从 Claude Code、Codex、Gemini CLI 到 Grok Build，一场围绕 Agent 的竞争正在迅速升温；慢慢的变多开发者开始把 AI 当作真正的“搭档”，慢慢的变多企业也开始重新思考软件研发、产品设计乃至业务流程的组织方式。

  但热闹之外，一个问题也慢慢变得现实：AI 产品究竟该如何创造价值？模型越来越强已经不是竞争终点，如何让 Agent 真正达成目标、让产品跑通商业闭环、让 AI 创造可衡量的 ROI，正成为整个行业关注的新焦点。

  7 月 17 日，由奇点智能研究院与 CSDN 联合举办的「2026 奇点智能产品大会」在北京盛大开幕。在今日的主会场上，围绕 Agent 产品创新、物理 AI、AI 落地 ROI、AI 产品设计方法论等热点议题，奇点智能研究院院长、CSDN 高级副总裁李建忠，驭势科技董事长兼 CEO 吴甘沙，有赞创始人兼 CEO 白鸦（朱宁），快手使用者真实的体验部负责人徐欣，元理智能创始人、前智谱 COO 张帆等重磅嘉宾展开分享，一同探讨 AI 产品创新的底层逻辑与产业实践。

  现场讨论热烈、座无虚席，一场围绕 AI 产品未来形态与产业价值的深度交流由此展开。

  作为大会开场嘉宾，奇点智能研究院院长、CSDN 高级副总裁李建忠发表了题为《Agent 产品创新的十个命题》的主题演讲。面对 AI 技术快速演进，他从底层逻辑、产品价值、设计范式、交互方式、商业模式和技术边界等多重维度，拆解 AI 时代产品创新正在发生的范式变化，并提出重塑产品认知的十个核心命题：

  5. 形态演进：Agent 时代，传统软件/App 不会消失，而是演进为即时软件与柔性软件。

  9. 能力上限：Agentic Scaling（智能体扩展）的杠杆效应远未见顶。

  李建忠认为，理解 AI 时代产品创新，首先要认识底层逻辑的变化。传统互联网时代围绕“连接”展开，核心是解决信息与服务匹配问题；而 AI 时代则进入“计算”范式，核心是智能供给。过去是机器提供数据辅助人类决策，而如今则是人类提供上下文，让机器完成任务。

  这一变化也重新定义了产品价值。传统软件时代，产品主要提供工具供用户操作，而 AI 产品开始直接交付结果。以 IDE、Office、Photoshop、CRM 等为代表的软件，本质上是能力工具；而 AI Coding、AI Office、AI CRM 则开始直接承担代码编写、文档生成、销售执行等任务。对此，李建忠表示，“AI 时代的产品经理，我认为他是智能劳动系统的设计师。” 相比设计功能和用户流程，更重要的是设计 Agent 如何理解任务、调用能力，并最终完成结果交付。

  谈及产品设计的新范式，李建忠指出，AI 产品已经从 Prompt Engineering（提示词工程）、Context Engineering（上下文工程），演进到 Harness Engineering（驾驭工程），并开始迈向 Loop Engineering（循环工程）。他强调，这并非只是工程师的工作，而是产品团队与工程团队共同参与的系统模块设计。未来产品经理需要围绕 Agent 的完整任务链展开设计，包括上下文、记忆、技能、工具、沙箱以及评估机制，让 Agent 能完成“知道、行动、反馈”的闭环。

  在人机交互方面，李建忠强调，Agent 正在成为新的交互入口。用户通过自然语言提出需求，Agent 自主调用软件达成目标，软件也将从“Design for Human”转向“Design for Agent”。未来应用会促进服务化、App 不再孤立，我们也无需结构化 UI。同时，传统依赖菜单、表单等结构化界面的交互方式将逐步演进为生成式 UI，按照每个用户需求动态生成更加个性化的交互体验。

  针对“Agent 时代 App 是否会消失”的热门讨论，李建忠给出了否定答案。在他看来，软件基于确定性计算，Agent 基于概率性计算，两者将在未来长期共存。在这一过程中，软件形态也将发生变化，除了传统应用，还会出现“即时软件（Instant Software）”和“柔性软件（Elastic Software）”等新范式，通过 Agent 按需生成更加个性化的应用能力。他认为，这类软件虽然仍存在争议，但正如短视频曾颠覆传统影视行业一样，边缘创新往往孕育着下一代产品机会。

