【亿邦原创】在日前举办的“第九届全球跨境电商峰会暨2025全球化新品牌AI竞争力大会”上，由中美互联网资深人士李杰作为主持人，光合植语创始人郭昱华、小印创新科技副总经理兼CTO周一平和e签宝国际站总经理陈顺访作为互动嘉宾，以《智能体走进商业现实》为主题展开了一场圆桌对话。
郭昱华指出，AI赋予了生活场景里的很多产品“新生命” ，人工智能时代，每个家庭可能会多出十几个家庭成员。“将来，沙发、冰箱、彩电都可能都会成为家里能够交流的智能体。”家庭园艺是欧美家庭的主流生活方式，因此，光合植语从这一洞察切入，打造出一个能够和植物对话的智能体，未来可能拓展至一套类似小米家居的植物生态系统。
周一平认为AI对教育领域带来了三项重大变革：第一，AI极大地提升了学生获取知识的效率，从通过书本到通过互联网搜索，现在直接通过AI问答，学习效率呈几何倍增长；第二，AI打破了传统教育的二元结构，从老师和学生转变为老师、AI和学生，老师正逐渐向AI过渡；第三，AI的出现实现了因材施教，现在的学生可以被视为AI的原住民，已经养成习惯使用AI工具的习惯，变成了一种条件反射。
陈顺访分享到，在合规方面，AI也可以带来效率革命。智能合同的Agent可以根据当地法规，识别合同中的风险，翻译语言，把原来需要花费几天乃至数周的工作压缩到十分钟以内完成。
（温馨提示：本文为速记初审稿，在不影响原意的基础上，由亿邦动力编辑整理。）
以下为对话实录：
李杰：非常感谢亿邦动力邀请我来当这个主持人。我们这一部分围绕“AI智能体走进商业世界”这个话题展开。首先请各位嘉宾做个自我介绍。
郭昱华：大家好，我是光合植语的创始人郭昱华。我们现在做的这款智能体的应用，是用AI技术打造植物的生长模型，赋能人类，让我们有机会能够跟植物对话。
周一平：大家好，我是小印创新科技的周一平。我们其实是一家教育公司，小印创新主要是聚焦于教育行业，为整个教育行业提供智能的教育产品方案。我们其实也是一家题库资源公司，过去16年搭建了覆盖整个小学、初中、高中，全学科、全学段、全教材版本的一个资源题库。
目前我们是依托于这套题库，聚焦于学生的学习场景，围绕整个教学测量，打造了一套个性化的学习系统，服务于所有的中小学校外培训，包括这两年很火的AI自习室的这种教育机构。另外，我们也提供学习的内容资源和AI整体解决方案，服务于教育智能硬件。包括像市面上很火的这些学习机、学练本、打印机等教育类产品。
陈顺访：大家好，我是来自e签宝国际站的陈顺访。我们e签宝国际站主要是为出海企业提供全球化的电子签名服务。e签宝，在座的各位朋友，可能或多或少会有用过，我们国际站是一个面向全球市场的电子签约产品。在跨境业务当中，电子签名虽然是一个很小的东西，但它是一个不可缺少的重要的东西。我们在这个领域深耕了二十多年，适配了全球七十多个国家的法律法规，在合规风控、合同的签署等这方面有非常多的沉淀。
李杰：郭总过去自己创业，也在阿里做过高管，今天做的这件事儿，这个Agent跟现在的做宠物赛道的完全不一样，是非常具有全球化视野的。为什么这么说呢？首先，他做的是植物，是符合全球减碳排放的大趋势的；第二，植物容易养；第三，植物怎么拟人化，这个事情是非常超前的想法。
周总做的教育公司是中国最大的题库，你们知道的科大讯飞、猿辅导、作业帮，他们所有学习机里面的题库的内容其实是由他的母公司来做的。只是因为信息差，所以很多用户买的东西都比较贵。因为他去在这前面做的to c的延伸，做了agent数字这个智能体。
陈总这边，e签宝，在国内是非常头部的，几乎是被客户推着往前走，出去做了海外。我们知道，做跨境，从选品、定价、营销、支付、物流、仓储、合规等，每个地方都有非常深的专业的知识。
