本文的来源：具有腾讯技术的人：孙天苏（Sun Tianshu），小米（Sun Tianshu），2025年8月，该国正式推出了“人工智能 +”战略框架。这是一个重要的顶级设计：应用程序的应用速率在2027年超过70％，将是促进经济发展的重要力量，到2030年将是2035年经济发展的主要力量。但是，在大型的顶级设计下，有许多重要的措施，用于实施“人工智能 +”业务，实施业务，以及在业务上的业务，甚至在业务上创建了业务，甚至在业务中构成了行动，甚至在实施方面，甚至在实施方面，甚至在实施方面，甚至在实施方面，甚至在实施方面，甚至在实施方面，甚至在范围内实施，甚至在实施方面，甚至在实施方面，甚至在实施方面，甚至在实施方面，既有业务，又有业务范围。重写。变化具有重大影响，而不是人们的想象力。长江商学院的终身教授太阳天苏（Sun Tianshu）认为，“ AI在人类历史上的所有技术之间具有最重要的区别：AI不再是帮助人们的“工具”，而是像嗡嗡声一样的“智能”本身Ans。”“ Kami Ay Mabilis na pumapasok sa” Pangalawang Kalahati ng ai” Ang“ Ang” Ang“ artipisyal na intelihensiya +” na karamihan ay kulang sa“ ai Architects”：Mga Talento na Maaaring iSama ang Mga Mga Senaryo ng ng ng ng ng ng Kakayahan kakayahan在Paggamit模型表明，在美国服务业市场的面前价值100万亿美元，AI仅改变了200亿美元，而99.8％的经济活动仍在等待明智的变化。基于这些观察结果，我们可以看到，从框架到实施，“人工智能 +”面临四个关键问题：从工业机会的角度来看，“人工智能 +”与所有行业有关吗？最大的瓶颈和机会是什么阶段o实现“人工智能 +”行业的目标？从商业投资的角度来看 - 哪些业务适合“人工智能 +”，哪些方案投入了？现在，它投资于“人工智能 +”最佳时间。企业/行业的“ AI业务环境重建”是领先的中国和美国技术公司Meta和Alibaba的丰富实践经验，也是我们通过此对话的许多大型公司的董事和高级顾问。在实施“人工智能 +”行业方面掌握了十大主要问题。我希望AI智能重建成千上万行业的开始，可以为行业实施带来一些实际的灵感。 Sun Tianshu教授，云江商学院的科学与运营教授，仍然是Dean讲师，兼数字化转型中心的主任，核心观点：“人工智能 +”方法的深层逻辑1。AI迅速进入下半场：停止点：停止点不足以使技术难以获得技术，而不是很难获得的技术，而不是很难获得，而是很难获得的，而不是很难获得，而是很难得到的，这是不可能获得的。要获得硬技术，建筑智能的能力。 “人工智能+”的核心在于如何使用AI的智能机构重建成千上万行业的场景，组织和商业模式。 2。目前，该行业有一个巨大的“ AI认知差距”：AI的开发速度比该行业吸收AI的能力更快，并且开放代理商的可能性大于该行业中建筑智能的目前收购的数量。这种差的AI认知的根本原因取决于商人和行业决策者的“ AI架构”缺乏，以及无法将智能与情景结合在一起。 3。“人工智能+”的方法是最新的：行业需要新的增长引擎，AI需要行业场景和价值反馈，而“人工智能+”是行业与AI之间的“双向追求”。工业应用方案的财富和深度是中国进一步发展人工智能发展的最大比较。业务中实施了“人工智能 +”，场景和业务价值的重建是最终的测量标准。 4如果Thea业务和场景适合重建AI，则URE。 “百万员工”的问题：思考 - 如果某种情况突然有100万“医生”聪明的员工，那么业务的价值能提高吗？如果可能的话，这意味着业务或方案适合重建AI。 