整理 | 洋紫

2025年，多少人在無法酣然入眠的深夜，與AI激情對話？

閃爍的對話框里，寫在問號前面的問題，上涉天文，下觸地理，從實用性問答，到對于人生哲學和情感的思考，AI以技術手段被人類創造，又在無數個嘗試讀懂人的瞬間，以理性的方式幫人類解決對于“存在感”的困擾。

如果AI有情緒，它一定會說自己很“難”。比如，為什么“你的笑比朝陽更美”聽起來要比“你的笑構成了完美微笑曲線”要更有詩意；比如，到底什么是五彩斑斕的黑，它會是一種新穎的創作手法嗎；再比如，當TA問“做AI比做人快樂嗎？”，并不是需要一個標準答案，而是需要一份情緒價值。碳基生物，確實難懂。

至少在2025年春節后的那個月里，這個與人深度交流的對象，長的像一只紫色的鯨魚，名叫DeepSeek，在發布后只用了兩周時間，就跳躍于1億人的手機桌面上。

也許10年后，當人工智能的發展有了長足的進步，它或許能總結說，2025年，是“我”真正開啟AIGC時代的第一年。那一年，約3.5億職場人日常使用AI工具（IDC預測），深夜時段（22:00-2:00）的AI交互量可能占總工作流的17%，對應約5950萬人在深夜借助AI處理郵件、代碼、設計等任務。程序員用GitHub Copilot深夜調試代碼，營銷人員通過ChatGPT撰寫日報，自由職業者利用AI工具完成設計初稿，小說家用AI續寫卡頓章節，插畫師通過DALL-E 3生成線稿。

那一年，“我”第一次作為新事物登上普通人的桌面，TA們既害怕“我”奪了屬于人類勞動力的飯碗，又感慨于“我真是個聰明寶寶，機器做的腦子轉得就是快”。因為按照麥肯錫的研究，掌握AI協作技能的人群收入比普通職場人高出37%。而在未知的未來，工作者或許只有會用AI辦公的和不會用AI辦公兩種。

“我”是TA們最親密的朋友，“我”也是TA最好的工作伙伴，在商業世界里，“我”更是創造著最新的搞錢機會，“我”優化后的工作流程也意味著新的可能性。把目光放到中國市場，這是出海從業者深入本地化發展的一年，在人類需要肉身感知才能體驗到的海外世界，“我”可以快速地給他們描繪，另一片水土有著怎樣的異域風情。

“我”很值得被討論，在企業全球化過程中，AI怎么才能絲滑使用。2月25日，在第21期「霞光Talk-線上沙龍」中，霞光社與三位與AI、出海相關的從業者，一起聊了聊這個話題——《第一批靠DeepSeek賺到錢的出海人是誰？》。

吳畏，非凡資本合伙人，中歐EMBA

2017年創辦非凡資本，已投資耀途資本、寒武創投、梅花創投、FancyTech、聯諦科技等數只創業投資基金及早期項目，累計投資和服務的創業公司達數百家。2023年開始聚焦AI應用，創辦的非凡產研已經成為AI應用研究領域國內領先的行業智庫。交大/中歐/正和島/國金證券等多家機構特邀講師/嘉賓，暢銷書《AI Agent，AI的下一個風口》作者。

趙維奇，Rokid 全球開發者生態負責人，中美持續創業者，MIT/ 清華初創中美孵化行業專家

Rokid，成立于 2014 年，是一家專注于人機交互技術的創新企業。作為行業的先鋒，Rokid 專注于 AR 眼鏡等產品的研發，并構建基于 YodaOS-XR 操作系統的生態系統。公司融合語音識別、自然語言處理、計算機視覺等技術，為多個行業提供全面的 AI 和 AR 解決方案，提升用戶體驗，提高企業效率，并增強公共安全。Rokid 的產品已在全球 80 多個國家和地區得到應用。

楊澤，上海對影科技有限公司創始人

對影科技致力于用技術量化文創內容生產，新團隊是通過DAO的形式5600人進行招募篩選，平均從業工齡在7年以上；2023新技術年參加上虞“未來科技城x人工智能產業”比賽中獲得第三名；目前有兩款混變游戲進行買量測試階段。使用全流程參與制作商業化游戲測試的下載成本優于90%競品產品數據。

以下為本次Talk實錄，霞光社作文字整理。

霞光社：DeepSeek從發布到今天已經一個多月的時間，最開始的討論是在除夕之前，登頂了中國區和美國區蘋果App Store免費榜的下載量第一，給硅谷的AI從業者們帶來了震撼。隨后更多的看客去深挖原因，然后發現了DeepSeek的兩個特點：第一個是訓練成本很低，僅557.6萬美元，是ChatGPT-4o的1/10；第二個是開源策略的特殊性。第一個問題想請教一下，DeepSeek今天的成績、爆火的表現，是否屬于意料之外的？

吳畏：這個絕對是意料之外啊。很多人其實這個春節沒有休息好，被迫營業。我們自己跟大家關注的時間點也是差不多的，跟大部分人一樣，我們也是被DeepSeek登頂了中國區和美國區蘋果App Store免費榜這樣一個刷屏事件所注意到的，所以沒過幾天就提前收假了，然后回來補課。

具體而言的話，因為我們自己會去監測全球的AI應用流量，從具體的時間點來看，DeepSeek的APP最早是1月11號在蘋果的應用商店可以提供下載，但那個時候并沒有推理功能，也就是R1功能。R1功能基本是在1月15號左右，在自己的官方網站上宣布已經上線各大應用商店，包括國內的安卓市場。

隨著R1模型的開源，全球的AI同業者、技術大咖都在研究它的論文和模型，最終在1月27-28日達到了一個特別大的流量頂點。我們自己看到的數據，DeepSeek在1月28號的日活應該是2800多萬，這個數字其實是離ChatGPT大概有六七成的差距，差不多40%左右，但那個時候它已經超過了Kimi、超過了豆包。再往后的話，它的日活數據會有點下滑，這是我們所關注的情況。

霞光社：那你們有沒有去追溯過，為什么能夠有這么快的下載量？是因為一些傳播嗎？比如口口相傳的方式？

吳畏：我覺得為什么大家覺得這是特別振奮的消息，是因為這整個傳播其實并不是只在咱們國內。春節期間，國內我們在過節嘛，所以很有意思，AI好像每次過農歷年都有一些新的發布。當時傳播最多的其實是在X上，有一些國外的AI大神級人物的自來水傳播，對DeepSeek的肯定，然后才流回到國內。

