高智謀
2024-12-27 
亞馬遜云科技李劍：中國企業出海面臨四大挑戰，生成式AI將成中國企業出海新引擎｜Alpha峰會
12月21日，亞馬遜云科技中國區行業集群總經理李劍做客由華爾街見聞和中歐國際工商學院聯合主辦的「Alpha峰會」，深度解析了生成式AI如何助力中國企業出海應對新挑戰。
他指出，中國企業出海已經進入新的階段，企業需要加速海外市場布局，同時積極融入海外生態，實現“共贏”發展。 李劍認為，生成式AI將成為中國企業出海的新引擎，幫助企業應對產品適配、高效擴張、融入海外生態以及安全合規四大挑戰。
李劍以安克創新、海爾智家、沐瞳科技和WPS等優秀出海企業為例， 展示了生成式AI技術如何幫助企業在產品創新、效率提升和市場拓展等方面取得顯著成果。
他還強調，企業需要轉變思維，將生成式AI融入企業文化，培養員工的AI應用能力，并建立有效的風險評估體系，才能在AI時代贏得先機。
華爾街見聞總結了本場演講的精彩觀點：
- 中國企業出海進入新階段，競爭加劇，速度和效能成為關鍵，同時企業也需積極融入海外生態，實現“共贏”發展。
- 北美仍是中國企業出海的首選市場，但歐洲市場重要性日益上升，中東、東南亞、非洲和南美等新興市場也蘊藏著巨大潛力，為企業提供了多元化的選擇。
- 生成式 AI 正在成為中國企業出海的新利器，可以幫助企業解決多語言交互、市場分析、產品創新、客戶服務等多方面挑戰。
- 企業在AI時代需要轉變人力資源策略，將AI“精簡”重復性工作崗位后節省下來的人力資源，投入到更有價值的工作中，例如業務拓展、產品創新等，并利用AI提升整體工作效率。
- 企業實施生成式 AI 戰略需要多方面努力，包括獲得高層支持，組建多元化專業團隊，將AI 融入企業文化，反復測試，找到最佳平衡點，從低風險的用例開始進行試驗和學習，實施防護措施，構建負責任的生成式AI項目。
以下為演講實錄全文內容：
大家好，我是李劍。最近我參加了很多分享會，發現有兩個特別突出的主題：一個是出海，一個是生成式AI。作為亞馬遜云計算的從業者，這兩個話題與我們的業務高度相關。
現在，越來越多的人開始關注生成式AI如何助力跨境業務發展，而這正是我的專業領域。在亞馬遜云科技，我主要負責游戲和零售電商兩個行業，這與當下的AI和出海主題密切相關。
今天，我想基于我接觸的各行業客戶在出海過程中遇到的新挑戰、新問題，以及生成式AI為出海帶來的新機遇和創新可能性，和大家來做一些分享。
2024年，出海競爭較往年更加激烈。無論是新能源、電動車、游戲、快時尚還是餐飲國內各行各業競爭都在加劇。正因如此，企業更加重視出海速度，希望在海外市場獲得更大收益。出海已成為中國對世界經濟發展的重要推動力，我們觀察到80%的中國出海客戶選擇在亞馬遜云上開展業務。
從最早的TikTok、電商的Shein、Temu，到現在已經擴展到更多領域。比如醫療行業，創新藥在國內利潤收窄的情況下，恒瑞、百濟和君實的產品獲批“腫瘤抑制類藥物”之后,也開始了出海。
再比如游戲和泛娛行業，今年備受關注的《黑神話：悟空》在Steam上全球銷量突破2300萬份，突破性的拿下了2024年TGA的最佳動作游戲大獎。還有我的客戶點點互動的《無盡寒冬》《Whiteout Survival》連續登頂出海手游收入榜。以及在美國iOS娛樂排行榜排名第一的短視頻應用 ReelShort。這些出海成功案例與中國上市公司密切相關，例如世紀華通，其最大業務亮點就來自《無盡寒冬》；而中文在線今年股價大幅上漲，最重要的原因來自于出海業務的擴張，也就是ReelShort。
除了傳統的游戲和媒體APP出海，智能制造、電動車、化妝品以及視頻直播等各行各業都開始走向海外市場，出海范圍不斷擴大。
作為中歐EMBA在讀學員，我的研究課題恰好聚焦于如何運用AI助力企業出海，對這一領域有著深入的研究和切身體會。那么，當前出海機會究竟在哪里？
