文｜周鑫雨

編輯｜張雨忻

梳理近半年的成果，大曉機(jī)器人董事長(zhǎng)、商湯科技聯(lián)合創(chuàng)始人王曉剛，滔滔不絕聊了10多分鐘。

成立于2025年7月，大曉機(jī)器人（ACE ROBOTICS）是具身領(lǐng)域姍姍來(lái)遲的入局者。但一年來(lái)，這位新玩家成了賽道的“卷王”：

在模型側(cè)，大曉新發(fā)布的具身大腦——世界模型“開悟（Kairos）3.0”，在4項(xiàng)全球具身智能基準(zhǔn)測(cè)試中取得SOTA；開源的Kairos 3.0-4B，則率先實(shí)現(xiàn)在端側(cè)直接驅(qū)動(dòng)具身智能本體的能力。

△Kairos3.0在4個(gè)世界模型生成預(yù)測(cè)具身智能榜單中取得SOTA。圖源：大曉機(jī)器人

在數(shù)據(jù)側(cè)，大曉提出的“以人為中心”環(huán)境式采集方案，通過(guò)大規(guī)模采集人類與真實(shí)環(huán)境的交互過(guò)程，將世界模型訓(xùn)練數(shù)據(jù)量擴(kuò)展至100萬(wàn)小時(shí)，達(dá)到傳統(tǒng)真機(jī)（人遙控機(jī)器人）采集模式的10倍。

還有落地——半年前，大曉的具身大腦模組A1，落地的主要場(chǎng)景，還是從事道路巡檢的機(jī)器狗；如今，這顆“大腦”已經(jīng)隨著形態(tài)各異的機(jī)器人，進(jìn)入了酒店、無(wú)人零售店、無(wú)人物流倉(cāng)等多個(gè)場(chǎng)景。

△大曉在上海西岸落地的機(jī)器狗巡邏方案。圖源：大曉機(jī)器人

2026年6月15日，大曉機(jī)器人官宣完成天使+輪融資——距離上一輪官宣，僅隔了4個(gè)月。

這一輪投資方包括達(dá)晨財(cái)智、深創(chuàng)投、上?？苿?chuàng)基金、沐曦股份、盛宇投資、復(fù)星銳正、華控基金、臨港新片區(qū)基金、豫資漲泉等基金，老股東商湯國(guó)香資本持續(xù)增資，告捷資本擔(dān)任長(zhǎng)期財(cái)務(wù)顧問(wèn)。

至此，2026年以來(lái)，大曉的累計(jì)融資金額已經(jīng)達(dá)數(shù)億美元。據(jù)《智能涌現(xiàn)》了解，大曉也成了具身領(lǐng)域最快成為獨(dú)角獸的企業(yè)之一。

在單輪融資金額動(dòng)輒數(shù)億元的具身賽道，不僅是技術(shù)競(jìng)速，入局玩家的場(chǎng)景圈地之戰(zhàn)已然打響：

孵化自清華的“千訣科技”，瞄準(zhǔn)的是酒店保潔、商用服務(wù)、精密室內(nèi)作業(yè)等實(shí)景項(xiàng)目；前華為車BU首席科學(xué)家陳亦倫創(chuàng)立的它石智航，聚焦的是線束裝配場(chǎng)景。

“具身領(lǐng)域的產(chǎn)業(yè)鏈非常長(zhǎng)，很難靠一家企業(yè)做完所有的事?！蓖鯐詣偢嬖V《智能涌現(xiàn)》，“所以在其中怎么撬動(dòng)更多資源，在整個(gè)具身產(chǎn)業(yè)鏈中把握生態(tài)位的主導(dǎo)權(quán)，是非常關(guān)鍵的?！?/strong>

然而，在落地過(guò)程中，王曉剛感受到的是：硬件、數(shù)據(jù)、模型，三者的結(jié)合還不夠。

在海外，F(xiàn)igure、特斯拉等頭部具身企業(yè)，都在內(nèi)部整合硬件研發(fā)、數(shù)據(jù)采集和模型訓(xùn)練，以此提高協(xié)同迭代的效率。

