圆桌对话：2025 年，AI 如何重塑场景的未来边界？ | 36氪2025AI Partner百业大会
8月27日，由36氪与中欧国际工商学院联合主办的2025 AI Partner百业大会于北京中关村软件园盛大启幕。本次大会以“中国式方案”为主题，分为“中国式方案”和“谁来定义下一个人工智能时代”两大篇章，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”“AI+千行百业融合创新的繁荣景象”四大话题，全方位集中呈现中国AI的最新突破与生态体系，分享中国式AI的成长路径和未来前景，探索中国式方案的创新模式。
36氪在AI Partner百业峰会特备策划了一场“2025年，AI如何重塑场景的未来边界？”的圆桌对话。36氪资深作者【主持人】邓咏仪，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事业部副总祝迎君，几位大咖供同行探讨「中国式AI方案」的场景边界。
以下为致辞内容，经36氪整理编辑：
邓咏仪：欢迎大家来到AI Partner百业峰会。2025年，AI大模型持续带来惊喜，从年初的DeepSeek到年终开源模型大战，再到GPT-5的推出，模型能力的跃升为应用市场带来全新可能。今天我们请到来自模型服务、应用落地、垂直场景等多维度的嘉宾，共同探讨“AI如何重塑未来场景的边界”。首先欢迎今天的嘉宾：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事业部副总祝迎君，接下来，请各位简要自我介绍，以及今年行业内的 “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。中关村科金2014年成立，一直深耕智能科技与技术应用创新，我们聚焦金融、政务、制造、交通、汽车、零售及企业出海等高价值行业与场景，打造了覆盖多行业的垂类大模型解决方案，最近刚刚荣获2025《财富》中国科技50强。
说到“惊喜时刻”，其实做 To B 企业服务，真正的价值不在大模型本身，而在 “冰山之下” 的系统工程 —— 比如解决大模型幻觉需做大量知识工程与检索加强，避免智能客服聊 10 轮后失忆要优化上下文工程，多智能体落地要平衡效率与效果。这些 “苦活累活” 才是企业级场景的核心。对我们而言，最开心的时刻是客户用了我们的产品后，在效率、用户体验、员工效能、风控能力上真正获得提升，这才是落地的价值。
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 2014 年成立，是 100% 自主技术、自主专利的国产安全公司，名字源自《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”，代表我们用朴素初心做前沿安全技术。创始团队是清华蓝莲花战队，曾首获 Defcon 黑客大赛全球亚军，至今拿遍国内攻防赛第一，连续三年国家演练排名第一。
今年的感受是“矛盾”的：业务上，企业盈利变难是共性挑战；但技术上，AI 让我们能做以前做不到的事 —— 比如用 AI 重构安全防御范式，实现 “知攻善防、智能安全”。比如用 AI 自动化编程时，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，是以前不敢想的突破。
童超：大家好，我是 Mootion 联合创始人 & CPO。Mootion 是 C 端 AI 视频创作 Agent，产品上线一年，海外已有几百万用户，和台上 B 端嘉宾不同，我们聚焦个人创作场景。
今年最惊喜的 “变化” 是：AI 视频能力提升后，内容供给端正在 “扩容”—— 以前没机会创作视频的人，现在能用 AI 实现创意，比如普通用户也能做剧情短片、产品介绍视频。这种 “新创作者 + 新创意” 的涌现，是以前看不到的。比如有人用我们的工具做宠物日常动画，有人做小众兴趣科普，这种 “人人可创作” 的趋势，让我们看到 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。思必驰 2007 年成立，是老牌 AI 语音交互技术公司，专注 “语音语言交互式大模型”，核心赛道是车载与智能家电：车载领域，梅赛德斯 - 奔驰、奥迪、保时捷、捷豹路虎、比亚迪、上汽等车企的底层语音技术是我们提供的；智能家电领域，海尔、海信、美的等 90% 以上的电视、空调、扫地机，用的是我们的交互方案。