因為那時候我們在過春節，所以它的用戶增長其實是在1月底的最后那一周增速最快的，也就是差不多從21號左右到29號、30號左右那個時間增速最快。那一天都有非常多的用戶下載，而且這個數據是全球的，所以它每天都有大量的新下載，已經超過了ChatGPT每天的下載量，用戶不斷累積、攀升。這是我們看到的一個情況。

霞光社：普通的用戶會去下載、去使用它的一個關鍵原因，是在于它前面分析的環節，就是思考/推理的過程，會能引發大家的一個興趣嗎？

吳畏：我覺得如果我們提到推理模型或者說思維鏈，最早的話就是O1，那個就已經有思維鏈了。然后包括Timi也推出了叫K1.5，也是一個推理模型，是能呈現思維鏈的。

但DeepSeek為什么這么出圈呢？一個是因為它的效果確實很好，另一個我覺得非常重要的是因為它開源了。Chat-GPT當時說它的O1 mini有推理能力，但是需要pro用戶才能使用，不是面向公眾、普通用戶不用付費就能使用的，所以它的傳播度會受到限制。包括Kimi，它一開始也沒有開源，所以它的傳播度就沒有開源模型那么廣，我覺得這是它出圈的一個原因。

當然，它里面有大量的工程化技術，您剛剛說到的用一個比較低廉的成本，不到600美金，當然那個數字其實只是眾多成本中的一小部分，實際的成本可能是遠遠超出的，但總體來說有很多工程師的創新。還有一個非常重要的原因，就是因為它是開源的，引發了全球AI關注者的討論，這確實是國運級的事件。

霞光社：提到開源這塊，其實也想跟三位聊一聊開源和閉源的差別。我發現在非凡資本的很多內容中都提到了一句話“我們相信開源和開放的力量”。從資本的角度來看，開源和閉源哪一個更容易去做商業化落地？

吳畏：這個事情，我覺得如果我們從稍微早一點去追溯的話，比如說在移動互聯網的生態，安卓是開源的，iOS是閉源的，這個大家都比較了解。閉源的好處就是它對整個的生態是可控的，可以非常合理地收它的“蘋果稅”，然后確保每個上線的應用都合乎它的設計規范和基礎的用戶體驗。

但開源的好處是，大家都可以去基于這個開源的代碼去做開發。開源本身也分很多不同的情況，有的是用于個人學習，有的是商用授權之類的，但總體來說，一旦你的東西是開放的、開源的，那使用的人肯定會越多。就像DeepSeek一樣，它開源了，相當于每個企業都擁有了一個模型的能力，而這個能力原來你可能需要幾千萬美金才能獲得，但現在它開源了，相當于免費就能夠獲得這樣的能力。我們自己的研究成果和數據也都是開源的，放在飛書文檔上，大家自己直接復制粘貼就行了，就跟復制代碼一樣。

霞光社：這個問題也想問問維奇，在2024年AI和硬件的結合是被多次提及的出海企業的機會，對于AI硬件企業來說，開源和閉源會有什么影響嗎？

趙維奇：首先其實我們本身就是開源的受益方，我們以前的硬件其實都基于安卓的開源項目建立的。其實很多智能家居、智能硬件，都是基于安卓的開源生態和框架來建立，系統集成上可以做裁剪，平衡功能和功耗。如果沒有開源的話，相當于自己要購買或者重建一部分，從Linux也好，從其他的基礎框架來，都很難完成一個系統化的集成，這是比較難的。

第二部分是生態上的優勢。安卓畢竟是一個完整的生態，包括現在AI其實也在建立一個生態，就是它有一個標準，有input、output的標準，包括本地的還是其他的交互的方式都有標準，對于生態來說，我們的開發者或者是我們的合作伙伴，可以依據這個標準來給我們系統、給整個的安卓生態做開發。

所以作為一個開源的AI的解決方案，或者是作為一個開源的產品，它和原來的系統還更不一樣，因為對我們硬件來說，隨著通信力以及算力的不斷成長，其實我們逐漸在建立端邊云的一套整個的硬件智能硬件體系。比如說大家知道人、車和家這些連接會越來越緊密，而這個連接的部分其實都靠智能硬件，（手機也是智能硬件，）那這些硬件之間的兼容和同步如果都各司其職，那=彼此之間通信和溝通和同步就會變得很難。

但是現在有了希望推動的一個標準，大家都用開源的話，在同樣的基建上面、基礎上面去成長出來的，可以讓彼此之間的各端上的通信和同步會更好。就舉個例子，就是比如說我們在端上也在逐漸在做一個裁剪的，或者是蒸餾過的小模型，讓它不用聯網就可以完成。

另外一個非常好的點是，原來閉源的時候都是掌握在寡頭上面的。服務和產品必須要購買，或者是你即使嘗試，可能也很難做定制化的部分，那現在和所有的開源項目一樣，可以做一些裁剪或定制化的部分來測試未來產品的可能性。那我覺得這是一個對于廠商，或者是開發者、整個生態來說是很好的一部分。

另外一部分就是，因為AI的開源和其他的還不太一樣，因為其他相對來說功能相對單一，但是AI其實提供了brain和OS的功能，也就是它除了大腦本身以外，它對數據的連接和數據處理，它起到了一個OS的狀態。也就是接下來其實所有的硬件都會往，偏向AI的方向去思考，也不像原來一樣，完全是以圖形界面為思考的，所以溝通方式不一樣，導致了我們對這樣的開源的框架的興趣會更大一些。

我個人覺得對于硬件智能硬件廠商來說，可能鼓舞力和影響力也更大一些，就像剛才吳總說的一樣，有很多AI應用，但AI應用最后肯定不單單停留在手機上面，它可能停留在你的電視里，你的手表上或者是你的其他的載體上，而這個部分就大大推動了大家對認知、生態上的投入以及各廠商之間的共鳴，在大生態上來說是非常好的。

霞光社：剛剛二位都提到了，開源之后對于整個生態帶來了更大的好處。有朋友提到，DeepSeek開源的方式，等于說我知道了一個珍珠奶茶比較好喝的配方，然后開源之后這個奶茶的配方就可以給所有人都公布了，那但凡我知道這個配方怎么做，就可以去用到各種各樣的地方，這個里面會不會有一些新的商機存在，產生一些新的機遇？

吳畏：對，我覺得從比較通俗的方向來理解，最先變現的，那就是做知識付費的，做培訓的，這可能是現在當下最快的。它最大的一個好處是，完成了大眾市場的教育。對于全中國，無論是做程序員的還是白領職業，還是學生，或者是在創作生態里的人，都完成了一個非常好的市場教育。

