重構 AI 時代產品法則！全球 40+ 行業領袖齊聚，2026 奇點智能產品大會破局“護城河”之爭

2026奇點智能產品大會主會演講嘉賓AI 全媒體平臺“奇點折射”發布現場花絮

2026 年，AI Agent 的競爭主戰場正從“底層模型”全面轉向“頂層應用”。

伴隨技術的演進，從提示詞工程（Prompt Engineering）、上下文工程（Context Engineering）、駕馭工程（Harness Engineering）一路邁向循環工程（Loop Engineering），Agent 的能力邊界被不斷拓寬。當大模型的參數規模與基礎能力逐漸趨同，真正決定下一階段行業格局的，不再是誰的模型更龐大，而是誰能率先打造出 Agent 時代的“殺手級應用”。Agent 的核心價值，正從單純的“回答問題”躍升至“自主完成任務、持續優化并創造商業價值”，完成從工具到真正生產力的蛻變。

在這一產業拐點之下，7 月 17 日至 18 日，由 CSDN 與奇點智能研究院聯合舉辦的“2026 奇點智能產品大會”拉開帷幕。數百位來自 AI 模型、企業軟件、機器人與自動駕駛等領域的從業者齊聚一堂。產業一線的技術專家、創業者與企業家們圍繞 AI 重構產品與商業、下一代軟件形態、任務編排與組織協同等核心議題展開了熱烈交鋒與深度探討。現場交流熱烈，觀點交鋒不斷。

2026奇點智能產品大會主會演講嘉賓

李建忠：Agent 產品創新的十個命題

作為大會開場嘉賓，奇點智能研究院院長、CSDN 高級副總裁李建忠發表了題為《Agent 產品創新的十個命題》的主題演講。面對 AI 技術快速演進，他從底層邏輯、產品價值、設計范式、交互方式、商業模式以及技術邊界等多個維度，拆解 AI 時代產品創新正在發生的范式變化，并提出重塑產品認知的十個核心命題：

1. 核心邏輯：從連接到計算。

2. 產品價值：從提供工具到交付結果。

3. 產品設計：從“流程體驗設計”到“駕馭任務設計”。

4. 人機交互：Agent 占據人機交互第一入口。

5. 形態演進：Agent 時代，傳統軟件/App 不會消失，而是演進為即時軟件與柔性軟件。

6. 指標體系：從用戶時長到任務完成。

7. 產品護城河：從網絡效應到能力飛輪。

8. 商業模式：從廣告/許可到結果/訂閱付費。

9. 能力上限：Agentic Scaling（智能體擴展）的杠桿效應遠未見頂。

10. 智能本質：Agent 正在從模式匹配走向真實的邏輯推理。

李建忠認為，理解 AI 時代產品創新，首先要認識底層邏輯的變化。傳統互聯網時代圍繞“連接”展開，核心是解決信息與服務匹配問題；而 AI 時代則進入“計算”范式，核心是智能供給。過去是機器提供數據輔助人類決策，而如今則是人類提供上下文，讓機器完成任務。

這一變化也重新定義了產品價值。傳統軟件時代，產品主要提供工具供用戶操作，而 AI 產品開始直接交付結果。以 IDE、Office、Photoshop、CRM 等為代表的軟件，本質上是能力工具；而 AI Coding、AI Office、AI CRM 則開始直接承擔代碼編寫、文檔生成、銷售執行等任務。對此，李建忠表示，“AI 時代的產品經理，我認為他是智能勞動系統的設計師。” 相比設計功能和用戶流程，更重要的是設計 Agent 如何理解任務、調用能力，并最終完成結果交付。

談及產品設計的新范式，李建忠指出，AI 產品已經從 Prompt Engineering（提示詞工程）、Context Engineering（上下文工程），演進到 Harness Engineering（駕馭工程），并開始邁向 Loop Engineering（循環工程）。他強調，這并非只是工程師的工作，而是產品團隊與工程團隊共同參與的系統設計。未來產品經理需要圍繞 Agent 的完整任務鏈展開設計，包括上下文、記憶、技能、工具、沙箱以及評估機制，讓 Agent 能夠完成“知道、行動、反饋”的閉環。

在人機交互方面，李建忠強調，Agent 正在成為新的交互入口。用戶通過自然語言提出需求，Agent 自主調用軟件完成任務，軟件也將從“Design for Human”轉向“Design for Agent”。未來應用會進一步服務化、App 不再孤立，我們也無需結構化 UI。同時，傳統依賴菜單、表單等結構化界面的交互方式將逐步演進為生成式 UI，根據用戶需求動態生成更加個性化的交互體驗。

針對“Agent 時代 App 是否會消失”的熱門討論，李建忠給出了否定答案。在他看來，軟件基于確定性計算，Agent 基于概率性計算，兩者將在未來長期共存。在這一過程中，軟件形態也將發生變化，除了傳統應用，還會出現“即時軟件（Instant Software）”和“柔性軟件（Elastic Software）”等新范式，通過 Agent 按需生成更加個性化的應用能力。他認為，這類軟件雖然仍存在爭議，但正如短視頻曾顛覆傳統影視行業一樣，邊緣創新往往孕育著下一代產品機會。

此外，李建忠指出，互聯網時代圍繞 PV、DAU、用戶時長等流量指標建立的方法論，已難以衡量 Agent 產品價值。相比追求用戶停留時間，Agent 更強調“用完即走”，真正重要的是任務完成率、單任務價值以及 Token 等計算指標。在他看來，AI 產品的護城河也正在發生變化。互聯網時代依賴的是雙邊市場形成的網絡效應，而 Agent 產品更依賴“能力飛輪”，隨著記憶、技能、工具和反饋閉環不斷積累，Agent 會越用越智能、任務完成率越來越高。他認為，“AI 沒有雙邊網絡效應，它真正的護城河是能力飛輪。” 其中，長期記憶將成為決定 Agent 能力躍遷的關鍵，也是未來競爭的重要方向。

商業模式同樣會隨著 AI 時代到來發生變化。李建忠表示，AI 正在改變互聯網時代“流量變現”的邏輯。過去互聯網依靠廣告、許可授權和交易傭金等模式實現商業化，但 Agent 時代，用戶使用 AI 的核心訴求是解決問題，而不是接受額外推薦。因此，未來 Agent 的商業模式將從流量驅動轉向結果驅動，圍繞結果付費、訂閱服務（Token）和交易傭金等方式實現價值變現。

對于 Agent 的未來上限，李建忠認為，當前 Agent 仍處于早期階段，能力提升空間巨大。他提出，未來 Agent 的核心突破將來自“Agentic Scaling”，包括協作數量、運行時長和迭代深度三個方向。他表示，當前 Agent 仍處于“嬰兒時期”，未來幾年 AI 能力演進遠未見頂。

