特稿

叶强：当前，全球科技创新速度持续加快，各类新技术、新成果层出不穷。科技创新已经成为驱动经济变革、社会发展的核心动力。但是在科创落地过程中，很多企业家也面临一个问题：哪些技术创新切实需要投入真金白银？当下技术发展迅猛，有多少的研发能够最终变成真正的生产力，又有多少创新能够精准命中产业痛点、民生刚需？哪些可能最后只是止步于实验室的产品？如何找准行业真问题、回归科技创新的本质与本源，是所有科创企业需要深度思考的核心命题。基于此，请问大家：在科技创新领域，您的公司当前正在解决或者刚刚解决了一个什么样的真问题？如果存在解决不了的问题，谁会最“痛”？这个问题又存在什么样的困难？

彭雷：从脑机接口赛道来看，我们要解决的核心问题只有一个：持续提高对脑内信号读写的分辨率。现阶段，无论是侵入式、非侵入式、半侵入式，还是电学、声学、光学、磁学等各类物理手段和介入方式，最终都要回归到同一个终极问题：如何更有效地对大脑进行读写，并持续提高分辨率。这一问题短期内难以彻底解决，攻关过程或将持续10年、15年甚至更久，这不光是工程挑战，也是一个长期的科学问题。

脑机接口最终的本源，是医疗器械、医疗场景和疾病人群。以疼痛治疗、中风康复、精神疾病诊疗等领域为例，传统治疗方式多以药物治疗或开颅侵入式手术为主，而超声脑机接口技术，可通过近乎无创的方式，为相关疾病提供新的治疗方案，让患者获得更好的治疗效果、承担更低的诊疗风险，同时有效降低社会整体医疗负担。因此，回归本源，脑机接口就是要切实帮助患者与医生解决真实的临床问题。脑机接口赛道既有星辰大海的未来，也有短期明确的临床价值。作为创业者，我们需要在长期技术探索与短期落地应用之间做好平衡。

李昕：我们研究非侵入式脑机接口领域，现在正在用超声、用AI方法来解决真问题。什么是真正的问题？我认为，人类大脑中存在的很多没有被解决的问题，就是真问题。比如睡眠，我们现在通过一些高精度核团调控，以及AI方法来解决大家睡不着觉的问题。

桂仲成：我们正在解决的是如何保障道路安全和高效运行的问题。近期，大家可能看到有一些新闻，例如纽约机场跑道、新加坡道路塌陷等，这是关乎人类安全的“真问题”。所以我们用了约10年时间，开发了一套机器人给道路做CT的解决方案，基于CT数据的智能化管理和智能化运维方案，可以提前预测道路坍塌风险。同时，我们的机器人可以做到精准维修，既保障安全又能创造更大经济效益。我们已经把十年前无人涉足的领域，变成一项纳入国家行业标准的技术，同时把这项中国原创技术输出至欧洲。当然，我们还在路上，希望未来，圭目机器人能够在全球五大洲范围内运行。

蒲中柱：我们要解决的事情分为两个层面。技术上是如何把越来越大的具身模型，高效地放到端侧机器人本体的有限算力上，进行实时操作。应用上，我们面向设施农业的精巧操作采收，目前，户外大田式的农业机械化程度已经相对较高，但是大棚（或者说是设施农业的采收），大部分依赖人工完成，长期面临劳动力短缺问题，我们采用机器人来帮助解决这一问题。

曹强：现在，大家看到了很多在舞台上表演、在实验室研发行走的机器人，可是当这些机器人走到舞台之下，走向实验室之外，没有WiFi、蓝牙，没有一群人端着笔记本给它提供通信的时候，它应该如何自主构建端云融合通信体系，支撑机器人在无辅助网络场景下正常运转？这应该是很多具身机器人研发者都在思考的问题。我们正在用通感智算一体的芯片平台，来解决该问题，给具身机器人提供5G、6G、卫星通信的通讯保障，使智能体能正常运转，并在芯片级、基带级为智能体搭建安全体系，打破实验室与舞台的场景局限，实现从室内试验演示的0.1版本，到全场景落地应用1.0版本的跨越突破。

