行业宏观趋势 - 零售行业从高速增长转向存量竞争阶段，企业需通过数字化技术重塑“人、货、场”以稳固流量池、提高转化率与周转率、降低运营成本 [1][2] - 消费者购买行为更趋理性，企业关注点从流量经济转向会员经济，需通过数字化手段构建精细用户画像以挖掘用户终身价值 [4] - 2024年全国社会消费品零售总额约49万亿元，线上渠道占比持续提升，直播电商、社交营销等新形态推动线上线下融合 [6] 细分行业动态 - 美妆国货品牌市场份额从2022年的43.7%增长至2024年的55.7%，通过KOL测评与UGC内容建立营销闭环，并加速拓展东南亚、中东、欧洲等海外市场 [9] - 鞋服行业进入存量博弈，呈现“速生速朽”特征，领先企业通过产品研发前置与品牌价值观输出来提升客户忠诚度与复购率 [11] - 家居行业受房地产周期影响，国内市场进入以旧换新阶段，企业通过出海寻求第二增长曲线，并注重建设海外自有品牌 [14] 生成式AI与数据应用价值 - 生成式AI与数据融合应用为企业提供从用户运营到内部决策优化、再到全球化拓展的全链路解决方案 [1][44][45] - 71%的企业将加强数据驱动决策，生成式AI凭借语言理解和内容创意优势，率先在营销客服类场景落地 [23] - 生成式AI与数据协同可帮助企业整合多源用户数据，实现动态洞察，使企业用户沉淀比例多数提升10%到30% [59][60] 技术实施与合作模式 - 数据质量是生成式AI落地的关键痛点，两者协同可实现AI价值最大化 [20] - 近90%的企业倾向于引入外部服务商构建生成式AI能力，74%的企业存在多模型调用需求 [29] - 在模型架构与算法研发环节，73%的企业选择与厂商合作；在模型微调环节，70%的企业选择合作；在AI应用搭建环节，67%的企业选择合作 [30] - 94%的零售消费企业已应用AI Agent，企业更追求业务适配性，倾向构建差异化的AI Agent以获取市场竞争优势 [31] 营销与用户运营 - 超90%的企业已在营销环节引入生成式AI应用，营销内容生成和智能客服的渗透率均超过90% [48] - 生成式AI在营销内容生成领域广泛应用，91%的企业实现了内容成本降低，降本比例主要集中在30%左右 [51] - 超50%企业利用生成式AI提升客服智能化水平，近80%的企业在应用后客服智能化水平出现显著提升 [53] 供应链与智能决策 - 生成式AI赋能供应链效率优化约10%-30%，在库存周转、货物交付、物流管理及风险识别环节，分别有52%、49%、39%和46%的企业已部署相关技术并实现降本增效 [62] - 93%的企业构建知识库并覆盖多场景，生成式AI助力数据治理提质增效，推动决策从经验驱动转向数据驱动 [56] 海外市场拓展 - 93%的零售消费企业布局海外业务，亚太、欧洲、北美洲为主要目的地，出海模式从产品出海转向品牌出海 [66] - 生成式AI成为突破语言与文化壁垒的关键工具，综合型云服务商可提供AI算力与数据处理能力，并借助电商渠道资源加速企业出海本土化运营 [69] 云服务基础设施 - 公有云服务能够为零售消费企业提供从基础资源到开发平台的全面赋能，降低生成式AI应用门槛 [26] - 云厂商依托算力规模与算法迭代优势，可高效满足零售消费企业多模型调用的需求，是构建生成式AI应用的优选 [29] 行业特定应用链路 - 美妆行业通过生成式AI整合多维度数据，生成定制化产品方案，并利用虚拟试妆等互动体验实现品牌差异化突围 [35] - 鞋服行业利用生成式AI快速捕捉流行趋势，生成设计草图，缩短新品上市周期，抢占销售先机 [37] - 家居行业在出海过程中，利用生成式AI分析全球用户需求，并优化供应链决策，提升响应速度与运营效率 [40]