從市場來看，北美仍是最重要的出海目的地。這主要得益于美國強勁的消費能力，其GDP中70%來自消費拉動。因此，無論是快時尚、智能制造、智能設備還是游戲產業，都將北美視為重點市場。
與此同時，歐洲市場的重要性與日俱增。歐洲已成為中美兩國都在積極開拓的市場。許多中國電動車企業選擇歐洲作為出海首站，其他行業也紛紛進軍歐洲。當然，在歐洲市場，GDPR合規是一個不可忽視的重要挑戰。
業界有一個有趣的說法：美國的創新體現在科技上，中國的創新體現在市場研究上，而歐洲的創新體現在合規監管上。回顧歷史，這種說法也不無道理：通常是美國首創新技術，中國在市場應用上進行創新和推廣，最后歐洲通過法規引導行業規范化發展。這體現了三大市場的比較大的區別。
另外值得關注的是中東市場。中東地區不僅有雄厚的經濟實力。同時，中東也在做數字化的轉型，推動經濟從傳統的石油、石化產業轉型。沙特和阿聯酋政府都在大力推動這一轉變。例如，攜程最近在中東舉辦合作伙伴大會，阿聯酋也在積極吸引上海的游戲公司在當地設立工作室。中東市場的數字化轉型為中國企業出海提供了重要機遇。
還有一個是東南亞市場。東南亞市場具有兩大顯著特點：一是龐大的人口基數，特別是印度和印度尼西亞（雙印市場）一直是跨境電商的重要陣地；二是年輕的人口結構，非常多年輕人。加上消費習慣與中國相近，使其成為中國企業出海的重要目的地。
除此之外，還有兩個值得關注的新興市場：
一個是非洲市場：不僅有傳音手機的成功案例，非洲的互聯網發展速度驚人，人口結構比東南亞更年輕。而且，非洲直接跨越PC時代，進入移動互聯網時代，發展潛力巨大。
另一個是南美市場：正受到越來越多電商和游戲企業的青睞，已成為重要的戰略布局地。
從亞馬遜云科技的角度來看，云服務基礎設施的布局往往預示著經濟發展前景。正如馬化騰所說，云計算使用量可以反映經濟發展水平。從全球視角來看，確實如此——經濟發展態勢良好、數字化轉型需求旺盛的地區，往往會吸引云計算巨頭投資布局。
基于亞馬遜云在中國服務眾多出海客戶的經驗，我們觀察到當前出海浪潮面臨幾個主要挑戰：
1. 產品適配：如何開發更好的產品滿足目標市場需求
2. 高效擴張：在當前時代背景下，如何通過領先技術助力業務快速的全球化擴張
3. 融入海外生態：單一爆品難以主導市場，需要更好地融入海外商業生態系統
4. 海外合規： 如何融入東道國法律體系，如何規避數據跨境傳輸的合規風險
在我們服務的客戶中，許多企業在市場洞察和產品創新方面都取得了顯著成效。以安克創新為例，該公司從2016年的湖南海翼發展至今，產品線已從最初的充電器、充電寶等配件，擴展到智能攝像頭和儲能產品。在海外市場，安克已經建立起高端品牌形象，產品不再依賴低價策略。他們充分利用云計算和AI技術分析客戶數據和市場數據，這種方式遠比簡單地依靠亞馬遜跨境電商平臺的數據要深入得多，真正用技術進行了深入分析。
海爾智家則是另一個范例。他們每年需要評估8萬種家電設計方案，這種規模的篩選和數據分析極具挑戰性。通過生成式AI技術，他們將分析周期從數月縮短到數天，大大提升了產品設計和渲染效率。這些都展示了如何通過云計算和AI技術實現產品創新和市場洞察。
在快速發展方面，游戲行業提供了很好的案例。以沐瞳公司的手游《決勝巔峰》（MLBB）為例，他們在開拓東南亞市場時面臨小語種本地化的挑戰。傳統的機器學習翻譯方案主要針對中文、日文、英文、德文等主流語言，對小語種的支持較弱，且受限于訓練數據不足。但通過生成式AI技術，在輸入行業專有數據和小語種數據后，他們開發出了更好的解決方案。比如一些游戲玩家常用詞縮寫，如"一起沖"或者“掛機”的簡稱，在不同語言中可能有獨特的表達方式，傳統翻譯軟件難以準確轉換，而生成式AI則可以很好地解決這個問題，大大降低了市場進入門檻。
