“AI一天，人間一年?！?/p>

這句話在過(guò)去兩個(gè)月里，變得越來(lái)越真實(shí)。

兩個(gè)月前，我們計(jì)劃圍繞Notion創(chuàng)始人Ivan Zhao那篇《蒸汽、鋼鐵與無(wú)限心智》的博客，與PingCAP副總裁劉松展開(kāi)一次對(duì)談。然而，當(dāng)這場(chǎng)對(duì)話真正發(fā)生時(shí)，AI世界已經(jīng)又向前狂奔了一大截。

大模型輔助編程越過(guò)了臨界點(diǎn)，Agent開(kāi)始以“數(shù)字員工”的形態(tài)進(jìn)入白領(lǐng)工作桌面，Skill成為新的組織能力單元，人機(jī)協(xié)作的范式正在被重新改寫(xiě)。

這也讓原本關(guān)于一篇blog的討論，延展成了一場(chǎng)對(duì)AI時(shí)代根本命題的追問(wèn)：

當(dāng)智力獲取成本無(wú)限降低，人如何避免淪為“無(wú)用階層”？

當(dāng)Agent能自主且持續(xù)地完成任務(wù)，組織形態(tài)會(huì)發(fā)生什么變化？

當(dāng)軟件開(kāi)發(fā)、知識(shí)工作甚至科學(xué)發(fā)現(xiàn)都被不斷加速，我們應(yīng)該守住護(hù)城河，還是奔向新大陸？

錄制開(kāi)始前，劉松注意到墻上三幅爵士主題的畫(huà)。他說(shuō)，爵士樂(lè)源自法語(yǔ)中的交談，不是刻板的樂(lè)譜演奏，而是樂(lè)手之間的彼此回應(yīng)、隨機(jī)推進(jìn)和現(xiàn)場(chǎng)創(chuàng)作，每一次演奏都像是在重新作曲。某種意義上，這這恰如其分地描繪了人類與AI未來(lái)的協(xié)作形態(tài)。

這場(chǎng)對(duì)話從Coding臨界點(diǎn)聊到Agent協(xié)作，從“無(wú)用階層”的焦慮聊到藏傳佛教的“智悲雙運(yùn)”。劉松給出了他對(duì)AI的三重價(jià)值判斷：絕對(duì)生產(chǎn)力的爆發(fā)、理解世界的新鑰匙，以及人機(jī)長(zhǎng)期協(xié)作的范式。

這場(chǎng)漫談最后落腳于一個(gè)溫暖的期許：AI會(huì)讓人類擁有更長(zhǎng)久的健康與更自由的精神，這或許就是技術(shù)進(jìn)步賦予我們最篤定、也最能撫慰人心的事。

【以下為本次訪談的精選內(nèi)容?！?/p>

高飛：歡迎大家收看本期《原點(diǎn)Talk》。這次聊天源于Notion創(chuàng)始人Ivan Zhao那篇《蒸汽、鋼鐵與無(wú)限心智》的博客，時(shí)隔兩個(gè)多月再聊這個(gè)話題，你還記得它當(dāng)時(shí)為什么讓你印象深刻嗎？

劉松：那篇文章最重要的地方，是把“智能”提升到了幾百年來(lái)最重要的革命級(jí)事件的高度。過(guò)去500年里，人類發(fā)明了很多工具，但第一次出現(xiàn)大模型這樣的工具，甚至現(xiàn)在的智能體已經(jīng)超越了工具范疇。那篇文章里提到，Notion一千多人的公司里已經(jīng)有七百多個(gè)智能體。而現(xiàn)在在我們這樣的公司里，每個(gè)研發(fā)人員都有5到10個(gè)智能體。每個(gè)Agent都有自己的角色和任務(wù)。

我認(rèn)為，過(guò)去三個(gè)月是自2022 年底大模型問(wèn)世以來(lái)最重要的一個(gè)臨界點(diǎn)。

第一，Coding超過(guò)了臨界點(diǎn)。像Claude Code這類工具，已經(jīng)在很多場(chǎng)景里表現(xiàn)出超過(guò)高階工程師的編程能力。

第二，編程能力開(kāi)始向所有白領(lǐng)工作泛化，并以Skill的形態(tài)進(jìn)入?yún)f(xié)作場(chǎng)景。最近大家也在開(kāi)玩笑，說(shuō)“把人蒸餾成一個(gè)Skill留下來(lái)”。

