1月11日晚上，【風馬牛年終燴——換個方式 再來一次】在北京舉行，嘉賓妙語連珠，現場氣氛熱烈。昨天分享了馮叔的演講 。今天分享360集團創始人周鴻祎的演講——
演講 | 周鴻祎
我很同意馮侖的觀點，大家對創新都有一個誤解，他講的「換個方式 再來一次」，也是一種創新，創新不等於發明。
我們老覺得企業遇到困難就要換個賽道，就要找新的增長曲線，就要發明一個新東西，這是一條路，但是難度會很大。 實際上，有一種創新叫「把事情再做一遍」，當然，要換種方式。
我這一年來，做了很多工作，主要是人工智能，拍短影片是捎帶手，為了推廣我的人工智能做一些流量的儲備。今天跟大家分享一下，大模型時代，在座的企業家可以把什麽東西重做一下。
我這一年都在講AI認知，認知就是你怎麽看待一個事情。 很多人對AI還是將信將疑，比如大模型，你相不相信它真的是人工智能的重大拐點？
在大模型之前，人類搞了50年的人工智能，路線都是錯誤的，傷了很多人的心，很多人用了原來的智能硬件，發現都是人工智障，所以就不相信。但如果你相信人工智能是真智能，你對它的感覺就會不一樣，它不光是一個技術，新技術我們聽了很多詞了，比如說元宇宙、區塊鏈、數碼孿生、物聯網、5G，但是人工智能大模型是一場工業革命，相當於人類的 第四次工業革命 ，你相不相信？
如果是工業革命，它就會重塑所有的產品和業務，這就不是你選擇要不要重做一遍，你不重做一遍就會被你的友商重做一遍。 誰先重做一遍，誰就能夠獲得更領先的機會。
大家在網上也在討論，程式設計師會不會被淘汰、客服會不會被淘汰，這一點我也不是很明確，還看不清楚，但是有一點很明確，今天不用AI的人，肯定會被用AI的人淘汰。
認知很重要，為什麽很多人掙不到認知以外的錢？ 我分析，越是成功的人，越容易對一個新東西看不起，或者看不上，實際還是因為看不懂，於是他就不花時間去研究，最後就看不清了，未來就看不見了。
比如短影片，有的人最近還覺得做短影片是不務正業。 如果你還是處在一種看不起、看不上、看不懂的狀態，可能將來就會被時代所拋棄。
我覺得大模型不是泡沫，雖然現在國內外一直有爭論，我堅定地相信，它會像蒸汽機、電力、電腦和互聯網一樣，引領新一輪的工業革命，而且我們國家談打造新質生產力，這個支撐的關鍵技術就是人工智能。
我覺得人工智能至少有兩個價值：
第一，重塑整個經濟環境。
第二，幫助企業和個人成為超級個體。 我不覺得它會摧毀某些行業，而是會重塑某個行業，重塑跟重做是差不多的。
我簡單談一下人工智能發展的歷程。最早期，我們上學的時候學的是基於規則的人工智能，無論搞50年、60年，今天證明，都是失敗的。試圖把人類的規則總結出來，讓機器去學，被證明是不可能的，所以現在人工智能都是基於學習和訓練的。
過去幾年，大家都知道中國有「四小龍」，搞人臉辨識、影像辨識、語音辨識的，這叫感知AI，實際上是小模型，到了前年大模型橫空出世，用海量數據訓練參數比較大的模型，變成了一種認知，我們叫認知AI。
這個圖我是借鑒來的，你不可能發明所有的知識，原圖來自黃仁勛在CES的講話，但我覺得他總結得不夠全面，我做了一個修正。
認知AI現在已經從單模態，發展到就能理解文字、理解人類的語言發展的多模態，多模態就是能夠辨識圖形影像，看得懂影片、看得懂網絡攝影機、聽得懂聲音。 認知和感知最大的差別在於，感知就像視網膜一樣，僅僅是看見，而認知是不僅能看見，還能看懂。
比如說，今天咱們上面那個背景圖，那個女的和男的都穿著泳衣，對吧？一般的感知只是看見了有兩個人，但是認知就會想得比較復雜。
在認知的基礎之上，現在的AI又被稱為生成式AI，它不僅是被動地回答問題，你問我什麽，我給你檢索什麽，現在的生成式AI能做到主動給你生成新的內容，生成新的影片、新的圖片、新的文章。