5。在业务中实施AI时，应将“方案”和“值”用作测量指标：“名望”指标不够重要。 AI不是离散的工具，而是与业务场景集成的“智能”。 AI应衡量关键情况的闭环重建及其带来的业务价值，而不是代币的应用和消费量；企业专注于创造价值的基本情况，这比AI实施更重要。 6. AI本地孵化的企业AI转换应用双手“抓住”：某些企业的基本所有者和基本利益可能是历史上的BU在AI期间拖延业务的rdens。拥有勇气和决心“从头开始”并拥抱AI代理人比附加原始城市墙更为重要。企业AI转变的第一步：选择正确的情况，“首先实现AI，然后让AI使您成功” 7。AI转换的成功或失败取决于场景的选择和“ AI架构思维”：大多数公司AI试图实现业务缺陷的基本原因，而不是技术上的构建，而构建了实体的构建，而构建了构建，那么构建了构建的构建，而构建了一个值得构建的构建，而构建了一个值得的构建，那么构建了一个值得的构建，而构建了一定的构造，而构建的构造是一定的，那么一定会构建的价值，而构建的构造构成了一定的构造，而构建的构造是一定的。场景，缺乏“对AI架构的思考”。 8。如何找到重建AI的最佳场景：“更多，一个，一个复杂”。许多员工/客户拥有许多家庭/成本费用，高频联系方案以及需要复杂知识和判断的场景是“ N“最适合人工智能玩大量的情况。选择正确的场景比埋葬更重要。9。聪明的人思考 - “首先实现AI，然后让您与您取得成功”：智能的本地企业首先需要“镇定”，即，就可以使知识，数据，工具，工具，工具，许可和合作能够让他们成为一个工作，使他们能够为自己的工作提供，以便他们能够使他们能够成为一个人，因此，他们能够为自己的工作而成长，以至于他们能够以i的成长，以至于他们能够以为;是，效率，反馈和明智的方案驱动的驱动器，并且越来越快地运行，选择场景和建筑代理的速度越来越重要。 AI，并有权定义用户，数据和型号。创业公司重建B端行业的机会：使用本地AI和轻投资投资来重建场景和组织。最大的机会是改变领先公司过去在AI期间的“主要职责”中获得的“基本财产”。 《敌人guardian》业务的护城河在于方案 +数据的积累。如果“ AI架构思维”是叠加的，那么您就有机会成为“超级富裕的第二代”。 “人工智能 +”呼吁“ AI业务架构师” 11。他们没有在学校接受培训，而是在AI行业重建的战场上受到了损害。 12。“行业”和“ A之间的系统不匹配我“需要解决：与“ Internet +”相比，“人工智能 +”的主要挑战是避免才能。工业企业具有情况和数据，但缺乏AI架构能力；尽管具有AI架构能力的才能缺乏场景和工业数据，而解决方案则缺乏解决方案。人才可以在场景中真正锻炼。与所有公司一起，至少有三个级别的Relati企业。 uthat，AI的本质是“聪明的革命”。我们正处于“ AI下半年”的开始，情报开始重建数千个行业。该阶段的最重要特征是，在开源模型，代理商的爆炸以及成本的迅速下降中，智能本身不再是一个困难的资源。真正的钳位点已经从技术本身转变为工业场景，如何使用无处不在的AI智能来重建情况并在数千个行业中创造业务的真正价值。因此，这些规则的引入仅与人工智能技术开发的内部节奏相匹配，人工智能技术的发展是从“数字工业化”中引起社会关注的重点，其中包括基本模型，计算强度和芯片，以及转移到“ Pang -Industry Digitalization”，也就是说，即，在数以千计的工业公司中，垂直应用的垂直应用。 第二，“人工智能+“是一个行业和人工智能“朝着相同方向前进”的过程。从工业角度来看，传统行业需要立即需要新的增长引擎和新的生产力，智能是有最大机会做这项工作的主要驱动力。-胰蛋白更大。-BEIT很难在AI上继续投入AI，并且在AI上很难继续投资，这是一项又一次的发展。