本文深度剖析AI从“祛魅”到“务实”的演变路径，揭示DeepSeek等AI工具对企业效率、商业模式及个人能力的颠覆性影响。从全员AI化到业务流AI化，文章通过诺基亚、瑞幸等经典案例，探讨企业拥抱AI的核心逻辑：降本增效只是表象，重构组织形态与决策效率才是关键。

大家好，今天我们分享的内容是企业AI应用的落地，以及如何以正确姿势拥抱AI大时代。

一、从DeepSeek现象看Al技术的发展

我们都知道最近DeepSeek爆火了，今天我们借着它爆火的背后，了解AI界到底发生了什么？

1.2022到2023，个人好奇，企业观望

AI在ChatGPT刚出现的2022年11月30日，刚开始时大家对其态度较为冷淡。对个人而言，认为这个东西与我无关，似乎只是一个玩具。

比如，很多人会询问它明天福利彩票的中奖号码，或是如何挣到人生中的第一个100万等各类问题。

对于企业而言，可能距离变得更远，认为其商业价值有限。有时与它交流存在沟通障碍，甚至感觉它在一本正经地胡说八道。

产品的质地仅停留在这里，有时候与他说话还说不明白，或者他一本正经胡说八道，在这种情况下，企业并非是拥抱它的最佳时机。

所以，那时尝鲜的人非常少。

2.2023到2024，AI开始祛魅，更卷更务实

在2023年，许多龙头企业纷纷下场，认为这是一个全新的AI时代。他们投入大量资金，致力于训练自身垂直领域的大模型。

当时，许多企业纷纷宣布，要么选择本地部署自有模型，要么依托自身在垂直领域的优势，自行训练模型。

做到这三点挑战，产品经理只会不断升值

好的产品经理是很稀缺的，懂用户、懂商业、懂数据的产品经理走出互联网，依然是抢手货。相反，如果只做简单传话、低效执行、浅层思考的产品经理，恐怕走不过未来3-5年的洪流。

查看详情 >

随着时间推移，大家发现模型迭代的速度非常快。以ChatGPT为例，在其3.5版本发布后的短短数月内，OpenAI便推出了GPT4。相较于3.5版本，GPT4的性能提升显著，其能力远超前者，足以支持商业化应用。

在这种情况下，企业发现，与其花费大量成本部署模型，在实际效果上还不如DeepSeek等工具出色，即便在自身拥有数据优势的垂直领域也是如此。

因此，从2023年下半年到2024年，大模型的概念开始在企业端去魅。企业不再盲目追求花费巨资部署或训练模型，而是更加注重如何充分利用现有模型。在此基础上，企业通过挂载RAG知识库、梳理业务流程等方式，使AI发挥更大的作用。

这一转变过程中的一个标志性事件是DeepSeek引发的变革。2024年5月，DeepSeek宣布大幅降价，其对标GPT4的大模型DeepSeekV2的价格降至每百万token输入一元、输出两元，约为GPT4价格的三十分之一。

随后，各大厂商纷纷跟进降价，包括字节、百度、阿里巴巴等，以此争夺B端用户和开发者市场。如此一来，中国企业能够以更低的成本使用这些大模型的API，这在很大程度上得益于DeepSeek的率先降价。

DeepSeek的降价推动了国内先行者更加务实地利用AI，他们不再局限于过去的大模型训练，而是通过提示词、智能体、微调以及RAG知识库等手段，利用免费资源，使AI发挥更大效果，更加务实。

3.2024到2025，大厂各自选路，Agent也分两派

从2024年到2025年，模型经历了一段时间的发展与迭代。一些公司意识到，大模型的训练不仅耗时长，而且成本高昂，难以支撑全面的发展。于是大家纷纷选择了自己的方向。

随着DeepSeek的爆火，选择细分领域的DeepSeek，如上图所示，率先在全球免费APP排行榜上占据首位，显示出其在特定领域的领先地位。

第一，多模态与单模态之争

在这个阶段，一些公司如豆包和OpenAI，他们去赌多模态，致力于在多模态方面取得进展，特别是在音频和视频处理上。然而，也有公司如DeepSeek和Kimi，他们就赌单模态，更专注于文字模态。