針對“Agent 是否具備真正推理能力”的爭議，李建忠表示，業界目前仍存在兩種觀點：一方認為 AI 只是基于數據的模式匹配，另一方則認為其已經具備類似人類的推理能力。他更傾向于后者，并認為模式匹配與邏輯推理并非二元對立，而是存在連續關系。他引用 Anthropic 關于 J-space 的研究指出，大模型的能力并不只是簡單預測下一個 Token。在長期語言訓練過程中，模型逐漸學習到了語言背后的抽象概念和語義關聯，并形成跨語言的概念表示體系。這與人類通過抽象建立認知的過程存在一定相似性。他認為，隨著模型能力持續發展，AI 的推理能力仍將不斷演進。

AI 全媒體平臺“奇點折射”發布

最后，李建忠在大會現場正式發布 AI 全媒體平臺“奇點折射”。他表示，“奇點”代表 AI 邁向超越人類智能的關鍵臨界點，“折射”則寓意如同光的折射一般，通過多元視角解構 AI 技術與產品范式，洞察產業創新。未來，“奇點折射”將匯聚行業專家的深度觀點，以“跨越 AI 奇點，折射產業未來”為理念，通過全媒體傳播持續輸出高質量內容，為產業發展帶來更多啟發與思考。

吳甘沙：從自動駕駛到物理AI：從萬人出發到孤獨的長跑

以《從自動駕駛到物理 AI：從萬人出發到孤獨的長跑》為題，馭勢科技董事長兼 CEO 吳甘沙結合馭勢科技近十年的創業歷程，分享了自己對于物理 AI 產品、技術演進和商業模式的思考。

他表示，2016 年自動駕駛創業潮興起時，行業曾有數百家企業同時出發，而十年后的今天，堅持下來的企業已經屈指可數。如今，自動駕駛被賦予了新的名字——物理 AI（Physical AI），但其本質仍然是一場需要長期投入、持續迭代的“孤獨長跑”。

吳甘沙認為，與數字世界相比，物理 AI 產品面臨著完全不同的挑戰：在數字產品中，“99 分”往往已經足夠優秀；但對于自動駕駛而言，99 分意味著仍可能發生事故，因此等同于 0 分。

基于十年的創業實踐，他提出，物理 AI 的競爭首先要回答一個問題：這究竟是一場速決戰還是持久戰？他的判斷是，自動駕駛和物理 AI 本質上屬于長期競爭賽道。行業中的大多數企業都能將產品做到“99 分”，但最后的 1% 往往需要投入 99% 的時間和資源，這也給創業公司留下了持續成長的窗口。

圍繞競爭策略，吳甘沙借用了《孫子兵法》和《隆中對》的思想進行分析：

• 時間維度上，創業的前 15-20 年更像一場馬拉松，是企業不斷積累能力的“競”；后 5 年則進入商業競爭階段，是一場真正決定勝負的“爭”。企業應遵循“先為不可勝，以待敵之可勝”的原則，將更多精力放在自身能力建設，而不是盲目追逐競爭對手。
• 空間維度上，他將乘用車市場比作競爭激烈的“荊州”，商用車則是能夠建立根據地的“益州”。創業公司應短期以“益州”安身立命，同時兼顧“荊州”積累數據優勢。

找到“益州”之后，該如何致勝？吳甘沙分享了 PMF（產品市場匹配）的尋找過程——“黃金鏟子挖富礦”。市場端要滿足人又缺又貴、法規允許、社會支持三重條件；產品端則要看技術是否接近 100 分、成本是否算得過來、事故后果是否可控。

吳甘沙表示，馭勢科技找到的“富礦”是機場場景：目前，馭勢科技已在國內前 20 大機場中的 15 家，以及全球前 10 大機場中的 3 家實現無人駕駛規模化運營，占據國內機場無人駕駛市場超過九成份額。他強調，真正的產品價值不僅是實現車輛自動駕駛，而是完成掛接、裝卸、充電等全流程無人化閉環，真正解決客戶問題，才算實現產品與市場的匹配。

那么，完成“益州”深耕后，又要如何謀略“中原”？馭勢科技的做法是打造 U-Drive 全場景通用自動駕駛操作系統，覆蓋巴士、重卡、環衛車、巡邏車等多車型，用平臺化將巨大的固定成本分攤到多個場景。談及商業模式，他提出，未來物理 AI 不應停留在一次性賣車，而應轉向“AI 司機訂閱模式”——為車輛持續提供 AI 駕駛能力，并采用按使用時長、運行里程付費的訂閱模式，為客戶提供長期服務。如吳甘沙所說：“未來賣的不是軟件，而是信任。”

在技術演進方面，他認為，近年來具身智能的發展讓自動駕駛迎來了新的窗口期。從早期感知算法，到端到端架構，再到融合視覺語言模型（VLM）、視覺語言動作模型（VLA）、強化學習和世界模型。自動駕駛技術路線正在逐漸收斂，也越來越接近人類學習駕駛的過程：預訓練相當于積累社會認知，駕校訓練類似監督微調（SFT），新手上路則對應強化學習，而熟練駕駛則依賴世界模型與長期經驗的積累。

因此，面向未來，吳甘沙分享了馭勢科技推進 AI Native 的實踐：提出 AI First 理念，在產品研發、企業運營、知識管理等環節全面引入 AI，并自主開發了多 Agent 工程系統“造父”，希望借助 AI 實現從需求定義、任務拆解到持續交付的端到端閉環，進一步提升研發效率和組織杠桿。

“物理世界的 AI 是一場孤獨的長跑。”在演講最后，吳甘沙總結道，長跑者不能追風口，也不能怕孤獨，專注于把每一步踩實。當所有人都在談論奇點，真正改變世界的，是看到奇點前面需要什么樣的橋梁，并把它造好。

白鴉（朱寧）：讓非技術人員完成自己的產品演示和研發

在 AI 浪潮不斷深入產業的當下，AI 應用究竟會走向何方？有贊創始人兼 CEO 白鴉（朱寧）在本次大會上發表《讓非技術人員完成自己的產品演示和研發》主題演講，分享了他對 AI 應用演進趨勢以及產業落地方向的觀察。