第三，龍蝦的問(wèn)世，它是一個(gè)自主Agent的及格線。它們不只是回答問(wèn)題，而是能夠持續(xù)干活、調(diào)用工具、完成任務(wù)。人和 Agent 之間開(kāi)始在同一個(gè)協(xié)作空間里共同工作。人更多是在提出愿望、明確要求、驗(yàn)收結(jié)果，中間大量執(zhí)行過(guò)程交給Agent完成，這種效率提升是以前一到兩個(gè)數(shù)量級(jí)。

高飛：你剛才說(shuō)你們現(xiàn)在每個(gè)人指揮5到10個(gè)智能體，那在PingCAP內(nèi)部，這種協(xié)作已經(jīng)到什么程度了？

劉松：我們CTO黃東旭過(guò)去三個(gè)月閉關(guān)，一個(gè)人指揮多個(gè)Agent，做了一個(gè)新的AI Agent數(shù)據(jù)庫(kù)。這種基礎(chǔ)架構(gòu)軟件，原來(lái)可能需要一百人年的工作量，他自己只用了兩三個(gè)月。這個(gè)極限推演證明在特定領(lǐng)域里，百倍效率提升是可能發(fā)生的。

這也讓我們重新理解傳統(tǒng)軟件的復(fù)雜性。比如Salesforce這樣公認(rèn)最復(fù)雜的軟件，真正難的不是最上面的流程和界面，而是底層的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)處理。我們意識(shí)到，如果底層的數(shù)據(jù)庫(kù)是新一代的，你反向去做一個(gè)CRM，可能一個(gè)月就夠了。當(dāng)然，接口集成、驗(yàn)證、交付仍然需要大量工作，但單純編程這件事的效率上限，已經(jīng)被大幅抬高了。

高飛：這種在軟件業(yè)大獲成功的模式，能不能簡(jiǎn)單外推到其他行業(yè)？

劉松：不能簡(jiǎn)單外推。軟件行業(yè)有幾個(gè)特殊條件：第一，知識(shí)和代碼長(zhǎng)期開(kāi)放，模型已經(jīng)學(xué)到了大量經(jīng)驗(yàn)；第二，軟件行業(yè)的供給鏈條很多時(shí)候是自給自足的；第三，是它可驗(yàn)證。你寫(xiě)一段代碼，可以測(cè)試、可以跑結(jié)果，反饋閉環(huán)非常快。

但如果把同樣的方式推演到醫(yī)療，問(wèn)題馬上就來(lái)了：有些私有數(shù)據(jù)你拿不到，有些專家經(jīng)驗(yàn)沒(méi)有被文字化，驗(yàn)證周期又很長(zhǎng)，而且不能拿真人隨便測(cè)試。金融、制造、醫(yī)療、政府，包括能源行業(yè)，都是容錯(cuò)率極低的行業(yè)。很多時(shí)候不是“不成功也沒(méi)關(guān)系”，而是不能出現(xiàn)明顯失敗和瑕疵。因?yàn)橐坏┏鲥e(cuò)，就可能帶來(lái)災(zāi)難性后果或巨大財(cái)產(chǎn)損失。

所以不能因?yàn)檐浖袠I(yè)出現(xiàn)巨大生產(chǎn)力提升，就說(shuō)每個(gè)行業(yè)馬上都會(huì)被顛覆。不同領(lǐng)域的邊界條件是不一樣的。很多垂直行業(yè)里還有大量私有數(shù)據(jù)、隱含經(jīng)驗(yàn)，以及沒(méi)有被治理好的數(shù)據(jù)。這些過(guò)去看起來(lái)像問(wèn)題的東西，在AI時(shí)代反而會(huì)構(gòu)成一種意想不到的護(hù)城河。它們可能讓某些行業(yè)還有5到10年的緩沖期。

高飛：感覺(jué)AI的影響其實(shí)是一條線，從代碼，到軟件再到用軟件的人，一層層向上延伸。

劉松：可以這么理解：先是Coding，然后是Software，再然后是Worker。代碼構(gòu)成軟件，所以AI先影響編程。軟件承載白領(lǐng)工作，所以它會(huì)繼續(xù)影響應(yīng)用軟件。而大量知識(shí)工作者每天使用電腦工作，當(dāng)Agent進(jìn)入桌面之后，它實(shí)際上就開(kāi)始影響“用電腦的人”。