具体来看：在多模态方面，比如OpenAI，之前发布了Sora，发布时轰轰烈烈，但到了年底，实际使用效果并未达到预期。相比之下，国内的一些多模态产品如海螺AI，用起来就非常好，这是走多模态的方向。而走单一模态的DeepSeek和Kimi也推出了自己的推理模型，用户体验也非常好。

第二，Agent的SOP与LLM两派之争

Agent技术也分为两大派别：SOP驱动派和LLM大语言模型驱动派。

以Coze为代表的SOP驱动派认为，企业的知识和流程是大模型所不了解的，因此需要将企业的流程梳理出来，并在智能体搭建平台上进行复刻，实现流程的AI化。

而Manus所代表的LLM大语言模型驱动派则相信，大语言模型能够找到最佳的路径，从而简化甚至省略中间过程，直接完成任务，当然，也有人认为Manus也是内置工作流和提示词的中间状态，未来将会出现模型即产品的Agent局面。

比如，当给予Manus特定指令后，它能够迅速搜集资料、整理资料并作出响应。

群友提供了这样一个例子，假设希望Manus能解释下“强化学习概念”任务，这是AI模型训练中非常重要的概念，要求它并非借助技术手段及底层语言进行讲解，而是通过AI生成的网站，以清晰的图示诠释强化学习的各个概念、主要算法及其原理。

令人惊艳的是，它竟然还生成了一个强化学习互动小游戏，使用户在游戏中逐步理解强化训练的本质，以及大模型训练的实际情形。

这便是Manus的显著优势所在。

综上所述，以上便是2023年到2025年AI界发生的事情。而DeepSeek也仅是在单模态领域发挥自己的专长，率先制作出惊艳世界产品的一家公司。

二、惊艳世界的DeepSeek并非是万能

1.DeepSeek在使用时要重视的3个问题

问题1：随机性问题

下图是朋友发给我的截图，这是他在网上看到的一组图片，我们可以看到：

问豆包strawberry里有几个R，豆包说2个R。问GPT4o相同的问题，答案也是2个。随后问DeepSeek，得到的答案是有3个R。

基于此，朋友得出结论，认为DeepSeek的性能最为优越。他问我是这样吗？我回答他：为什么你不亲自试一试？如果你亲自试一试，就会产生疑问。

比如，豆包可能会在他的测试中回答也是正确的，或者他可能只是运气好，恰好DeepSeek这次回答出现错误。因此，大语言模型的输出本身具有随机性。

针对这个问题，我在各个平台上进行了超过1000次的测试。每次讲百人场时，我都会让大家拿出手机测试。事实上，平均出错率大约为10%，即每十次测试中，大约有一次会出现错误。

所以，当DeepSeek变得流行后出现大量热点内容时，你一定要具备鉴别能力，如何鉴别？就是亲自上手试一试。

问题2：幻觉问题

我曾计划撰写一篇关于中美AI对比的文章，并期望借助DeepSeek查找相关论据以及提供文章框架。具体如下图所示：

它为我提供的内容大致如下：中国AI工程师总量达85万人，其中系统优化占比32%。根据Linked in的数据显示，华裔AI工程师回国任职比例高达17%。此外，依托中国西部丰富的水电资源，国产AI集群训练电费成本约为美国同期的64%。此数据源于国际数据公司（IDC）2023年报告。

该框架呈现的内容文笔优美、观点犀利且整体结构清晰。就在准备发布时，考虑到是AI提供的信息，本着对读者负责的考量，我决定对其真实性进行鉴别。

我按照文中明确提供的信息来源地址进行搜索，但并未找到相关信息。起初，我怀疑是否是自己搜索能力不足所致，于是借助在AI搜索领域颇具实力的秘塔搜索，请其核查这些数据在互联网上是否存在。

秘塔搜索的结果显示：所谓中国AI工程师85万人的数据，在其收到的资料中均未引用；关于美籍华裔工程师回国比例17%的说法，证据里也并未显示LinkedIn 2023年的人才流动数据中有此项内容，这或许只是推测；而成本是美国的64%这一数据，同样没有在IDC 2023年关于中美电费成本的报告中找到依据。