市场前景与增长趋势 - 生成式AI市场预计2032年市场规模将达近9,700亿美元，年复合成长率高达39.6% [1] - 预估至2024年底，AI手机出货量将达1.5亿部，AI笔电出货量将突破4,500万台 [4] 商业与营销应用 - AI通过分析消费者行为与偏好，协助品牌制定精准行销策略，自动撰写广告文案、社群贴文等内容，大幅降低人力成本与时间投入 [1] - AI可根据即时市场反馈快速调整内容与投放方式，实现高度客制化与规模化的行销作业，提升顾客黏着度与转换率 [1] 医疗产业应用 - AI能快速处理分析大量医疗数据，生成初步诊断建议与报告，应用于病历摘要撰写和医疗影像判读，提升诊断效率与准确率 [2] - AI用于新药研发与分子模拟，加速药物设计流程、降低研发成本，并优化临床试验的病患配对与试验条件 [2] - 在偏乡地区与远距医疗场景中，生成式AI展现显著的社会价值 [2] 供应链与制造领域应用 - AI分析历史销售数据与市场动态，预测未来需求、最佳化库存与物流路径，有效降低库存积压与配送成本 [2] - 在制造现场，AI即时监控生产设备状态，预测潜在故障并提出维修建议，延长设备寿命、减少停机时间 [2] - AI在品质管控上自动辨识产品瑕疵并生成检测报告，显著提升检验效率与一致性 [2] 程式开发与IT支援 - AI工具可根据开发者提示自动生成程式码、优化结构并修正错误，减少手动编码负担，提升开发速度与品质 [3] - AI将自然语言描述转换为对应程式码，让非工程背景人员参与系统开发，促进开发流程自动化与民主化 [3] 运算架构与终端部署 - 生成式AI正从云端大型模型运算逐步走向终端装置的本地部署，反映企业对隐私与延迟的关注 [3] - 边缘AI技术使使用者可在本地即时运行模型，加强资料安全并减少对网路与云端资源的依赖 [3] - 主要装置与晶片制造商已推出支援本地大型语言模型运算的装置，并积极布局内建神经处理单元的AI PC晶片 [4] 智能家庭与工业物联网应用 - 在家庭领域，AI整合至智能音响与家居控制系统，根据使用行为自动调整设定，提供个人化且节能的生活体验 [4] - AI系统可串联多元IoT装置，实现跨品牌智能整合 [4] - 在工业物联网领域，AI通过边缘运算即时分析设备数据，协助企业进行预测性维护、流程优化，提升工厂智能化与营运效率 [4] 行业竞争格局 - 生成式AI的竞争日趋激烈，唯有具备强大技术实力、能有效控管成本并快速迭代的企业方能在市场中站稳脚步 [5] - 企业需具备高度弹性与前瞻布局的能力，才能在快速演变的数位浪潮中把握下一波AI成长动能 [6]

文章核心观点 - AI生图模型在人物身份一致性方面已接近“直出可用”水准，能够替代传统摄影完成企业职业照拍摄[3][4][5] - 通过对比测试，字节的Seedream 4.0模型在人物一致性、皮肤质感、光影细节方面表现优于Google的Nano-Banana，被选为最终生成工具[7][20] - AI生成职业照标志着该技术从“尝鲜”迈向“可用”，将改变企业视觉资产的管理方式，使其从一次性“成品”变为可持续运营的“资产”[36][37] 制作流程与模型选择 - 选择Google的Nano-Banana和字节的Seedream 4.0作为主要测试工具，因其在前期测评中能稳定保留人物面部特征且效果自然[7] - 测试对象为4位同事（2男2女），通过在社交媒体挑选理想参考图并结合ChatGPT撰写提示词进行优化[8][10][12] - 最终选定Seedream 4.0完成三组职业照的完整生成，因其在人物一致性、皮肤质感和光影细节方面表现更优[20] AI生成效果评估 - Seedream 4.0能出色呈现光影质感，轻松解决户外集体写真因时间流逝导致光线不统一的问题[24] - 模型能还原原图中被过度修饰的皮肤自然纹路（如法令纹），在保持美观的同时使画面更自然可信[24] - AI技术使人物表情变得更生动自然，能重构面部表情与神态，解决了摄影师难以彻底调整表情的难题[24] - 模型能准确保留服装上的品牌Logo细节，并根据原始图片与提示词的差异程度，智能调整人物神态、角度和动作[30] 技术当前局限性 - 当参考图表情中性而提示词要求微笑时，模型生成的表情普遍雷同、刻板，难以进行差异化调整[40] - 在局部替换（如统一换上文化衫）的准确度上，Seedream 4.0略逊于Nano-Banana，因此服装替换部分由后者完成[40] - 模型在生成人物动作与姿态时，输出结果要么几乎未改变原图姿态，要么动作略显僵硬[41] - 