訪談丨鉛筆道 鄒蔚 薛婷

編輯丨鉛筆道 王方

封面圖丨電影《芬奇》

2026年開年，全球最重要的經濟年會達沃斯論壇上，參會者只關心兩件事：AI和美國總統川普。

關心川普，是因為擔心他會不會真的吞并格陵蘭，從而徹底改變戰后建立的西方秩序。

對AI的討論則聚焦在一個點：投入能否轉化為績效，也就是有沒有落地場景。 

過去兩年，全球在AI 上的投入已經到了一個前所未有的規模。資本、算力、人才，幾乎同時拉滿。 

但到2026 年，這套邏輯開始變了。AI，正在從一場技術競賽，變成一門交付結果的生意。 

在這個節點，“應用場景”成為比“模型能力”更重要的話題。 

最近，為了找出2026年最佳AI場景，鉛筆道訪談了100投資人、創業者，一些共識正在浮現—— 

AI 的落地，會優先出現在那些需求剛性、流程清晰、價值可量化的地方。 

基于這些一線判斷，本文系統梳理了2026 年最有可能跑出來的40個AI應用場景——它們有的已經開始產生收入，有的正在跨過關鍵拐點，也有的正在重塑一個行業的底層邏輯。 

本文場景目錄如下：

場景1

消費級AI硬件（眼鏡、錄音產品、電子書） 

背景：AI眼鏡是百鏡大戰的狀態，華為、小米、百度、阿里都下場了。 

AI硬件，如眼鏡、耳機、桌面電子日歷等，將大規模進入日常生活場景。同時，它們還與電腦、手機和眾多AI設備打通，建立個性化大模型的生活與辦公的效率助手。（御勢資本創始合伙人鄧明生）

XREAL R1

今年 CES 已經非常明顯：中國的消費級智能硬件大量出現。這背后依賴的是中國完整的供應鏈和精密制造能力。（清智資本創始合伙人張煜） 

在CES 上，大家可以戴著智能眼鏡，參加韓語、日語、阿拉伯語的活動，0.8 秒延遲即可實時翻譯 132 種語言。相比之下，學會一門小語種，遠不止 0.8 秒。這個問題，AI 已經幫大家解決了。（麟璽創投創始合伙人陳雪濤） 

全球制造業的核心仍然在中國。今年的CES ，給人一個非常直觀的感受是：70%的智能眼鏡供應商，都是中國公司，或華人背景公司。包括現在很火的 AI 智能錄音卡，也是如此。 

今年，AI glass會開始走量，市場規模會在去年的后面加一個0。（上海財經大學特聘教授胡延平） 

場景2

通用入口，萬億機會出現 

背景：2月6日，阿里推出“千問春節30億大免單”活動，通過AI幫你購物，上線僅 9 個小時訂單量超過1000萬。 

AI萬億級機會很多，其中之一就是入口級應用，像豆包這類天天用的工具，商業價值會很高。（唱吧創始人陳華） 

2026年，很可能就是AI應用成為國民級應用的拐點之年。而這個拐點，很可能就在今年春節前后。你會看到密集的信號：豆包贊助央視春晚、千問贊助多地衛視春晚、元寶已經啟動春節營銷這些都不是巧合。

今年，很可能是豆包、千問這一代 AI 應用真正“出圈”的一年。它們有機會從工具，躍遷為像抖音、甚至像微信一樣的基礎級入口。（PureblueAI清藍創始人魯揚） 

場景3

AI制藥明顯提速 

背景：2026 JPM大會期間，禮來與英偉達宣布投資10億美元，成立AI聯合創新實驗室，作為加速藥物發現的平臺。2月2日，中國AI制藥企業深度智耀宣布近期已完成6000萬美元新一輪融資。 

資本正密集關注新材料、醫藥。在制藥、CRO企業，AI作為工具讓藥物研發明顯提速。金匯豐投資的一家小分子創新藥企業，在最近這一年多的時間，大概有16款藥進入一期、二期、三期臨床。在以前，一年可能就是一兩個管線。（金慧豐投資董事長周麗霞）

英偉達與禮來宣布成立的業內首個 AI 聯合創新實驗室

在AI for science 方向，無論是新材料研發還是新藥研發，核心作用都是縮短研發周期、提高效率。今年，這些領域都會開始出現較為明確的落地案例。（英諾基金創始合伙人李竹） 

