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，长得像一只紫色的鲸鱼，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？》。

一、开源，创造了哪些新商机？

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，我们也是因为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日~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%，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，表达对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。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是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，彼此之间通信、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更好。举个例子，比如说我们在端上也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，原来闭源的时候很多东西都是掌握在寡头手里的。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，其他相对来说功能单一，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，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地使用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戴着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，包括我是听说好像现在在跨境电商领域里面用的是比较多的。

二、出海人，怎么用DeepSeek赚钱？

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，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，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，在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，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，往往要引入人工的客服。

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。

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“我们能清理狗毛”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”，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，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，那么幻方量化会支持我们的训练营学员，给到大量GPU的使用。当时我还在想幻方研发是什么，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，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，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。比如说我们要开一个例会，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。我跟程序员聊了一下，写代码可能还是在接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，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，你只需要告诉它你的评判标准是什么，你把你的评分标准给它，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。

你给它一个规范标准之后，它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，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，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地去解决这样的一个问题了吗？

赵维奇：我可以补充一点，就是从两个角度上来说，一个好的客服，他首先是回答你的需求，你想知道的信息层面，另外层面就是你的情绪价值。大家知道服务业是很难做的，它其实决定两个部分，一方面要把你的问题解决，另一方面要把情绪安抚好。第三部分其实还要做一个引导，也就是说，从产品设计或从真实找到目标客户这个角度，它其实是为了让更多的真正的目标客户存留下来，或者是对你有潜在兴趣的人存留下来，对你感兴趣并且持续跟进。

客户提到的其实是很复杂的一个功能，它有点像售前，但是对消费者来说，它其实不存在一个完全的售前，所以任何的问答都很重要。在我看来，原来的客服，最早的时候，是什么问题问A、什么问题问B、什么问题问C，先帮你分好类，你要问什么问题来细化。但是后面第二步就是你可以转人工，按0转人工，或者你在聊天工具里面说“我要人工”。但人工给你的也是相对机械化的一些（回复），因为它和整个workflow有关。原来这些客服就是培训过的，它是拿一个手册、一个说明书，按照说明书上去跟你讲的，所以要做到这一点，目前其实已经有很多（应用）。

在海外，中文、英文各种语言的表达方式不一样。所以我们从两个角度来分析，第一件事情是不是能够完美地回答你的问题。它不一定能完美回答，但它即使回答不出来，也会引导你到合适的地方去了解，就像我刚才说，它可以抛一个case或者抛一个媒体让你去了解。那这部分不管人工还是机器人都做不到的。但有了AI以后，它可以对大量的数据进行推理和训练，就导致了它其实有完整的方案，这是第一步。

第二步是你来问询的时候，这个人的画像也会更清晰。能在很短的时间内知道你是来自什么国家的，你大概什么年龄段，你的诉求大概是什么样的。以后我们的电商平台其实都会做这部分的一个背景画像，所以你来问的时候，听说你是个老年人，或者是一个小朋友，或者你是个女性或男性，我的回答可能就会不一样。

一方面是让你更准确地get到我所说的数据内容，因为比如说有些人对于同样的知识点，不同人的接受程度也不一样，每个人不同画像的漏斗是不一样的，所以这个是AI完全能做到的，那是直接回答问题的部分，触达率的部分和准确率的部分。

第二部分就是情绪的部分，其实这部分现在目前来说是比原来更重要的。大家也可以对比，豆包在情绪上就会做得比较好，但其实它的回答没有那么准确，相比其他来说它没有那么强。当我们去面对一个客服的时候，你既要理科生的严谨和信息传达，又要文科生的情绪价值，并且以你喜爱的方式去告诉你你想获得的知识。

所以发现，AI也在情绪上会给你一些语气上和个性化的表述。那在这个基础上，以后慢慢地就会把人工客服这件事做得非常完美，你也很难感知到对方是真人还是AI，其实就达成了一致，因为你要的就是一个诉求的满足。

另外一部分就是不得不提，比如说端侧和云侧的解决方案了。那作为一个端侧也可以解决的本地化方案，其实它的降本增效上也会有很大的优势，也包括隐私保护上。就管所有各个地方可能都有的一些隐私保护的部分，所以在这个大背景下，我相信很快，这是很好的，你刚才也提到盈利的方向，它核心就是传输信息和满足情绪价值，所以在这个基础上，以后一定会做得越来越好。

