6月13日，黑智·AI硬件系列访谈第一期智能机器人专场开播。百度风投投资副总裁KEDI参加了访谈。
KEDI关注自动驾驶、具身智能、AI4S等方向的投资，历史案例包括九识智能、星海图、维他动力、深度原理等。
在访谈中，KEDI分享了具身智能发展趋势、投资机会与创业选择等话题。
他通过具身智能三个关键技术的发展情况分析当下"什么能做、什么不能做"。"我们需要评估技术发展路径，将成熟技术转化为商品，为用户创造价值。"他建议创业者客观评估创业难度，同时坚定信心，发现问题后调动资源解决。
以下为访谈内容，经黑智编辑：
机器人的「三能力」发展参差不齐
主持人：为什么具身智能会火起来？在此之前，机器人和人工智能分别取得了什么进展推动具身智能的到来？
KEDI：底层最简单原因就是如果可以实现，社会价值会比较大。
就引爆点而言，是马斯克决定切入这个方向。在特斯拉入局之前，每一年的引爆点来自波士顿动力的发布。没有BD，我们很难想象人形机器人可以长成这个样子。它现在发布的demo依然能够引起机器人爱好者、科技爱好者的激动。因此，这两年机器人领域火起来的关键因素有两个：特斯拉的推动，以及波士顿动力过去十多年的持续投入。
此外，另一个关键引爆点是人工智能技术的发展。我记得我在大二开始学习AI，当时做的还是简单的算法，后来，有很长一段时间我没有在一线感受人工智能的变化，直到最近这几年尤其是ChatGPT问世之后，再回头看当年所学的东西，给了我冲击感。那种感觉，就像从坐马车一下子坐上了飞船。这种体感冲击对我个人而言比较强烈。
总结来说，机器人技术火起来的核心原因是深度学习及其基础技术的持续突破。这让我们看到该领域前景，大家更有信心，从而形成了正向循环。另外，中国还有一个因素：中国擅长硬件制造。过去20年，不管是在消费电子、新能源汽车产业，还是工业机器人领域，中国在供应链、半导体、制造能力以及市场需求方面，都积累起其他国家所不具备的优势。
基于这几个因素——美国公司的推动、AI技术的发展，以及中国的优势——这三股力量正在推动产业的发展。
主持人：关于具身智能目前"能做什么"和"不能做什么"以及什么是能够在三年之内实现落地的，您的思考和判断是什么样的？
KEDI：这几年，UC Berkeley Malik教授传递的一个观点在业界被接受。前段时间，星海图联创许华哲老师也引用了这个观点。机器人技术可以分为三个子类别：第一大类别是Navigation，也即导航技术。它实际上是我们过去做自动驾驶的核心。自动驾驶本质上就是将导航技术应用在车辆上。第二大类别是机器人的能力，偏向于Locomotion，也就是主要指足式行走，如这几年比较火、以宇树科技为代表的、能够行走的四足或双足机器人。第三大类别，也是我们认为的具身智能技术变革的核心，是Manipulation，操作层。
总结一下，分别是导航、足式行走和操作。这三项技术的发展程度参差不齐。具体而言：
导航技术方面，在中国乃至全球，已经进入成熟阶段。有几个数据和例子可以佐证：（1）体验过自动驾驶技术的用户越来越多。很多人现在购买某个品牌新能源车时，甚至会将其作为考量因素。像小米、华为这样的企业，已经在中国大众消费者中普及了对自动驾驶的认知。（2）近年涌现了许多上市公司，以及我们投资过的专注于物流场景的自动驾驶公司如"九识智能"。九识智能已经将L4级别的物流车在多地进行了千台甚至万台级别的规模落地，并每天进行作业。这证明Navigation（导航技术）在技术上，已不再是一个科学性的问题、也不是一个工程化问题，而是后续的商业化问题，以及将导航技术应用在更先进的应用场景上。比如自动驾驶出租车。自动驾驶出租车具有挑战性，但在旧金山北部地区已经实现了一定规模的商业化运营，为人类提供了一个样板：世界上确实已有数百台自动驾驶汽车能够不间断地提供服务。所以，导航技术已经比较成熟了。
