学材料这样的传统领域，其生产周期往往较长，所以IT技术在这些领域的渗透相对较慢。

我们有一个理想，即实现软件开发像搭积木一样简单。从早期的SOP开发到后来的RPA技术，我们一直在追求这一目标，不过还没有达到理想状态，但ChatGPT的出现让这一切成为可能。通过自然语言的指令，ChatGPT可以帮助实现一系列功能，甚至比搭积木还要简单。

可以预见的是，AI未来将发展到一个新的高度。在做出进军AI领域的决策时，公司基于这几个因素：首先，参加了一些内部论坛，获得了有价值的信息；其次，我们有幸在早期内测体验了GPT的能力，这让我们对AI的潜力感到惊讶，综合考虑了国内外的当前情况，认为AI是一个有前景的领域。

当时还面临一个选择：是面向消费者（ToC）还是面向企业（ToB）。虽然ToC可能带来快速的收入，但CTO以及我们的合伙人，都有ToB的背景，能够实现比较稳健的经营。ToB虽然周期较长，但能够为企业带来真正的价值，并促使客户愿意为之付费。

第一个产品版本上线后，在市场上进行了验证，并在2023年3月7日成功成交了第一个客户，这进一步坚定了我们的信心。随着大型模型的演进，软积木不断迭代和完善系统，达到了现在的状态。

极新：现在企业数字化转型已经开始走向数智化了，软积木作为AI操作系统的领航者，在企业数字化转型中扮演的角色是什么？

刘海峰：虽然过去的18个月里大模型不断的迭代涌现，其实最初还是以OpenAI为领头羊，这期间出现了很多国产模型、私有模型，还有开源模型和各种小模型。

去年3月大多数人对这些大模型还处于好奇的阶段，那时候流行的网络活动是给大模型出题或者讲笑话，比如让OpenAI处理一些有趣的段子，比如林黛玉倒拔垂杨柳，用户乐于调戏OpenAI。

最初AI1.0时代，人工智能离人们比较远，比如 Alphago，当时大家觉得 Alphago 很牛，但它只在围棋行业里，没有太多人、太多时间验证它的能力，所以AI1.0还处于一个小众领域。当然这时的AI产品领域也比较窄，比如人脸识别、图像识别机等，偏向于生产环境，领域比较单一，获取成本也高。

后来以GPT-3为代表的AI 2.0时代开启后，AI确实像人脑一样可以思考问题，但经常驴唇不对马嘴。AI2.0时代以后，AI才真正像人一样回答问题。

站在企业层面，更多的是要考虑大模型如何提高企业生产力，而不仅仅是作为一种娱乐形式。无论是文生图还是Sora，都给大家带来了新的想象空间。

在推出AI操作系统的初衷中，我们希望打造一个不同于传统意义上的操作系统的产品。传统操作系统（如Windows或Android）通常是围绕硬件CPU构建的，而AI操作系统则是建立在云计算基础设施之上的，更侧重于大模型的应用和跨模型的整合。

在这个系统上，我们将Agent视为一种新型应用，这些应用是在大模型上自然生长出来的，它们的能力和使用方式与传统应用有所不同。AI助手或智能体尚处于发展的初级阶段，但它预示着未来可能的方向。就像从互联网到移动互联网的转变一样，AI技术的最终形态可能还需要时间来探索和发展。

极新：再请教一下，如果是一个好的应用，其实不管接入哪家大模型都是好的，那么在这个趋势下软积木的优势是什么？

刘海峰：我们的核心竞争力在于从一开始我们的产品就是针对企业级市场进行定位的。在满足企业级常见的高可靠性和高并发性需求之外，我们的主要优势在于能够将企业的大型模型资源不仅仅是整合，更是实现了全面的管控。一个是从技术层面介入，一个是内部权限分配、计费体系等重要环节，这中间减少了很多应用压力，比如Agent的生成和插件的处理，这基础上员工可以直接应用Agent等能力。

