圆桌对话：2025 年，AI 如何重塑场景的未来边界？

8月27日，由与中欧国际工商学院联合主办的2025AIPartner百业大会于北京中关村软件园盛大启幕。本次大会以“中国式方案”为主题，分为“中国式方案”和“谁来定义下一个人工智能时代”两大篇章，围绕“中国式创新的黄金时刻”“超级智能体能否成为下一代AI的核心形态”“中国式方案重塑世界科技竞争格局”“AI+千行百业融合创新的繁荣景象”四大话题，全方位集中呈现中国AI的最新突破与生态体系，分享中国式AI的成长路径和未来前景，探索中国式方案的创新模式。

在AIPartner百业峰会特备策划了一场“2025年，AI如何重塑场景的未来边界？”的圆桌对话。资深作者【主持人】邓咏仪，中关村科金副总裁刘倩、长亭科技解决方案副总裁周辛酉、Mootion联合创始人&CPO童超、思必驰IOT事业部副总祝迎君，几位大咖供同行探讨「中国式AI方案」的场景边界。

以下为致辞内容，经整理编辑：

邓咏仪：欢迎大家来到AIPartner百业峰会。2025年，AI大模型持续带来惊喜，从年初的DeepSeek到年终开源模型大战，再到GPT-5的推出，模型能力的跃升为应用市场带来全新可能。今天我们请到来自模型服务、应用落地、垂直场景等**度的嘉宾，共同探讨“AI如何重塑未来场景的边界”。首先欢迎今天的嘉宾：中关村科金副总裁刘倩、长亭科技解决方案副总裁周辛酉、Mootion联合创始人&CPO童超、思必驰IOT事业部副总祝迎君，接下来，请各位简要自我介绍，以及今年行业内的“惊喜时刻”或困惑。

刘倩：大家好，我是中关村科金的刘倩，负责产品研发。中关村科金2014年成立，一直深耕智能科技与技术应用创新，我们聚焦金融、政务、制造、交通、汽车、零售及企业出海等高价值行业与场景，打造了覆盖多行业的垂类大模型解决方案，最近刚刚荣获2025《财富》中国科技50强。

说到“惊喜时刻”，其实做ToB企业服务，真正的价值不在大模型本身，而在“冰山之下”的系统工程——比如解决大模型幻觉需做大量知识工程与检索加强，避免智能客服聊10轮后失忆要优化上下文工程，多智能体落地要平衡效率与效果。这些“苦活累活”才是企业级场景的核心。对我们而言，最开心的时刻是客户用了我们的产品后，在效率、用户体验、员工效能、风控能力上真正获得提升，这才是落地的价值。

周辛酉：大家好，我是长亭科技的周辛酉，负责解决方案与商业化。长亭2014年成立，是100%自主技术、自主专利的国产安全公司，名字源自《送别》，英文名“CHAITIN”对应“蔡廷常数”——象征“已知却无法被计算机计算”，代表我们用朴素初心做前沿安全技术。创始团队是清华蓝莲花战队，曾首获Defcon黑客大赛全球亚军，至今拿遍国内攻防赛第一，连续三年国家演练排名第一。

今年的感受是“矛盾”的：业务上，企业盈利变难是共性挑战；但技术上，AI让我们能做以前做不到的事——比如用AI重构安全防御范式，实现“知攻善防、智能安全”。比如用AI自动化编程时，我们能同步嵌入安全检测，实时识别漏洞，这种“AI+安全”的融合，是以前不敢想的突破。

童超：大家好，我是Mootion联合创始人&CPO。Mootion是C端AI视频创作Agent，产品上线一年，海外已有几百万用户，和台上B端嘉宾不同，我们聚焦个人创作场景。

今年最惊喜的“变化”是：AI视频能力提升后，内容供给端正在“扩容”——以前没机会创作视频的人，现在能用AI实现创意，比如普通用户也能做剧情短片、产品介绍视频。这种“新创作者+新创意”的涌现，是以前看不到的。比如有人用我们的工具做宠物日常动画，有人做小众兴趣科普，这种“人人可创作”的趋势，让我们看到C端AI视频的巨大潜力。

祝迎君：大家好，我是思必驰的祝迎君。思必驰2007年成立，是老牌AI语音交互技术公司，专注“语音语言交互式大模型”，核心赛道是车载与智能家电：车载领域，梅赛德斯-奔驰、奥迪、保时捷、捷豹路虎、比亚迪、上汽等车企的底层语音技术是我们提供的；智能家电领域，海尔、海信、美的等90%以上的电视、空调、扫地机，用的是我们的交互方案。