去年我們都是在講生成式AI，今年有一個新的概念出來了，叫智能體AI，Agent AI。一個只能聊天的人是不能幹活的，比如你請了一個顧問，不管是多麽著名的咨詢公司，到你公司去，只是指指點點，從來不挽起袖子幹活，這是沒有任何意義的。 人工智能真的要改變企業，光有大模型是不夠的，要能幹活。現在發展成能夠幹活的，可以叫智能體AI，在數碼空間幹活，跟IT系統協作。
下一個是物理AI。我理解的物理AI，是能對物理空間的東西進行感知，作出反應，它的套用環境就像無人駕駛、機器人，所以被稱為具身智能。 現在都是機器人，汽車是4個輪子的機器人，無人機是長著旋翼的機器人，人形機器人是長得像人的機器人，所以定位叫物理AI。
未來還有一個AI，是AI變成科學研究、基礎學科研究的一種強有力的工具和方法論，這就成為了科學AI。
去年我在風馬牛年終秀上談了14個趨勢，基本言中了，這個也很簡單，你只要找快要發生的事情做預言就好了。 不要預言5年以後的事情。
今天我們介紹最近出現的8個新趨勢，並不代表全部，這8個趨勢是我們要關註的。
第一個，AGI發展步伐在放慢。 人們過去比較樂觀，以為超級人工智能很快會出現，我去年也很樂觀。大家就覺得只要買足夠的輝達顯卡，堆足夠的算力，堆足夠多的能源，把人類的數據都給它餵進去，一個宇宙超級無敵的超級人工智能就出來了，我們就可以膜拜人工智能神了。
但是現在用來訓練的人類數據已經用得差不多了，這玩意不太進步了，有點像小升初考得不錯，中考也考得不錯，但是高考給考砸了，現在還在復讀，這是第一個趨勢。
第二個趨勢，人們在找新的方向，「慢思考」成為新的範式。 GPT為代表的這第一類範式，主要是死記硬背、博聞強記，善於回答你的問題，你是主導，它不善於做多步推理。最近科學家發現，可以做很復雜的推理，比如如何把大象裝到冰箱裏，至少分三步，現在大家的模型都在往復雜推理的方向發展。
第三個趨勢，模型越做越專。 現在都在做專業模型，當大家意識到，做一個宇宙無敵的通用模型不太現實的時候，大家都轉向了專業模型。
第四個趨勢，模型越做越小，進入輕量化時代。 如果你用最新的蘋果手機系統iOS18，上面已經跑了一個小的大模型了。今年起國內所有的智能網聯車，如果上面還沒有大模型，我建議你就不要買了，每個機器人身上也會做大模型。
此時此刻，今年CES正在美國舉辦，用我的一句話概括，叫「無AI不硬件」，換句話說不管什麽硬件，都要和AI結合。今年還有人做了一個AI垃圾桶，說不定哪一天馮總回家，跟垃圾桶能聊上半天，垃圾桶保證比現在的智能音箱要聊得好，模型越做越小之後，就可以進入千家萬戶。
這兩天輝達黃仁勛幹了一件特牛掰的事。過去他把GPU卡賣給美國這些富人們，馬斯克都要請他吃飯、喝酒，還願意加價來買他的顯卡，這些富人的生意我覺得差不多快到盡頭了。所以黃仁勛推了一個桌面超級電腦，一個鞋盒那麽大，算力超1000T，能跑2000億的模型，這意味著什麽？模型越做越小之後，每家都能放一個，這個模型可以把你家裏所有的數據，所有的家電、電子器材，包括電腦手機都管起來，然後這個模型就會無處不在。
第五個趨勢，模型的能力越來越強。 原來以為是模型越大，能力越強，現在發現不是這樣的，為什麽？模型學的數據越好，能力越強，知識密度不斷增加，成本也越來越低，這是第六個趨勢。
現在雲上的大模型都在虧本賣，如果你想用開源的，價格為0。剛才說的輝達桌面大模型硬件，有1000T的算力，大家猜猜多少錢？對，2萬塊錢人民幣，一台筆記本的價錢，在座諸位都能消費得起。以後你們公司要搞AI，不一定要買雲端的復雜算力，不一定需要搞個什麽千卡集群、百卡集群，每個部門買幾台這樣的桌面超級電腦，就解決了這個問題。
還有兩個趨勢，其一是多模態越來越重要。 剛才我講多模態，說大模型如果只能看懂文字，這個能力是非常弱的，真正進到我們企業裏，一定要看得懂現實中發生了什麽，聽得懂人們的指令，多模態現在進步很快。