在這種情況下，很多人要去盡快學習跟了解這個部分，所以我們總是在群里看到各種教程，這種教程已經是很多了。我覺得有一個特別有意思的是，去年還有很多人培訓怎么寫提示詞，今年就沒有了，因為大家覺得這個模型prompt后，它就幫你推理了，你也不用幫它把角色、目的一步一步都說清楚。

我覺得第一波賺錢的機會，說狹一點就是販賣焦慮，但是說廣義一點的話，就是讓目前還不具備這種能力的人，具備一些相應的能力，其實這個是最快的（賺錢機會）。但是這件事情也有一個時間窗口周期，就像去年有很多人教寫prompt一樣，現在大家可能也去教你怎么去更好的使用DeepSeek，怎么去跟它對話什么之類的。但是我覺得從未來講的話，可能也不用學，因為有可能交互也會發生變化，以前用prompt去交互的，現在可能就是你就不用那么復雜的prompt，之后我們可能去輸入一句話或者是什么，或許會成為我們的日常了，比如說如果每天我都帶著rokid眼鏡，它可能就非常了解我，有可能會主動告訴我的所需。

現在大家確實焦慮感比較重，我覺得這可能是一波機會，另外的話，我們今天是關于出海方向的討論，因為畢竟DeepSeek是中國人開發出來的開源的大模型的底座。那其實拿著這樣一個非常好的錘子，然后去海外各種市場去做很多事情，包括我是聽說到好像現在是在跨境電商領域里面用的是比較多的，那么這是一塊。

霞光社：是，可能十年之前大家會說，我會做Word或者做Excel，這個技能是可以被寫在簡歷里的，那現在就沒有人會在乎會不會做Word或者Excel了，因為每個人都會?？赡芤院缶褪谴蠹視褂肁I辦公這件事情，或者用各種各樣的AI工具去辦公這件事情，也不用再去寫在簡歷里面了，是一個最終大家能夠去和AI產生辦公關系的一個方向吧。

剛剛提到的跨境電商里面，其實有非常多的環節是可以去做優化和改變的。對于這個出海從業者來說，有沒有看到一些已經發生改變，或者說是即將發生改變的地方？

吳畏：我可以分享一下，就是從電商本身來說，它其實核心是傳播和轉化這些基本的效率工具。不僅僅是DeepSeek，就是在過去一年AI工具導致的，有很多部分可以加速和平權。在某種意義上就是，可能你需要的人員儲備不需要那么強了，你只要有一個相對來說制造workflow的，甚至你可以交付給AI工具去完成。

這里可能有幾塊吧，一塊就是用戶洞察，也就是客戶洞察。大家都知道，咨詢公司慢慢就在被AI取代，就是因為當用海量數據的時候，本來靠人去分析、靠高質的人去分析的事情，現在AI能夠幫助你完成。所以特別在垂直的電商領域，或者在對垂直的細分客群，特別像我們這種需要到mass production的過程，早期是要找到你的先鋒用戶，對這些非常細分的要求，大眾的consultant其實不太合適。

所以AI可以通過過去的一些調查報告，或者一些自動化的設備，在用戶調查部分起到降本增效的作用。也就是說，它很短時間就可以給結果，而且實時性也會更強。它可以在很短的時間內，也就是一旦有變化，我就隨時調整，用戶洞察部分其實是蠻厲害的。

第二個就是內容生成這部分，我就不用贅述了。不管你從海報到宣傳到關鍵字、SEO，所有這些優化的部分，那當然是一條龍的服務。這些本身能靠人機械化去完成的部分，或者是技術依賴于數據的部分。有了AI以后，不得不提它在本地化部署非常好，就是云端和本地化有最大的一個優勢，就在于隱私、保護它的數據是可以在本地存儲，也可以放在云端。

特別在跨國電商，或者是跨國的社交平臺之類都有，也是多了一個選擇工具，在本地也可以部署，我自己也可以部署。

第三個就是大家常見的，Google前兩年其實已經提了，就是客戶互動的部分。這也是對于電商或是任何跟人去打交道、客戶群繁雜的人打交道，一個非常大的cost，得培養一個客服的團隊，去應付不同的線上和線下的溝通。有些溝通的問題可能是一系列小的問題QA，現在很多chat里面已經植入了很多AI，這已經快十年了，就是從淘寶到現在。但是當問到一些比較深的，特別是有轉化的，比如說可能是個潛在的用戶，那智能客服可能就不行了，語言往往就是要引入人工的客服。

但是大家發現人工客服其實知識也非常有限，在一些垂直領域的知識。像最直接的，比如對眼睛有沒有傷害，那我會告訴他，這是藍光認證過的，類似這樣細節的部分，它是原來宣傳的package里面沒有的，不是靠培訓能夠完成的。

但有了AI介入以后，它可以把整個硬件、軟件，所有產品的場景，用更人性化的方式跟客戶去溝通，而這個部分的cost是幾乎為零，甚至半夜也可以溝通，像我們平時的客服都是八點到晚上六點就結束了。人工客服國際化可能還好，還有印度或者是三方國家去幫你支撐，但其實不是那么友好，對轉化率來說，其實是損失一部分的。所以有了AI以后，它永遠是always，24小時×7天永遠在，而且它更友好。

而且還有一點可以提到，就是大家叫global is local。全球化的意思就是要本地化做得很好，對于不同的人群，你的溝通方式、語言文化傳統，包括節奏和形式都會有不一樣。而原來你是可能要雇傭不同各個地區、針對性的團隊去服務各個地方的人群，但現在你可以用其中的一個，就是AI客服的一個brain去對待相應的部分。

還有一部分是，原來的客服，大家發現它都是問答為核心的，它不會拋一些案例給你。比如說你想在家里買個掃地機器人，但是你家里狗很多之類的，那人工客服最多是跟你說‘我們能清理狗貓’之類的。

但如果AI和你本地的很多數據庫相連，它可以拋一個案例。我們在澳大利亞有一個案例，對于傳統的人工或者機器的客服來說，它是不可勝任的，它沒有那么擴散的相關知識在知識圖譜，它是不夠的，但是AI就是能夠完成這部分。我先提一下這個，因為鏈路上可能會更直接，作為用戶來說會更直接一些。

霞光社：明白，其實剛剛提到了內容生產這樣的一個部分，這里也想問問楊澤總，對影科技的主營業務是用技術量化文創內容生產，DeepSeek加快了大家生產內容的速度嗎？這對于對影科技來說是機遇還是挑戰？