今年的“里程碑”是数据——2017年我们上线对话平台时，智能硬件年激活量在行业均值；到去年，我们赋能的终端已达2亿台，指数级增长背后是AI的迭代。比如以前扫地机器人噪音大，2米外喊不醒，现在我们的信噪比可以达到-10db，实现高效精准的抗干扰效果，和毫秒级响应；以前会议转写错字多、没法用，现在识别准确率超95%，还能自动生成场景化摘要，这些“从能用to好用”“被动指令to主动服务”的突破，是AI带来的最实在的改变。

邓咏仪：底层模型能力一直在涨，像“海平面上升”倒逼应用“造船”。想请各位分享：你们行业里，AI是怎么突破场景边界、实现提效的？具体有哪些案例？

刘倩：企业场景里，AI不是“单点优化”，而是“流程闭环”。举三个例子：

客服场景：上一代客服自助率60%-70%，还得“按1转人工”，因为解决不了复杂问题。现在用大模型，用户说“扫地机器人坏了”，拍张照上传，AI能识别故障、自动建报修工单，还能联动顺丰下单取件，整个流程从“2小时”缩到“几分钟”，用户不用填信息、不用自己叫快递，这是“从‘问答’到‘办事’”的突破。

销售场景：以前顶尖销售能答90%客户问题，但普通销售做不到。现在用AI可以模拟“各种类型客户”，比如客户问“为什么是增程不是纯电”“充电桩铺了多少”，销售见客户前能反复练习，普通销售也能变成“超级销售”。

反诈场景：以前公安接报警后，人工登记、发止付指令要30分钟，**早转走钱了。现在大模型能实时提取报警关键信息，自动触发止付，时间缩到2分钟，帮助百姓挽回损失，守护好钱袋子。这些都是AI打破“流程断点”的价值。

周辛酉：安全领域的突破，藏在“看不见的代码里”。比如AI编程：现在80%的大模型token用于自动化编程，但问题是“AI写的代码可能有漏洞”。我们做了两件事：

开源工具“MonkeyCode”：普通人10分钟能生成量化交易软件——输入“用Python做A股量化”，AI自动写代码、调接口，还能优化“接口响应慢”的问题，全程不用懂编程。

商业化产品“码力”：在AI编程里加“安全校验”——AI写代码时，实时识别后门、密码泄露、逻辑漏洞，还能给修改建议。比如去年美国机构数据显示，AI构建的攻击量增3倍，隐藏度增60%，我们的工具就是帮企业“在AI提效时，守住安全底线”。

童超：C端视频场景的边界，在“多模态融合”里。以前AI只能做“动图”，现在能做“带剧情的短视频”，核心是“AI从‘工具’变成‘小团队’”：

比如用户想做“AI发展历史”科普视频，不用自己写脚本、拍素材——AI能当“编剧”写脚本，当“摄像”生成场景画面，当“剪辑”拼镜头，用户只要说“开头加个动画”“结尾放金句”，AI就能改。现在我们能支持2-5分钟视频，下一步是10-20分钟，关键要解决“人物、场景一致性”——比如视频里的主持人，不能前一秒穿红衣服，后一秒穿蓝衣服。这种“AI包办全流程”的能力，让普通用户也能做“专业级视频”。

祝迎君：语音交互的边界，在于“是否具备真正的智能对话能力”。传统语音技术仅停留在“指令识别工具”层面，而真正的智能对话，需要AI具备理解、记忆、适配场景的综合能力，我们把这个过程拆解成“耳朵、大脑、嘴巴”的进化：

耳朵（音频采集）：以前手机10米外听不到声音，现在家电、车机都能“远距离拾音”，比如车开着窗，后排说“调低空调”也能识别，解决了“输入不准”的基础问题。

大脑（语义理解）：以前是“问一句答一句”，比如问“明天天气”，再问“要带伞吗”，AI就忘了上一句。现在能“记上下文、做推理”，比如用户说“孩子要睡觉”，AI能自动调暗灯光、调低音量，变成“会决策的智能体”。

嘴巴（TTS）：以前林志玲语音是“标杆”，现在AI合成音能“以假乱真”——车载场景能复刻孩子的声音，家电能说“方言”，甚至能根据内容调整语气，比如读故事时用“温柔声”，报天气时用“清晰声”。这些细节让交互从“能用”变成“愿意用”。

邓咏仪：现在行业在争论“做AI辅助人的产品，还是人辅助AI的产品”。想请各位分享：你们实践中，这两种思路的边界在哪？踩过哪些坑？

刘倩：核心是“技术边界+责任边界”的平衡。比如我们服务金融客户，即便AI回复准确率99%，客户也不敢直接用——因为监管要求“回复内容必须从人工审核的话术库选”。这时候AI的角色是“辅助”：帮客服理解客户意图、找话术，但最终回复要人工确认。