一、智能合同agent：减少90%工作量
李杰：合规性上，想问一下陈总，你们的产品能帮助跨境卖家解决哪些痛点？
陈顺访：在跨境业务中，合规的问题非常突出，就是因为面临很多的国家、不同的法律法规要求，也有很多的跨数据、跨语言等。传统的方式是用人工去审核，可能每个国家都需要有一个合规的法务，还需要很多的律所协助。我们就是做这个合同签署。
针对这些痛点，我们就研发了一个智能合同的agent。通过这个agent，我们可以快速的帮助用户根据当地的法规要求，根据客户所处的行业去拟定一个合同，并且能够快速识别合同中的一些风险，法务去解决这个法律合同拟定的问题。我们实践下来可以减少90%以上的工作量。
其次，就是在合同的一些签约环节。我们刚才听到很多嘉宾也都有聊到，跨境的业务通常都会有一些翻译场景，想象一下：我收到一个日本客户发来的合同，那可能是日语的，而我并不懂日语，那么智能合同就会自动把日语翻译成我习惯的语言，识别里面有哪些条款可能会涉及到风险，最后做一个总结，让我来确定决策。整个过程如果是传统的方式，通常可能要花数天乃至数周，而我们通过这种智能合同agent，可以把它降低到十分钟以内。这就是AI带来的一个效率革命。
李杰：除了陈总刚才讲到的合规的重要性，我觉得更重要的是数据的安全性和数据的本地化。因为我们在全球不同的国家，有不同的政策、不同的税法。e签保是否能解决这样的问题？它在全球的节点是怎么去建立的？
陈顺访：我们是做数字化服务的，合同是很多企业的核心数据，所以我们在合规方面投入了非常多的资源去做。首先就是数据本身的隐私保护。因为大家知道，可能在欧盟，或者是东南亚，很多国家其实都有自己的隐私保护法规，我们就会根据每个国家的要求，在当地做很多基础建设。
我们目前在全球建了三个数据中心，有香港的，有新加坡的，还有欧盟的。像欧盟，他自己有GDPI的一些要求；像东南亚很多国家可能对合同还有一些特殊要求，比如他需要电子印花税，那我们还需要跟那个印花税的去对接，有些国家需要当地的CA认证，那我们要跟CA认证去对接。
总的来时就是我们在合规方面做了非常多的基础建设，就每个国家都做了很深入的本土化，找了当地的合作伙伴和供应商等。
二、植物拟人化：AI时代的人文关怀创业思路
李杰：跨境生意里面，最难的是产品的创新力。我们知道，过去十年，跨境行业大部分卖家是跟卖或者是贴牌，真正在产品原创上去思考和发力的企业非常少。我想问一下，郭总在做光合植语整个智能体agent的时候，是从哪些角度思考的？怎么为用户群体提供服务价值？
郭昱华：我最早在中国的进口跨境电商网易考拉工作，然后自己也在美国待过很多年。我那时候观察到了一个点，就是欧美的家庭园艺是一个主流的生活形态。因为他们地比较大，人居面积也比较富裕，大约一半的家庭是有院子的。
随着这几年社会生活的发展，其实人跟植物在家庭场景里面的互动更加紧密。所以，首先我们看到这个大赛道的一个宏观机会。AI时代来了以后，我觉得给了我们非常大的一个机会。其实，去年有一款爆火的应用创意是类似的，一个让小狗能够和人类说话的应用。
我自己之前做过八年的农业。我当时看到这个创意，觉得如果小狗能够跟人类说话，我们用AI去理解它的模型，那植物其实也有机会跟人类说话，而且，似乎植物表达的原理比小狗要更简单。所以，我们以这个为出发点开发了这款创意应用。
李杰：我认为郭总在美国的生活经历非常重要。在美国，有许多老年人晚年时感到孤独，除了养猫猫和狗狗之外，更多人种植物。
随着人工智能时代的来临，我们能否将这个产品打造成一种服务，成为一种陪伴，而不仅仅是简单的功能性产品。我认为，这将是下一代产品的发展方向。这方面它的延展性可能会更多。它不仅仅适用于不同年龄段的人群，可能涵盖的范围更广，可能包括老年人，也可能包括一些未成年人。