像美国最大的比较优势一样，我们的大型工业基础是数千个行业的要求，可以在应用程序中创造价值，并形成了AI的积极周期。在重建行业的重建中，这场AI革命的本质以及“情报”的深度和程度。明天没有人会建立一个方案，也没有人想到明天后第二天的企业。许多人仍然使用工业惯性思维或“ Internet +”模型来理解“人工智能 +”，或者仍在追求小型，短，平坦，快速的功能应用程序，而不是设计业务场景，业务模型和AI的本地思维的组织结构。因此，即使像KPI一样，自上而下的政策推动者也必须“吸引”公司进行更深入的思考和计划。这些变化的浪潮开始与“ Internet +”不同，这不仅仅是变化的渠道和链接，这很容易理解，易于理解，而Canbusinesses是一个独立的团队发展。而“人工智能 +”是CH内核和体系结构中的Ange，这是更抽象的。企业需要重新使用AI架构开发模型，并考虑使用代理创造价值的主要方法。尽管对企业的了解并不像互联网渠道上升时那样明显，但可以从内核中充分重建业务的业务，业务模型，组织流程和生态合作。问题2：根据您的观察，中国的人工智能到达了什么阶段？企业投资AI的瓶颈和机会是什么？ Sun Tianshu：人工智能+才刚刚开始，所有公司都处于同一阶段的AI中。从工业的角度来看，我们到了。过去，人们更加关注“数字工业化”，例如基本模型，计算优势和芯片的开发。今天，随着“ AI下半场”的开放，重点是MOV在这一主要基础上，在数千个行业中涉及垂直情况和业务应用。这是开始的新开始，为所有业务提供了新的思维，并为布局的机会计划。我的个人意见：AI开发比该行业吸收AI的能力快，并且代理商开放的可能性大于智能行业场景的当前成本。尽管当今所有AI技术都停止开发，但现有的Inte Technologieslyente的使用足以在未来很多年为所有行业带来巨大的变化和重建。行业和技术之间存在巨大的“ AI认知差距”。穷人的根源是将其归于重大行业决策的“ AI架构思维”。智力不再稀缺，缺乏智能的能力。该AI架构的能力并未指定对特定技术细节的理解，例如符合变压器，抹布或RLHF，但一种使用智能来重建业务场景的思维方式。领先的交易者必须超过单点技术，将其对行业的深入理解和对需求本质，思考未来以及“吸引” AI技术的洞察力结合在一起，并“吸引” AI技术自己的公司和工业连锁风光。如果这种理解未被破坏，公司甚至整个行业也可能能够抵抗AI的后半部分。因此，最终是“人”的人工智能 +波的最核心变量。每个行业都需要新一代的“ AI业务架构师”：可以结合业务情况和代理能力并使用AI来开发下一代业务形式，组织设计和业务模型的人。他们可能是取得认知突破和自我革命的传统企业家，或者他们可能是对工业和土著居民有了解的年轻人理解和实践智力。它们将是改变行业本质的主要力量。问题3。该政策将“人工智能+”的第三个主要节点小时设置为2027年，2030年和2035年，并将“应用渗透率”作为分阶段的目的。企业应该如何理解这些节点和指标的实际意义，以及如何设定目标来评估和指导自己的AI实施？ Sun Tianshu：我对测量和评估这项AI革命的方法有不同的看法。我认为，这波不能通过过去的工具旋转（如云计算，Internet应用程序）的方式来扣除和衡量。最大的区别是，这次AI革命的主要部分是“智能”本身，而不仅仅是“工具”或“技术”。在以前的IT系统中，无论系统多么强大，它都是一种帮助。最终的决策仍然是人类，人民是唯一的智能单位系统。但是，AI革命的本质是代理人本身具有“情报”，可以做出直接决策并形成实施和评论的封闭循环。这意味着AI不再是一种简单的计数和离散工具（例如企业具有特定的系统或应用程序），并且智能将渗透和整合决策的所有方面 - 在诸如电力等业务场景中制定的所有方面，他们会产生变化并重建“汇编线”，例如“汇编线”，并带来了巨大的价值。