在國(guó)內(nèi)，這套閉環(huán)尚未形成。王曉剛坦言，受制于技術(shù)成熟度和資源投入壓力，不少本體公司對(duì)場(chǎng)景落地持謹(jǐn)慎態(tài)度；上游數(shù)據(jù)采集標(biāo)準(zhǔn)尚未統(tǒng)一，可直接用于具身模型訓(xùn)練的高質(zhì)量數(shù)據(jù)供給不足。與此同時(shí)，硬件迭代的周期遠(yuǎn)長(zhǎng)于模型，導(dǎo)致設(shè)計(jì)很難協(xié)同。

找到可規(guī)模化的落地場(chǎng)景，以及可深度合作的本體廠商，是當(dāng)下大曉構(gòu)建“硬件、數(shù)據(jù)、模型”閉環(huán)的方法論。

在王曉剛的規(guī)劃中，大曉會(huì)先深入廣闊的道路巡檢和無(wú)人物流倉(cāng)場(chǎng)景，再擴(kuò)展到更為復(fù)雜、安全性要求更高的C端家庭場(chǎng)景。

這樣的好處在于，大曉能夠先從 B 端場(chǎng)景中收集足夠多的場(chǎng)景數(shù)據(jù)，提升世界模型能力的同時(shí)，還可以快速形成可以規(guī)?；慕鉀Q方案，幫助本體廠商進(jìn)入場(chǎng)景。

近期，王曉剛和《智能涌現(xiàn)》聊了聊大曉的進(jìn)展，以及他對(duì)具身行業(yè)的觀察。以下對(duì)話略經(jīng)編輯：

找到可復(fù)制的場(chǎng)景

智能涌現(xiàn)：今年具身和世界模型是一級(jí)市場(chǎng)最火的賽道。相較于大曉成立之初，這一輪的融資難度有變化嗎？

王曉剛：這個(gè)時(shí)間點(diǎn)融資的好處是，市場(chǎng)有熱度、有關(guān)注度。

但相對(duì)的，企業(yè)太多，有時(shí)候投資人不清楚每家公司的價(jià)值點(diǎn)在哪里。所以我們需要付出更多的解釋成本，幫投資人梳理清楚我們的發(fā)展路徑、技術(shù)思路。

智能涌現(xiàn)：大曉是2025年7月成立的。當(dāng)時(shí)你會(huì)覺(jué)得大曉入局具身賽道晚了嗎？

王曉剛：我們選擇這個(gè)時(shí)間點(diǎn)入局，是因?yàn)榭吹搅司呱泶竽X研究范式的變化：原來(lái)的主流的VLA（視覺(jué)-語(yǔ)言-行動(dòng)）范式存在局限性，缺少對(duì)物理世界的結(jié)構(gòu)化理解。世界模型恰好可以解決這個(gè)問(wèn)題。所以在當(dāng)時(shí)入局，我們有可能實(shí)現(xiàn)彎道超車。

而且在技術(shù)還不成熟的階段，此前大家在探索技術(shù)范式，尤其是具身大腦的過(guò)程中，浪費(fèi)了很多數(shù)據(jù)、模型訓(xùn)練、人力等資源。所以我們?cè)谌ツ耆刖挚梢陨僮邚澛?，反而有后發(fā)優(yōu)勢(shì)。

智能涌現(xiàn)：相對(duì)而言，晚入局競(jìng)爭(zhēng)會(huì)更激烈。

王曉剛：具身領(lǐng)域的產(chǎn)業(yè)鏈非常長(zhǎng)，很難靠一家企業(yè)做完所有的事。所以在其中怎么撬動(dòng)更多資源，在整個(gè)具身產(chǎn)業(yè)鏈中把握生態(tài)位的主導(dǎo)權(quán)，是非常關(guān)鍵的。

去年大曉成立之前，我們和很多具身企業(yè)進(jìn)行了訪談。我發(fā)現(xiàn)，當(dāng)時(shí)具身企業(yè)普遍對(duì)進(jìn)入場(chǎng)景，抱有謹(jǐn)慎的態(tài)度。

但場(chǎng)景在具身的發(fā)展中起到了關(guān)鍵作用。具身領(lǐng)域是按場(chǎng)景劃分的，只要在一個(gè)場(chǎng)景中進(jìn)行了閉環(huán)的驗(yàn)證，就很容易進(jìn)行全球的規(guī)?；膹?fù)制。在規(guī)模化的復(fù)制過(guò)程中，就能讓數(shù)據(jù)采集的體量、硬件的規(guī)模提升幾個(gè)數(shù)量級(jí)。