場景4

大模型營銷，替代搜索引擎 

背景：今年1月13日，馬斯克在X平臺發帖稱，未來一周內將向公眾開放平臺推薦算法。馬斯克這一舉動也被市場解讀為要涉足GEO（生成引擎優化）。 

過去，用戶主要依賴搜索引擎獲取信息；而現在，越來越多的人開始直接向AI 提問。 

今后大模型遲早都會賣廣告。之所以現在國內這幾家還沒有做，是因為競爭還沒真正結束，大家還在搶第一。一旦國內只剩下一到兩家明顯勝出，廣告一定會出現。（英諾基金創始合伙人李竹） 

到時候，大家能獲得兩種流量。免費流量：AI 的自然推薦，不花錢，但靠匹配度；付費流量：明確的廣告位，品牌通過投放競爭。 

比如用戶問：“礦泉水哪個品牌好？”大模型如果有廣告位，百歲山、娃哈哈、農夫山泉都可能投。 

大模型會判斷：哪個品牌與這個用戶的認知更匹配。匹配度越高，點擊率越高，平臺才能真正收到廣告費。（PureblueAI清藍創始人魯揚） 

場景5

AI電商，可能跑出萬億獨角獸 

背景：2025年10月，OpenAI正式宣布推出即時結賬功能。 該功能首先在美國的Etsy上線，ChatGPT用戶無需離開聊天界面即可完成購物。 

一個很明顯的信號是：AI 已經不再只是“問答”，而是在主動內化交易。 

最早是 ChatGPT。去年 10 月，它上線了帶“結賬”的功能，本質上是把交易能力直接嵌入 AI。這個動作，直接把國內廠商卷進來了。 

隨后你會看到非常清晰的變化： 

豆包：C 端幾乎所有品類的查詢，都會直接跳轉到抖音電商 

千問：打通了整個淘寶系資源——淘寶、天貓、飛豬、盒馬、大麥、閃購，全部接入. 

這意味著 AI 搜索正在從“信息入口”，變成“交易入口”。（PureblueAI清藍創始人魯揚） 

AI電商可能出現萬億獨角獸，即用AI Agent替代中小電商的選品、上架、營銷、售后等全流程，人只管理物流。中國中小電商市場約18萬億，若完全AI化，完全有機會誕生新的萬億級公司。（網秦創始人林宇） 

場景6

全流程AI agent，為結果負責 

背景：AI Agent 在2025年已不再是概念，2026年它將深度進化。 

全流程 AI agent 有望在今年迎來快速增長。過去中國軟件行業長期虧損，一個重要原因在于軟件只交付功能，并不對結果負責；而 AI agent 的核心變化在于，它開始對結果負責。 

原本需要多人協作完成的工作，未來可能由一個人配合多個 agent 來完成。 

可以預期的是，未來會在各個行業中出現“類Manus”，并逐步替代原有的人力和傳統軟件形態。（梅花創投創始合伙人吳世春） 

場景7

AI醫生，診斷準確率大于92% 

背景：2025年，深圳有近450種AI產品，投入使用于多家醫院和社區醫療機構。 

近期有兩個關鍵技術，提升了智能體的實用性：對抗學習、可進化能力。 

清智資本投過一家叫紫荊智康的公司，他們在做的是AI 醫院。 

他們不是做單點工具，而是把醫院的整個體系，用智能體系統性地AI 化。剛才提到的兩個關鍵能力——可進化和對抗學習——在這個系統里發揮了非常重要的作用。 

到目前為止，在不需要大量數據、算力也不大的前提下，他們已經可以支撐起一個全科醫生級別的AI 醫生。 

第一，首診質量非常高。整體診斷準確率在92% 以上，而人類主任醫師的平均準確率，大約在 88% 左右，已經明顯被超過。第二，速度極快。過去一次問診可能需要 10–20 分鐘，現在往往5分鐘左右就能完成，而且判斷更穩定。（清智資本創始合伙人張煜） 

場景8

一人公司，逐漸普遍 

背景：2024 年初，OpenAI CEO奧特曼提出：在 AI 時代，一個人有可能創辦一家獨角獸公司。根據 Carta 2025年的最新數據：超過三分之一的新公司由單人創始人創辦。 

市場普遍的共識是，agent有潛力替代部分人類工作流程�，F在已經開始出現所謂的“一人公司”形態，創業者不再招聘那么多人，而是通過調度大量agent 來完成工作。 

