我们为这次圆桌选择了一个关键词：「风」。

👦🏻 作者: Koji

🧑‍🎨 排版: NCon

自从开始做「十字路口」，我多了一重主持人的身份。

这体现在朋友们纷纷找我去主持各类科技和 AI 会议的圆桌论坛。

这是我最喜欢的工作类型之一，因为它让我有机会接触并对话到很多元的人。

本周，我就主持了这样一个有点像是「火星撞地球」般「金句频出」的圆桌。

圆桌上的 4 位嘉宾，有 5 万人规模的巨型企业的 70 后高管，有 6 人初创公司的 00 后小天才 CEO，有代表着先进生产力的大厂架构师，也有刚在美股上市一年的新晋企业技术 VP。

这四个仿佛分别来自火星和地球的平行世界的人，为什么会被凑到一起——因为他们作为 AI 时代的积极行动者，被一起邀请到了「京东云城市大会·上海」的圆桌。

我们为这次圆桌选择了一个关键词，叫做「风」。

首先，是因为 AI 像一阵吹拂过全世界的风，和每个人都有关，但有人感受到顺风、有人感受到逆风；其次，是因为 AI 的突破不断给我们创造出新的「风眼」和「风口」，从 DeepSeek、到 GPT-4o、GPT-o3/o4，最近基本上每周都有新的「风眼」和「风口」出现。

在本次会议上，京东云发布了九大产品，包括 JoyAgent 智能体 2.0、JoyScale AI 算力平台和 JoyBuild 大模型开发计算平台等，同时推出三大垂直行业一体机。这些产品将帮助企业重构 AI 基础设施，打造专属数字员工，加快向 AI 深度应用转型。

今天「十字路口」的推送，和大家分享本次圆桌讨论内容。

我们从「风口」聊起，圆桌上金句不断：

当提到 AI 要如何在 5 万人企业落地，得到所有人的积极配合时，邵扬说：

「成功是成功之母」

「AI 落地就应该是一把手工程」

当提到如何做地狱模式的国内 toB 创业时，翟星吉说：

「我们坚决不做 100 万以上的单子」

当提到 AI 对现有业务的挑战时，周梁伟说：

「要么被革命，要么自我革命」

以下，是本场圆桌访谈的全文。

🚥

🚥 Koji

大家好，我是 Koji，过去一年多，我们做了一个叫「十字路口」的播客和公众号，每周会访谈一位在AI时代的创业者或者投资。

在做了 60 多期播客访谈后，我可以比较自信的说：如果大家要在中文世界看最新的AI发生什么，这是最好的内容源之一。

这 60 多位「十字路口」的受访者，都是新一代的 AI 创业者和 AI 时代的积极行动者，和他们访谈下来，一方面感受到了创新的活力，另一方面也看到了在 AI 浪潮之下的种种机会的可能。

如果大家也相信这一波 AI 技术变革将孕育新一代企业家，那么下一位刘强东、马化腾、张一鸣很可能就在今天已经开始创业了。我希望在十字路口采访的这些新一代创业者中，就有这样的未来领袖。

今天很开心主持这场圆桌，我们邀请了四位各具代表性的嘉宾，他们分别是：

🚥 Koji：

我们这个圆桌的关键词是「风」，一方面是因为 AI 带来了非常多的风口和风眼。第一个问题，想问问在座各位，您最近感觉到的「风」是什么，对你的工作和生活带来了什么改变？

👦🏻 翟星吉：

最近的一股「风」，我们看到的是「通用 Agent」的到来。

这里的「通用」需要打个引号，因为它是限定在特定岗位或智能领域的通用 Agent。

我们以前的 Agent 主要是偏手工的工作流程为主，而现在像 Manus 和 flowith 这样的产品，我们可以将其理解为通用型 Agent。

作为垂直赛道的 Agent 创业者，我们不仅看到了这股新风的到来，更重要的是在打造数字员工智能方面，我们正在探索如何开发出自己的通用 Agent，谢谢。

👨🏻 邵扬：

我们之前的信息化数字化工作其实已经到了一个瓶颈期，这个话题喊了很多年。但现在 AI 的出现给了我们一个契机——这就是我感受到的「风」。

这个契机让我们可以用 AI 重新审视之前建设的信息化、数字化系统和平台，甚至整体架构蓝图，看看能否在原有闭环中注入新的活力。

有趣的是，这一波变革其实是业务伙伴倒逼而来的。

以前是我催促他们使用系统，而现在 AI 来了，反倒是他们主动来问："我们怎么还没有用上 AI？"

