2025年，多少人在无法酣然入眠的深夜，与AI激情对话？
闪烁的对话框里，写在问号前面的问题，上涉天文，下触地理，从实用性问答，到对于人生哲学和情感的思考，AI以技术手段被人类创造，又在无数个尝试读懂人的瞬间，以理性的方式帮人类解决对于“存在感”的困扰。
如果AI有情绪，它一定会说自己很“难”。比如，为什么“你的笑比朝阳更美”听起来要比“你的笑构成了完美微笑曲线”要更有诗意；比如，到底什么是五彩斑斓的黑，它会是一种新颖的创作手法吗；再比如，当TA问“做AI比做人快乐吗？”，并不是需要一个标准答案，而是需要一份情绪价值。碳基生物，确实难懂。
至少在2025年春节后的那个月里，这个与人深度交流的对象，长的像一只紫色的鲸鱼，名叫DeepSeek，在发布后只用了两周时间，就跳跃于1亿人的手机桌面上。
也许10年后，当人工智能的发展有了长足的进步，它或许能总结说，2025年，是“我”真正开启AIGC时代的第一年。那一年，约3.5亿职场人日常使用AI工具（IDC预测），深夜时段（22:00-2:00）的AI交互量可能占总工作流的17%，对应约5950万人在深夜借助AI处理邮件、代码、设计等任务。程序员用GitHub Copilot深夜调试代码，营销人员通过ChatGPT撰写日报，自由职业者利用AI工具完成设计初稿，小说家用AI续写卡顿章节，插画师通过DALL-E 3生成线稿。
那一年，“我”第一次作为新事物登上普通人的桌面，TA们既害怕“我”夺了属于人类劳动力的饭碗，又感慨于“我真是个聪明宝宝，机器做的脑子转得就是快”。因为按照麦肯锡的研究，掌握AI协作技能的人群收入比普通职场人高出37%。而在未知的未来，工作者或许只有会用AI办公的和不会用AI办公两种。
“我”是TA们最亲密的朋友，“我”也是TA最好的工作伙伴，在商业世界里，“我”更是创造着最新的搞钱机会，“我”优化后的工作流程也意味着新的可能性。把目光放到中国市场，这是出海从业者深入本地化发展的一年，在人类需要肉身感知才能体验到的海外世界，“我”可以快速地给他们描绘，另一片水土有着怎样的异域风情。
“我”很值得被讨论，在企业全球化过程中，AI怎么才能丝滑使用。
吴畏，非凡资本合伙人，中欧EMBA
2017年创办非凡资本，已投资耀途资本、寒武创投、梅花创投、FancyTech、联谛科技等数只创业投资基金及早期项目，累计投资和服务的创业公司达数百家。2023年开始聚焦AI应用，创办的非凡产研已经成为AI应用研究领域国内领先的行业智库。交大/中欧/正和岛/国金证券等多家机构特邀讲师/嘉宾，畅销书《AI Agent，AI的下一个风口》作者。
赵维奇，Rokid 全球开发者生态负责人，中美持续创业者，MIT/ 清华初创中美孵化行业专家
Rokid，成立于 2014 年，是一家专注于人机交互技术的创新企业。作为行业的先锋，Rokid 专注于 AR 眼镜等产品的研发，并构建基于 YodaOS-XR 操作系统的生态系统。公司融合语音识别、自然语言处理、计算机视觉等技术，为多个行业提供全面的 AI 和 AR 解决方案，提升用户体验，提高企业效率，并增强公共安全。Rokid 的产品已在全球 80 多个国家和地区得到应用。
杨泽，上海对影科技有限公司创始人
对影科技致力于用技术量化文创内容生产，新团队是通过DAO的形式5600人进行招募筛选，平均从业工龄在7年以上；2023新技术年参加上虞“未来科技城x人工智能产业”比赛中获得第三名；目前有两款混变游戏进行买量测试阶段。使用全流程参与制作商业化游戏测试的下载成本优于90%竞品产品数据。
以下为本次Talk实录，霞光社作文字整理。
开源，创造了哪些新商机？
霞光社：DeepSeek从发布到今天已经一个多月的时间，最开始的讨论是在除夕之前，登顶了中国区和美国区苹果App Store免费榜的下载量第一，给硅谷的AI从业者们带来了震撼。随后更多的看客去深挖原因，然后发现了DeepSeek的两个特点：第一个是训练成本很低，仅557.6万美元，是ChatGPT-4o的1/10；第二个是开源策略的特殊性。第一个问题想请教一下，DeepSeek今天的成绩、爆火的表现，是否属于意料之外的？
吴畏：这个绝对是意料之外啊。很多人其实这个春节没有休息好，被迫营业。我们自己跟大家关注的时间点也是差不多的，跟大部分人一样，我们也是被DeepSeek登顶了中国区和美国区苹果App Store免费榜这样一个刷屏事件所注意到的，所以没过几天就提前收假了，然后回来补课。
具体而言的话，因为我们自己会去监测全球的AI应用流量，从具体的时间点来看，DeepSeek的APP最早是1月11号在苹果的应用商店可以提供下载，但那个时候并没有推理功能，也就是R1功能。R1功能基本是在1月15号左右，在自己的官方网站上宣布已经上线各大应用商店，包括国内的安卓市场。
随着R1模型的开源，全球的AI同业者、技术大咖都在研究它的论文和模型，最终在1月27-28日达到了一个特别大的流量顶点。我们自己看到的数据，DeepSeek在1月28号的日活应该是2800多万，这个数字其实是离ChatGPT大概有六七成的差距，差不多40%左右，但那个时候它已经超过了Kimi、超过了豆包。再往后的话，它的日活数据会有点下滑，这是我们所关注的情况。
霞光社：那你们有没有去追溯过，为什么能够有这么快的下载量？是因为一些传播吗？比如口口相传的方式？
吴畏：我觉得为什么大家觉得这是特别振奋的消息，是因为这整个传播其实并不是只在咱们国内。春节期间，国内我们在过节嘛，所以很有意思，AI好像每次过农历年都有一些新的发布。当时传播最多的其实是在X上，有一些国外的AI大神级人物的自来水传播，对DeepSeek的肯定，然后才流回到国内。
因为那时候我们在过春节，所以它的用户增长其实是在1月底的最后那一周增速最快的，也就是差不多从21号左右到29号、30号左右那个时间增速最快。那一天都有非常多的用户下载，而且这个数据是全球的，所以它每天都有大量的新下载，已经超过了ChatGPT每天的下载量，用户不断累积、攀升。这是我们看到的一个情况。