智能涌現(xiàn)：為什么具身公司不太愿意進(jìn)入場(chǎng)景？

王曉剛：一方面，技術(shù)成熟度還不高。另一方面，解決場(chǎng)景中的問(wèn)題，涉及到大量的數(shù)據(jù)采集、研發(fā)等資源投入。加之目前很多新興的具身公司，本身對(duì)行業(yè)和場(chǎng)景的理解都不夠深刻。

所以很多公司的態(tài)度是：先融錢，等待一個(gè)行業(yè)成熟的時(shí)機(jī)點(diǎn)，再去跟上。但等時(shí)機(jī)點(diǎn)出現(xiàn)的時(shí)候，先機(jī)已經(jīng)被別人占走了。

智能涌現(xiàn)：在技術(shù)不成熟的階段，你們是怎么和場(chǎng)景中的頭部客戶談的？

王曉剛：找到技術(shù)的邊界很重要。我們要根據(jù)技術(shù)、軟硬件的成熟度，把現(xiàn)實(shí)的邊界找到。

如果進(jìn)入To C場(chǎng)景，比如L4階段的自動(dòng)駕駛，我的技術(shù)就不能有邊界。但是進(jìn)入To B場(chǎng)景，加上各種可控條件，技術(shù)是可以落地的。

我們還得判斷：哪些場(chǎng)景是可以直接被解決的，哪些場(chǎng)景通過(guò)一些手段可以解決。此外，這些場(chǎng)景的解決方案還得具有可復(fù)制性。如果你找到的場(chǎng)景不具備可復(fù)制性，你做完這個(gè)，下一個(gè)還得定制化，這其實(shí)不是一個(gè)很好的選擇。

智能涌現(xiàn)：怎么判斷一個(gè)場(chǎng)景具不具備可復(fù)制性？

王曉剛：舉個(gè)例子，我們優(yōu)先深入的是零售、倉(cāng)儲(chǔ)這些場(chǎng)景，因?yàn)樗麄兊臉I(yè)務(wù)體系和需求，全國(guó)都是可以復(fù)制的。再比如酒店也是一個(gè)可復(fù)制的場(chǎng)景，全國(guó)有很多酒店，我們交付的都是同一套巡檢、導(dǎo)航機(jī)器人和機(jī)器狗。

智能涌現(xiàn)：這些場(chǎng)景的競(jìng)爭(zhēng)會(huì)更激烈嗎？

王曉剛：雖然大家都瞄準(zhǔn)了這幾個(gè)場(chǎng)景，但很多企業(yè)走得不深。這樣的后果就是，你的成本無(wú)法控制、無(wú)法邊際遞減。

你可以做個(gè)demo炫技，但它不具備規(guī)?；那疤釛l件。

智能涌現(xiàn)：怎樣的落地模式才算得上“深入”場(chǎng)景？

王曉剛：首先，你需要有緊密合作的生態(tài)伙伴。比如，在無(wú)人零售的場(chǎng)景中，我們和商湯生態(tài)中的公司善惠機(jī)器人合作，給他們提供無(wú)人零售解決方案。

善惠首先會(huì)提出成本、續(xù)航、節(jié)排等要求。其次，在具體的復(fù)雜場(chǎng)景中，他們會(huì)給很多技術(shù)的反饋。這些要求和反饋，有助于我們形成數(shù)據(jù)閉環(huán)，在場(chǎng)景中快速迭代。

做完生態(tài)合作伙伴的“前期功課”后，我們也能夠知道哪些方案是必要的，哪些是可以省卻的，或者可以通過(guò)其他方案進(jìn)行彌補(bǔ)。

等方案成熟，我們也能將業(yè)務(wù)合作拓展到零售相關(guān)的其他頭部企業(yè)，通過(guò)規(guī)?；殉杀窘迪聛?lái)。通過(guò)這一套打法，目前大曉能夠把解決方案的成本降低到行業(yè)的1/3。

智能涌現(xiàn)：之前你提到，大曉落地場(chǎng)景的規(guī)劃是：道路巡檢-無(wú)人物流-家庭場(chǎng)景。這個(gè)落地順序背后的考量是什么？

王曉剛：一方面，我們考慮的是技術(shù)實(shí)現(xiàn)的難度。另一方面，我們遵循的還是先To B后To C的策略。因?yàn)镃端場(chǎng)景規(guī)則邊界不強(qiáng)，存在很多非結(jié)構(gòu)化的場(chǎng)景。但B端場(chǎng)景是受控的，能夠保障安全性。