——这确实是个难得的契机。

👨🏻 应紫门：

技术发展迅速，我们公司的业务也经历了多次进化：从传统的基于CV的AI图像识别技术，到前几年基于深度学习的图像识别，再到现在基于图像和文本双编码的学习方式。

这些变化让我们看到了新的突破口。过去觉得难以解决的问题，现在有了全新的解决思路和方法。

以前的技术瓶颈，现在都有了新的突破方向，这给我们带来了非常大的变化。

👨🏻 周梁伟：

当前最大的风口当然是 Agent。

说到个人和职业的变化，这一轮AI给我带来的最大影响和感受是职业的边界在越来越模糊。

在场很多人都在IT和互联网领域工作。以程序员为例，过去的职业分工非常细致，有前端、后端、大数据、AI等不同方向。但随着 Cursor 和 Windsurf 这样的 AI Coding 工具出现，很多职业都面临着巨大的转变。

比如设计师这个岗位，AI在设计方面展现出更高的效率。在编程领域，前端和后端的界限也越来越模糊。只要具备架构思维和产品思维，就能利用AI Coding工具快速实现创意和想法，甚至可以打造出可以进行市场验证的MVP产品。

对未来的职业发展来说，借助AI工具不断拓展个人的边界将变得尤为重要。

🚥 Koji：

在上周筹备圆桌时，我和每位嘉宾都进行了视频会议，提前讨论了我们感兴趣的话题，特别是大家在工作和生活中如何运用 AI。

接着周总刚才的观点，我想分享一个在我们前期沟通时的有趣话题。

作为首席架构师，您写了十几年代码，在 Cursor 和 Windsurf 这类 AI 编程工具出现后，对您有哪些帮助？

👨🏻 周梁伟：

我个人写了十几年代码，后来转向产品和业务管理，现在负责解决方案这块。

我们的业务（网易数智）主要面向开发者，在跟客户讲解解决方案和具体场景时，以前都是通过文档或PPT展示，但这远不如demo来得直观。

自从有了Cursor和Windsurf这类工具，包括网易自己也开发了类似的产品，我们现在可以快速实现demo。在跟客户交流时，可以现场展示工具的运作流程，帮助客户更好地理解场景。

现在客户也更倾向于直接看demo，不再要求看文档了，这种方式确实更高效。

我认为这波AI技术带来的最大提升，就是显著提高了我们在解决方案展示和客户沟通方面的效率。

🚥 Koji：

网易数智在 AI 落地方面，最典型的场景有哪些？

👨🏻 周梁伟：

网易数智是网易集团面向企业服务的一级事业部，主要提供 SaaS 和 PaaS 产品。我们有一款客服和营销产品，这一轮 AI 的出现给我们团队带来了巨大挑战。

首先，我们在客服领域落地 AI，迅速拥抱这项新技术。

要么被革命，要么自我革命。

我们快速实现了从传统机器人客服向 AI 客服的转型，这是一个典型且重要的变革。

其次，我们做了重要的组织变革。要落地 AI，需要组织层面的支撑，因此我们内部提出了 AI First 路线。从模型到 Agent 平台的统一设计和落地，是我们团队在过去两年内在 AI 领域推进的核心工作。

🚥 Koji：

现在有很多企业都想实现 AI First。上海医药集团作为一个拥有 5 万人的大型企业，在推行 AI 方面面临着独特的挑战。邵扬总肩负着这一重任，请您和我们分享一下在这样规模的企业中，您是如何一步一步推行 AI 的？

👨🏻 邵扬

其实治大国如烹小鲜。

我们采取了上下并进的策略。

首先，作为医药行业的多元化企业，上海医药覆盖了从药物研发、制造、营销到商业分销和零售的全产业链。虽然我们的业态差异较大，有六级集团层级，但在这样的架构下推进AI仍采取上下并进的策略。

从去年下半年开始，我们自下而上开展了一些试点项目，比如AI制度助手和药师助手，让员工通过实际体验来建立对AI的感性认识，这是我们的第一个起点。

同时，外部的刺激也很重要。

AI 落地还是个「一把手工程」的问题。

我们发布了整个上海医药的「AI 工作指引」。同时，我们正在规划 AI 的整体架构。从上往下，我们需要考虑在集团化企业中如何构建 AI 平台。类似京东同事提到的，我们需要一个完整的架构规划：首先要建立能为全集团赋能的 AI 底座，在此基础上打造架构蓝图，让不同业态、不同场景能在安全、受控的环境下使用 AI 和大模型。这样我们就实现了从上到下的全面推进。