运动技术（Locomotion）方面，相对发展得比较好，具备落地的可行性。不管是宇树科技还是美国波士顿动力、欧洲ETH所领导的小组都做得比较扎实。全球的足式机器人开发者持续地从原有技术栈发展到如今将强化学习应用于Locomotion上，已接近将其做得比较稳定。前段时间我参加了在亦庄举办的人形机器人马拉松比赛，机器人全程跑下来用了4个多小时。虽然还有很多不足，但结果已令人惊喜。可能明年它们会跑得更快，后年或许就能流畅地作为马拉松领航员了。因此，Navigation和Locomotion这两个技术栈相对发展较好，现在已具备落地基础，甚至已有实际应用了。
操作技术（Manipulation）方面，相对较难，仍处于技术发展的早期阶段。一个观察是：关于操作技术的科研论文仍在成倍增长。只要全球机器人科学家还在持续发表该领域的学术paper，就证明这个方面仍是一个远未攻克的科学问题。当然，并非所有操作任务都不能做。操作本身是个比较复杂的问题。其中一些基础动作，如抓取和放置，相对而言已经做得不错。但在操作领域，存在大量复杂任务，因此整体上我们认为它还处于一个雏形阶段。
所以，回到"什么能做、什么不能做"的问题，我们需要评估技术发展路径，并将成熟技术转化为可用的商品，为用户创造价值。
属于创业者的机会
主持人：单纯从产业释放的可能性来看，有没有哪些机会点适合创业者？
KEDI：对于创业机会，很难客观地给出答案，当然希望所有创业者都能找到自己的方向。但评判一个项目能做还是不能做，最终还是取决于创业者基于自身对技术和商业的认知，能否给自己一个自洽的答案。毕竟，他们才是真正挑战不可能的人。
如果仅从产业的角度来看，可以参考前段时间美国红杉资本发布的报告。它探讨的是AI Agent如何为社会带来劳动力的相关观点。这份报告比较有参考性。因为我们正经历以大语言模型为起点的技术变革。我们看到大语言模型的发展轨迹：从最初的预训练模式（前几年业内比较强调预训练大规模的模型），到去年开始，业界更加强调如何将模型应用于垂直场景并落地，这已是业内共识。
一种模式逐渐清晰——从大语言模型的预训练模式，走向后训练场景落地的模式。我们在自动驾驶领域实践较多，实际上过去几年，自动驾驶也出现并跑通了类似的路径——从预训练模式到针对垂直场景进行后训练的模式。举个例子：特斯拉的自动驾驶系统在美国可能表现很好，但在中国表现得可能不太理想。但当它积累一段时间之后，就能跑得比较不错了。这意味着其自动驾驶算法框架无需推倒重来。
既然在语言模型和自动驾驶的基础模型上都验证了这种范式，那么在具身智能或机器人领域，也将会出现类似的范式转变。从去年开始，学术界已在探讨具身智能从Pre-training到Post-training的整个技术范式的演变。从这个角度来看，人工智能预训练的投入还是比较大的，难度也高，对资源的调配要求高。这可能不太适合创业者，尤其是普通创业者进入。相比之下，在垂直领域深耕，利用当前行业在软件、硬件和供应链上的发展，专注于解决具体问题，可能是一条更明朗的道路。它也更贴近市场需求，能让创业者更快获得商业上的反馈。因为对于一家创业公司而言，若无法实现技术与商业的双重闭环，持续发展将吃力。
主持人：现在不少自动驾驶公司也开始做机器人了，比如特斯拉，比如国内也有自动驾驶企业或者有自动驾驶从业经历的创业者。他们尝试从轮式到协作再到人形机器人的产品迭代。这种现象背后有什么合理性或逻辑？
KEDI：从构型角度来说，不论是人形机器人、工业机械臂还是轮式清洁机器人等，都属于不同的机器人构型。从技术角度来说，正如我们刚才讨论的，可以按核心技术能力划分：导航、行走和操作的技术。这是两个不同的维度。
但这两个维度并不冲突。举个例子，中国的商用服务机器人相对成熟，大量公司已经开始在酒店送货。这类机器人有行走的功能。如果技术进一步发展，一些应用需要它与物理世界进行交互，就有可能增加操作能力。反之，如果场景无需交互操作，为何一定要加装"手"呢？因此，一方面需要从技术的角度出发，另一方面从客户的需求出发，来看待这个问题。