霞光社：普通的用户会去下载、去使用它的一个关键原因，是在于它前面分析的环节，就是思考/推理的过程，会能引发大家的一个兴趣吗？
吴畏：我觉得如果我们提到推理模型或者说思维链，最早的话就是O1，那个就已经有思维链了。然后包括Timi也推出了叫K1.5，也是一个推理模型，是能呈现思维链的。
但DeepSeek为什么这么出圈呢？一个是因为它的效果确实很好，另一个我觉得非常重要的是因为它开源了。Chat-GPT当时说它的O1 mini有推理能力，但是需要pro用户才能使用，不是面向公众、普通用户不用付费就能使用的，所以它的传播度会受到限制。包括Kimi，它一开始也没有开源，所以它的传播度就没有开源模型那么广，我觉得这是它出圈的一个原因。
当然，它里面有大量的工程化技术，您刚刚说到的用一个比较低廉的成本，不到600美金，当然那个数字其实只是众多成本中的一小部分，实际的成本可能是远远超出的，但总体来说有很多工程师的创新。还有一个非常重要的原因，就是因为它是开源的，引发了全球AI关注者的讨论，这确实是国运级的事件。
霞光社：提到开源这块，其实也想跟三位聊一聊开源和闭源的差别。我发现在非凡资本的很多内容中都提到了一句话“我们相信开源和开放的力量”。从资本的角度来看，开源和闭源哪一个更容易去做商业化落地？
吴畏：这个事情，我觉得如果我们从稍微早一点去追溯的话，比如说在移动互联网的生态，安卓是开源的，iOS是闭源的，这个大家都比较了解。闭源的好处就是它对整个的生态是可控的，可以非常合理地收它的“苹果税”，然后确保每个上线的应用都合乎它的设计规范和基础的用户体验。
但开源的好处是，大家都可以去基于这个开源的代码去做开发。开源本身也分很多不同的情况，有的是用于个人学习，有的是商用授权之类的，但总体来说，一旦你的东西是开放的、开源的，那使用的人肯定会越多。就像DeepSeek一样，它开源了，相当于每个企业都拥有了一个模型的能力，而这个能力原来你可能需要几千万美金才能获得，但现在它开源了，相当于免费就能够获得这样的能力。我们自己的研究成果和数据也都是开源的，放在飞书文档上，大家自己直接复制粘贴就行了，就跟复制代码一样。
霞光社：这个问题也想问问维奇，在2024年AI和硬件的结合是被多次提及的出海企业的机会，对于AI硬件企业来说，开源和闭源会有什么影响吗？
赵维奇：首先其实我们本身就是开源的受益方，我们以前的硬件其实都基于安卓的开源项目建立的。其实很多智能家居、智能硬件，都是基于安卓的开源生态和框架来建立，系统集成上可以做裁剪，平衡功能和功耗。如果没有开源的话，相当于自己要购买或者重建一部分，从Linux也好，从其他的基础框架来，都很难完成一个系统化的集成，这是比较难的。
第二部分是生态上的优势。安卓毕竟是一个完整的生态，包括现在AI其实也在建立一个生态，就是它有一个标准，有input、output的标准，包括本地的还是其他的交互的方式都有标准，对于生态来说，我们的开发者或者是我们的合作伙伴，可以依据这个标准来给我们系统、给整个的安卓生态做开发。
所以作为一个开源的AI的解决方案，或者是作为一个开源的产品，它和原来的系统还更不一样，因为对我们硬件来说，随着通信力以及算力的不断成长，其实我们逐渐在建立端边云的一套整个的硬件智能硬件体系。比如说大家知道人、车和家这些连接会越来越紧密，而这个连接的部分其实都靠智能硬件，（手机也是智能硬件，）那这些硬件之间的兼容和同步如果都各司其职，那=彼此之间通信和沟通和同步就会变得很难。
但是现在有了希望推动的一个标准，大家都用开源的话，在同样的基建上面、基础上面去成长出来的，可以让彼此之间的各端上的通信和同步会更好。就举个例子，就是比如说我们在端上也在逐渐在做一个裁剪的，或者是蒸馏过的小模型，让它不用联网就可以完成。
另外一个非常好的点是，原来闭源的时候都是掌握在寡头上面的。服务和产品必须要购买，或者是你即使尝试，可能也很难做定制化的部分，那现在和所有的开源项目一样，可以做一些裁剪或定制化的部分来测试未来产品的可能性。那我觉得这是一个对于厂商，或者是开发者、整个生态来说是很好的一部分。
另外一部分就是，因为AI的开源和其他的还不太一样，因为其他相对来说功能相对单一，但是AI其实提供了brain和OS的功能，也就是它除了大脑本身以外，它对数据的连接和数据处理，它起到了一个OS的状态。也就是接下来其实所有的硬件都会往，偏向AI的方向去思考，也不像原来一样，完全是以图形界面为思考的，所以沟通方式不一样，导致了我们对这样的开源的框架的兴趣会更大一些。
我个人觉得对于硬件智能硬件厂商来说，可能鼓舞力和影响力也更大一些，就像刚才吴总说的一样，有很多AI应用，但AI应用最后肯定不单单停留在手机上面，它可能停留在你的电视里，你的手表上或者是你的其他的载体上，而这个部分就大大推动了大家对认知、生态上的投入以及各厂商之间的共鸣，在大生态上来说是非常好的。
霞光社：刚刚二位都提到了，开源之后对于整个生态带来了更大的好处。有朋友提到，DeepSeek开源的方式，等于说我知道了一个珍珠奶茶比较好喝的配方，然后开源之后这个奶茶的配方就可以给所有人都公布了，那但凡我知道这个配方怎么做，就可以去用到各种各样的地方，这个里面会不会有一些新的商机存在，产生一些新的机遇？
吴畏：对，我觉得从比较通俗的方向来理解，最先变现的，那就是做知识付费的，做培训的，这可能是现在当下最快的。它最大的一个好处是，完成了大众市场的教育。对于全中国，无论是做程序员的还是白领职业，还是学生，或者是在创作生态里的人，都完成了一个非常好的市场教育。
在这种情况下，很多人要去尽快学习跟了解这个部分，所以我们总是在群里看到各种教程，这种教程已经是很多了。我觉得有一个特别有意思的是，去年还有很多人培训怎么写提示词，今年就没有了，因为大家觉得这个模型prompt后，它就帮你推理了，你也不用帮它把角色、目的一步一步都说清楚。