這種模式在去年下半年以來已經逐漸普遍，尤其在年輕創業者中接受度更高。95 后、00 后對工具的理解和使用能力更強，也更容易在這一波變化中找到新的機會。（洪泰基金董事長盛希泰） 

場景9

AI律師，為你咨詢、擬合同、訴訟 

背景：2025年10月，AI法律獨角獸Harvey完成新一輪1.5億美元（約合人民幣10.6億元）融資，最新估值達到80億美元（約合人民幣568.4億元）。 

AI會在那些程式化、標準化的行業大規模落地。本質上，它們都依賴流程、規則和線性經驗積累。這些領域不需要情緒價值，AI的效率提升空間非常大。（洪泰基金董事長盛希泰） 

比如法律，AI 律師完成法律咨詢、合同起草和訴訟。 

這些場景，很適合多個智能體協作，因為知識密度高、數據基礎扎實、業務流程復雜、協同要求高。（零一萬物、創新工場創始人李開復） 

場景10

AI工廠，國家需要 

背景：2026 年制造業進入“自主智能體”時代，AI可以實時監測、預測與調整生產線，使工廠從自動化邁向智能自決策系統。 

AI落地的產業必須是國家真正需要的。國家需要，并不只等同于文件里提到的幾個“新興產業”或“未來產業”。在農業、工廠、礦山等傳統領域，同樣存在大量的AI落地空間。（達武創投創始合伙人荊濤） 

AI具體有哪些行業價值？ 

在制造工廠中，對環境參數和每一道工序進行實時檢測非常關鍵。比如薄膜制造，每一層膜的沉積質量，都會直接影響最終良率。核心問題是：如何把工廠里每個位置、每道工序的數據采集起來，再統一反饋到系統中，用來指導生產、優化參數、提升良率。這些 AI 應用，行業價值很大。（炎和科技CTO彭宗陽）

[page][/page]

場景11

3D打印，試錯被提前消滅 

背景：據《創投日報》報道，（2025年）深圳市內3D打印品牌年營收基本都邁進了10億元大關，最近三年整個行業的復合增長都超過了30%。 

3D 打印的核心變化，不是打印更快了，而是“試錯”幾乎被提前消滅了。 

過去是先設計路徑，打印樣件，再測試�，F在可以先讓AI 預設路徑，直接做仿真。結構行不行、性能穩不穩，先算清楚，再去生產。整個流程，從設計到量產，速度一下子拉快。（泰倫資本創始合人涂肖磊）

拓竹 H2 3D打印機 

場景12

工業軟件，效率提升100倍 

背景：2026年1月，工信部等八部門聯合印發《“人工智能+制造”專項行動實施意見》，明確推動AI與工業軟件融合，計劃到2027年推出1000個工業智能體、推廣500個典型應用場景。 

在傳統工業仿真中，“畫網格”一直是效率瓶頸。工程師需要手動給復雜模型劃分網格，調參數、處理邊界條件，這一步往往耗時數小時甚至數天，而且非常依賴經驗。 

現在出現了一些做 CAE / CFD 高速流動仿真的公司，用 AI 來自動完成“畫網格”，效率可以成倍提升，而且是剛需級別的改進。（泰倫資本創始合人涂肖磊） 

比如 Altair HyperWorks 2026， AI 模型可以將仿真速度提升上百倍；國內積鼎 VirtualFlow 2025，在復雜流場中 GPU 求解效率也提升了數倍。 

場景13

AI工程師 

背景：在實際落地案例中，國內工廠并不是把數據扔到云里做通用AI，而是在本地構建自己的AI工程師。 

不少頭部工業企業已經在這么干了：自建服務器、本地部署 AI、自己做知識圖譜。 

他們掌握大量工業 know-how，很多還涉及敏感信息，不可能上云。在這種前提下，把歷史設計、工藝經驗、工程文檔，全部喂給本地 AI，再由 AI 輸出設計建議和決策支持，等于把幾十年的經驗，放大成一個隨時可用的“超級工程師”。（泰倫資本創始合人涂肖磊） 

2025年10月，上海一些制造企業就這么干了，把設備、工藝、質量和員工經驗等信息，統一整理成一個智能知識庫，可以被 AI 直接理解和調用，讓系統像一個“聰明的大腦”。 