情感陪伴和情绪价值对很多00后来说是非常重要的。所以我认为，对于您的产品，我理解这个赛道其实有更大的潜力？
郭昱华：我想起今年年初360创始人周鸿祎曾在一段视频中提到：在人工智能时代，每个家庭可能会多出十几个家庭成员。因为人工智能，尤其是大语言模型，使语言变得更加轻松获取，将来，沙发、大冰箱、大彩电可能都会成为家里能够交流的智能体，而这种智能体将承担不同的任务。
比如，我们原本认为冰箱只是用来储存食物，并延长食物的保质期的，但当它变成智能体时，它可能会在家里扮演监护食物的角色。晚上下班后，当你站在冰箱前拿出一罐可乐时，冰箱可能会问一下你的体重秤，它可能会说，“最近老李是不是体重超标了？血糖正常吗？”也许在那个时候，冰箱会提醒你，“今天少喝一罐可乐”。
AI给了我们许多生活场景里的产品新生命，赋予了它们全新的与我们互动的方式。而且我认为，现在，你的产品，比如像目前的陪伴机器人，可能机器人只是一个功能性产品，通过跨境电商销售海外，但未来，更多的产品，可能通过订阅的方式，给用户提供陪伴的服务。这将是双重收入的增长。相比目前市面上很多单一属性的产品，你的产品具有更多不同的特点和差异化。因此，我觉得这可能是创新的一个大方向。
三、教育服务出海：有了AI就有了极大的想象力
李杰：周总，你们在教育领域一直在延伸，那在跨境领域对教育有哪些思考？
周一平：刚才我们提到，我们围绕学习场景，打造了一套个性化的学习系统。实际上，在这个系统中，我们开发了一个叫做"小优AI办学"的智能体。这个智能体与市面上通用的人工智能有所不同。有人可能会说，孩子们上课时会用到许多种人工智能，比如像豆包等。但目前还没有一款专门用于构建学生学习场景的智能体。这就是我们的特色，我们将围绕学科学习开发整个智能体，目前包括语文、数学和英语三科的学习场景。
这个谈论的主要是关于我们自身智能体的能力。李总提到的跨境领域，这是我们要延伸讨论的内容。我们认为，学习是一个广义的概念，可能我之前讲的内容属于纯学科类。但真正的学习和教育涵盖学科和非学科内容，涵盖从学前到成人的学习。
我想表达的意思是，在过去的跨境场景中，以实体贸易为主导，然而，随着AI的发展，实体贸易将经历巨大变化，越来越多的产品会与AI相结合。像郭总提到的植物拟人化，以及其他嘉宾提到的情绪陪伴，实际上都可以理解为是AI加内容的体现。我认为，学习在内容中也是非常核心的。
因此，在未来的产品设计和出海过程中，一定会有很多内容将学习和日常产品相结合。另外，如果一款产品具有情绪，并且再加上知识和学习的内容，那我们可以理解为这款产品就具有了灵魂。因此，我们可能会进入一个“万物有灵”的时代，即万物皆有灵。这是第一个要点。
第二，关于教育方面的显著变化是，根据去年的一组数据，在整个跨境贸易的出口额中，服务的占比有显著增长。去年这项数据已经突破了3万亿，而服务出口的增长率达到了18%，实体贸易的增长率却只有7%，也就是说，服务出口的增长率是实体贸易接近2.5倍。
我想强调的是，从去年开始，中文教育在海外市场非常火热，特别是在东南亚地区，例如马来西亚、越南，还有一个地方是孟加拉。可能大家对孟加拉的印象会比较少，但实际上孟加拉的中文教育市场增长非常迅速。中国的教育机构为中文教育海外市场提供了整套完整的服务，将他们的整体运营、服务和培训体系打包输出到当地。然后通过诸如class in这样的在线双师课堂模式，形成了整个中文教育的出海市场。所以，在教育和跨境领域，未来在服务方面也有很大的增长潜力。
李杰：您说的这段话让我想起传音集团董事长竺兆江在非洲的一段经历。在这样的落后国家，只要掌握好中文，你的工资就会比其他人高出两成，这是一个很现实的情况。东南亚也是如此，尽管其人工成本低，但要懂中文，才能进入中资企业，还需要参加中文的考试。
