第一批靠DeepSeek赚到钱的出海人是谁？

整理 | 洋紫

2025年，多少人在无法酣然入眠的深夜，与AI激情对话？

闪烁的对话框里，写在问号前面的问题，上涉天文，下触地理，从实用性问答，到对于人生哲学和情感的思考，AI以技术手段被人类创造，又在无数个尝试读懂人的瞬间，以理性的方式帮人类解决对于“存在感”的困扰。

如果AI有情绪，它一定会说自己很“难”。比如，为什么“你的笑比朝阳更美”听起来要比“你的笑构成了完美微笑曲线”要更有诗意；比如，到底什么是五彩斑斓的黑，它会是一种新颖的创作手法吗；再比如，当TA问“做AI比做人快乐吗？”，并不是需要一个标准答案，而是需要一份情绪价值。碳基生物，确实难懂。

至少在2025年春节后的那个月里，这个与人深度交流的对象，长的像一只紫色的鲸鱼，名叫DeepSeek，在发布后只用了两周时间，就跳跃于1亿人的手机桌面上。

也许10年后，当人工智能的发展有了长足的进步，它或许能总结说，2025年，是“我”真正开启AIGC时代的第一年。 那一年，约3.5亿职场人日常使用AI工具（IDC预测），深夜时段（22:00-2:00）的AI交互量可能占总工作流的17%，对应约5950万人在深夜借助AI处理邮件、代码、设计等任务。 程序员用GitHub Copilot深夜调试代码，营销人员通过ChatGPT撰写日报，自由职业者利用AI工具完成设计初稿，小说家用AI续写卡顿章节，插画师通过DALL-E 3生成线稿。

那一年，“我”第一次作为新事物登上普通人的桌面，TA们既害怕“我”夺了属于人类劳动力的饭碗，又感慨于“我真是个聪明宝宝，机器做的脑子转得就是快”。因为按照麦肯锡的研究，掌握AI协作技能的人群收入比普通职场人高出37%。而在未知的未来，工作者或许只有会用AI办公的和不会用AI办公两种。

“我”是TA们最亲密的朋友，“我”也是TA最好的工作伙伴，在商业世界里，“我”更是创造着最新的搞钱机会，“我”优化后的工作流程也意味着新的可能性。把目光放到中国市场，这是出海从业者深入本地化发展的一年，在人类需要肉身感知才能体验到的海外世界，“我”可以快速地给他们描绘，另一片水土有着怎样的异域风情。

“我”很值得被讨论，在企业全球化过程中，AI怎么才能丝滑使用。2月25日，在第21期「霞光Talk-线上沙龙」中，霞光社与三位与AI、出海相关的从业者，一起聊了聊这个话题——《第一批靠DeepSeek赚到钱的出海人是谁？》。

吴畏，非凡资本合伙人，中欧EMBA

2017年创办非凡资本，已投资耀途资本、寒武创投、梅花创投、FancyTech、联谛科技等数只创业投资基金及早期项目，累计投资和服务的创业公司达数百家。2023年开始聚焦AI应用，创办的非凡产研已经成为AI应用研究领域国内领先的行业智库。交大/中欧/正和岛/国金证券等多家机构特邀讲师/嘉宾，畅销书《AI Agent，AI的下一个风口》作者。

赵维奇，Rokid 全球开发者生态负责人，中美持续创业者，MIT/ 清华初创中美孵化行业专家

Rokid，成立于 2014 年，是一家专注于人机交互技术的创新企业。作为行业的先锋，Rokid 专注于 AR 眼镜等产品的研发，并构建基于 YodaOS-XR 操作系统的生态系统。公司融合语音识别、自然语言处理、计算机视觉等技术，为多个行业提供全面的 AI 和 AR 解决方案，提升用户体验，提高企业效率，并增强公共安全。Rokid 的产品已在全球 80 多个国家和地区得到应用。