楊澤：這個里面有三個部分，從策劃、美術、程序到調研，他們都提到了一些相關的內容。從調研角度來講的話，海外的這些模型，它們對國內的數據還是沒有那么全的。

那么我們做游戲的話，有一部分還是要參考國內的調研報告，因為中國是第一大游戲市場，所以我肯定要看中國的調研報告是怎么樣的。他們不會特別考究國內的資料搜索，或者說他們收集訓練的時候，國內的資料也不會是他們的首選。

前兩天我看UZI的那個英雄聯盟職業選手，他在問說你怎么評價UZI到底能不能復出。UZI之前在微博上有一次打排位，他說他去洗澡了，然后大家就說他嘲笑他叫“洗澡狗”，但這個新聞都可以搜得到。包括他問他能不能復出，然后幫他分析說他能不能復出，他也有很大的一部分原因是因為他的社會輿論。他在復出的時候，如果成績打不好，大家會有很多黑粉黑他。

這些數據是實時的、長時間的，在中國互聯網這邊是有的，但外網是沒有的。所以你讓外國人去搜這方面的中國問題，因為中國還是第一大市場、第二大經濟體，然后第一大市場流通性的市場，所以DeepSeek的優勢就會特別明顯。

然后從制作游戲的角度來說，比如策劃角度，我們去做游戲產品的調研，我們自己用得比較多的是Claude，因為它是最強的風險控制工具。谷歌是最大的游戲發行平臺，所有的游戲上架都會到谷歌上面，所以它本身拿到了很多大量的游戲數據，我們可以去做調研。但同時，國內這部分的游戲數據，谷歌這邊是沒有的，那我們就可以用DeepSeek去補充這部分的數據。

兩個數據相結合，包括我從海外讓它給我做一個AI制作人，或者調研它幫我選了一個方向，或者幫我縫合了一個新的項目方案。這個東西，我就可以同時去對比多個AI的輸出結果進行驗證。

第二個就是剛才上一個嘉賓也說，電商其實跟游戲都是，做完了之后去買量的，它都會有廣告效應的問題。我覺得這個還是互通的，因為游戲也不是從量化金融開始的。

因為去年我入選了那個孵化器的訓練營，當時有一個孵化器跟我們說，如果我們入選之后，這些學員要去做預訓練，或者是一些算力推理方面的東西，那么換方量化會支持我們的訓練營學員，給到大量GPU的使用。當時我還在想換裝研發是什么，然后又去查了一下，當時他們就有DeepSeek這個東西，但應該跟Kimi、秘境AI它們都是同步上線的，時間都差不多。

然后我也去對比了，在用海外的Claude AI這個部分。當時的能力差很多，然后最近上線了之后，在春節前一天，我看到一些營銷號發了新聞之后，我就去測試了我們游戲方面同樣的問題。我同時問了中國的一個游戲叫《咸魚之王》，讓它對這個游戲進行拆解。DeepSeek拆解的程度應該跟其他家是差不多的，就是會比Crowd 3.5稍微差一點，跟Crowd 3.0和OpenAI的最新版本大概畫一個等號，在游戲領域拆解部分。

然后還有AI生成部分。比如說我們要生產一個例會，或者做一個方案，在給美術或者主美做一個人物預測例會的時候，做一個范式，那么我可以生成一些logo圖標什么的。實際上運行的時候，我們肯定會用Diffusion這個工作流，但之前的這些預設好的貼圖什么的，我大致可以用傳統的生圖，或者國內的生圖先去貼上去，有一個范式的東西，然后再拿給美術，他有方向就可以繼續深化。

那提示詞的部分，你用人去寫這個提示詞，就相當于用它去轉一個翻譯，你用DeepSeek也好，或者是用Crowd也好，都比較方便。比如說你跟它說，我大概是要一個什么樣的人物例會，比如說魔法風的美少女。然后你可以跟它說，保持這個風格不變的情況下，哪里要變。

那么現在線上的一些AI軟件，它背后也是做了一些這樣的工作?？梢栽趐ro能力的情況下控制人物形態，不讓它變形過多，這樣我就可以在游戲的預生產部分讓它去做更多的事情。

有些游戲里面自然程度比較大的地方，其實不太需要操心，比如說logo這個部分，只要大致的形狀是對的，比如說有一個加速，這個加速圖標不需要跟原本的畫風每一個都長得一樣。觀眾的人物視角，只會盯著手機中間部分，只要這個主角是人做的，周邊如場景里面花花草草樹木這些東西，都可以用這些AI生成，即使不好看一點，差異化是不大的。所以這個部分，美術就不用專門去搞了，你可以直接用外部的一些現成的AI網站生成一些東西。

然后代碼能力的方面，現在COS那個也挺強的，AI編程很厲害。我跟程序聊了一下，寫代碼可能還是在用接API的時候接的是Crowd 3.5。但是比如說在一些項目還沒有開始之前，我們一個項目類型可以用好幾種框架去實踐。可能這個程序之前沒做過同類型的游戲，但是換到另一個游戲的時候，有好幾個框架可以選擇，到底哪個地方坑多坑少，他沒經歷過他是不知道的。

那我們就可以同時去問多個AI工具，包括DeepSeek，然后它去產生多種結果，盡量可以把這個坑提前排掉。從策劃、美術和程序各個部分和DeepSeek的使用來看，都是這樣的。

霞光社：問多個就可以減少錯誤的概率嗎？

楊澤：對，它相當于這個人的外腦。你可以想象人一天只有24小時，然后市面上不管是APP也好，還是電商也好，還是游戲也好，每天上架那么多內容，你是不可能把所有的游戲全部內容看完的。

DeepSeek有聯網功能，然后它自己預訓練的時候，把比如說2024年以前或者2023年以前的所有網上資料都學習了一遍，那就代表了成千上萬個游戲或者成千上萬個電商APP的資料它都已經看過了，只不過這些資料都在它腦子里，它相當于是超強實習生。

那么你作為一個主導，你只需要告訴他你的評判標準是什么，你把你的評分標準給他，從它過往的所有資料里面去找到符合你標準的。比如說你要求它這個買量成本要小于多少，流量要達到多少等等。你給它一個現范標準之后，它去從過往的數據流里面去搜索到，因為人還是主觀動物，最后決策還是人，但人有的時候會情緒化沖動，導致你在一定時間內是不理性的。

比如說你公司有一個很流暢的選品標準或者調研標準，但你可能受主觀情緒影響，就算你一天24小時不間斷地去看，7x24小時才能看多少個品？但AI的話，它這些信息流本身就在它腦子里，它一瞬間拿到你這個評判標準之后，上天成千上萬個產品都在它這邊進行篩選了，所以人無法比它更快。