极新：有哪些好的案例可以给大家分享一下。

刘海峰：目前我们处理的大部分案例都涉及企业内部的应用，客户主要分为两类：一类是腰部企业，员工规模在100到3000人之间，他们通常将我们的应用与他们的办公自动化（OA）系统集成，这样员工就可以方便地通过OA访问我们的服务。

另一种类型的客户是规模较小的公司，可能只有几十名员工，但他们将我们的服务提供给他们的客户群体或学员社区使用。这样一来，他们的客户和社区成员就能利用我们的大模型能力，但需要通过账号分发功能来实现。在企业内部办公场景里，我们的应用特别适合人力资源部门使用，还有处理标书合同等场景。

实际上软积木的产品不仅仅是一个工具平台，它能够帮助企业创建各种智能助手（agent），每个助手都可以针对特定场景进行优化。有趣的是，很多企业创造了自己的智能体，有些甚至创造了上百个，用于解决各种各样的问题和需求。这些创新的场景往往是企业根据自己的具体情况发掘出来的，而我们在提供产品时可能都没想到会有这么多应用场景。

02

用具体数字衡量AI的产出？

极新：好多企业非常想搭上AI的快车，但面对众多AI系统眼花缭乱，企业如何评估和选择适合自身业务需求的AI操作系统架构，有什么维度可以参考？

刘海峰：无论是数字化还是智能化，核心思想是将知识密集型的工作流程中的各个环节引入AI技术，比如内部知识管理系统、问答型应用、合同审查以及法律服务等领域，都可以利用AI来提升效率。

但AI进入到企业实际上有一个过程，现在很多大模型企业想直接把模型卖给企业用户，但这费用对企业来说是非常沉重的，而且即便企业用户采购了大模型，也很难于实际业务结合起来，所以有了AI操作系统的存在，通过操作系统将大模型和业务之间做了耦合。

不过目前也遇到了一些挑战，首先就是人才需求，毕竟大模型与传统的IT有一定的区别，新的内容需要积极学习。所以从对大模型的认知这一层面来看，很多行业的客户还是不足的。

其实可以同时接入多个大模型，对应每个模型的特点做不同的事情，毕竟加入哪天你选的模型突然不更新了，更换成本还是很高的。

极新：如果企业想要在自己的领域快速落地AI操作系统，关键点是什么？

刘海峰：核心标准首先要考虑的是，如果是一个内部应用，企业规模必须在100人以上，且不超过3,000人。这样定位是因为当企业规模超过100人时，对于组织管理和数据安全的需求会更加迫切。大多数公司都希望员工在使用公司提供的资源和数据进行工作时，这些行为都处于公司的监控之下，不允许将数据带出公司。这类需求在各行业中普遍存在，只要公司规模达到一定程度，就有接入AI管理系统的需要。

还有一些企业如社群运营或培训机构，他们的需求在于将原本分散的用户或会员行为整合起来，使之与企业的核心业务产生关联。通过使用我们的平台，企业可以控制所有资源和行为，包括用户的使用额度、分发权限以及使用频率等，这些都是由企业主掌控的。这是一点非常重要的考量。

极新：企业如何平衡AI操作系统的高成本投入与预期收益？

刘海峰：确实，我们可以将目前想要接入AI的客户大致分为两类：一种是希望在原有业务中加入AI以提高效率或降低成本，另一种则是从公司高层就开始积极拥抱AI技术，他们认为AI是未来的发展方向，并且愿意投入资源去探索和应用。

第一类客户，他们的目标很明确，就是希望通过AI技术来解决具体的问题。而对于第二类客户，他们在接入AI后会逐步探索如何最大化其效能，因为AI技术在不断进步，模型在不断优化，所以这类客户往往能够获得较好的效果。

举个例子，我们有一个运营商客户，在使用我们的产品后，他们的商务部门不再需要像以前那样加班加点地写标书，工作效率得到了显著提升。虽然人员并未减少，但员工的工作压力减轻了，他们可以将节省下来的时间用于更有价值的工作，比如维护客户关系。此外，通过使用AI技术，一些原本需要专人服务的工作也可以由较少的人手完成，从而提高了生产力。