朱力：我们在做AI的“眼睛”。当前通用数字大模型对输出准确率的容忍度相对较高，日常场景中如果出现少量误差，通过重复校验就可以进行修正。但对于服务日常生活的AI，对准确率的要求需要高出数千倍甚至上万倍。例如现场人脸识别设备，即便仅存在1%的识别误差，也可能导致部分嘉宾无法正常入场。

视觉是物理AI的前置输入条件，即使人工智能算法模型足够先进，但如若接收错误的视觉信号与输入信息，最终也会输出错误的结果。所以，我们的技术环节是物理智能设备的感知基础，如果“眼睛”存在缺陷，AI各类作业任务也无法高效、精准完成。

叶强：真正的创新，核心考验在于落地应用。以下有两个议题，供大家选择讨论。议题A：您现在正在做的创新，将来是谁来为创新买单，真正的需求在哪？议题B：这些科技创新要如何落地？在这个过程中，该如何解决0～1以及1～100的问题？

彭雷：脑机接口在目前可预见的三五年之内，依旧会在医疗器械领域深耕。所以，这类创新成果对标的主体，最终还是医疗体系和患者。从这一角度出发，我们需要对比新型治疗方案与患者现有药物疗法、手术疗法的成本差异与投入产出比。无论是患者个人负担、医院运营负担还是社会整体医疗负担，完整的经济模型必须具备合理性，这是创新产品获得市场付费认可的基础。在中国特色医疗保障体系下，如何推动前沿脑机接口技术纳入医保覆盖范围，惠及更多患者、切实解决临床痛点，是解答“谁为创新买单”这一问题的关键。脑机接口技术的最终付费主体，本质上仍是医疗体系。而国内医疗制度的特性，也决定了这个赛道并非单纯追求高毛利的商业模式，最终仍要回归医疗服务的本质，立足解决大众健康的基础问题。

规模化路径也很清晰：从一家医院做试点，到多家医院开展多中心研究，再逐步扩张，和传统药物、医疗器械进院的过程基本类似。同时，脑机接口本身有较强的科研属性，可以带来新的科研成果，所以从医院科研和学科建设的角度来看，医院也会更愿意将这种创新医疗器械快速推进到临床，所以进入医院的效率会更高一些。

李昕：脑机接口是一个结合神经科学、计算机、医疗器械等多领域的综合学科。在0～1建设的过程中，我们要组建一个多领域结合的优秀团队，极力去打造一个优秀产品；而1～100的过程则更为复杂，我们在实验室做一个脑机接口的样品，难度并不算太大，但当我们真正到了可泛化阶段，就要求产品、供应链等所有环节的一致性。所以，如何跨越1～100的鸿沟，其实需要整个行业共同努力。

曹强：AI正逐步从概念走向实用。我们把AI从天上拉到地下，从云走向端侧，希望让AI普惠大众。但如何实现AI随时随地可用、服务大众，目前仍是行业尚未解决的命题。这涉及到一个特别重要的领域——消费级AI。

成本与功耗，是消费级AI产品目前无法逾越的两大门槛。通信与算力是两套完全独立的技术体系，如何将二者深度融合，实现随时随地的端侧AI服务，还需要产业从业者与科研人员共同攻克。在端侧与消费级AI的落地过程中，芯片是降低设备成本、控制运行功耗的关键。我们将通信芯片与算力芯片合二为一，研发集成通信与算力功能的SOC芯片。该芯片可实现5G、6G广域通信，突破传统WiFi、蓝牙的场景局限，同时集成终端算力与AI处理能力。这一技术方案，能够持续适配消费级AI对低成本、低功耗的核心需求。而下一阶段的突破点，是如何持续压降产品成本、降低运行功耗、优化整体性能，让更多普通消费者成为消费级AI的“买单者”以及直接受益者。

桂仲成：对于科技领域的创新从业者，在选择要解决的问题时，要瞄准全球性问题。我们身处全球化时代，如果一项技术的解决方案能够在全球落地，就有机会成长为一家伟大的企业。分辨真实需求和伪需求，要依靠第一性原理。我本身是机器人领域出身，并非土木专业，但依托机械行业无损检测的积累，我判断道路CT这件事本身具备价值，而当时交通行业还没有这个概念。判断核心就是这件事本身有没有实际意义：能够提前排查道路隐患，不管是出于安全考量，还是养护维修的角度，价值都是实实在在的，于是我们坚持深耕了十年。