事实上，我们在去年或前年已形成共识，具身智能机器人并不必然是人形形态。具身智能有很多的构型，例如无人机、自动驾驶汽车，从技术功能角度看，它们都可视为机器人的一种形态。关键看你选择哪个维度进行拆分。
再谈特斯拉的事情，如果继续从技术角度分析。本质上这次技术变革的原因仍是深度学习在多个领域持续突破的体现——先是语言，接着是视频，现在扩展到硬件机器人。特斯拉之所以能做这件事，本质上得益于其在深度学习领域的积累。值得注意的是，特斯拉人形机器人项目最新的负责人，其实就是特斯拉Autopilot团队的原负责人。在开发人形机器人之前，特斯拉本质上已是全球最大的自动驾驶公司。
很难有公认答案的机器人终局
主持人：站在当下这个时间点，您如何看待具身智能的终局形态？
KEDI：这个问题，很难有一个公认的答案。大家都看过很多科幻电影，然后在科幻电影里都会有机器人的形态。在电影中的"末世"阶段，都会有很多机器人出现。这些年，我接触、学习机器人技术，感觉它是很难做的，甚至可以说是难做的。那么，它究竟是什么？为何如此之难？换个角度想：如果科幻电影中的人形机器人真能出现在人类生活中，其本质将与人类相差无几，这几乎就是人工智能的形态。做到那种程度时，我甚至难以想象科技后续还能如何发展——也许只能指向地外文明了。
电影：芬奇(Finch)
我们总谈到AGI，真正Physical AGI，我个人比较喜欢从一个游戏《底特律：变人》来探讨。它描绘的未来世界中，数十万人形机器人已融入人类社会，肉眼几乎无法分辨机器人与真人，这两个物种的界限已然模糊。我觉得这就是图景。但距离我们相当遥远。
机器人显然是一项跨越几代人的事业。前段时间，星海图在清华活动中做了一个"抓娃娃"的展示，让我受到触动。许多五六岁的小朋友尝试遥操作，感受机器人如何运动。当机械狗出现在他们的童年里，这些孩子长大后很可能会投身这个行业。正因如此，我相信新的机器人公司将不断涌现，新的创业与商业机会将持续出现。长期来看这个事情，我是比较乐观的。
主持人：这个图景确实需要一代代企业和人才来推动。之前我和一位教授聊到具身智能应用，他提到现在主要应用在工厂场景，而可能还需要三四十年后，具身智能机器人才能真正进入家庭。您对家用具身智能机器人的落地时间点怎么看？
KEDI：回顾过去十几年的商业案例，实际上中国已有大量公司——包括已上市和未上市的比较大型的企业一直宣称想要进入这个领域。已经有几波公司在不断地尝试了。大家始终想做成这件事。
从美国角度来看，前段时间，我阅读了一本一九六几年的杂志，在那个年代，他们就已经搭建了机器人原型机，并展示了机器人如何进入家庭。那些原型机的外观，与我们如今在酒店看到的服务机器人相似。这说明早在几十年前，就有许多人想做这件事。毫无疑问，这个需求是存在的，因为它能改善我们的生活。例如扫地机器人，其发展历史已有三十多年——从美国iRobot开创这个赛道再到中国涌现出如追觅科技、石头科技、科沃斯等扫地机器人公司。即使到现在，扫地机器人仍有提升空间。最近我购买了一台扫地机器人，其智能程度仍有待加强。当已进入家庭的扫地机器人变得足够聪明时，它很可能成为我们探索下一步应用的基础。
另一件事是大型机器人进入家庭，是存在较高风险的。原因在于机器人通常很重。想象一下人被车压住就危险，机器人也会带来类似的危险。因此，针对机器人人机交互或者AI安全的研究具有价值。待这些科研问题取得更好解决方案，家庭普及才会加速。在安全研究领域，卡耐基梅隆大学的几位教授做的工作比较出色。他们持续研究如何更安全地控制机器人。
主持人：您刚才聊的时候我突然想到个问题：其实在大模型出来之前，像iRobot 和国内一些做扫地机器人的公司，就已经在试着用深度学习或者其他 AI 技术，让机器人更聪明、扫得更干净。现在大模型出来后，您觉得这些公司有没有什么新变化？尤其是在 AI 软件层面。