在研发领域，我们还有一些特殊的 AI for Science 应用场景，比如药物靶点发现、化合物结构分析、大分子结构预测，以及临床应用等。这些场景需要专门的模型，而不是大模型来解决。

同时，我们还需要平衡不同类型的需求：哪些领域需要受控的安全域，哪些可以使用公有大模型，如何权衡不同模态、不同模型之间的成本效益、安全性以及数据安全。

目前，我们正在构建这样一个整体框架方案。

🚥 Koji：

把 AI 落地首先是一把手工程，需要领导层的重视和支持。另一方面，在一个拥有 5 万人的企业里，难以避免会会有人认为"AI 与我无关"，觉得学习 AI 只是额外的负担。

在筹备本次圆桌的前期沟通中，邵扬总分享了您在内部营造 AI 文化氛围的举措。能否详细跟大家分享一下？

相信今天在座有不少朋友在各自企业中承担着同样的角色和重任，您的经验或许能给大家一些启发。

👨🏻 邵扬

首先，推行AI需要从「自我教育」开始。对我来说这也是个新领域，我不是专家，但我得先学到一定程度。要理解它，最重要的是能把它讲给别人听。我们在上海医药的线上学习平台上，我制作了一门一小时的AI普及课程，分享我对AI的理解。

这不是纯技术课程，因为在企业内部，你要用"人话"，用业务语言来讲，而不是技术语言。

除了这门AI课程，我们还邀请相关同事，也引入外部资源，共同营造学习氛围。

我们正在与合作伙伴和潜在合作伙伴探讨开展工作坊。借着DeepSeeK的热度，我们也在内部做宣传，探索未来可能的合作机会。

值得一提的是，这门内部课程没有强制推送，人力资源部也没有要求必修。但发布一个多月以来，已经有超过8000人自发学习，而且大多都学完了。我们公司有很多一线员工，包括物流人员和门店营业员，他们都能完整看完这一小时的课程。即使用双倍速观看也需要半小时，而且要真正理解内容。课程支持互动，可以点赞和评论。目前已有1500多人发表评论和点赞，这个反响非常好，看到大家的评论也让我备受鼓舞。

🚥 Koji：

在没有官方推广和强制要求的情况下，5万人规模的企业中有8000人主动学习了您的这门课程。我觉得这一定有其独特之处。您认为是什么原因让这门课如此受欢迎？

👨🏻 邵扬：

后半部分主要是收集和展示各种实际应用场景，包括其他企业的成功案例和我们自己已经实践的案例，让大家能够借鉴和学习。

比如我们展示了医疗研发、制度问答等具体应用，还有我们为内部药师开发的AI助手等实际案例。这些贴近实际工作的内容让员工能够直观感受到AI的价值，这可能就是大家愿意学习这门课程的原因。

🚥 Koji：

前半段有趣，后半段有用的。

👨🏻 邵杨：

对，内部人讲，本身就有亲切感。

🚥 Koji：

说明您在内部也很有人气。

🚥 Koji：

在准备圆桌时，我专门去了一趟爱回收的线下门店，想实地了解他们的 AI 落地场景。

作为一家业务日趋多元化的企业，能否请您介绍一下爱回收在 AI 应用和落地方面的情况？

👨🏻 应紫门

爱回收专注于二手数码产品和奢侈品及其周边产品的质量监测。我们利用AI技术来判定产品的成色和真伪，这是我们的核心业务，直接决定了产品定价。

在AI应用方面，我们公司经历了三个重要阶段。

第一阶段主要基于传统计算机视觉（CV）的图像识别。虽然我们采用了一些业界成熟的解决方案，但在二手产品场景中遇到了局限性——二手产品的瑕疵和使用状况千差万别，无法用标准方式评估。

第二阶段，我们通过业务迭代，自研了基于深度学习的图像识别算法，建立了一套完整的二手产品鉴定体系。

到了现阶段，随着大模型技术的发展，我们同时运用图像和文本进行训练，在物品分类、型号识别和真伪鉴定等方面都取得了重大技术突破。这就是我们目前的AI应用现状。

🚥 Koji：

几年前应总写过一篇很好的文章，探讨了技术高管需要抑制写代码的冲动。因为一旦沉浸在编程的快乐中，很容易忽略一些重要且紧急的管理工作。

有一个问题想请教一下，在今天有了 AI Coding 工具后，您认为这个观点——技术管理者应该抑制写代码的冲动——现在还成立吗？

👨🏻 应紫门：

那篇文章与AI并不相关。在与Koji最近的电话讨论后，我重新思考了这个问题，觉得值得写一篇新文章。

现在确实有了一些新的思考。由于AI辅助编程工具和基于大模型的代码生成变得普及，整个编程思路和方法都与以前不同了。虽然写代码这件事不能完全被AI取代，但编程方式发生了很大的变化。