由此可见，如果我不进行交叉验证，直接发表这篇文章，那么我的专业性会受到质疑，这也无疑是对读者的不负责之举。

所以说，当我们想让AI帮助我们完成一件事情时，最差结果可能是，实际上并没有给我们提供帮助，反而会误导人。

如果我作为一个非常权威的杂志，直接发表这样一篇观点非常犀利的文章：中国在AI界是Number one，百分百超越美国，最后发现全是假数据，这岂不是天大笑话？

因此，在使用DeepSeek时，我们务必高度重视可能存在的幻觉问题。如何有效解决幻觉问题，可以通过实施交叉验证的方法来实现。

问题3：所有情况都适合DeepSeek吗？

很多时候DeepSeek火爆，你会发现新闻中所有公司都表示接入、企业本地化部署DeepSeek。但真的所有情况都适合使用DeepSeek去解决吗？大家可以想象一下。

首先，DeepSeek存在严重的幻觉问题，容易被误导说出不准确的话。

其次，其设计初衷是让AI从起点到终点找到最佳答案，这在某些需要多步骤操作的场景中可能并不适用。

比如，在电商客服系统中，如果遇到有心机的客户说自己是老板的朋友，老板已经答应让我以100元的价格购买1万元的按摩椅等，DeepSeek可能会因为推理过程而作出不合理的决策，导致企业损失。

因此，并非所有场景都适合使用DeepSeek。

在选择是否使用DeepSeek时，需要考虑具体场景的需求和限制：对于开放式、探索性的任务，DeepSeek可以提供有价值的思路；而对于规定严格、要求精确的场景，则可能不太适合使用DeepSeek。

2.DeepSeek的商业影响力

① DeepSeek对企业的影响

DeepSeek的出现对企业的影响非常大，大致分为三条：

第一，为中国企业快速、安全地拥抱AI提供了一条切实可行的路径。

过去许多企业不敢使用AI，担心数据泄露，尤其是许多国央企。而DeepSeek支持本地化部署，无论是配备满血版硬件需投入数百万成本，还是采用蒸馏板仅需几万元硬件成本，均能实现有效部署，其出色能力无疑为中国企业的AI应用提供了优质路径。

第二，降低使用门槛，显著提升下限，点燃企业全员热情。

从企业及员工个体角度来看，DeepSeek大幅降低了使用难度，提升了应用下限，点燃了企业内部对AI的热情。过去，要让AI协助完成任务，通常需要精准地提示词进行调教。而在DeepSeek中，用户只需简要描述自身职业、任务目标及限制条件等，用几句话就能获得令人惊艳的回答，这极大地提高了AI使用的便捷性，让所有人都觉得AI好厉害，这是DeepSeek的又一大功劳。

第三，加速了中国企业AI化进程，倒逼企业加快AI转型步伐。

事实上，DeepSeek的出现显著加快了中国企业的AI发展进程。在2023年企业着手推进AI赋能工作时，许多企业起初既无紧迫感也缺乏对AI的了解，也不明白AI的含义以及拥抱它的原因。

然而DeepSeek火爆之后，所有人的问题已经不再是是否需要和为什么，而是如何拥抱AI以及如何利用好DeepSeek。这大大加速了中国企业AI化进程，倒逼企业加速AI转型的步伐，使中国企业的竞争力在全球市场得到提高。

② DeepSeek对个人的影响

第一，个人AI学习曲线变得更加平缓，上限更高。对于企业中的个体而言，我们的学习曲线更加平滑。然而需要明白，一个更好的模型意味着更高的上限。

第二，AI表达力的重要性变得更高，需要更强的分辨能力。当AI的表达力及提示词能力得到提升时，能够更有效地推动模型输出接近上限。以往AI无法完成的任务，如今借助DeepSeek等工具得以实现。

第三，技术迭代的速度，倒逼个人需要加快对于新变化的学习。

在AI时代，唯一不变的便是持续学习与跟进AI的发展。在此过程中，有一个核心理念可供参考，即“遇事不决问AI的念头和意识”，即第一念原理。

具体怎么做？首先思考AI能否协助完成、如何完成以及能达到什么程度。其次，若AI能直接出色地完成任务，则无需人工干预；最后，若AI产出的结果为基础水平，则可考虑在此基础上进行优化，通过人机协同将成果从60分提升至80分甚至90分。

希望在AI时代，大家都能养成“遇事不决问AI的念头和意识”的好习惯。

三、企业拥抱AI的正确姿势

1.搞清楚为什么要拥抱AI？

最近DeepSeek很火爆，然而作为企业，我们似乎并未感受到实质性的变化。仅仅是每个人的桌面和手机上多了一个DeepSeek的应用程序，但整体运营效率并没有显著提升，也未实现企业级的变革。