不過(guò)知識(shí)工作者也要拆開(kāi)看。比如教師、律師、醫(yī)生這類橫向知識(shí)工作者，他們的知識(shí)有很大一部分是全世界通用的，比較容易被模型學(xué)習(xí)。但某些工業(yè)領(lǐng)域里的老專家、老中醫(yī)，或者高度依賴隱性經(jīng)驗(yàn)的人，他們的知識(shí)未必能被語(yǔ)言完全表達(dá)，也未必能被寫(xiě)成一個(gè)Skill。所以未來(lái)一個(gè)很重要的問(wèn)題是：你能不能成為一個(gè)不能被蒸餾成Skill的人？

高飛：說(shuō)到護(hù)城河，金融系統(tǒng)里的COBOL語(yǔ)言過(guò)去曾被視為一種壁壘，但為什么似乎一夜之間就被Anthropic瓦解了？

劉松：COBOL的壁壘之所以會(huì)消失，是因?yàn)榛５闹橇σ呀?jīng)遠(yuǎn)超大多數(shù)人類。過(guò)去COBOL是護(hù)城河，因?yàn)槎娜松?。但AI不在乎這個(gè)知識(shí)是“朝陽(yáng)行業(yè)”還是“夕陽(yáng)行業(yè)”。只要它能獲得與COBOL相關(guān)的上下游數(shù)據(jù)，很快就會(huì)比任何一個(gè)個(gè)人更懂COBOL。

大模型本質(zhì)上是一個(gè)“解構(gòu)者”。它能把很多原來(lái)的黑箱白箱化。一旦某個(gè)系統(tǒng)的壁壘依賴的是可被學(xué)習(xí)的語(yǔ)料和知識(shí)，而這些東西又能被AI獲取，那么這個(gè)壁壘就會(huì)迅速坍塌。真正的壁壘，變成了AI觸及不到的數(shù)據(jù)、知識(shí)和經(jīng)驗(yàn)。

高飛：如果概括一下，你認(rèn)為AI對(duì)人的核心價(jià)值是什么？

劉松：我覺(jué)得有三點(diǎn)。第一是絕對(duì)生產(chǎn)力，AI帶來(lái)的生產(chǎn)力提升，每提高一個(gè)數(shù)量級(jí)，人類整體獲得的財(cái)富就會(huì)大幅增加。當(dāng)然，剩下是公平分配問(wèn)題，這是另一個(gè)更復(fù)雜的問(wèn)題。

第二是理解世界。這是哈薩比斯一直強(qiáng)調(diào)的邏輯。過(guò)去人類知識(shí)是分學(xué)科、分領(lǐng)域的孤島。一個(gè)胸外科醫(yī)生可能不碰內(nèi)科，一個(gè)材料學(xué)家未必懂醫(yī)學(xué)。AI的優(yōu)勢(shì)恰恰在于跨領(lǐng)域的關(guān)聯(lián)能力。比如你給它一組癥狀，它可以同時(shí)篩查很多可能性，把概率分布擺出來(lái)。人類專家往往受限于自己的經(jīng)驗(yàn)和專業(yè)邊界，而AI可以在更大的知識(shí)空間里做關(guān)聯(lián)。

第三是人機(jī)長(zhǎng)期協(xié)作。這是一個(gè)新的協(xié)作范式，人和Agent之間會(huì)形成一種“鋸齒咬合”的互補(bǔ)關(guān)系。人類在定義問(wèn)題、提出目標(biāo)、跳出現(xiàn)有框架這件事上仍然有價(jià)值；機(jī)器在執(zhí)行、并行處理、跨知識(shí)域關(guān)聯(lián)上會(huì)更強(qiáng)。這種咬合狀態(tài)，可能會(huì)持續(xù)很多年。