  此外，李建忠指出，互联网时代围绕 PV、DAU、用户时长等流量指标建立的方法论，已难以衡量 Agent 产品价值。相比追求用户停留时间，Agent 更强调“用完即走”，真正重要的是任务完成率、单任务价值以及 Token 等计算指标。在他看来，AI 产品的护城河也正在发生变化。互联网时代依赖的是双边市场形成的网络效应，而 Agent 产品更依赖“能力飞轮”，随着记忆、技能、工具和反馈闭环不断积累，Agent 会越用越智能、任务完成率越来越高。他认为，“AI 没有双边网络效应，它真正的护城河是能力飞轮。” 其中，长期记忆将成为决定 Agent 能力跃迁的关键，也是未来竞争的重要方向。

  对于 Agent 的未来上限，李建忠认为，当前 Agent 仍处于早期阶段，能力提升空间巨大。他提出，未来 Agent 的核心突破将来自“Agentic Scaling”，包括协作数量、运行时长和迭代深度三个方向。他表示，当前 Agent 仍处于“婴儿时期”，未来几年 AI 能力演进远未见顶。

  针对“Agent 是否具备真正推理能力”的争议，李建忠表示，业界目前仍存在两种观点：一方认为 AI 只是基于数据的模式匹配，另一方则认为其已经具备类似人类的推理能力。他更倾向于后者，并认为模式匹配与逻辑推理并非二元对立，而是存在连续关系。他引用 Anthropic 关于 J-space 的研究指出，大模型的能力并不只是简单预测下一个 Token。在长期语言训练过程中，模型逐渐学习到了语言背后的抽象概念和语义关联，并形成跨语言的概念表示体系。这与人类通过抽象建立认知的过程存在一定相似性。他认为，随着模型能力持续发展，AI 的推理能力仍将不断演进。

  最后，李建忠在大会现场正式发布 AI 全媒体平台“奇点折射”。他表示，“奇点”代表 AI 迈向超越人类智能的关键临界点，“折射”则寓意如同光的折射一般，通过多元视角解构 AI 技术与产品范式，洞察产业创新。未来，“奇点折射”将汇聚行业专家的深度观点，以“跨越 AI 奇点，折射产业未来”为理念，通过全媒体传播持续输出高质量内容，为产业发展带来更多启发与思考。

  以《从自动驾驶到物理 AI：从万人出发到孤独的长跑》为题，驭势科技董事长兼 CEO 吴甘沙结合驭势科技近十年的创业历程，分享了自己对于物理 AI 产品、技术演进和商业模式的思考。

  他表示，2016 年自动驾驶创业潮兴起时，行业曾有数百家企业同时出发，而十年后的今天，坚持下来的企业已经屈指可数。如今，自动驾驶被赋予了新的名字——物理 AI（Physical AI），但其本质仍然是一场需要长期投入、持续迭代的“孤独长跑”。

  吴甘沙认为，与数字世界相比，物理 AI 产品面临着完全不同的挑战：在数字产品中，“99 分”往往已经足够优秀；但对于自动驾驶而言，99 分意味着仍可能发生事故，因此等同于 0 分。

  基于十年的创业实践，他提出，物理 AI 的竞争首先要回答一个问题：这究竟是一场速决战还是持久战？他的判断是，自动驾驶和物理 AI 本质上属于长期竞争赛道。行业中的大多数企业都能将产品做到“99 分”，但最后的 1% 往往需要投入 99% 的时间和资源，这也给创业公司留下了持续成长的窗口。

  时间维度上，创业的前 15-20 年更像一场马拉松，是企业不断积累能力的“竞”；后 5 年则进入商业竞争阶段，是一场真正决定胜负的“争”。企业应遵循“先为不可胜，以待敌之可胜”的原则，将更多精力放在自身能力建设，而不是盲目追逐竞争对手。

  空间维度上，他将乘用车市场比作竞争激烈的“荆州”，商用车则是能够建立根据地的“益州”。创业公司应短期以“益州”安身立命，同时兼顾“荆州”积累数据优势。

  找到“益州”之后，该如何致胜？吴甘沙分享了 PMF（产品市场匹配）的寻找过程——“黄金铲子挖富矿”。市场端要满足人又缺又贵、法规允许、社会支持三重条件；产品端则要看技术是否接近 100 分、成本是否算得过来、事故后果是否可控。