也就是说，以后游戏中一个陪玩的玩家有可能不是真人，但是他就让你感觉到是真人，那对面是个小姐姐，还是个机器人不太重要。所以从客服角度上来说，回到客服本身，客服就是帮你解决问题和提供情绪价值的，我相信国际化以后，这部分会越来越丝滑。

另外一部分我也可以提一下，我们眼镜现在也在做，就是人与人之间的互译，人工语言互译的功能。其实慢慢地会打破人与人之间的语言的障碍。当有AI介入以后，就不一定要学第二外语、第三外语、第四外语，因为你通过其他的方式，比如说你在桌面上或者是手机上，你跟一个外国人或者是在另外一个语种的人沟通的时候，有个中间件帮你丝滑地转化，你没有沟通的任何问题。

因为原来是有问题的，不管是基于非大模型还是人工，它都有一个转述的过程。大家知道有一个职业叫实时翻译，就是会议翻译，现在AI介入以后会更友好，它的转写准确率会更好。第二就是它在情绪上也会让你保持两个人交流得更丝滑，让你觉得无感。

所以出海以后也会往这部分来发展，所以在每个要出海的产品也好，团队也好，公司来说，这一点是利好的。这一点从语言角度上来说，是最容易达到的，因为那个基数已经在了，另外是大家的刚需，也愿意买单，所以这部分产品化其实有很大的潜在市场。

霞光社：从客服的角度来说，全球化的公司面对的是各种各样的文化和行为习惯的消费者。在此前的出海公司，本地化的过程中可能存在沟通问题，或者说是对当地的文化习俗不是很了解，就出现了一些没有办法达成的事情。这个问题有可能去进行一定的解决吗？

赵维奇：很快。比如说就在客服的这样一个层面，我先提两个点。一个就是我们出去的广告，或者是传达出的materials（资料）上，其实本地化很重要。那本地化分为两部分，一部分是你要适应本地，让大家都能读懂、能看懂你说的是什么意思，要有本地化的讲解，并且要有影响力；另外一点就是你得规避里面的一些文化敏感点。有些点特别是越小众的国家，它的市场还在用，没有被挖掘过，但是它可能有一些文化的差异。比如说有些是不能提的，有些图像和颜色是不能出现的。

对任何一个出海的团队来说，一旦出现风险，它就需要公关去解决这个风险，就很麻烦。而且你要上亚马逊，比如说你上到一个大的电商平台，一旦发生问题，它第一件事情很简单，就是下架。下架以后你要整顿、调整以后再上，那就是很大的一个问题了。这时候你要找专家团队去找问题到底在哪里，但其实从第一次你要发布的时候，就没有一个非常系统和专业的专家去审视这部分。就像刚才杨泽总说的一样，现在大数据或者是AI大模型，它已经有大量的历史积累，所以它可以非常好地承担一个专家的角色，甚至比你找的还专业。

但是刚才大家提到一样，你货比三家，你还是可以找agent（代理）来帮你输出这部分，但是我还有两三个AI的专家团来做二次确认、三次确认，成本又很低，你的风险会大大降低。所以我觉得这是比较重要的一部分。

客服也是一样，回答问题可能还有钓鱼执法的，还有比如说竞品或者其他的，可能会问一些不该回答的问题。如果人工培训不给力的话，极有可能就落入这个圈子。但是对于像律师和会计一样的专业性问题，有框架在里面，是很难做超出范围的回答的，所以就会合理很多，风险会降低很多，整个从商环境也会更加健康，是这么一个情况。

霞光社：其实可以理解为，AI可以去做一些更前置性的工作，规避一些可能存在的风险，而且会更专业一些，可以做成本更低的double check（再次检查）。

那客服的这个部分，或者说用户调研的这个部分，会是跨境电商里面比较好变现的吗？因为我们现在的真实使用AI的场景里面，其实客服已经是相对比较成熟的一个应用。

吴畏：对，正好我觉得也是echo（回应）这个问题了。首先，我其实想表达一个自己的观点，因为我们今天讲的是说我们怎么用DeepSeek去赚钱。但是举个例子，我在小红书上看到几百人在里面讨论的是什么，打不开（网速慢），然后这个十次只有九次才能成功使用，还有人甚至就是夜里用、白天不用，夜里用的人少，他可能就好用了。反正我自己的情况，我是把Kimi和DeepSeek两个同时打开，现在的话，我就打开腾讯元宝，因为至少每次都是可用的。