在过去，像传音和联想等公司，主要出售硬件产品，也就是功能性产品，但是随着全球化趋势，未来功能可以被价格所复制，而唯有优质内容才能赋予产品更多商业价值。
我认为更有价值的是产品的销售。我们未来的收益将来自订阅服务费。因为在线下，尤其跨境领域，最大的问题之一是高退货率，而这意味着更多的佣金和仓储费用。而虚拟产品和服务是不存在这些问题的，最多只是有一个IOS账户的扣费。
所以在这方面，我认为今天无论是周总还是郭总，他们的产品具备双重属性。首先，能够为功能型产品赋能；其次，能够不断地对功能型产品进行迭代；再者，在供应链中延续增益服务的价值增长。
这样的话，实际上延长了用户与产品的互动周期。我们都知道，跨境产品的生命周期大约为1至1.5年。如果不进行更新迭代，产品就会进入尾货阶段。因此，我们需要提升库存周转率的原因就在于产品的周期性。我刚刚在两位的产品中看到，特别是在产品的持久性方面，我认为有更多的成长空间。
我不确定我的理解是否正确，简而言之就是产品加服务，这将成为未来产品的输出。这可能不仅仅意味着单纯的产品销售，也可能逐渐涵盖服务的内容。过去，服务可能体现在产品售后，但是那是因为原有的产品可能只是一种单纯的工具属性。而未来的服务会融入整个产品内容之中。因此，服务属性将从单纯的售后转变为可能附带一些额外增值的服务，并提升。
四、“万物有灵”时代：打造类似小米家居的植物生态系统
李杰：我还想问一下郭总，除了产品本身外，您的植物拟人化是否能为下游的品牌商提供一些赋能？
郭昱华：是的，实际上我们让植物“说话”并非一种幻想。在这种互动中，我们有一套科学的植物生长模型在支持着。因为我们将环境分解为光、温度、湿度、水分、营养和气体六个要素。植物在不同的环境下会有不同的感知。然后，我们将这种感知转化为人类语言进行表达。而我们目前正在做的就是将这种生长模型与我们的环境感应单元和表达单元结合起来。
未来，我们希望这个生长模型能够成为中国园艺产品的基础，有点类似于小米打造的一套生态智能基础。这都可以通过硬件延伸来实现。
李杰：刚刚郭总讲的一句话提醒了我，我不知道在座的品牌商中，有多少人是在寻找产品的，希望找到优质的产品。郭总刚才提到了一个观点，园艺产品通过品牌和智能赋能。
昨天我和郭总去了一家杭州的非常棒的咖啡厅。这家咖啡厅，看似是在卖咖啡，实际上更多的是在推崇慢生活、慢节奏，因为那里有很多植物。并且，郭总介绍说，可以将一些咖啡的成分与植物的肥料结合起来，因此，它变成了一种既可欣赏又可饮用的双重属性。如果这样的产品可以为植物增加一些外套，比如手机壳的外壳，甚至可以出口到海外，这就是产品的创新。因此，有时候我们不应该只是寻找市场现有的产品，而该注重原创力。
郭总刚才提到的，有可能打造成类似小米生态的植物生命系列。在这方面，您未来的布局是什么样的？
郭昱华：我们希望先从这款软件做起，然后从我们最核心的环境感应单元完成我们LOT这个AI虚拟世界和物理世界的结合。因为实际上，我们现在所谈论的人工智能，最近的突破其实是大语言模型。但是实际上，硅谷已经有一批前沿的科学家在研究世界模型，也就是感知。因为语言只是我们人类解读世界的一种抽象媒介。但是还有很多形态，很多认知是无法用语言来表达的。
昨天讲的是双螺旋的双DNA，其中还包括碳球的巴基球，这种美无法用巴基球语言来描述。我们希望从植物的角度出发，利用我们的生长模型来进行一层解码。一旦完成了这个底座的打造，我们将把这个底座赋予更多与植物相关的硬件。
比方说，我们现在所看到的一些灌溉设备，其智能化实际上就是一个计时器，对吧？比如，我设定12点开启灌溉，持续3小时；下雨时也开启，夏天也开启，冬天也开启。