KEDI：我们来说一个实际案例，目前全球出货量最大的机器人类型，应该是工业机器人，例如机械臂。我相信，无论是软件进步还是AI整体行业的发展，都提升了工业机械臂的易用性和用户体验。虽然其精度本身已经相当高，比如能在苹果手表等屏幕上完成插装，但AI与软件技术有望使其操作更简便、示教成本更低。工业机器人是一个已经存在的市场，技术的发展能够让这个市场释放更大的价值，这是毫无疑问的。
鸡生蛋还是蛋生鸡？
主持人：其实您之前聊过的"鸡生蛋还是蛋生鸡"的问题，应该怎么打破这个僵局呢？总不能让它一直卡在 "没数据迭代→产品不好→卖不动→更没数据"的怪圈里吧？有没有什么破局的关键思路？
KEDI：说一句直觉的话，我认为这个问题一定会被解决的。
但是我不知道怎么解决。
不是业内不知道，而是我不知道。毕竟我不是真正的工程师。我举个类比的案例，10年前，中国自动驾驶行业刚起步，大家开始认真考虑做这个行业。在十几二十年前，美国的DARPA自动驾驶挑战赛就已开始举办了。我曾请教过一些前辈，他们当时也讨论过这个问题："没有数据，如何让自动驾驶跑得更好？"最初，他们尝试用机器人领域的传统技术，如定位导航，让车辆在特定路线上行驶。但很快发现：系统泛化能力差，车辆只能在特定路线上跑，路线稍有变动便不能work了。这就是10年甚至20年前自动驾驶行业面临的问题。
然而现在再看，正如我们之前讨论的，自动驾驶的渗透率已经相当高了。从终点回望，当年的自动驾驶"数据匮乏"问题已被解决。当时业内常争论的"鸡生蛋还是蛋生鸡"，如今也有了答案。因此我认为，当前机器人领域遇到的挑战，也终将被业内的持续探索所攻克。再细说一些，去年或前年大家就开始讨论利用互联网数据训练、仿真数据训练、以及基于真机的商业闭环的角度进行训练，我认为这些方式都是正确的。不管是真机、仿真还是互联网，它们不是独立的，而是都很重要。这是我的看法。
主持人：我觉得您这个问题说得好。各种方式都是重要的，大家别被"必须收敛"的思法困住。很多问题其实是在发展中解决的。
KEDI：对，我认为这在业内会形成一个比较和谐、可协作的态度。因为这是一个早期的行业，如同20年前的自动驾驶，需要大家推动进步。当然，刚才说的可能比较虚幻。举一个务实的案例。前段时间与一位前辈讨论时，我们发现一个问题——采集到的数据无法直接用于新本体的再训练。这就是跨本体数据复用的难题。美国许多公司以及国内一些企业都在探索解决方案。我们发现了一个问题，就会有人去解决它，所以只要你能发现问题，它就一定可以被解决。
主持人：一个有价值的好问题被提出来，本身就是解决问题的开始。您刚才也提到，10 年前自动驾驶有很多技术路线没收敛。现在自动驾驶的技术路线收敛了吗？
KEDI：在自动驾驶领域，其发展已接近工程化的中期或中后期，技术路线是趋于收敛的。但不同公司在工程细节和训练方法上仍有差异。我认为技术上的先后身位，对公司的商业化进程有影响，但不一定是决定因素。举一个消费电子领域的例子：卖得最好的产品未必拥有最顶尖技术，它的技术与商业的飞轮效应已经形成，这是一个融合了技术、市场、品牌等多因素的复杂系统，难以解耦成单一的技术或其他因素的问题了。自动驾驶目前也已进入这样的一个阶段。
创业者的决心
主持人：过去两年，在具身智能，我们投了什么样的方向和什么样的公司？未来两年，我们重点关注什么样的方向、什么样的公司？
KEDI：我们支持过很多的自动驾驶项目，比如自动驾驶技术在物流、清洁、工业等不同场景的落地。在机器人领域，基金从前年开始进行一些早期布局，例如智元机器人、有鹿机器人、星海图。
后来，我们顺延技术栈角度进行下一步探索，在去年支持了地平线前副总裁余轶南创立的维他动力。余博士的核心理念很简单清晰：将已渡过科研探索阶段、能够进行工程化的技术，进行工程化的产品转化，这是一条务实的思路。举一个例子，目前机场等场所进行表演的机器狗，在进行表演的时候，总会有一个人背着手操作遥控器进行操作。当一只机器狗跟观众打招呼时，实际上它是受到遥控器的控制的。人工智能技术的发展，有能力移除这个遥控器，将其升级为AI机器狗。这正是技术带来的升级。