還有一個客戶是WPS，WPS的海外發展令人印象深刻。在最近參觀珠海金山辦公時，我對WPS的成就感到驚訝。他們直接從傳統辦公軟件邁入移動時代，在海外積累了超過1億用戶。特別是他們在生成式AI方面的應用讓人印象深刻。
舉例來說，在寫月報時，WPS的AI助手能根據上下文智能推薦用語，甚至能自動計算環比增長等數據，這種深度集成的辦公助手極大提升了工作效率。可以預見，未來每個與辦公相關的場景都將配備AI助手，這將是提升工作效率最顯著的應用領域之一。
另一個例子是智能硬件和汽車。比如，當中國的智能家居產品進入海外家庭時，需要與現有的智能家居生態系統實現互聯互通。這就需要通過各種認證、安全協議和標準化對接。這些過程如果企業獨立完成會非常困難，但通過云服務平臺可以大大簡化這一過程。再比如上汽，國內的汽車可以集成騰訊音樂或QQ音樂，但在海外則需要與Prime Music合作，語音助手也需要與Alexa對接，這都是生態的合作。
這兩年，越來越多的To B SaaS產品也在選擇出海，包括ERP系統、數據庫產品（如PingCAP的TiDB、螞蟻金服的OceanDB）等。這些To B軟件出海的時候，需要更多的擁抱海外生態。與To C產品通過App Store或Google Play買量來去推廣獲客的模式不同，To B產品的海外拓展需要一套完全不同的方法論，更需要深度融入當地商業生態系統。
現在，合規問題已成為中國企業出海首要考慮的因素。與8-10年前相比，企業已從"先違規后整改"轉變為"先合規后運營"的思維模式。特別是考慮到2024年1月特朗普上臺，可能帶來的政治變化，合規問題將更加重要。
在數據合規和安全方面，特別是在醫療等涉及個人隱私的領域，要求極其嚴格。亞馬遜將安全視為的首要原則"Security is Drop Zero"（安全零容忍）。與中國市場相比，海外市場對個人隱私保護的要求更為嚴格。在中國，用戶可能已經習慣了基于個人行為的精準推送，但在海外市場，這種做法可能導致用戶投訴甚至產品下架。因此，對于出海企業來說，選擇像亞馬遜云這樣的成熟云服務平臺能夠更好地應對這些安全合規挑戰。
全球新技術應用周期加速，出海企業急需應對之策
技術的快速迭代也加劇了企業間的競爭，這一點在出海企業中表現得尤為明顯。無論是上證50、上證300，還是美國標普500指數成分股的更替速度可能會遠超過去十年。英偉達股票的顯著漲幅以及AI相關產品的快速增長都印證了這一點。在這個時代，對于出海企業而言，關鍵在于如何擁抱科技，特別是生成式AI，將其從概念層面轉化為切實的業務價值。自兩年前大語言模型橫空出世以來，各類模型不斷涌現，這不僅標志著AI時代的到來，也為企業發展帶來了新的機遇和挑戰。
雖然普通大眾主要了解ChatGPT，但實際上現在已有十種以上的大語言模型，每個都在各自領域具有獨特優勢。在過去兩年中，我和團隊以及亞馬遜云科技團隊通過與大量中國出海客戶的深入溝通，總結出一條從業務構想轉化為業務價值的發展路徑：學習、構建、確定、引領行動、再起航。讓我詳細展開每個環節。
在過去兩年里，企業將約70%的時間用于嘗試和探索，30%的時間用于收獲這些嘗試帶來的價值，并且愿意進行更多嘗試。我們總結出六個主要應用場景，其中幾個對出海企業特別重要：
1.多語言交互：這是許多企業，特別是中小企業進入海外市場的主要障礙（blocker）。與騰訊、網易等擁有大量算法人才、客服團隊和多語種人才的巨頭不同，中小企業往往因語言限制只能專注于英語市場。大模型的出現從根本上改變了這一現狀。
2. 其次當我們進入一個新的市場，往往面臨諸多未知,生成式AI可以挖掘和分析海量的市場數據。基于歷史數據和模型,它可以模擬并評估不同決策方案在未來可能產生的影響，為企業制定市場戰略提供準確決策依據。