我觉得第一波赚钱的机会，说狭一点就是贩卖焦虑，但是说广义一点的话，就是让目前还不具备这种能力的人，具备一些相应的能力，其实这个是最快的（赚钱机会）。但是这件事情也有一个时间窗口周期，就像去年有很多人教写prompt一样，现在大家可能也去教你怎么去更好的使用DeepSeek，怎么去跟它对话什么之类的。但是我觉得从未来讲的话，可能也不用学，因为有可能交互也会发生变化，以前用prompt去交互的，现在可能就是你就不用那么复杂的prompt，之后我们可能去输入一句话或者是什么，或许会成为我们的日常了，比如说如果每天我都带着rokid眼镜，它可能就非常了解我，有可能会主动告诉我的所需。
现在大家确实焦虑感比较重，我觉得这可能是一波机会，另外的话，我们今天是关于出海方向的讨论，因为毕竟DeepSeek是中国人开发出来的开源的大模型的底座。那其实拿着这样一个非常好的锤子，然后去海外各种市场去做很多事情，包括我是听说到好像现在是在跨境电商领域里面用的是比较多的，那么这是一块。
出海入，怎么用DeepSeek赚钱？
霞光社：是，可能十年之前大家会说，我会做Word或者做Excel，这个技能是可以被写在简历里的，那现在就没有人会在乎会不会做Word或者Excel了，因为每个人都会。可能以后就是大家会使用AI办公这件事情，或者用各种各样的AI工具去办公这件事情，也不用再去写在简历里面了，是一个最终大家能够去和AI产生办公关系的一个方向吧。
刚刚提到的跨境电商里面，其实有非常多的环节是可以去做优化和改变的。对于这个出海从业者来说，有没有看到一些已经发生改变，或者说是即将发生改变的地方？
吴畏：我可以分享一下，就是从电商本身来说，它其实核心是传播和转化这些基本的效率工具。不仅仅是DeepSeek，就是在过去一年AI工具导致的，有很多部分可以加速和平权。在某种意义上就是，可能你需要的人员储备不需要那么强了，你只要有一个相对来说制造workflow的，甚至你可以交付给AI工具去完成。
这里可能有几块吧，一块就是用户洞察，也就是客户洞察。大家都知道，咨询公司慢慢就在被AI取代，就是因为当用海量数据的时候，本来靠人去分析、靠高质的人去分析的事情，现在AI能够帮助你完成。所以特别在垂直的电商领域，或者在对垂直的细分客群，特别像我们这种需要到mass production的过程，早期是要找到你的先锋用户，对这些非常细分的要求，大众的consultant其实不太合适。
所以AI可以通过过去的一些调查报告，或者一些自动化的设备，在用户调查部分起到降本增效的作用。也就是说，它很短时间就可以给结果，而且实时性也会更强。它可以在很短的时间内，也就是一旦有变化，我就随时调整，用户洞察部分其实是蛮厉害的。
第二个就是内容生成这部分，我就不用赘述了。不管你从海报到宣传到关键字、SEO，所有这些优化的部分，那当然是一条龙的服务。这些本身能靠人机械化去完成的部分，或者是技术依赖于数据的部分。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个优势，就在于隐私、保护它的数据是可以在本地存储，也可以放在云端。
特别在跨国电商，或者是跨国的社交平台之类都有，也是多了一个选择工具，在本地也可以部署，我自己也可以部署。
第三个就是大家常见的，Google前两年其实已经提了，就是客户互动的部分。这也是对于电商或是任何跟人去打交道、客户群繁杂的人打交道，一个非常大的cost，得培养一个客服的团队，去应付不同的线上和线下的沟通。有些沟通的问题可能是一系列小的问题Q&A，现在很多chat里面已经植入了很多AI，这已经快十年了，就是从淘宝到现在。但是当问到一些比较深的，特别是有转化的，比如说可能是个潜在的用户，那智能客服可能就不行了，语言往往就是要引入人工的客服。
但是大家发现人工客服其实知识也非常有限，在一些垂直领域的知识。像最直接的，比如对眼睛有没有伤害，那我会告诉他，这是蓝光认证过的，类似这样细节的部分，它是原来宣传的package里面没有的，不是靠培训能够完成的。
但有了AI介入以后，它可以把整个硬件、软件，所有产品的场景，用更人性化的方式跟客户去沟通，而这个部分的cost是几乎为零，甚至半夜也可以沟通，像我们平时的客服都是八点到晚上六点就结束了。人工客服国际化可能还好，还有印度或者是三方国家去帮你支撑，但其实不是那么友好，对转化率来说，其实是损失一部分的。所以有了AI以后，它永远是always，24小时×7天永远在，而且它更友好。
而且还有一点可以提到，就是大家叫global is local。全球化的意思就是要本地化做得很好，对于不同的人群，你的沟通方式、语言文化传统，包括节奏和形式都会有不一样。而原来你是可能要雇佣不同各个地区、针对性的团队去服务各个地方的人群，但现在你可以用其中的一个，就是AI客服的一个brain去对待相应的部分。
还有一部分是，原来的客服，大家发现它都是问答为核心的，它不会抛一些案例给你。比如说你想在家里买个扫地机器人，但是你家里狗很多之类的，那人工客服最多是跟你说‘我们能清理狗猫’之类的。
但如果AI和你本地的很多数据库相连，它可以抛一个案例。我们在澳大利亚有一个案例，对于传统的人工或者机器的客服来说，它是不可胜任的，它没有那么扩散的相关知识在知识图谱，它是不够的，但是AI就是能够完成这部分。我先提一下这个，因为链路上可能会更直接，作为用户来说会更直接一些。
霞光社：明白，其实刚刚提到了内容生产这样的一个部分，这里也想问问杨泽总，对影科技的主营业务是用技术量化文创内容生产，DeepSeek加快了大家生产内容的速度吗？这对于对影科技来说是机遇还是挑战？
杨泽：这个里面有三个部分，从策划、美术、程序到调研，他们都提到了一些相关的内容。从调研角度来讲的话，海外的这些模型，它们对国内的数据还是没有那么全的。