部分同事对生成照片不满意，尤其集中在人物面部表情上，且普遍反馈Nano-Banana生成图会使人物显得比实际年纪偏大[39][41] 行业影响与未来展望 - AI职业照技术正重塑企业视觉表达方式，使团队照不再受摄影师日程和光线限制，成为随时可调的“变量”[38] - 该技术将职业照从周期性、集中式的事件转变为可持续运营的“资产”，企业可像更新产品版本一样随时迭代团队形象[37] - AI提供“参数化”风格统一，能在保持整体品牌识别度的同时，根据个人气质和使用场景进行灵活微调[37] - AI生成的职业照被视为数字身份的基座，未来可能应用于虚拟会议、数字展台、企业内部系统及AI驱动的虚拟助理等更多场景[37]

生成式AI对劳动力市场的影响 - 2023年麻省理工学院在《Science》期刊的实证研究表明，生成式AI能显著提升低绩效员工的表现，有望弥补其与高绩效员工的差距，从而减少不平等 [1] - 2025年哈佛大学对覆盖超6200万员工、超1.5亿次招聘数据的分析揭示，生成式AI正以"资历偏向"方式重塑劳动力市场，初级岗位数量在六个季度内相对下降7.7%，而高级岗位基本不受影响甚至略有增长 [4][6] - AI加剧了"强者更强"的马太效应，企业招聘大幅减少是初级岗位下降的主因，而非大规模裁员 [6] 生成式AI对知识生产的影响（宏观研究） - 北京大学研究分析ChatGPT-3.5发布前后横跨21个学科门类的超41万篇论文，发现AI发布后学术产出的创造力和同质性曲线斜率均急剧拉升 [7][10][12] - 生成式AI作为学术产出的"加速器"，使学者人均年发表量增加0.9篇，发表期刊质量平均提升6% [15] - 效率提升以多样性为代价，论文语言风格相似度平均每年惊人地增加79%，内容主题出现显著趋同，物理科学和艺术与人文学科同质化现象最为严重 [15][17] 生成式AI对个体创造力的影响（微观实验） - 北京大学对61名大学生的纵向实验显示，AI辅助下（第2-6天）创造力指标远超纯脑力组，但AI撤走后（第7天至第60天）优势瞬间消失，创造力提升是短暂且不可持续的 [24][30][33] - 思想的同质化具有长期"粘性"，停止使用AI两个月后，AI实验组的产出在语义和语言风格上仍比对照组表现出显著更高的相似度 [33] - 在第60天的聚合思维测试中，实验组参与者表现甚至显著差于从未用过AI的对照组，AI带来的是无法内化的"创造力幻觉" [30][33] AI同质化效应的认知机制与行业观点 - AI输出对使用者产生强大的"锚定效应"，初始方案使后续思考很难大幅偏离，导致群体层面思想收敛 [34] - 黄仁勋判断若世界没有了新创意，AI带来的生产力提升就会转化为失业，AI放大了创意，也加速了"思路枯竭"者出局 [34][36] - 麻省理工学院通过脑电图技术观测发现，使用ChatGPT的学生组其大脑活动水平远低于仅靠自己思考或使用搜索引擎的小组 [19]

据悉，峰会预计发布政策与产业观察报告、典型应用案例集和行业倡议，推进一批场景示范与合作签 约，加快形成可复制、可推广的制度与技术路径，助力构建安全、可信、包容的智能时代新生态。(完) 来源：中国新闻网 编辑：熊思怡 广告等商务合作，请点击这里 本文为转载内容，授权事宜请联系原著作权人 首届人工智能高质量发展峰会将于12月在杭州举办 中新网杭州10月10日电(鲍梦妮)10月10日，首届人工智能高质量发展峰会(下称峰会)新闻通气会在杭州 市余杭区举行，对外介绍峰会筹备情况。 本届峰会以"共建安全、可信、包容的智能新生态"为主题，聚焦生成式AI、具身智能、智算基础设施、 数据治理与AI治理规则、AI for Science与产业深度应用，服务新质生产力培育与高质量发展。峰会拟定 于12月中旬在杭州举行。 据悉，峰会在中国企业联合会、中国电子商会指导下，由中国电子商会人工智能专委会、中国企业联合 会智慧企业工作委员会主办，财新智库协办，浙江省乡村发展基金会支持，浙江杭州未来科技城(海创 园)管理委员会、浙江省新时代产融协同创新研究院承办。 中国电子商会人工智能专业委员会理事长刘小明介绍，峰会设主论坛及十二场并行论坛， ...