  吴甘沙表示，驭势科技找到的“富矿”是机场场景：目前，驭势科技已在国内前 20 大机场中的 15 家，以及全球前 10 大机场中的 3 家实现无人驾驶规模化运营，占据国内机场无人驾驶市场超过九成份额。他强调，真正的产品价值不仅是实现车辆自动驾驶，而是完成挂接、装卸、充电等全流程无人化闭环，真正解决客户问题，才算实现产品与市场的匹配。

  在技术演进方面，他认为，近年来具身智能的发展让自动驾驶迎来了新的窗口期。从早期感知算法，到端到端架构，再到融合视觉语言模型（VLM）、视觉语言动作模型（VLA）、强化学习和世界模型。自动驾驶技术路线正在逐渐收敛，也越来越接近人类学习驾驶的过程：预训练相当于积累社会认知，驾校训练类似监督微调（SFT），新手上路则对应强化学习，而熟练驾驶则依赖世界模型与长期经验的积累。

  因此，面向未来，吴甘沙分享了驭势科技推进 AI Native 的实践：提出 AI First 理念，在产品研发、企业运营、知识管理等环节全面引入 AI，并自主开发了多 Agent 工程系统“造父”，希望借助 AI 实现从需求定义、任务拆解到持续交付的端到端闭环，进一步提升研发效率和组织杠杆。

  “物理世界的 AI 是一场孤独的长跑。”在演讲最后，吴甘沙总结道，长跑者不能追风口，也不能怕孤独，专注于把每一步踩实。当所有人都在谈论奇点，真正改变世界的，是看到奇点前面需要什么样的桥梁，并把它造好。

  在 AI 浪潮不断深入产业的当下，AI 应用究竟会走向何方？有赞创始人兼 CEO 白鸦（朱宁）在本次大会上发表《让非技术人员完成自己的产品演示和研发》主题演讲，分享了他对 AI 应用演进趋势以及产业落地方向的观察。

  最底层、用户规模最大的将是 AI 问答类产品，其日活用户规模可能达到数亿甚至十亿级别。另一类则是类似微信 AI 的超级入口型应用，但这类产品更多承担信息获取、辅助沟通等功能，用户使用深度相对有限。

  在 AI 问答之上，是 AI Copilot 和 AI 办事类应用，再进一步则是 AI Agent。用户可以通过 AI 完成更加复杂的任务，例如整理资料、处理工作流程，甚至完成部分此前需要人工执行的工作。白鸦表示，这一阶段依然会延续互联网时代的竞争规律，即高频应用会不断挤压低频应用的空间。“当你的 AI 原生入口级产品已经被别人占领之后，后来者再想进入会非常困难。”

  而真正接近 AI Native 的竞争，将出现在 AI 创作、AI 管理型应用等领域。比如利用 AI 完成影视级内容创作、生成完整产品，或者打造面向具体行业的智能应用，这些场景对技术能力、产品设计和行业理解提出了更高要求。

  基于这些判断，有赞也开始探索更高阶的 AI Agent 和 AI 创作方向，并推出了一个对非技术人极其友好的对话编程平台 superun。白鸦回顾，这款产品最初的方向是利用 AI 直接生成设计界面，但经过两年的探索后发现，这条路并不容易走通。“模型今天根本没有 UI 相关的数据，所以没有办法训练出真正好的界面。”

  相比之下，大模型在代码生成领域已经积累了大量数据，因此团队最终调整方向，从“AI 设计”转向“AI Coding”，通过自然语言生成代码，再进一步渲染出真实可用的产品界面。这一转变也让白鸦看到了 AI 编程的新机会。

  在过去，产品经理、运营人员或者企业管理者提出需求后，需要依赖设计师和程序员完成产品原型，但很多 Demo 只是视觉展示，并不是真正的业务模拟。而 AI Coding 生成的产品，不仅能够还原界面，还可以生成真实的数据、流程和交互效果。“以前设计师做出来的 Demo，除了好看，剩下全是假的。但 AI 今天生成的界面，可以把商品图片、名称、价格都真实呈现出来。”白鸦表示，这让业务人员能够快速验证自己的想法。