場景14

AI基礎科學，解決天坑 

背景：AI 科學最重要的應用方向，就是：高效發現和篩選新物質。 

無論是材料、生物，還是其他基礎科學領域，它們長期被稱為“天坑”，但恰恰也是國家創新和產業突破最需要發生的地方。 

過去，研發新藥或新材料，就像在大海里抓針——科學家要做無數次重復實驗，還得靠經驗猜測，既慢又貴�，F在有了AI，它可以先在電腦里“模擬實驗”，篩選出最有希望的分子或材料，再把這些候選拿到實驗室驗證。 

這樣一來，找出有效藥物或材料的速度快了很多，成本也大大降低。 

這些領域，已經聚集了一大批非常聰明、非常有執行力的年輕人，正在把科研能力真正轉化為可用的工具。（英諾基金合伙人王晟） 

場景15

AI辦公 

背景：最近，在中國技術社區爆火的是辦公工具OpenClaw（也叫 Moltbot 等），它不是傳統查資料的聊天機器人，而是能自動執行任務的“智能助手”。 

現在出現了像Cowork 這樣的協作工具，還有 Skill、NotebookLM 這樣的智能工作流，辦公方式正在悄悄變革。 

以后，不只是多了幾個能提高效率的小工具，而是工作分工和協作方式都會變：人只負責定目標、做決策，具體的執行、整理資料、生成文檔這些繁瑣活，都可以交給 AI 來完成。可以想象，整個辦公室就像多了一個“超級助理”，辦公模式徹底被刷新了。（上海財經大學胡延平） 

場景16

AI編程，企業獲得感最強 

背景：2026年初期，英偉達宣布向Anthropic投資100億美元，估值飆升到3500億美元。 

AI coding的重點不是加速工程師的coding，而是只要能在電腦上出現的工作，都有機會被AI加速或替代，真正的數字員工會出現：AI查看用戶評論、總結需求、編碼并測試發布等。（心影隨行創始人劉斌新） 

這兩年，企業真正“獲得感”最強的，還是代碼相關的場景。它已經不是“輔助工具”，而是原生產力的生產力。它帶來的不是局部優化，而是應用開發和迭代速度的量級變化。 

現在很多公司已經明確要求：所有開發者都要擁抱大模型。（零犀科技聯合創始人翁紹斌） 

場景17

AI陪伴產品的iPhone時刻 

背景：AI玩具在2025年已經爆發了，規模達290億元（工信部數據）。除了一批知名投資機構在投，字節、華為、京東、榮耀、百度、商湯……都下場了。 

想象一下，你小時候喜歡的那個卡通角色，現在不僅能陪你玩，還能“活過來”跟你交流：這就是 AI + IP 玩具的魅力。 

1、IP是靈魂，AI是大腦。單純的AI硬件很冷，像個機器；但是給它注入你熟悉的IP角色，讓它有性格、有世界觀，它就有了“靈魂”；它不僅是兒童的啟發式教育工具，還能提供情緒價值。 

2、技術和體驗終于匹配了。大模型已經能“聽懂你說話、聊得來”，端側模型+多模態交互也能跑在硬件上。 

3、成本低、接受度高、機會大。相比高成本的人形機器人，AI玩具在生產供應、用戶體驗和容錯率上都更容易落地； 

2026年，它有望迎來像iPhone一樣的爆發時刻——真正被大眾接受和喜歡。（躍然創新創始人李勇） 

Haivivi 產品CocoMateX泡泡

AI陪伴產品的銷售情況也非常好，比如AI 玩具，已經有做到億元級銷售的。除了具身智能之外，這可能是目前落地最快的方向。（水木清華校友種子基金管理合伙人王學輝） 

場景18

具身智能大腦，今年明顯加速 

背景：2026年初，做通用具身大腦的Skild AI 完成14億美元 的B輪融資，估值140億美元。  

接下來，機器人之間的核心競爭，將是“大腦”層面的能力，即任務理解、規劃與決策等軟件能力。 

在工業場景中，例如汽車制造、物流和分揀等環節，具身智能機器人將開始規�；瘧�用。下一步的關鍵變化，是具身大腦開始進入機器人系統。今年，這一方向會明顯加速，逐步成為機器人的通用能力。 