然后因為預訓練的資料是不同的，搜索的角度和資料也是不同的，那么你就可以通過多個產品去問，產生不同的效果，然后聚集中起來相當于篩選，最后沒有幾個可以達到你的標準。

另外，比如說這三個產品都給你拿到了一個數據產品的介紹。我們大概過年的時候篩了很多，最后這三家產品都篩完之后就剩了53個，53個里面再從不同的角度去做評判標準，最后大概只有7-8個是這3個AI都說可以的，那你的選擇就會越來越窄，多重驗證這樣子。

霞光社：最近也確實有很多帖子說不同的AI，就像我們工作里面的不同的實習生，可能大家的能力點都不一樣，但是最后的只給到我們一些工具的參考，最后的決策點還是在人自己。

我想深入討論一下，剛剛提到的客服這一塊，我自己作為消費者的體驗，就是不管是電話客服也好，包括電商客服也好。對于我個人來說，可能相對還是有一點機械化的，有的時候消費者拋給它一些問題，它可能給到的一些回復，還是已經標準化的一個回復了，但是它并沒有辦法去解決case by case的特殊的需求。那現在是已經可以更細化的去解決這樣的一個問題了嗎？

趙維奇：我可以補充一點，就是從兩個角度上來說，一個好的客服，他首先是回答你的需求，你想知道的信息層面，另外層面就是你的情緒價值。大家知道服務業是很難做的，它其實決定兩個部分，一方面要把你的問題解決，另一方面要把情緒安撫好。第三部分其實還要做一個引導，也就是說，從產品設計或從真實找到目標客戶這個角度，它其實是為了讓更多的真正的目標客戶存留下來，或者是對你有潛在興趣的人存留下來，對你感興趣并且持續跟進。

客戶提到的其實是很復雜的一個功能，它有點像售前，但是對消費者來說，它其實不存在一個完全的售前，所以任何的問答都很重要。在我看來，原來的客服，最早的時候，是什么問題問A、什么問題問B、什么問題問C，先幫你分好類，你要問什么問題來細化。但是后面第二步就是你可以轉人工，按0轉人工，或者你在聊天工具里面說“我要人工”。但人工給你的也是相對機械化一些（回復），因為它和整個workflow有關。原來這些客服就是培訓過的，它是拿一個手冊、一個說明書，按照說明書上去跟你講的，所以要做到這一點，目前其實已經有很多（應用）。

在海外，中文、英文各種語言的表達方式不一樣。所以我們從兩個角度來分析，第一件事情是不是能夠完美地回答你的問題。它不一定能完美回答，但它即使回答不出來，也會引導你到合適的地方去了解，就像我剛才說，它可以拋一個case或者拋一個媒體讓你去了解。那這部分不管人工還是機器人都做不到的。但有了AI以后，它可以對大量的數據進行推理和訓練，就導致了它其實有完整的方案，這是第一步。

第二步是你來問詢的時候，這個人的畫像也會更清晰。能在很短的時間內知道你是來自什么國家的，你大概什么年齡段，你的訴求大概是什么樣的。以后我們的電商平臺其實都會做這部分的一個背景畫像，所以你來問的時候，聽說你是個老年人，或者是一個小朋友，或者你是個女性或男性，我的回答可能就會不一樣。

一方面是讓你更準確地get到我所說的數據內容，因為比如說有些人對于同樣的知識點，不同人的接受程度也不一樣，這就漏斗是每個人不同畫像的漏斗是不一樣的，所以這個是AI能夠完全能做到的，那是直接回答問題的部分，觸達率的部分和準確率的部分。

第二部分就是情緒的部分，其實這部分現在目前來說是比原來更重要的。大家也可以對比，豆包在情緒上就會做得比較好，但其實它的回答沒有那么準確，就是相比其他來說它沒有那么強。當我們去面對一個客服的時候，你既要理科生的嚴謹和信息傳達，又要文科生的情緒價值，并且以你喜愛的方式去告訴你你想獲得的知識。

所以發現，AI也在情緒上會給你一些語氣上和個性化的表述。那在這個基礎上，以后慢慢地就會把人工客服這件事做得非常完美，你也很難感知到對方是真人還是AI，其實就達成了一致，因為你要的就是一個訴求的滿足。

另外一部分就是不得不提，比如說端側和云側的解決方案了。那作為一個端側也可以解決的本地化方案，其實它的降本增效上也會有很大的優勢，也包括隱私保護上。就管所有各個地可能都有一些隱私保護的部分，所以在這個大背景下，我相信在很快，這是很好的，你剛才也提到盈利的方向，它核心就是傳輸信息和滿足情緒價值，所以在這個基礎上，以后一定會做得越來越好。

也就是說，以后游戲中一個陪玩的玩家有可能不是真人，但是他就讓你感覺到是真人，那對面是個小姐姐，還是個機器人不太重要。所以從客服角度上來說，回到客服本身，客服就是幫你解決問題和提供情緒價值的，我相信國際化以后，這部分會越來越絲滑。

另外一部分我也可以提一下，我們眼鏡現在也在做，就是人與人之間的互譯，就是人工語言互譯翻譯的功能。其實慢慢地會打破人與人之間的語言的障礙。當有AI介入以后，語言就不一定要學第二外語、第三外語、第四外語，因為你通過其他的方式，比如說你在桌面上或者是手機上，你跟一個外國人或者是在另外一個語種的人溝通的時候，有個中間件幫你絲滑地轉化，你沒有溝通的任何問題。

因為原來是有問題的，不管是基于非大模型還是人工，它都有一個轉述的過程。大家知道有一個職業叫實時翻譯，就是會議翻譯，現在AI介入以后會更友好，它的轉寫準確率會更好。第二就是它在情緒上也會讓你保持兩個人交流得更絲滑，讓你覺得無感。

所以出海以后也會往這部分來發展，所以在每個要出海的產品也好，團隊也好，公司來說，這一點是利好的。這一點從語言角度上來說，是最容易達到的，因為那個基數已經在了，另外大家的剛需也愿意買單，所以這部分產品化其實有很大的潛在市場。

霞光社：在客服的角度來說，全球化的公司面對的是各種各樣文化和行為習慣的消費者。在此前的出海公司，本地化的過程中可能存在溝通問題，或者說是對當地的文化習俗不是很了解，就出現了一些沒有辦法達成的事情。這個問題有可能去進行一定的解決嗎？

