森马AI变革具体流程

咱们今天来聊一个特别有意思的话题，你的公司是不是也在喊 ai 转型？是不是也遇到了这种尴尬局面？老板急得不行，忠诚呢，就看着不动，而底下的员工心里直打鼓，生怕自己明天就没工作了。今天咱们就来好好扒一扒，看看服装业的巨头森马到底是怎么把这个死局给盘活的？ 没错，就像这儿说的，关键问题根本不在技术，而是在人心。最近啊，森马服饰在投资者互动平台和高管的公开分享里都透露了，他们正在全方位深度的探索 ai 技术的应用。那结果怎么样呢？这么说吧，他们不仅让全公司上下抢着用 ai， 还硬生生把一个要二百多天的新品上市周期压缩到了短短十五天， 这背后到底有什么秘密？好在揭秘森马的打腕之前啊，咱们得先搞清楚一个问题，就是这个所谓的 ai 转型僵局到底是怎么回事？说真的，这可不是森马一甲遇到的问题，这几乎是所有传统企业转型时都得迈过去的一刀砍。 你看，这不就是典型的一车三相吗？老板在前面猛踩油门，想要增长，要效率，中层呢，脚踩着刹车，怕担风险，怕出乱子，多一事不如少一事。而基层员工呢，直接拉起来手刹，心里全是焦虑和恐惧升华，自己成了被优化的那一个。这三股力量互相较劲，整个公司想动都动不了。 那么，面对这种局面，森马开出的解药是什么呢？你可能以为会是什么黑科技啊，但答案说出来你可能不信，特别简单，也特别有力量，就是两个字，人心。他们想明白了，要赢得市场，得先赢得自己员工的心。 森马做的第一件事，也是最关键的一件事，就是给所有员工派发了一颗超级定心丸。他们公开正式的承诺，我们用 ai 是 为了让大家工作更高效、更有价值，绝不是为了提高效率之后把人裁掉。你听听，就这么一句话，直接把转型路上最大的那块绊脚石，也就是员工的恐惧给搬走了。 而且啊，这可不是随便说说，公司的董事长亲自给全体员工写信，清清楚楚地告诉每一个人， ai 转型是公司最高级别的战略。这就等于是在告诉所有人，这件事我们是动真嗝儿的，从上到下，一条心没有商量的余地。 所以你看，司马懿一开始的目标就特别明确，他们不是要搞一个什么寄宿部门的小范围革命，而是要彻底改变整个公司的基因。 他们要让 ai 成为每个人的武器，让每个人都进化成超级个体。最后，所有这些超级个体再组合成一个战斗力爆表的超级组织好了，愿景很宏大，对吧？那具体到地面上，他们是怎么一步步执行的呢？森马的打法非常清晰，就三步。 这个三步走策略啊，可以说是非常聪明了。第一步，先挑软柿子捏，找那种风险低但效果又特别明显的活干，比如用 ai 生成一些设计图，让大家先看到甜透，建立信心。第二步，再把它用到像财务、客服这种有成熟知识库的核心部门，证明这东西是真能派上用场的。 最后一步，全面铺开，让 ai 渗透到做 ppt、 写会议、纪要这些每个人每天都要干的活里，让它彻底变成像手机电脑一样的日常必需品。 不过话说回来，再好的策略和工具也得有人用才行。所以接下来咱们看看森马是怎么改造他们的人才和激励系统的，这部分才是真正的重头戏。 为了让所有人都动起来，森马直接上了一套三层激励火箭。你看最底层是百日 ai 打卡，用团队奖励的方式，先让大家把用 ai 的 习惯给养起来。 中间这层呢，搞 ai 经典子评选，专门挖掘那些藏在民间的 ai 高手和好的应用想法。最顶层就是真刀真枪的 ai 应用挑战赛，直接用 ai 来解决公司最头疼的业务难题。这么一套组合拳下来，不管你是新手还是专家，都能找到自己的位置。 更绝的是，他们把 ai 能力直接焊进了整个人才体系里。从你投简历那一刻起，选人，就要看你会不会用 ai。 进公司之后，遇人有专门的 ai 培训，工作中用人就看你能不能用 ai 解决问题，最后到留人， ai 技能认证，直接给你加薪升职。挂口真的是无处不在。 所以你看新的游戏规则就变得特别简单粗暴了，会不会用 ai 直接决定了你钱包的厚度和职业发展的高度。这一招啊，可以说是瞬间就把员工心里那种对未知的恐惧，转化成了看得见摸得着的成长动力。 讲了这么多，又是安抚人心，又是激励，又是培训的，那市场账打下来，账果到底如何呢？咱们直接看数据，结果真的非常惊人， 第一个也是最震撼的一个数字新品上市周期从原来的两百多天，直接砍到了十五天。你想想看，在快时尚这个天下武功唯快不破的行业里，这是什么概念？这简直就是降维打击，直接把竞争对手甩在了身后。 再看这个他们旗下的童装品牌，巴拉巴拉一些高端项目过去打个样，来来回回要花很长时间，现在这个时间缩短了整整九十倍，这背后是设计和生产效率的几何级数提升，试错成本大大降低。还有，他们现在有九十四个数字员工在上岗， 干的活儿相当于五百四十五个真人。这不仅仅是生产力的爆炸式增长，更重要的是，这呼应了他们一开始的承诺，把大量员工从那些重复枯燥的工作里解放出来，让他们去做更有创造力、更有价值的事情。好了，那从司马的成功案例里，我们能学到什么呢？ 这里给大家整理了一个可以直接拿去用的四部行动清单，第一，先搞定人心，解决大家的恐惧。第二，从小处招手，先打几个漂亮的小胜仗。第三，多用激励，少用强制，把 ai 和实实在在的好处挂钩。第四，赋能每一个人，让 ai 成为大家都能用的生产力工具，而不是少数技术专家的特权。 归根结底，森马的成功其实就在证明一个特别重要的理念， ai 的 终极目标是技术的平权， 它不应该只是 ip 部门的宝贝，而应该是我们每个人都能拿来用的，能帮我们提升自己的强大工。那么最后也把这个问题留给大家思考一下，在你自己的公司里，你觉得推动 ai 转型最大的障碍究竟是技术还是人呢？欢迎你在评论区里聊聊你的看法。