所以我觉得如果你是个体的话，你可能会直接去用chat bot（聊天机器人）原生的能力。但如果你是在特定的工作场景里面，你会发现单纯只用原生能力是不够的，它没有一个所谓的工作流，也没有一个跟你自身企业的数据打通的东西。

其实我们看到，比如小红书上有人教，豆包加DeepSeek，然后帮你去搭建一个应用；飞书加上DeepSeek，然后再加剪映，帮你去做自动脚本，做好脚本以后再丢进去，让它深度再筛视频。你会发现AI的工具是单一的，我们用一个大模型的chat bot，它是无法完成一项具体的工作的，或者是一个具体的任务的。

所以，如果我们落在跨境电商行业里面，无论你是一个中小卖家，还是一个大卖，还是一个品牌商出海，其实最好的选择不是让你的人全部都会用DeepSeek，而是说你们去采购一些完成度已经非常好的产品。这里面，不光是智能客服，因为在整个跨境电商的运营环节，比如说一开始你可能需要做消费者的洞察，做一些行业的了解，去聆听一些客户的声音，你可以用AI的一个产品。但其实它是有非常多的评论，然后你可以看看，哪些赛道的品类，用户比较关心什么样的一些功能特点，这个是在市场跟产品研发这一侧。

然后再到具体的话，比如说marketing（文案）怎么去写，也会有专门的工具去教你去写；商品的图片，可以去生成一些图；如果是服装之类的，可能需要一些模特的换脸、换装什么的。如果你想把这个东西做一个商品的3D视频呈现，那你就可以去生成商品高清视频的呈现，来更好地展示你的产品品质。

如果有消费者来跟你沟通，可能需要售前的客服，包括售后的客服，也可以用到智能客服。这些底座最开始可能像智能服务，大家都是用这个规则引擎去做知识图谱的。但现在其实就是它们之前可能接ChatGPT，现在可以接DeepSeek了，那消费者体验到的是一个最先进的模型所呈现出来的能力。

如果投广告，可以用做广告的工具；如果你要去做你的独立站的SEO（搜索引擎优化），你可以去生成大量的内容。已经有非常多的，把大模型封装好了，然后提供一个非常完善产品的工具。这跟你举的奶茶的例子很像，大模型是水，有些人喜欢自己泡茶，自己用奶，然后去兑，可以。但是现在蜜雪冰城、喜茶已经提供好了不同价格段、不同口味的成品奶茶，你可以直接用，所以省心省事。

所以我觉得如果是个人，你自己用多种工具合在一起去完成一个任务，没问题。但是如果你是商业企业，那么我倒是建议你可以用一些省心省事的，已经封装好的TOB的AI native（原生）产品。

赵维奇：从需求来看，如果你是更偏向于通用需求，我也不建议自己搞，因为人家已经搞完了workflow（工作流），工具已经放在那了，你不需要从头开始做一个office，你要编辑一个文件，这部分已经有成熟功能了，这是第一点。

但是如果你有个性化需求，可能在整个工作流里，每个环节都有可能个性化，因为你产品不一样，你的受众性不一样，你的策略不一样，有可能根本不在原来既定的大众的里面，你是额外的。那这部分当然有两个选择，原来只有一个选择，就是找更专业的专家做定制化，这个成本就比较高，它是customize（定制化）的solution（解决方案），要单独立一个案来帮你完成，周期也长。特别像我们，譬如说，要做一些ab testing（A/B测试），我们要快速地做一些测试，就某一个环节要调整，那可能要找合作伙伴去完成。

但是如果你想更小的环节去测试，那就得把原来工具链中有一个环节给打散，然后来做。在这个阶段，AI的工具就在一定程度上能够让你做那些POC（概念验证）和MVP（最小可行产品）。内部如果有这部分诉求，是可以做的。就是原来是很难做，因为你要找A专家团、B专家团、C专家团来完成，但是现在至少有个80分的专家团来帮你捋出一条线，你可以去试一下。

