人工智能及机器人产业投资高峰论坛（下午场）

人工智能及机器人产业投资高峰论坛（下午场） 问：AIagent为何会比较火？ 答：AIagent火的原因主要有两点：首先，技术基础层面，大模型带来的平权使得理解、推理、规划能力增强，人类可以与AI进行对话并指导AI行为；其次，大模型在玩腻了基础应用后，需要解决更实际、复杂的问题，因此人类开始尝试让AI承担具体工作，如同劳工。 问：当前哪些类型的agent比较火？ 答：目前两类agent较为火热：一是面向C端的ITtoCagent，如Mines，它通过网络搜索界面触达网页API、数据库等资源；二是字节推出的效率型ITagent，例如通过工具搜索调用黑书表格、notion、高德等工具，这类agent具有友好界面和准确指向性，能够帮助非技术人员高效完成任务。 问：产业端agent需要具备哪些特点？ 答：产业端agent应具备以下特点：1)友好的界面，使其不仅限于技术人员使用，而是面向更广泛的业务人员和管理人员；2)准确的指向，确保能够准确地调用所需工具和数据，帮助用户获取底层信息和有效知识；3)完备的知识库，包含经过整理和结构化的数据，以及丰富的数据分析和知识总结能力。 问：如何构建产业端agent以解决实际问题？ 答：构建产业端agent时，需要结合大模型的匹配能力和工程能力，深刻理解特定场景，并拥有丰富的数据处理和形成知识的技术实力。此外，还需要除幻觉的能力，确保输出的结果具有可信性和逻辑性，而这方面可以通过将大模型与知识图谱相结合来实现，因为知识图谱具有可追溯性验证和逻辑分析的优势。 问：如何实现产业端agent的知识图谱融合技术？ 答：知识图谱融合技术是通过预训练阶段、后训练阶段、推理阶段和增强检索阶段，将大模型与知识图谱进行深度融合，以实现产业级触患控制。公司院士工作站研发了基于知识图谱的融合大模型应用平台，通过技术创新实现了在训练阶段、搜索阶段、存储阶段以及推理框架中的知识更新，有效提升了模型在各种复杂任务下的表现，并已在多个行业实现了实际落地应用， 显著提升了工作效率和决策的可信度。 问：大模型技术如何推动了AI与人类的交互方式？ 答：大模型技术带来了理解、推理和规划的能力，人类可以与AI进行对话交流，而AI在这一过程中扮演了老师的角色。 问：为什么现阶段agent类型的IT会比较火？ 答：这是因为大模型虽然强大，但人们更需要解决实际问题和复杂问题。agent能够帮助人类利用AI资源，例如通过网络搜索、工具搜索等功能，指导和协助完成工作任务。 问：tob场景中的agentt需要具备哪些特点？ 答：tob场景中的agentt需要具有友好的界面、准确的指向（能准确调用所需工具和信息）以及完备的知识库作为底层支撑，以便快速提取行业知识，辅助决策判断。 问：toc端的agent是如何运作的？ 答：toc端的agent，如mines，通过网络搜索界面触达网页API、数据库等，提供便捷的搜索和操作体验。 问：什么是“友好的界面”以及它在tob场景中的重要性是什么？ 答：友好的界面意味着非技术人员也能轻松使用AI工具，不再仅限于技术人员。这对于拓宽用户群体至业务人员、管理人员等至关重要，有助于提升效率、降低成本并创造更大的利润空间。 问：如何构建产业版的“知识图谱”以解决幻觉问题？ 答：构建产业版的知识图谱需要结合大模型的匹配能力和工程能力，深入理解企业场景，并具备丰富的数据处理和形成知识的技术实力，从而实现对数据进行深度理解和合理运用。 问：知识图谱在解决幻觉问题方面的优势是什么？ 答：知识图谱通过理性和感性相结合的方式，具有可追溯性验证、逻辑分析、客观构建以及举一反三的能力，能有效对抗大模型产生的幻觉，为产业提供更可靠的知识支持。 问：公司在知识图谱与AI融合方面的技术创新有哪些？ 