现在我们谈"AI First"，首要任务不是立即实现业务需求，而是先把AI基础设施和Agent做好。不要急着开发功能，因为AI可以帮助我们更快地构建。这是一个重要的转变。

我们要做到"AI Friendly"，确保AI能够友好地调用各个组件和模块，这是第一要务。

第二个重大变化在于开发理念。以前作为开发者，我们非常关注代码的健壮性、可扩展性和编码风格，需要在设计上投入大量时间。但现在这种思维方式被颠覆了。因为AI能快速构建并运行程序，我们甚至不用太在意传统意义上的"好代码"或架构设计，因为重写的成本很低。

我们可以今天上线功能，明天如果有新需求，完全可以重写，不必非要在原有系统上迭代。

就像《流浪地球》里的操作系统，AI可以从零开始重写整个系统。如果觉得不好，就推倒重来，因为成本低，效率反而更高。

这虽然还是个愿景，尚未完全实现，但已经反映了思路的根本转变。

🚥 Koji：

成熟企业的高管参与这场圆桌固然重要，但京东也希望能有新锐AI创业者带来新鲜观点。我第一时间就想到了邀请星吉加入我们的圆桌，因为他的创业公司在垂直领域实实在在地落地了一个AI Agent，并取得了显著的商业成果。

星吉，请您介绍一下你们正在做的工作？

👦🏻 翟星吉：

在座的各位大多是企业里的技术负责人或CIO，就像邵扬总这样。现在AI浪潮兴起，大家都在积极推进AI应用的落地，自然会遇到很多疑问。我们过去一年与上海仪电、中远海运等客户合作，共同探索了多个场景。

实践证明，要真正把AI应用做好是很有挑战的，但我们核心团队在数字化方面积累了丰富经验。作为第一批做Agent的创业者，我们对AI前沿技术和Agent应用也有独特的见解。

如果企业要成功落地Agent应用并获得业务方认可，这确实不容易。过去一年，很多企业推行试点项目，但不少都无疾而终。原因在于这些项目往往是非常规预算，业务部门虽然遵从领导要求去做，但并未真正认同其价值。

我们的经验是，必须聚焦核心业务流程中最关键的痛点，用Agent解决传统方法无法解决的问题。

现在的Agent必须是业务驱动，而非IT驱动——只有当业务部门主动寻求IT帮助解决难题时，项目才最有价值。

我们在售前领域就有很好的实践。在B2B场景中，能力可分为两大类：一是商务能力、情感价值，二是专业能力。专业能力又包括技术支持、解决方案定制、POC产品演示和报价等环节。这在B2B领域，尤其是软件和中高端制造业都是通用的模式。

这个领域存在明显的痛点：商务人员普遍缺乏足够的技术专业度。他们在接到需求后，往往需要研发团队提供技术支持和响应，自己只能做些简单方案。但研发人力严重不足，专业技术销售岗位也很缺乏，整体能力捉襟见肘。

另一个问题是重复性工作太多。比如报价和方案准备往往是重复的，团队在这些相对低价值的工作上耗费大量时间，导致很多客户需求得不到及时响应。

为此，我们开发了一个Agent，希望能在售前环节实现端到端的自动化，只保留产品演示和POC验证需要人工参与。作为AI原生创业者，我们认为未来的Agent不应该只是在现有业务流程中打补丁，比如仅仅用AI做客服问题分类和简单对话。

我们相信，Agent的未来是成为端到端的数字员工，直接接管原本需要人工完成的完整工作流程。基于这个理念去选择业务场景、落地Agent，就能创造与众不同的价值。到那时，你会看到业务部门主动向领导推荐使用Agent，而不是像传统IT系统推广时那样举步维艰。