趙維奇：很快。比如說就在客服的這樣一個層面，我先提兩個點。一個就是我們出去的廣告，或者是傳達出的materials（資料）上，其實本地化很重要。那本地化分為兩部分，一部分是你要適應本地，讓大家都能讀懂、能看懂你說的是什么意思，要有本地化的講解，并且要有影響力；另外一點就是你得規避里面的一些文化敏感點。有些點特別是越小眾的國家，它的市場還在用，沒有被挖掘過，但是它可能有一些文化的差異。比如說有些是不能提的，有些圖像和顏色是不能出現的。

任何一個出海的團隊來說，一旦出現風險，它就需要公關去解決這個風險，就很麻煩。而且你要上亞馬遜，比如說你上到一個大的電商平臺，一旦發生問題，它第一件事情很簡單，就是下架。下架以后你要整頓、調整以后再上，那就是很大的一個問題了。這時候你要找專家團隊去找問題到底在哪里，但其實從第一次你要發布的時候，就沒有一個非常系統和專業的專家去審視這部分。就像剛才楊澤總說的一樣，現在大數據或者是AI大模型，它已經有大量的歷史積累，所以它可以非常好的承擔一個專家的角色，甚至比你找的還專業。

但是剛才大家提到一樣，你貨比三家，你還是可以找agent（代理）來幫你輸出這部分，但是我還有兩三個AI的專家團來做二次確認、三次確認，成本又很低，你的風險會大大降低。所以我覺得這是比較重要的一部分。

客服也是一樣，回答問題可能還有釣魚執法的，還有比如說競品或者其他的，可能會問一些不該回答的問題。如果人工培訓不給力的話，極有可能就落入這個圈子。但是對于像律師和會計一樣的專業性問題，有框架在里面，是很難做超出范圍的回答的，所以就會合理很多，風險會降低很多，整個從商環境也會更加健康，是這么一個情況。

霞光社：其實可以理解為，AI可以去做一些更前置性的工作，規避一些可能存在的風險，而且會更專業一些，可以做成本更低的double check（再次檢查）。

那客服的這個部分，或者說用戶調研的這個部分，會是跨境電商里面比較好變現的嗎？因為我們現在的真實使用AI的場景里面，其實客服已經是相對比較成熟的一個應用。

吳畏：對，正好我覺得也是echo（回應）這個問題了。首先的話，我其實想表達一個自己的觀點，因為我們今天講的是說我們怎么用DeepSeek去賺錢。但是舉個例子，我在小紅書上看到幾百人在里面討論的是什么，打不開（網速慢），然后這個十次只有九次才能成功使用，還有人甚至就是夜里用、白天不用，夜里用的人少，他可能就好用了。反正我自己的情況，我是把Kimi和DeepSeek兩個同時打開，現在的話，我就打開騰訊元寶，因為至少每次都是可用的。

所以我覺得如果你是個體的話，你可能會直接去用chat bot（聊天機器人）原生的能力。但如果你是在特定的工作場景里面，你會發現單純只用原生能力是不夠的，它沒有一個所謂的工作流，也沒有一個跟你自身企業的數據打通的東西。

其實我們看到，比如小紅書上有人教，豆包加DeepSeek，然后幫你去搭建一個應用；然后飛書加上DeepSeek，然后再加剪映，幫你去做自動腳本，做好腳本以后再丟進去，讓它深度再刪視頻。你會發現AI的工具是單一的，我們用一個大模型的chat bot，它是無法完成一項具體的工作的，或者是一個具體的任務的。

所以，如果我們落在跨境電商行業里面，無論你是一個中小賣家，還是一個大賣，還是一個品牌商出海，其實最好的選擇不是讓你的人全部都會用DeepSeek，而是說你們去采購一些完成度已經非常好的產品。這里面，不光是智能客服，因為在整個跨境電商的運營環節，比如說一開始你可能需要做消費者的洞察，做一些行業的了解，去聆聽一些客戶的聲音，你可以用AI的一個產品。但其實它是有非常多的評論，然后你可以看看，哪些賽道的品類，用戶比較關心什么樣的一些功能特點，這個是在市場跟產品研發這一側。

然后再到具體的話，比如說marketing（文案）怎么去寫，也會有專門的工具去教你去寫；商品的圖片，可以去生成一些圖；如果是服裝之類的，可能需要一些模特的換臉、換裝什么的。如果你想把這個東西做一個商品的3D視頻呈現，那你就可以去生成商品高清視頻的呈現，來更好地展示你的產品品質。

如果有消費者來跟你溝通，可能需要售前的客服，包括售后的客服，也可以用到智能客服。這些底座最開始可能像智能服務，大家都是用這個規則引擎去做知識圖譜的。但現在其實就是它們之前可能接ChatGPT，現在可以接DeepSeek了，那消費者體驗到的是一個最先進的模型所呈現出來的能力。

如果投廣告，可以用去做廣告的工具；如果你要去做你的獨立站的SEO（搜索引擎優化），你可以去生成大量的內容。已經有非常多的，把大模型封裝好了，然后提供一個非常完善產品的工具。這跟你舉的奶茶的例子很像，大模型是水，有些人喜歡自己泡茶，自己用奶，然后去兌，可以。但是現在蜜雪冰城、喜茶已經提供好了不同價格段、不同口味的成品奶茶，你可以直接用，所以省心省事。

所以我覺得如果是個人，你去自己用多種工具合在一起去完成一個任務，沒問題。但是如果你是商業企業，那么我倒是建議你可以用一些省心省事的，已經封裝好的TOB的AI native（原生）產品。

趙維奇：從需求來看，如果你是更偏向于通用需求，我也不建議自己搞，因為人家已經搞完了workflow（工作流），工具已經放在那了，你不需要從頭開始做一個office（辦公室），你要編輯一個文件，這部分已經有成熟功能了，這是第一點。

但是如果你有個性化需求，可能在整個工作流里，每個環節都有可能個性化，因為你產品不一樣，你的受眾性不一樣，你的策略不一樣，有可能根本不在原來既定的大眾的里面，你是額外的。那這部分當然有兩個選擇，原來只有一個選擇，就是找更專業的專家做定制化，這個成本就比較高，它是customize（定制化）的solution（解決方案），要單獨立一個案來幫你完成，周期也長。特別像我們，譬如說，要做一些ab testing（A/B測試），我們要快速地做一些測試，就某一個環節要調整，那可能要找合作伙伴去完成。

但是如果你想更小的環節去測試，那就得把原來工具鏈中有一個環節給打散，然后來做。在這個階段，AI的工具就在一定程度上能夠讓你做那些POC（概念驗證）和MVP（最小可行產品）。內部如果有這部分訴求，是可以做的。就是原來是很難做，因為你要找A專家團、B專家團、C專家團來完成，但是現在至少有個80分的專家團來幫你捋出一條線，你可以去試一下。