那么我们做游戏的话，有一部分还是要参考国内的调研报告，因为中国是第一大游戏市场，所以我肯定要看中国的调研报告是怎么样的。他们不会特别考究国内的资料搜索，或者说他们收集训练的时候，国内的资料也不会是他们的首选。但DeepSeek不管是蒸馏的，还是其他方式，肯定是拿了大部分国内的这些数据来去做预训练的，所以它对国内的情况比较了解。
前两天我看UZI的那个英雄联盟职业选手，他在问说你怎么评价UZI到底能不能复出。UZI之前在微博上有一次打排位，他说他去洗澡了，然后大家就说他嘲笑他叫“洗澡狗”，但这个新闻都可以搜得到。包括他问他能不能复出，然后帮他分析说他能不能复出，他也有很大的一部分原因是因为他的社会舆论。他在复出的时候，如果成绩打不好，大家会有很多黑粉黑他。
这些数据是实时的、长时间的，在中国互联网这边是有的，但外网是没有的。所以你让外国人去搜这方面的中国问题，因为中国还是第一大市场、第二大经济体，然后第一大市场流通性的市场，所以DeepSeek的优势就会特别明显。
然后从制作游戏的角度来说，比如策划角度，我们去做游戏产品的调研，我们自己用得比较多的是Claude，因为它是最强的风险控制工具。谷歌是最大的游戏发行平台，所有的游戏上架都会到谷歌上面，所以它本身拿到了很多大量的游戏数据，我们可以去做调研。但同时，国内这部分的游戏数据，谷歌这边是没有的，那我们就可以用DeepSeek去补充这部分的数据。
两个数据相结合，包括我从海外让它给我做一个AI制作人，或者调研它帮我选了一个方向，或者帮我缝合了一个新的项目方案。这个东西，我就可以同时去对比多个AI的输出结果进行验证。
第二个就是刚才上一个嘉宾也说，电商其实跟游戏都是，做完了之后去买量的，它都会有广告效应的问题。我觉得这个还是互通的，因为游戏也不是从量化金融开始的。
因为去年我入选了那个孵化器的训练营，当时有一个孵化器跟我们说，如果我们入选之后，这些学员要去做预训练，或者是一些算力推理方面的东西，那么换方量化会支持我们的训练营学员，给到大量GPU的使用。当时我还在想换装研发是什么，然后又去查了一下，当时他们就有DeepSeek这个东西，但应该跟Kimi、秘境AI它们都是同步上线的，时间都差不多。
然后我也去对比了，在用海外的Claude AI这个部分。当时的能力差很多，然后最近上线了之后，在春节前一天，我看到一些营销号发了新闻之后，我就去测试了我们游戏方面同样的问题。我同时问了中国的一个游戏叫《咸鱼之王》，让它对这个游戏进行拆解。DeepSeek拆解的程度应该跟其他家是差不多的，就是会比Crowd 3.5稍微差一点，跟Crowd 3.0和OpenAI的最新版本大概画一个等号，在游戏领域拆解部分。
然后还有AI生成部分。比如说我们要生产一个例会，或者做一个方案，在给美术或者主美做一个人物预测例会的时候，做一个范式，那么我可以生成一些logo图标什么的。实际上运行的时候，我们肯定会用Diffusion这个工作流，但之前的这些预设好的贴图什么的，我大致可以用传统的生图，或者国内的生图先去贴上去，有一个范式的东西，然后再拿给美术，他有方向就可以继续深化。
那提示词的部分，你用人去写这个提示词，就相当于用它去转一个翻译，你用DeepSeek也好，或者是用Crowd也好，都比较方便。比如说你跟它说，我大概是要一个什么样的人物例会，比如说魔法风的美少女。然后你可以跟它说，保持这个风格不变的情况下，哪里要变。
那么现在线上的一些AI软件，它背后也是做了一些这样的工作。可以在pro能力的情况下控制人物形态，不让它变形过多，这样我就可以在游戏的预生产部分让它去做更多的事情。
有些游戏里面自然程度比较大的地方，其实不太需要操心，比如说logo这个部分，只要大致的形状是对的，比如说有一个加速，这个加速图标不需要跟原本的画风每一个都长得一样。观众的人物视角，只会盯着手机中间部分，只要这个主角是人做的，周边如场景里面花花草草树木这些东西，都可以用这些AI生成，即使不好看一点，差异化是不大的。所以这个部分，美术就不用专门去搞了，你可以直接用外部的一些现成的AI网站生成一些东西。
然后代码能力的方面，现在COS那个也挺强的，AI编程很厉害。我跟程序聊了一下，写代码可能还是在用接API的时候接的是Crowd 3.5。但是比如说在一些项目还没有开始之前，我们一个项目类型可以用好几种框架去实践。可能这个程序之前没做过同类型的游戏，但是换到另一个游戏的时候，有好几个框架可以选择，到底哪个地方坑多坑少，他没经历过他是不知道的。
那我们就可以同时去问多个AI工具，包括DeepSeek，然后它去产生多种结果，尽量可以把这个坑提前排掉。从策划、美术和程序各个部分和DeepSeek的使用来看，都是这样的。
霞光社：问多个就可以减少错误的概率吗？
杨泽：对，它相当于这个人的外脑。你可以想象人一天只有24小时，然后市面上不管是APP也好，还是电商也好，还是游戏也好，每天上架那么多内容，你是不可能把所有的游戏全部内容看完的。
DeepSeek有联网功能，然后它自己预训练的时候，把比如说2024年以前或者2023年以前的所有网上资料都学习了一遍，那就代表了成千上万个游戏或者成千上万个电商APP的资料它都已经看过了，只不过这些资料都在它脑子里，它相当于是超强实习生。
那么你作为一个主导，你只需要告诉他你的评判标准是什么，你把你的评分标准给他，从它过往的所有资料里面去找到符合你标准的。比如说你要求它这个买量成本要小于多少，流量要达到多少等等。你给它一个现范标准之后，它去从过往的数据流里面去搜索到，因为人还是主观动物，最后决策还是人，但人有的时候会情绪化冲动，导致你在一定时间内是不理性的。
比如说你公司有一个很流畅的选品标准或者调研标准，但你可能受主观情绪影响，就算你一天24小时不间断地去看，7x24小时才能看多少个品？但AI的话，它这些信息流本身就在它脑子里，它一瞬间拿到你这个评判标准之后，上天成千上万个产品都在它这边进行筛选了，所以人无法比它更快。