科创企业如何实现从1～100的规模化跨越，目前暂无标准答案。但结合我们十年的创业经历来看，我认为核心在于两点：聚焦赛道与长期坚持。过去，我们围绕道路、桥梁、隧道、地铁、高铁、港口等大概开发了20多种机器人，但是2023年以后就聚焦到道路。因为我们认为，道路方向的标准化、可复制性非常强。无论是高速公路还是市政道路，中国的道路，还是全球的道路都是一样的，没有本质的区别，它的方案是标准化的，所以，要找到聚焦的方向。科技创新的落地向来需要漫长周期，贵在坚持。道路CT早期产业化条件不成熟，倒逼我们打通完整产业链：自主研发前端核心检测仪器，提前五六年布局AI算法，结合土木专业打磨工程落地应用能力。

朱力：如何测量科创领域的真实需求？我们有一套实操判断方法：直接与未来付费客户进行沟通验证。假设受缺货、供应链波动等客观因素影响，产品价格在合理区间内上调30%至50%，若客户明确拒绝涨价且可随时替换供应商，说明对应的需求不属于刚性真需求。反之，若在合理涨价范围内，客户依旧选择持续采购（不包含价格翻倍、数倍暴涨的情况），则足以证明产品具备真实市场价值。

作为技术出身的从业者，我一开始以为产品研发落地，就是商业成功的终点，后来才发现，这仅仅是商业化的起点。我们也总结了三个判断能否完成1到100规模化跨越的标准。第一，观察客户成功的转化速度是否加快。早期客户落地交付往往需要半年甚至一年周期，若新客户的落地转化效率不断提升，意味着产品体系更加成熟完善，具备付费意愿的客户能够更快完成采购与落地，商业化效率持续提升。

第二，观察获客模式的转变。判断市场是仍需主动拓客，还是逐渐出现客户主动上门咨询合作。主动上门的客户持续增多，代表产品已形成市场口碑与品牌效应，能够有效加速商业化进程。

第三，适配To B企业的判断逻辑。我们处于产业链中游，产业化是否成熟、是否跨越规模化鸿沟，也要看下游合作伙伴能否盈利。包括集成商、服务商、交付渠道等合作主体，是否能够依托我们的产品实现稳定收益，甚至愿意为了长期收益，主动投入现有资源开展市场推广与落地工作。若满足这一条件，说明企业已经趋近成功跨越1到100鸿沟。

蒲中柱：我们的客户主要是在工厂化运行的农业种植企业。需求主要分为国内和国外两个方面，在国内，随着城市化、老龄化，国内的大型农业企业规模逐渐扩大、数量增加，海外市场的大型农业企业规模较为稳定。

我们的机器人产品相对成熟后，团队在落地应用探索过程中，发现设施农业采收是一个很多人未曾关注到的领域，同时存在痛点。国内中等规模农业种植企业，普遍需要配置五百人以上的采收人力团队，长期面临招工难问题，且人工采收效率参差不齐。海外市场的痛点更为突出。以蘑菇、蓝莓等经济作物为例，欧洲、北美地区的采收人力成本占比超五成，导致大量种植企业持续亏损，甚至关停，所以我们看到，这个领域有着真实、迫切的需求。

2026年4月，我们在欧洲发布了通用农业具身智能机器人。产品发布后，每个月基本都有大量来自欧洲、北美、澳洲等海外客户专程飞往国内，现场查看设备运行情况，这也体现了需求的迫切性。

叶强：第三个问题是创新遇到的挑战，我梳理了A、B、C三个议题，大家可以在其中选择。

议题A：资本对企业来说是好事，但是有的时候可能会扭曲企业原本的节奏。投资人对回报周期有自身预判与时间预期，而技术突破拥有内在的研发规律与迭代周期。当这两个时间表冲突的时候，企业如何取舍？科创过程中，是否曾面临“快速变现但偏离核心赛道”的诱惑？资本究竟是科技创新的加速器，还是创业立场的扭曲力？如何正确应对投资方带来的压力？