杨泽，上海对影科技有限公司创始人

对影科技致力于用技术量化文创内容生产，新团队是通过DAO的形式5600人进行招募筛选，平均从业工龄在7年以上；2023新技术年参加上虞“未来科技城x人工智能产业”比赛中获得第三名；目前有两款混变游戏进行买量测试阶段。使用全流程参与制作商业化游戏测试的下载成本优于90%竞品产品数据。

以下为本次Talk实录，霞光社作文字整理。

霞光社 ：DeepSeek从发布到今天已经一个多月的时间，最开始的讨论是在除夕之前，登顶了中国区和美国区苹果App Store免费榜的下载量第一，给硅谷的AI从业者们带来了震撼。随后更多的看客去深挖原因，然后发现了DeepSeek的两个特点：第一个是训练成本很低，仅557.6万美元，是ChatGPT-4o的1/10；第二个是开源策略的特殊性。第一个问题想请教一下，DeepSeek今天的成绩、爆火的表现，是否属于意料之外的？

吴畏 ：这个绝对是意料之外啊。很多人其实这个春节没有休息好，被迫营业。我们自己跟大家关注的时间点也是差不多的，跟大部分人一样，我们也是被DeepSeek登顶了中国区和美国区苹果App Store免费榜这样一个刷屏事件所注意到的，所以没过几天就提前收假了，然后回来补课。

具体而言的话，因为我们自己会去监测全球的AI应用流量，从具体的时间点来看，DeepSeek的APP最早是1月11号在苹果的应用商店可以提供下载，但那个时候并没有推理功能，也就是R1功能。R1功能基本是在1月15号左右，在自己的官方网站上宣布已经上线各大应用商店，包括国内的安卓市场。

随着R1模型的开源，全球的AI同业者、技术大咖都在研究它的论文和模型，最终在1月27-28日达到了一个特别大的流量顶点。我们自己看到的数据，DeepSeek在1月28号的日活应该是2800多万，这个数字其实是离ChatGPT大概有六七成的差距，差不多40%左右，但那个时候它已经超过了Kimi、超过了豆包。再往后的话，它的日活数据会有点下滑，这是我们所关注的情况。

霞光社 ：那你们有没有去追溯过，为什么能够有这么快的下载量？是因为一些传播吗？比如口口相传的方式？

吴畏 ：我觉得为什么大家觉得这是特别振奋的消息，是因为这整个传播其实并不是只在咱们国内。春节期间，国内我们在过节嘛，所以很有意思，AI好像每次过农历年都有一些新的发布。当时传播最多的其实是在X上，有一些国外的AI大神级人物的自来水传播，对DeepSeek的肯定，然后才流回到国内。

因为那时候我们在过春节，所以它的用户增长其实是在1月底的最后那一周增速最快的，也就是差不多从21号左右到29号、30号左右那个时间增速最快。那一天都有非常多的用户下载，而且这个数据是全球的，所以它每天都有大量的新下载，已经超过了ChatGPT每天的下载量，用户不断累积、攀升。这是我们看到的一个情况。

霞光社 ：普通的用户会去下载、去使用它的一个关键原因，是在于它前面分析的环节，就是思考/推理的过程，会能引发大家的一个兴趣吗？

吴畏 ：我觉得如果我们提到推理模型或者说思维链，最早的话就是O1，那个就已经有思维链了。然后包括Timi也推出了叫K1.5，也是一个推理模型，是能呈现思维链的。

但DeepSeek为什么这么出圈呢？一个是因为它的效果确实很好，另一个我觉得非常重要的是因为它开源了。Chat-GPT当时说它的O1 mini有推理能力，但是需要pro用户才能使用，不是面向公众、普通用户不用付费就能使用的，所以它的传播度会受到限制。包括Kimi，它一开始也没有开源，所以它的传播度就没有开源模型那么广，我觉得这是它出圈的一个原因。