其二，也是最後一個趨勢，智能體AI加速落地。 智能體是AI的一個歷史轉折點，在智能體這個概念沒出來之前，我跟很多企業溝通起來很費力，很多傳統企業主會說，你們國內做大模型的，天天秀寫詩、秀作畫，就是不能幹活，這是個玩具，不是個工具。怎麽把大模型從聊天機器人、聊天玩具，轉化成一個企業裏幹苦力的牛馬，是智能體要解決的問題。
從這個趨勢看，我認為現在大模型產業發展出兩條涇渭分明的道路，從國內投融資的情況也可以看出來，一條路是ASI之路，就是超級人工智能，這條路美國有巨頭繼續在走，探索全面超越人類的超級人工智能，註意我說的是全面超越，今天人工智能在單項上超越人類已經不是夢想了。
還有一條路，走套用之路，把大模型和很多套用場景結合，讓大模型在套用上發揮作用，放棄打造一個全能的大模型之神的執念，讓一個大模型幹好一件工作。
我鼓勵走套用之路這個方向，因為超級人工智能這條路能不能走，到現在還不確定。
柯曼和馬斯克，兩個人都是行銷大師，他們說的話不一定能當真，而且短期內不會實作。全世界走超級人工智能這條路的公司，現在都遇到了障礙，大家都進入深水區了，過去可以摸著石頭過河，現在石頭都摸不著了，但是走套用之路是比較明確的。
我一直有一個觀點，大模型怎麽在中國帶來工業革命，很重要的一個思路是把大模型拉下神壇。
大家想一想，當年超級電腦引發工業革命了嗎？用超級電腦就跟朝聖一樣，換上白大褂走到一個機房裏去用。是像玩具一樣的個人電腦才引發了工業革命，為什麽？因為個人電腦又便宜又好用，每個人家裏都買得起，每個公司都買得起，走入千家萬戶，進入百行千業。 所以，大模型要走下神壇，必須走套用化之路，向場景化、專業化、垂直化發展。
現在全世界會有幾家超大公司繼續探索超級人工智能之路，但是絕大多數公司全面轉型，因為大模型已經投入了無數基礎設施，現在的技術全方位碾壓人類不夠，但在單項上面把它做好，已經可以跟人類有一比了。現在落地是非常重要的。
AGI和ASI是少數巨頭的遊戲，說句烏鴉嘴的話，中國現在有些公司融資準備是幹AGI，但發現顯卡不夠，錢也不夠，數據也不夠，幹來幹去還不如人家開源做的效果好，所以紛紛轉型。美國也就幾家巨頭在做了，AI七姐妹在做。
現在美國做AGI的門檻是100億美金，沒有100億美金，不買上一百萬張顯卡，你都不好意思說你是搞超級人工智能的。現在光有100萬張顯卡也不夠，還得買個核電廠，因為沒有核電廠的支撐，機房都轉不起來。
我們都是普通公司，都是普通人，所以我們要換種方式，找大模型的創新之路，放棄全能這個執念。 不要用大模型試圖解決所有問題，走套用之路，讓一個大模型解決一個專業問題，這樣就不需要卷算力、卷數據、卷參數，因為一個大模型要解決的就是企業某一個領域的專項問題，不需要千億萬億的參數的模型，幾十億百億的算力就夠，剛才說的那個輝達小盒子就夠了，實在不行拿一台舊電腦，插上幾塊3090、4090的顯卡，有幾塊顯卡都能幹。
模型更小，算力更少，成本更低。在實踐中我發現，用開源的模型成本降到了白菜價。你會發現，當你用模型試圖解決一個非常窄的套用問題的時候，模型的能力綽綽有余。
所以我說，一定要走套用之路，把「原子彈」變成「茶葉蛋」，每個企業要打造自己的產業大模型、行業大模型或者是專業大模型，而不是再去做通用大模型。
微軟做 專業大模型 也犯了一個錯誤。微軟做了一個叫Copilot，聊天的副駕駛的概念，但在很多企業列根本用不起來。原因就是我講的，光有個大模型，它有很多知識能做推理，能做問答，能和你聊天，但你問它，得到的都是免洗的標準答案，答案很通用，它對你的行業、業務也不是很了解，利用率非常低。