你们知道电商行业的 ai 都已经进化到什么程度了吗？九十四台数字员工相当于十二万人每天的工作量，成本远低于真人。这是我看不下十遍森马集团负责人的访谈，它里面曝光的真实数据，它从十个场景真正做到了降本、增效、增收。如果你也是电商老板，或者是也打算用 ai 提效的老板们，这 这条视频一定认真听。我给你拆解一下他这十个场景分别是什么，看看有没有你也可以用起来的。第一个，数字人直播，二十四小时公寓购物平台轮番直播，能够正常回答观众的问题，直播效果肯定不如真人，自然那只能达到三分之一，通过调整他的知识库， 还有在线回复的一些问题，持续的在进步。第二，自动化办公和售后，专门的自动化办公区，七乘二十四小时电脑自动工作，处理订单的售后问题，多个购物平台的售后流程。第三，多场景自动化。他说公司有四百多个全自动运营的场景，这个效率。你想一下， 我们普通的公司可能有四个全自动化的工作流就已经很了不起了，但是它有四百多个，这个里面包含了各个平台的活动报名数据统计与分析，直播间相关的，比如说数字人直播创建首卡、商品发布时间配置、店铺装修详情页、 图片、商品陈列、站外运营。比如说发布客服与物流拦截、退款催拍件、供应商信息管理、采购信息录入、跟单，这 这些也都 ai 记住了上面我说的这十个点，如果是你刚刚开始去借助 ai， 你 先从一两个去开始应用起来，这都是已经经过市场验证，真实可提效的地方。接下来我也会继续开解其他行业的案例，想听哪个行业评论区告诉我。

第一次见到真正的 ai 商业落地的，这个从小穿到大的服装品牌，靠这么一套 pa 加 ai 工具， 一年创收近，这个数字人能达到这个程度了？我只知道数字人做口播啊，直播用数字人已经这么真实，和真人没有区别了， 问他问题他也可以正常换。哇，太厉害了，数字人呢？大概是真人效果的三分之一，过去几年可能是十分之一到三分之一，可能明年是二分之一，我已经感觉他很真实了，他都区别到这里了。接单的一些技巧啊， 包括这种灵活性等等还是没有。那么我们界面的话，就是我们所有的各个平台的注册人的直播间都在这里。比如说我们现在要去操作一个天猫的官企直播间的话， 我们就直接点击进去就可以展示出来，就是包括他一个实时的直播画面，嗯，然后中间是他是实时讲直播话术，对，右手边是弹幕的互动观众的 id， 包括 问题是什么？下面是我们的回复的一个内容，同步到弹幕里面去给到观众观看，然后主播的口播也会相应的进行。 然后在直播的过程中也好，或者直播前我们可能需要对直播的话术进行一个修改，比如说我们可能今天活动力一点有有改变，有变化的话我们可以进入这个编辑内容里面，然后这里有 我们每一个链接，他一个对应的一个话术，然后我们可以去直接去编辑一个话术，然后去把里面内容给修改掉，他就会有一个实时的变化。在右边这边的话，还有一个互动话术这么一个模块，我们可以去调整，我们的 是 q n a 的 问答的一个知识库，有一些就是观众可能问到的问题，然后他暂时还没有学习到的话，我们可以在这个知识库里面进行一个补充。对，基本上的操作是这个样子，其实已经进到天猫二十四小时公益了。

早上刷到一条视频，我就马上爬起来了，呃，你们每个人都应该去看一下这条视频讲的是什么呢？这条视频讲的是森马电商整个企业的一个 a i 化，渗透到他每一个环节，然后给他的整个营收增加了两个亿。 那为什么我刷到了这个视频我会感觉挺兴奋的呢？这个视频它呈现了整一个呃， ai 应用里面如何渗透到这个？呃，直播电商里面的所有的应用场景？ 就你们去看这个视频的情况下，你就很具象的知道 ai 它是怎么应用渗透到企业里面的，非常非常具象，它把它最让我震惊的是什么呢？它的整个 ai 竟然已经渗透到 ai 的 直播数字人了。 呃，当然了，那个好像是淘宝的一个啊平台啊，但是反正我觉得这个这个技术挺牛的 啊。接着呢，还有一个比较有共鸣的，就是他在做的渗透到，比如说 ai 的 一个电商设计啊，还有就是，呃，电商视频啊，这就很像我在做的事情，你知道吗？ 但是唯一有一点不一样的就是之前呢，只有那么大的一个电商的企业，他才能用到这样的呃，比较先进的技术，但是现在不一样了，现在不管你是呃小企业，中小企业都能 运用的上，你想干嘛你就能让他干嘛啊，零代码基础，所以这个就很有共鸣了， ai 后面的一个电商化， 总的来说， ai 的 对电商直播的这个生态的渗透，一定会在整一个 ai 客服啦，这个你们都知道的。第二个就是 ai 设计啦， ai 图片啦， 呃， ai 短视频啦， ai 素材啦，还有后面的 ai 投流啦，这些环节全部都会被渗透，还有就是一些重复性的工作，都可以用固定的一些工作流去给它替代掉。

那是人类员工，这是数字员工啊，这确实是自己在动。哎。对，这个从小穿到大的服装品牌，靠这么一套 pa 加 ai 工具，一年创收近亿。我们现在运营的场景里面有四百多个是完全是自动化的， 发小红书、笔记，订单的跟进、退款，订单的拦截、催派件、面试、开发票、对账报税、供应商的信息管理、采购。以前我们服装上新停了三到五个月，现在快的话我们十五天就可以完成。我们拍了那么多人，第一次见到真正的 ai 商业落地的 这个数字人其实已经进到天猫二十四小时公寓了，跟真人一样，他竟然是数字人，能达到这个程度了？对，我只知道数字人做口播啊，直播用。数字人已经这么真实，和真人没有区别了， 问他问题他也可以正常回，哇，太厉害了。数字呢，大概是真人效果的三分之一，过去几年可能是十分之一，五分之一到三分之一，可能明年是二分之一，后面可能就是一比一。我已经感觉他很真实了，他都区别到接单的一些技巧啊，就是包括这种灵活性等等还是没有。那么我们现在复刻呢，都是最好的主播， 所以他对比一般的新手主播已经很好了。三分之一呢，是对比他本人真实的这个主播。现在这个界面的话，就是我们所有的各个平台的注册人的直播间都在这里，比如说我们现在要去操作一个天猫的官企直播间的话， 我们就直接点击进去之后他就可以展示出来，就是包括他一个实时的直播画面，嗯，然后中间是弹幕的互动，观众的 id logo， 你是什么？下面是我这个回复的一个内容，同步到弹幕里面去给到观众观看，然后主播的口播也会相应的进 行回复。然后在直播的过程中也好，或者直播前我们可能需要对直播的话术进行一个修改，比如说我们可能今天活动力一点有有改变，有变化的话我们可以进入这个编辑内容里面，然后这里有 我们每一个链接，他一个对应的一个话术，然后我们可以去直接去编辑一个话术，然后去把里面内容给修改掉，他就会有一个实时的变化。在右边这边的话还有一个互动话术这么一个模块，我们可以去调整。