当然，它里面有大量的工程化技术，您刚刚说到的用一个比较低廉的成本，不到600美金，当然那个数字其实只是众多成本中的一小部分，实际的成本可能是远远超出的，但总体来说有很多工程师的创新。还有一个非常重要的原因，就是因为它是开源的，引发了全球AI关注者的讨论，这确实是国运级的事件。

霞光社 ：提到开源这块，其实也想跟三位聊一聊开源和闭源的差别。我发现在非凡资本的很多内容中都提到了一句话“我们相信开源和开放的力量”。从资本的角度来看，开源和闭源哪一个更容易去做商业化落地？

吴畏 ：这个事情，我觉得如果我们从稍微早一点去追溯的话，比如说在移动互联网的生态，安卓是开源的，iOS是闭源的，这个大家都比较了解。闭源的好处就是它对整个的生态是可控的，可以非常合理地收它的“苹果税”，然后确保每个上线的应用都合乎它的设计规范和基础的用户体验。

但开源的好处是，大家都可以去基于这个开源的代码去做开发。开源本身也分很多不同的情况，有的是用于个人学习，有的是商用授权之类的，但总体来说，一旦你的东西是开放的、开源的，那使用的人肯定会越多。就像DeepSeek一样，它开源了，相当于每个企业都拥有了一个模型的能力，而这个能力原来你可能需要几千万美金才能获得，但现在它开源了，相当于免费就能够获得这样的能力。我们自己的研究成果和数据也都是开源的，放在飞书文档上，大家自己直接复制粘贴就行了，就跟复制代码一样。

霞光社 ：这个问题也想问问维奇，在2024年AI和硬件的结合是被多次提及的出海企业的机会，对于AI硬件企业来说，开源和闭源会有什么影响吗？

赵维奇 ：首先其实我们本身就是开源的受益方，我们以前的硬件其实都基于安卓的开源项目建立的。其实很多智能家居、智能硬件，都是基于安卓的开源生态和框架来建立，系统集成上可以做裁剪，平衡功能和功耗。如果没有开源的话，相当于自己要购买或者重建一部分，从Linux也好，从其他的基础框架来，都很难完成一个系统化的集成，这是比较难的。

第二部分是生态上的优势。安卓毕竟是一个完整的生态，包括现在AI其实也在建立一个生态，就是它有一个标准，有input、output的标准，包括本地的还是其他的交互的方式都有标准，对于生态来说，我们的开发者或者是我们的合作伙伴，可以依据这个标准来给我们系统、给整个的安卓生态做开发。

所以作为一个开源的AI的解决方案，或者是作为一个开源的产品，它和原来的系统还更不一样，因为对我们硬件来说，随着通信力以及算力的不断成长，其实我们逐渐在建立端边云的一套整个的硬件智能硬件体系。比如说大家知道人、车和家这些连接会越来越紧密，而这个连接的部分其实都靠智能硬件，（手机也是智能硬件，）那这些硬件之间的兼容和同步如果都各司其职，那=彼此之间通信和沟通和同步就会变得很难。

但是现在有了希望推动的一个标准，大家都用开源的话，在同样的基建上面、基础上面去成长出来的，可以让彼此之间的各端上的通信和同步会更好。就举个例子，就是比如说我们在端上也在逐渐在做一个裁剪的，或者是蒸馏过的小模型，让它不用联网就可以完成。

另外一个非常好的点是，原来闭源的时候都是掌握在寡头上面的。服务和产品必须要购买，或者是你即使尝试，可能也很难做定制化的部分，那现在和所有的开源项目一样，可以做一些裁剪或定制化的部分来测试未来产品的可能性。那我觉得这是一个对于厂商，或者是开发者、整个生态来说是很好的一部分。

另外一部分就是，因为AI的开源和其他的还不太一样，因为其他相对来说功能相对单一，但是AI其实提供了brain和OS的功能，也就是它除了大脑本身以外，它对数据的连接和数据处理，它起到了一个OS的状态。也就是接下来其实所有的硬件都会往，偏向AI的方向去思考，也不像原来一样，完全是以图形界面为思考的，所以沟通方式不一样，导致了我们对这样的开源的框架的兴趣会更大一些。