目前很难给出一个确切的ROI（投资回报率）评估，因为AI的产出并不总是可以用具体的数字来衡量。

尽管如此我们也要清楚，不是所有的AI应用都会成功，也有可能因为使用不当而导致效率下降或者产生其他问题。因此，需要不断地优化和调整AI技术的应用方式，以确保其能够真正地为我们的客户带来效益。

极新：如何帮助企业更快的落地AI操作系统，如何平衡快速迭代与稳定运行的需求？

刘海峰：实际上我们很早就解决了这个问题。我们的产品提供两种接入方式：第一种是SaaS方式，这种接入方法几乎不需要任何实施成本，进行简单的配置就能完成初始化并直接使用。另一种方式则是私有化部署，需要一定工作量不过费用不高，但这主要是针对大型模型的私有化实施，尤其是涉及到与硬件的适配工作方面会占用大部分时间和成本。但若客户具备相应能力，则可自行处理这方面的工作。

关于您提到的第一点，即许多客户倾向于自己进行接近开发的问题，我认为这可能是由于客户希望保留其原有的业务流程不变，并将训练好的智能体集成到这些流程中。这样的集成工作量相对较小，只需要做一些接口对接即可。对接的人员也无需具备深厚的编码能力，只要了解业务并能进行基本的编码即可完成任务。

这与传统的开发方式有很大的不同，后者往往需要从头开始设计架构并进行编码，而前者则无需进行这么多工作。当然，对于那些希望使用自己的大模型进行开发的客户，如果没有使用我们的操作系统，他们所做的很多工作可能是没有价值的，甚至是混乱的，这可能是因为他们对大模型的理解还不够深入。

极新：专注于大模型底层的 AGI 公司陆续都在免费，这个看上去好像是价格战，您是怎么看待这个事情的？

刘海峰：大家知道没有所谓的真正的免费，都是有代价的。

其实我更赞同一种声音，这种免费并不是大模型厂商的成本下降了，更多的是一种营销抢地的商业策略。当然免费无异于对整个行业来说是利好的，能够让更多的企业接入大模型。

站在企业的角度，更愿意看到物有所值。虽然是免费的API，实际是并不是所有的版本都免费，不管从稳定性、质量上或许会有些问题。

03

技术成为生产力才是根本

极新：软积木在创业过程中有没有踩过哪些坑？能否给我们分享一两个？

刘海峰：我们在创业过程中也踩了不少坑，哈哈。简单给大家分享一点经验。

首先，我们明确告诉客户产品是标准化的。这是一个相对克制的做法，坚持去产品的理念，不接受定制化的请求。即使有客户提出定制化需求，我们也会进行评估，不是直接拒绝。如果这个需求具有较强的通用性，我们会考虑将其免费整合到产品中，让客户直接使用，并且这个能力也可以被其他客户共享。

很多做项目出身的创业者，很容易走到把产品做成项目的路上，其实这是最大的坑，因为做产品意味着要长期的、不断的投入，甚至所有的投入最后可能打水漂。

再者，涉及到技术问题，也会踩坑。我们的产品是用英文开发的，支持多种语言。不过在日本市场推广时，我们遇到了一个坑：客户对产品中的中文数据非常不满意，尽管界面是英文的。所以如果大家做多语言开发，一定要用英文。

极新：在企业早期，创业者应该怎么算PMF？关键问题是生意模式成立了没有？这个怎么看。

刘海峰：我们注意到一个现象：目前市场上的大部分风险投资（VC）都在观望AI领域，尤其是AI 1.0时代的项目。尽管有些投资者曾投资过AI项目，但多数处于观望状态，更多的是好奇，却未必真正愿意投资。一些投资者甚至在完成尽调后，以各种理由退出，这背后的真实原因是他们并不真正打算投资。投资环境整体不佳，美元基金难以进入，退出渠道也不顺畅。