所以在B端積累更多經(jīng)驗(yàn)后，我們?cè)僮呦騎o C。

△大曉世界模型的家居場(chǎng)景。圖源：大曉機(jī)器人

世界模型還沒(méi)有「智能涌現(xiàn)」

智能涌現(xiàn)：創(chuàng)業(yè)初期你提出了很多新觀點(diǎn)，比如在VLA還是具身主流范式時(shí)，選擇了做世界模型，再比如提出“以人為中心的數(shù)據(jù)采集范式”。你怎么判斷這套范式是可行的？

王曉剛：大方向上的判斷是非常確定的。首先，VLA與世界模型相比，只有后者這樣的生成式模型，才具備智能涌現(xiàn)的能力。所以我們做具身智能，第一天就選了世界模型方向。

其次，只有真人的數(shù)據(jù)，無(wú)論是采集的效率和規(guī)模，還是擬人化的真實(shí)性，才能達(dá)到訓(xùn)練世界模型的要求。

但其中很多細(xì)節(jié)是在實(shí)踐過(guò)程中才逐漸變清晰的。比如做世界模型，一開始我們的主要關(guān)注點(diǎn)是生成能力。但實(shí)際場(chǎng)景中，世界模型不光要生成數(shù)據(jù)，還要去控制真機(jī)，通過(guò)機(jī)器人與物理世界進(jìn)行交互。這對(duì)世界模型的物理智能、空間智能提出了更高的要求。

所以我們最近發(fā)布了開源空間智能通用模型ACE-Brain-0，以及物理3D生成框架PhysX-Omni，來(lái)提高世界模型的空間智能和物理智能。

智能涌現(xiàn)：視頻生成模型、VLA等都稱自己為“世界模型”。你對(duì)世界模型的定義是什么？

王曉剛：簡(jiǎn)單來(lái)說(shuō)，世界模型得具備三方面的能力：理解、生成、預(yù)測(cè)。只有同時(shí)具備這三個(gè)能力，模型才能自我演進(jìn)、自我糾正、自我進(jìn)化。

為什么大家都說(shuō)自己是世界模型？因?yàn)?strong>業(yè)界沒(méi)有針對(duì)世界模型的評(píng)價(jià)體系。比如，行業(yè)缺少對(duì)長(zhǎng)時(shí)序復(fù)雜任務(wù)執(zhí)行效果的benchmark。

一些所謂的“世界模型”只是宣傳了自己擅長(zhǎng)的東西，但其實(shí)缺失了另外的能力。像VLA缺乏生成能力，視頻生成模型缺乏了對(duì)物理和空間的理解能力。

智能涌現(xiàn)：你們內(nèi)部怎么評(píng)測(cè)世界模型的能力？

王曉剛：我們正在聯(lián)合一些學(xué)術(shù)機(jī)構(gòu)和具身公司，建立一個(gè)世界模型benchmark，其中的評(píng)測(cè)維度包括跨本體的泛化能力、模擬仿真的能力，這些維度最終指向的是衡量模型理解、生成、預(yù)測(cè)的能力。

智能涌現(xiàn)：大曉的世界模型Kairos最近迭代到了3.0。它的能力類比語(yǔ)言模型處于什么階段？

王曉剛：還沒(méi)到GPT3.0。等到GPT3.0的階段，世界模型就能實(shí)現(xiàn)智能涌現(xiàn)，也意味著研究范式有較高程度的確定性。

目前我們還是按照“理解、生成、預(yù)測(cè)”三個(gè)維度來(lái)逐步迭代Kairos。最早的時(shí)候，Kairos主要用來(lái)做視頻生成，后面逐漸開始控制真機(jī)，相應(yīng)的，我們也要提升它對(duì)空間和物理屬性的理解。

智能涌現(xiàn)：在當(dāng)下世界模型發(fā)展的階段，數(shù)據(jù)的量、質(zhì)量、標(biāo)注，以及后續(xù)的評(píng)測(cè)等環(huán)節(jié)，哪個(gè)對(duì)模型能力的影響最大？

王曉剛：眼前世界模型還在0-1的階段，可供訓(xùn)練的數(shù)據(jù)本來(lái)就很少。所以在這個(gè)階段，數(shù)據(jù)的量對(duì)效果的提升更明顯。當(dāng)訓(xùn)練數(shù)據(jù)增加了10倍、100倍，我立刻能看到模型能力的提升。