议题B：作为创业者，有没有这样的一个时刻，你突然发现自己一直在致力解决的某个科技创新问题，可能是个伪需求。例如近年大模型AI行业的发展态势，技术迭代速度极快，市场需求也随之动态变化，极易出现需求失真、需求迭代的问题。能不能分享一个你走过的弯路？或者讲讲在科技创新过程中，您现在最担心的是什么？

议题C：如何让一项超前的技术被社会接受？是否有过技术可行，但是社会没有准备好的困境？如果有，该如何来解决？

彭雷：我先谈谈议题A。我觉得，选投资人和选创业伙伴一样，都是选择创业的同路人。你选择加入公司的高管和核心团队，与选择愿意把钱交给你的投资人，判断标准是相通的：大家要有共同的愿景和判断方向。同时，也有一些刚性的约束条件。如果一个基金的期限本来就只有3年，而你做的是一件需要7年的事情，那这笔钱就不适合。短债长投的钱，也不要拿。

同时，也要判断投资人对这件事情的回报预期，更偏向投机还是长期投资。从创业者融资的角度来讲，应该以选择同路人的方式，找到合适的资本来助力业务启动。但每个阶段需要的钱可能都不一样，并不是说一个投资人就要从头跟到最后，就像开一辆车，每一段都会有人上车，也有人下车。上车之前要问清楚去哪儿，做好规划，到站以后笑着送他下车；下一段上车的人也是一样。保持这样一种心态，比较容易获得持续的资本支持。

至于资本会不会扭曲公司的方向，我相信这不是一个0和1的问题。投资人一定有财务回报诉求，创始人也有自己的企业愿景和使命。关键是在最初约定和协议层面守好底线。比如哪些业务决策投资人不能参与，董事会层面如何治理，股东会层面如何监督。大家都可以提意见，但最终 CEO 自己要有对业务的把控和判断力，这样才能平衡各方预期。

所以，我相信美国风险投资行业已经证明，IP、人才和资本的联动，才能形成螺旋上升的效应。把任何一方单纯看成限制或扭曲，都不准确，关键是需要让三者之间相互促进、持续提升。

李昕：我谈谈议题C，怎么让大家接受一个新的科技事物？

过去，国内消费群体对订阅的付费意愿比较低，我国最成功的订阅的方式可能是电视，每个月订阅一些会员。但是最近，大家会发现，AI来了之后，大部分科技从业者每个月都会在 Token，在订阅上花费一定金额。

回到脑机接口行业来说，脑机技术离大家的生活其实不是特别遥远。目前大众看到比较多的，多为植入式脑机接口技术，这类技术需要通过开颅、打开硬脑膜植入电极，主要服务于瘫痪、失明等重症患者，大众距离感较强。我们现在做的非侵入式脑机接口技术，以更贴近大众日常生活的方式解决问题，拉近脑机技术与普通用户的距离。

所以，我认为一项新技术、新科技能够被大众快速接纳，关键在于两大驱动因素。第一是外部驱动——时代，时代发展的浪潮会顺势推动大众接纳新兴技术。第二是技术本身的价值，要看新技术能否落地解决真实场景痛点、回应真实需求，也就是我们一直强调的真问题。

蒲中柱：结合我们自身产品推广过程，我分享对议题C的理解。劳动力短缺、机器人替代人工采收，是行业真实需求。但在实际落地过程中，即便我们的机器人功能达标、性能处于行业领先水平，面向B端客户推广时，依然会遇到落地阻力。

客户的犹豫并非源于对产品性能的不认可，而是由于新技术带来的变革成本。全新的机器人，或者说是科创产品接入企业原有运行流程后，企业管理流程、日常运行流程是需要做一些适配和改变的，会带来一定的决策成本与改造成本。

因此，科创企业不能只输出高性能的产品。想要让前沿技术真正被市场接纳，需要配套完整的落地服务，结合客户的生产流程、管理体系、日常运营模式等做适配优化，才能让科创产品真正嵌入客户日常生产运行中，带来真实价值。