去年下半年到今年，大家意識到，專業大模型必須從生成式演進到智能體，這個智能體叫Agent。 這個詞有很多轉譯，有人把它轉譯成代理，但是代理在這個地方不太合適，容易引起歧義，所以我還是更願意把它轉譯成智能體。
你怎麽理解智能體？它就是你的數碼員工、數碼專家、數碼顧問，你把智能體當成一個人就可以了。
大模型的缺點是什麽？它雖然能理解能問答，能生成內容，但第一，它的知識是固定的，訓練用什麽知識基本上固定了；第二，它沒有短期記憶，每個人來問問題，對它而言都是一個新的問答；第三，不能進行復雜的流程工作，最重要的是不能呼叫企業裏面的工具，換句話說不能直接幹活。
所以，我們給大模型加上了知識獲取、工具使用，還有復雜流程的規劃的能力，變成智能體。 現在智能體從原來大模型附屬的一個技術，變成了大模型核心的技術，大模型反而成了智能體的一個元件。
我經常說大模型有點像電動機，企業裏不可能 只 用一個電動機來給全企業提供動力輸出，我們需要電動機的不同地方，可以買不同的電動機，因為買了電動機也不能直接用。比如，你今天早上用電動機刮了胡子，用電動機刷的牙，這話好像也沒說錯，確實用到電動機了，其實是電牙刷和電動刮胡刀裏有電動機。 只有把電動機做小了，變成電牙刷、電吹風、電動刮胡刀，才能變成人們可以用來幹活的工具。
你可以把智能體理解成吹風機、刮胡刀，面向消費者領域做出來的智能體就是個人的工具，而面向企業做出來的智能體，你可以把它理解成是數碼員工。
智能體的核心是大模型，有大模型就有智能，但是在智能的基礎之上還有幾部份——
第一部份是感知能力，要跟企業的傳感器連在一起。 比如企業裏的很多數據要讓智能體能看到，就像你請我去做企業顧問，我需要看到企業內部的很多情況。
第二，每個智能體都得有一個角色的定義。 智能體不是萬能的，啥都能幹，每個智能體在企業裏邊最好對應一個崗位，這個崗位原來的人幹什麽，我們就讓智能體幹什麽。
第三，智能體要替人完成很復雜很繁瑣的業務流程，或者重復性的工作流程。 比如說每天早上老板來了，給他倒杯水，匯報一下昨天的郵件，安排他今天的日程，這麽幾件事串起來算一個流程，由智能體來承擔。
第四，智能體要有記憶。 大模型技術架構是沒有記憶能力的，你每次問它今天是幾號，它都重新回答一遍，而人類要幹活就需要有短期記憶和長期記憶，這由智能體來承擔。
第五，企業知識庫也要透過智能體連上，最重要的是成為工具。 這是什麽概念？比如企業裏已經有很多業務系統，有OA系統，有辦公系統，有 ERP系統 ，也有生產線，智能體必須跟它們打通，才能幹活，否則就只能呱呱呱提建議。
第六，智能體是能支持復雜推理的，換句話說，它能讓不那麽聰明的大模型加上復雜推理後，變得更有能力，更加聰明。
構建智能體有三個步驟，第一個是選擇智能體的崗位和場景，有4個方向，要麽給老板提供服務，要麽給員工提供服務，要麽內部有什麽管理流程，可以用智能體來最佳化，要麽外部有什麽服務和服務體系，或者產品流程，可以用智能體來加速。 衡量指標，我提出4個10倍，能不能減少10倍的人力，減少10倍的成本，提高10倍的效率，提升10倍的體驗。
有了智能體之後，我也豁然開朗。我們一直講降本和增效，這是所有企業家都關心的問題，寫點小作文、弄點小影片，對企業行銷有些幫助，但是企業家最關心的是在核心業務、在核心管理流程裏邊，如何能降低成本，提高效率。
第二個步驟，找到場景之後，把一個場景分解成流程，特別是比較繁瑣復雜的業務流程，重復容易出錯的業務流程，都是智能體可以發揮作用的。
比如有人來找我說，老周我們一起合作，做個養豬大模型，做個養豬智能體，這就讓人無從下手，因為我不知道他的需求是什麽，在養豬過程中有什麽很復雜、很麻煩的流程。
分解流程之後，再來定義角色。 各位都是老板，很熟悉員工的角色定義，你把智能體定義成數碼員工、數碼專家就可以了，不要試圖讓一個智能體做三個員工幹的事情，一個智能體就對應一個員工的角色。