我们的 是 q n a 的 问答的一个知识库，有一些就是观众可能问到的问题，然后他暂时还没有学习到的话，我们可以在这个知识库里面进行一个补充。对，基本上的操作是这个样子，你可以看一下这个都是自动工作，这是你们的数字员工群，对，数字员工群，那是人类员工，这是数字员工。是是是， 这台电脑呢，他现在在处理的是我们售后的这个订单啊，比如说消费者要改地址啊，要换尺码呀，处理一些退款的这种问题啊。然后这里呢是天猫的后台，这里面是在处理京东的这个售后的这个问题。然后唯品会 啊，因为我们这里分了不同的品牌，各个品牌有不同的电脑，这个已经在退款了。对对对，是，也就是说从那边到这边是一个整个的售后的自动化的工作流，数字员工自动化七成二十四小时干活，没有一个真人贵， 你们现在有多少数字员工？九十四台，如果说换算为人天的话，已经运行十二万人天了，比如说每个人一年是工作两百二十天啊，大概可以换算一下。这是什么概念？我没听懂。 如果说前面看到的是 ai 在 执行层面的能力，那真正让我意识到变化的是他开始被系统性的放进业务流程里，也正是从这里开始， ai 对 企业的价值 才真正显现出来。我们现在运营的场景里面有四百多个是完全是自动化的，那大概说几个大类吗？比如说活动的报名，像天猫、京东、唯品、拼多多啊，抖音的各个平台的活动报名类型的， 然后促销设置相关的，不管是设价格优惠券，比如说会员券、新人券、优惠券类型的都可以。那第二个大的类型的就是数据统计类型的， 比如说原来我们要写日报，包括说去做爆款的数据的这个周报，商品的预算，预算的一些报表等等，只要是跟数据处理相关的，也全部可以实现自动化。 那第三个大的类型的这个场景呢，就是我们刚才看的这个直播间，除了数字人直播以外呢，直播间的创建，直播间的首卡的生成，直播间的商品的发布，各种时间的配置等等，嗯，这些全部可以自动化。第四个场景呢，是跟我们的店铺 装修相关的，比如说我们看到的店铺整个首页、二级页、分类页、专辑页里面的素材、热区、链接、商品的陈列，这些也全部可以自动化。第五个场景是站外的发小红书笔记， 发小红书的短视频，发抖音上面那些短视频，或者说天猫的一些主图短视频啊等等，这些跟视频类型相关的也可以全部都自动化。第六个呢是关于我们的客服的这个场景，就是我们刚才看的这个场景，还有在物流的这个场景，二十四小时的订单的跟进退款，订单的拦截、退派件 等等，这些都是自动化的工作流。供应链上面呢，比如说核价跟供应商的信息管理、采购的环节，那以及在我们的 s、 c、 m 系统里面的信息的录入， 包括说去跟单这些也都可以自动化。基本上我们现在覆盖的所有的部门呢，所有的场景都是有这种自动化的工作流。现在演示的这个场景是我们 标题的一排查，那这里实现的功能呢，就是排查标题里面有没有违禁词，比如说第一啊，醉啊这些极限词违反广告法的， 那以及就是说有没有一些跟我们食物的商品不符合的，比如说他可能不是冲锋衣，但误写了一个冲锋衣啊，那以及就是有没有一些热搜词是，呃，行业上面消费者搜的很多的，但是是缺失的， 那现在他是去我们的一个店铺的后台，那这个过程中他会把热搜词下载下来，比如说近七天消费者搜了哪些热搜词， 下载完了之后呢？跟我们的标题去做一个比对啊，然后去看有没有遗漏的一个关键词，如果有遗漏的话，嗯，他会反馈给我们。当然我们也可以说完全 授权给他自己直接改完这个也可以，这个就看我们的权限的分配，以前是运营在干的事。对，因为我们现在同时在家里有四千多个产品，那人工在排查的时候其实是非常费时费力的。那现在的话都是机器人自动排查， 我们换一个场景，每个品类的页面下面，呃，陈列什么样的商品，这里面人工操作的工作量也很大，比如说就是这个是个男童的页面， 那么它下面有 t 恤、卫衣，有羽绒服，有这个棉服，有外套，不同的品类楼层，它要去搭相应的产品。那在这个过程中，原来人呢？一周平均下来要花八个小时左右，从首页、二级页，然后各个平台的页面。那现在这里它是可以实现自动化的 啊，他能够从货表里面抓取说对应的品类，放到对应的品类楼层，他也可以结合前一天的数据，比如说流量转化啊、授信啊等等一系列的指标。我们写了一个算法，就是他会给一个商品赋予得分，这个工作流呢，他会结合说最终的这个商品的得分来去分配流量， 其实就是说分配位置得分越高的商品他会往后放，这样就能提升流量的效率。 那以前人在做这个事情的时候，他是一个非常枯燥的工作，那现在的话他也是可以有机器人来做，那人就可以解放出来，去做一些更有策略的事情。排顺序他是有逻辑的，就是看别人的点击量啊，或者浏览量。对对对，一般我们原来做的话，首先这个工作量还蛮大的。 那原来我们为了保障这个工作顺利开展，然后他又不会觉得特别枯燥，然后就牺牲了一下频次，可能我们就一周调一次。哦，那现在的话，他其实是可以按天每天调一次， 也是工作流带来的一个价值。是，这也是一个非常值得去做的一个事情。其实是因为大家都喜欢点前三个，他只要是多个 s k u 都得需要，这个特别适合，就服装啊， s k u 比较多的店铺是这个效率是越来越高的。自动化这个技术难吗？技术不难，因为技术都在发展， 核心的就是你能不能洞察这个场景。就举个很小的例子，这个也是我们客户提出来的一个很小的这个场景，他原来一年的投流的费用呢，是一千多万，他觉得一千多万啊，每个月可能就平台下来充值一百万左右，充值在不管是阿里妈妈的后台，还是说抖音的那个后台， 他其实是不产生利息，就是一笔死钱。后来他就写了一个工作流每天充值三万人，做这个事情，嫌这个事情很麻烦。对，那剩下的钱就是在银行里的产生利息的，因为每年你都要充值广告费用。对，这样算下来，那如果这个企业经营十年，经营二十年，他能节省非常多的利息， 他这个还挺有意思的，他这个连充值的利息都给算进去了。对，其实是属于精细化运营了，他是个很小的场景，只要你对业务的理解够深，对一线理解够深， 他就可以涌现源源不断的场景。也就说其实他的技术不难，核心还是你的对业务的理解，对业务的理解，对业务的理解，其实这个也是我们团队特色，因为我们不是一个技术团队的背景，我们基本上核心的成员都是业务转型， 所以对业务的理解其实是非常深的。