沿着这个思路，我们也在探索技术迁移的可能性：既然AI能变革足式机器人，是否也能改变飞行器？例如无人机领域大牛、浙江大学控制科学与工程学院的高飞教授，长期致力于研究如何将AI与控制技术结合，使飞行器更加鲁棒、更加可用和更加智能。他所创立的微分智飞，也在此方向深入探索。
总的来说，我们更尊重创业者的想法，根据我们的经验与创业者进行探讨，哪些方向短期更易落地，哪些可能面临挑战。
主持人：您在考察具身智能这类项目，决定投或者不投的时候，一般会重点关注哪些因素呢？除了项目本身，背后的创业团队也是投资时的重要考量，您在评估团队时，又会侧重哪些方面呢？
KEDI：这个问题就比较主观了，不仅限于机器人赛道。例如当前茶饮领域：蜜雪冰城、古茗、霸王茶姬、茶百道等品牌，以及还有一些如瑞幸、manner等咖啡品牌。我们可以发现其背后的投资者分布呈现交叉态势——同一家机构可能投资多个标的，有的机构可能投了这个标的而没有投另一个标的。当然，这些都是比较好的标的。我认为，这与投资机构的偏好密切相关。
如果说最看重的要素，如果只挑一个要素，我们还是会比较关注创业者的决心。以宇树科技为例，创始人王兴兴的创业决心令人印象深刻。如今看来或许有些"马后炮"，但回溯其创业历程，克服了无数困难并坚持到底，这家公司的成功实至名归。这便是决心带来的正向反馈。
主持人：目前国内这批具身智能领域的创业公司，整体呈现出怎样的特点？它们的大致情况是？
KEDI：其实，具身智能的画像已有客观数据可以佐证。任何"新物种"诞生之初必然由科学驱动。有大量科研背景的人先去驱动新产业的发展。自动驾驶领域的早期阶段，出现了一批好公司，它们与大学、科研院所息息相关。比如说地平线创始人余凯或Momenta的创始人曹旭东，均是在科研取得扎实成果后，才探索产业化的路径。
当具身智能的技术发展到一定阶段，重心便转向工程驱动。正如我们之前讨论的，需要解决海量具体问题：代码优化、硬件调校等。最终，行业可能进入类似成熟服务业的阶段。例如，投资一家餐厅，此时核心评估点不再是厨师厨艺，而是创始人对店铺运营、现金流管理和客户需求的深刻理解。因此，我认为对创业者的核心能力要求，会随行业发展阶段动态变化。
从融资到自造血
主持人：具身智能创业公司在不同阶段遇到的难点到底有哪些？他们需要什么样的资源支持，才能更好地往前发展呢？
KEDI：我今天还看到一段影石CEO JK的采访。这两天刚刚上市。他说了一句话，他认为2025年是他创业以来最难的一年。他接着说，2024年也是他认为创业以来最难的一年。2023年，他也认为那一年是他创业的最难的一年。影石发展了这么多年，其实每一年都是创业以来最难的一年。
我会认为创业其实是一个比较反人性或者比较有挑战的一件事情。因为我本人没创过业，很难想象每天早晨起来就要给100个人发工资是什么感觉。
因此，我们观察创业者所做的核心工作，本质上可归结为两点：第一，获得资源以启动创业。不同时期的经济环境差异显著，经济低迷期起步尤为艰难，或所谓"风口"尚未形成时，需要蛰伏一下。例如8年前涉足机器狗领域，显然缺乏风口支持。不同阶段，外部环境所带来的挑战不同，但创业者仍要顶着压力前进，获取资源，开启征途。
第二是利用获取的资源，实现商业闭环，达成商业循环。从公司外部获取的资源是有限的。不同公司能获取资源的量级差异巨大，比如有的公司能够获取1-2亿，有的公司获取20-30亿。对公司所想做的事情来说，20亿也是一个相对小的数字，比如我们要去做一个载人登月或火星探测项目时，20亿确实不大。其关键点是利用所获取的资源实现商业闭环。以SpaceX为例，获取商业上的订单是其至关重要的里程碑。若非如此，即使强大如SpaceX，也难以生存至今。
可以说，生存下来的公司路径各异，其共性在于成功完成了上述两项核心任务：获取资源并实现商业闭环。
商业模式不是最核心的问题
主持人：聊到商业模式，同样是做具身智能、面向中国市场的公司，为什么商业模式会有差异？