答：公司院士工作站提出的知识图谱作为一种描述知识和建模万物关联关系的技术方法，在训练阶段、搜索阶段、存储阶段和推理阶段都实现了大模型与图的融合，成功打造了一个产业级除幻应用平台，并在多个实际场景中取得了显著成效，如中石化审计部的应用案例。 问：公司在海外市场的发展状况如何？ 答：目前公司80%的业务在海外进行，已在全球六十多个国家设有分部，并成功出货超过9万台产品。投资方包括红杉、美团、腾讯等知名机构。 问：公司主要关注的领域和产品有哪些？ 答：公司专注于商用服务机器人领域，致力于通过自动化和智能化满足全球商业环境的需求，包括普通商业和工业中的商用服务环境。主要集中在配送和清洁两大任务板块，产品线覆盖了送餐机器人、酒店配送机器人、清洁机器人以及人性机器（如机械狗、巨身智能机器人）等。 问：公司是如何从实验室技术走向产品化，并逐步解决客户痛点的？ 答：自2016年起，公司创始人张涛组织团队将实验室中的机器人技术进行产品化改造，历经实验室版本、工程版本到产品版本三座大山的挑战。最初从简单的配送机器人开始，随后根据客户需求发展到清洁领域，并针对工厂类客户推出了工业配送机器人T3系列，同时也布局了人形和类人型产品线。 问：公司的产品和服务在商业社会中的表现和影响力如何？ 答：目前，公司的服务配送机器人已累计运行七千多万公里，商用清洁机器人清扫面积接近5500万平方米，且新品商用配送机器人在短短几个月内已运行70万家小时，充分证明了产品的实用性和市场接受度。 问：公司在商业机器人的行业渗透、基础优势及全球化布局方面有哪些特点？ 答：公司拥有深厚的技术积累和强大的供应链支持，AI大模型技术进步显著提升了内部算法迭代速度。此外，公司积极响应政策变化，适应全球人口结构需求，全球化布局广泛，具备提供多场景解决方案的能力。 问：如何看待当前商用服务机器人市场的发展阶段及未来展望？ 答：尽管目前市场规模相对较小，但随着供应链成本下降、AI技术进步、人口老龄化加剧等因素，商用服务机器人市场有望迅速增长。公司认为在移动技术之外，还需突破操作和交互技术，以满足客户场景需求，通过多产品组合方案提供综合性解决方案，并计划在全球化服务交付中心支持下走向市场下半场。 问：在海外酒店使用机器人配送时，面临的主要问题是什么？对于未来的机器人发展方向，您有什么设想？ 答：主要问题是电梯系统改造困难和高昂的成本，导致酒店机器人无法实现跨楼层配送，实用性受限。我们期待研发出类似人的通用上值平台和下值平台，结合目前的商业痛点改造现有机器，并设想通过技术研发实现机器人完成多种任务的能力。 问：是否有可能推出专用机器人以满足特定需求？ 答：是的，对于客户需求不强烈、只需单一模块高频集中处理的情况，我们会开发专用机器人；但长远来看，更希望实现类人型机器人能够整合多种任务以满足客户需求。 问：这款产品目前的市场反馈如何？ 答：目前我们已经收到了很多订单，说明市场对特定场景的需求较大，即解决客户重点问题。 问：除了电梯操控场景外，机器人还能解决哪些问题？ 答：如果配备了相应的零销手机械臂，机器人可以解决端到端的取放物问题，比如替代快递员完成外卖配送的最后100米。 问：对于真正的人形机器人，您怎么看？ 答：我们期待人形机器人能够像人一样处理多种任务，这样不仅能为客户创造更多价值，也符合市场对于高效便捷服务的需求。 问：您如何看待机器人在不同场景下的应用和商业价值？ 答：我们认为不同场景下的机器人需求很大，例如酒店送餐机器人、物流配送等。通过硬件设备结合软件升级，可实现类似汽车的OTA远程升级，增加更多商业功能和收入来源。 问：针对海外市场，普渡采取了怎样的策略？ 答：在全球化过程中，普渡注重“glow”概念，即全球化同时保持本土化，拥有广泛的海外服务网点、认证和各类远程服务，以及成功案例，如在日本市场的广泛应用和品牌合作。 问：普渡的产品线和市场布局情况如何？ 答：普渡的产品线包括类人型具身智能产品，以及针对不同场景的配送、清洁等机器人。在全球市场中，我们尤其重视海外市场，并在多个国家有布局，收入增长迅速，尤其在日本市场取得显著成果。 