2025 AI百业大会圆桌对话：AI如何重塑场景边界的中国式探索

2025年8月27日，由36氪与中欧国际工商学院联合主办的AI Partner百业大会在北京中关村软件园隆重开幕。本次大会以“中国式方案”为核心主题，分为“中国式方案”与“谁来定义下一个人工智能时代”两大板块，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”以及“AI+千行百业融合创新的繁荣景象”四大焦点议题，全面展示了中国人工智能领域的最新突破与生态系统，分享了中式AI的成长轨迹与未来展望，深入探讨了中国式创新模式的路径。

36氪在本次百业峰会中特别策划了一场题为“2025年，AI如何重塑场景的未来边界？”的圆桌论坛。主持人由36氪资深作者邓咏仪担任，邀请到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事业部副总经理祝迎君等业界专家，共同就“中国式AI方案”的场景边界展开深入交流。

以下内容根据圆桌对话整理，经36氪编辑发布：

邓咏仪：欢迎各位莅临AI Partner百业峰会。2025年，AI大模型持续演进，从年初的DeepSeek到年末的开源模型竞争，再到GPT-5的发布，模型能力的提升为应用市场开辟了新的空间。今天我们邀请了来自模型服务、应用落地、垂直场景等不同维度的嘉宾，共同探讨“AI如何重塑未来场景的边界”。首先有请各位嘉宾自我介绍，并分享今年行业内的“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。公司成立于2014年，长期深耕智能科技与技术创新，专注于金融、政务、制造、交通、汽车、零售及企业出海等高价值行业场景，打造了覆盖多领域的垂直大模型解决方案，近期荣获2025年《财富》中国科技50强称号。

谈及“惊喜时刻”，在To B企业服务中，真正的价值并非仅在于大模型本身，而在于“冰山之下”的系统工程——例如，为减少大模型幻觉需进行大量知识工程与检索增强，为避免智能客服在多次交互后失忆需优化上下文工程，多智能体落地需平衡效率与效果。这些“苦活累活”才是企业级场景的核心。最令我们欣慰的是，客户使用产品后，在效率、用户体验、员工效能和风控能力上获得实质提升，这体现了落地的真实价值。

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。长亭成立于2014年，是一家拥有100%自主技术与专利的国产安全企业，名称源自《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”，代表我们以朴素初心投身前沿安全技术。创始团队来自清华蓝莲花战队，曾首次获得Defcon黑客大赛全球亚军，至今在国内攻防赛中屡获第一，连续三年在国家演练中排名榜首。

今年的感受是“矛盾”的：业务上，企业盈利难度增加是普遍挑战；但技术上，AI让我们实现了以往难以做到的事情——例如用AI重构安全防御范式，达成“知攻善防、智能安全”。比如在AI自动化编程中，我们能同步嵌入安全检测，实时识别漏洞，这种“AI+安全”的融合是前所未有的突破。

童超：大家好，我是Mootion的联合创始人&CPO。Mootion是一款面向C端的AI视频创作智能体，产品上线一年，在海外已拥有数百万用户。与台上B端嘉宾不同，我们聚焦于个人创作场景。

今年最惊喜的“变化”在于：AI视频能力提升后，内容供给端正在“扩容”——以往没有机会创作视频的用户，现在能借助AI实现创意，例如普通用户也能制作剧情短片或产品介绍视频。这种“新创作者+新创意”的涌现是前所未有的。例如，有用户用我们的工具制作宠物日常动画，或进行小众兴趣科普，这种“人人可创作”的趋势展现了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。公司成立于2007年，是一家老牌AI语音交互技术企业，专注于“语音语言交互式大模型”，核心赛道涵盖车载与智能家电领域：在车载方面，我们为梅赛德斯-奔驰、奥迪、保时捷、捷豹路虎、比亚迪、上汽等车企提供底层语音技术；在智能家电领域，海尔、海信、美的等90%以上的电视、空调、扫地机采用了我们的交互方案。