因此，我认为应通过“方案”和“值”来衡量AI智能的普及：在方案中，AI的功能以及代替了做出“决策”所需的智能。如果仍然以传统方式定义诸如“应用程序渗透率”之类的指标，例如计算有多少公司使用AI应用程序，我认为这并不重要。未来的明智表格可以更加整合。例如，一条智能生产线，很难您要判断它是人形机器人，机器人臂还是扮演角色的软件系统。这是一个整体。公司或场景可能会消耗大量令牌，但表面上没有具体的AI应用程序，但是场景已固定并且业务发生了变化。因此，如何创造性地定义和衡量“名望”本身是对学术和行业的新挑战。我认为，在与“数字工业化”相关的行业中，模型的重复和尚未用的消费可以用作测量指标，代表“智能供应”。但是，成千上万个“人工智能+”行业中应用程序的人数集中在AI修改以衡量“情报价值”的“方案”上。当然，设定在2027年设定超过70％目标的政策的主要意图是“驱动”和“拉动”，以加快朝这个方向的所有业务努力。但是我们必须意识到，这只是服务t的过程的指标他的经济增长的最终目的。真正的本质是，如果企业使用AI来构建下一代方案，创造下一代需求，创新下一代产品，修复下一代Samyes，并最终意识到行业模型的修改以及企业价值的启动。因此，一种更好的测量方法是切换到“方案”。一家业务中存在多少基本业务情况，它实现了一个由AI的智能驱动的价值的闭环，这是主要的，从意见到需求再到组织的供应。随着越来越多的公司发现自己的基准方案，新的行业标准和更具体的测量方法将逐渐发展。例如，我们每天观看的简短视频是一个常见的智能本地场景，其背后没有数百万个客户服务，但可以满足每个用户的个人需求。业务变化的关键是找到NG就像可以通过明智的本地方法来重建的场景，而不是到处“胡椒”。问题4：MIT Nana报告发现，95％的企业尚未从AI投资中获得价值。通过企业实施AI应用程序的许多尝试都失败了，很难真正为业务增长提供服务。什么是主要原因？ Sun Tianshu：根源的原因是，大多数公司从未真正考虑过如何选择最适合在其主要业务中重建AI的场景，如何将AI深入在方案中，并使用AI来构建下一代业务模型和组织形式。现在困难的不是AI技术本身，而是业务方案的“ AI架构能力”。我正在用教育的示例来描述。无论是大学生还是要教书的商人，基本的需求都是解决自己的个人问题并实现成长。但是过去的教育模式usand -years受供应限制 - 好的老师很少。因此，我们习惯了“教室”形式组织。但是现在，当智力不再难以获得智能时，可以完全重建此模型服务。 AI代理可以为每个学生提供服务，深入了解他或她对照片和商业问题的需求，并将其与教师知识和行业技能的知识相结合，以提供个性化和高频沟通和学习。将来，每个人仍然可以同时倾听同一位讲师的老师，但是每个人都听到的声音可能完全不同，并针对她的行业和特定问题。在此过程中，老师的时间的成本已经增加了一百千次，学生的需求得到了更加满足。从这个示例中，我们可以看到，这种变化的重点不是教师使用了特定的AI工具，而是整个行业和场景的供求模型里约已经固定。为了实现这一目标，必须了解需求的本质，大胆地考虑未来的情况，并使用AI代理来生产新的工作流程。这正是NG在最近的采访中强调的。关键是是否可以使用AI来解决小场景的直接问题。因此，对于一家企业来说，最紧迫的Akain是在数千个业务链接中找到一个最重要的核心和最贵重物品，并在闭环基准上以AI的智能为内核驱动的业务进行构建。最重要的是：“首先要实现AI，然后让您成功。”您首先需要“实现AI”，即为AI代理提供数据，工具，权限和工作流，以便在这种情况下它可以增长；然后，让“ AI Make You”，也就是说，让该内核驱动的智能场景的效率和数量越来越快。选择场景和建筑代理的过程更为重要盲目的项目。