国内saas和海外差异比较大的原因，可能是

国内的it人员过于丰富，大家看到saas上的能力自己基本都可以做，和硬件相比，没那么大门槛，所以国内的saas很难成

国外saas能成的原因是it人员少，自己雇人开发维护会过于昂贵，买服务相对更划算

阿里云能成的一部分原因可能也是因为他们选择的是中小客户，加上价格优势以及生态优势，所以相对目标客户偏中大客户的华为云会更有优势

ai时代的变化，中大公司可能也会购买云，这个可能反而有一定机会

另外就是ai的应用，到底应该选择哪些，要扎实的选择一个一个场景突破

电动化未来

电动车已成为趋势，随着电池技术的进一步发展，未来对于电动船的改造同样在加速(主要针对内河运输)

内河运输船，电池按照集装箱承载，利用现有的港口集装箱启吊即可完成，不需要港口做多余的改造。

根据交通运输部的数据，截至2024年底，中国内河纯电池动力船舶达485艘。另据相关资料显示，截至2025年7月，中国内河船舶总数约11万艘。据此计算，内河航运电动船的比例约为0.44%。

内河航运电动船的优点
- 环保性突出。
- 运营成本低：电力能源成本远低于柴油，且电机结构简单、故障率低，日常维护保养的费用和频率都大幅低于传统燃油船。
- 航行体验优：电机运行噪音和振动远小于内燃机，能减少对船员的工作干扰，也降低对航道周边的噪音污染。

内河航运电动船的缺点
- 续航能力有限：受电池能量密度限制，单次充电续航普遍在100-300公里，难以满足长距离、长时间的干线运输需求。
- 充电设施不足：内河沿线专用的船舶充电桩数量少、分布散，且充电时间较长（通常需数小时），易导致运营效率降低。
- 初始投资高：电池和电机的购置成本远高于传统燃油动力系统，船舶建造成本通常比同类型燃油船高30%-50%

京东家政，服务业标准化
京东七鲜小厨，服务业标准化
京东快递，服务业标准化

从公司保洁的装备来看，每个保洁都是推着一个小车，上面有垃圾袋，拖把等各种专业装备，和以前理解的保洁已经不完全一样了，通过工具的提升，可以大幅提升效率。

从餐饮看，有各种专业的厨房机器人和炒菜机。

京东作为平台企业，投入目的，是期望通过标准化服务作为商品进行售卖，服务好自己的用户，再借助ai(机器人）达成效率和质量提升，达成规模效应

大模型5级能力理解，到位

AI应用的壁垒，不在AI模型本身，重要的是工程化能力

AI应用构建工程化能力，让产品输出更可控、更稳定、体验更好
AI应用构建工程化能力，让产品输出持续迭代演进
AI应用构建工程化能力，构建开放能力(结合tob专家知识），才能规模化复制。

各种文档归到各个业务系统，但类似产品设计等这类当前还是偏向md的相对简单内容，人与AI协作，内容及处理是不是会越来越复杂，简单的文档处理可能反而搞不定？

在企业落地AI，最深的护城河不是拥有多大多好的模型(模型在快速迭代和平权)，而是基于企业业务数据为客户的业务构建“数字孪生”的能力，AI才能快速给出符合业务实际的决策和执行建议。

实现AGI最终都是要AI能理解世界，纯靠堆数据无法实现，所以重点是如何帮助AI理解世界(运行规律)

随着ai模型的持续迭代包含agent内化，应用最后比拼的是数据质量。

如何提供高质量的数据
1)数据的及时性
2)数据的高质量解析
3)数据的持续治理

ai时代，需要做成一个产品，是希望能够数据能够持续迭代

知识库的优势，作为文档的优势，比如知识库合同，我们可以不断的通过ai的手段对合同进行处理，从而让数据切片等更合理，从而让agent来服务人，人也能通过不断的合同条款确认来给agent服务

AI时代团队如何变化的思考

移动互联网时代

主要是用户操作交互，主要是解决让用户最便捷的完成操作，所以才会有入口之争，各大业务靠入口快速获取用户，比如社交，网约车等，再靠功能丰富累加来满足更多的业务诉求，绑定用户，从而获取用户流量，靠流量变现

这种模式下会越来越形成移动互联网时代的大公司，大公司需要的人也比较多，因为大型应用入口的场景越来越多，从而养成微信，支付宝，京东，美团这种巨无霸公司

AI时代
人的操作减少了很多，大部分是对话式，而这些超级入口大概率也不会变化很快，毕竟有过程

流量已经不好变现，那主要靠价值变现，价值变现情况下用户只会给能带来最佳效果和成果的付费。这也能解释为啥现阶段用户都是给头部的大模型厂商付会员费。这种主要是用户的通用需求。

深入到每个公司的业务场景呢？主要是定制化需求，在这种情况下，可能是基于大平台的小公司更能脱颖而出。

ai应用团队呢，是否也就不需要这种大规模，而是靠部分理解ai，能够很好利用ai模型，平台和工具的人就够了。