Skild AI 的目標是任何機器人、任何任務、一個大腦。

未來兩到三年內，它將從工業場景走入家庭場景，為其提供技術支撐。同時，也會出現一些面向消費或情緒價值的應用，例如機器人參與體育活動。（英諾基金創始合伙人李竹） 

場景19

出海AI應用，市場空間大35倍 

背景：新加坡AI公司Manus被Meta以數十億美元價格收購。海外用戶的付費意愿度更高。Manus創始人肖弘曾提到，海外用戶為軟件付費的意愿可能是中國用戶的五倍，結合匯率因素，市場空間大35倍。 

這一塊其實已經有項目跑得很好了，有的年營收已經達到幾千萬美元，甚至更高。有些項目本身的技術壁壘并不算特別高，比如把不同大模型的能力做整合，在外面封裝一層，讓用戶可以更方便地調用。這種方式某種程度上算是“取巧”，但它確實解決了真實需求——直接使用多個大模型，對普通用戶來說門檻太高、流程太復雜。 

尤其是AI視頻，特別火。 

本質原因在于，它可以完全在線上完成交付：用戶注冊賬號、調用能力、生成內容，就可以直接使用，不依賴任何線下團隊。這類產品對中國團隊非常友好。 

在 AI 應用出海上，盡量避免做太重的 To B、強線下依賴的模式。相反，更適合的是 PLG（產品驅動增長）模式，也就是產品本身就能完成獲客、使用和付費，用戶在線上即可完成整個閉環。（源數創投創始合伙人沈棟梁） 

場景20

AI視頻的“富士康模式”

背景：據多份報告顯示，中國視頻生成模型的推理成本，遠低于美國。 

據硅谷的部分說法，在美國生成一分鐘視頻的成本是5美元，而在中國，可能只要 8 毛錢。如果這個數字成立，那為什么不能把好萊塢 200 分鐘的大片，放到中國來“生產”，再把數據輸出。未來國內，也完全有可能成為數字內容和軟實力的“加工制造中心”。（麟璽創投創始合伙人陳雪濤） 

場景21

3D生成模型 

背景：以前說到3D模型，可能要先去學3個月建模軟件，否則一張椅子都做不出來。 

如今3D生成技術已經突破專業門檻，一個普通用戶只需要輸入文字或圖片就能得到一個高精度的3D模型，之后如果再加上高效的工作流和算法的賦能，每個人都可以創造和體驗一種全新的世界。（VAST創始人宋亞宸） 

3D世界實時生成模型能力，可能帶動視頻、音樂、游戲娛樂等泛娛樂場景，打開創作與娛樂的迸發通道。（上海財經大學特聘教授胡延平） 

場景22

AI電影平民化

背景：國內市場中，剪映專業版、騰訊智影、一幀秒創、萬興播爆等十幾種視頻生成工具齊頭并進，覆蓋從文本生成到剪輯、動畫。

今年開始，純 AI 生成視頻和真人拍攝的差距會明顯縮小，落地速度只會更快。 

你可以有自己的演員，塑造自己的角色 IP，拍原創故事，也能對經典內容二創、三創。 

影視、短劇、長敘事內容等過去專業創作開始真正平民化。不靠設備，不靠團隊，甚至會出現“個人制片廠”。 

公司不再非要找廣告公司，員工自己就能做廣告�？吹揭徊烤W文不錯，自己就能改成短劇，甚至親自“出演”，還能變現。 

平臺的內容結構，也會越來越向 AI 生成傾斜。這是一個已經開始、而且很快就會全面到來的新場景。（MovieFlow創始人梁�。� 

場景23

多模態AIGC，迎來明顯躍遷 

背景：過去兩年，AIGC 在多模態上的應用場景非常清晰，但落地并不好。 

無論是圖文融合，還是視頻生成，距離最終應用，始終差“最后一口氣”。能演示，但不夠穩定、不夠可用。技術能力還不夠強，尤其不足以支撐 To B 的商業化。 

這在營銷和廣告里感受最明顯。比如做一張 AI 海報，看起來是最簡單的需求，但只要涉及圖文融合，文字錯位、亂碼、不可控的問題到現在仍然存在。

視頻就更明顯了。即便是目前最好的模型，在視頻質量、長視頻支持、指令跟隨能力上依然偏弱，很難真正進入生產流程。 

但到2026年，基模層的多模態能力會出現一次明顯躍遷。 

一旦基模補齊這塊能力，整個多模態相關產業的落地會被迅速帶動——包括廣告、游戲、影視等行業。這些行業現在的狀態，其實是“嗷嗷待哺”：不是不想用 AI，而是一直在等一個真正可用、可規模化的能力節點。（PureblueAI清藍創始人魯揚） 