今年的“里程碑”体现在数据上——2017年我们上线对话平台时，智能硬件年激活量处于行业平均水平；到去年，我们赋能的终端设备已达2亿台，指数级增长背后是AI技术的迭代。例如，以往扫地机器人噪音大，2米外难以唤醒，现在我们的信噪比可达-10db，实现高效精准的抗干扰效果与毫秒级响应；以往会议转写错字多、难以实用，现在识别准确率超过95%，还能自动生成场景化摘要。这些从“能用”到“好用”、从“被动指令”到“主动服务”的突破，是AI带来的切实改变。

邓咏仪：底层模型能力持续提升，如同“海平面上升”倒逼应用“造船”。请各位分享：在你们各自行业中，AI是如何突破场景边界、实现效率提升的？有哪些具体案例？

刘倩：在企业场景中，AI不仅是“单点优化”，更是“流程闭环”。举三个例子：

客服场景：上一代客服自助率仅60%-70%，且常需“按1转人工”，因为无法处理复杂问题。现在利用大模型，用户说“扫地机器人坏了”并上传照片，AI能识别故障、自动创建报修工单，还能联动顺丰下单取件，整个流程从“2小时”缩短到“几分钟”，用户无需填写信息或自行叫快递，实现了从“问答”到“办事”的突破。

销售场景：以往顶尖销售能回答90%的客户问题，但普通销售难以做到。现在AI可以模拟“各类客户”，例如客户询问“为什么选择增程而非纯电”或“充电桩覆盖情况”，销售在见客户前能反复练习，使普通销售也能成为“超级销售”。

反诈场景：以往公安接报警后，人工登记、发送止付指令需30分钟，骗子早已转移资金。现在大模型能实时提取报警关键信息，自动触发止付，时间缩短至2分钟，帮助百姓挽回损失，守护财产安全。这些都是AI打破“流程断点”的价值体现。

周辛酉：安全领域的突破隐藏在“看不见的代码中”。例如AI编程：目前80%的大模型token用于自动化编程，但问题在于“AI编写的代码可能存在漏洞”。我们做了两件事：

开源工具“MonkeyCode”：普通人能在10分钟内生成量化交易软件——输入“用Python做A股量化”，AI自动编写代码、调优接口，还能解决“接口响应慢”等问题，全程无需编程知识。

商业化产品“码力”：在AI编程中加入“安全校验”——AI编写代码时，实时识别后门、密码泄露、逻辑漏洞，并提供修改建议。例如，去年美国机构数据显示，AI构建的攻击量增加3倍，隐藏度提升60%，我们的工具正是帮助企业“在AI提效时，守住安全底线”。

童超：C端视频场景的边界在于“多模态融合”。以往AI只能制作“动图”，现在能生成“带剧情的短视频”，核心在于“AI从‘工具’演变为‘小团队’”。

例如用户想制作“AI发展历史”科普视频，无需亲自编写脚本或拍摄素材——AI能担任“编剧”撰写脚本，作为“摄像”生成场景画面，充当“剪辑”拼接镜头，用户只需提出“开头加个动画”或“结尾放金句”，AI即可调整。目前我们支持2-5分钟视频，下一步目标是10-20分钟，关键需解决“人物、场景一致性”——例如视频中的主持人不能前一秒穿红衣，后一秒换蓝衣。这种“AI包办全流程”的能力，让普通用户也能制作“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。我们将这一过程拆解为“耳朵、大脑、嘴巴”的进化：

耳朵（音频采集）：以往手机在10米外难以捕捉声音，现在家电、车机能实现“远距离拾音”，例如车窗开启时，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）：以往是“问一句答一句”，例如问“明天天气”，再问“要带伞吗”，AI就遗忘上一句。现在能“记忆上下文、进行推理”，例如用户说“孩子要睡觉”，AI能自动调暗灯光、降低音量，成为“会决策的智能体”。

嘴巴（TTS）：以往林志玲语音是“标杆”，现在AI合成音能“以假乱真”——车载场景可复刻孩子声音，家电能说“方言”，甚至能根据内容调整语气，例如读故事时用“温柔声”，报天气时用“清晰声”。这些细节让交互从“能用”变为“愿意用”。

邓咏仪：当前行业存在“做AI辅助人的产品，还是人辅助AI的产品”的争论。请各位分享：在实践中，这两种思路的边界在哪里？曾遇到过哪些挑战？

刘倩：核心在于“技术边界与责任边界”的平衡。例如我们服务金融客户，即便AI回复准确率达99%，客户也不敢直接使用——因为监管要求“回复内容必须从人工审核的话术库中选择”。此时AI的角色是“辅助”：帮助客服理解客户意图、查找话术，但最终回复需人工确认。