自动化的工作流呢？是，我们其实前几年都有一些探索，那智能体式，今年 ai 的 大模型出来之后，优化了之后才慢慢开始实现很多的这个场景。 这个智能体呢，它是做整个详情文案包装的，那以前我们其实写文案呢，我写一个面料，它是吸湿透气，那我就吸湿透气四个字，干巴巴的写在页面上。 但是消费者怎么理解吸湿透气？我为什么要买吸湿透气？他其实没有写的那么清楚，包括说我们的产品经理写出来的就是一种参数描述对，比如说羽绒服七百的这个蓬松度，一千的清洁度，但是消费者怎么样看一千，怎么样看七百， 就是他的体感其实不大的。嗯，所以我们希望能够从这种甲方视角、品牌下面的卖点转换成消费者能理解的、能引起共鸣的消费者。买点不再是卖点，不再是卖点。嗯，这个智能体其实就是核心解决的这个问题。所以我们看一下这个智能体，只要我们填一些非常基础的信息， 你看我这里填一百一到一百七十五，我连尺码都没标，他是能自己理解的。然后上传一下基础的这个模特素材。这个智能体背后呢，我们分装了五个智能体， 第一个智能体就是他会基于你上传的这些卖点去做一个卖点分析。第二个呢是人群分析，就是你的品牌卖给谁，然后他有什么样的这个生活场景，什么样痛点，他会为什么买单。然后第三个呢，他是会去做 文案的策划。同时第四个我们希望让 ai 检查 ai 的 工作，所以我们设置了一个评选专家的一个角色。 然后第五个呢是一个优化专家，如果评选专家对他的结果不满意，优化专家就会来去调整他的这个工作啊。 那你看现在的话，他已经初步分析了他的买点一、买点二、买点三、买点四啊，然后还有一些使用的场景，就是前面的这个慢点分析师在做的这个工作，文案策划现在开始去转化他的买点 啊。好，现在他开始给到主图的一些建议，就第一张主图，第二张主图就是不同的主图放什么详情页，不同的模块上面放什么配图，配什么样的那个视觉方向，然后包括说，哎，我们在一些买家秀啊，包括在一些评价上面的一些消费者应该给到一些什么样的这种 引导啊？这些我们都可以让整个详情页的替代物文案 转化成用户，能听懂用户关心的一些对文案出来了，而不是像以前都是品牌方我们自己的文案。是的，我们现在在逐步上线新的智能体，就这个是详情包装的，那我们还有主播排班的，哪个主播放在哪个时间段播，整个效果是最好的。 然后包括智能投流，智能投流就是说原来我们呃人工一天八小时上班，那你晚上这些广告的出价你是没有办法实时优化的。现在是 ai 帮我们 钉盘，如果说当你的 r y 呃不好的时候，它会去做一些调整，比如说当你的点击成本过高的时候，它会去做一些调整。还有就是在产品创新、消费者洞察 啊这些方面，哦，都做了，智能体，对，后面会陆续上线，我是不是可以理解为就是你所有的工作流里边都植入了它？一个叫智能体，加上 r p a 就是 自动化加智能体，自动化加智能体，然后串的各个优秀，对，底层就是 ai 做大脑， r p a 做手脚， 然后把各种工作都串起来。智能体和 rpa 和手打通的时候难吗？如果单点的应用是不难的，难的是端到端的设计。 端到端就是说今天每个部门的上下游的流程是怎么样的？你要把它串起来，不同的这个渠道，它原来的工作习惯是不一样，流程要先规范掉，规范掉之后 ai 和 rpa 才能更好的上手。它从点很简单， 到线串联起来的时候会变难，这个难难在于组织，而不在于技术。然后再到整个大的系统层面，其实是各个部门的一号位，对 ai 的 应用要形成一种共识，这样才能把整个网状的梳理通。 那有的人觉得说我不要用这个不好用，就像是造地铁一样，你挖到那里的时候就停掉了。内部组织的统一是 ai 化的前提。 还有就是我们要把很多的最顶尖的，比如说文案专家，他的那个文案的水平抽离出来，然后去做训练。包括说我们头流也是找了我们公司里面头流最厉害的人， 把他的头流的经验抽离出来，萃取了对恩爱的圈子里面有句话叫做进去是垃圾，出来也是垃圾，所以你进去的东西必须是最好的，他出来的东西才能好，这个是 更加宝贵的。工作流做的智能体和这个 r p 做的手脚，在技术打通上可能市面上有很多人能做对，但是这个智能体怎么写，工作流怎么写？ 他的每一个环节的质量是得要很高很高的，业务的能力得非常高，才能做出好的能用的东西。没错， c 码这一块，你们在用了这个 ai 之前和 ai 之后的一个效果对比，数据层面上能聊一下 我们今年有 ai 的 增收的板块的建议。呃，大概是这样的一个情况，数字人直播，我们刚才看的那个部分里面的话就有四五千万。那其他的呢？像 ai 的 智能投流，我们现在测试的效果对比，我们原来真人 大概能提升百分之十左右的 r y， 它底层逻辑是二十四小时不断的优化。呃，我们看了一下操作，日制 ai 大 概一天会优化一百次， 以前人是做不到，因为他总共就做八小时。还有的部分里面呢，像 ai 对 于点击率的提升，这个也很明显，以前我们说视觉模特拍回来是什么样就什么样了，然后你要重新拍一次，要花一到两个月。但现在 ai 重新 做一张图很快，所以我们点击率的提升也非常明显。这里意味着什么？流量就提升百分之二十，存量的时代，你想流量提升百分之二十很难， 但你通过点击率的优化就可以拉上去。那还有呢？就是在 ai 的 款式生成和我们对整个服装的上新内容的提效。以前我们服装上新可能平均要三到五个月的一个周期，现在快的话我们十五天就可以完成服装上新，一天升款，一天升模特图， 然后后面就工厂生产还能首单的这个上架，然后测款，这里面带来的一个效率的一个改革，就是我们的整套商业模式就不一样了。那还有在降本方面呢？视觉方面平均的降本是百分之七十到九十，以前我们比如说拍一个羽绒服飞到新疆去拍，那一堆人拉过去可能就是十几万、几十万的一个成本。 现在的话我们坐在办公室里生图，比如说把一些账号的费用就平摊进去，一张图可能精修就是一百左右的一个成本， 所以这里面带来的整个成本降低也非常明显。在降本上面，今年我们从整个集团看也有一千多万对，而且 ai 的 成长性特别明显，它不是一个稳定在这里的水位，明年会更多，明年我们在整体的预判上面应该会超过五个亿的 g m v。 