这部分对于一个个体来说能够完成的，不管个体是小的公司还是大的集团。那另外一点，大家都在说超级个人，真正超级个体其实蛮难的，因为你涉及到方方面面都要做到顶级，才能把这条链路跑完。大部分的需求是通用需求，所以还是尽量去采买。

吴畏总刚才提到生态链里很多的工具和厂商，他们更专业，但是你如果有个环节，想自己去尝试一些定制化的部分，那我觉得现在比原来的门槛要低了，你可以自己去玩它，甚至你也可以通过提问的方式解决，这部分也是起到了一个非常好的部分。咨询的部分，并没有跳脱原来的生态，但是在时间成本和思考维度上，其实给企业赋能或给个人赋能了。

吴畏：对，这个部分的话是这样。如果企业想要有一些，比如说跟他的特定的企业自身的数据相关的，或者跟他自身领域所相关的，那么其实可以叠加一些跟大模型相关的技术，比如说叠加这个知识库，也可以去微调所谓的大模型，它能够实现一些相对基于企业自身行业相关的东西。

对，我是觉得如果企业特别大，它有一个非常强的自己的IT，它可以自己做一些投入；或者是作为一个做企业服务的那些AI工具的话，因为它可以去服务整个行业，然后它可以不断地去迭代。它可以把一些公共性的需求不断地放在它的标准化的产品里面，所以它能够去更好地、更经济地去做一些迭代吧。反正我是比较鼓励，大家做跨境电商可以尽量的多使用一些工具，他们可以更好地迭代产品。

杨泽：反正我觉得就是卖TOC（面向消费者）卖东西的都可以大量的使用，你比如说像游戏的话，它的核心就是数据，所以不是特别好去用，用其他的，就是他肯定想要本地化部署的，游戏厂商肯定特别希望有这样的东西出来。

然后中大厂商自己去建立中台，比如说像医院那很多个单独的医院，可能某个科室的这个医生技术特别好，那么他这个就相当于医生，其实也是根据经验和数据来去养出来的，他也不希望养这么多的数据，然后白白成就别人的这个东西。我觉得凡是卖东西的，其实可以无需关心自己的数据会不会被别人使用。

赵维奇：还有一个，比如说我们现在基本上Rokid对外的视频都是AI生成的，是我们一个同学做的，原来可能是外包。现在就是机器和算力，而且全是本地化，AI把整个工作流做好以后，你可以沉淀成你自己的。核心是一样，你找agent（代理），它是个case（个案），不是个product（产品）。但如果你是长期发展的公司，可能需要找creative（创意）的agent来完成，它就是个case，就和游戏也一样，它只是做游戏，它不是个产品，它只是外包，这个design（设计）它并不是完成一个产品。

但我们本身有自己的形象，就刚才说保持形象的一致，保持风格的一致，那这部分你是要驻留下来的，就是这个数据，其实你要喂养的，长期喂的过程中，最后你出产的内容——我们说的是数字内容，不管是海报还是视频，它会非常一致，这些一致是有一个老大哥在监管。

所以我们现在有一个小组，专门做对外的海报和视频，大家会发现一致性比原来好太多。因为原来可能找A、B、C，因为时间成本的问题，可能会经常换，但是每次你不可能传达得完全一致。每次都是用色或是调性会很像，但如果你养自己一个池子，就是一个数据池加AI的一些agent的池子，就会不一样。生出来的video（视频），比如说我们慢慢养出来的形象，一看就是苹果一样，你一看就是苹果广告，就是因为苹果是长期跟一两个单独的agent签五年十年的合约，已经是变成它一个部分的外包团队了。当然大公司都是这样，所以这部分我觉得未来是个大趋势。

如果你愿意去投入或者愿意去喂养的话，它真的会变成一个相对个性化和专属你的AI助手或者AI员工，这部分会不太一样。

三、如何温和地步入AI时代？

霞光社：其实每次在一些新事物出现的时候，大家可能会过度地依赖它，或者说是比较排斥它，可能会出现这两种相对极端的行为，但是其实是可以去通过自己的个性化需求，去不断地打磨产品跟新事物的关系。