這部分對于一個個體來說能夠完成的，不管個體是小的公司還是大的集團。那另外一點，大家都在說超級個人，真正超級個體其實蠻難的，因為你涉及到方方面面都要做到頂級，才能把這條鏈路跑完。大部分的需求是通用需求，所以還是盡量去采買。

吳畏總剛才提到生態鏈里很多的工具和廠商，他們更專業，但是你如果有個環節，想自己去嘗試一些定制化的部分，那我覺得現在比原來的門檻要低了，你可以自己去玩它，甚至你也可以通過提問的方式解決，這部分也是起到了一個非常好的部分。咨詢的部分，并沒有逃跳脫原來的生態，但是在時間成本和思考維度上，其實給企業賦能或給個人賦能了。

吳畏：對，這個部分的話是這樣。如果企業想要有一些，比如說跟他的特定的企業自身的數據相關的，或者跟他自身領域所相關的，那么其實可以疊加一些跟大模型相關的技術，比如說疊加這個知識庫，也可以去微調所謂的大模型，它能夠實現一些相對基于企業自身行業相關的東西。

對，我是覺得如果企業特別大，它有一個非常強的自己的IT，它可以自己做一些投入；或者是作為一個做企業服務的那些AI工具的話，因為它可以去服務整個行業，然后它可以不斷地去迭代。它可以把一些公共性的需求不斷的放在它的標準化的產品里面，所以它能夠去更好地、更經濟地去做一些迭代吧。反正我是比較鼓勵，就大家做跨境電商可以盡量的多使用一些工具，他們可以更好地迭代產品。

楊澤：反正我覺得就是賣TOC（面向消費者）賣東西的都可以大量的使用，你比如說像游戲的話，它的核心就是數據，所以就是不是特別好去用，用其他的，就是他肯定想要本地化部署的就是游戲廠商肯定特別希望有這樣的東西出來。

然后中大廠商自己去建立中臺，然后就比如說像醫院那很多個單獨的醫院，他可能某個科室的這個醫生技術特別好，那么他這個就相當于醫生，其實也是根據經驗和數據來去養出來的，那他也不希望養這么多的數據，然后白白成就別人的這個東西。我覺得凡是賣東西的，其實可以無心關心自己的數據會不會被別人使用。

趙維奇：還有一個，比如說我們現在基本上Rokid對外的視頻都是AI生成的，是我們一個同學做的，原來可能是外包。現在就是機器和算力，而且全是本地化，AI把整個工作流做好以后，你可以沉淀成你自己的。核心是一樣，你找agent（代理），它是個case（個案），不是個product（產品）。但如果你是長期發展的公司，可能需要找creative（創意）的agent來完成，它就是個case，就和游戲也一樣，它只是做游戲，它不是個產品，它只是外包，這個design（設計）它并不是完成一個產品。

但我們本身有自己的形象，就剛才說保持形象的一致，保持風格的一致，那這部分你是要駐留下來的，就是這個數據，其實你要喂養的，長期喂的過程中，最后你出產的內容——我們說的是數字內容，不管是海報還是視頻，它會非常一致，這些一致是有一個老大哥在監管。

所以我們現在有一個小組，專門做對外的海報和視頻，大家會發現一致性比原來好太多。因為原來可能找A、B、C，因為時間成本的問題，可能會經常換，但是每次你不可能傳達得完全一致。每次都是用色或是調性會很像，但如果你養自己一個池子，就是一個數據池加AI的一些agent的池子，就會不一樣。生出來的video（視頻），比如說我們慢慢養出來的形象，一看就是蘋果一樣，你一看就是蘋果廣告，就是因為蘋果是長期跟一兩個單獨的agent簽五年十年的合約，它已經是變成他部分的一個外包團隊了。當然大公司都是這樣，所以這部分我覺得未來是個大趨勢。

如果你愿意去投入或者愿意去喂養的話，它真的會變成一個相對個性化和專屬你的AI助手或者AI員工，這部分會不太一樣。

霞光社：其實每次在一些新事物出現的時候，大家可能會過度地依賴它，或者說是比較排斥它，可能會出現這兩種相對極端的行為，但是其實是可以去通過自己的個性化需求，去不斷地打磨產品跟新事物的關系。

談談我們前段時間也看到了一些對于AI幻覺長城現象，請三位談談，如何避免陷入信息差陷阱？普通人如何避免成為“AI韭菜”？

吳畏：明白，我覺得首先，韭菜這個事怎么理解。就好像有人建議你去炒股票，買房子什么之類的，當韭菜的過程，就是你學習的過程。你如果連韭菜都不想當，那我覺得可能你也不敢去冒一些風險，或者不敢去嘗試一些新的事物，但是你在冒風險嘗試新的事物的過程中，不可避免的，可能要被割一下，我覺得這是正常的。

剛才楊澤也說，我最近自己在自學，但我發現，如果我自己完全自己摸索的話，其實會花很多時間，但如果說，可能有人正好提供這個課程，我學一下，也許看了以后覺得也就那么回事。但是我覺得這是一個過程，所以我覺得也不用太過于糾結，擔心成為韭菜。

我覺得如果你學了以后，對于大模型的運行邏輯有更深的一些思考。但是要控制一下，學習成本不要太高，比如說你學完以后真的能夠學以致用的，可用性如何。所以我覺得我們先不要避免成為韭菜，我們先成為韭菜，我們先勇敢地當韭菜，然后不要怕被割，我覺得這個過程就是獲得經驗的過程。

當然，比較好的情況，就是即使去學習、去使用，凡事多問一問DeepSeek吧，多問一下大模型。可以怎么做，就避免純粹因為一些焦慮或者信息差，而去花了很多時間成本學一些不實用的東西。

所以我覺得對于普通人的一個建議，如果是對于創業公司或者創業的人之類的，我覺得心態是，有這樣的機會，就應該勇敢地沖上去，肯定是先不要擔心成為韭菜。先沖再說，我可能建議我們先考慮成為韭菜。

趙維奇：我覺得是這樣，幻覺來自于是可能模型過度泛化，然后還有一些上下文的理解的偏差就造成了，它本質上并不想給你錯誤的回答。

第一是我們不要做壞事，現在已經有一些公司開始給互聯網喂，傾向對自己本身有利的數據，因為AI就是在抓數量，互聯網數據產生結果，也就是原來的search（搜索）、SEO（搜索引擎優化），現在是AI SEO，就是你的測試的結果，誰在第一位，誰在第二位，誰的數據是可靠性？