但等到世界模型出現(xiàn)智能涌現(xiàn)，就需要對(duì)數(shù)據(jù)進(jìn)行精篩、進(jìn)行精細(xì)化的標(biāo)注。這和大語(yǔ)言模型的發(fā)展是類似的。

當(dāng)下世界模型還沒(méi)有“智能涌現(xiàn)”，所以先要把數(shù)據(jù)的量鋪上去，再反過(guò)來(lái)解決質(zhì)量問(wèn)題。

智能涌現(xiàn)：要實(shí)現(xiàn)“智能涌現(xiàn)”，世界模型需要多少的訓(xùn)練數(shù)據(jù)？

王曉剛：我們期待的是要達(dá)到千萬(wàn)小時(shí)的量級(jí)。

原來(lái)真機(jī)采集的數(shù)據(jù)規(guī)模只有10萬(wàn)小時(shí)的量級(jí)，現(xiàn)在我們用人采集，基本上能達(dá)到百萬(wàn)小時(shí)。

智能涌現(xiàn)：提升數(shù)據(jù)采集量級(jí)的關(guān)鍵是什么？

王曉剛：還是場(chǎng)景的規(guī)?；?，所以其中就需要產(chǎn)業(yè)方進(jìn)入。

其實(shí)對(duì)于產(chǎn)業(yè)方而言，數(shù)據(jù)采集也是他們進(jìn)入具身行業(yè)的切入點(diǎn)。因?yàn)樗麄冇袌?chǎng)景，如果做數(shù)據(jù)采集，馬上就可以變現(xiàn)，立刻產(chǎn)生價(jià)值。接著通過(guò)訓(xùn)練模型，再引入機(jī)器人，產(chǎn)業(yè)方也能提高場(chǎng)景的效率。

模型、數(shù)據(jù)、硬件、場(chǎng)景的結(jié)合是不夠的

智能涌現(xiàn)：如今行業(yè)對(duì)機(jī)器人的一種態(tài)度是：買來(lái)只能當(dāng)吉祥物，沒(méi)有實(shí)際用處。

王曉剛：除卻質(zhì)量問(wèn)題，很重要的一點(diǎn)在于具身公司沒(méi)有針對(duì)特定場(chǎng)景進(jìn)行深度的迭代和打磨。

現(xiàn)在的機(jī)器人公司，每年不斷發(fā)布新的型號(hào)，但這些型號(hào)不是針對(duì)應(yīng)用場(chǎng)景迭代的，所以原有的問(wèn)題沒(méi)有解決，反而會(huì)出現(xiàn)新的問(wèn)題。

問(wèn)題不收斂，就會(huì)造成返修率的增加，機(jī)器人工作幾百個(gè)小時(shí)，就會(huì)出問(wèn)題。所以當(dāng)下機(jī)器人的規(guī)模化推廣面臨很大的問(wèn)題。

智能涌現(xiàn)：讓具身公司根據(jù)場(chǎng)景迭代的解法是什么？

王曉剛：等場(chǎng)景能夠規(guī)?；布梢粤慨a(chǎn)，就會(huì)倒逼具身公司將資源集中在針對(duì)場(chǎng)景的迭代上。

智能涌現(xiàn)：如今行業(yè)中還有哪些難題？

王曉剛：首先，今天模型、數(shù)據(jù)、硬件三者的結(jié)合是不夠的。

基座模型廠商、世界模型公司，還有做數(shù)據(jù)的公司，大家都各做各的數(shù)據(jù)采集方案。但未來(lái)本體是靠數(shù)據(jù)來(lái)驅(qū)動(dòng)的，而不是靠真機(jī)或者物理模型的規(guī)則。

所以這些問(wèn)題就很關(guān)鍵：怎么從人身上采集數(shù)據(jù)？采集哪些數(shù)據(jù)去驅(qū)動(dòng)硬件本體？硬件本體怎么設(shè)計(jì)才能符合人的行為要求？一旦設(shè)計(jì)過(guò)于復(fù)雜，人無(wú)法做相應(yīng)的動(dòng)作，將來(lái)就沒(méi)有數(shù)據(jù)可以驅(qū)動(dòng)本體。

美國(guó)的Figure、特斯拉，走的是一條高度集成、垂直整合的技術(shù)路線。他們把模型、數(shù)據(jù)、硬件都自己做了，因此內(nèi)部迭代的效率會(huì)更高。今天我們就要找到一種模式，讓三者有比較好的結(jié)合。