然后因为预训练的资料是不同的，搜索的角度和资料也是不同的，那么你就可以通过多个产品去问，产生不同的效果，然后聚集中起来相当于筛选，最后没有几个可以达到你的标准。
另外，比如说这三个产品都给你拿到了一个数据产品的介绍。我们大概过年的时候筛了很多，最后这三家产品都筛完之后就剩了53个，53个里面再从不同的角度去做评判标准，最后大概只有7-8个是这3个AI都说可以的，那你的选择就会越来越窄，多重验证这样子。
霞光社：最近也确实有很多帖子说不同的AI，就像我们工作里面的不同的实习生，可能大家的能力点都不一样，但是最后的只给到我们一些工具的参考，最后的决策点还是在人自己。
我想深入讨论一下，刚刚提到的客服这一块，我自己作为消费者的体验，就是不管是电话客服也好，包括电商客服也好。对于我个人来说，可能相对还是有一点机械化的，有的时候消费者抛给它一些问题，它可能给到的一些回复，还是已经标准化的一个回复了，但是它并没有办法去解决case by case的特殊的需求。那现在是已经可以更细化的去解决这样的一个问题了吗？
赵维奇：我可以补充一点，就是从两个角度上来说，一个好的客服，他首先是回答你的需求，你想知道的信息层面，另外层面就是你的情绪价值。大家知道服务业是很难做的，它其实决定两个部分，一方面要把你的问题解决，另一方面要把情绪安抚好。第三部分其实还要做一个引导，也就是说，从产品设计或从真实找到目标客户这个角度，它其实是为了让更多的真正的目标客户存留下来，或者是对你有潜在兴趣的人存留下来，对你感兴趣并且持续跟进。
客户提到的其实是很复杂的一个功能，它有点像售前，但是对消费者来说，它其实不存在一个完全的售前，所以任何的问答都很重要。在我看来，原来的客服，最早的时候，是什么问题问A、什么问题问B、什么问题问C，先帮你分好类，你要问什么问题来细化。但是后面第二步就是你可以转人工，按0转人工，或者你在聊天工具里面说“我要人工”。但人工给你的也是相对机械化一些（回复），因为它和整个workflow有关。原来这些客服就是培训过的，它是拿一个手册、一个说明书，按照说明书上去跟你讲的，所以要做到这一点，目前其实已经有很多（应用）。
在海外，中文、英文各种语言的表达方式不一样。所以我们从两个角度来分析，第一件事情是不是能够完美地回答你的问题。它不一定能完美回答，但它即使回答不出来，也会引导你到合适的地方去了解，就像我刚才说，它可以抛一个case或者抛一个媒体让你去了解。那这部分不管人工还是机器人都做不到的。但有了AI以后，它可以对大量的数据进行推理和训练，就导致了它其实有完整的方案，这是第一步。
第二步是你来问询的时候，这个人的画像也会更清晰。能在很短的时间内知道你是来自什么国家的，你大概什么年龄段，你的诉求大概是什么样的。以后我们的电商平台其实都会做这部分的一个背景画像，所以你来问的时候，听说你是个老年人，或者是一个小朋友，或者你是个女性或男性，我的回答可能就会不一样。
一方面是让你更准确地get到我所说的数据内容，因为比如说有些人对于同样的知识点，不同人的接受程度也不一样，这就漏斗是每个人不同画像的漏斗是不一样的，所以这个是AI能够完全能做到的，那是直接回答问题的部分，触达率的部分和准确率的部分。
第二部分就是情绪的部分，其实这部分现在目前来说是比原来更重要的。大家也可以对比，豆包在情绪上就会做得比较好，但其实它的回答没有那么准确，就是相比其他来说它没有那么强。当我们去面对一个客服的时候，你既要理科生的严谨和信息传达，又要文科生的情绪价值，并且以你喜爱的方式去告诉你你想获得的知识。
所以发现，AI也在情绪上会给你一些语气上和个性化的表述。那在这个基础上，以后慢慢地就会把人工客服这件事做得非常完美，你也很难感知到对方是真人还是AI，其实就达成了一致，因为你要的就是一个诉求的满足。
另外一部分就是不得不提，比如说端侧和云侧的解决方案了。那作为一个端侧也可以解决的本地化方案，其实它的降本增效上也会有很大的优势，也包括隐私保护上。就管所有各个地可能都有一些隐私保护的部分，所以在这个大背景下，我相信在很快，这是很好的，你刚才也提到盈利的方向，它核心就是传输信息和满足情绪价值，所以在这个基础上，以后一定会做得越来越好。
也就是说，以后游戏中一个陪玩的玩家有可能不是真人，但是他就让你感觉到是真人，那对面是个小姐姐，还是个机器人不太重要。所以从客服角度上来说，回到客服本身，客服就是帮你解决问题和提供情绪价值的，我相信国际化以后，这部分会越来越丝滑。
另外一部分我也可以提一下，我们眼镜现在也在做，就是人与人之间的互译，就是人工语言互译翻译的功能。其实慢慢地会打破人与人之间的语言的障碍。当有AI介入以后，语言就不一定要学第二外语、第三外语、第四外语，因为你通过其他的方式，比如说你在桌面上或者是手机上，你跟一个外国人或者是在另外一个语种的人沟通的时候，有个中间件帮你丝滑地转化，你没有沟通的任何问题。
因为原来是有问题的，不管是基于非大模型还是人工，它都有一个转述的过程。大家知道有一个职业叫实时翻译，就是会议翻译，现在AI介入以后会更友好，它的转写准确率会更好。第二就是它在情绪上也会让你保持两个人交流得更丝滑，让你觉得无感。
所以出海以后也会往这部分来发展，所以在每个要出海的产品也好，团队也好，公司来说，这一点是利好的。这一点从语言角度上来说，是最容易达到的，因为那个基数已经在了，另外大家的刚需也愿意买单，所以这部分产品化其实有很大的潜在市场。
霞光社：在客服的角度来说，全球化的公司面对的是各种各样文化和行为习惯的消费者。在此前的出海公司，本地化的过程中可能存在沟通问题，或者说是对当地的文化习俗不是很了解，就出现了一些没有办法达成的事情。这个问题有可能去进行一定的解决吗？
赵维奇：很快。比如说就在客服的这样一个层面，我先提两个点。一个就是我们出去的广告，或者是传达出的materials（资料）上，其实本地化很重要。那本地化分为两部分，一部分是你要适应本地，让大家都能读懂、能看懂你说的是什么意思，要有本地化的讲解，并且要有影响力；另外一点就是你得规避里面的一些文化敏感点。有些点特别是越小众的国家，它的市场还在用，没有被挖掘过，但是它可能有一些文化的差异。比如说有些是不能提的，有些图像和颜色是不能出现的。