在探讨这个问题之前，我更倾向于从企业的角度出发，先提出一个问题：要不要拥抱AI？

正如我所说，今天你的答案非常清晰，就是要。但你是否深入思考过，既然你希望拥抱AI，那么背后的原因是什么？如果你的动力和原因不足以支撑你去完成这件事，那么你背后的动作和决心就会变形。

回顾去年我们服务的众多企业，我们发现一个现象：我们的陪跑服务周期平均为三个月，但有些企业将这一周期延长至六个月，甚至最长达到八个月。

为什么会出现这种情况呢？原因在于，AI对他们来说是一个可有可无的好东西，但是它不是关键且必须拥抱的东西。

至少在去年，AI火爆之后，许多人认为必须拥抱它，但是否从商业底层思考为何要拥抱AI？

很多人提到降本增效，我们真的需要降本增效吗？降本增效当然好，假设我能够为你每月节省20万的成本，这无疑是一件好事。然而，这真的是必要的吗？如果不减少这20万的成本，你的企业会倒闭吗？答案似乎并不确定。

比如，如果你的企业利润丰厚，每年盈利一个亿，那么每月节省20万、一年节省200万对你来说可能并不重要。在这种情况下，你是否还需要拥抱AI呢？

我们必须明白这个问题，才能在之后的决心和行动上给予更好地支持。

2.思考拥抱AI的核心原因

案例1：诺基亚与iPhone的兴衰

在苹果iPhone 1代问世之际，诺基亚的市场占有率高达49%。当时，诺基亚在全球手机市场中占据绝对霸主地位，几乎每两部手机中就有一部是诺基亚的产品。

面对苹果iPhone 1的出现，当时诺基亚认为这只是一个玩具。它不耐摔，认为它无法在市场上立足。

然而，随着时间的推移，我们都知道了后来的故事：五六年后，诺基亚的手机业务被收购了。

如果让诺基亚重新选择一次，你认为它会如何选择？

这与AI非常相似，如果今天我不拥抱AI，那么我可能不会生存吗？可能短期不会，就如同你的竞争对手，只是比你减去一年200万元的成本，你一年赚两个亿担心什么？

但是，你有没有想过，当他成功降低成本后，他可能会扩大生产规模和品牌影响力，甚至将节省下来的成本直接让利给消费者，或者用于品牌推广，从而挤压你的市场空间。

现在，也许你活得很好，可能不拥抱AI，但是一年、两年、三年、五年后，我们的企业将会怎么样？

案例2：瑞幸9.9元战略下的生存抉择

举一个我身边朋友的例子，我有一个经营奶茶店的朋友，他的品牌在全国拥有超过一百家分店。这些店铺的客单价大约在十几元，每单的利润有两三元，尽管如此，他的生意依然红火，并且品牌持续扩张。

然而，就在这种看似一帆风顺的扩张过程中，他突然宣布关闭全国所有门店。大家可能会好奇，这是哪一天发生的？那一天发生了什么事情？

那天，瑞幸咖啡宣布推出9.9元的咖啡产品，并强调这将成为其长期战略的一部分。这一消息一下子让他慌了。尽管喜茶和奈雪等竞争对手也推出了类似的低价产品，但他并不担心，因为都是引流品，为的是后端的一些产品。

然而，当瑞幸以9.9元的价格仍能盈利时，情况就不同了。瑞幸不仅拥有强大的品牌影响力、良好的用户体验，还具备价格优势，这使得我的朋友意识到无法与之竞争。因此，他果断决定关闭所有门店。

所以，我想和大家交流的是，虽然你现在没有拥抱AI，但是未来一年、两年、三年后，当你还在寻求增长和扩张时，可能会突然发现整个市场不存在了，你的商业模式遇到了问题，这是非常有可能发生的。

这正是我们需要思考拥抱AI的核心原因。如果你能想到这一层，那么我相信你的决心和动力都会十足。

四、企业应用AI的双轮驱动

企业应用AI实际上是双轮驱动，第一是全员AI化，第二是业务流AI化。所谓全员AI就是人人懂AI，业务流AI化就是事事有AI，这听起来非常简单。

1.全员AI化：人人懂AI

先来讲全员AI化这件事。

根据埃森哲的一份报告，具体如下图所示：

当前人工智能（AI）在工作领域的替代能力，从行业角度来看，平均约为31%。在银行、保险等办公密集型行业中，AI的影响程度尤为显著。而在体力劳动为主的工业、化工及自然资源领域，其影响力相对较低。然而，整体行业的平均值仍维持在31%左右。