這過程中， 抽象來看 它可以幹兩件事兒，一個是把很復雜、很繁瑣、很重復的業務流程，用智能體規劃下來，比如原來雇了三個員工，每天幹這些繁瑣的事情，現在智能體可以輕松取代。第二個，企業裏邊有一些過去想做做不了，想解決解決不了，非人不可的關鍵職能，現在智能體可以幹了，就可以把員工給取代了。
我舉個例子，某個省有39家鋼鐵企業，他們想找我打造一個鋼鐵大模型，我說這活沒法幹，因為專業大模型要回答解決什麽場景的問題，什麽場景打造什麽智能體，還要問智能體是什麽角色。他們後來把鋼鐵制造的全過程拆出142個場景，不誇張的講，每個場景都可以打造若幹個智能體。
事實上，哪怕企業裏不用人工智能，老板也要做出流程規劃之後，才知道要招什麽樣的員工，崗位上放什麽技能的人。 只不過用上大模型之後，這裏邊的員工被智能體取代了。
我比較喜歡的一個例子是這次去美國考察，史丹佛醫學院有一個AI改造。他們過去有三件很繁瑣的事兒：
第一，看病不能直接掛號，必須透過社區醫生、家庭醫生發傳真，傳真都是手寫的，史丹佛就需要有100多人的隊伍專門看傳真，往電腦裏錄入數據。
第二，錄入數據後再跟人打電話，預約看病時間。
第三，看完病以後，要有一個專家把看病過程、治療過程、開的藥寫成報告，發給保險公司，這個報告寫得好不好，直接決定保險公司報銷的比例。
這三件事都是剛才說的很繁瑣、很累人、很重復的工作，過去非人幹不可，直到他們打造了三個智能體：一個智能體專門看傳真，因為它有多模態，能夠辨識手寫，能辨識影像，把傳真錄到數據庫裏；一個智能體也有生成能力，能聽得懂人話，給對方打電話，不聊風花雪月，不會漫無邊際，就是約來看病的時間；第三個智能體是拿醫院裏原有的幾萬份報告，訓練一個垂直大模型，專門給保險公司寫報告，這就不是外面通用的大模型能幹的事情。 這三個智能機引入之後，他們減少100多人的隊伍，這就是降本和增效。
那天我在360內部，把這個例子講了一下，有團隊就做了類似的工作。過去有一個業務，使用者付完費之後，要把支付寶手機截圖發到員工手機上，員工辨識之後，再把數據錄入到5個不同的數據庫裏，大概經過很繁瑣的3個小時的操作，才能把使用者的數據給處理了。現在用同樣的思路，定義一個智能體之後，2分鐘就自動把這個事就給幹了，不僅省了人力，而且提高了使用者體驗。
2023年是大模型之年，談的是大模型技術本身的突破，2024年是專業大模型之年，是大模型的套用場景化落地，2025年是智能體之年，充分利用垂直大模型對應打造智能體，讓大模型全面在企業裏真正實作自動化和智能化的降本增效。
智能體有六大套用方向：
第一個，人人智能。 智能體AI是一個賦能工具，可以讓我們每個人都有超能力。很多人都有想法，但是缺乏技能，智能體能幫助我們，比如用AI幫你賺錢，用AI幫你編程，用AI幫你講課，這對原來的軟件而言，是巨大的突破，每個人在不同方面需要不同的智能體幫助，就像每個人攜帶一個超級知識專家，隨時獲得幫助，這是很大的機會。
第二個，叫萬物智能。 過去叫萬物互聯，實際上今天所有的智能硬件嚴格來說都不叫智能硬件，只能叫聯網可計算的硬件。從項鏈到眼鏡，從戒指到手表，從個人電腦到家裏的機器人，所有的硬件都會被AI重塑一遍。你可以想象，以後家裏的硬件每個都長著眼睛，能看明白你是誰，知道你想幹什麽，都能跟你說話，而且說起來都一套一套的。
比如馮侖半夜起來開啟冰箱，想偷喝一罐啤酒，然後冰箱就告訴他，大哥別這麽喝了，你血脂都超標了。這不是夢想，如果處理不好，半夜家裏三四十種電器互相聊起天來了，那個場景可能會很奇特。
第三個方向，傳統企業的數轉智改。 怎麽利用智能體和大模型加速數碼化轉型，提升智能化改造，這也是企業打造新戰略的核心。企業不一定需要拋棄現在的業務，去做新的業務，畢竟隔行如隔山，把現在的業務流程想一想，有什麽業務流程可以用智能體最佳化，什麽業務流程可以用智能體提效，什麽業務流程可以用智能體取代低技能、低績效的員工，這是最大的空間。