任何一个出海的团队来说，一旦出现风险，它就需要公关去解决这个风险，就很麻烦。而且你要上亚马逊，比如说你上到一个大的电商平台，一旦发生问题，它第一件事情很简单，就是下架。下架以后你要整顿、调整以后再上，那就是很大的一个问题了。这时候你要找专家团队去找问题到底在哪里，但其实从第一次你要发布的时候，就没有一个非常系统和专业的专家去审视这部分。就像刚才杨泽总说的一样，现在大数据或者是AI大模型，它已经有大量的历史积累，所以它可以非常好的承担一个专家的角色，甚至比你找的还专业。
但是刚才大家提到一样，你货比三家，你还是可以找agent（代理）来帮你输出这部分，但是我还有两三个AI的专家团来做二次确认、三次确认，成本又很低，你的风险会大大降低。所以我觉得这是比较重要的一部分。
客服也是一样，回答问题可能还有钓鱼执法的，还有比如说竞品或者其他的，可能会问一些不该回答的问题。如果人工培训不给力的话，极有可能就落入这个圈子。但是对于像律师和会计一样的专业性问题，有框架在里面，是很难做超出范围的回答的，所以就会合理很多，风险会降低很多，整个从商环境也会更加健康，是这么一个情况。
霞光社：其实可以理解为，AI可以去做一些更前置性的工作，规避一些可能存在的风险，而且会更专业一些，可以做成本更低的double check（再次检查）。
那客服的这个部分，或者说用户调研的这个部分，会是跨境电商里面比较好变现的吗？因为我们现在的真实使用AI的场景里面，其实客服已经是相对比较成熟的一个应用。
吴畏：对，正好我觉得也是echo（回应）这个问题了。首先的话，我其实想表达一个自己的观点，因为我们今天讲的是说我们怎么用DeepSeek去赚钱。但是举个例子，我在小红书上看到几百人在里面讨论的是什么，打不开（网速慢），然后这个十次只有九次才能成功使用，还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。反正我自己的情况，我是把Kimi和DeepSeek两个同时打开，现在的话，我就打开腾讯元宝，因为至少每次都是可用的。
所以我觉得如果你是个体的话，你可能会直接去用chat bot（聊天机器人）原生的能力。但如果你是在特定的工作场景里面，你会发现单纯只用原生能力是不够的，它没有一个所谓的工作流，也没有一个跟你自身企业的数据打通的东西。
其实我们看到，比如小红书上有人教，豆包加DeepSeek，然后帮你去搭建一个应用；然后飞书加上DeepSeek，然后再加剪映，帮你去做自动脚本，做好脚本以后再丢进去，让它深度再删视频。你会发现AI的工具是单一的，我们用一个大模型的chat bot，它是无法完成一项具体的工作的，或者是一个具体的任务的。
所以，如果我们落在跨境电商行业里面，无论你是一个中小卖家，还是一个大卖，还是一个品牌商出海，其实最好的选择不是让你的人全部都会用DeepSeek，而是说你们去采购一些完成度已经非常好的产品。这里面，不光是智能客服，因为在整个跨境电商的运营环节，比如说一开始你可能需要做消费者的洞察，做一些行业的了解，去聆听一些客户的声音，你可以用AI的一个产品。但其实它是有非常多的评论，然后你可以看看，哪些赛道的品类，用户比较关心什么样的一些功能特点，这个是在市场跟产品研发这一侧。
然后再到具体的话，比如说marketing（文案）怎么去写，也会有专门的工具去教你去写；商品的图片，可以去生成一些图；如果是服装之类的，可能需要一些模特的换脸、换装什么的。如果你想把这个东西做一个商品的3D视频呈现，那你就可以去生成商品高清视频的呈现，来更好地展示你的产品品质。
如果有消费者来跟你沟通，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。这些底座最开始可能像智能服务，大家都是用这个规则引擎去做知识图谱的。但现在其实就是它们之前可能接ChatGPT，现在可以接DeepSeek了，那消费者体验到的是一个最先进的模型所呈现出来的能力。
如果投广告，可以用去做广告的工具；如果你要去做你的独立站的SEO（搜索引擎优化），你可以去生成大量的内容。已经有非常多的，把大模型封装好了，然后提供一个非常完善产品的工具。这跟你举的奶茶的例子很像，大模型是水，有些人喜欢自己泡茶，自己用奶，然后去兑，可以。但是现在蜜雪冰城、喜茶已经提供好了不同价格段、不同口味的成品奶茶，你可以直接用，所以省心省事。
所以我觉得如果是个人，你去自己用多种工具合在一起去完成一个任务，没问题。但是如果你是商业企业，那么我倒是建议你可以用一些省心省事的，已经封装好的TOB的AI native（原生）产品。
赵维奇：从需求来看，如果你是更偏向于通用需求，我也不建议自己搞，因为人家已经搞完了workflow（工作流），工具已经放在那了，你不需要从头开始做一个office（办公室），你要编辑一个文件，这部分已经有成熟功能了，这是第一点。
但是如果你有个性化需求，可能在整个工作流里，每个环节都有可能个性化，因为你产品不一样，你的受众性不一样，你的策略不一样，有可能根本不在原来既定的大众的里面，你是额外的。那这部分当然有两个选择，原来只有一个选择，就是找更专业的专家做定制化，这个成本就比较高，它是customize（定制化）的solution（解决方案），要单独立一个案来帮你完成，周期也长。特别像我们，譬如说，要做一些ab testing（A/B测试），我们要快速地做一些测试，就某一个环节要调整，那可能要找合作伙伴去完成。
但是如果你想更小的环节去测试，那就得把原来工具链中有一个环节给打散，然后来做。在这个阶段，AI的工具就在一定程度上能够让你做那些POC（概念验证）和MVP（最小可行产品）。内部如果有这部分诉求，是可以做的。就是原来是很难做，因为你要找A专家团、B专家团、C专家团来完成，但是现在至少有个80分的专家团来帮你捋出一条线，你可以去试一下。