问题5：由于并非所有业务的所有场景都是适当的，因此企业应该如何确定是否适合“ Arteffective Intelligence+”？而且，我们如何找到真正适合AI重构的“本地场景”？ Sun Tianshu：为了确定公司是否合适，或确定业务情况是否适合“ AI重建”，我有一个非常简单但直接的“百万员工问题”，或者某种情况突然一百万，不知情，难以置信，并且学习智能员工，您可以更好地，更快，更快，更友好？ Marginalryo。因此，并非所有企业都适合重建AI，大多数情况不一定适合AI投资。选择要大于努力和发现适合明智变化的本地情况 - 在人工智能 +期间，企业最重要的“能力”和“运气”。技术基督革命不公平，您可以将其视为来自外国人的神秘力量，并不是所有人都会运气。 Similarly if there is no big fish in the "fishing" area you are present today, then a leading businessman, what to do is not to continue casting the net in place, but to drive the ship to a new sea area where whales can appear. “军队并不总是动力，而且水没有形状。”拥有适应和拥抱AI代理的决心和决心比承担历史负担和沉没成本更为重要。 As for how to find these situations, in addition to the basic issue initially, I would claim a more specific procedure for "AI Scenario Reconstruction", which is to see if a scenario meets the characteristics of "three more, a high and a complex": three more: many employees (or more repetitive human labor), many users/customers (high costs).高频接触。复杂：需要复杂的知识和判断。场景t满足这些属性通常是AI可能引起显着价值的地方。但是，最难的是了解 - 印度需求的本质，并克服当今思考和创造下一代需求的要求。它要求了解未来，行业和智力的人在一起。问题6：AI重建成千上万的行业和行业确实是一个很好的机会，但是机会是人工智能+的机会？这是一些大型制造商，无数初创公司的机会还是领先的工业企业的机会？ Sun Tianshu：至今主要制造商已经获得了大多数价值。但是，将来，在人工智能 +行业的情况下，我认为企业家将有很多机会，因为“人工智能 +”不是C-End平台入口的思想，而是北部的大规模技术建设，而是重建数千个行业的情况。在C-Dulo中，我认为巨型平台的心理入口很容易替换初创公司，而且很难在短期内改变现有的竞争场景。在商人的C-End C-End的轨道上，这是第二代超级富裕的战斗，当今具有情况，数据和智能功能的技术制造商发挥了非常关键的作用。但是，有了人工智能 +数千个行业，我认为企业家有很大的机会。由于它对消费者方面的规模，网络影响和成本影响没有影响，因此它将具有许多新的逻辑来进行工业重建。在用户的一边，这种规模的影响，对网络和成本效果的影响非常明显且明显。从今天的Flash Sale战争中可以看出两个重要趋势：“ Super Portal + Super AI”。 SO称为超额入口意味着用户的时间和共享将在某些平台上收集更多；在t他的未来，食物，服装，住房和运输，社交网络和知识获取将由较少的封闭环境呈现，满足和形成。