3.洞察與決策：當我們進入一個新的市場，往往面臨諸多未知,生成式AI可以挖掘和分析海量的市場數據。基于歷史數據和模型,它可以模擬并評估不同決策方案在未來可能產生的影響，為企業制定市場戰略提供準確決策依據。
4.客服與營銷分析：從日常使用各類APP的體驗來看，客服的重要性不言而喻。現在越來越多的企業將客服數據視為核心分析對象。無論是客戶的評論、投訴率、產品缺陷原因，還是客戶提出的建議，這些都可以通過大模型進行快速分析，幫助企業及時發現問題和機會。
5. 企業內部知識庫建設：對于企業內部知識庫建設，比如在亞馬遜，我們特別注重文檔編寫，所有計劃都需要寫文檔。以前用英文寫作是非常痛苦的事情，但現在有了大模型的幫助，這個過程變得容易很多。
我認為未來中國可能也會允許在某些場景使用AI。這意味著下一代甚至我們這一代都需要掌握這項技能。我們的精力應該投入到更有價值的地方，而不是死記硬背。如果現在要擁抱AI，第一步就是學習——觀察別人的成功經驗，然后付諸實踐。
各行各業都在積極嘗試AI應用。上周我在美國參加亞馬遜的re:Invent大會，亞馬遜CEO Andy Jassy發布了公司自己的Nova大模型。值得一提的是，亞馬遜已經在電商領域的多個場景應用了大模型，比如客戶評論分析和購物助手。舉個例子，如果你想了解在跑步機上和綠道上跑步時鞋子的區別，只需向亞馬遜提問，系統就會解釋差異并推薦合適的產品。這與傳統的百度搜索不同，傳統搜索需要用戶自己判斷信息的準確性，然后還要單獨去挑選品牌下單，而AI購物場景讓這個過程變得更加流暢。
在生成式AI技術層面，過去幾年我們經歷了多個層次的發展：
- 最底層是基礎設施，這也是英偉達股價大漲的原因，因為所有AI應用都需要這樣的基礎設施。但對大多數用戶和客戶來說，不需要深入到這個層面。
- 中間層是基于各種大模型構建的工具，這是企業最可能用到的層面，可以利用不同大模型的能力來滿足出海或其他業務需求。
- 最上層是應用程序，比如我們個人使用的豆包、Kimi等產品。
在構建層面，我們有開源模型、閉源模型、ChatGPT、Google等多種選擇。在大模型領域，幾乎每天都有新的突破和排名變化，市場格局日新月異。就像去年國內的"百模大戰"，但最終能存活下來的可能不超過十個，未來可能就剩三四個，這與電動車行業的發展軌跡類似。
對于普通企業來說，在選擇模型或構建基于生成式AI的應用時，需要在三個關鍵因素之間取得平衡：準確度、性能和成本。
讓我用具體例子來解釋：
1. 準確度：比如在翻譯場景中，99%和95%的準確率差異，用戶的接受度會有所不同。
2. 性能：不同場景對響應速度的要求差異很大。例如，在購物場景中與客服對話，一秒的響應時間是可以接受的。但在游戲場景中，特別是在對戰或組隊時，如果"沖"這個指令延遲一秒才被理解，玩家可能已經被擊敗了。
3. 成本：這在To B業務中尤其重要。在實際應用中，如果花費10美元實現98%的準確率，或花費1美元實現97%的準確率，大多數企業會選擇后者。
這也解釋了為什么并非所有To B企業都必須使用ChatGPT——它可能是最貴的選擇，而市場上有很多其他模型可能效果相當或更好，但成本更低。
對企業來說，最重要的是認識到：不需要投入大量精力去研發專屬大模型，這并不適合所有企業，關鍵任務是充分利用現有數據，同時改變各業務部門對數據的認知視角，以及相應的管理機制和安全監控機制。
在大模型時代，數據開放可能比嚴格限制更有價值，這需要一個思維轉變。這并非忽視安全性，而是為了提供更多數據來提高模型的準確率，減少"幻覺"現象。關鍵是要在數據使用端建立有效的安全控制機制，確保信息只展示給適當的人員。因此，在確定原則時，數據相關的處理機制尤為重要。
企業變革的速度正在加快，無論是人員招聘構成還是企業文化建設，都與pre-AI時代有很大差異。我們需要將生成式AI深度融入企業文化。