但实际上，这么做对植物来说是折磨，我们希望围绕植物的需求，将这个计时器转变为按需供给的互动方式，以更好地服务植物。
未来，我们希望这种植物生产模型能够成为一个大脑，而这些硬件能够成为一些手和工具。在五到十年内，当这种深度智能成熟时，一些繁重的园艺劳动可以由机器人接手，从而使人类能够更纯粹地释放情感并与植物进行互动。
五、颠覆传统教育模式：老师、AI、学生
李杰：周总刚才提到的未来的核心是产品+服务，而不仅是简单的产品。我想问一下，对于整个学习教育的内容和产品服务方面，未来可能会有哪些创新和发展？在您所开发的教育代理人中，还有什么难题有待解决？
周一平：目前的AI大模型仍处于发展过程中，在真实的教育应用中，我们发现目前还存在几个相当大的瓶颈。首先是幻觉问题，这个就不展开讨论了，因为大家都知道。
第二个是污染问题，大模型的污染问题。什么叫大模型的污染呢？举个形象的例子，比方说我可以开发50个网页，每个网页都写着“唐太宗是朱元璋”。我可能将这种内容形式放到互联网上。我们现在的大模型都是基于网络搜索和公开数据的爬取。这种情况下，当别人在询问这个模型唐太宗是谁的时候，有可能它就会回答你是朱元璋，这就是典型的一个AI模型数据污染。
这种污染的成本会比我们想象的要低得多。可能有些人无意之中，他所产生的一些内容都会导致数据的变化。你可能会在使用AI的过程中发现，一开始你问AI一个问题时，它回答你是正确的，但是一旦你告诉他这个答案是错误的，它就会立即给出一个错误的答案。这说明目前在整个模型应用场景中，当然我更专注于教育领域，存在这样一种情况。
如果是日常沟通，问题不大，但在教育方面，要求对知识点的正确率和统一性非常高。因此，模糊性是一个问题，会影响教学效果。
第三个问题是图像的理解。所谓图像理解，是指过去的图像多基于OCR。OCR对文字识别已经非常OK，但对图像内容的理解，比如在一张图片中绘制的图形，让AI理解这个图形是很困难的。这延伸到我们的教育场景，很多人都说AI在解数学题方面很厉害。但实际上，将一些试卷拍照输入时，当涉及大量几何图形时，会发现其正确率直线下降。因此，第三个问题是图像理解能力。
最后一个问题，实际上我认为是信息过载。今天我们听了一整天很多关于内容自动化生成和批量发布的好工具，但这也带来了第二个问题，即整个互联网平台的信息量过大。信息过多会导致普通人获取信息时产生过载。这些问题在教育领域存在。
因此，我们认为在教育领域，未来的AI智能体可能会倾向于封闭式，并结合封闭式的知识库。这个知识库可能需要各行业共同创建，可能会有类似政府企业的白名单，用于对所有入库的数据进行审核认证，包括对所有数据来源的溯源，以保证所获得的知识点准确性。这是我们从教育场景中看到的问题。但这些问题并不影响整个AI智能体的落地。
自去年九月开始，如果大家留意的话，会发现教育部平均不到两个月就会发布一项政策通知。所有政策内容可能不同，但核心目的是加快AI的试点。原因在哪里？我跟一些校长进行沟通讨论，发现AI对教育领域带来了几项重大变革。
首先，对学生学习知识的效率产生了重大改变。过去通过书本学习，然后通过互联网搜索整理，再到现在直接通过AI问答，学习效率可能增加了几何倍。这反向催生了现有传统教育效率跟不上学生学习效率的情况，这是促使整个教育改革的核心因素之一。
其次，过去的传统教育是一个二元结构，即老师和学生；现在已经转变为三元结构，即老师、AI和学生。老师逐渐向AI过渡，这是一个正在发生的趋势。虽然可能说这个距离我们还有些远，但实际上已经不远了。一些民办学校更加激进，已经开始试点，在课堂授课中弱化老师的占比。