以Flash销售为代表的超级入口聚合将进一步增强并增加“ Super AI”：因为场景和数据更丰富，更闭环，更好地嵌入AI，重复和学习，形成代理的演变。在消费者方面，企业家仍然有机会满足垂直和情感需求，但是随着理性和全面的需求维度，竞争将是“超级丰富的NA第二代战争”。对于AI的本地创业公司，对未来有两个主要好处：First First Thinking不受现有的组织政策或结构的限制。从第一天开始，可以围绕代理商的功能来构建人类计算机协作工作流和AI本地人。你ai”，所以你有新的机会；第二，本地财产并非如此有了重大的历史基本财产，这些财产将对AI代理的出现负责。许多领先的行业面临的挑战是过去一直以来引以为傲的主要自豪感正在逐渐成为内衣。 Mthis已从负担的福利中改变了柯达的电影，全球拒绝工厂，分销渠道和渠道。如今，智力的广泛出现和无处不在的智力变化可以以一种更加本地的方式重建不同的行业 - 组织 - 围绕不断变化的智力。人工智能本地企业家的主要机会是 - 在其基本责任中主要拥有行业领导者，并以新的方式实现跳跃。我认为在整个人类历史上，一个人现在比以往任何时候都更有成就。因为我们有一个新的动作 - 智能的身体动作。过去，规模必须依靠人 /产品 /资本的规模（使用动机，产品扣押和捕获资本规模的才能）。如今，添加了代理的规模：情报无处不在，并且可以大规模地构造大量代理商，以满足需求，重建业务和修复情况。因此，将来肯定会有具有很高回报和程序的投资方法，并具有很快的增长：不仅是1次，2次或3次，但会有企业家精神和有道路或数千美元积累的企业。只是大多数人尚未适应这一新动作，他们无法控制这一行动。对于当今领先的工业业务，最大的功能和利益在于长期运营产生的方案资产和数据资产。这是因为这些情况，即智力可以从一开始就可以无缝地集成而无缝地集成；因此，大量数据和支持系统已经积累了。应从广义上理解数据资产：它们包括针对客户需求，劳动环境，零售渠道等的结构化和不公正的“具体数据”，以及公司员工和专家积累的经验和知识（对大脑的知识和理解，“不可读数据”）。这些是工业企业打击AI祖国企业攻击的关键。我们应该使用方案资产和数据资产的两个主要要素，并真正使用AI代理来释放方案和数据值。如果AI的本地AI的想法叠加，那么我们在AI的下半年就可以成为真正的“超级富裕的第二代”，将现有的福利转变为下一代行业的护城河，并将潜在债务转变为不同的优势和增加的金额。问题7：选择了一种情况后，企业需要将真实的钱投资于AI的变化。在短期内，我们如何测量如果业务价值不可见，则取消输出（ROI）比率？ Sun Tianshu：至于这个问题，我有两个非常直接的词：衡量AI投资的最终和唯一方法是业务的价值。在意识到业务的价值之前，依靠信仰。这听起来可能很神秘，但是就在业务开始时，它本质上是基于判断的一种投资形式。但是，“信仰”并不意味着“失明”。在意识到业务的最终价值之前，AI Architects的主要功能之一是能够准确设计“中间指标”和分阶段的业务里程碑。选择正确的方案之后，最重要的是定义AI在方案中应实现的“中间目标”。确定AI改变的业务目的是成功的一半，因为这将导致整个组织朝着一定方向工作。为了提供药品零售的例子，公司的最终目标是增加GMV和收入。但是，AI转换的进入点是什么？是为了提高单个成员的生命周期的全部成本，还是授权药房开设更多的分支机构？它后面是一个完全不同的Madiscarte选择。如果选择前者，则您的中间指标可能会闯入：增加商店中会员资格的频率，增加商店的入学率，增加销售和单位价格等等。其次，它可以是代理商动态重复的“功能功能”。至于Doongin的用户持续时间，此指标不仅是业务目标，而且还可以在单​​个视频停留，观看率等中使用，从而指导推荐算法的重复。当算法找到您为自己推动的内容时，您只会读一秒钟然后添加它。