再比如自动驾驶、医疗辅助，技术不成熟时，没人敢让AI独自决策。所以我的观点是：AI把“效率”做到极致，人类把“责任”把好关。坑的话，就是企业容易把“C端AI的体验”套到B端——觉得AI能“无所不知”，但其实企业需要的是“懂业务的AI”，比如银行AI要懂“贷款流程”，不是懂“天文地理”，这种预期差要慢慢调整。

周辛酉：用“乔哈里窗”能讲清楚——我知道、AI知道的事，AI辅助人提效（比如处理文档）；我知道、AI不知道的事，人教AI（比如我们把亿级漏洞数据喂给AI，教它识别攻击）；AI知道、我不知道的事，人问AI（比如用AI查最新漏洞原理）；都不知道的事，一起探索（比如AI怎么防御未知攻击）。

我们踩的坑是“早期客户觉得AI能替代安全工程师”，但实际是“AI+工程师”才厉害——AI能跑遍全网找漏洞，但判断“这个漏洞会不会影响业务”，还得靠人。现在客户慢慢明白，目标不是“替代人”，而是“人模合一”。

童超：C端和B端不一样：C端是“AI主导，人辅助”，B端严肃场景是“人主导，AI辅助”。

C端比如视频创作，用户只要说“要温馨风格”，AI就能出方案，用户改改细节就行——因为即便有瑕疵，后果也小。但如果是医疗、金融视频，肯定要人工审核。

坑的话，一是“用户跟不上AI速度”——AI每周都迭代新功能，用户记不住“现在能做3分钟视频了”；二是“认知差”——2024年数据显示40%美国人不知道ChatGPT，全球渗透还很慢，我们要花很多精力教用户“AI能帮你做什么”。

祝迎君：边界是“动态的”，不是固定的。比如会议转写：以前人工校对占30%，现在AI准确率超95%，人工只占10%；以前车载交互是“人说一句，AI做一句”，现在AI能“主动服务”——比如检测到乘客打哈欠，自动调低音乐。

坑的话，是“技术指标≠产品体验”：比如AI语音识别准确率98%，但实际用的时候，环境吵一点就不准；再比如客户说“要做智能音箱”，预算却只够做基础功能，这种“预期-预算”的鸿沟，需要我们慢慢磨合。但长期看，人机耦合是主旋律，只是“AI占比”会随技术成熟慢慢变高。

邓咏仪：最后想聊个轻松的话题：当你们产品应用落地时，客户对AI最常见的误区是什么？

刘倩：最大误区是“把C端AI的‘博学’，当成B端AI的‘能力’”。客户用了ChatGPT，觉得企业AI也该“什么都懂”，但其实企业需要的是“懂业务的AI”——比如银行AI不用懂“明星八卦”，但要懂“信用卡还款规则”。现在好的是，有些客户开始明白“数字员工也要培养”——教它行业知识、企业流程，用反馈持续优化，不是“一上线就无所不能”。

周辛酉：去年客户觉得“AI能替代人”，今年觉得“替代人的是会用AI的人”，认知在变，但误区还是“需求不清晰”——客户说“要做AI安全”，但不知道具体要解决什么问题。现在我们更多是“共创”：一起梳理“是防代码漏洞，还是防AI攻击”，再出方案，而不是“客户提需求，我们做产品”。

童超：误区是“高估AI的‘即时效果’，低估‘渗透难度’”。比如用户觉得“AI能马上做电影级视频”，但现在只能做短视频；再比如全球很多人还不知道ChatGPT，即便知道，也不知道“能用它做什么”，这种“认知-使用”的鸿沟，比技术突破更难填。

祝迎君：B端客户的误区是“技术指标=商业价值”——很多客户过于追求实验室测试数值，但我们会基于客户的业务场景、用户群体特征，提供更贴合实际需求的技术选型建议，实现“成本与价值”的最优平衡。另外就是“短期期待太高，长期耐心不够”：AI技术的落地与价值释放，往往需要一个循序渐进的积累过程，从数据的持续优化、算法模型的迭代，到工程方案的适配调整，每一步都需要时间沉淀，难以实现“上线即见效”的短期突破。

邓咏仪：今天的圆桌很精彩，各位嘉宾既分享了AI提效的案例，也提醒我们“不高估短期影响，不低估长期价值”。感谢各位嘉宾，也感谢观众的聆听！