  在他看来，superun 的核心价值并不是帮助程序员提高效率，而是让过去被技术限制的非技术人员拥有创造软件的能力。“过去几十年的职业生涯，很多业务人员其实一直在被技术绑架。”白鸦说。许多企业管理者和行业专家拥有丰富的业务经验，但由于不会编程，无法直接将自己的想法转化为产品，只能依赖技术团队实现。

  为了让非技术人员真正使用 AI 开发产品，superun 进行了大量产品优化，包括引入专业 UI 设计经验、模拟高级产品经理思考方式，并将软件开发流程拆解为“构想、Demo、Coding、上线”等阶段，让用户能够逐步完善自己的作品。

  白鸦认为，未来软件行业的主导者可能不再只是程序员，而是那些深度理解业务、能够总结行业规律的人。未来大量固定流程但存在个性化需求的软件，例如企业内部管理、人事、采购、财务等系统，都可能通过 AI 由业务人员自主完成。“外包的软件开发，未来可能会越来越少，因为业务人员自己就可以完成软件重构。”

  围绕《模型之外：AI 与业务结合实践分享》这一主题，快手用户体验部负责人徐欣分享了快手在推动 AI 与业务融合过程中踩过的“坑”，并直面了一个更本质的问题：当 AI 进入真实业务场景，最难的不是模型本身，而是模型之外的团队协作、组织管理和个人认知。

  徐欣表示，自 ChatGPT 发布后，快手用户体验部很早便开始探索 AI 在业务中的应用。他们将 AI 的价值划分为三个层次：首先是赋能个人，帮助员工提升工作效率；其次是赋能团队，将流程化、重复性的事务交给 AI 自动完成；最终则是赋能业务，推动企业实现降本增效和业务目标。

  随着 AI 能力不断增强，徐欣认为，企业正迎来新的挑战。一方面，AI 正在模糊各岗位之间的边界，越来越多没有技术背景的业务人员借助 AI 工具，也能独立完成产品原型甚至上线 MVP，这将逐步打破原有的分工合作模式；另一方面，组织内部又面临“个人成长”与“组织效率”之间的新矛盾。

  他举例称，在快手用户体验部，一个业务团队希望自主开发 Agent 及相应的开发框架，以积累 AI 能力；而 AI 平台团队则建议直接复用已有框架，避免重复建设。表面上看，这是资源复用的问题，实际上反映的是团队成员希望通过实践提升能力，而组织更强调复用和避免重复建设导向之间的矛盾。

  为此，快手用户体验部重新划定了“重复建设”的边界：鼓励各团队围绕不同业务场景自主探索 Agent 和开发工具，但生成后的 Agent、Skill 以及相关能力规范则统一治理，实现可发现、可维护、可复用，既保障创新，又避免重复投入。

  除此之外，徐欣还分享了 AI 项目实施中的一些常见误区，包括模型选型“大炮打蚊子”、解决方案偷懒、多个项目重复调用等问题。他表示，一个优秀的 Prompt 与普通 Prompt，成本甚至可能相差 90% 以上，因此模型治理和工程优化同样重要。

  在演讲最后，徐欣总结道：企业推进 AI 落地，真正困难的往往不是模型本身，而是模型之外的组织管理、团队协作、人才成长以及业务理解——只有解决这些问题，AI 才能真正转化为推动业务发展的生产力。

  从技术视角来看，AI 时代的产品设计的第一性是什么？元理智能创始人、前智谱 COO 张帆围绕《从AI模型第一性视角，重构产品设计方法论》这一主题，分享了他对于 AI 产品设计范式变化的思考。

  张帆表示，AI 时代的产品设计与过去的软件产品已经发生了根本变化。过去的软件产品本质上类似一个“有限状态机”，产品经理需要提前设想客户的真实需求，尽可能穷举各种功能和流程，并通过明确规则实现交互，整个过程具有较强的确定性。而 AI 产品不同，其底层逻辑来自概率分布。很多 AI 产品看似只有一个输入框，却能够承载远超传统界面的能力。因此，理解 AI 产品的关键，不再是沿用过去确定性的设计方法，而是思考如何影响和塑造模型输出的概率分布。

