嘉宾介绍
黄立，镜象科技创始人兼CEO，剑桥大学心理学硕士，华东师范大学硕士生校外导师。黄立从事大数据及AI研发工作十五年，是前腾讯大数据总监。
镜象科技是一家AI心理咨询公司，利用多模态AI及语言大模型技术，打造心理测评、倾诉陪伴和心理治疗等多种AI工具，为广大学生及泛抑郁焦虑人群提供基于AI数字人的心理健康解决方案。其多模态AI心理测评软件已经获得药监局颁发的医疗器械证书；与华东师范大学联合打造的AI倾诉师EmoGPT，是国内最早的一款大模型心理咨询应用，目前已上线学习强国APP及百度等平台。
快问快答
1、能否介绍下你们的产品和核心应用场景？
我们想要做的是心理咨询领域的AGI（通用人工智能），现在的进展是根据不同的场景做出来三个垂直的AI Agent。第一个是基于视频问诊的多模态AI测评师，第二个是服务Emo人群心理疏导的AI倾诉师，第三个是服务精神障碍（如轻度抑郁症、焦虑症）人群的AI医生。
目前，我们已经在大中小学的心理健康测评场景中，已经应用了AI测评师。在Emo人群互联网上倾诉心事的场景中，应用了AI倾诉师。
2、目前产品研发和市场拓展情况是什么样？2023年遇到的最大挑战和收获有哪些？
学校的场景由于是刚需，拓展还算顺利，目前广东省内及部分外省已经落地了上百所学校。互联网聊心事的场景，一直在跟大厂对接，处于商业模式打磨阶段。2023年最大的挑战还是大环境，客户预算很吃紧，收获就是大模型的横空出世，使产品的用户体验上升了一个台阶，原来觉得有AI心理医疗很难兼顾专业性与灵活性，现在把我们团队的专业性加到大模型里，问题就有了解法。
3、生成式AI和大语言模型为创业者带来了哪些机遇？这波创业浪潮和过往有哪些不同？
过往的创业浪潮，多是模式驱动（如移动互联网或web3），带来的更多是社会资源的重新分配，不仅是生产效率的提升，比如开线下店的人转去做线上。但这次生成式AI的发展与迭代，是一种创造力，生产力驱动的变革会创造新的资源。生产效率得到巨大提升的同时，旧的生产力被释放出来做别的事，比如有了医疗Copilot，医生可以服务更多的病人，又或者原来拍短视频的人，现在可以去做其他服务业。因此，创业者值得把每个需要人的行业都重做一遍。
另外一个，就是创业者创新的门槛降低了。如果要写代码，现在有GPT很多事情都省了。2022年的时候，我们做一个小游戏，策划、美术、程序至少三四个人，但2023年再做，只需要一个人了。创业门槛的降低，可以使生产的新产品“雨后春笋”般出现。
第一，算力的约束。在供应端，目前算力成本还是比较贵，这导致使用大模型的成本高。
第二，在消费侧，目前消费者为AI应用买单的支付意愿还不是太强，这会导致AI企业面临花大钱做小事赚微利的局面。
第三，由于创业门槛降低，很多创业公司做的都是模式创新（套大模型的壳），技术同质化，甚至根本不是AI就在宣传AI大模型。这导致一个场景忽然会冒出来一大堆冒牌公司，良币容易被劣币淹没。甚至有的公司会越界（比如声音合成技术被用于诈骗），导致监管一刀切，AI创新更难落地。
5、您认为AI创业公司在产品研发和市场推广策略制定与执行方面应该考虑哪些关键因素？
研发要弄清楚跟大模型的边界问题，很多所谓的创新能力，大模型更新一个版本就可以实现了，没有护城河。在市场推广方面，要考虑2B路径还是2C路径，如果是2B的话要考虑如何树立专业公信力。如果是2C的话，要考虑跟大厂的关系，会不会大厂给做了拿不到流量，或者被一些会玩流量增长的野路子团队干掉。
6、面对巨头可能带来的“降维打击”风险，AI创业公司应该如何保持竞争力？
创业公司只能在数据、市场资源和场景中下功夫来保持竞争力。要有巨头没有的数据，或者运营上有巨头没有的资源，又或者场景需要很多专业know-how，巨头的手伸不进来的。简单来说，要么做独（数据独有），要么做熟（市场资源），要么做小（细分市场）。
7、一些创业者认为大语言模型目前能力还不够，限制了AI应用/产品的发展。您对此怎么看？
语言大模型的边界，其实受制于以下三个方面：提示词工程、模型和数据源。我的看法是，要分清楚目前大模型解决不了的问题属于哪一类。如果是一些专业类的数据缺失，那就是很难解决的；如果是因为模型不够大，或者模型不够好，导致用起来笨或者慢，那这个是算力工程或者算法科学的问题，那用不了多久这个问题就会被解决；如果是提示词工程的原因，这个最好解决，只要有正确的工程化思路，早晚会被解决。
现在的难点是，很多创业者不是AI行业的，分不清大模型的能力不够的真实原因是什么，不知道用什么方法去解决而已。
8、如何看待大模型和GenAI 带来的“人机协同”新范式？企业如何适应和革新自动化流程业务升级的变化趋势？
我很认同人机协同的新范式。在蒸汽机火车刚出现的时候，人们依然大量使用马车，或者短途用马车，长途用火车，马车的消失要到汽车发明以后。这说明所有的生产力替代，都是要一步步来的，企业必然经历从全人工，到半自动化，到全自动化的趋势。你看特斯拉的自动化车间，从一开始马斯克就要做全自动，但这么多年过去了，就算最先进的工厂依然保留了25%的人力。
因此，企业要思考的并非是否要转型，而是如何转型，最重要的是对员工能力模型的要求。员工要积极学习和拥抱AI，把多出来的时间，放到管理AI、社会关系建设、高级创造力这些事情上，这样企业就能顺应趋势发展。
在AI相关领域，我个人觉得是以下几项：1）AI Agent；2）多模态AI大模型；3）具身机器人；4）MR技术。Agent技术应用的发展使大模型可以更像人、更落地，多模态AI使大模型从听觉发展到视觉和触觉，具身机器人使AI可以从线上走到线下，MR技术（头环、眼镜等）使AI跟着人走，融合线上和线下。这几个领域都跟大语言模型有关，几个领域融合起来创新，将会裂变出很多新的产品和场景。 
非凡产研