它将知道该建议是失败的，需要调整方法。将业务目标转换为数据和GAM指标的能力是牵引力重复飞轮是“ AI架构思维”的主要象征。因此，企业需要做的是找到一个方案和“中间指标”，该方案可以快速提供反馈，建立封闭环节并继续产生业务价值。当您建立这种机制时，其余的可以留给AI，它相信重复的速度和潜力。问题8：如何理解“人工智能 +”动作中提到的“智能本地”（AI本地），如何培养智能的本地思维，以及在哪些方面有什么反映的？ Sun Tianshu：“智能本地人”将真正建立与情报作为中心的业务和融合。智能的本地企业可以在建筑和组织合作的眼光业务模型的情况下完全释放明智的身体能力。例如，Doong和Didi都是本地移动产品。很难想象刷牙并使用didi在PC期间。如果没有手机联系人（在触摸屏上刮擦）和相机，就不可能消耗和生成简短的视频内容，而没有共享GPS位置，则无法在用户和驱动程序之间匹配良好。为了实现“聪明的本地人”，最重要的是考虑如何帮助代理商成功。您应该考虑如何将“代理人”作为“ bo”培养，以真正帮助它在现场取得成功。我们可以想象，一个“极客”的新员工来到了公司 - AI代理商。他拥有无限的记忆，可以迅速吸收并结合大量的Kaalaman，可以称呼不同的工具和界面，不断地工作24小时7天，并且具有动态反馈的重复技能，可以继续知道甚至“显现”智力，但在其他方面，没有共同的能力，例如普通人具有认同和稳定对话的意图。 Aako是一种本地思维方式，就是理解和相信帽子新同学的能力从您的内心深处，思考如何最大化她的帮助 - 教她的知识，提供数据，装备她的工具和权限，并继续提供反馈和公司。您必须衷心希望他能成功，他将成为组织的中心，而不是将他视为威胁，担心他会窃取您的众人瞩目，或者希望他将完全容纳您并稳定您，并喜欢在您现有的工作习惯和组织过程中完成这些任务。这是上面强调的句子，您应该知道“先制作AI，然后您将在AI中取得成功”。想象一下，您是迈阿密足球队的教练。当梅西到达时，他应该考虑如何重新安排他周围的形成，并帮助新的同学（“代理人”）成功，而不是以前适应传统的游戏风格。具体而言，这种“ AI本地体系结构”思维反映在几个方面：第一个PLAY与AI代理有关，直接了解AI代理的能力的界限，并了解原则：在AI的下半年，优秀的企业家需要通过使用代理人不断地培养Intant，需要一致，并了解AI代理商的能力，以及伟大的企业的界限，也需要了解原则和智慧的方法，并深入了解AI的行动，并深深地理解AI的原则和智能的方法。 智力。通过这种方式，我们不仅可以理解当今代理商的功能和限制，而且可以预测明天代理商的非凡成功和变化，并继续识别新的业务模型，发现新的业务场景，并围绕代理商进化的道路和方向铺设新的业务变化。设计人机机器合作过程：您需要考虑如何将该AI员工装备给人类伴侣，甚至是某些人类雇员的老板，您需要知道如何为他配备知识，数据，工具，系统和同意。让他更好地整合到组织中并发挥作用。支持AI代理的机制的支持继续重复：您需要了解“奖励”的重要性，并知道如何为AI员工设计明确的评估目标和反馈机制，以便代理人可以继续发展。简而言之，在当今世界上，许多人了解业务，但是很少有人“了解AI业务”。对AI业务的所谓理解意味着能够完美地包括AI设计和商业设计，并使用本机AI方法来开展业务。最终目标不是为AI做AI，而是使用AI来创建下一代业务的创造性结构。这是AI架构的本质。问题9：反复重复“ AI Architect”的重要性。卡克多（Kakdo）这意味着“人才”是促进人工智能的最大障碍CE +今天？我们如何培养才能？ Sun Tianshu：是的，我认为人工智能+现在最大的挑战和机会在于才华，尤其是下一代的“ AI Architects”，真正了解行业，智力和未来。 “ AI建筑师”可以赢得数千名部队。现在，我认为人工智能+的一个主要问题在具有AI建筑能力的传统企业之间具有“系统的不匹配”：正方形，建立合作，合并鸡蛋，合作和共同创造的机制非常重要。至于如何耕种，我的观点是，应在成千上万的行业的“战场”中创建AI建筑师，而不是在学校学习。他们应该通过无数行业的试验和错误，重建和竞争来出现在数千个行业的战场上。当然，我们可以为这种情况创建条件。我想ai arChitects需要具有三个主要特征：了解智力并具有“对AI架构的思考”。它不需要编程，但是应该直观地对AI可以做的事情和无法做的事情是直观的，并且对其工作原理有很好的了解，并且对AI代理的演变感兴趣。当您的公司额外拥有100万AI员工时，它将确定业务方案中将发生哪些变化及其结构。了解该行业并有一个深刻的碗。它需要真正避免工业状况，并了解组织需求和能源，医疗和制造等行业的真实本质。对于年轻人来说，这是最需要的练习和最多的机会。了解未来并具有原始的英勇。我们必须努力打破行业的规则和自然逻辑，思考第一原则，思考和构造下一代商业。同时，我们还必须能够控制转型速度并发展与人机合作的新方式。可以通过创造机会来培养前两个（了解情报和理解行业）。 AI建筑师的种植与AI模型的种植非常相似。您应该提供她的场景，数据和反馈机制。我们需要做的就是创造这样的环境，以便可以在数千个行业的真正战争现场训练有潜力的年轻人，并完成其大脑中神经网络参数的“预训练”和“微调”。因此，关键在于建立机制，以便具有情况和数据的企业愿意为具有智能建筑潜力的年轻人打开机会。问题10：您刚刚提到的传统企业与方案和数据以及外部TALEN之间存在“系统不匹配”具有AI架构功能的TS，他们找不到彼此。如何建立机制以及如何改善这种情况？ Sun Tianshu：这是一个非常严重而常见的问题，“人工智能 +”和“ Internet +”之间也是一个巨大的区别。为了解决这一不匹配，我们不能仅依靠政策指导，而是最终依靠市场机制。主要是企业，尤其是CEO，需要成为伟大的“ AI Architects”。该建筑师不仅建立了一家企业，还组织了组织和才能。他需要能力和“品尝”来识别，发现，发现和培养真正聪明的建筑技能，并愿意为场景，数据，知识和技能打开机会。这些人可能来自外部业务。因为在传统行业中，直接从算法和原始勇敢中直接考虑的才能。这带来了一系列实际问题：如何确定NE工资结构？ BSH应该是AI在一个具有相对传统的工资和节奏的行业中的领先人才吗？它要求企业能够弥补组织设计变化和激励机制，并使用市场方式使领先的人才能够做好准备并快速进入数千个行业。我认为互联网行业的当前人才是一个很好的机会。我经常说互联网是一个“小山”，总共有数百万的从业者。虽然成千上万的人工智能行业 +是一个“小山”，拥有数亿个实践。如何使“小山丘”并接受数字“学龄前培训”的才能进入“山”，并在真正的“惠波阿军事学院”学生中成长，即AI Architects，在重建行业的Totoong Architects中，这是时代给我们带来的绝佳机会。摘要：“人工智能 +”旋转的本质不是工具代表鞋带，但“情报”正在成为行业的新核心。确定成功或挫败感不是技术的捕获，而是在数千个行业的情况下停放情报的能力。任何可以通过“ AI架构思维”来搜索本地AI场景的人，确定指标和迭代，在场景中培养AI架构师，并采用智能行动来重建业务模型和组织设计，这可以真正导致“人工智能 +” AI的下半年，并确定下一代工业。 特别声明：上面的内容（包括Larawan或视频（如有））已由“ NetEase”自助媒体平台的用户上传和发布。该平台仅提供信息存储服务。 注意：上面的内容（包括照片和视频（如果有））已由NetEase Hao用户上传和发布，该用户是一个社交媒体平台，仅提供信息存储服务CES。