  在张帆看来，产品的本质并非简单的交互界面，而是人与机器之间沟通的方式。过去几十年的产品演进，实际上都围绕两个核心问题展开：人如何更准确地表达意图，以及机器如何更准确地理解和执行。从早期的打孔机、命令行，到图形界面、移动端触控，再到如今的自然语言和多模态交互，技术不断降低人与机器之间的沟通成本，提高信息传递效率。

  当前随着大模型出现，人机交互进一步演变为自然语言甚至多模态交互。张帆认为，人机交互的发展始终围绕两个核心因素：一是通信带宽，二是理解效率。正因为如此，AI 时代产品设计的重点正在发生明显的变化。过去，产品更多关注如何帮助用户生产内容，而未来更重要的问题，是如何帮助用户验证内容。

  他以内容生产为例指出，如今 AI 生成文章、图片甚至代码已经变得越来越容易，但判断这些结果是否真正有效，反而成为新的挑战。因此，AI 产品的价值不再只是降低用户输入成本，而是帮助用户判断 AI 输出是否符合目标，并通过产品设计提升结果的可靠性。

  张帆认为，过去产品设计更像是在绘制一张确定性的地图，通过设计流程和规则覆盖用户需求；而 AI 时代，产品设计的核心则变成了“雕塑概率分布”。产品价值不再来自简单的界面设计，而在于能否通过模型、Agent、业务流程等组合方式，形成区别于通用模型的独特能力。他指出，当前很多 AI 产品的问题在于，将“使用 AI 做出一个产品”本身视为价值。但如果用户通过一句话就能获得同样结果，那么价值实际上属于模型，而不是产品。真正具备竞争力的产品，需要通过数据、流程、反馈机制等方式改变模型输出结果的概率分布，形成自身的业务优势。

  进一步来看，AI 产品设计最大的挑战，是如何在无法穷举所有场景的情况下，让模型持续产生可靠结果。这也是近年来 Evals Engineer（评测工程师）受到关注的原因。相比过去关注如何优化 Prompt，如今更重要的是建立有效的评价机制，通过持续反馈发现问题、优化模型表现。

  张帆表示，模型自我进化能力的核心来自“生产”和“验证”的不对称。创造一个优秀结果往往需要大量探索，但判断结果好坏通常更加容易，而验证过程产生的反馈，能够反向推动生产能力提升。这一逻辑已经在 AlphaGo 等系统中得到验证：通过自我探索和自我验证，模型能够突破对人类经验的依赖，实现持续优化。

  不过，他也指出，这套方法目前还没有大规模应用到商业场景。而核心原因在于，围棋和真实商业环境存在巨大差异。围棋有明确胜负，代码有测试结果，但营销、销售等复杂业务场景往往涉及多维目标和长期反馈。因此，未来 AI 产品的重要能力，不只是调用通用模型，而是在具体领域中构建有效的“验证器”，让 AI 能够围绕业务目标持续优化。

  “AI 时代产品经理的角色也将重新定义”，张帆说道。机器更擅长探索和搜索，而人的价值在于设定方向和边界。“人的作用不是告诉机器每一步怎么做，而是给它设定围栏和指南针。”他表示，过度细化的 Prompt 会限制模型探索空间，而完全开放的环境又可能导致低效探索，优秀的产品设计需要在目标约束和探索能力之间找到平衡。

  最终，AI 时代的产品设计，本质上是在模型、Agent、业务流程和交互方式多个层面共同塑造概率分布，让 AI 从一个通用能力变成真正服务具体场景的产品能力。

  如果说以上几位嘉宾的主题演讲，分别从 Agent、物理 AI、组织变革、AI 落地实践等不同角度分享了一线经验，那么随后的圆桌对话，则将讨论进一步聚焦到一个更具共性的命题——AI 正在如何重构产品、组织与商业？

  当 AI 从工具走向生产力，产品研发方式、团队协作模式乃至企业竞争逻辑都在发生深刻变化。产品经理是否还会是传统意义上的产品经理？AI 编程会带来怎样的组织重构？当开发门槛不断降低，产品真正的竞争壁垒又将建立在哪里？围绕这些行业普遍关注的问题，在 CSDN&《新程序员》执行总编唐小引的主持下，CSDN 创始人兼董事长蒋涛，驭势科技董事长兼 CEO 吴甘沙，快手用户体验部负责人徐欣，元理智能创始人、前智谱 COO 张帆展开了一场关于 AI 产品未来的深度讨论。