我个人觉得对于硬件智能硬件厂商来说，可能鼓舞力和影响力也更大一些，就像刚才吴总说的一样，有很多AI应用，但AI应用最后肯定不单单停留在手机上面，它可能停留在你的电视里，你的手表上或者是你的其他的载体上，而这个部分就大大推动了大家对认知、生态上的投入以及各厂商之间的共鸣，在大生态上来说是非常好的。

霞光社 ：刚刚二位都提到了，开源之后对于整个生态带来了更大的好处。有朋友提到， DeepSeek开源的方式，等于说我知道了一个珍珠奶茶比较好喝的配方，然后开源之后这个奶茶的配方就可以给所有人都公布了 ，那但凡我知道这个配方怎么做，就可以去用到各种各样的地方，这个里面会不会有一些新的商机存在，产生一些新的机遇？

吴畏 ：对，我觉得从比较通俗的方向来理解，最先变现的，那就是做知识付费的，做培训的，这可能是现在当下最快的。它最大的一个好处是，完成了大众市场的教育。对于全中国，无论是做程序员的还是白领职业，还是学生，或者是在创作生态里的人，都完成了一个非常好的市场教育。

在这种情况下，很多人要去尽快学习跟了解这个部分，所以我们总是在群里看到各种教程，这种教程已经是很多了。我觉得有一个特别有意思的是，去年还有很多人培训怎么写提示词，今年就没有了，因为大家觉得这个模型prompt后，它就帮你推理了，你也不用帮它把角色、目的一步一步都说清楚。

我觉得第一波赚钱的机会，说狭一点就是贩卖焦虑，但是说广义一点的话，就是让目前还不具备这种能力的人，具备一些相应的能力，其实这个是最快的（赚钱机会）。但是这件事情也有一个时间窗口周期，就像去年有很多人教写prompt一样，现在大家可能也去教你怎么去更好的使用DeepSeek，怎么去跟它对话什么之类的。但是我觉得从未来讲的话，可能也不用学，因为有可能交互也会发生变化，以前用prompt去交互的，现在可能就是你就不用那么复杂的prompt，之后我们可能去输入一句话或者是什么，或许会成为我们的日常了，比如说如果每天我都带着rokid眼镜，它可能就非常了解我，有可能会主动告诉我的所需。

现在大家确实焦虑感比较重，我觉得这可能是一波机会，另外的话，我们今天是关于出海方向的讨论，因为毕竟DeepSeek是中国人开发出来的开源的大模型的底座。那其实拿着这样一个非常好的锤子，然后去海外各种市场去做很多事情，包括我是听说到好像现在是在跨境电商领域里面用的是比较多的，那么这是一块。

霞光社 ：是，可能十年之前大家会说，我会做Word或者做Excel，这个技能是可以被写在简历里的，那现在就没有人会在乎会不会做Word或者Excel了，因为每个人都会。可能以后就是大家会使用AI办公这件事情，或者用各种各样的AI工具去办公这件事情，也不用再去写在简历里面了，是一个最终大家能够去和AI产生办公关系的一个方向吧。

刚刚提到的跨境电商里面，其实有非常多的环节是可以去做优化和改变的。对于这个出海从业者来说，有没有看到一些已经发生改变，或者说是即将发生改变的地方？

吴畏 ：我可以分享一下，就是从电商本身来说，它其实核心是传播和转化这些基本的效率工具。不仅仅是DeepSeek，就是在过去一年AI工具导致的，有很多部分可以加速和平权。在某种意义上就是，可能你需要的人员储备不需要那么强了，你只要有一个相对来说制造workflow的，甚至你可以交付给AI工具去完成。