高飛：你提到AI像一面巨大的鏡子，讓我們得以反過(guò)來(lái)審視人類自己。為什么會(huì)有這種感覺(jué)？

劉松：因?yàn)樗屛覀兡軌蚍催^(guò)來(lái)校驗(yàn)：人類哪些東西值得，哪些東西不值得。比如語(yǔ)言。我們?nèi)祟惤徽劦耐掏侣屎艿?，一分鐘可能也就幾百個(gè)字。語(yǔ)言是一種被極度壓縮的一維信息，它把我們腦子里高維、復(fù)雜的東西壓縮成一句話，再由另一個(gè)人在自己的腦子里重新還原。這個(gè)過(guò)程天然會(huì)有偏差，效率也很低。而AI已經(jīng)習(xí)慣于并行、多模態(tài)和大規(guī)模數(shù)據(jù)處理。它照出了我們認(rèn)知和協(xié)作方式的巨大局限。

我覺(jué)得最終AI會(huì)幫助我們認(rèn)清整個(gè)世界的起源。單靠人的心智，很難做到這一點(diǎn)。今天的大模型作為神經(jīng)網(wǎng)絡(luò)的極致推演，已經(jīng)具備了與人類大腦對(duì)等，甚至在很多方面超越人類大腦的能力。只要人類文明中那些可以語(yǔ)言化、數(shù)據(jù)化的成果被模型吸收，它就會(huì)擁有遠(yuǎn)超單個(gè)人類的知識(shí)結(jié)構(gòu)。從這個(gè)意義上說(shuō)，它會(huì)比任何一個(gè)人都更理解“萬(wàn)物”。所以哈薩比斯才會(huì)說(shuō)，下一個(gè)愛(ài)因斯坦可能不遠(yuǎn)了，而且很可能是批量出現(xiàn)的。

高飛：所以從第一性原理上來(lái)說(shuō)，AI能觀察現(xiàn)象、處理數(shù)據(jù)，也具備推理能力，還可以通過(guò)測(cè)試或人類輔助完成驗(yàn)證。這樣看來(lái)，AI做出科學(xué)發(fā)現(xiàn)似乎是必然的？

劉松：對(duì)，尤其是在那些可以語(yǔ)言化和數(shù)據(jù)化的領(lǐng)域里?？茖W(xué)發(fā)現(xiàn)無(wú)非是觀察、推理、驗(yàn)證。AI在這三步上都具備很強(qiáng)的能力。它能處理的數(shù)據(jù)量遠(yuǎn)超人類個(gè)體，也能在跨學(xué)科知識(shí)中尋找關(guān)聯(lián)。

當(dāng)然，大語(yǔ)言模型也有邊界。它對(duì)真實(shí)物理世界的理解，還沒(méi)有達(dá)到對(duì)語(yǔ)言世界的理解程度。世界模型、具身智能這些方向，還需要繼續(xù)發(fā)展。但在人類已經(jīng)形成文獻(xiàn)、數(shù)據(jù)和語(yǔ)言表達(dá)的知識(shí)范圍內(nèi)，AI的能力已經(jīng)非常強(qiáng)。它有可能比人類更早發(fā)現(xiàn)某些規(guī)律，甚至推動(dòng)基礎(chǔ)科學(xué)進(jìn)入新階段。

高飛：尤瓦爾·赫拉利提出過(guò)“無(wú)用階層”的概念。很多人擔(dān)心AI會(huì)讓大量人變成無(wú)用階層，你怎么看這個(gè)問(wèn)題？

劉松：這個(gè)擔(dān)心我完全認(rèn)同，而且現(xiàn)在沒(méi)有完美解法。但我想從第一性原理往回推。當(dāng)紡織還主要依賴人工時(shí)，整個(gè)服裝產(chǎn)業(yè)的規(guī)模可能只是今天的萬(wàn)分之一。生產(chǎn)力的提升，確實(shí)會(huì)創(chuàng)造更大的市場(chǎng)，也會(huì)在長(zhǎng)期里提升整體生活水平。

我們也可以反問(wèn)一句：過(guò)去幾十年里，大多數(shù)“牛馬”的幸福感到底有多少？如果未來(lái)AI加上具身智能，能夠把大多數(shù)人從重復(fù)性、異化的勞動(dòng)中解放出來(lái)，人類整體獲得的物質(zhì)財(cái)富和精神空間都會(huì)增加。

但“無(wú)用階層”的焦慮確實(shí)存在。它本質(zhì)上不只是技術(shù)問(wèn)題，而是生產(chǎn)關(guān)系和分配公平性的問(wèn)題。藏傳佛教里有一個(gè)詞，叫“智悲雙運(yùn)”。智慧和慈悲要同時(shí)推動(dòng)，才能達(dá)到真正的祥和。