按岗位类型划分，如上图所示，情况也颇为相似。办公室支持和行政支持等职位的AI替代率甚至超过50%，而保洁、维护等岗位则不足10%。无论是按行业还是职业分类，平均替代率均在31%左右。

这意味着，如果企业全体员工能够深度利用并掌握AI技术，理论上可以实现20%至30%的效率提升。这一结果是显而易见的。

全员AI化的好处远不止于此，但其推广并非易事。实际上，实现全员AI化需要一定的时间。例如，蓝色光标和安克创新等上市公司早在GPT发布之初就提出了全面AI化的理念，并且已经实施了超过一年的时间。

因此，推动全员AI化是一个逐步的过程，需要我们逐渐将AI融入组织文化中，使组织逐步实现AI化。

全员AI化主要分为以下4个阶段：

① 思维转变

我们强调，思维转变至关重要，它是变革的起点。有了思维转变，基本上已经成功了一半。我们要做的事情是让企业员工都能对AI感兴趣，不抵触AI并充分拥抱它。

在过去服务的很多企业中，上同样的课、做同样的项目、做同样的工作方式，不同企业的感受完全不同。有的企业认为收获很大，有的企业认为这事跟我没关系，我也不用好好听。即使你讲得课再好，人家也不听，那你有什么办法？