對普通企業來說，在員工賦能方面需要：1.培養員工熟練掌握提示詞（Prompt）的能力；2.培養批判性思維，識別pre-AI時代的局限；3.提升每個員工對生成式AI的認知水平。
舉個例子，亞馬遜云科技中國區要求所有員工都必須通過生成式AI認證，包括運營、市場、前臺、助理、文職人員等所有崗位。
在當前時代，我建議企業采取多種方式推動員工接觸和使用AI：一是引進高端人才，雖然成本較高但能快速提升能力；二是系統性地進行內部培養；三是引入新的應用場景讓員工實踐。無論采用哪種方式，最終目標都是要將生成式AI深度融入企業DNA。提升技能的具體方法很多，比如制定系統化的培訓計劃，讓員工在實際工作中體驗AI帶來的便利和效率提升。
一些企業采用了很好的實踐方式，如在公司內部舉辦黑客馬拉松。讓來自不同部門的員工提出創意想法，然后運用生成式AI技術將這些想法實現出來，最后進行PK評比。這種競賽式的學習方式不僅能激發員工的創造力，也能讓他們更深刻地體會AI技術的實際應用價值。
這里要特別強調一個重要概念：負責任地構建生成式AI應用。我經常做一個實驗：同時向兩個國內不同的AI對話機器人問同一個問題，經常會得到不同的答案。最后通過親自搜索驗證，才能確定哪個答案準確。
這種"幻覺"現象在主流的AI APP中仍然普遍存在。舉個具體例子，我在上個月（11月）詢問"2024年TGA游戲大展獲獎名單"，一個APP直接編造并列出了獲獎名單，而另一個APP則很不錯，如實回答大展要到12月12日才舉行，但可以提供已公布的提名名單。
對企業而言，特別是To B企業或涉及實際業務和資金往來的企業，這種錯誤是絕對不能容忍的。因為這可能直接影響業務決策和客戶信任，帶來實際的經濟損失和信譽損害。
在業務風險評估方面，我們建立了三級風險評估體系，用于評估不同場景如營銷推廣、財務報告、運營合同起草、預測分析等的風險等級。企業在開始AI應用時，應該優先從風險最低的場景著手，逐步擴展到更復雜的應用場景。
當然，這個風險評估體系需要根據企業特性進行調整。比如，To B企業可能會特別關注合同準確性的風險，因為合同錯誤可能直接影響商業關系；To C企業則可能更看重個人隱私數據安全，這關系到用戶信任和合規要求；而對供應鏈企業來說，供應鏈維護和預測的準確性可能是最關鍵的，因為這直接影響庫存管理和運營效率。
每個企業都需要根據自身業務背景和行業特點，建立符合自己的風險評估標準，并從風險最可控的場景開始嘗試。
基于我們過去支持眾多企業，特別是出海企業的經驗，成功實施生成式AI項目需要遵循六個關鍵步驟。
首要的是獲得高管層面的認同和支持，這一點極其重要。因為這里面首先涉及到幾個原因，一個原因是數據，特別是跨部門的數據。以一個游戲公司為例，相關數據通常分散在多個部門：用戶增長部門掌握用戶行為數據，制作人所在的游戲運營部門掌握游戲內容和運營數據，研發部門則掌握技術實現相關的數據。這些部門通常都是相對獨立運作的，如果缺少任何一個部門的數據，AI應用的效果都會大打折扣。沒有高層的推動，很難打破這種部門間的數據壁壘。
第二個關鍵步驟是組建一個多元化的跨學科團隊。這個團隊需要既懂業務又理解AI模型。在組建這樣的團隊時，企業通常面臨兩個選擇：一是完全自建團隊，招募AI專家和算法工程師，但這種方式成本很高，特別是現在市場上AI人才的薪資水平節節攀升；二是借助像亞馬遜云科技這樣的專業公司提供的技術支持和架構師服務。我們觀察到，大多數客戶傾向于選擇后者，因為生成式AI項目往往始于創意驗證階段，收益還不確定，通過利用平臺現有的技術能力，可以在控制成本的同時快速驗證想法的可行性。這種方式能讓企業在不承擔過高人力成本的情況下，靈活地開展AI創新。
第三個關鍵步驟是實施一些防護措施，比如剛剛提到關于數據安全和風險評估的。
第四步則是將生成式AI深度融入企業文化，因為只有全方位、全員工擁抱AI，才能帶來企業質的改變。