  唐小引：第一问，是大家经常关心的“AI 如何重构产品”。站在今天这个时间点，当人人都能做产品、代码成本趋近于零，未来什么才是真正稀缺的能力？AI 时代的产品经理、产品团队以及创业者，应该如何重新定义产品价值和竞争壁垒？

  蒋涛：我认为，AI 正在彻底改变产品研发过程。过去，从想法到代码需要漫长的开发周期，而今天，代码 95% 可由 AI 生成，从思想到代码的创造性过程变得极快，想法的人可以快速进行 AI Coding 实验和验证。未来，一个公司可能只剩下两个人：一个是出想法、定义市场、对最终结果负责的人，也就是新时代的产品经理；另一个就是技术架构师，负责定义技术架构、输入与反馈机制。

  不过，AI 改变的是研发效率，并不是产品方法论本身。无论是用户研究、用户故事还是产品体验，这些经典方法依然适用，只是 AI 大幅降低了实践门槛。特别是对于中小企业而言，AI 能帮产品经理补齐过去因资源不足而缺失的能力。

  吴甘沙：在我看来，AI 首先降低了创新的门槛。对于大公司来说，他们往往不缺研发能力，而是缺真正有价值的 Idea；对于创业团队而言，AI 让一个好想法更容易变成现实，大幅降低了资源和成本门槛。

  与此同时，产品开发流程也发生了巨大变化。过去，编码耗时最长；如今，代码生成越来越快，但验证却变得更加重要，特别是在自动驾驶这样的生产级系统中，真正的挑战是如何保证系统安全可靠。因此，研发资源和时间分配都会发生重构。

  另外，当开发越来越容易，产品经理也必须重新思考“护城河”在哪里：界面可以生成，流程可以自动搭建，但真正难以复制的是长期积累的数据、行业经验以及客户沉淀，这些才是未来产品竞争最重要的壁垒。

  徐欣：坦白说，我现在还猜不到接下来会怎样变化。但在我看来，未来岗位会逐渐分化成两类：一类是有技术背景的人，他们借助 AI 可以大幅提升研发效率，并解决系统稳定性、性能等更复杂的问题；另一类则是不具备技术背景的人，他们也能借助 AI 独立完成过去需要产品经理和研发共同完成的大量工作。

  但无论岗位如何变化，有一件事情始终不会变，那就是产品经理必须始终围绕客户价值思考：用户真正的痛点是什么？怎样以最低门槛、最高效率把价值交付给用户？AI 只是让从想法到 MVP、再到产品上线的过程越来越快，而最终交付给目标客户的东西，一定是他觉得有用、有价值的。

  张帆：今天的产品经理和过去的差别越来越大，过去像“工程师”，而现在更像是“魔法师”。AI 能快速生成产品、代码甚至 Demo，但大家首先要想清楚：哪些价值真正来自自己，哪些只是模型能力的体现。

  我认为，未来产品竞争的关键，在于理解通用智能与垂直智能的区别。通用大模型追求的是泛化能力，希望什么问题都能回答；而真正有商业价值的产品，更应该围绕具体场景，打造在特定环境下的最优解，而不是追求“什么都会”。因此，产品经理真正需要思考的，不是如何与大模型比拼能力，而是如何利用 AI 在特定的业务环境中构建远优于通用智能的垂直能力。这也是 AI 时代产品最核心的竞争力。

  唐小引：第二个问题，AI 如何重构组织？当 Agent 开始承担执行，人转向定义目标、提供反馈，传统围绕人际协作建立的流程、岗位和考核体系正在失效。那么，AI 时代的组织应该如何完成“基因改造”，重新定义效率、人才和管理方式？

  蒋涛：先看一个现象：像 Cursor、Claude Code 这样的团队，人数并不多，却创造了过去数百人团队才能实现的价值。这说明生产力已经发生质变，一个优秀的产品经理加上 AI，就能够撬动巨大的生产力。

  第二个现象是，各大公司 CTO 纷纷跳槽加入 AI 创业公司，为了 Token 自由。过去，科技公司最大的成本一直是人，而未来真正的 AI 原生企业，核心资源会变成 Token 和算力。而判断一个组织是不是 AI Native，很简单——Token 消耗量要远远大于人员消耗量。未来 AI 原生公司的最大成本不是人，是算力。