第三，AI的出现实现了因材施教。这是孔子2500年前就提到的理念，现在AI已经确实能实现因材施教，对整个教育体系带来了最大的变革和改变。虽然有许多问题，但我们仍然坚定地在这个领域继续推进和落地。
尤其是在推进的过程中，我们认为学生，特别是现在的学生，实际上可以被视为AI的原住民。那么AI的原住民的核心特征在哪里呢？我认为，他们对AI工具的使用已经养成了习惯，变成了一种条件反射。
就好像我们吃饭、喝水一样，对于他们来说，使用AI的工具也是如此。那么从什么场景开始培养他们对AI使用的训练呢？也许我们应该从学习的场景中开始，在学习过程中使用AI工具，使其成为一种常态，并从中衍生出未来。也许在学习之外，他们对其他AI工具的掌握，也是我们的一些理解和认为的一个方向。
六、应用AI智能体让跨境合规前置
李杰：数据污染不仅仅存在于教育领域，我认为在合规方面也同样存在。我想问一下陈总，对于数据合规，如果按照刚刚周总所说的数据污染，你们如何鉴别和防止这个问题呢？
陈顺访：我们需要挑选出最精确的数据，让AI针对性地进行训练。另外，我们还需针对垂直行业建立一个更为精准的模型，而不是采用通用的大模型。
刚刚周总提到的问题我们也会遇到，我们做数字化服务，也会遇到一些新的困难。在AI代理的协同方面，我们可能只注重准确性方面，如果仅仅是针对个人用户的话。
然而，在面向企业客户的业务中，单一的准确性还不够。比如在合规和智能合同方面，我们的AI代理做得很出色，但它是一个孤立的实体，可能工作效果不那么好。除了优化本身的代理外，我们还需要实现一系列可被集成的方式。
因为像我们做的电子签名，在整个商业过程中只是一个环节，我们需要与前向的许多环节进行对接。刚刚谈到的跨境业务可能需要涉及到供应商的谈判、销售等多个环节，我们希望能够与这些环节深度结合。我认为未来可能每个环节都会有自己的AI代理，比如在选品时，会有选品的AI代理，结合各种能力自动选择并进行推荐。
在谈判过程中，各个代理可能会自动交互。最终确定采购后，可能需要调用智能合同的环节来完成签约和确权。大概就是这样，我认为在跨境业务的每个环节都需要进行合规智能化。这种合规智能化可能还需要涉及确权方面的内容，因为政策是经常变化的，需要不断调整整个数据情况。
另外，我举个例子，阿里曾经提到过做一个产品叫做“千人千面”。从我的理解来看，千人千面并非适用于所有情况。为什么呢？举个例子，一个女孩情绪不好时喜欢吃巧克力。如果我们的大数据认为这个用户每天都喜欢吃巧克力，然后大量推送，是否会唤起她不好的回忆呢？因此，我们需要从理性的角度去考虑一个人的需求范围。我们不能把AI的很多数据太过极致化、想象化。因此，我认为在一定的边界内，需要做很多合规方面的工作。
除了刚刚提到的合规方面，在跨境合规和政策变动方面，可能会对我们的业务产生影响。像最近的关税变动，影响范围非常大。如果我们能提前预判，将可减少许多商家的损失。最近，我听朋友说，在做关税时将货品上传，在清货时关税突然上涨，利润一下子全无，这种情况无法控制。
我认为合规的可能性更大是过去是滞后的，现在我们将其提前，预判风险和损失，并将其降至最低。风险背后实际上是损失，在这一点上，我想举一个案例，给我们现在所有这些卖家。
比如，因为使用我们的智能体，解决了他们遇到的问题等等。举个简单的例子，出海的企业通常在当地雇佣员工，然而不同国家的用工风险各不相同。因此，我们的一些客户，在各个国家都会设有分公司。他们在使用我们的平台统一签署雇佣合同时遇到问题。
因为有些企业刚刚出海，不熟悉当地的雇佣法规，会直接使用国内的劳动合同模板进行当地签署。然而，当地的雇佣法规可能完全不同，因此当地员工会有投诉。在签署过程中，我们可以通过AI代理进行预判，从而避免出现问题。举例来说，在签署后出现更大的风险，这是一个人事场景的风险。像这样的案例非常多，我觉得。