再如自动驾驶、医疗辅助等领域，技术未成熟时，无人敢让AI独立决策。因此我的观点是：AI将“效率”做到极致，人类把好“责任”关。遇到的挑战包括企业容易将“C端AI体验”套用到B端——认为AI应“无所不知”，但实际上企业需要的是“懂业务的AI”，例如银行AI需理解“贷款流程”，而非“天文地理”，这种预期差异需逐步调整。

周辛酉：可以用“乔哈里窗”解释——我知道、AI知道的事，AI辅助人提效（如处理文档）；我知道、AI不知道的事，人教AI（例如我们将亿级漏洞数据输入AI，教其识别攻击）；AI知道、我不知道的事，人问AI（如用AI查询最新漏洞原理）；都不知道的事，共同探索（如AI如何防御未知攻击）。

我们曾遇到的挑战是“早期客户认为AI能替代安全工程师”，但实际是“AI+工程师”才更强大——AI能全网扫描漏洞，但判断“该漏洞是否影响业务”仍需人力。现在客户逐渐明白，目标不是“替代人”，而是“人模合一”。

童超：C端与B端不同：C端是“AI主导，人辅助”，B端严肃场景是“人主导，AI辅助”。

C端例如视频创作，用户只需提出“要温馨风格”，AI就能输出方案，用户仅需调整细节——因为即便有瑕疵，后果也较小。但若是医疗、金融类视频，则必须人工审核。

挑战包括：一是“用户跟不上AI速度”——AI每周迭代新功能，用户难以记住“现在能做3分钟视频了”；二是“认知差距”——2024年数据显示40%的美国人不知ChatGPT，全球渗透仍缓慢，我们需要大量精力教育用户“AI能帮你做什么”。

祝迎君：边界是“动态的”，而非固定。例如会议转写：以往人工校对占30%，现在AI准确率超95%，人工仅占10%；以往车载交互是“人说一句，AI做一句”，现在AI能“主动服务”——例如检测到乘客打哈欠，自动调低音乐。

遇到的挑战包括“技术指标≠产品体验”：例如AI语音识别准确率98%，但实际在嘈杂环境中效果下降；再如客户提出“要做智能音箱”，但预算仅支持基础功能，这种“预期-预算”鸿沟需逐步磨合。长期看，人机协同是主旋律，只是“AI占比”会随技术成熟逐渐提高。

邓咏仪：最后聊一个轻松话题：当你们的产品应用落地时，客户对AI最常见的误区是什么？

刘倩：最大误区是“将C端AI的‘博学’，视为B端AI的‘能力’”。客户使用ChatGPT后，认为企业AI也应“什么都懂”，但实际上企业需要的是“懂业务的AI”——例如银行AI无需了解“明星八卦”，但需掌握“信用卡还款规则”。可喜的是，部分客户开始理解“数字员工也需培养”——教其行业知识、企业流程，通过反馈持续优化，而非“一上线就无所不能”。

周辛酉：去年客户认为“AI能替代人”，今年觉得“替代人的是会用AI的人”，认知在变化，但误区仍是“需求不清晰”——客户说“要做AI安全”，却不明确具体问题。现在我们更多“共创”：共同梳理“是防代码漏洞，还是防AI攻击”，再制定方案，而非“客户提需求，我们做产品”。

童超：误区在于“高估AI的‘即时效果’，低估‘渗透难度’”。例如用户认为“AI能立即制作电影级视频”，但目前仅支持短视频；再如全球许多人尚不知ChatGPT，即便知道，也不清楚“能用它做什么”，这种“认知-使用”鸿沟比技术突破更难填补。

祝迎君：B端客户的误区是“技术指标=商业价值”——许多客户过度追求实验室测试数值，但我们会基于客户业务场景、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。此外，“短期期待过高，长期耐心不足”：AI技术落地与价值释放常需循序渐进，从数据优化、模型迭代到工程适配，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：今天的圆桌讨论非常精彩，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”。感谢各位嘉宾的分享，也感谢观众的聆听！