我们希望得到的不仅仅是财务投资，更希望投资者能提供产业资源，帮助我们实现对接，不过创业公司应该首先自力更生，依靠自身的“造血”能力。

对于创业者来说，大模型并不是一个容易涉足的领域。无论是算力资源还是技术储备，大模型的开发都是一项昂贵的投资。市场上对硬件资源的需求巨大，尤其是对NVIDIA显卡的需求，这使得英伟达等公司赚得盆满钵满，马太效应十分明显。

比如我今年3月参加了硅谷的GTC会议，有超过18,000人参加，门票价格高达2,000多美元，这反映了大家对英伟达及其技术的高度关注和依赖。

尽管大模型本身开发难度大，但围绕大模型的生态系统，还有许多可以做的事情。例如，数据治理在AI领域变得尤为重要，良好的数据治理可以显著提高最终效果，硬件层面的优化也是一个充满机会的领域。

建议创业者不要做大模型厂商已经在做的事情，而是应该寻找自己擅长的领域。可以借鉴上一代互联网和移动互联网的发展，最终成功的往往是大型企业。早期市场上涌现的许多小型存储和合作服务公司，最终要么被大厂并购，要么被市场淘汰。

当然，如果创业者拥有计算资源或在算法研究方面有所建树，与大模型厂商、研究机构或地方政府合作也是一个可行的选择。

极新：您觉得软积木现在达到 PMF 了吗？

刘海峰：坦率地说我们目前的业务更侧重于市场方面。我们的市场策略与传统方式有所不同。目前市场上的产品有两种主要的推广方式：一种通过开源方式进行市场推广，软积木则更倾向于通过品牌建设和线下活动与客户建立更紧密的联系，因为在B端市场与客户保持近距离的接触至关重要。

所以目前包括组织线下活动在内的市场活动，实际上做得相当多。在收入方面，除了覆盖成本外，计划将更多的资源投入到市场推广和研发上。

极新：如何去培养创始人和员工的 AI 思维？或者说有没有可能员工给老板培养 AI 思维。

刘海峰：在企业高层的认知中，一些大客户尤其是新兴行业的运营商，对大型模型和人工智能技术持开放态度。实际上从高层到基层，整个运营的推广和实施过程相对迅速。但有些客户对ChatGPT等AI技术并不了解，他们通过各种方式上网使用这些工具，并且反馈良好，不过将这些技术纳入公司体系需要一定时间。

再者，如果公司高层没有前瞻性思维，实际上会面临一些挑战，可以理解为 AI +和+AI的区别，他们可能会用传统方式来评估和实施这些新技术，所以高层的支持和拥抱新技术至关重要。

除了拥抱AI，包容AI同样重要。需要了解AI的边界，并包容它，因为AI本身也在不断成长。

当然站在企业的角度，考虑如何将AI与业务结合是很自然的事情。但如何正确地结合业务，是一个关键问题。如果采取错误的方法，比如从头开始开发，这将导致技术人员和IT人员感到困扰。他们可能觉得自己的传统技术无法发挥作用，而且随着大型模型的升级，他们之前的工作可能就白做了。

此外，如果高层没有意识到这一点，IT人员可能会为了自己的利益而保护自己的领域，他们可能只是在实验室环境中开发最小可行产品（MVP）或概念验证（POC），而没有真正推广到公司业务中。如果高层没有意识，IT人员的表现可能并不理想，而且可能会传播很多负面信息，这使得新技术很难被推广和接受。

这样新技术就无法走到公司的业务端，无法成为真正的生产力。如果新技术没有经过验证，没有发现真正的问题，可能就会在早期阶段夭折。当然，对公司来说如果投入了几个人力和几个月时间还没有成果，可能会选择放弃，这样也可能失去了很多机会。

04

产品要与用户共同成长

极新：会不会隔一年之后大批量的 AI 应用不见了，会不会出现泡沫？企业的 AI 操作系统可能会出现哪些新的应用场景？或者说未来的发展趋势如何？请您简单谈谈。

刘海峰：首先我认为短期内并不会出现明显的泡沫，特别是对于那些能够真正创造价值的AI项目。泡沫产生的根本原因在于过度的期待和炒作，所以不能为社会或企业带来实际利益的项目才会产生泡沫。对于AI领域，我们需要做的是降低客户预期，并且逐步展示AI的实际应用，即帮助企业提高效率和创造价值。