白鴉認為，未來幾年 AI 應用大致可以劃分為以下幾個層級：

• 最底層、用戶規模最大的將是 AI 問答類產品，其日活用戶規模可能達到數億甚至十億級別。另一類則是類似微信 AI 的超級入口型應用，但這類產品更多承擔信息獲取、輔助溝通等功能，用戶使用深度相對有限。
• 在 AI 問答之上，是 AI Copilot 和 AI 辦事類應用，再進一步則是 AI Agent。用戶可以通過 AI 完成更加復雜的任務，例如整理資料、處理工作流程，甚至完成部分此前需要人工執行的工作。白鴉表示，這一階段依然會延續互聯網時代的競爭規律，即高頻應用會不斷擠壓低頻應用的空間。“當你的 AI 原生入口級產品已經被別人占領之后，后來者再想進入會非常困難。”
• 而真正接近 AI Native 的競爭，將出現在 AI 創作、AI 管理型應用等領域。比如利用 AI 完成影視級內容創作、生成完整產品，或者打造面向具體行業的智能應用，這些場景對技術能力、產品設計和行業理解提出了更高要求。
• 在白鴉看來，更高階段的 AI 應用將走向“AI 上崗”。他以有贊 AI 客服實踐為例表示，過去行業普遍認為 AI 客服的主要價值在于降低成本、提升效率，但實際落地后發現，AI 帶來的價值遠不止于此。“因為它沒有情緒，所以不怕被罵，被罵了依然可以保持好的服務態度。”白鴉介紹，在實際業務中，AI 客服不僅降低了退貨率，還能夠通過分析用戶需求發現潛在銷售機會，讓客服從傳統成本部門轉變為創造收入的業務環節。

基于這些判斷，有贊也開始探索更高階的 AI Agent 和 AI 創作方向，并推出了一個對非技術人極其友好的對話編程平臺 superun。白鴉回顧，這款產品最初的方向是利用 AI 直接生成設計界面，但經過兩年的探索后發現，這條路并不容易走通。“模型今天根本沒有 UI 相關的數據，所以沒有辦法訓練出真正好的界面。”

相比之下，大模型在代碼生成領域已經積累了大量數據，因此團隊最終調整方向，從“AI 設計”轉向“AI Coding”，通過自然語言生成代碼，再進一步渲染出真實可用的產品界面。這一轉變也讓白鴉看到了 AI 編程的新機會。

在過去，產品經理、運營人員或者企業管理者提出需求后，需要依賴設計師和程序員完成產品原型，但很多 Demo 只是視覺展示，并不是真正的業務模擬。而 AI Coding 生成的產品，不僅能夠還原界面，還可以生成真實的數據、流程和交互效果。“以前設計師做出來的 Demo，除了好看，剩下全是假的。但 AI 今天生成的界面，可以把商品圖片、名稱、價格都真實呈現出來。”白鴉表示，這讓業務人員能夠快速驗證自己的想法。

在他看來，superun 的核心價值并不是幫助程序員提高效率，而是讓過去被技術限制的非技術人員擁有創造軟件的能力。“過去幾十年的職業生涯，很多業務人員其實一直在被技術綁架。”白鴉說。許多企業管理者和行業專家擁有豐富的業務經驗，但由于不會編程，無法直接將自己的想法轉化為產品，只能依賴技術團隊實現。

為了讓非技術人員真正使用 AI 開發產品，superun 進行了大量產品優化，包括引入專業 UI 設計經驗、模擬高級產品經理思考方式，并將軟件開發流程拆解為“構想、Demo、Coding、上線”等階段，讓用戶能夠逐步完善自己的作品。

白鴉認為，未來軟件行業的主導者可能不再只是程序員，而是那些深度理解業務、能夠總結行業規律的人。未來大量固定流程但存在個性化需求的軟件，例如企業內部管理、人事、采購、財務等系統，都可能通過 AI 由業務人員自主完成。“外包的軟件開發，未來可能會越來越少，因為業務人員自己就可以完成軟件重構。”

徐欣：模型之外：AI 與業務結合實踐分享

圍繞《模型之外：AI 與業務結合實踐分享》這一主題，快手用戶體驗部負責人徐欣分享了快手在推動 AI 與業務融合過程中踩過的“坑”，并直面了一個更本質的問題：當 AI 進入真實業務場景，最難的不是模型本身，而是模型之外的團隊協作、組織管理和個人認知。

徐欣表示，自 ChatGPT 發布后，快手用戶體驗部很早便開始探索 AI 在業務中的應用。他們將 AI 的價值劃分為三個層次：首先是賦能個人，幫助員工提升工作效率；其次是賦能團隊，將流程化、重復性的事務交給 AI 自動完成；最終則是賦能業務，推動企業實現降本增效和業務目標。

然而，對于當時的團隊而言，他們面臨著一個現實困境：沒錢、沒卡、沒資源，行業普遍在自研大模型時，這條路顯然走不通。于是他們反過來盤點了自己真正擁有的東西：上千名一線客服同學、每天數十萬條真實咨詢數據、完整的研發測試交付閉環。這些資產指向一個結論：不做模型，做調優；不拼算法，拼落地效率和數據閉環。只要有開源模型可用，就能基于業務數據快速迭代。

場景選擇上，團隊做得非常細致：對于規則明確的問題繼續采用傳統 NLP，只有上下文模糊、傳統方式識別困難的場景才上大模型，把錢花在“刀刃”上。同時嚴格驗證 ROI，按財務口徑計算真實節省的人力與時間，并計入產研人力成本，經得起檢驗——正如徐欣所說：“只有財務口徑能夠算得過來，項目才具備持續推進的價值。”

在組織協同方面，徐欣分享了一個典型案例。AI 團隊與客服團隊共同推進項目初期，雙方一度陷入互相抱怨：AI 團隊認為業務團隊沒有提供結構化需求，而業務團隊則認為 AI 團隊不了解真實業務，提出的方案無法落地。問題的根源在于，雙方都希望由對方承擔跨領域的理解成本。

對此，快手用戶體驗部重新明確了雙方職責：AI 團隊必須深入理解業務，而業務團隊也不能只做需求提出方，而要主動學習 AI，培養判斷哪些工作適合 AI、哪些仍需人工完成的能力。雙方共同目標只有一個：拿到 AI 提效的實際結果，用節降數據驗收。徐欣透露，這套機制跑通后，截至 2025 年底，快手 AI 客服按嚴格財務口徑累計節降超 1 億元。

隨著 AI 能力不斷增強，徐欣認為，企業正迎來新的挑戰。一方面，AI 正在模糊各崗位之間的邊界，越來越多沒有技術背景的業務人員借助 AI 工具，也能獨立完成產品原型甚至上線 MVP，這將逐步打破原有的分工合作模式；另一方面，組織內部又面臨“個人成長”與“組織效率”之間的新矛盾。

他舉例稱，在快手用戶體驗部，一個業務團隊希望自主開發 Agent 及相應的開發框架，以積累 AI 能力；而 AI 平臺團隊則建議直接復用已有框架，避免重復建設。表面上看，這是資源復用的問題，實際上反映的是團隊成員希望通過實踐提升能力，而組織更強調復用和避免重復建設導向之間的矛盾。

為此，快手用戶體驗部重新劃定了“重復建設”的邊界：鼓勵各團隊圍繞不同業務場景自主探索 Agent 和開發工具，但生成后的 Agent、Skill 以及相關能力規范則統一治理，實現可發現、可維護、可復用，既保障創新，又避免重復投入。