曹强：我也分享关于议题A的想法。在我看来，融资的过程，实际上是在寻找一个三观一致的合作伙伴，融资不仅是融入资金，更是汇聚产业资源、整合行业力量，与资本合力推进企业长期发展。

我们选择投资人的标准，是三观一致、目标同向，能够整合资源、长期助力企业深耕主业、走长期发展路线。我们过去二十多年的创业融资历程，企业每一轮融资、每一个阶段里程碑的达成，都是一次与资本的双向适配，其中既有上市落地的喜悦，也有阶段性选择与磨合的困惑。当前国内股权基金数量庞大，涵盖多元资本类型，市场创新活力充足，为科创创业者提供了充足的选择空间。这是我二十多年持续创业、持续对接资本、持续为投资人创造价值过程中的体会。

桂仲成：我谈谈对议题C的理解。我认为，一个新东西出来，不可能期望立刻让所有的人都欢迎，这是第一个要接受的现实。第二，关键是找到最需要它的地方，以及你的“粉丝”。

例如我们的道路检测技术可适配机场、高速公路、市政道路、农村道路等多类场景，在落地初期，我们优先选择机场场景作为首个突破口，因为机场对道路安全标准要求最高，同时具备极强的付费能力与落地意愿。当年相关机场负责人，从机场投运之初，就希望搭建完整的数字化档案，实现道路地下数据可记录、可追溯、可常态化管控，所以便打破行业固有惯例，主动落地我们的新技术，这就是真正的“粉丝”。

所以，新技术落地要首先精准锁定需求最迫切、痛点最突出的场景，找到认可技术价值的“粉丝”，扎实做出落地成果、兑现核心价值，再依托标杆案例持续放大技术影响力，实现规模化推广。

朱力：关于资本，我看到一个很贴切的总结：资本是创业者通向成功的盘缠。因此，在资本市场环境向好时，企业适度多储备资金，是符合创业逻辑的合理选择。但每个行业都有自身的发展规律与成长周期，例如一个科技行业需要长达七年的周期才能完成成长，资本市场的行情并非恒久向好，无法保证未来数年内持续维持优质的融资环境。这就要求企业的资金使用节奏，必须贴合行业发展规律。

叶强：AI是大家都非常感兴趣的话题，有两个议题供大家交流讨论。议题A：能否分享下您的企业在AI相关领域的创新情况？在企业应该如何拥抱AI方面，您有哪些思路或者是已经做了些什么，有什么体会？

议题B：现在大学生选专业，因为以AI为代表的科技很热门，反衬出管理和商科好像比较“淡”一点，那么各位科技企业的领导人，你们认为在 AI时代，管理和商业知识对于科技创新是否还重要？

另外，补充一个背景信息，顶尖学术期刊Research Policy曾刊发一个研究，以欧洲高科技上市企业为样本，分析创始人学历背景与企业发展的关联性。研究证实，各类专业背景的创始人，都有机会将科技企业做好，做成上市公司。进一步的数据分析发现，在不同专业背景的创始人中，技术和经济管理两类专业的学习经历会显著促进其所创立的高科技企业的发展，尤其是经济管理类专业的学习经历对企业的发展会起到比科技类专业更主要的作用。

在AI时代，管理和商业知识，到底可以起到什么样的作用？您在这方面有什么样的思考？

彭雷：从管理的定义来讲，就是组织一群人、整合一群资源去实现一个目标。只要还有这种形态的商业行为，管理就一定会存在。

所以我并不认为随着 AI发展或者 AGI的到来，管理的目的就不存在了。管理的目的仍然存在，只是管理的手段可能会发生变化。从管理层级到管理工具，我觉得都会有变化。对于硬科技公司来讲，很多时候可能不再是单纯Top-down（自上而下、指令式管理），而会更多采用 Bottom-up（自下而上、创新孵化） 的方式，整体思路会发生改变。

另外，当下科创领域的人才能力、素质和专业技能也和20年前、30年前的不太一样。所以对于人才，可能用 harness（赋能）这个词更合适，不一定只是 management（管理）。第一个变化，是从上向下还是从下向上的问题。第二个变化，是科技本身已经走到了一些人类认知的边界，这就要求管理者不光要懂经营、善管理，还要能够在科学边界做探索，也要能在工程可实现性上做验证。