第四個方向，面向未來產業。 未來產業都是數碼化產業，像大疆無人機、具身智能機器人、機器狗，還有智能網聯車自動駕駛，都要用智能體來幫助實作無人駕駛或者無人導航。
第五個方向，科學研究。 去年的諾貝爾獎給了AlphaFold2，以後做科學基礎研究，必須得學會用Agent，用大模型，它給你帶來新的研究範式，帶來新的研究工具。過去發現一個蛋白質折疊結構，一個人可能要研究好幾年，現在大模型幾分鐘就能分析出一個結構。
最後一個方向是AI的安全。 如果AI最後無孔不入，大家會擔心，這玩意能力大了之後，會不會給人類造成威脅，就像今天的各種虛假資訊。AI的安全必須重視，我們現在也是用AI智能體來解決安全的問題。
剛才講了半天，就是希望大家建立正確的AI信仰，AI認知，但是光有AI認知是不夠的，還要培養AI的素養，才能真正擁抱AI時代，才能幸存。我天天在外面談，在公司內部講，我們要是不做AI，我們也會被別人幹掉。
提高AI素養，我給大家幾個建議，分五步：
第一步，人人AI。 不能光企業裏少數人會，企業內部人人都要先用起來，大家對AI熟悉了解之後，將來訓練業務場景，訓練Agent還要靠一線員工，一線員工要跟AI要合作起來，才能達到效果，因為AI目前不能全面接管你的業務。
你們聽過一個笑話嗎？某企業做了很多無人配送車，目前為止沒有遇到任何問題，行駛很正常，唯一的問題是它的配送小哥，他們遇見這個車總要踹一腳。如果都像這樣，AI和一線員工合作就不一定推得起來。
所以，一個企業裏面每個人都要強迫自己學，而不是順從本能。很多人會這麽想，我活了50多歲了，我不用AI也活過來了。並不是誰天生就喜歡用AI，要強迫自己，從老板到個人都要用AI，企業對AI的理解才能更深入，AI化才能成功。
用AI的第二步，是把已有的智能體AI用好。 現在全國各大AI公司已經做了很多智能體，比如檔案處理、簡歷篩選、 PPT生成，把企業辦公和行銷率先AI化。
我舉個例子，我們做了1個智能體，專門做錄音整理，不像大家想的那麽簡單，它分成6個場景，比如面試的錄音是一種整理方法，看面試官跟他聊得怎麽樣，比如銷售的場景，銷售人員回來跟說談崩了，但是整個跟客戶的對話過程錄下來可以做分析，包括你跟員工之間艱難的談話，你決定要處罰一個員工，或者提升一個員工，這些不同的場景都有相應的AI來改造。
第三步，企業最終會發現外部的工具都是通用工具，不能滿足需求，你有很多想法，一定要學會讓智能體和業務流程結合，打造自訂的智能體。 比如企業有一種獨特的需求，把需求定義出來，把智能體大模型的很多能力打散，重新組合起來，這是很多企業和個人需要培養的素養。
關於打造智能體，我跟大家講兩個好訊息，第一不需要學習，第二文科生可能比理科生幹得更好，因為打造智能體不需要那麽懂電腦，而是需要對業務工作人員崗位非常了解，需要很好地跟大模型對話。
第四步，對更大規模的企業而言，如果要用好智能體AI，就要把企業的知識庫集中起來。 沒有知識就沒有大模型的能力，要把企業的內部知識、外部情報，還有最重要的是在員工大腦裏、專家腦子裏的知識匯集起來。
最後，當企業的智能體多了，數碼化多了，智能體之間也要有協作平台。 就像人跟人之間需要協作溝通，假設將來企業裏2/3的角色都由智能體來完成，每個人都有多個智能助理，企業裏面有智能主管、智能工程師、智能程式設計師、智能行銷、客戶代表、智能客服，它們怎麽樣協作？這需要一個新的智能體協作平台，目前我覺得還離大家有點遠。
最近我也寫了本書，【我的互聯網方法論】再版，講的是商業模式的打造。大家可以關註我的賬號，聽我嘮叨三個月，保證建立AI信仰，保證從不相信AI到變成AI的信徒。