长远来看，ToB领域的泡沫相对较小，即便存在一些泡沫，也不会有太大的影响。某种程度上泡沫对于创业者而言是一个机会，正是因为这种不确定性，才促使我们去探索和创新。

回顾AI早期，市场上出现了一些所谓的“现象级”应用，它们可能只是一时的热潮，例如在微信里添加一些简单的AI功能来吸引用户。这类应用可能并没有太大的实际价值，而且投资人也不会投资这类项目，这些昙花一现的应用或许可以看作是泡沫的一种表现。

所以产生泡沫的很大一部分原因是因为很多人盲目跟风，只有那些真正对AI有热情并且愿意长期投入的人才会取得成功。当然还需要解决实际问题，在当前不太乐观的融资环境下，专注于特定领域的研究可能会有更好的机会。

每个创业者都应该充分利用自己在特定领域的专长和优势，结合AI技术来发展自己的事业。最重要的是，要准确地了解AI的能力和局限性，这样才能更加理性地利用这项技术。

极新：从AIGC应用创业者来看的话，应该怎么考虑生态战略上端和下端的边界，或者说产业链前端和产业链后端的边界？要如何把控，软积木有哪些经验？

刘海峰：拿刚才谈到的出海举例，在讨论出海问题时，首先需要考虑本地化。每个国家的市场都有其独特性。比如在日本，某些云服务可能无法使用，或者使用起来非常不便。同样一些在国内常用的国产服务在海外可能无法使用，或者使用起来非常困难。

而且欧美和日本等国家，与中国主体签约的可能性非常低，尤其是在B端市场，可能性几乎为零。因此，企业可能需要设立海外主体。

创业和生态边界这个问题，创业者可能担心的是自己的产品最终是否会被大公司吞并。为了避免这种情况，创业者需要对行业市场有准确的把握，并在发现问题时采取相应措施，避免盲目投入。

从生态角度来看，许多软件产品本身很优秀，但与用户的联系不够紧密，没有形成一个有效的生态，是一个单纯的销售行为，收集不到用户反馈，这导致产品发展受限。

软积木在这方面采取了几种策略。首先，我们建立了一个社区，名为“提示词工程”社区，这是一个国际性的项目，在国内也有小规模的实施，定期举办交流活动，吸引二三百人参加。

还与生态中的同行和上下游企业建立了联系，这些反馈对产品改进至关重要。软积木在渠道上的投入也很多，通过各种方式与社区建立联系，包括开源社区和线下活动，通过这些方式不仅宣传了软积木的品牌，还为社区贡献了力量。

一个健康的生态对于产品和公司的发展至关重要，有助于在行业内建立知名度，让客户了解并信任我们的产品。就像在超市购物一样，消费者更倾向于购买他们熟悉和信任的品牌。通过生态建设，我们向客户传达了一个信息：我们的产品、信誉和服务是有保障的，我们致力于长期服务客户。对于B端市场来说，这一点尤为重要。

极新：对于CIO这个角色的用户来说，应该怎么选择合适的伙伴和供应商？

刘海峰：在选择产品时，除了考虑产品的落地能力，还需要判断产品是否真正是AI原生。与传统软件不同，产品是否从AI原生出发，这一点至关重要，因为它关系到产品后续业务对接的价值和未来的可扩展性。

其次，产品在业内的口碑和影响力也非常重要。这包括产品的可持续服务能力，以及它的历史表现和数据。可持续服务的能力尤其关键，它意味着产品能够持续迭代更新，同时保持稳定性。