  首先鼓励管理者和各个部门分析自己的时间分配和核心业务，寻找最值得用 AI 提效的场景，并建立可量化的评估指标。在研发领域，我们正在推广 Harness 环境，让 AI 不只是辅助写代码，而是参与完整的软件交付流程。未来重要的是建立数据和反馈机制，知道 AI 到底在哪些环节产生了价值，并持续优化。除了研发，跨部门协同也是 AI 可以发挥巨大作用的地方。过去企业协作效率低，一个重要原因是知识分布不均、沟通成本高。现在通过统一知识库，每个人都能快速获取信息，并建立共同标准。

  当然，目前我们只是迈出了第一步。未来企业需要构建统一知识库，甚至建立企业运营世界模型，让 AI 更深入参与组织运行。同时，也需要思考如何平衡“超级个体”和“超级团队”之间的关系。

  第二是组织。随着 AI 能力不断增强，每个团队都需要重新思考自身的定位和价值。例如，我们负责用户反馈分析的团队，以前大量时间用于数据清洗和分类，现在这些工作逐渐交给 AI，员工则需要更多关注业务分析和价值判断。另外，个人使用 AI 提效后，如何保证多人协作时效率不会衰减？比如研发人员通过 AI Coding 提升效率，但不同人生成的代码结构、规范可能不同，因此需要建立统一的代码规范、共享知识和协作机制。

  第三是跨组织协同。要看不同组织之间的协同关系，比如哪些能通过 AI 提效，哪些属于 AI 之外或者会产生哪些潜在问题，把这些问题解决，让跨组织协同效率最高。这样的线 人，或者人不减、用 AI 做更多事。

  张帆：我想分享一个“识”观点：个体效率提升，并不一定意味着组织效率提升。

  过去很多管理机制，本质上就是通过一定程度限制个体自由，来提升整体协作效率。例如填写 CRM、提交周报，看似降低个人效率，但保证了组织的信息同步和长期运行。因此，企业评价 AI 应用时，不能只看是否做出了一个炫酷 Demo，而要看是否真正被复用，是否实现了劳动力替代。如果一个 AI 工具不能让一个人完成过去两三个人的工作，或者成本高到无法推广，那再先进的 AI 也没有意义。

  我认为，AI 时代组织最大的挑战是控制“熵增”。过去一个部门建立自己的系统成本很高，所以企业还能保持一定统一性。但现在 AI 降低了开发门槛，如果每个人都随意创建工具、系统和流程，企业反而可能陷入混乱。

  所以我极度反对人人都去学 Coding。组织要有明确边界，什么人在什么范围内做什么事。否则完全自由发挥，最终就是短期自嗨，无法转化成真正的效率。

  唐小引：第三问，AI 如何重构商业？当 Token 成为新的生产要素，AI 从工具走向生产力，传统的产品形态、收入模式和价值衡量方式正在发生明显的变化。企业应该如何找到 AI 商业化的突破口，并建立面向未来的新增长模式？

  蒋涛：我先分享一下 AI 如何发挥作用：第一个变化，大公司提效会相对慢一些，是因为它本身的内部优化体系已经比较完善了。所以现在 AI 真正能够带来的提升，更多是在过去做不到的事情上。第二个变化，是大模型正在改变企业协作方式。未来，效率的来源不再只是人的分工，而是 Agent 带来的协同效率。人与人的沟通往往需要按天计算，而 Agent 与 Agent 之间的沟通效率可能提升一个数量级。第三个变化，是围绕 Agent 底层能力和工具体系，也就是所谓的 Harness。现在大家关注 AI 带来的效率提升，但更重要的问题是，效率提升之后，最终产出和商业价值是否同步增长。未来，单纯完成任务不再是核心，更重要的是创造什么价值，以及如何将效率转化为业务结果。

  从商业角度来看，人与人、人与组织之间的协同工具目前还远未成熟，仍处于持续演化阶段。因此，支撑未来协作方式的底层工具也需要发生变化。未来，原来人与人之间大量沟通和协调的方式，会逐渐转向人与 Agent 协同、Agent 与 Agent 协同。围绕这些新的协作方式，底层工具、组织方法和商业模式都会持续迭代。我认为，这就是 AI 带来的核心变化。