今年的 “里程碑” 是数据 ——2017 年我们上线对话平台时，智能硬件年激活量在行业均值；到去年，我们赋能的终端已达 2 亿台，指数级增长背后是 AI 的迭代。比如以前扫地机器人噪音大，2 米外喊不醒，现在我们的信噪比可以达到 -10db，实现高效精准的抗干扰效果，和毫秒级响应；以前会议转写错字多、没法用，现在识别准确率超 95%，还能自动生成场景化摘要，这些 “从能用 to 好用” “被动指令 to 主动服务”的突破，是 AI 带来的最实在的改变。
邓咏仪：底层模型能力一直在涨，像“海平面上升”倒逼应用“造船”。想请各位分享：你们行业里，AI 是怎么突破场景边界、实现提效的？具体有哪些案例？
刘倩：企业场景里，AI 不是 “单点优化”，而是 “流程闭环”。举三个例子：
客服场景：上一代客服自助率 60%-70%，还得 “按 1 转人工”，因为解决不了复杂问题。现在用大模型，用户说 “扫地机器人坏了”，拍张照上传，AI 能识别故障、自动建报修工单，还能联动顺丰下单取件，整个流程从 “2 小时” 缩到 “几分钟”，用户不用填信息、不用自己叫快递，这是 “从‘问答’到‘办事’” 的突破。
销售场景：以前顶尖销售能答 90% 客户问题，但普通销售做不到。现在用 AI 可以模拟 “各种类型客户”，比如客户问 “为什么是增程不是纯电”“充电桩铺了多少”，销售见客户前能反复练习，普通销售也能变成 “超级销售”。
反诈场景：以前公安接报警后，人工登记、发止付指令要 30 分钟，骗子早转走钱了。现在大模型能实时提取报警关键信息，自动触发止付，时间缩到 2 分钟，帮助百姓挽回损失，守护好钱袋子。这些都是 AI 打破 “流程断点” 的价值。
周辛酉：安全领域的突破，藏在 “看不见的代码里”。比如 AI 编程：现在 80% 的大模型 token 用于自动化编程，但问题是 “AI 写的代码可能有漏洞”。我们做了两件事：
开源工具 “MonkeyCode”：普通人 10 分钟能生成量化交易软件 —— 输入 “用 Python 做 A 股量化”，AI 自动写代码、调接口，还能优化 “接口响应慢” 的问题，全程不用懂编程。
商业化产品 “码力”：在 AI 编程里加 “安全校验”——AI 写代码时，实时识别后门、密码泄露、逻辑漏洞，还能给修改建议。比如去年美国机构数据显示，AI 构建的攻击量增 3 倍，隐藏度增 60%，我们的工具就是帮企业 “在 AI 提效时，守住安全底线”。
童超：C 端视频场景的边界，在 “多模态融合” 里。以前 AI 只能做 “动图”，现在能做 “带剧情的短视频”，核心是 “AI 从‘工具’变成‘小团队’”：
比如用户想做 “AI 发展历史” 科普视频，不用自己写脚本、拍素材 ——AI 能当 “编剧” 写脚本，当 “摄像” 生成场景画面，当 “剪辑” 拼镜头，用户只要说 “开头加个动画”“结尾放金句”，AI 就能改。现在我们能支持 2-5 分钟视频，下一步是 10-20 分钟，关键要解决 “人物、场景一致性”—— 比如视频里的主持人，不能前一秒穿红衣服，后一秒穿蓝衣服。这种 “AI 包办全流程” 的能力，让普通用户也能做 “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，我们把这个过程拆解成 “耳朵、大脑、嘴巴” 的进化：
耳朵（音频采集）：以前手机 10 米外听不到声音，现在家电、车机都能 “远距离拾音”，比如车开着窗，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）：以前是 “问一句答一句”，比如问 “明天天气”，再问 “要带伞吗”，AI 就忘了上一句。现在能 “记上下文、做推理”，比如用户说 “孩子要睡觉”，AI 能自动调暗灯光、调低音量，变成 “会决策的智能体”。
嘴巴（TTS）：以前林志玲语音是 “标杆”，现在 AI 合成音能 “以假乱真”—— 车载场景能复刻孩子的声音，家电能说 “方言”，甚至能根据内容调整语气，比如读故事时用 “温柔声”，报天气时用 “清晰声”。这些细节让交互从 “能用” 变成 “愿意用”。
邓咏仪：现在行业在争论 “做 AI 辅助人的产品，还是人辅助 AI 的产品”。想请各位分享：你们实践中，这两种思路的边界在哪？踩过哪些坑？