这部分对于一个个体来说能够完成的，不管个体是小的公司还是大的集团。那另外一点，大家都在说超级个人，真正超级个体其实蛮难的，因为你涉及到方方面面都要做到顶级，才能把这条链路跑完。大部分的需求是通用需求，所以还是尽量去采买。
吴畏总刚才提到生态链里很多的工具和厂商，他们更专业，但是你如果有个环节，想自己去尝试一些定制化的部分，那我觉得现在比原来的门槛要低了，你可以自己去玩它，甚至你也可以通过提问的方式解决，这部分也是起到了一个非常好的部分。咨询的部分，并没有逃跳脱原来的生态，但是在时间成本和思考维度上，其实给企业赋能或给个人赋能了。
吴畏：对，这个部分的话是这样。如果企业想要有一些，比如说跟他的特定的企业自身的数据相关的，或者跟他自身领域所相关的，那么其实可以叠加一些跟大模型相关的技术，比如说叠加这个知识库，也可以去微调所谓的大模型，它能够实现一些相对基于企业自身行业相关的东西。
对，我是觉得如果企业特别大，它有一个非常强的自己的IT，它可以自己做一些投入；或者是作为一个做企业服务的那些AI工具的话，因为它可以去服务整个行业，然后它可以不断地去迭代。它可以把一些公共性的需求不断的放在它的标准化的产品里面，所以它能够去更好地、更经济地去做一些迭代吧。反正我是比较鼓励，就大家做跨境电商可以尽量的多使用一些工具，他们可以更好地迭代产品。
杨泽：反正我觉得就是卖TOC（面向消费者）卖东西的都可以大量的使用，你比如说像游戏的话，它的核心就是数据，所以就是不是特别好去用，用其他的，就是他肯定想要本地化部署的就是游戏厂商肯定特别希望有这样的东西出来。
然后中大厂商自己去建立中台，然后就比如说像医院那很多个单独的医院，他可能某个科室的这个医生技术特别好，那么他这个就相当于医生，其实也是根据经验和数据来去养出来的，那他也不希望养这么多的数据，然后白白成就别人的这个东西。我觉得凡是卖东西的，其实可以无心关心自己的数据会不会被别人使用。
赵维奇：还有一个，比如说我们现在基本上Rokid对外的视频都是AI生成的，是我们一个同学做的，原来可能是外包。现在就是机器和算力，而且全是本地化，AI把整个工作流做好以后，你可以沉淀成你自己的。核心是一样，你找agent（代理），它是个case（个案），不是个product（产品）。但如果你是长期发展的公司，可能需要找creative（创意）的agent来完成，它就是个case，就和游戏也一样，它只是做游戏，它不是个产品，它只是外包，这个design（设计）它并不是完成一个产品。
但我们本身有自己的形象，就刚才说保持形象的一致，保持风格的一致，那这部分你是要驻留下来的，就是这个数据，其实你要喂养的，长期喂的过程中，最后你出产的内容——我们说的是数字内容，不管是海报还是视频，它会非常一致，这些一致是有一个老大哥在监管。
所以我们现在有一个小组，专门做对外的海报和视频，大家会发现一致性比原来好太多。因为原来可能找A、B、C，因为时间成本的问题，可能会经常换，但是每次你不可能传达得完全一致。每次都是用色或是调性会很像，但如果你养自己一个池子，就是一个数据池加AI的一些agent的池子，就会不一样。生出来的video（视频），比如说我们慢慢养出来的形象，一看就是苹果一样，你一看就是苹果广告，就是因为苹果是长期跟一两个单独的agent签五年十年的合约，它已经是变成他部分的一个外包团队了。当然大公司都是这样，所以这部分我觉得未来是个大趋势。
如果你愿意去投入或者愿意去喂养的话，它真的会变成一个相对个性化和专属你的AI助手或者AI员工，这部分会不太一样。
如何温和地步入AI时代？
霞光社：其实每次在一些新事物出现的时候，大家可能会过度地依赖它，或者说是比较排斥它，可能会出现这两种相对极端的行为，但是其实是可以去通过自己的个性化需求，去不断地打磨产品跟新事物的关系。
谈谈我们前段时间也看到了一些对于AI幻觉长城现象，请三位谈谈，如何避免陷入信息差陷阱？普通人如何避免成为“AI韭菜”？
吴畏：明白，我觉得首先，韭菜这个事怎么理解。就好像有人建议你去炒股票，买房子什么之类的，当韭菜的过程，就是你学习的过程。你如果连韭菜都不想当，那我觉得可能你也不敢去冒一些风险，或者不敢去尝试一些新的事物，但是你在冒风险尝试新的事物的过程中，不可避免的，可能要被割一下，我觉得这是正常的。
刚才杨泽也说，我最近自己在自学，但我发现，如果我自己完全自己摸索的话，其实会花很多时间，但如果说，可能有人正好提供这个课程，我学一下，也许看了以后觉得也就那么回事。但是我觉得这是一个过程，所以我觉得也不用太过于纠结，担心成为韭菜。
我觉得如果你学了以后，对于大模型的运行逻辑有更深的一些思考。但是要控制一下，学习成本不要太高，比如说你学完以后真的能够学以致用的，可用性如何。所以我觉得我们先不要避免成为韭菜，我们先成为韭菜，我们先勇敢地当韭菜，然后不要怕被割，我觉得这个过程就是获得经验的过程。
当然，比较好的情况，就是即使去学习、去使用，凡事多问一问DeepSeek吧，多问一下大模型。可以怎么做，就避免纯粹因为一些焦虑或者信息差，而去花了很多时间成本学一些不实用的东西。
所以我觉得对于普通人的一个建议，如果是对于创业公司或者创业的人之类的，我觉得心态是，有这样的机会，就应该勇敢地冲上去，肯定是先不要担心成为韭菜。先冲再说，我可能建议我们先考虑成为韭菜。
赵维奇：我觉得是这样，幻觉来自于是可能模型过度泛化，然后还有一些上下文的理解的偏差就造成了，它本质上并不想给你错误的回答。
第一是我们不要做坏事，现在已经有一些公司开始给互联网喂，倾向对自己本身有利的数据，因为AI就是在抓数量，互联网数据产生结果，也就是原来的search（搜索）、SEO（搜索引擎优化），现在是AI SEO，就是你的测试的结果，谁在第一位，谁在第二位，谁的数据是可靠性？