除此之外，徐欣還分享了 AI 項目實施中的一些常見誤區，包括模型選型“大炮打蚊子”、解決方案偷懶、多個項目重復調用等問題。他表示，一個優秀的 Prompt 與普通 Prompt，成本甚至可能相差 90% 以上，因此模型治理和工程優化同樣重要。

在演講最后，徐欣總結道：企業推進 AI 落地，真正困難的往往不是模型本身，而是模型之外的組織管理、團隊協作、人才成長以及業務理解——只有解決這些問題，AI 才能真正轉化為推動業務發展的生產力。

張帆：從 AI 模型第一性視角，重構產品設計方法論

從技術視角來看，AI 時代的產品設計的第一性是什么？元理智能創始人、前智譜 COO 張帆圍繞《從AI模型第一性視角，重構產品設計方法論》這一主題，分享了他對于 AI 產品設計范式變化的思考。

張帆表示，AI 時代的產品設計與過去的軟件產品已經發生了根本變化。過去的軟件產品本質上類似一個“有限狀態機”，產品經理需要提前設想用戶需求，盡可能窮舉各種功能和流程，并通過明確規則實現交互，整個過程具有較強的確定性。而 AI 產品不同，其底層邏輯來自概率分布。很多 AI 產品看似只有一個輸入框，卻能夠承載遠超傳統界面的能力。因此，理解 AI 產品的關鍵，不再是沿用過去確定性的設計方法，而是思考如何影響和塑造模型輸出的概率分布。

在張帆看來，產品的本質并非簡單的交互界面，而是人與機器之間溝通的方式。過去幾十年的產品演進，實際上都圍繞兩個核心問題展開：人如何更準確地表達意圖，以及機器如何更準確地理解和執行。從早期的打孔機、命令行，到圖形界面、移動端觸控，再到如今的自然語言和多模態交互，技術不斷降低人與機器之間的溝通成本，提高信息傳遞效率。

當前隨著大模型出現，人機交互進一步演變為自然語言甚至多模態交互。張帆認為，人機交互的發展始終圍繞兩個核心因素：一是通信帶寬，二是理解效率。正因為如此，AI 時代產品設計的重點正在發生變化。過去，產品更多關注如何幫助用戶生產內容，而未來更重要的問題，是如何幫助用戶驗證內容。

他以內容生產為例指出，如今 AI 生成文章、圖片甚至代碼已經變得越來越容易，但判斷這些結果是否真正有效，反而成為新的挑戰。因此，AI 產品的價值不再只是降低用戶輸入成本，而是幫助用戶判斷 AI 輸出是否符合目標，并通過產品設計提升結果的可靠性。

張帆認為，過去產品設計更像是在繪制一張確定性的地圖，通過設計流程和規則覆蓋用戶需求；而 AI 時代，產品設計的核心則變成了“雕塑概率分布”。產品價值不再來自簡單的界面設計，而在于能否通過模型、Agent、業務流程等組合方式，形成區別于通用模型的獨特能力。他指出，當前很多 AI 產品的問題在于，將“使用 AI 做出一個產品”本身視為價值。但如果用戶通過一句話就能獲得同樣結果，那么價值實際上屬于模型，而不是產品。真正具備競爭力的產品，需要通過數據、流程、反饋機制等方式改變模型輸出結果的概率分布，形成自身的業務優勢。

進一步來看，AI 產品設計最大的挑戰，是如何在無法窮舉所有場景的情況下，讓模型持續產生可靠結果。這也是近年來 Evals Engineer（評測工程師）受到關注的原因。相比過去關注如何優化 Prompt，如今更重要的是建立有效的評價機制，通過持續反饋發現問題、優化模型表現。

張帆表示，模型自我進化能力的核心來自“生產”和“驗證”的不對稱。創造一個優秀結果往往需要大量探索，但判斷結果好壞通常更加容易，而驗證過程產生的反饋，能夠反向推動生產能力提升。這一邏輯已經在 AlphaGo 等系統中得到驗證：通過自我探索和自我驗證，模型能夠突破對人類經驗的依賴，實現持續優化。

不過，他也指出，這套方法目前還沒有大規模應用到商業場景。而核心原因在于，圍棋和真實商業環境存在巨大差異。圍棋有明確勝負，代碼有測試結果，但營銷、銷售等復雜業務場景往往涉及多維目標和長期反饋。因此，未來 AI 產品的重要能力，不只是調用通用模型，而是在具體領域中構建有效的“驗證器”，讓 AI 能夠圍繞業務目標持續優化。

“AI 時代產品經理的角色也將重新定義”，張帆說道。機器更擅長探索和搜索，而人的價值在于設定方向和邊界。“人的作用不是告訴機器每一步怎么做，而是給它設定圍欄和指南針。”他表示，過度細化的 Prompt 會限制模型探索空間，而完全開放的環境又可能導致低效探索，優秀的產品設計需要在目標約束和探索能力之間找到平衡。

最終，AI 時代的產品設計，本質上是在模型、Agent、業務流程和交互方式多個層面共同塑造概率分布，讓 AI 從一個通用能力變成真正服務具體場景的產品能力。

圓桌對話：AI 如何重構產品、組織與商業？

如果說以上幾位嘉賓的主題演講，分別從 Agent、物理 AI、組織變革、AI 落地實踐等不同角度分享了一線經驗，那么隨后的圓桌對話，則將討論進一步聚焦到一個更具共性的命題——AI 正在如何重構產品、組織與商業？

當 AI 從工具走向生產力，產品研發方式、團隊協作模式乃至企業競爭邏輯都在發生深刻變化。產品經理是否還會是傳統意義上的產品經理？AI 編程會帶來怎樣的組織重構？當開發門檻不斷降低，產品真正的競爭壁壘又將建立在哪里？圍繞這些行業普遍關注的問題，在 CSDN&《新程序員》執行總編唐小引的主持下，CSDN 創始人兼董事長蔣濤，馭勢科技董事長兼 CEO 吳甘沙，快手用戶體驗部負責人徐欣，元理智能創始人、前智譜 COO 張帆展開了一場關于 AI 產品未來的深度討論。

唐小引：第一問，是大家經常關心的“AI 如何重構產品”。站在今天這個時間點，當人人都能做產品、代碼成本趨近于零，未來什么才是真正稀缺的能力？AI 時代的產品經理、產品團隊以及創業者，應該如何重新定義產品價值和競爭壁壘？

蔣濤：我認為，AI 正在徹底改變產品研發過程。過去，從想法到代碼需要漫長的開發周期，而今天，代碼 95% 可由 AI 生成，從思想到代碼的創造性過程變得極快，想法的人可以快速進行 AI Coding 實驗和驗證。未來，一個公司可能只剩下兩個人：一個是出想法、定義市場、對最終結果負責的人，也就是新時代的產品經理；另一個就是技術架構師，負責定義技術架構、輸入與反饋機制。