因此，整个思维转变是第一步，我们首先要把全员的思维准备好，全员的意识要觉醒，要认识到AI是我们必备的能力，不进则退。

② 能力构建

在这个时代车轮滚滚向前的时候，唯有拥抱AI才是明智之举，抵抗只会让我们陷入被动。

试问，将自己置于AI时代潮流的对立面，对公司未来趋势视而不见，这真的对你有益吗？答案显然是否定的。

当员工想明白这个道理，有了思维上的转变，我们就可以借此机会培养他的AI使用能力。随着能力培养和意愿提高，他们逐渐形成了一个正向飞轮。

一旦有使用场景，他们就会喜欢使用AI。由于AI能力不错，效果也非常好，因此使用次数越来越多，越使用越好，越好用我们就越使用，从而形成了这样的一个正向飞轮。

③ 习惯养成

随着你不断使用AI，逐渐养成AI使用的习惯，这是我们所说的第一念原理。

④ 文化重塑

当第一念原理已深深植根于组织成员心中，且先进者引领后进者逐步养成AI使用习惯时，组织文化便得以重塑，并被打上AI的标签。

此时，新成员加入会发现，若不拥抱AI，将陷入脱节困境——他人用AI两分钟完成的任务，自己却需耗时两小时。

因此，他不得不拥抱AI。如此，组织便实现了真正的AI化。

当一个组织AI化后，它的创新力、效率和敏捷度完全不同。只有这样的组织才能够在AI大时代下立于不败之地。这就是我们所讲的全员AI化。

2.业务流AI化：事事有AI

① 什么叫业务流AI化？

什么叫业务流AI化？其实就像服务用友公司一样，它并不是每个销售都需要深度学习AI的使用能力。

虽然我们进行了培训，但效果更好的是我们基于业务流程进行梳理。在梳理完成之后找到AI的应用结合点，开发出AI工具直接供他使用，相当于将AI工具嵌入到原有业务流中。

这样在他不需要掌握太多AI技能的同时，能够享受AI带给我们的结果。

当然，想要真正理解业务流程化的概念，还需要看看是怎么看待AI的。大家觉得AI是什么？是一个工具，或者是一个搜索引擎，亦或是什么东西。

我们认为，不管你过去把它当什么看，现在转换视角，AI其实是另一种生命。

当我们以生命的视角看待AI时，你会发现整个组织发生了很大变化。传统组织纵向深入，横向不打通，效率非常低下。而互联网组织进一步实现扁平，效率得到提升。

AI时代的组织应该是什么样的？AI时代的组织不一定全部由人组成，AI一定是硅基生命和碳基生命共存的组织。

未来我们一定会跳脱原有组织形态，生长出（上图所示）这样的共生型AI流式组织，这个组织里有碳基生命和硅基生命。

如果现在问你企业多少人，你会说300个人，未来你可能会回答我有20个碳基生命和30个硅基生命。

因此，当你把AI当作一个生命时，整个感觉完全不同。

当你有了这种意识后，就会知道业务流AI化的好处。

第一，人力资源显著降低。

第二，摆脱人的能力波动。

今天人的状态可能不好，明天生病了等都会对工作产生影响，但AI不会。

第三，赋能前端，快速响应，决策效率非常高。

过去，我们如何进行决策？基层人员首先观察到变化，然后将信息逐层上报至领导，接着进行讨论，再将指令逐层下达，最终作出决定并实施改变。整个过程可能需要一天、一周甚至一个月的时间，具体时长取决于组织的响应速度。

在人工智能时代，智能体（Agent）直接接收并处理信息。数据是构建AI的基础，整个数据集是相互关联的。一线的智能体能够全面了解所有数据，并具备足够的思考能力。因此，此时的决策可以在秒级内完成。

相较于过去需要数日、数周乃至数月才能做出的决策，现在能够在几秒钟内观察到变化便可以迅速做出决策，这就是业务的流AI化。

第四，正如我们所讲，我们不需要每个人都深度掌握AI的使用能力，只需要将AI工具开发给用户使用即可。

这是业务流AI化的概念。

比如，在短视频制作方面，原有的流程是：获取用户画像、确定产品卖点、撰写初稿、进行初审、修改为二稿、再次审核、输出检测，直至最终定稿。

当我们将这一传统流程梳理清晰后，实质上就是利用AI技术对其进行了全面重构，通过AI工作流实现了业务流程的自动化，这便是我们的业务流AI化，即一旦此流程趋于固定且具有高度重复性，我们即可采用这种方式实施。

② 如何做到业务流AI化？

我们说业务流AI化有三重境界，即优化、重构和掀翻。

具体如何理解？这涉及到对现有流程的梳理，并思考如何通过AI技术进行优化、重构乃至掀翻的思考。

首先，考虑在现有流程不变的情况下，哪些环节可以与AI技术相结合；其次，如果流程发生变化，但输出保持不变，那么在AI时代是否有可能对整个流程进行重构；最后，探讨流程输出本身是否已不再适用，以及如何在AI时代设计新型流程，尝试利用AI能力重塑我们的业务流程。

以电商产品图为例，如上图所示。左侧是在小红书上的图片，客户认为非常好，现在需要将右侧的产品拍摄成左侧的样子。

原来可能需要实景拍摄，现在利用AI如何复刻？具体下图所示：

我们先将AI纳入其中，使用AI生成左边的内容。因为AI无法判断产品的外观，所以使用AI生成的极限即为左边这张图。当AI能力不足时，我们可以利用人工智能加入PS技巧，制作出右侧这张图片。

这正是以AI为中心的流程设计思路。然而，仅仅重构流程是否足够？我们是否能够做出更大的改变掀翻业务流？AI时代的业务流的输出真的有效吗？是否有可能输出本身就是错的？我们是否考虑过过去生产的文案、海报和视频在AI时代是否是最高效地传递信息方式，是否有更好的方式去完成这些事情？

这些问题的背后其实都是未被满足的需求点。所以，新机会点的本质是需求未被满足。当我们梳理出流程后，通过优化、重构和掀翻业务流的方式，就可以更好地找到AI时代的新机会。

即整个业务流AI化的关键点在于找到关键业务流程。通过精准嵌入AI并非广撒网式的随便找个AI的结合点开发一个智能体嵌入流程，我们的目标是找到那些高重复性且对企业有重大帮助的业务流程。

写在最后

最后，我想与大家分享，这是一个崭新的时代，百年难遇的技术革命已然降临，而我们有幸在这个年龄亲历这场革命。

实际上，AI本质上是一场效率革命，它并非简单的降本30%的效率提升，而是一场10倍速的效率提升，可能从2小时变成5分钟。

当效率达到极致时，商业模式将发生变化，这是一场极其罕见的效率游戏。整个世界的资源都会因效率的不同和高低而重新分配，所有资源都会向高效倾斜。

希望大家从今天开始以更开放的心态拥抱AI，对于企业而言，我们要做好双轮驱动，更好地理解和拥抱AI，真正让企业插上AI的翅膀，在新的时代展翅飞翔。