刘倩：核心是 “技术边界 + 责任边界” 的平衡。比如我们服务金融客户，即便 AI 回复准确率 99%，客户也不敢直接用 —— 因为监管要求 “回复内容必须从人工审核的话术库选”。这时候 AI 的角色是 “辅助”：帮客服理解客户意图、找话术，但最终回复要人工确认。
再比如自动驾驶、医疗辅助，技术不成熟时，没人敢让 AI 独自决策。所以我的观点是：AI 把 “效率” 做到极致，人类把 “责任” 把好关。坑的话，就是企业容易把 “C 端 AI 的体验” 套到 B 端 —— 觉得 AI 能 “无所不知”，但其实企业需要的是 “懂业务的 AI”，比如银行 AI 要懂 “贷款流程”，不是懂 “天文地理”，这种预期差要慢慢调整。
周辛酉：用 “乔哈里窗” 能讲清楚 —— 我知道、AI 知道的事，AI 辅助人提效（比如处理文档）；我知道、AI 不知道的事，人教 AI（比如我们把亿级漏洞数据喂给 AI，教它识别攻击）；AI 知道、我不知道的事，人问 AI（比如用 AI 查最新漏洞原理）；都不知道的事，一起探索（比如 AI 怎么防御未知攻击）。
我们踩的坑是 “早期客户觉得 AI 能替代安全工程师”，但实际是 “AI + 工程师” 才厉害 ——AI 能跑遍全网找漏洞，但判断 “这个漏洞会不会影响业务”，还得靠人。现在客户慢慢明白，目标不是 “替代人”，而是 “人模合一”。
童超：C 端和 B 端不一样：C 端是 “AI 主导，人辅助”，B 端严肃场景是 “人主导，AI 辅助”。
C 端比如视频创作，用户只要说 “要温馨风格”，AI 就能出方案，用户改改细节就行 —— 因为即便有瑕疵，后果也小。但如果是医疗、金融视频，肯定要人工审核。
坑的话，一是 “用户跟不上 AI 速度”——AI 每周都迭代新功能，用户记不住 “现在能做 3 分钟视频了”；二是 “认知差”——2024 年数据显示 40% 美国人不知道 ChatGPT，全球渗透还很慢，我们要花很多精力教用户 “AI 能帮你做什么”。
祝迎君：边界是 “动态的”，不是固定的。比如会议转写：以前人工校对占 30%，现在 AI 准确率超 95%，人工只占 10%；以前车载交互是 “人说一句，AI 做一句”，现在 AI 能 “主动服务”—— 比如检测到乘客打哈欠，自动调低音乐。
坑的话，是 “技术指标≠产品体验”：比如 AI 语音识别准确率 98%，但实际用的时候，环境吵一点就不准；再比如客户说 “要做智能音箱”，预算却只够做基础功能，这种 “预期 - 预算” 的鸿沟，需要我们慢慢磨合。但长期看，人机耦合是主旋律，只是 “AI 占比” 会随技术成熟慢慢变高。
邓咏仪：最后想聊个轻松的话题：当你们产品应用落地时，客户对 AI 最常见的误区是什么？
刘倩：最大误区是 “把 C 端 AI 的‘博学’，当成 B 端 AI 的‘能力’”。客户用了 ChatGPT，觉得企业 AI 也该 “什么都懂”，但其实企业需要的是 “懂业务的 AI”—— 比如银行 AI 不用懂 “明星八卦”，但要懂 “信用卡还款规则”。现在好的是，有些客户开始明白 “数字员工也要培养”—— 教它行业知识、企业流程，用反馈持续优化，不是 “一上线就无所不能”。
周辛酉：去年客户觉得 “AI 能替代人”，今年觉得 “替代人的是会用 AI 的人”，认知在变，但误区还是 “需求不清晰”—— 客户说 “要做 AI 安全”，但不知道具体要解决什么问题。现在我们更多是 “共创”：一起梳理 “是防代码漏洞，还是防 AI 攻击”，再出方案，而不是 “客户提需求，我们做产品”。
童超：误区是 “高估 AI 的‘即时效果’，低估‘渗透难度’”。比如用户觉得 “AI 能马上做电影级视频”，但现在只能做短视频；再比如全球很多人还不知道 ChatGPT，即便知道，也不知道 “能用它做什么”，这种 “认知 - 使用” 的鸿沟，比技术突破更难填。
祝迎君：B 端客户的误区是 “技术指标 = 商业价值”—— 很多客户过于追求实验室测试数值，但我们会基于客户的业务场景、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。另外就是 “短期期待太高，长期耐心不够”：AI 技术的落地与价值释放，往往需要一个循序渐进的积累过程，从数据的持续优化、算法模型的迭代，到工程方案的适配调整，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：今天的圆桌很精彩，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，也感谢观众的聆听！