此外，产品能否与客户共同成长，也同样重要。对厂商来说，这是一个挑战，例如，当GPT-4o发布后，许多企业都希望尽快接入并使用这一技术。

如果产品能够迅速接入并让企业直接使用，这会给客户带来极大的满足感。即便产品存在一些瑕疵，只要能够提供领先的接入体验和验证，帮助客户在行业中保持领先，这对客户来说也是非常重要的。

如果市场上突然出现一个新产品，大家可能不会立即选择它。然而，如果产品在AI基础上增加了一些实用的小功能，这也是值得考虑的场景。

极新：感谢刘总的精彩分享，现在进入本场直播的最后一个环节“直播漂流瓶问题”，问题来源上期嘉宾迁移科技创始人 樊钰：问一个热门的话题，人形机器人是最先在哪些场景落地？工业场景还是消费场景落地？

刘海峰：其实具身智能有些问题，在参加硅谷的GTC会议时看到了具身智能机器人，但电池很重，机器人胸部装着大电池，这对于提供服务来说是一个安全隐患，它可能会突然倒塌，如果照顾病患，那将对病患造成伤害。

所以面向消费者的服务更多地还是关注陪伴，在仿生学领域还有很多路要走，无论是材料、机械还是物理方面。同时也必须考虑另一个问题，即“在非陪伴环境中，我们是否真的需要人形机器人”。例如，扫地机器人不需要有人形外观，它只需要完成清扫任务。同样，控制窗帘的设备也不需要呈人形。

所以在工业领域大模型的应用受到了限制，它们可能导致生产成本的增加。工业生产利润点非常低，可能只有1%，因此无法承受较高的次品率。大模型可能有1%的幻觉概率，这是不可接受的。所以大模型可能暂时还不能在生产环境中广泛应用，但它们可以在外围辅助做一些主力应用。

对于消费者领域，玩具和陪伴机器人可能有很大的市场空间。随着技术的发展，如GPT等人工智能模型的进步，机器人将变得更加智能。这使得它们不仅可以四肢发达，而且可以拥有发达的“大脑”，从而实现更多的功能。

不过短期内可以解决一些安全问题，但长期来看，这仍然是一个待解的问题。

极新：那刘总怎么看待接下来弱人工智能对强人工智能的影响和补充。

刘海峰：在人工智能领域，ToC（面向消费者）市场目前可能更适合从具身智能的角度出发，例如陪伴类机器人或玩具类产品。这些产品对容错率的要求相对宽松，允许出现错误。当错误发生时，通常不会造成危险，可能只是一个小笑话或小错误，不会引起严重后果。

以盲人导航为例，目前还没有人敢让一个盲人完全依赖人工智能在街上行走，因为这其中存在很多危险因素。如果人工智能错误地将一辆车判断成一堵墙，就可能引发严重的法律问题。因此，人工智能的发展需要一个逐步演进的过程，我们可能首先从那些允许出错或容错率较高的场景开始应用。

随着大型模型的不断演进和智能化，我们可以逐步扩展到更高频、更确定的应用场景。目前我们称之为弱人工智能，它需要与硬件结合，并找到合适的应用场景。硬件结合可以大幅增加人工智能获取的信息量，如果仅依赖软件，输入设备主要是文字和语音，而与机器人结合后，就可以利用各种传感器，如温度、触摸和光线感知，创造出许多有趣和有意义的应用场景。

例如，可以与家庭中的IoT设备结合，如窗帘的开合等，这些场景的容错率较高，可以进行尝试。目前，陪伴类机器人在硬件方面已经相对成熟，但它们的“头脑”相对简单，四肢发达。如何让这些机器人更聪明，做出更多有趣和有意义的事情，是行业需要探索的方向。

极新：您对下一个嘉宾的问题是什么？

刘海峰：我希望大家多思考一下什么是群体智能，那么我的问题是“如何用群体智能产生群体智慧？”

极新非常幸运的看到在AIGC领域有软积木这样卓越的代表，给用户接入不同的大模型，将Agent从未来带到现在。希望AI领域的创业者能够更多的落地实际案例、有更多的标杆客户，共同探讨创业、创新，极新将持续挖掘身边的创业故事。