不過，AI 改變的是研發效率，并不是產品方法論本身。無論是用戶研究、用戶故事還是產品體驗，這些經典方法依然適用，只是 AI 大幅降低了實踐門檻。特別是對于中小企業而言，AI 能幫產品經理補齊過去因資源不足而缺失的能力。

吳甘沙：在我看來，AI 首先降低了創新的門檻。對于大公司來說，他們往往不缺研發能力，而是缺真正有價值的 Idea；對于創業團隊而言，AI 讓一個好想法更容易變成現實，大幅降低了資源和成本門檻。

與此同時，產品開發流程也發生了巨大變化。過去，編碼耗時最長；如今，代碼生成越來越快，但驗證卻變得更加重要，特別是在自動駕駛這樣的生產級系統中，真正的挑戰是如何保證系統安全可靠。因此，研發資源和時間分配都會發生重構。

另外，當開發越來越容易，產品經理也必須重新思考“護城河”在哪里：界面可以生成，流程可以自動搭建，但真正難以復制的是長期積累的數據、行業經驗以及客戶沉淀，這些才是未來產品競爭最重要的壁壘。

徐欣：坦白說，我現在還猜不到接下來會怎樣變化。但在我看來，未來崗位會逐漸分化成兩類：一類是有技術背景的人，他們借助 AI 可以大幅提升研發效率，并解決系統穩定性、性能等更復雜的問題；另一類則是不具備技術背景的人，他們也能借助 AI 獨立完成過去需要產品經理和研發共同完成的大量工作。

但無論崗位如何變化，有一件事情始終不會變，那就是產品經理必須始終圍繞客戶價值思考：用戶真正的痛點是什么？怎樣以最低門檻、最高效率把價值交付給用戶？AI 只是讓從想法到 MVP、再到產品上線的過程越來越快，而最終交付給目標客戶的東西，一定是他覺得有用、有價值的。

張帆：今天的產品經理和過去的差別越來越大，過去像“工程師”，而現在更像是“魔法師”。AI 能快速生成產品、代碼甚至 Demo，但大家首先要想清楚：哪些價值真正來自自己，哪些只是模型能力的體現。

我認為，未來產品競爭的關鍵，在于理解通用智能與垂直智能的區別。通用大模型追求的是泛化能力，希望什么問題都能回答；而真正有商業價值的產品，更應該圍繞具體場景，打造在特定環境下的最優解，而不是追求“什么都會”。因此，產品經理真正需要思考的，不是如何與大模型比拼能力，而是如何利用 AI 在特定的業務環境中構建遠優于通用智能的垂直能力。這也是 AI 時代產品最核心的競爭力。

唐小引：第二個問題，AI 如何重構組織？當 Agent 開始承擔執行，人轉向定義目標、提供反饋，傳統圍繞人際協作建立的流程、崗位和考核體系正在失效。那么，AI 時代的組織應該如何完成“基因改造”，重新定義效率、人才和管理方式？

蔣濤：先看一個現象：像 Cursor、Claude Code 這樣的團隊，人數并不多，卻創造了過去數百人團隊才能實現的價值。這說明生產力已經發生質變，一個優秀的產品經理加上 AI，就能夠撬動巨大的生產力。

第二個現象是，各大公司 CTO 紛紛跳槽加入 AI 創業公司，為了 Token 自由。過去，科技公司最大的成本一直是人，而未來真正的 AI 原生企業，核心資源會變成 Token 和算力。而判斷一個組織是不是 AI Native，很簡單——Token 消耗量要遠遠大于人員消耗量。未來 AI 原生公司的最大成本不是人，是算力。

吳甘沙：我們并不是一步到位成為 AI Native，而是逐步推進的。

首先鼓勵管理者和各個部門分析自己的時間分配和核心業務，尋找最值得用 AI 提效的場景，并建立可量化的評估指標。在研發領域，我們正在推廣 Harness 環境，讓 AI 不只是輔助寫代碼，而是參與完整的軟件交付流程。未來重要的是建立數據和反饋機制，知道 AI 到底在哪些環節產生了價值，并持續優化。除了研發，跨部門協同也是 AI 可以發揮巨大作用的地方。過去企業協作效率低，一個重要原因是知識分布不均、溝通成本高。現在通過統一知識庫，每個人都能快速獲取信息，并建立共同標準。

當然，目前我們只是邁出了第一步。未來企業需要構建統一知識庫，甚至建立企業運營世界模型，讓 AI 更深入參與組織運行。同時，也需要思考如何平衡“超級個體”和“超級團隊”之間的關系。

徐欣：我們主要從三個層面推進 AI 落地：

• 第一是個人。每位員工都可以自由探索最適合自己的 AI 工具和工作方式。
• 第二是組織。隨著 AI 能力不斷增強，每個團隊都需要重新思考自身的定位和價值。例如，我們負責用戶反饋分析的團隊，以前大量時間用于數據清洗和分類，現在這些工作逐漸交給 AI，員工則需要更多關注業務分析和價值判斷。另外，個人使用 AI 提效后，如何保證多人協作時效率不會衰減？比如研發人員通過 AI Coding 提升效率，但不同人生成的代碼結構、規范可能不同，因此需要建立統一的代碼規范、共享知識和協作機制。
• 第三是跨組織協同。要看不同組織之間的協同關系，比如哪些能通過 AI 提效，哪些屬于 AI 之外或者會產生哪些潛在問題，把這些問題解決，讓跨組織協同效率最高。這樣的話，原來 100 人的組織可能變成 20 人，或者人不減、用 AI 做更多事。

張帆：我想分享一個“反共識”觀點：個體效率提升，并不一定意味著組織效率提升。

過去很多管理機制，本質上就是通過一定程度限制個體自由，來提升整體協作效率。例如填寫 CRM、提交周報，看似降低個人效率，但保證了組織的信息同步和長期運行。因此，企業評價 AI 應用時，不能只看是否做出了一個炫酷 Demo，而要看是否真正被復用，是否實現了勞動力替代。如果一個 AI 工具不能讓一個人完成過去兩三個人的工作，或者成本高到無法推廣，那再先進的 AI 也沒有意義。

我認為，AI 時代組織最大的挑戰是控制“熵增”。過去一個部門建立自己的系統成本很高，所以企業還能保持一定統一性。但現在 AI 降低了開發門檻，如果每個人都隨意創建工具、系統和流程，企業反而可能陷入混亂。

所以我極度反對人人都去學 Coding。組織要有明確邊界，什么人在什么范圍內做什么事。否則完全自由發揮，最終就是短期自嗨，無法轉化成真正的效率。

唐小引：第三問，AI 如何重構商業？當 Token 成為新的生產要素，AI 從工具走向生產力，傳統的產品形態、收入模式和價值衡量方式正在發生變化。企業應該如何找到 AI 商業化的突破口，并建立面向未來的新增長模式？