其实，我觉得在每个环节里都可以加强各个的智能体。我觉得你们已经构建了一个生态，做了一个MCP调用各个智能体的环节，并提供更多的服务。
李杰：你们的商业模式是采用会员费的方式，还是其他模式？
陈顺访：目前，我们在AI能力上并没有做过多的商业化，因为我们认为这个领域还没有到非常成熟的阶段。目前很多AI产品是按Token这种方式收费，但我觉得未来可能不一定是最佳方式。
我们目前是根据我们的价值方式付费，比如我们完成了多少次的合同签署，按照这个数量来计费。我们的AI在其中可能只是一个辅助工具，能够帮助你更好地完成签署。因此，AI本身并没有独立进行商业化。
七、借助全球千千万万种植物的家庭实现去中心化实验记录
李杰：听完三位的分享，我发现大家都在自己的赛道里做相应的智能体，并且将产品和服务结合起来。因为单独的产品是不足以解决客户的问题的。未来其实是产品加服务的市场，我非常认同这一点。
因为人工智能的出现，提高了人效，提升了各个环节的效率，例如选品和定价，但完全依赖它也不太现实。毕竟数据有一些伪装的逻辑。举个例子，亚马逊的订单可能过几天或90天内可以退货。这种真实的数据分析是有周期性的，不是根据目前已销售数据去判断商品的真实情况。
因此，这需要长时间不断的训练。在这个过程中，对于模型来说，到现在甚至全球，真正能构建自己的AI模型的很少。大多数是在使用别人的，然后调用，比如通义模型，字节的等等。构建自己的商业闭环和数据对于ChatGPT来说其实是非常重要的。
关于数据和智能体的方面，我也想问一下郭总，在你所处的领域，因为要构建这样一个生态系统，整个数据的处理过程需要投入大量成本，需要处理大量的数据。您是怎么考虑这个问题的呢？
郭昱华：对，这又涉及到了模型原理的问题。目前我们讨论的主要是AI大语言模型，而这个语言模型实际上是对语言进行了编码处理。
实际上，回到原理上来说，模型并不具备智能，它只是一种统计概率上的工具，它会利用最大概率来预测下一个token的可能性，然后将其呈现出来。
因此，它有点像踩着西瓜皮一样，刚才我们在周总和陈总的场景中也看到了一个问题，就是它容易受到污染，对吧？前面的人说了什么，它就跟着说什么。但事实上，在我们人类认知世界的过程中，我们学习的方式并不是这样的。
我们是直接观察现象本身，然后将其抽象化，最终才形成语言的编码。语言只是一个结果，不是思考的过程，所以我们对植物生长模式的理解也是直接观察自然，对同一株植物在不同环境光照、温度、水分和培养基条件下的反应进行记录。比如，当阳光过多时，它就会枯萎；而浇水过多时，它会出现烂根的症状，温度太高则会导致枝条过长等等。
这样的现象，我们与环境的配对记录，由于环境因素的复杂性，当谈到光照时，今天的灯光可能在数码读数上看起来很刺眼，但实际上可能只有1000多勒克斯。而阳光强度可以达到18万勒克斯，在晴天的户外不仅有光强，还有光谱和光周期等各种维度。
这样的N个维度的环境条件的组合，在一个单个的企业场景或农业企业是无法完成的。因此，我们的软件一边采集数据，另一边采集图像。我们实际上是全球千千万万种植植物的家庭，帮助我们进行去中心化的实验记录。
我认为在未来，无论是我们迈向碳中和，还是人类与自然更加和谐相处的方式，这都将是非常宝贵的资产。
关于本次会议：
第九届全球跨境电商峰会暨2025全球化新品牌AI竞争力大会，于6月6日在杭州举办。本届峰会由亿邦动力主办、嘉御资本联合主办，米奥兰特、马蹄社、亿邦智库、全球跨境电商知识服务中心协办。作为权威机构联合重磅打造的AI应用旗舰盛会，峰会聚焦AI应用如何走进商业现实，从全球化品牌视角共话AI竞争力构建。
文章来源：亿邦动力