这里可能有几块吧，一块就是用户洞察，也就是客户洞察。大家都知道，咨询公司慢慢就在被AI取代，就是因为当用海量数据的时候，本来靠人去分析、靠高质的人去分析的事情，现在AI能够帮助你完成。所以特别在垂直的电商领域，或者在对垂直的细分客群，特别像我们这种需要到mass production的过程，早期是要找到你的先锋用户，对这些非常细分的要求，大众的consultant其实不太合适。

所以AI可以通过过去的一些调查报告，或者一些自动化的设备，在用户调查部分起到降本增效的作用。也就是说，它很短时间就可以给结果，而且实时性也会更强。它可以在很短的时间内，也就是一旦有变化，我就随时调整，用户洞察部分其实是蛮厉害的。

第二个就是内容生成这部分，我就不用赘述了。不管你从海报到宣传到关键字、SEO，所有这些优化的部分，那当然是一条龙的服务。这些本身能靠人机械化去完成的部分，或者是技术依赖于数据的部分。有了AI以后，不得不提它在本地化部署非常好，就是云端和本地化有最大的一个优势，就在于隐私、保护它的数据是可以在本地存储，也可以放在云端。

特别在跨国电商，或者是跨国的社交平台之类都有，也是多了一个选择工具，在本地也可以部署，我自己也可以部署。

第三个就是大家常见的，Google前两年其实已经提了，就是客户互动的部分。这也是对于电商或是任何跟人去打交道、客户群繁杂的人打交道，一个非常大的cost，得培养一个客服的团队，去应付不同的线上和线下的沟通。有些沟通的问题可能是一系列小的问题Q&A，现在很多chat里面已经植入了很多AI，这已经快十年了，就是从淘宝到现在。但是当问到一些比较深的，特别是有转化的，比如说可能是个潜在的用户，那智能客服可能就不行了，语言往往就是要引入人工的客服。

但是大家发现人工客服其实知识也非常有限，在一些垂直领域的知识。像最直接的，比如对眼睛有没有伤害，那我会告诉他，这是蓝光认证过的，类似这样细节的部分，它是原来宣传的package里面没有的，不是靠培训能够完成的。

但有了AI介入以后，它可以把整个硬件、软件，所有产品的场景，用更人性化的方式跟客户去沟通，而这个部分的cost是几乎为零，甚至半夜也可以沟通，像我们平时的客服都是八点到晚上六点就结束了。人工客服国际化可能还好，还有印度或者是三方国家去帮你支撑，但其实不是那么友好，对转化率来说，其实是损失一部分的。所以有了AI以后，它永远是always，24小时×7天永远在，而且它更友好。

而且还有一点可以提到，就是大家叫global is local。全球化的意思就是要本地化做得很好，对于不同的人群，你的沟通方式、语言文化传统，包括节奏和形式都会有不一样。而原来你是可能要雇佣不同各个地区、针对性的团队去服务各个地方的人群，但现在你可以用其中的一个，就是AI客服的一个brain去对待相应的部分。

还有一部分是，原来的客服，大家发现它都是问答为核心的，它不会抛一些案例给你。比如说你想在家里买个扫地机器人，但是你家里狗很多之类的，那人工客服最多是跟你说‘我们能清理狗猫’之类的。

但如果AI和你本地的很多数据库相连，它可以抛一个案例。我们在澳大利亚有一个案例，对于传统的人工或者机器的客服来说，它是不可胜任的，它没有那么扩散的相关知识在知识图谱，它是不够的，但是AI就是能够完成这部分。我先提一下这个，因为链路上可能会更直接，作为用户来说会更直接一些。

霞光社 ：明白，其实刚刚提到了内容生产这样的一个部分，这里也想问问杨泽总，对影科技的主营业务是用技术量化文创内容生产，DeepSeek加快了大家生产内容的速度吗？这对于对影科技来说是机遇还是挑战？