  当然，实现这种模式仍然面临很多挑战。首先，无人车前期硬件成本必须降低，要尽量减少对昂贵传感器的依赖。这意味着供应链管理能力要足够强，要不断把成本打下来。

  徐欣：放到今天来看，这件事已经容易很多了。因为现在模型部署的成本，相比三年前至少下降了十倍，甚至上万倍。大家也不会再执着于一定要做自己的模型，整体门槛低了很多。我觉得，未来商业模式的变化，或者说探索和重构商业最现实的路径，还是提高人的效率，以及降低探索和试错的成本。以前做一次探索，比如开发一个 App、验证一个小场景，至少需要产品、设计、研发三五个人协作。从产品设计到研发落地，即便团队配合顺利，也往往要一两个月才能完成。但今天，一个人就可以独立完成整个过程，实现过去一个十人团队才能达到的产出。

  张帆：AI 真正的价值还是体现在商业价值上。大家经常问，AI 到底是泡沫还是革命？今天投入了如此巨额的资本开支（CapEx）和算力，判断标准其实很简单：如果这些 CapEx 所产生的 token 真正转化为业务价值，它就是革命；如果没有，就是泡沫。

  那怎么看有没有业务价值？其实也很简单：看看标普 500、沪深 300。再看企业的财报，AI 是否真正影响了企业的核心业务指标。如果还没有进入核心经营环节，它带来的改变就还比较有限。不过，我相信这一切一定会发生。

  AI 进入商业之后，很容易陷入一个误区：生产要素发生革命性变化时，商业模式往往不是渐进式升级，而是重构。很多人希望把 AI 当作更高效的工具，就像给马车装上一台更强劲的发动机。但真正的问题不是如何让马车跑得更快，而是如何发明汽车。

  真正重要的是理解 AI 的第一性，理解它会如何改变产业链，以及自己未来会处于什么位置。今天很多人还在原来的路径上借助 AI 不断加固自己的护城河，但回过头才发现，城墙已经变了，原来的护城河也失去了意义。所以，我认为更重要的，不是在旧世界里把事情做得更高效，而是提前判断地表会如何变化，找到未来价值所在的位置，等待那个时代真正到来。这样，才能真正抓住 AI 带来的机会。

  唐小引：在变革的前夜，我们应该以怎样的姿态面对 AI？未来又该何去何从？请四位老师用一句话总结。

  徐欣：拥抱 AI。它就像当年的互联网一样，正在全面提升效率。能够身处这样的时代是一种幸运，最重要的是享受技术发展带来的每一个当下。

  张帆：「不要用战术上的勤奋掩盖战略上的懒惰」。我们不要盲目追逐每一个热点，也不要低效地停留在学习表层知识，而是真正去思考：AI 时代的第一性是什么？人与机器应该如何分工？在这样的分工下，我如何才能比别人创造出更好的结果？我觉得，这样一些问题都需要我们每天不断地反思、不断地思考。

  随着上午主会场的议程落下帷幕，关于 AI 产品的讨论并未停止，而是进一步延伸至更细分、更贴近产业实践的场景。

  首日下午，大会同步开启三大平行分会场，围绕 Agent、企业级 AI、AI Coding、AI 原生组织、具身智能与硬件产品、AI+行业应用落地、人机协同体验等核心专题展开深入探讨。来自腾讯、百度、蚂蚁集团、宇树科技、智元、科大讯飞、句子互动等企业的一线产品负责人、技术专家与产业实践者，从产品设计、研发协作到商业落地，结合真实案例分享 AI 产品从概念验证到规模化应用的实践经验，也让现场关于产品创新、组织变革与商业经济价值的讨论持续升温。

  会场之外，展区同样保持着全天的热度。嘉宾与参会者在各个展位间驻足交流，从产品演示到技术探讨，从合作洽谈到思想碰撞，气氛持续升温。在此特别感谢乐奇 Rokid、人民邮电出版社异步社区、清华大学出版社、电子工业出版社博文视点等合作伙伴对本次大会的鼎力支持。

  精彩仍在继续。7 月 18 日，「2026 奇点智能产品大会」还将带来更多聚焦企业实践、行业落地与产品创新的精彩分享，持续探索 AI 产品从技术突破走向规模化价值创造的新路径，敬请期待。返回搜狐，查看更加多