问一个更具体的一个问题啊，我们公司如果想用 ai 化的话，我们该从哪个地方入手啊？能给我们一个路径吗？嗯，从道法术器的角度来说， 我们自己前面走过一些弯路，就是在树和器角度切得太深了。那一开始说要，要不要自演一些这个产品工具针对技术的一些缺陷怎么样去弥补？但实质上面来看的话，现在谷歌的杰米三，包括呃 gpd、 福田奥本纳纳 pro， 包括很多的一些新的工具的发布之后，很多的技术瓶颈自然而然的就解决了。这个角度呢，我觉得是前面的踩坑，那在道和法上您能不能给一些 建议呢？那在法的这个层面上面来说呢？部门之间的流程，人做事流程可以暂放一边， 今天 ai 的 流程他既可以基于 ai 的 能力重新塑造，包括说我们刚才演示了一些自动化的工作流，他没有必要一比一去完全复刻人工，他可能可以直接跳过很多中间的这个步骤 还有一个点呢，就是端到端的衔接，怎么样能够做闭环？这个也是法的这个设计思路里面非常重要的一部分，就比如说亚马逊上面那些评价啊，我们很多的英语不好的小伙伴，他没有那么容易理解，那普通的应用就是说用 ai 做到翻译，做完翻译呢， 他其实没有闭环的，那我们下一步的那个动作就是用多维表的能力把这些评价打标签，因为多维表植入了大模型吗？他可以去做一个理解，把每个评价他是尺码的问题，面料的问题，还是版型的问题，还是什么样的问题，他可以去做标签的归类汇总， 然后借用多维表的仪表盘的能力磁匀出来，然后它就会形成一个可直观的仪表盘，这个还不够，再借用 ai 的 能力去对这个产品的迭代，给到一些相应的一些建议，然后再推动研发的部门去做迭代，这样子才能形成一个闭环，就最终业务落地了。 不然的话你只是用 ai， 更方便你去看，看完之后没有结果的改变。所以我们说在法的设计角度来说，它一定是一个 pdc 的 一个闭环，我觉得这个锻炼的是一个当老板的能力或者当管理的能力。对，他要思考的比别人再多一步，再多一步。是 就是同样一个事情，可能不同的人，不同的屁股决定脑袋看的东西是不一样的。是的是的，他们用出来的威力也是不一样的。是的，道德层面，我觉得 ai 是 一把手工程呢，这个应该是现在普遍的一个共识， 但有些客户我们自己接触下来，老板还是希望就交给他的减一层或者说减二层呢去推进，这里面其实会有一个很大的影响。一线的员工接触 ai， 他 只会说考虑自己本岗位一亩三分地的 技校，如果部门经理层面去用 ai 呢？或者总监去用 ai 呢？他会考虑说我这个部门不同的场景怎么串起来。如果是老板总经理层面去考虑的话，他会想整个商业模式怎么样去做一些优化。嗯， 所以这个是一个非常大的区别，就是位置不一样，他思考的、思考的不一样。所以从道的角度，从方向的选择角度来说的话，一号位要亲自下场去把握整体的方向啊，而不是将。 今天我们聊了这么多东西之后，您觉得您有没有特别想要表达的一些点？我觉得在企业的 ai 的 应用过程中啊，你不能报特别高的预期，也不能特别没有期待。嗯，我觉得应该当九八五二幺幺的校招生进来， 他应该有一个容错的一个周期和培养的一个周期，能够去开放性的拥抱一个新的伙伴，他是我们未来和新的这种同事，而不是说竞争对手。人际协调的关系的构建很重要，他不是说替代人， 而是说能够去增强人，辅助人。有些企业对 ai 的 角度上面，老板切入的点是希望能够去降本，员工的角度来说，他可能会觉得是个威胁。所以这种呢，我是觉得 在人际协调的关系上面没有处理好 ai， 对 降本来说他一定是有限的，因为你比如视觉成本是多少，或者说你的人工成本是多少，降到头那空间也是有天花板的，反而是在销售的增长上是无限的。让 ai 把人的时间解放出来，去做更多有价值的些事情，拓展业务， 去考虑你的战略，让你的整个企业的规模持续性的上涨，这个我觉得是 ai 的 更大的价值。

今天啊，从金融角度聊聊一个行业，应该对它产生了非常深刻的影响，它就指 sars 行业以及具有非常代表性的设计工具 fig 码。四月十七号，对于 fig 码公司来说，其实可以算上一个黑色星期五了。 ishtropic 发布了 clock design， 用 自然语言就可以生成原型焕灯片和 ui， 并且它还可以支持读取企业的 design system 成品，一键交给 cloud code 变成生产代码。当天啊， figma 股价应声大跌百分之七，股价也来到近二十五周的最低点十八点九五，整个股价年跌幅来到了百分之八十， 基本上把他高一下估值，钱全给点没了。这就不得不提今年另外一件事了，关于 fig 马的事，大量的团队内部不再续订 fig 马，这些专业团队是怎么退掉 fig 马的？毕竟前两年他对 fig 马的这个 依赖是非常重的。确定 fig 啊不是一个拍脑门的决定啊，通常分成三步走，那第一步叫做蒸馏，把 fig 满里积累的设计资产，包括配色、字号、间距、组建规范，全部蒸馏成文本文件叫做 design md 就是 一份 markdown 文本，文件 颜色用 hex 值写，键句用数字写，组建用文字代码描述。所有的设计规范变成了代码仓库里的一部分，用 crop code 连在 pdf 上导出，那设计师在上面 加工维护，用 github 管理版本。那第二步叫换流程，传统的流程是产品经理写 p r d， 设计师画 figma 原型图，开发看稿，实现来回对稿、改稿。那现在的流程是任何人就可以用自然语言描述需求，再结合 coding agent， 基于第三 m d 生成可交互的前端页面，然后部署为 u r l， 发到群里面讨论这里的任何人就是字面意思，产品经理可以出界面，后端可以出页面，运营也可以出页面。 画圆形图不再是一个工种的专属技能了，而是每个人可以调用的能力。所以这才是最要命的。原本 fig 码在画界面、画图方面的变形，一些 被一个 md 文件其实就彻底颠覆了。第三步，退避。当团队里没有人再打开 fig 码进行工作协同的时候，超过两周时间，团队就可以完全取消掉对于 fig 码的依赖了。