我们前段时间也看到了一些对于AI幻觉长城现象，请三位谈谈，如何避免陷入信息差陷阱？普通人如何避免成为“AI韭菜”？

吴畏：明白，我觉得首先，韭菜这个事怎么理解。就好像有人建议你去炒股票，买房子什么之类的，当韭菜的过程，就是你学习的过程。你如果连韭菜都不想当，那我觉得可能你也不敢去冒一些风险，或者不敢去尝试一些新的事物，但是你在冒风险尝试新的事物的过程中，不可避免地，可能要被割一下，我觉得这是正常的。

刚才杨泽也说，我最近自己在自学，但我发现，如果我自己完全自己摸索的话，其实会花很多时间，但如果说，可能有人正好提供这个课程，我学一下，也许看了以后觉得也就那么回事。但是我觉得这是一个过程，所以我觉得也不用太过于纠结，担心成为韭菜。

我觉得如果你学了以后，对于大模型的运行逻辑有更深的一些思考。但是要控制一下，学习成本不要太高，比如说你学完以后真的能够学以致用的，可用性如何。所以我觉得我们先不要避免成为韭菜，我们先成为韭菜，我们先勇敢地当韭菜，然后不要怕被割，我觉得这个过程就是获得经验的过程。

当然，比较好的情况，就是即使去学习、去使用，凡事多问一问DeepSeek吧，多问一下大模型。可以怎么做，就避免纯粹因为一些焦虑或者信息差，而去花了很多时间成本学一些不实用的东西。

所以我觉得对于普通人的一个建议，如果是对于创业公司或者创业的人之类的，我觉得心态是，有这样的机会，就应该勇敢地冲上去，肯定是先不要担心成为韭菜。先冲再说，我可能建议我们先考虑成为韭菜。

赵维奇：我觉得是这样，幻觉可能来自于模型过度泛化，然后还有一些上下文的理解的偏差，它本质上并不想给你错误的回答。

第一是我们不要做坏事，现在已经有一些公司开始给互联网喂，倾向对自己本身有利的数据，因为AI就是在抓数量，互联网数据产生结果，也就是原来的search（搜索）、SEO（搜索引擎优化），现在是AI SEO，就是你的测试的结果，谁在第一位，谁在第二位，谁的数据是可靠的？

那这个可靠性的部分，慢慢地会变成很重要的部分。比如说我用今日头条，我每天发一万篇文章说A公司是第一位，我每天都发一万篇文章，那过上三个月，AI就认为它真的是第一位，但其实都是自己发的。

所以这是原来的传统，都是从权威到自媒体，这也是自媒体的一个两难，可信度和传播率。它就是矛盾的，你又不能把信息掌握在权威手上，又不能把太泛化的信息放给不可信任的数据原理。

但是在AI这个环境下，会大大放大，因为AI只管从数据库、从互联网里抓，抓出来谁的信息，看起来很可信，它会更多引用一些。

所以基于这个点，就是你要选择专业的工具，或者是官方公司、生产链上的公司，因为它相对来说给出的结果不会泛化，它有职业操守，它有专业的职业素养和职业知识，所以它给出的结果，就像你找一个律师一样，他给出来的是基于他的认知来的，不会特别差。不一定最好，但是不会错。

第二，我们自己得有约束，对企业来说，自己有个领域的知识库，或者是自己有一个边界，做二次确认。虽然AI给你结果，但是你在执行的时候，可以多问几个为什么，刚才魏总提到，你可以问这个结果是不是在框架里是合理的，里面有没有风险。

因为其实在现在这个大环境下，对于提问这件事的要求比原来高多了，因为原来agent可能会帮你解决，那现在既然你是想利用到这个大脑，你得问大脑问题，不然大脑不会主动，当然现在大脑已经有了一个主动性，叫proactive（主动）的趋势，在它慢慢了解你以后它会主动帮你提前预知这些风险，但是当前阶段还是靠你主要去问。

所以对企业来说，你多问、多框架，那可能会规避很多的部分。还有就是找供应链里专业的工具和provider（供应商），也会避免这个幻觉。

第二个就是用户侧。我觉得这是非常好的部分，有AI以后就有批判性思维了，拿来主义比原来更好拿来了，一下子就知道了很多的信息，但是现在慢慢地，大家都知道你的信源有可能不可靠。所以现在给大家的建议，如果用基于网络的，多去看看它的链接，它给你的数据源，我们要多做一步引用。