纪要涉及的行业或公司 * 公司为美图公司（SEHK:01357）[1] * 行业涉及图像处理、视频编辑、人工智能生成内容（AIGC）、电子商务设计工具及AI智能体应用[1][8][17][43] 核心观点和论据 产品战略与全球化 * 公司将产品分为休闲娱乐类（如美图秀秀、Wink）和生产力工具类（如XDesign、开拍KaiPai）[1] * 通过AI创意功能推动全球化，产品在14个欧洲国家的应用商店排名靠前[5] * 针对欧美用户审美偏好（如注重健身线条）进行产品功能优化[7] * 海外市场重新定位并加大投入，尤其在欧美市场取得增长，在多个欧洲国家应用商店排名第一[66] AI技术赋能与产品演示 * 美图秀秀应用GenAI技术实现高质量图像编辑，如智能移除背景人物、AI逆光、AI合影（可将不同人物照片自然合成）等功能，效果优于传统免费功能[2][3][4][6] * Wink应用核心功能为画质修复和视频人像美颜，可修复低分辨率老照片和1961年的卡通视频，5分钟视频修复需54积分[8][9][10] * 推出AI智能体RoboNeo，集成到各产品中作为专用助手，在中国月费约¥68，海外约$15[43][52] * XDesign为电商设计工具，通过AI代理（如RoboNeo）帮助电商从业者自动生成商品主图、模特试穿图、尺寸图、视频及营销海报，大幅降低外包设计成本（传统设计成本可达数百美元）[18][19][20][21][22][23][24][25][26][27][28][29][30][31][83][84] * 开拍KaiPai聚焦口播视频制作，提供提词器、AI脚本生成、数字人 avatar（需额外付费，约HKD 250）等功能，可将制作时间从数小时缩短至约3分钟[32][33][34][35][36][37][38][39][40] * RoboNeo展示品牌设计（如咖啡店全套视觉系统）、创意内容生成（如将猫照片转化为玩偶并生成20分钟剧本视频）能力[44][45][46][47][48][49] 竞争与商业化策略 * 面对通用AI模型（如ChatGPT、Banana）的竞争，公司认为在垂直场景（如电商设计、专业级画质修复）中，定制化应用能提供更优效果和效率，形成差异化优势[56][58][70][71] * 付费策略以订阅制为主，同时看到单次购买模式的增长空间；有用户单次内购消费可达$20,000，显示高ARPU潜力[75][76][81][82] * 公司注重品牌形象和影响力建设，认为这是长期竞争力的重要组成部分[79] 监管与合规 * 在中国，公司与监管部门保持密切沟通，严格遵守限制，是首批参与相关项目的企业之一[72] * 在海外，严格遵守如欧盟等市场的严格客户法规[73] 其他重要内容 用户需求洞察与产品开发模式 * 通过外部创作者和设计师共同开发功能（如RoboNeo），并分享至社交媒体，以此提升产品知名度和迭代能力[65] * 洞察用户深层需求（如抗衰老是全球用户的共同追求），并开发相应功能（如一键面部丰盈、提拉）[5][6] 市场机会与潜力 * 海外市场（如北美）对电商设计工具需求巨大，设计成本高昂，XDesign有机会帮助用户降本增效[83][84][85] * 开拍KaiPai在国内聚焦口播视频需求（如房产中介、保险推广），在海外关注Canva等竞争对手，并探索新策略[86][87] 技术整合与生态建设 * 公司与阿里通义等模型合作，并进行自身增强，以保持技术多样性[72] * AI代理（RoboNeo）的集成计划分为两个阶段：初步功能集成与跳转；核心是协同编辑和共同创造生态，鼓励用户生成内容并传播[90][91][92]