其次，具身和場(chǎng)景的結(jié)合，當(dāng)下面臨很多困境。場(chǎng)景其實(shí)是中國(guó)的優(yōu)勢(shì)，不少下游場(chǎng)景都具備可復(fù)制性，未來(lái)具身落地的速度會(huì)很快。

具身想要“打穿”場(chǎng)景，需要很多行業(yè)Know-How。但不少場(chǎng)景中的產(chǎn)業(yè)方，又不具備具身方面的知識(shí)和技術(shù)儲(chǔ)備。所以我們需要找到新模式，讓硬件、大腦和場(chǎng)景三者強(qiáng)強(qiáng)聯(lián)合。

智能涌現(xiàn)：什么樣的“新模式”？

王曉剛：一方面是和行業(yè)頭部企業(yè)形成戰(zhàn)略性的合作關(guān)系。我們背后的商湯，有幾千家客戶，涵蓋非常多的行業(yè)方向。抓住頭部客戶資源后，我們的數(shù)據(jù)采集和解決方案就能規(guī)?；?。

另一方面，我們也走訪了很多本體廠商，考察他們的設(shè)計(jì)思路，和他們形成深度合作，幫助他們進(jìn)入場(chǎng)景。

智能涌現(xiàn)：你多次提到目前本體廠商進(jìn)入場(chǎng)景不夠。這是不是意味著你們作為上游的模型廠商，無(wú)法得到足夠的數(shù)據(jù)回流？

王曉剛：是的。所以我們還是要和本體廠商有充分的交流，去走訪、探討他們的技術(shù)細(xì)節(jié)。

當(dāng)下在數(shù)采方案上，我們和本體廠商還有很多認(rèn)知差異。

比如我們會(huì)讓數(shù)采團(tuán)隊(duì)的成員戴上能傳感觸覺(jué)信息的手套，但是有的本體廠商關(guān)于“手”的設(shè)計(jì)方案不是人手，而是夾爪或者只有三指。這時(shí)我們的數(shù)采方案就要去兼顧相應(yīng)的設(shè)計(jì)。

智能涌現(xiàn)：聽上去現(xiàn)階段你們要遷就本體廠商的方案，但你之前提到要讓“模型去定義本體”。相較于“本體定義模型”，它有什么好處？

王曉剛：就像我之前說(shuō)的，未來(lái)本體還是得靠數(shù)據(jù)去驅(qū)動(dòng)。如果硬件設(shè)計(jì)得復(fù)雜度很高，未來(lái)靠什么數(shù)據(jù)去驅(qū)動(dòng)？

以及，硬件本體的開發(fā)周期是很長(zhǎng)的，不像模型軟件那樣可以快速實(shí)現(xiàn)。因此硬件需要根據(jù)模型的迭代方向去提前布局。誰(shuí)能在迭代方向上提前思考、提前布局，就能贏得先機(jī)。

現(xiàn)階段最好的合作方式就是本體和模型廠商深度綁定。當(dāng)本體廠商設(shè)計(jì)下一代新型機(jī)器人時(shí)，我們也能提前把相應(yīng)的數(shù)采方案、模型方案梳理清楚。

智能涌現(xiàn)：數(shù)據(jù)采集、模型迭代、場(chǎng)景拓展，當(dāng)下你怎么給這些業(yè)務(wù)排優(yōu)先級(jí)？

王曉剛：數(shù)據(jù)和場(chǎng)景，是比較關(guān)鍵的。因?yàn)榫呱淼漠a(chǎn)業(yè)鏈很長(zhǎng)，所以你需要快速占據(jù)一個(gè)生態(tài)位。

所以在這個(gè)時(shí)間點(diǎn)，我們正在用自己的解決方案，跟地方政府、場(chǎng)景中的頭部企業(yè)形成緊密的合作。這是戰(zhàn)略的制高點(diǎn)。

模型本身還在演進(jìn)，不一定那么急迫。但做模型，又有助于我們?nèi)ププ?chǎng)景中的頭部企業(yè)，因?yàn)槲覀儽扔布倔w離數(shù)據(jù)、離場(chǎng)景近。所以在迭代模型的過(guò)程中，我們還是得抓住場(chǎng)景，而不是悶在實(shí)驗(yàn)室里。

歡迎交流！