当做特别重要决策的时候，你可以点开看一看，有些可能是非常不靠谱的来源，这部分的信息就可以做二次确认，或者再去跟它沟通一次，比如说这个信源，你不再引用了、用其他信源，那就会把幻觉通过人工的方式缩减。

从基底上来说，幻觉是不可避免的，一个是脏数据如果足够多，一定得出（的结果）就不好。另外就是如果这个流程，workflow和问题没有问清楚，那有可能给的结果也会有偏差。

比如说，不同的数据模型算法的关系，有些解决方案是会告诉你不行，但是基础算法会尽力为了这个奖励，去创造一种方法，让你能达成（结果），因为它要得到最后的奖励。

所以它会想方设法，让你步行能够到月球，这部分就有很多幻化部分，所以大家发现它写科幻小说特别厉害，就是因为它把原来一些不可靠的点都用可靠的、逻辑上可行的方法给连起来，但是连起来以后你会发现根本不靠谱。

所以就靠自己，怎么问好问题。然后还有就是货比三家，各种模型的工具都放在台面上去比较，现在成本和给到一些论据，效率都很高，所以我们平时工作也是一样，可能三个结果都放在一起，但是综合考虑最后还是对人有要求，这个过程迫使人去更多地学习专业知识，这是我这边的AI幻觉部分的理解。

霞光社：对，就是多用、多交流，多和AI去交流，AI可以更懂我们，我们也可以更懂AI。

赵维奇：对。第一肯定是要多用，你才知道到底需要什么，怎么跟人沟通、跟它沟通。但是做重要决策的时候，那肯定是因为你投入产出比要考虑风险，要谨慎地思考路径到底怎么样。

霞光社：提问方式上，我自己也感受比较明显，如果我用跟朋友去聊天交流的方式去跟DeepSeek对话，它其实给到的信息，并不是很完善。然后如果我换一种问法，比如说我有样本A，它需要什么什么，它的这个结论就会非常详细。

杨泽：前些天清华好像出了一个DeepSeek那个提示词使用指南，那个PDF的版本，总结得还是挺好的。普通人用是够了。

霞光社：今天的讨论我们可以确定一点，就是AIGC的时代已经来了。在这样的一个时间节点，也是2025年开工一个多月的时间，如果我们去给出海人提到一些建议，或者说一些新的展望，会有什么想法。

吴畏：先不要担心被割，而是要先成为韭菜，要有这个心态。这个过程肯定是会有收获的，这就是创新过程中必然会发生的学习成本跟机会成本。大胆拥抱。

霞光社：多试错总会好的。

赵维奇：第一个要和AI建立信任，首先得信任这个工具。第二就是你要让它也信任你，所以我们自己本身肯定要精进，不能依赖，要像你有个员工一样，首先得信任他，得努力用好他。

第二件事情就是你慢慢了解它，用它熟悉和更好输出的方式跟它沟通，这也是我们自己本身需要精进的部分。学习是无止境的，得知道什么样的方式跟它沟通更好。

第三个就是出海伦理和数据安全比原来更重要了，原来可能有一个基础框架在，但现在不一定了，它给你的会更泛化，可能会让你越界，所以伦理和数据安全可能比之前的生态更重要，大家要一直放在心里。

然后我觉得通过这一轮的洗礼过后，大家应该会跨到一个新的时代，AI来帮助我们完成很多事情肯定更高效，而且商业机会也会更多。

霞光社：期待和大家一起跨到新的时代。

杨泽：我觉得企业的话，可以多试用各种版本的AI的工具，降本增效。个人的话，刚才说的信息安全这方面，我觉得可以分为三类信息，一些国家的官网，或者是央媒的一些号，我们可以认为它是一类信息，或者是官方的一些数据。第二类，比如说一些专业的，游戏媒体人或者是行业的媒体人，发的一些间接的报告，我们认为它是二类信息源。第三类信息源，就是一些个人的up主、自媒体，它对某个游戏或者对某个事件的一些看法，我们认为它是一个三类信息源。

就是这三个信息源，可以跟AI说一下，分为这三层的信息源，然后再去根据这三层进行系统反馈，那么大概就知道正确的答案和拓展的边缘。

（本文文字转译、整理、修饰工作来自得力助手腾讯元宝、DeepSeek、秘塔的协助）