生成式AI对劳动力市场的影响 - 2023年麻省理工学院研究显示生成式AI能显著提升低绩效员工表现，有望弥补其与高绩效员工的差距，减少不平等[1] - 2025年哈佛大学研究分析超6200万员工和1.5亿次招聘数据，揭示生成式AI以"资历偏向"方式重塑劳动力市场，初级岗位数量在六个季度内相对下降7.7%，而高级岗位基本不受影响甚至略有增长[4][6] - AI导致初级智力劳动被取代，加剧年轻人在教育、结婚生育和职业初期等阶段的困境，凸显"强者更强"的马太效应[6] 生成式AI对知识生产与创造力的宏观影响 - 北京大学研究分析ChatGPT-3.5发布前后横跨21个学科门类的超41万篇论文，发现AI发布后学术产出的创造力和同质性曲线斜率均急剧拉升[7][10][12] - 学者人均年发表量增加0.9篇，发表期刊质量平均提升6%，但论文语言风格相似度平均每年惊人地增加79%，内容主题出现显著趋同[16] - 生成式AI作为学术产出"加速器"的同时，正以思想和表达多样性为代价，使全球知识生产变得更高效但更"单调"[16][17][18] 生成式AI对个体认知能力的长期影响 - 纵向行为实验将61名大学生分为"AI实验组"和"纯脑力对照组"，并在实验后第30天和第60天进行追踪测试[23][24] - 创造力提升短暂且不可持续，AI撤走后优势消失，第60天实验组在聚合思维测试中表现甚至显著差于对照组[33] - 思想同质化具有长期"粘性"，停止使用AI两个月后，实验组产出内容在语义和语言风格上仍比对照组有显著更高相似度[33] AI时代个体与社会的应对策略 - AI输出对使用者产生强大"锚定效应"，导致群体层面思想收敛，若社会无法涌现新创意，AI带来的生产力提升将转化为失业[35][37] - 个体应将AI当作"思想陪练"进行头脑风暴，但最终筛选、深化、决策和责任必须由自己承担[38] - 通过刻意练习"认知摩擦"反驳AI的第一个答案，并设置"无AI时间"进行原始思考，以保持独立思考能力和避免大脑核心创造能力退化[38][39]

Sora应用市场表现 - OpenAI推出的AI视频生成应用Sora超越Google Gemini和OpenAI ChatGPT 成为苹果App Store免费应用榜榜首 [1] Sora2的技术能力 - Sora2在制作精度和拟真方面实现大幅度跃进 能够理解中国古典诗词并生成相符含义的视频内容 [2] - Sora2展现出对物理世界的初步理解和模拟能力 如物体运动 光影变化和材质互动 暗示其正在构建简单的世界模型 [2] - Sora2能够理解复杂的摄像机运动 长镜头连贯性以及多角色与环境的互动 这些能力从海量数据中涌现 标志生成式AI进入新阶段 [2] - Sora2在遵循物理法则方面比之前系统更好 能识别复杂的脚本化指令 包括场景 动作 声音 情绪 BGM和后期要求 实现脚本直出内容 [3] - Sora2具备多镜头序列处理能力 能在场景变化中保持连续性 构建一致的视觉故事 [3] - 应用采用垂直视频流和滑动浏览的交互方式 与TikTok高度相似 但所有内容均由AI生成 打造纯粹AI生成内容生态 [4] - 应用推出"客串"功能 用户通过简短音视频录制即可将自己植入任何Sora生成的场景中 [4] Sora与短视频平台的竞争关系 - 专家认为Sora与抖音/TikTok在某种程度上会相互融合 而非短期取代 因为抖音拥有算法优势和数亿有黏性的用户 [1] - Sora2和抖音/TikTok本质在不同赛道 