場景24

機器人走進休閑消費 

背景：去年9月，北京中關村已經有了機器人便利店，由銀河通用機器人在運營。 

咖啡、調酒等吧臺服務，小型的商品售賣等場景中，機器人的附加值高：背后的模型訓練量相對小，且帶來情緒價值高，用戶支付力強，賬算得過來。 

由通用Agent、AI助手等超級入口智能連接起來的預訂、購物、餐飲、休閑等消費場景的指數級增長。（上海財經大學特聘教授胡延平） 

銀河通用咖啡機器人

這些消費場景，不像工業場景那么難，一是數據的稀缺性和模型的訓練成熟度（不夠），二是工業級產品的穩定性要求（高）。如果只是在單個工位進行一些簡單勞動，那工廠講究ROI，這個邏輯不支持。（跨維智能創始人賈奎）

場景25

AI+基礎材料，需求旺盛 

背景：截至2025年年末，已經有公司用AI制造基礎材料了。 

AI加新材料分為三種：AI+醫藥材料，AI+高分子材料，AI+基礎材料。但是醫藥材料、高分子材料有兩個難點：研發、驗證。像制藥領域，它的驗證周期非常長。就算引入AI，它所能解決只是研發，它解決不了驗證。 

而AI基礎材料不存在冗長的驗證的環節，只要測力學性、測一些表征，幾個月的時間就可以驗證，之后馬上量產、應用。 

以創材深造為例，今年通過AI做的新材料，預計可能會突破20款，而且是批產、投產的。現在全世界對于新材料的需求都非常旺盛。（創材深造創始人王軒澤） 

場景26

AI能源，管理電力 

背景：2025年，美國YC孵化的Rewbi ，已經用AI來優化與電網連接的電池儲能調度。 

美國很多電力設施比較老舊，停電其實并不少見，所以不少家庭會配備儲能設備。在用電高峰、電價較高的時候，用儲能設備供電；在低谷、電價便宜的時候，再給儲能設備充電。 

在這個基礎上，如果引入 AI，就可以更好地管理這些儲能設備，再結合多個智能體進行協同調度，可能會衍生出更大的應用場景。 

這類情況，國內很少出現，所以創業者可以出海去服務美國。（硅谷高創匯創始人雷虹） 

場景27

AI航空航天，深度結合 

背景：馬斯克在2024年就提出GPU to Mars，大約意思是用AI造火箭。 

在火箭工程設計，在火箭發動機的模擬，在原材料設計，馬斯克已經有擁有了大量的數據，基于這樣的數據，AI配合3D打印等技術，能夠從熱力學角度、化學角度出發，探索怎么造火箭：比如最優外觀、發動機最優設計。

此外，AI與航空航天將深度結合：比如對火箭發動機的改造，對衛星在軌情況的分析，對空間環境的分析——會有很大的競爭優勢和壁壘。（炎和科技創始人馮凡） 

場景28

大裝置，更快形成可用產品 

背景：在商業航天、核聚變、衛星星座等“大裝置”項目中，國內已廣泛使用AI。 

商業航天、火箭、超音速客機、量子計算、可控核聚變……這些被稱為大裝置。 

在海外，這類項目通常只有最頂級、最富有的人才能支撐；但在中國，你會看到十幾家商業航天公司同時推進，而且已經把火箭送上天。 

原因在于：中國擁有全球最完整的工業體系和供應鏈。在此基礎上，再疊加AI 能力，原本極難推進的“大工程”，就有機會更快形成可用產品。（清智資本創始合伙人張煜） 

比如，在中國核聚變研發中，AI 已成為核心技術路徑之一。 

場景29

AI招聘，企業愿意付費 

背景：AI招聘的理論階段已經跑通，走在實施路上。 

今年1月，零一萬物發布了萬智2.5，有些功能類似于“HR智能體”，能理解你到底想招什么樣的人，然后刷簡歷，從學歷、經驗、技能、性格、興趣幫你挑選人，甚至溝通安排面試時間。并且，企業愿意為此付費。（零一萬物、創新工場創始人李開復） 

在藍領招聘賽道。市場和技術都已經充分成熟，可以做端對端的交付。過往幾年，大家看到的每一個“順豐小哥”，幾乎都是用AI面進去的。（海納AI創始人梁公軍）