简单来讲，就是既要懂科学家，也要懂工程师。过去，企业管理者往往把科研放在学校和研究所里，再把研究成果转化出来做企业。但我觉得未来，基础科学研究会有越来越大的比重发生在企业，因为企业有更快的驱动力，也能让科学家和工程师在同一个房间里产生协同效应。

最典型的就是美国的几个AI实验室，不管是 Anthropic、OpenAI，还是现在诞生的一批新实验室，基本上都是科学家和工程师在一个房间里协作。这对管理者提出了新的要求：既要理解科学家，知道如何管理未知探索；也要懂工程实现，知道怎么找到商业机会。而且从一个科学原理变成工程，从工程变成产品，从产品变成规模化量产，再变成商业价值，每一步之间可能都有100倍的差距。

怎么让你的组织能够支撑这样的跨越？我打个比方，叫“佛道双修”：既知道怎么和科学家一起探索未知，也知道怎么带工程师把事情做出来。这样的能力，可能是未来科技企业管理者非常需要的。

李昕：我认为AI时代，管理会更加重要，可能比过去还要重要。我们今天身处的AI时代，产业与研发的底层范式已经发生变革。比如现在的研发过程，可能是由产品经理或综合型核心人才牵头，依托多智能体agent协同开展研发工作；任务完成后，可通过智能体完成自动评审等，实现高度智能化、自动化。

但是在这个过程中，我们也在一直在思考，究竟是什么会变得尤为重要？我们认为，就是企业文化，它贯穿了所有的管理体系。比如当下一众头部AI企业中，不少行业人才愿意主动降薪加入Anthropic，就是因为认可其成熟的企业文化和组织管理能力。所以，我的观点是在AI时代下，管理会变得越来越重要。

朱力：组织管理的重要性，在于充分的信息流通与理性的科学决策。对专业从业者来说，只要信息足够完备，基本能够做出统一、合理的判断，理性决策的门槛并不高。但信息流通很难，也是AI落地的第一个挑战。

比如，你知不知道你所有的销售，一天内与客户交流出来的所有的信息中，到底有哪些商机、风险、问题？通过会议记录，以及在合作伙伴允许的情况下，结合AI工具做一些录音或者笔记，你就可以知道这些信息，并且在第一时间了解到产品在市场上的需求、风险、挑战。再比如，如果再过一个礼拜不交付，就可能错过一个商机，如果销售没有第一时间传递信息，我们可能就错过一个客户。像这些信息的流转，我觉得是企业一切后续发展的基础，所以信息的基础架构建设是很重要的。

如果这个东西是给大家制造额外的工作量的，员工就不愿意用。所以我们需要找到一个点，让大家减负。比如销售的一周工作结束以后，可以让其依托AI自动生成工作总结、复盘数据、绩效分析等进行减负。当员工切实感受到AI能够降低工作负担、提升工作效率后，就会自然接纳、主动适配AI工具，组织的AI转型也将会水到渠成。坚持每月进行一次迭代、半年到一年持续优化，整个组织的信息化程度将显著提升，形成更理性的决策和更高效的企业管理。

蒲中柱：我们公司的AI应用主要在三个维度。

第一是模型训练。具身智能需要持续依托海量数据完成模型训练、优化。

第二是我们会主动引导、督促团队借助AI完成工作。从统计中，我们还发现一个有意思的规律，代码能力越强的人，对AI的消耗量越大。所以，当下AI正在放大个体的专业能力，让优秀人才的价值得到更大释放。

第三个方面是充分融合AI与管理。我们会用AI工具，把内外部获取到的信息进行自动化整理，大幅提升管理效率。

彭雷

格式塔创始人、CEO

 

李昕

华超神控创始人

 

桂仲成

目机器人创始人、董事长

 

蒲中柱

启物科技创始人、CEO

 

曹强

成都新基讯科技有限公司董事长

朱力

光鉴科技创始人

 

叶强

中国科学技术大学讲席教授，科技商学院、管理学院执行院长