蔣濤：我先分享一下 AI 如何發揮作用：第一個變化，大公司提效會相對慢一些，是因為它本身的內部優化體系已經比較完善了。所以現在 AI 真正能夠帶來的提升，更多是在過去做不到的事情上。第二個變化，是大模型正在改變企業協作方式。未來，效率的來源不再只是人的分工，而是 Agent 帶來的協同效率。人與人的溝通往往需要按天計算，而 Agent 與 Agent 之間的溝通效率可能提升一個數量級。第三個變化，是圍繞 Agent 底層能力和工具體系，也就是所謂的 Harness。現在大家關注 AI 帶來的效率提升，但更重要的問題是，效率提升之后，最終產出和商業價值是否同步增長。未來，單純完成任務不再是核心，更重要的是創造什么價值，以及如何將效率轉化為業務結果。

從商業角度來看，人與人、人與組織之間的協同工具目前還遠未成熟，仍處于持續演化階段。因此，支撐未來協作方式的底層工具也需要發生變化。未來，原來人與人之間大量溝通和協調的方式，會逐漸轉向人與 Agent 協同、Agent 與 Agent 協同。圍繞這些新的協作方式，底層工具、組織方法和商業模式都會持續迭代。我認為，這就是 AI 帶來的核心變化。

吳甘沙：其實我們還沒有大規模推廣這種商業模式，但我認為，十年以后，這會成為一個主要的商業模式。因為我們的目標是未來擁有一百萬個 AI 司機，也就是一百萬輛搭載 AI 司機的無人車。如果每個 AI 司機一年收取一萬元服務費，對應的訂閱收入規模可以達到百億元。不過，這需要一個漫長的過程。今天的商業環境下，客戶更習慣于“買硬件”的模式，買車后只承擔維修保養成本，還沒有形成持續支付訂閱費的消費習慣。但我認為，未來商業模式會發生變化。

當然，實現這種模式仍然面臨很多挑戰。首先，無人車前期硬件成本必須降低，要盡量減少對昂貴傳感器的依賴。這意味著供應鏈管理能力要足夠強，要不斷把成本打下來。

其次，訂閱收入背后還對應大量運營成本。企業左手拿到訂閱費，右手還需要投入硬件維修、保養，以及新場景部署等費用。訂閱費收入減去這些成本，中間的“剪刀差”才是真正的利潤。 所以，訂閱費的錨點其實是人的成本，而企業投入的成本則可以通過技術持續優化。我們希望這兩者之間的差距越來越大，最終形成更高的利潤空間。

整體而言，未來無人車走訂閱模式，核心就是兩點：第一，降低前期硬件成本；第二，降低長期運營和運維成本。只有這樣，收入和成本之間的“剪刀差”才能不斷擴大，最終形成一個更加健康、可持續的商業模式。

徐欣：放到今天來看，這件事已經容易很多了。因為現在模型部署的成本，相比三年前至少下降了十倍，甚至上萬倍。大家也不會再執著于一定要做自己的模型，整體門檻低了很多。我覺得，未來商業模式的變化，或者說探索和重構商業最現實的路徑，還是提高人的效率，以及降低探索和試錯的成本。以前做一次探索，比如開發一個 App、驗證一個小場景，至少需要產品、設計、研發三五個人協作。從產品設計到研發落地，即便團隊配合順利，也往往要一兩個月才能完成。但今天，一個人就可以獨立完成整個過程，實現過去一個十人團隊才能達到的產出。

張帆：AI 真正的價值還是體現在商業價值上。大家經常問，AI 到底是泡沫還是革命？今天投入了如此巨額的資本開支（CapEx）和算力，判斷標準其實很簡單：如果這些 CapEx 所產生的 token 真正轉化為業務價值，它就是革命；如果沒有，就是泡沫。

那怎么看有沒有業務價值？其實也很簡單：看看標普 500、滬深 300。再看企業的財報，AI 是否真正影響了企業的核心業務指標。如果還沒有進入核心經營環節，它帶來的改變就還比較有限。不過，我相信這一切一定會發生。

AI 進入商業之后，很容易陷入一個誤區：生產要素發生革命性變化時，商業模式往往不是漸進式升級，而是重構。很多人希望把 AI 當作更高效的工具，就像給馬車裝上一臺更強勁的發動機。但真正的問題不是如何讓馬車跑得更快，而是如何發明汽車。

真正重要的是理解 AI 的第一性，理解它會如何改變產業鏈，以及自己未來會處于什么位置。今天很多人還在原來的路徑上借助 AI 不斷加固自己的護城河，但回過頭才發現，城墻已經變了，原來的護城河也失去了意義。所以，我認為更重要的，不是在舊世界里把事情做得更高效，而是提前判斷地表會如何變化，找到未來價值所在的位置，等待那個時代真正到來。這樣，才能真正抓住 AI 帶來的機會。

唐小引：在變革的前夜，我們應該以怎樣的姿態面對 AI？未來又該何去何從？請四位老師用一句話總結。

蔣濤：對結果進行交付，對結果負責。用好當前的 AI ，提升自己的效率。

吳甘沙：從“做以前做不到的事”，邁向“做以前想都不敢想的事”。

徐欣：擁抱 AI。它就像當年的互聯網一樣，正在全面提升效率。能夠身處這樣的時代是一種幸運，最重要的是享受技術發展帶來的每一個當下。

張帆：「不要用戰術上的勤奮掩蓋戰略上的懶惰」。我們不要盲目追逐每一個熱點，也不要低效地停留在學習表層知識，而是真正去思考：AI 時代的第一性是什么？人與機器應該如何分工？在這樣的分工下，我如何才能比別人創造出更好的結果？我覺得，這些問題都需要我們每天不斷地反思、不斷地思考。

落地、增長與實踐：AI 產品的關鍵命題都在這里

在主論壇之外，關于 AI 產品創新的討論進一步延伸到不同產業場景。對于開發者、產品經理和企業負責人而言，AI 落地不再只是一次技術升級，而是一場圍繞產品形態、研發方式、組織協作和商業模式的系統性探索。本次大會特別設置了 Agent 智能體產品與創新、AI 驅動的軟件生產力革命、具身智能與硬件產品、人機協同的體驗與交互設計、企業級 AI 產品從輔助到決策智能、AI 原生的組織與戰略、多模態與生成式 AI 產品，以及 AI+行業應用落地實踐等主題論壇，嘗試拆解 AI 從能力到產品的關鍵環節。