今天的人工智能更像是在極致追求“智”，用智力和效率解決一切問(wèn)題。如果“智”和資本效率結(jié)合，卻沒(méi)有“悲”的部分，就會(huì)帶來(lái)失業(yè)、焦慮和不公平。所以社會(huì)在追求技術(shù)效率的同時(shí)，“慈悲”這一課早晚要補(bǔ)上。包括如何給人更多公平，如何讓AI創(chuàng)造新的工作機(jī)會(huì)，如何讓更多勞動(dòng)者獲得更多token，而不是簡(jiǎn)單地用token替代labor。

高飛：對(duì)公司和個(gè)人而言，AI時(shí)代應(yīng)該如何構(gòu)建護(hù)城河？

劉松：護(hù)城河大體有兩種。一種是資源壟斷型，這個(gè)東西只有我懂，或者只有我有。比如某些行業(yè)的牌照、私有數(shù)據(jù)、特殊資源，以及沒(méi)有被充分?jǐn)?shù)字化的隱性經(jīng)驗(yàn)。另一種是技術(shù)壟斷型。它不是因?yàn)閯e人完全沒(méi)有，而是因?yàn)槟阕龅米銐蚝?，好到用戶離不開(kāi)。比如英偉達(dá)的CUDA，它的價(jià)值在于能顯著提高效率。

在AI時(shí)代，水平類SaaS公司，尤其是只做UI、報(bào)表和工作流的公司，護(hù)城河會(huì)變得很薄。但如果你在垂直領(lǐng)域里擁有私有數(shù)據(jù)、專有行業(yè)模型、長(zhǎng)期經(jīng)驗(yàn)和用戶信任，這個(gè)護(hù)城河仍然存在。尤其是一些非語(yǔ)言模型相關(guān)的領(lǐng)域，比如材料、分子、擴(kuò)散模型等。在世界模型還沒(méi)有完全成熟之前，這些垂類模型仍然有自己的空間。

高飛：那這會(huì)不會(huì)也改變創(chuàng)業(yè)公司的形態(tài)？

劉松：會(huì)，而且變化會(huì)很大。第一，非技術(shù)背景的人，創(chuàng)業(yè)空間會(huì)大幅增加。過(guò)去移動(dòng)互聯(lián)網(wǎng)時(shí)代的創(chuàng)業(yè)者，大多多少有一些技術(shù)背景。但未來(lái)文科生也會(huì)有更多空間。第二，小團(tuán)隊(duì)相對(duì)于大公司的競(jìng)爭(zhēng)力會(huì)上升。過(guò)去很多事情需要大團(tuán)隊(duì)完成，現(xiàn)在一個(gè)非常小的團(tuán)隊(duì)，甚至一個(gè)人，都可能借助Agent完成很多工作。

第三，擁有特殊專長(zhǎng)、獨(dú)特品位和特定組合能力的公司，會(huì)有更大的生存空間。但這里也有一個(gè)現(xiàn)實(shí)：供給會(huì)大量增加，需求不會(huì)同比例增加。人類的時(shí)間、注意力、消費(fèi)能力都是有限的。最終被消費(fèi)、被記住、被市場(chǎng)選擇的，仍然會(huì)集中在少數(shù)精品上。

所以，品位會(huì)變得越來(lái)越稀缺。品位其實(shí)也是一種模型參數(shù)，只不過(guò)它存在于人的腦子里，來(lái)自一個(gè)人過(guò)去十年、二十年的經(jīng)歷、審美、訓(xùn)練和判斷。

高飛：所以品位最后也可能在數(shù)學(xué)層面被解釋，只是這個(gè)公式會(huì)非常復(fù)雜，可能需要萬(wàn)億參數(shù)才能描述。

劉松：沒(méi)錯(cuò)，現(xiàn)在很多情況下，模型的品位已經(jīng)超過(guò)大多數(shù)人了，因?yàn)樗呀?jīng)學(xué)到了人類歷史上大量?jī)?yōu)秀作品和優(yōu)秀判斷。但品位不只是平均意義上的“好”。它還和時(shí)代、場(chǎng)景、人群、階層、媒介都有關(guān)系。一個(gè)東西在精英審美里未必成立，但在大眾市場(chǎng)里可能非常有效。