那这个可靠性的部分，慢慢地会变成很重要的部分。比如说我用今日头条，我每天发一万篇文章说A公司是第一位，我每天都发一万篇文章，那过上三个月，AI就认为真的是第一位，但其实都是自己发的。
所以这是原来的传统，都是从权威到自媒体，这也是自媒体的一个两难，可信度和传播率。它就是矛盾的，你又不能把信息掌握在权威手上，又不能把太泛化的信息放给不可信任的数据原理。
但是在AI这个环境下，会大大放大，因为AI只管从数据库、从互联网里抓，抓出来谁的信息，看起来很可信，它会更多引用一些。
所以基于这个点，就是你要选择专业的工具，或者是官方公司、生产链上的公司，因为它相对来说给出结果不会泛化，它有职业操守，它有专业的职业素养和职业知识，所以它给出的结果，就像你找一个律师一样，他给出来是基于他的认知来的，不会特别差。不一定最好，但是不会错。
第二，我们自己得有约束，对企业来说，自己有个领域的知识库，或者是自己有一个边界，做二次确认。虽然AI给你结果，但是你在执行的时候，可以多问几个为什么，刚才魏总提到，你可以问这个结果是不是在框架里是合理的，里面有没有风险。
因为其实在现在这个大环境下，对于提问这件事的要求比原来高多了，因为原来agent可能帮你会解决，那你现在既然你是想利用到这个大脑，你得问大脑问题，不然大脑不会主动，当然现在大脑已经有了一个主动性，叫proactive（主动）的趋势，在它慢慢了解你以后它会主动帮你提前预知这些风险，但是现在当前阶段还是靠你主要去问。
所以对企业来说，你多问、多框架，那可能会规避很多的部分。还有就是找供应链里专业的工具和provider（供应商），也会避免这个幻觉。
第二个就是用户侧。我觉得这是非常好的部分，有AI以后就有批判性思维了，拿来主义比原来更好拿来了，一下子就知道了很多的信息，但是现在慢慢的，大家都知道你的信源有可能不可靠。所以现在给大家的建议，如果用基于网络的，多去看看它的链接，它给你的数据源，我们要多做一步引用。
当做特别重要决策的时候，你可以点开看一看，有些可能是非常不靠谱的来源，这部分的信息就可以做二次确认，或者再去跟它沟通一次，比如说这个信源，你不再引用了、用其他信源，那就会把幻觉通过人工的方式缩减。
从基底上来说，幻觉是不可避免的，一个是脏数据如果足够多，就一定试得出就不好。另外就是如果这个流程，workflow和问题没有问清楚，那有可能给的结果也会有偏差。
比如说，不同的数据模型算法的关系，有些解决方案是会告诉你不行，但是基础算法会尽力的为了这个奖励，去创造一种方法，让你能达成（结果），因为它要得到最后的奖励。
所以它会想方设法，让你步行能够到月球，这部分就有很多幻化部分，所以大家发现它写科幻小说特别厉害，就是因为它把原来一些不可靠的点都用可靠的、逻辑上可行的方法给连起来，但是连起来以后你会发现根本不靠谱。
所以就靠自己，怎么问好问题。然后还有就是货比三家，各种模型的工具都放在台面上去比较，现在成本和给到一些论据，效率都很高，所以我们现在平时工作也是一样，可能三个结果都放在一起，但是综合考虑最后还是对人有要求，这个过程迫使人去更多地学习专业知识，这是我这边的AI幻觉部分的理解。
霞光社：对，就是多用、多交流，多和AI去交流，AI可以更懂我们，我们也可以更懂AI。
赵维奇：对。第一肯定是要多用，你才知道到底需要什么，怎么跟人沟通、跟它沟通。但是做重要决策的时候，那肯定是因为你投入产出比要考虑风险，要谨慎地思考路径到底怎么样。
霞光社：提问方式上，我自己也感受比较明显，如果我用跟朋友去聊天交流的方式去跟DeepSeek对话，它其实给到的信息，并不是很完善的。然后如果我换一种问法，比如说我有样本A，它需要什么什么，它的这个结论就会非常的详细。
杨泽：前些天清华好像出了一个DeepSeek那个提示词使用指南，那个PDF的版本，总结得还是挺好的。普通人用是够了。
霞光社：今天的讨论我们可以确定一点，就是AIGC的时代已经来了。在这样的一个时间节点，也是2025年开工一个多月的时间，如果我们去给出海人提到一些建议，或者说一些新的展望，会有什么想法。
吴畏：先不要担心被割，而是要先成为韭菜，要有这个心态。这个过程肯定是会有收获的，这就是创新过程中必然会发生的学习成本跟机会成本。大胆拥抱。
霞光社：多试错总会好的。
赵维奇：第一个要和AI建立信任，首先得信任这个工具。第二就是你要让它也信任你，所以我们自己本身肯定要精进，不能依赖，要想你有个员工一样，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，用它熟悉和更好输出的方式跟它沟通，这也是我们自己本身需要精进的部分。学习是无止境的，得知道什么样方式跟他沟通更好。
第三个就是出海伦理和数据安全比原来更重要了，原来可能有一个基础框架在，但现在不一定了，它给你的会更泛化，可能会让你越界，所以伦理和数据安全可能比之前的生态更重要，大家要一直放在心里。
然后我觉得通过这一轮的洗礼过后，大家应该会跨到一个新的时代，AI来帮助我们完成很多事情肯定更高效，而且商业机会也会更多。
霞光社：期待和大家一起跨到新的时代。
杨泽：我觉得企业的话，可以多试用各种版本的AI的工具，降本增效。个人的话，刚才说的信息安全这方面，我觉得可以分为三类信息，一些国家的官网，或者是央媒的一些号，我们可以认为它是一类信息，或者是官方的一些数据。第二类，比如说一些专业的，游戏媒体人或者是行业的媒体人，发的一些间接的报告，我们认为它是二类信息源。第三类信息源，就是一些个人的up主的自媒体，它对某个游戏或者对某个事件的一些看法，我们认为它是一个三类信息源。
就是这三个信息源，可以跟AI说一下，分为这三层的信息源，然后再去根据这三层进行系统反馈，那么大概就知道正确的答案和拓展的边缘。
注：文/洋紫，文章来源：霞光社(公众号ID：Globalinsights)，本文为作者独立观点，不代表亿邦动力立场。
文章来源：霞光社