Agent 智能體產品與創新

當 Agent 不再只是完成一次問答，而是需要持續規劃、調用工具并交付結果時，下一代智能體產品究竟需要具備怎樣的能力？ 從單輪交互到復雜任務執行，Agent 的產品化仍面臨諸多挑戰：如何構建穩定的上下文管理機制，如何解決長任務中的記憶與協作問題，如何在模型能力邊界內保證執行可靠性，以及如何找到真正具備商業價值的應用場景。

本次論壇圍繞 Agent 智能體產品與創新展開深入討論，剖析智能體從技術能力走向實際應用過程中涉及的關鍵鏈條。來自久痕科技、北京大學、趣丸科技、云蝠智能、句子互動的五位技術專家，分享了在上下文基礎設施、多智能體協同、企業級應用落地以及 AI 原生組織變革等方向的探索經驗，探討 Agent 如何從“能對話”進一步走向“能工作、能創造價值”。

智能體上下文基礎設施

• 汪源 久痕科技創始人、CEO，前網易副總裁

AI 的“空性”與商業的未來一體

• 檀林 北京大學匯豐商學院創新創業中心管理實踐導師、北大匯豐未來實驗室創始人&首席未來學家

重估一切，第四次文藝復興——2026 AI 上半年觀察

• 莊明浩 趣丸科技副總裁兼首席戰略官、《屠龍之術》主理人

從員工提效到組織重構：VoiceAgent 背后的 AI 原生變革復盤

• 魏佳星 云蝠智能創始人兼首席執行官

硅谷最火的崗位 FDE——按結果交付 AI 員工的三年實踐

• 李佳芮 句子互動創始人、CEO

AI 驅動的軟件生產力革命

軟件開發正在經歷一次生產方式的重構。從輔助編寫代碼，到參與需求理解、方案設計、測試驗證乃至系統維護，AI 正逐步進入軟件研發的完整鏈路。面對開發流程、協作模式和組織效率的全面變化，如何讓 AI 真正融入研發體系，釋放工程生產力，成為企業和開發者共同關注的問題。

在「AI 驅動的軟件生產力革命」主題論壇中，來自 TRAE、百度秒噠、Qoder、螞蟻靈光等 AI 應用與研發工具領域的產品負責人，圍繞 AI 如何重塑軟件研發流程展開分享。從企業工作流變革、AI Native 研發組織建設，到低門檻應用開發與 Coding Agent 的產品實踐，嘉賓們結合真實案例，探討 AI 如何推動軟件生產方式持續演進。

TRAE WORK：面向企業工作流變革的產品實踐

• 余茂川 TRAE 產品經理

人人都是創造者，讓想象力釋放無限生產力

• 朱廣翔 百度秒噠產品負責人

Qoder：企業研發效率躍遷與 AI Native 組織實踐

• 劉欣 Qoder 產品解決方案總監

靈光：打造人人會用的Coding Agent

• 程沉 螞蟻靈光高級產品專家

具身智能與硬件產品

從人形機器人到 AI 眼鏡，智能硬件正在成為大模型能力延伸的重要入口。但要實現從“會感知、會交互”到“能執行任務、創造價值”，仍需要突破技術成熟度、產品形態、應用場景和商業化落地等多重挑戰。

本論壇中，來自宇樹科技、智元機器人、李未可、科大訊飛、Rokid 等企業的產品負責人，圍繞人形機器人商業化、AI 眼鏡產品創新以及具身智能落地路徑展開分享。他們結合實際產品研發經驗，深入探討機器人如何從展示走向應用，AI 眼鏡如何構建新的交互入口，以及智能硬件如何在全球市場中尋找可持續發展的產品模式。

從“會動”到“能干活”：人形機器人商業化落地的真實堵點與破局

• 陳永剛 宇樹科技副總經理、北京靈翌科技負責人

WakeeMemory——基于現實記憶為核心的 AI 眼鏡 OS

• 古鑒 李未可合伙人、首席 AI 科學家

人形機器人的「遠征」之路

• 燕勝 智元遠征整機產品負責人

從「大模型」到「具身化」：AI 眼鏡的場景拆解與硬件重構思路

• 葛暢 科大訊飛智能眼鏡產品總監

從準入到可持續：AI 眼鏡海外產品從 0 到 1 實戰

• 楊香 Rokid AI 眼鏡海外產品負責人

人機協同的體驗與交互設計

當 AI 從一個隱藏在產品背后的能力，走向用戶直接面對的“智能伙伴”，產品體驗設計正在迎來一次新的范式變化。過去，設計師關注的是頁面布局、操作路徑和功能效率；而在 Agent 時代，設計需要回答新的問題：如何讓用戶理解 AI、信任 AI，并與 AI 建立高效協作關系。

為此，本專題聚焦“人機協同的體驗與交互設計”這一主題，匯聚了來自微軟、字節跳動扣子 Coze、NoDesk AI 的一線產品設計與管理專家，一同拆解人機協同的最新前沿。從 AI 時代設計者能力體系的重構，到 Agent Native 組織中的全新協作方式，再到 AI Team Agent 帶來的產品交互升級，這些探索共同呈現了未來產品設計如何圍繞“人機共創”展開，重新思考人與 AI 的關系。

產品設計者的 AI 全棧時代：觀察、工具、框架

• 王佳悅 北美微軟資深產品設計負責人

「扣子3.0」：開啟新一代 AI Team Agent 協作時代

• 盧杰 字節跳動扣子 Coze 產品經理

企業級 Agent 從“能用”到“好用”的產品實戰

• 王仿 NoDesk AI 聯合創始人、前智譜 AI 商業技術中心副總經理

企業級 AI 產品：從輔助到決策智能

過去，企業關注的是如何讓 AI 提升單點效率；如今，新的挑戰在于如何讓 AI 真正融入業務流程，具備穩定運行、持續優化和創造業務價值的能力——從“會回答”到“會行動”，再到“參與決策”，企業級 AI 產品正在迎來新的演進階段。

在本專題中，來自京東、HeyBoss、AgentRun、360 的多位產品與技術專家，共同直面企業級落地的“最后一公里”難題。他們結合企業級 Agent、AI 原生消費體驗、智能體工程化落地等實踐，帶來了 AI 產品從能力構建到規模應用的關鍵探索。這些真實業務場景中的案例與思考，系統性地回答了一個問題：當 AI 走出對話框，它如何真正成為企業運轉的“決策腦”與“執行手”。

AI 原生購物：走向更接近真實的決策體驗

• 沈覺 京東 AI 產品經理

Agent Native 組織：當 Agent 開始管理 Agent

• 曲曉音 HeyBoss 創始人、前 Instagram 產品經理

Loop 不是終點：Agent 如何真正上線

• 劉宇 AgentRun 產品負責人、阿里 Serverless 產品專家

從“會回答”到“會決策”：360 企業級 Agent 本體架構與落地實踐

• 周海清 360 集團資深 AI 產品專家

AI 原生的組織、產品與戰略

AI 正在重塑企業的不只是產品，更是組織本身。當模型逐漸成為新的生產力，產品形態、團隊協作方式和業務決策邏輯都在發生改變，而如何重新定義團隊、產品與戰略，也成為每一家企業邁向 AI 時代必須思考的問題。