问：普渡在工业场景中的应用案例有哪些？ 答：在工业场景中，普渡机器人主要应用于物流配送、清洁、柔性化操作处理和智能化管理等方面，例如跨楼层搬运重物、灵活配送样品实验品以及自动清洁等任务。 问：在机器人领域中，对于市场的接受程度和购买力意愿有何不同？ 答：在不同的市场，对于机器人的接受程度和购买力意愿是不一样的。 问：公司内部关注的主要是哪类市场？ 答：我们在内部更关注T1级别的市场，同时T2级别的市场目前的体量也超出我们的预期。 问：商用服务机器人赛道在未来几年的发展趋势如何？ 答：我们预计商用服务机器人这个赛道在未来两年会有非常大的爆发。 问：有哪些典型的案例和客户使用了贵公司的机器人产品？ 答：我们有一些典型的海外客户案例，国内市场的客户还在进一步拓展中。 问：是否可以提供更深度的交流机会？ 答：如果大家希望进行更深度交流，可以加我个人微信进行交流。 问：第四范式在AI服务领域的定位是什么？ 答：第四范式自成立以来就专注于做人工智能在企业端的服务，并随着AI技术的发展不断调整策略。 问：对于AI行业发展趋势的看法是什么？目前AI服务的发展趋势和产品结构如何？ 答：AI行业发展趋势包括从训练周期到推理周期的转变，以及数据获取和模型应用的变化。目前趋势是从训练周期到推理周期的转变，产品结构上采用agent加上垂直事件模型的方式。 问：AI发展进入推理周期意味着什么？ 答：进入推理周期意味着通用模型对数据的需求受限，需要寻找更多垂直场景的数据，并且算力已不再是唯一制约因素。 问：AI从不会说话到会说话对行业发展有何影响？ 答：AI从不会说话到会说话改变了模型与人交互的方式，使得agentt成为可能，也推动了AI应用的爆发。 问：AI线（AIforservicetoserviceforAI）的发展趋势是什么？ 答：AI线的发展趋势是从服务AI到AI赋能服务，即AI不仅能够赋能服务，还能应用于千行百业。 问：为何认为agent结合世界模型是AI发展的主要方向？ 答：虽然LIM（例如LLM）模型火爆，但数据可能达到阶段性的上限，因此更倾向于通过agent结合世界模型的方式实现AGI（通用人工智能），让AI能更好地适应各种场景和任务。 问： 在2025年这 个时 间点， 你们 认为 哪种技 术或 方法更 接近 实现AGI（通 用人 工智能）？为什么认为大语言模型目前更接近AGI？ 答：根据目前的情况来看，我们觉得使用agent的方式更接近于实现AGI。它能够帮助完成更多实用的事情，而非仅仅展示炫酷的技术。因为大语言模型具有无所不知、无所不能的感觉，但实际上它的工作原理主要是预测下一个字，通过高准确率的字预测来模拟人类语言表达。虽然它能很好地说话，但其本质上并非能做所有的事情，因此需要与各种垂直应用结合才能发挥更大作用。 问：大语言模型的核心功能是什么？早期的大语言模型存在什么问题？ 答：大语言模型设计的核心目的是预测下一个字，通过逐字的准确预测来构建连贯的文本内容。早期的大语言模型准确率较低，例如可能在十个字左右就开始出现错误，准确率不到90%，导致生成的句子往往偏离预期。 问：如何组合不同模型以提高人工智能的实用性？ 答：通过将agent与搜索引擎等垂直应用结合，或者使用像MCP这样的中间调用接口，可以更好地整合各种模型，实现更实用的效果。 问：世界模型在人工智能中的作用是什么？ 答：世界模型是对物理世界进行认知、标注和规律总结的模型，如智能驾驶中的三维建模。我们认为，要让人工智能更有用，关键在于agent理解人的需求，并通过调用不同的世界模型来完成任务。 问：对于企业拥抱AI转型，应该如何正确理解和梳理需求？ 答：企业应先明确战略目标，而非直接关注AI技术本身。在讨论AI需求时，应避免混淆战术层面的问题，如选择哪种AI模型或部署方式，而是聚焦于要实现的具体目标，并将其量化、明确化，这样才能