那 github 其实上面有个叫做 awaresome design md 的 仓库，收入了各品牌的 design md 模板，热度非常高。 astropica 发布的这个 cloud design， 本质上就是把这条路径产品化了，它可以直接读取你的 design md， 然后一键生成， 然后一键把生成物交给 cloud code， 变成代码。 figma 的 护城河正在被一个个的 md 文件彻底填平。 那所以之前 figma 到底卖的是什么？它之前的高预算到底来源于什么？要理解为什么一个 md 文件就可以干掉 figma， 得先清楚 figma 到底卖什么，那产产品到底是什么？表面上 figma 卖的是设计工具，比如说画布啊，图层啊，矢量编辑组件库，包括交流社区等等， 但这些东西上一个互联网时代的 sketch， adobe x d 都有。 figa 赢在哪里？它赢在协同。 figa 真正卖的它的亮点是让设计师把原型图可以分享给其他人 看和评论的能力。它的核心价值是让所有人可以对齐一个界面应该长什么样，而不是通过一个又一个文件版本和图片导入导出来进行对齐。但现在分享一个可交互的高保真有代码实现的页面 url， 比分享一个设计稿它的体验 更好，信息更完整，更容易做对齐和加速迭代效率。所以设计稿是静态的，但是可交互的页面就是你要开发落地的产品本身。设计稿需要标注的间距和颜色，可交互页面直接点击右键就可以检查这些元素。所以 设计稿和最终产品之间的这条红勾叫做产品开发。可交互页面和最终产品之间的红勾几乎于是零。 所以这就让只停留在前端写作的传统工具软件价值极大的降低。不仅仅是 figma 面临这样的处境，其实绝大多数那些 sars 软件都会有这种 价值一家极大被打低的情况。如果 figma 只是一家的故事，其实这个口播不值得被录。这个观点值得被录的 最本质的原因是，同样的事情正在发生在一整类的软件上，就是 sas 服务类的软件上，一个 alien native 团队退订或大幅减少的使用工具 figma， 它可以通过 coding agent 以及 d 三 m d。 那 除了 figma， 像 word， excel， ppt 这些，它 word 可以 通过 markdown， excel 可以 通过 csv， ppt 可以 用 html 这些文本方式进行替换。三种格式都是纯文本的，都可以被 agent 直接读写，不可以在 github 上进行管理版本。这些 sars 的 有什么共性呢？它们的核心慢点是帮你把信息组织成更好看的界面，更易操作的界面，更易交互的界面。但是 figma 帮你把这些设计意图组织成可示画的画布， reader 帮你 把任务组生成看板和干特图， ppt 帮你把内容组织成换图片，他们卖的是追 ui， 是 交互式流程。 ai 让界面变得更加的廉价。某种意义上，其实 ai 让交互设计师也变在变得廉价。 agent 呢，可以随时 按需求生成任何界面的时候，你不再需要为界面付费订阅。那这些 sars 的 价值层 ui 交互流程 正在从软件本身迁移到 ai 大 模型里面。文本化和代码化带来的高度的可迁移性，以及各个 sars 软件可以维护一套自己内部的数据结构，形成高迁移的成本壁垒。但是现在，纯文本化的用户在任何工具里都可以导出的 m d， 把之前的这些 sars 的 壁垒一下子全带走了。所以传统的萨斯怎么在培养品牌忠实度呢？最后，萨斯的高估值时代其实彻底就结束了，萨斯行业过去十年享受了非常高的估值，那这种估值建立在三根支柱上，这三根支柱正在被 ai 同时侵蚀。 第一根叫高毛利，萨斯公司的毛利率是特别高的，一般在百分之七十到八十，因为软件的编辑成本是几乎为零。但当 ai 让界面层的价值归零， 萨思公司要么降低成本去保客户，要么眼看这个客户流失到 agent， 加加纯文本的方案，无论哪条路，毛利率都会成压。那第二个 叫做强网络效应。 figma 之所以之前难被替代，是因为大家都在用 figma， 设计师用 figma 画 pm， 在 figma 上写评论，甚至写需求文档开发在 figma 上量尺寸，但 agent 不 太挑工具，它可以依赖任何工具，它可以操作任何工具，甚至不用依赖具体的 agent。 那 张三用 fig 码导出 m d， 让其他人使用，李四用 cloud code， 王五用 codex， 整个流程依然。它的工作是顺畅的，但李四和王五就可以不订阅 fig 码了。那第三帧高叫做高切换避雷。从写 fig 码 迁移出来，意味着丢失所有的历史设计稿组建，包括评论记录，包括迭代版本等等。但是我经过验证，真正有价值的设计资产，它可以被蒸馏成 m d 文件。这些被蒸馏的 m d 文件，就让原本的高迁移的这个壁垒， 它的迁移成本变得极低。这样来回切换，其实成本接近零了。三根柱子同时松动，估值倍率下行是必然的。所以这不是说 sars 公司它就会消失了，它会依然存在，但价值来源会从原本的界面和流程转为 像数据转向数据，客户关系、合规牌照等等这些独占优势。那 sars 公司会变得越来越像传统公司，有价值，但 不再享受二十倍以上的收入估值倍率了。那 ai 其实没有杀死萨斯行业本身，而是杀死了萨斯的高估值倍率。其实市场已经在定价了，回到 figo 一 年 不到，已经跌至了最高峰股价的百分之三十，不是因为它的产品变差了，也不是因为它的用户在流失，至少财报上还没有具体的停陷，甚至 ar 还在上升， 而是因为市场正在重新定义一个问题，当 ai 让界面变得免费，一家卖界面的公司估值到底是多少钱？那其实市场已经给出了他的答案了。

ai 卖货，一年多卖一个亿，温州的森马做的什么？不是追 ai 的 概念，而是把 ai 踏实的在卖货的全日利物件。第一，增量，用数字人填补直播的空档，做到七成二十四小时不断的卖货。第二，转化，用 ai 的 模特生成不变， 单张成本直接打到只有一块钱。第三，看效率，用 ai 智能投广告，让每一分钱花的更精准， 投产品提升了百分之十。更重要的是，森马没把 ai 当做人的对手，而是把它当做员工重复劳动里释放出来，去干最有价值的决策的活。这给所有的老板提个醒，真正的 ai 革命不是机器去换人， 而是用机器去帮助人完成一次商业思维的升级。你是怎么用 ai 去降本增效的呢？评论区聊聊我是易洋，让企业股权少走十年弯路。