第五步，反復測試，這點特別重要。這來自于我們與客戶合作的深刻經驗中，即便是與騰訊、米哈游、攜程、得物這樣體量的客戶合作開展生成式AI項目時，測試階段通常都需要持續4-6個月。這么長的測試周期主要是為了在性能、性價比和準確率三個維度之間找到最佳平衡點。比如在準確率方面，需要反復測試不同場景下的表現；在性能方面，需要確保響應速度滿足業務需求；在成本方面，則需要評估長期運營的經濟性。另一個延長測試周期的原因是，在這3-4個月的測試期間，市場上往往會出現新的模型和更優惠的成本結構，團隊總希望能跟上技術發展的步伐，不斷嘗試新的可能性。
但我要特別強調一點：模型迭代是永無止境的，我建議企業不要過分追求完美。只要確認使用生成式AI后的性價比相比原來的解決方案有顯著提升，就可以投入生產使用。如果總是追求更好的新模型，反而會錯失市場機會，影響業務發展。
第六步是保持一定的警惕。由于模型可能產生"幻覺"，我們需要建立相應的限制機制。現在已經有很多技術手段可以實現這一點，比如屏蔽幻覺、過濾敏感詞、設置禁止出現的答案等。這些工具和軟件可以幫助企業規避風險，確保AI輸出的可靠性。
現在，無論是否涉及出海業務，每個CEO都在思考同一個問題：企業的生成式AI戰略是什么？
如果在座的各位正在思考這個問題，或者通過今天的交流開始重新思考這個問題，這都是很好的開始。這個問題不僅關乎企業，也延伸到每個家庭。很多人問我："孩子還要學編程嗎？""我的工作會被替代嗎？"這些都是時代變革下的焦慮。
確實，我們看到很多企業在應用AI后確實"精簡"了很多人員。因為AI最擅長處理重復性勞動，要把節省下來的人力資源轉向業務拓展和產品創新等更有價值的工作，并思考如何讓AI為業務拓展和產品帶來更多價值？這不僅僅是簡單的人員優化，而是要思考如何借助AI實現企業的整體轉型和升級。
回到今天的出海主題，說實話，在當前中美關系背景下，中國企業在AI發展方面確實面臨諸多挑戰，無論是在算力獲取還是大模型使用上都受到一定限制。但我們的出海產品必須要與歐美企業直接競爭。如果沒有完善的AI戰略，很可能在起跑線上就已經落后。
這就引發一個關鍵問題：作為出海企業，如果在AI應用的起點就處于劣勢，要如何改變這種局面？這需要每個企業深入思考，不僅要考慮技術可行性，更要全面權衡商業潛力。
出海的新浪潮正在發生根本性變化。從右邊來看，我們原來的出海路徑是從0到1，經歷數據分析、市場調研到創新，再到通過生態合作。而現在，我們可以利用生成式AI、云計算、數據驅動、安全保障和生態系統來支持出海。這與三四年前中國企業"賭一把"或"尋寶式"的出海策略完全不同——那時可能是押注一款游戲爆紅，或期待某個產品在亞馬遜平臺上賣爆。這種靠運氣的尋寶式出海模式已經不適合當前的市場環境。
現在，我們正在轉向"融入共贏"的出海模式。企業可以將自己定位為一個全球化公司，而不僅僅是一個出海企業。不再是簡單的出海策略，而是全面的全球化運營戰略考量。
在這個轉型過程中，云服務可以為企業在全球各個節點提供基礎設施支持，確保業務的穩定運營，而生成式AI則能帶來新的創新機會。
我希望大家能夠充分利用生成式AI的優勢，打造真正符合全球市場需求的產品、全面提升員工工作效率、優化企業整體運營效率、增強市場分析和洞察能力、提高客戶服務的質量。
這些方方面面都可以通過生成式AI得到實質性提升。對于出海企業而言，面對當前的各種挑戰，無論是數據安全、市場準入還是客戶服務，都可以借助生成式AI來應對。希望通過生成式AI的助力，你們的下一個產品能夠成為真正的市場爆款。
謝謝大家！
Alpha峰會由全新林肯飛行家AVIATOR為您特約呈現，即刻啟程，從容駕馭2025全球投資之旅
本文來自華爾街見聞
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