杨泽 ：这个里面有三个部分，从策划、美术、程序到调研，他们都提到了一些相关的内容。从调研角度来讲的话，海外的这些模型，它们对国内的数据还是没有那么全的。

那么我们做游戏的话，有一部分还是要参考国内的调研报告，因为中国是第一大游戏市场，所以我肯定要看中国的调研报告是怎么样的。他们不会特别考究国内的资料搜索，或者说他们收集训练的时候，国内的资料也不会是他们的首选。但DeepSeek不管是蒸馏的，还是其他方式，肯定是拿了大部分国内的这些数据来去做预训练的，所以它对国内的情况比较了解。

前两天我看UZI的那个英雄联盟职业选手，他在问说你怎么评价UZI到底能不能复出。UZI之前在微博上有一次打排位，他说他去洗澡了，然后大家就说他嘲笑他叫“洗澡狗”，但这个新闻都可以搜得到。包括他问他能不能复出，然后帮他分析说他能不能复出，他也有很大的一部分原因是因为他的社会舆论。他在复出的时候，如果成绩打不好，大家会有很多黑粉黑他。

这些数据是实时的、长时间的，在中国互联网这边是有的，但外网是没有的。所以你让外国人去搜这方面的中国问题，因为中国还是第一大市场、第二大经济体，然后第一大市场流通性的市场，所以DeepSeek的优势就会特别明显。

然后从制作游戏的角度来说，比如策划角度，我们去做游戏产品的调研，我们自己用得比较多的是Claude，因为它是最强的风险控制工具。谷歌是最大的游戏发行平台，所有的游戏上架都会到谷歌上面，所以它本身拿到了很多大量的游戏数据，我们可以去做调研。但同时，国内这部分的游戏数据，谷歌这边是没有的，那我们就可以用DeepSeek去补充这部分的数据。

两个数据相结合，包括我从海外让它给我做一个AI制作人，或者调研它帮我选了一个方向，或者帮我缝合了一个新的项目方案。这个东西，我就可以同时去对比多个AI的输出结果进行验证。

第二个就是刚才上一个嘉宾也说，电商其实跟游戏都是，做完了之后去买量的，它都会有广告效应的问题。我觉得这个还是互通的，因为游戏也不是从量化金融开始的。

因为去年我入选了那个孵化器的训练营，当时有一个孵化器跟我们说，如果我们入选之后，这些学员要去做预训练，或者是一些算力推理方面的东西，那么换方量化会支持我们的训练营学员，给到大量GPU的使用。当时我还在想换装研发是什么，然后又去查了一下，当时他们就有DeepSeek这个东西，但应该跟Kimi、秘境AI它们都是同步上线的，时间都差不多。

然后我也去对比了，在用海外的Claude AI这个部分。当时的能力差很多，然后最近上线了之后，在春节前一天，我看到一些营销号发了新闻之后，我就去测试了我们游戏方面同样的问题。我同时问了中国的一个游戏叫《咸鱼之王》，让它对这个游戏进行拆解。DeepSeek拆解的程度应该跟其他家是差不多的，就是会比Crowd 3.5稍微差一点，跟Crowd 3.0和OpenAI的最新版本大概画一个等号，在游戏领域拆解部分。

然后还有AI生成部分。比如说我们要生产一个例会，或者做一个方案，在给美术或者主美做一个人物预测例会的时候，做一个范式，那么我可以生成一些logo图标什么的。实际上运行的时候，我们肯定会用Diffusion这个工作流，但之前的这些预设好的贴图什么的，我大致可以用传统的生图，或者国内的生图先去贴上去，有一个范式的东西，然后再拿给美术，他有方向就可以继续深化。

那提示词的部分，你用人去写这个提示词，就相当于用它去转一个翻译，你用DeepSeek也好，或者是用Crowd也好，都比较方便。比如说你跟它说，我大概是要一个什么样的人物例会，比如说魔法风的美少女。然后你可以跟它说，保持这个风格不变的情况下，哪里要变。