高飛：回顧大模型這幾年的發(fā)展，從Prompt Engineer到Context Engineer，再到現(xiàn)在大家說(shuō)的Harness Engineer，你怎么看這三個(gè)階段？

劉松：提示工程（Prompt Engineer），是大模型初期問(wèn)答時(shí)代的產(chǎn)物，解決的是如何精準(zhǔn)提要求。那時(shí)候模型主要是在“回答問(wèn)題”。

上下文工程（Context Engineer），在去年年中最盛，因?yàn)槟菚r(shí)候Agent開(kāi)始出現(xiàn)，你要給模型喂足夠的背景數(shù)據(jù)，讓它能夠“干活”。

而Harness Engineer的前提是，模型的腦力和Agent的自主能力已經(jīng)過(guò)了臨界點(diǎn)，它能夠持續(xù)干活了。Harness本質(zhì)上是一套管控體系。它解決的是：如何讓Agent在整個(gè)流程里持續(xù)、正確、安全地工作。包括工具鏈調(diào)用是否合法，權(quán)限是否合適，測(cè)試驗(yàn)證是否完整，過(guò)程是否可控，結(jié)果是否跑偏。今天的Agent已經(jīng)相當(dāng)于一個(gè)入職半年的碩士生了。

高飛：如果讓你預(yù)測(cè)未來(lái)6個(gè)月，你覺(jué)得會(huì)發(fā)生什么？

劉松：我做一個(gè)相對(duì)狹義的預(yù)測(cè)：在軟件、互聯(lián)網(wǎng)和金融這三個(gè)行業(yè)里，Agent的數(shù)量很可能會(huì)超過(guò)人類員工數(shù)量。這不是說(shuō)人不重要，而是說(shuō)很多任務(wù)會(huì)被拆給Agent，一個(gè)人可能同時(shí)管理多個(gè)Agent，組織里的工作單元會(huì)發(fā)生變化。當(dāng)然，AI繼續(xù)發(fā)展的瓶頸也會(huì)很快顯現(xiàn)出來(lái)，比如電力、算力、數(shù)據(jù)中心這些底層資源。AI看上去是數(shù)字世界的問(wèn)題，但最終一定會(huì)回到物理世界的資源約束。

高飛：對(duì)于普通人來(lái)說(shuō)，面對(duì)這場(chǎng)浪潮，有哪些選擇？

劉松：可以粗略分成三種路徑。第一種是“桃花源”。你找到一個(gè)足夠安全的地方，AI進(jìn)不來(lái)，你也不出去。在某些行業(yè)里，這樣的島確實(shí)存在。第二種是舊世界。你還在原來(lái)的體系里，用過(guò)去的眼光看變化，被動(dòng)隨波逐流。第三種是新大陸。你主動(dòng)預(yù)測(cè)自己熟悉的領(lǐng)域里，AI會(huì)把“冰球”打向哪里，然后提前去那里。我更建議大家奔向新大陸。因?yàn)锳I打破了很多智力壟斷，帶來(lái)了更多可能性。抱怨它、期待它停下來(lái)，都是不現(xiàn)實(shí)的。你只能迎接它、擁抱它，然后找到自己的位置。

高飛：最后，你覺(jué)得AI最終會(huì)把人類帶向哪里？

劉松：在我們可以預(yù)見(jiàn)的未來(lái)里，AI在醫(yī)療和健康領(lǐng)域的進(jìn)步，可能是對(duì)所有人最確定、最正面的加分項(xiàng)。也許未來(lái)困擾我們的很多慢性病都能得到抑制，大家可以在更健康的狀態(tài)下活到120歲。機(jī)器人也可能參與養(yǎng)老，讓人類擁有更多獨(dú)立的精神世界，去探索自己真正想做的事情。從這個(gè)意義上說(shuō)，AI最確定的福祉，可能首先體現(xiàn)在健康上。

高飛：我覺(jué)得這個(gè)結(jié)論大家是有共識(shí)的。無(wú)論是辛頓、哈薩比斯、奧特曼，還是中國(guó)所有AI從業(yè)者，對(duì)這一點(diǎn)應(yīng)該都沒(méi)有太大疑慮：我們希望更健康。那就用這句話收尾吧：AI for good health。感謝劉松老師做客《原點(diǎn)Talk》，我們下期再見(jiàn)。