KEDI：我觉得还是创业团队。每一个创业团队擅长和不擅长的事情，根据他的能力边界和他的认知范围去选择的，还跟创始人的兴趣有关系。以汽车产业为例：有的创始人痴迷于大型工程机械，如坦克、装甲车、重型卡车，对小型轿车兴趣寥寥；有的人则热衷于打造跑车或车型。创始人对特定领域或产品形态的倾向性，也导致了选择的分化。
主持人：一个公司现在成熟的商业模式和最初的起点有什么关联？这和您刚才说的很像，比如团队基因、创始人偏好可能会影响公司成熟期的状态。
KEDI：其实您刚才在说这个事情的时候，我就在想为什么开奶茶店的老板他不去开一个火锅店。
主持人：我觉得跨界没有问题。
KEDI：因为本质上生意有一些相似之处。比如说我们以前做零售，不同的品类有的就偏向于服务女性消费者，有的就更偏向于服务儿童消费者，有的更偏向于极客消费者。本质上大家都是在卖商品。
主持人：我们观察国外公司时发现，像诺基亚、兰博基尼等、亚马逊等企业，最初的业务和现在，中间拐了很多弯。业务边界几乎看不出关联性，脱胎换骨。为什么会出现这种情况呢？
KEDI：其实国内也是这样。我们举几个案例。比如说华为，最早是做交换机的，但是现在已经是最大的自动驾驶公司之一、最大的国产芯片之一，手机也卖得很好、智能家居也做得很好。再比如小米，最早它是做操作系统的。后来，大家都会觉得它是一个智能家居的公司，但现在小米汽车已经是一个很好的商业案例了。大家可能都忘了小米在微信出现之前推出过米聊。
总的来说，通过对社会或者用户的需求调研，我们发现了一个需求，再利用手边的一些能力和技术，提供更好的产品给大家。商业模式的具体形态，可能不是最本质的。
实事求是&积极拥抱
主持人：回到问题本身，想听听您对创业者和普通人的建议：做具身智能的公司在未来一两年，最好避免哪些错误？又该做些什么来加速成长？我们担心行业洗牌期到来时，很多企业会陷入被动。
KEDI：客观而言，很难直接给出具体建议。因为我们主要聚焦早期投资，一旦公司发展到一定规模（如300人、500人甚至1000人），其面临的挑战已超出我的经验边界。但对于早期创业者，可以分享一条明确建议——客观判断项目的难度。
在我看来，具身机器人是一个门槛较高、比较难的行业。举个例子，现在AI应用比较火，现在去开一个AI的应用的公司，我可以拉着室友、兄弟一起攒三台电脑就可以干了。我们可以快速地发现商业机会，很有可能三个月以后就有现金流了。我利用这些初步数据，便可寻求外部资金支持以扩大规模。这条路径相对更容易落地。
然而，回到机器人创业领域，其挑战则不同：仅凭电脑是远远不够的，因为它必然涉及硬件开发，同时还需要专门的场地支持。软件创业或许在咖啡厅就能办公，但机器人研发必须有一个实验室。此外，其迭代周期拉长，一个周期可能需要6-8个月才能验证方向正确性，成本亦会随之攀升，最终产品还面临市场验证风险——投入努力后，产品可能根本无法售出。
所以我认为具身创业的挑战会比较大。但是面临挑战以后，像我们刚才所说的有决心的创业者，他会关关难过关关过。他发现问题，再去调用手里的资源去解决这个问题。我认为还是要客观的判断一下自己要做的事情的难度。这一点，只有自己才能知道。
主持人：作为生活在当下的普通人，应该怎么样去做，才能够不被时代抛弃，顺势而为甚至顺势有为？
KEDI：这个问题涉及到我们每个人。我自己也受到这个问题的拷问。前段时间，我遇到一个百思不得其解的问题，索性将未经整理的全部数据和困惑直接抛给了一个大语言模型。令我意外的是，它的回答质量远超我的预期。我们每个人都会遇到这样的困境。起初我也感到焦虑，但心态最终得以平复，源于一个根本性的认知：工具的迭代与升级是历史必然。以计算或办公为例：财务工作从算盘演进到计算机，如今则借助AI软件；再比如武器系统也从青铜、冷兵器发展到火器——人类始终在拥抱更强大的工具。同理，既然能乘车前往，何必徒步行路？这种更迭在过去数百年间持续发生。因此，我选择坦然接受并使用前沿工具，这一经验分享给大家。
匿名用户