从小穿到大的服装品牌，靠这么一套 p a 加 ai 工具一年创收净员工自动化骑乘二十四小时干活，没有一个真人贵。自动工作，这是你们的数字员工区，对，数字员工区，那是人类员工，这是数字员工。是是是， 这台电脑呢？它现在在处理的是我们售后的这个订单啊，比如说消费者要改地址啊，要换尺码呀，处理一些退款的这种问题啊。然后这里呢是天猫的 后台，这里面是在处理京东的这个售后的这个问题。然后唯品会啊，因为我们这里分了不同的品牌，各个品牌有不同的电脑，这个已经在退款了。对对对，是，也就是说从那边到这边是一个整个的售后的自动化的工作流数字。你们现在有多少数字员工？ 九十四台，如果说换算为人天的话，已经运行十二万人天了，比如说每个人一年是工作两百二十天啊，大概可以换算一下。这是什么概念？没听懂。

大家好，今天看了森马集团在数字员工方面的采访，发现他们对 ai 员工的部署已经非常完善了，并且有了实打实的成果。今天就来聊一聊 ai 真实的商业落地案例。很多人觉得 ai 还在概念阶段， 森马却把数字员工用的透透的，九十四个数字人，二十四小时连轴转，不休息、不请假、 不抱怨，相当于五百四十五个真人，干了一年，成本还不到一个普通员工的工资，他们让 ai 干了啥？四百多个场景全自动化，小红书、发笔记、订单跟进、退款拦截、改地址、换尺码、开发票、对账报税、供应商管理、 售后客服全链路重复工作全交给 ai， 效率直接起飞。以前服装上星耀三五个月，现在最快十五天搞定，一天就能升款，出模特图，直接撤款 上架生产，商业模式都被重构了，视觉成本降百分之七十，百分之九十。过去拍一组图十几万，现在 ai 生成精修图只要百元，一年光降本就超一千万。直播更猛， 数字人主播和真人没区别，二十四小时直播，自动互动改话术，补知识库，单靠数字人直播一年就创收四五千万，明年 ai 真向目标直奔五亿。 ai 还帮着赚钱，智能投放广告，并且二十四小时优化，广告效果提升百分之十，一天自动优化上百次广告，优化主图与详情页， 点击率提升百分之二十，商品陈列、标题优化、跟踪热搜词等等，流量效率大涨。 ai 员工部署在企业难不难？其实技术一点也不难， 难的是要懂业务，别照搬别人的流程，要重新设计专属你的 ai 流程，做到端到端闭环。关键是一把手亲自抓，统一部门共事， 把最牛员工的经验喂给 ai， ai 才好用。这样做，彻底把人从枯燥的劳动里解放出来，去做策略创新，谈业务、做决策，账本有天花板，征收才无限 申马。用九十四个数字，员工跑出了传统企业可复制的 ai 落地路径。还在观望的，不妨从一个小场景开始，先自动化，再智能化，最后变成自运行体系。这不是未来，这就是现在。

兄弟们，紧急议程，亚马逊五月中旬那个重大变更，你还在死磕 refresh？ 别傻了，它已经被下架了，所以现在亚马逊它已经上线了新的 ai 购物助手 l 啊 for shopping， 这个不是简单的改名哦，它现在已经被提到了菜单的第一页对吧？然后彻底改写了流量跟转化的逻辑，而不懂的卖家接下来的订单会越来越少，对吧？ 先给大家讲三个核心的变化，每一个都关乎你的订单。第一个，搜索入口合二为一，以前是简单的点的复式才能像 ai， 现在主搜索框直接输出问题，大家比较那个复杂的问题，就能触发 ai 导购的流量要爆发式的增长，如果说你不跟上的话，流量就直接被抢了。第二个，那个跨设备下单更方便， 那亚马逊它有一个一幅绣的那个智能屏幕跟音箱，大家还记得吧？现在可以直接视觉跟语音购物了，那用户在厨房客厅喊声 l 的 就能把东西加进购物车，转化率直接就拉满了。 那第三， ai 能替买家做决策，消费者可以设置一些，比如说他降价了我就去买，或者说定期去采购一些生活用品， 它的钱就会比较比较大，传统的玩法会失效。重点来了，那以前的埋石堆砌打价格战，现在在 lala 面前全部是白惠公，它会查你一年的价格历史，其实它会显示一个月、三个月、一年这三个的价格历史，然后会看用户的消费习惯，还会对比多款产品， 你不优化连被推荐的资格都没有。是的，这个我自己试过了，没有错的，对吧？那这三个应对方法，记住，第一个，放弃单纯的埋石，这个当然大家之前有做过的 pos 跟 cosmo 的 优化，其实它还是可以用的。 那转向 aoe， 在 历史典跟 qa 里面要多写应用场景跟问题解答，比如你卖小苏打，你就可以写适合八岁孩子 火山爆发科学实验，对吧？这样 lala 才会推荐你。然后价格策略要稳定，别搞那种先涨价再打打折扣的促销， lala 会直接告诉吗？现在的价格是历史高位，建议等待返还掉单， 可以用优惠券出来那些设置的降价了提醒买家。第三点，做好产品对比表对吧？买家能让 lala 多对比产品，那你在 a 家页面一定要标清自己品牌不同型号的区别，跟竞品的区别，避免 ai 抓错信息，把你的客户送给竞品，对吧？ 那最后一句话总结，以前的路由器，它就是一个等你提问的产品说明书，所以大家以前也在把那个参数写的更详细，但是现在不需要，现在写场景对不对？ 那现在的 ela for shopping， 它现在其实就是注册买家里面的私人采购秘书嘛。所以说亚马逊的这一波 ai 洗牌，早优化早抢占流量，还不知道怎么写历史，停了怎么做对比表的评论区扣 ela 我 告诉你。

我应该是市场里最早发现一家微晶企业投资了中国最牛逼的半导体设备公司吧？这个应该是有公开数据可查的，抖音上面应该可以查，对吧？ 当一家未经企业转形成一家科技企业的时候，一家算力企业的时候，很多人还在用旧眼光看世界，殊不知新的世界已经来了。我一个月前开始到现在记录了富通版 算力租赁，还有光模块、 c、 p、 o 以及现在的风装，包括中间一些微小的碳化硅产业等等。说实话，这些产业的变化都很快，但是都能够被我捕捉到，这就是有框架和没框架的区别。