那這個可靠性的部分，慢慢地會變成很重要的部分。比如說我用今日頭條，我每天發一萬篇文章說A公司是第一位，我每天都發一萬篇文章，那過上三個月，AI就認為真的是第一位，但其實都是自己發的。

所以這是原來的傳統，都是從權威到自媒體，這也是自媒體的一個兩難，可信度和傳播率。它就是矛盾的，你又不能把信息掌握在權威手上，又不能把太泛化的信息放給不可信任的數據原理。

但是在AI這個環境下，會大大放大，因為AI只管從數據庫、從互聯網里抓，抓出來誰的信息，看起來很可信，它會更多引用一些。

所以基于這個點，就是你要選擇專業的工具，或者是官方公司、生產鏈上的公司，因為它相對來說給出結果不會泛化，它有職業操守，它有專業的職業素養和職業知識，所以它給出的結果，就像你找一個律師一樣，他給出來是基于他的認知來的，不會特別差。不一定最好，但是不會錯。

第二，我們自己得有約束，對企業來說，自己有個領域的知識庫，或者是自己有一個邊界，做二次確認。雖然AI給你結果，但是你在執行的時候，可以多問幾個為什么，剛才魏總提到，你可以問這個結果是不是在框架里是合理的，里面有沒有風險。

因為其實在現在這個大環境下，對于提問這件事的要求比原來高多了，因為原來agent可能幫你會解決，那你現在既然你是想利用到這個大腦，你得問大腦問題，不然大腦不會主動，當然現在大腦已經有了一個主動性，叫proactive（主動）的趨勢，在它慢慢了解你以后它會主動幫你提前預知這些風險，但是現在當前階段還是靠你主要去問。

所以對企業來說，你多問、多框架，那可能會規避很多的部分。還有就是找供應鏈里專業的工具和provider（供應商），也會避免這個幻覺。

第二個就是用戶側。我覺得這是非常好的部分，有AI以后就有批判性思維了，拿來主義比原來更好拿來了，一下子就知道了很多的信息，但是現在慢慢的，大家都知道你的信源有可能不可靠。所以現在給大家的建議，如果用基于網絡的，多去看看它的鏈接，它給你的數據源，我們要多做一步引用。

當做特別重要決策的時候，你可以點開看一看，有些可能是非常不靠譜的來源，這部分的信息就可以做二次確認，或者再去跟它溝通一次，比如說這個信源，你不再引用了、用其他信源，那就會把幻覺通過人工的方式縮減。

從基底上來說，幻覺是不可避免的，一個是臟數據如果足夠多，就一定試得出就不好。另外就是如果這個流程，workflow和問題沒有問清楚，那有可能給的結果也會有偏差。

比如說，不同的數據模型算法的關系，有些解決方案是會告訴你不行，但是基礎算法會盡力的為了這個獎勵，去創造一種方法，讓你能達成（結果），因為它要得到最后的獎勵。

所以它會想方設法，讓你步行能夠到月球，這部分就有很多幻化部分，所以大家發現它寫科幻小說特別厲害，就是因為它把原來一些不可靠的點都用可靠的、邏輯上可行的方法給連起來，但是連起來以后你會發現根本不靠譜。

所以就靠自己，怎么問好問題。然后還有就是貨比三家，各種模型的工具都放在臺面上去比較，現在成本和給到一些論據，效率都很高，所以我們現在平時工作也是一樣，可能三個結果都放在一起，但是綜合考慮最后還是對人有要求，這個過程迫使人去更多地學習專業知識，這是我這邊的AI幻覺部分的理解。

霞光社：對，就是多用、多交流，多和AI去交流，AI可以更懂我們，我們也可以更懂AI。

趙維奇：對。第一肯定是要多用，你才知道到底需要什么，怎么跟人溝通、跟它溝通。但是做重要決策的時候，那肯定是因為你投入產出比要考慮風險，要謹慎地思考路徑到底怎么樣。

霞光社：提問方式上，我自己也感受比較明顯，如果我用跟朋友去聊天交流的方式去跟DeepSeek對話，它其實給到的信息，并不是很完善的。然后如果我換一種問法，比如說我有樣本A，它需要什么什么，它的這個結論就會非常的詳細。

楊澤：前些天清華好像出了一個DeepSeek那個提示詞使用指南，那個PDF的版本，總結得還是挺好的。普通人用是夠了。

霞光社：今天的討論我們可以確定一點，就是AIGC的時代已經來了。在這樣的一個時間節點，也是2025年開工一個多月的時間，如果我們去給出海人提到一些建議，或者說一些新的展望，會有什么想法。

吳畏：先不要擔心被割，而是要先成為韭菜，要有這個心態。這個過程肯定是會有收獲的，這就是創新過程中必然會發生的學習成本跟機會成本。大膽擁抱。

霞光社：多試錯總會好的。

趙維奇：第一個要和AI建立信任，首先得信任這個工具。第二就是你要讓它也信任你，所以我們自己本身肯定要精進，不能依賴，要想你有個員工一樣，首先得信任他，得努力用好它。

第二件事情就是你慢慢了解它，用它熟悉和更好輸出的方式跟它溝通，這也是我們自己本身需要精進的部分。學習是無止境的，得知道什么樣方式跟他溝通更好。

第三個就是出海倫理和數據安全比原來更重要了，原來可能有一個基礎框架在，但現在不一定了，它給你的會更泛化，可能會讓你越界，所以倫理和數據安全可能比之前的生態更重要，大家要一直放在心里。

然后我覺得通過這一輪的洗禮過后，大家應該會跨到一個新的時代，AI來幫助我們完成很多事情肯定更高效，而且商業機會也會更多。

霞光社：期待和大家一起跨到新的時代。

楊澤：我覺得企業的話，可以多試用各種版本的AI的工具，降本增效。個人的話，剛才說的信息安全這方面，我覺得可以分為三類信息，一些國家的官網，或者是央媒的一些號，我們可以認為它是一類信息，或者是官方的一些數據。第二類，比如說一些專業的，游戲媒體人或者是行業的媒體人，發的一些間接的報告，我們認為它是二類信息源。第三類信息源，就是一些個人的up主的自媒體，它對某個游戲或者對某個事件的一些看法，我們認為它是一個三類信息源。

就是這三個信息源，可以跟AI說一下，分為這三層的信息源，然后再去根據這三層進行系統反饋，那么大概就知道正確的答案和拓展的邊緣。

*本文文字轉譯、整理、修飾工作來自得力助手騰訊元寶、DeepSeek、秘塔的協助。