基于“AI 原生的組織、產品與戰略”這一主題，本專題邀請了來自 Ingora、OpenHex、YouMind、螞蟻、北京小瞳咨詢、360、金山辦公等企業的一線實踐者與產品負責人，他們結合自身實踐，分享了 AI 時代組織變革、產品創新與戰略升級的最新探索。從 AI 原生公司的構建，到智能體驅動的新型協作模式；從模型驅動的產品體系，到 AI 時代的數據決策與產品管理實踐，這些分享共同勾勒出了一個清晰信號：AI 正在把“如何做產品、如何建組織、如何定戰略”這三件事，重新擰在一起。

打造 AI 原生公司：從知識、戰略到代碼的持續閉環

• 許建志 Ingora 創始人&CEO

從“幫你干活”到"替你出面"：能派出去的 AI 數字員工

• 董舒 OpenHex 創始人/CEO，前 Meta/WhatsApp 核心架構師

當效率 10 倍提升后，一家 AI 創業公司的產研協作實踐與反思

• 雙揚（楊森） YouMind 聯合創始人 & CTO

打造以模型為核心的 Model as Product（MAP）團隊

• 邊思康 螞蟻百靈基礎模型產品和運營負責人

AI 時代的數據決策：從業務直覺到因果推斷

• 韓瞳 北京小瞳咨詢創始人；《策略產品經理實踐 1/2》作者

從 People Teams 到 Agent Teams，AI-Native 組織協作變革及產品實踐

• 廖百成 360 數智化集團產品總監

Token 燒得越多人越累？被困在 AI 提效運動里的產品經理

• 趙九州 金山辦公 WPS 高級產品總監、AI 產品負責人

多模態與生成式 AI 產品

大模型時代，打造一款 AI 產品早已不只是接入模型這么簡單。從 Agent 的效果如何量化，到復雜工作流如何穩定運行，再到多個智能體如何協同治理，產品競爭正從模型能力延伸到工程能力、運營能力和企業級落地能力。真正優秀的 AI 產品，不僅要回答"能不能做"，更要回答"如何持續做好"。

為此，本專題聚焦多模態與生成式 AI 產品的關鍵實踐，并邀請了來自昆侖萬維、階躍星辰、阿里云的三位產品專家，分享 AI 產品從設計到落地的核心經驗：既有 Agent 度量體系的構建方法與踩坑復盤，也有 Loop 工程在真實業務中的最佳實踐，以及企業級多智能體治理與協作體系的探索。這些分享可以幫助開發者與產品團隊理解，如何讓 AI 產品從單點能力走向穩定、可擴展、可持續演進的智能系統。

如何打造好的 Agent 度量框架及踩坑指南

• Phoebe 昆侖萬維天工 AI 高級產品總監

Loop 工程在階躍的最佳實踐

• 陶炳哲 階躍星辰開放平臺產品負責人

企業級多智能體治理與協作實踐

• 張裕 阿里云智能集團高級產品專家

AI+ 行業應用落地實踐

當 AI 真正走進企業，競爭比拼的已不只是模型能力，而是誰能率先將 AI 轉化為業務價值。但如何讓 AI 深度融入業務流程，真正提升效率、創造增長，并形成可持續的競爭優勢，依然是企業落地過程中最關鍵的課題。

圍繞“AI+行業應用落地實踐”這一主題，本專題邀請了來自度小滿、網易有道、京東、平安科技的四位產品與技術負責人，圍繞金融、教育、零售、企業服務等典型場景，分享 AI 落地的真實經驗。從 Agent 自進化驅動智能客服升級，到教育產品構建 AI 競爭壁壘；從 AI 人機共創激發零售創新，到智能服務體系的全面重塑，這些實踐展現了 AI 將如何從技術能力走向產業價值。

Agent 自進化與度小滿智能客服的探索落地之路

• 劉沖 度小滿資深大模型算法專家

教育產品的 AI 應用三層演進：從工具突破到競爭壁壘的構建

• 張子逸 網易有道素養增長產品負責人

AI 創新商品——人機共創，驅動零售增長

• 李玓 京東零售產品經理

AI 重塑服務范式：平安的探索與實踐

• 屠遂方 平安科技智能服務產品部總經理

兩日思想碰撞，共探 AI 產品創新新方向

至此，2026 奇點智能產品大會圓滿結束。在此特別感謝樂奇 Rokid、人民郵電出版社異步社區、清華大學出版社、電子工業出版社博文視點等合作伙伴對本次大會的鼎力支持。

兩天時間里，來自 AI、企業軟件、硬件及產業一線的實踐者齊聚現場。從主論壇對 Agent 時代商業邏輯與產品范式的宏觀探討，到八大分論壇對智能體基建、軟件生產力革命、具身智能以及企業級 AI 落地的微觀拆解，大會完整呈現了 AI 從底層技術走向實際產品價值的演變過程。

貫穿全場的一個清晰共識是：AI 產業的競爭邏輯已經發生轉變，正式進入注重落地實踐與長期商業回報（ROI）的新階段。不論是 Agent 如何突破單體局限真正承擔復雜任務，企業如何從“打磨效率工具”轉向“按結果交付數字員工”，還是智能硬件如何跨越數據瓶頸連接物理世界。未來的行業護城河不再僅僅取決于模型能力本身，更考驗產品設計、任務編排、工程穩定性以及對垂直產業的深度理解。

面向未來，AI 產品創新仍有廣闊的探索空間。隨著模型能力的持續演進、基礎設施的不斷完善，以及更多真實業務場景的開放，如何打造真正解決用戶痛點的 AI 產品，如何讓 AI 深度重塑現有組織與業務流程，依然是全行業需要持續攻堅的核心命題。2026 奇點智能產品大會所匯聚的一線實踐與思考，也將為從業者繼續探索下一代 AI 產品的演進方向提供扎實的參考。

貫穿全場的一個清晰共識是：AI 產業的競爭邏輯已經發生轉變，正式進入注重落地實踐與長期商業回報（ROI）的新階段。不論是 Agent 如何突破單體局限真正承擔復雜任務，企業如何從“打磨效率工具”轉向“按結果交付數字員工”，還是智能硬件如何跨越數據瓶頸連接物理世界。未來的行業護城河不再僅僅取決于模型能力本身，更考驗產品設計、任務編排、工程穩定性以及對垂直產業的深度理解。

現場花絮

在此特別感謝樂奇 Rokid、人民郵電出版社異步社區、清華大學出版社、電子工業出版社博文視點等合作伙伴對本次大會的鼎力支持。