🚥 Koji：

最后，我想请每位嘉宾回答一个轻松的问题。

邵扬总，星吉他们在推行AI Agent时注重寻找人工难以解决的痛点问题。能否请您分享一下您的「拿软柿子捏」理论？

👨🏻 邵扬

业务伙伴提出的需求不一定是真正的需求，真正的需求也不一定能直接持续推进。

首先，我常说：

"成功是成功之母"。

我们要用四象限分析法，从重要程度、价值高低和难易程度出发，在其中找到平衡点，不要贪多求快。在众多Agent中，先选择价值适中、难度可控的项目，把它做成、做扎实。让这个成功案例在企业内部形成势头，让其他人看到成功后自然会效仿学习。

第二点，这和数字化转型有共通之处。我把它简单总结为四个字：面子+里子。

面子要有，里子也要硬。没有面子，别人不会来关注你的里子；没有里子，面子也立不住。

这两者相辅相成，关键是找到面子与里子的平衡点。

这里说的面子是褒义词，不是贬义。如果有人能把面子工程做好，我会为他点赞。

🚥 Koji：

金句频出！「成功是成功之母」，「面子+里子，助力完成 AI 转型」。

🚥 Koji：

现在有些 CTO 会在组织内设定 OKR，要求明年 50% 的代码必须由 AI 来写，以此方式推动 AI 落地。应总，在你们团队中 AI 写代码的比例是多少？另外，你怎么看待这种 OKR 的制定方式？

👨🏻 应紫门：

Cursor 的企业版，是可以有一个控制面板，可以看到你整个团队多少的代码是由 AI 生成的。虽然我们团队中很多同事都在使用 Cursor，但我们并没有强制要求必须有多少代码要用它来写。

我认为整个方向应该是让大家真正感受到提升效率，找到一些好的方法，让团队成员确实觉得对自己有帮助。比起关注具体有多少代码是 AI 写的，引导团队更为重要。

我们应该投入更多时间去发掘最佳实践，让 AI 真正帮助我们更好地完成业务需求，提升团队的技术水平。这才是更关键的。

🚥 Koji：

周总，您是非常活跃的积极在用试用新的AI的产品，可不可以分享您最近用到眼前一亮留下印象的产品是什么？

👨🏻 周梁伟：

我推荐 Google 的 NotebookLM。

首先，它可以利用底层模型帮你进行研究和市场调研，生成分析报告，还能生成结构化信息和思维导图，将内容系统地拆解 — 这是它的一个重要功能。

第二个重要功能是，它能将内容转换成播客对话的形式。两个对话者的语音音色都和真人几乎一模一样。最近中文版也已经支持了。你可以像平常听播客一样，在路上听论文或技术文章，帮助理解和消化新知识。NotebookLM 是一个非常实用的产品。

🚥 Koji：

最后一个问题问星吉，您认为自己在过去一年，做的最正确的一个决定是什么？

👦🏻 翟星吉：

我觉得创业这件事，并不存在所谓的"一个正确决定"。每个决定都应该是正确的，我们要让每个选择都成为最正确的那个选择。这是我的基本观点。

但这个问题确实有一个答案，那就是：战略聚焦。

作为初创团队，我们的资源、资金、人脉都是有限的。在资源有限的情况下，必须做好战略聚焦。

我们看到未来的 Agent 一定是智能化的，面向特定职能的。每个职能都会有一个通用 Agent，这就要求我们在每个特定的 Agent 领域里积累足够多的场景经验。我们需要积累足够的路径数据和思维数据，才能进行预训练。

基于这点，最重要的就是聚焦于我们想要打造的几个 Agent，将所有资源都集中在这里。我们设立了明确的准则：

超过 100 万的单个合同一律不接，政府类项目不做，偏离主营赛道的项目也不做。

这些都是重要的取舍。很多早期公司往往难以下定决心做这样的取舍。就像昨天我跟一位投资人聊天时说的，我们现在有三个可以开箱即用的 Agent。我说未来如果其中一个 Agent 能够成功突破，那另外两个我就不做了。

投资人问我："为什么不继续做这些产品呢？它们都已经准备好了，只需要做营销让用户购买就行了，也不需要投入太多资源。"

我回答说："我就是不会这么做，我会果断放弃另外两个，把所有精力都聚焦在我认为最有价值的那一个上。"

🚥 Koji：

确实这是很有魄力的一些决定。

今天也再次感谢四位带来的故事和观点。我们这个圆桌的主题叫「风」。希望我们在接下来的一年里，大家能在 AI 时代继续「乘风破浪」。

也希望明年我们能再次相聚在京东云城市大会的舞台上，分享这一年的新故事、新观点和新感受。

谢谢大家。

🚥