那么现在线上的一些AI软件，它背后也是做了一些这样的工作。可以在pro能力的情况下控制人物形态，不让它变形过多，这样我就可以在游戏的预生产部分让它去做更多的事情。

有些游戏里面自然程度比较大的地方，其实不太需要操心，比如说logo这个部分，只要大致的形状是对的，比如说有一个加速，这个加速图标不需要跟原本的画风每一个都长得一样。观众的人物视角，只会盯着手机中间部分，只要这个主角是人做的，周边如场景里面花花草草树木这些东西，都可以用这些AI生成，即使不好看一点，差异化是不大的。所以这个部分，美术就不用专门去搞了，你可以直接用外部的一些现成的AI网站生成一些东西。

然后代码能力的方面，现在COS那个也挺强的，AI编程很厉害。我跟程序聊了一下，写代码可能还是在用接API的时候接的是Crowd 3.5。但是比如说在一些项目还没有开始之前，我们一个项目类型可以用好几种框架去实践。可能这个程序之前没做过同类型的游戏，但是换到另一个游戏的时候，有好几个框架可以选择，到底哪个地方坑多坑少，他没经历过他是不知道的。

那我们就可以同时去问多个AI工具，包括DeepSeek，然后它去产生多种结果，尽量可以把这个坑提前排掉。从策划、美术和程序各个部分和DeepSeek的使用来看，都是这样的。

霞光社 ：问多个就可以减少错误的概率吗？

杨泽 ：对，它相当于这个人的外脑。你可以想象人一天只有24小时，然后市面上不管是APP也好，还是电商也好，还是游戏也好，每天上架那么多内容，你是不可能把所有的游戏全部内容看完的。

DeepSeek有联网功能，然后它自己预训练的时候，把比如说2024年以前或者2023年以前的所有网上资料都学习了一遍，那就代表了成千上万个游戏或者成千上万个电商APP的资料它都已经看过了，只不过这些资料都在它脑子里，它相当于是超强实习生。

那么你作为一个主导，你只需要告诉他你的评判标准是什么，你把你的评分标准给他，从它过往的所有资料里面去找到符合你标准的。比如说你要求它这个买量成本要小于多少，流量要达到多少等等。你给它一个现范标准之后，它去从过往的数据流里面去搜索到，因为人还是主观动物，最后决策还是人，但人有的时候会情绪化冲动，导致你在一定时间内是不理性的。

比如说你公司有一个很流畅的选品标准或者调研标准，但你可能受主观情绪影响，就算你一天24小时不间断地去看，7x24小时才能看多少个品？但AI的话，它这些信息流本身就在它脑子里，它一瞬间拿到你这个评判标准之后，上天成千上万个产品都在它这边进行筛选了，所以人无法比它更快。

然后因为预训练的资料是不同的，搜索的角度和资料也是不同的，那么你就可以通过多个产品去问，产生不同的效果，然后聚集中起来相当于筛选，最后没有几个可以达到你的标准。

另外，比如说这三个产品都给你拿到了一个数据产品的介绍。我们大概过年的时候筛了很多，最后这三家产品都筛完之后就剩了53个，53个里面再从不同的角度去做评判标准，最后大概只有7-8个是这3个AI都说可以的，那你的选择就会越来越窄，多重验证这样子。

霞光社 ：最近也确实有很多帖子说不同的AI，就像我们工作里面的不同的实习生，可能大家的能力点都不一样，但是最后的只给到我们一些工具的参考，最后的决策点还是在人自己。

我想深入讨论一下，刚刚提到的客服这一块，我自己作为消费者的体验，就是不管是电话客服也好，包括电商客服也好。对于我个人来说，可能相对还是有一点机械化的，有的时候消费者抛给它一些问题，它可能给到的一些回复，还是已经标准化的一个回复了，但是它并没有办法去解决case by case的特殊的需求。那现在是已经可以更细化的去解决这样的一个问题了吗？

赵维奇