我知道，现在很多人一提到 ai 投资，那第一反应就是晚了，光模块已经涨了七八倍，英伟达都快五万亿市值了，还能有什么机会啊？但我要告诉你一个事实， 每一次的技术革命，那涨幅最大的阶段，从来不是修路的时候，而是路修好之后，路上跑的车，车里装的东西。 回顾过去一百多年，有一条规律反复的出现，每次的技术革命，基础设施会先涨，但涨幅呢，有限，大概三到十倍，而应用和终端的爆发要猛的多十倍，甚至一百倍。而且每一波十倍股的接力，都发生在大多人都觉着已经结束的时候。 今天呢， ai 正处在一个极其关键的拐点，从训练走向推理，从云端呢走向端侧，这个拐点正在催生下一个十倍赛道，很多人根本还没注意到，我们先看两个被忽略的历史的剧本。第一个呢，是电脑互联网时代， 一九九四年网警浏览器上市，一年涨了五倍，一九九五年的斯科做路由器，两年涨了八倍。那个时候，所有人都觉着互联网就是铺网线，卖路由器，但真正的大钱在哪？二零零四年，谷歌上市 之后，十年涨了三十倍，亚马逊从网上书店变成了云计算巨头，涨了上百倍。而斯科呢，二零零零年互联网泡沫之后，花了二十年才回到高点，路由器呢，是路，谷歌和亚马逊呢，才是路上跑的车。第二个呢，是移动互联网时代， 二零一零年， iphone 四发布， arm 股价呢，一年涨了两倍，所有人疯抢移动芯片、触摸屏基站的设备。但后来呢，二零一二年，英伟达股价才十几美元，后来涨了一百多倍。腾讯控股呢，从四十多港元涨到了七百港元。 美团拼多多字节跳动涨幅也远超当年卖触摸屏的公司。规律很清楚啊，第一波赚的是卖铲子的，第二波赚的是用铲子挖出金子的人。 ai 他 也不例外。现在 ai 处在什么位置？三个关键数据告诉你，拐点已经到了。 第一个数据，全球 ai 推理的算力正在反超训练算力。二零二三年初，训练算力呢，占 ai 总算力的百分之八十以上。但根据多家芯片公司的预测，到二零二六年，推理算力将超过百分之六十。这意味着，用 ai 的 需求正在超过造 ai 的 需求。 这个数据呢，是大模型调用的成本，一年呢，暴跌了百分之九十多啊。 chip gpt 三点五刚刚开放的时候，每签个 token 要零点零零二美元。 现在呢，国产 deepsea、 智浦等模型呢，同样的 token， 只要不到零点零零零二美元，成本暴跌近十倍，就是应用爆发的前夜。 就像当年手机流量费从十块钱一兆啊降到一块钱一兆之后，才催生了微信和抖音。第三个数据呢，是端侧 ai 硬件正在进入放量期。二零二四年，高通、联发科、英特尔纷纷推出了 ai 电脑和 ai 手机芯片。 行业预测到二零二七年，全球 ai 电脑出货量将占电脑总出货量的六成以上。但 ai 呢，正在从云端的一个按钮变成你手边的一个零件。 基于这些数据和历史的规律，接下来三到五年， ai 领域最可能诞生十倍股的是两个被低估的方向。第一个方向，端侧 ai 芯片与模组， 你可以把它理解成车里的轮子。云端算力已经被英伟达、 amd 啊这些巨头瓜分的差不多了，估值也很高。但端侧 ai 芯片的，用在手机、电脑、汽车、耳机、摄像头里的轻量级 ai 芯片，那才刚刚开始啊。举个例子啊， 特斯拉的 h w 四点零自动驾驶芯片，算力比上一代提升了五倍，成本却下降了百分之二十。 比亚迪未来也在自研端侧芯片，谁最受益啊？做端侧 ai 加速 ip 的 公司啊，做低功耗储存的，做先进风装和散热的。对比下一个估值，英伟达的市销率大概四十倍，而很多端侧芯片公司只有五到十倍。 一旦 ai 手机和 aipc 放量，这个估值差会迅速地收窄。端测 ai 芯片不是去和英伟达竞争，而是吃 ai 下放到终端的第一口肉。这块肉的市场的规模呢，三年内可能从几百亿涨到几千亿。 第二个方向呢，是 ai agent 与垂直场景应用。你可以理解成路上跑的车，大模型是引擎， agent 才是整车啊。 真正能产生持续现金流的，不是卖模型 api 的 公司，而是用模型解决具体问题的应用。 比如说，美国有一家 ai 法律助手，成立两年估值七亿美元，绿色订阅费呢，比人工助理便宜百分之八十。 国内拥有网络，金蝶国际正在把 ai agent 植入企业的 erp。 柯大讯飞的 ai 教育平板，已经能一对一辅导学生写作文了。为什么现在才爆发？因为之前模型太贵了，太慢啊，也不准。现在呢， token 价格暴跌，延迟从秒级降到了毫秒级， agent 终于能够跑通商业闭环。估值上看呢，很多传统软件公司市盈率嗯只有二十倍，但一旦被市场认定为 ai agent 的 龙头，那市盈率可以很快给到五十倍以上， 业绩涨，估值也涨，这就是戴维斯双击啊。当然了，不是所有带 ai 两个字的公司都行，要看它有没有垂直直接的数据壁垒和客户粘性。 医疗、法律、工业、设计、教育这些领域呢，数据门槛很高，大模型短期内呢，它替代不了。 为什么说现在正是布局的窗口，三个信号同时亮起来了。第一个是拥挤度信号，过去半年，主动型基金在光模块 gpu 上的配置比例已经创历史新高，而在专测芯片和应用软件上的配置比例呢，处于历史低位。 第二个呢，是业绩的信号。二零二四年第二季度，多家端测芯片公司业绩超出预期，但是股价呢，还没有充分反应。比如说国内某 a i o t 芯片厂商 净利润呢，同比增长了百分之一百五，适应率呢，只有二十五倍啊。第三个呢，是催化剂信号。二零二五年，微软、苹果、华为啊，都将推出深度整合端测 ai 的 新品，每一次新品发布，都会重新点燃市场对于硬硬落地的预期。 最后说句一时代话啊，光模块、 gpu、 hbm 这些卖铲子的，未来两三年还会涨，但想再翻十倍，那难度太大了，因为它们的市值已经站在了很高的起点上。 真正可能再翻十倍的，一定是现在市值小，关注低。但业绩观点已经到了细分领域，端色 ai 芯片是让 ai 跑在每个人身边 啊。垂直场景 agent 是 让 ai 干出实实在在的活。这两个方向，一个偏硬件，一个偏软件，背后是同一条逻辑。 ai 从造出来变成用起来的时候，财富会从上游转移到中下游。 如果你错过了过去两年的光模块，和 gpu 没关系，每一轮技术浪潮都会给看懂规律的人第二次第三次上车的机会。这次的窗口正在打开。