不是直接替代关系 而是强大的赋能与被赋能关系 Sora2有潜力成为重塑短视频/内容生态的底层引擎 [4] - Sora是生产力工具 核心价值是内容生成 如同超级强大的摄像机加特效团队 负责从无到有创造资产 [5] - 抖音是社交内容平台 核心价值是内容分发 社交互动和商业闭环 构建了由创作者 用户 广告主 商家组成的复杂网络和生态系统 [5] - 抖音的护城河在于网络效应 包括创作者生态 用户习惯与社交关系 算法推荐系统和成熟的商业闭环 Sora2作为工具无法直接复制或取代这些 [5] 未来发展趋势 - 未来最可能出现的场景是抖音集成Sora类技术 将自研或集成的类似技术内置于创作工具中 [6] - 技术整合将让用户用文字一键生成高质量视频片段 结合抖音剪辑 配乐 特效功能进行二次创作 极大丰富平台内容供给并降低创作门槛 [6] - 如果抖音能率先深度整合最好的视频生成AI 其护城河会更宽 反之竞争对手整合得更好则可能改变竞争格局 [6] - AI工具与互联网平台生态的深度融合将开启内容创作前所未有的黄金时代 [6]

公司管理层潜在变动 - 苹果公司CEO蒂姆·库克的潜在接替者头号人选是硬件工程高级副总裁约翰·特努斯 [1] - 约翰·特努斯现年50岁，于2001年加入公司，目前负责领导全部硬件工程团队 [1] - 特努斯主导了iPad全系列产品、最新iPhone机型、AirPods的研发，并是Mac向自研芯片过渡的关键领导者 [1] - 此前被视为热门人选的首席运营官杰夫·威廉姆斯已于今年7月卸任并计划年底离开公司 [1] 潜在继任者的背景与优势 - 特努斯的年龄与库克接任CEO时相仿，若接棒有望带领公司前行十年或更久 [2] - 公司在混合现实、生成式AI、智能家居及自动驾驶等新兴技术领域进展迟缓，亟需技术专家引领突破，特努斯的硬件工程背景与此需求契合 [2] - 特努斯深受库克信任，在公司内部影响力超出硬件工程范畴，深度参与产品设计、路线规划与战略决策 [4] - 特努斯在对外活动中频繁亮相，例如主持发布iPhone Air、在欧洲谈论环保举措、在伦敦门店迎接顾客，显示出公司对其着重培养 [4] 现任CEO的业绩与继任规划 - 自2011年接任以来，库克带领公司市值成为全球首家突破3万亿美元的公司，产品营收与毛利率持续增长 [4] - 库克曾表示其职责是培养多位具备接班能力的候选人，并希望继任者来自公司内部 [4] - 即便特努斯被确立为接班人，库克也可能继续担任董事会主席或顾问角色以维持公司稳定 [5] 公司当前面临的挑战 - 公司在库克时代积累深厚，但面临iPhone增长见顶、创新节奏放缓等问题 [5] - 公司2025财年第二财季大中华区营收为160.02亿美元，同比下降2.26%，为连续七个季度营收下滑 [5] - 2025年初至8月，公司股价下跌超过14%，市值在3.7万亿美元左右徘徊，而同期英伟达和微软市值先后突破4万亿美元大关 [6]

开源与闭源路线之争 - AI时代中美开闭源路线竞争日趋激烈，以DeepSeek和Qwen为代表的开源大模型正创造新生态并引领中国科技走向世界[1] - 开源与闭源并非完全对立，两种开发风格将长期并存并在竞争中推动产品进步，例如微软因Linux等操作系统竞争而延长对旧版本软件的支持时间[6][7][9] - 生成式AI算法应以开源方式推进，避免过度依赖如ChatGPT的闭源黑箱模型，开源AI可提供竞争和选择以保护用户利益[11][12] 开源模式对区域经济的影响 - 日本岛根县松江市通过开源语言Ruby成功推动地区IT产业发展，使当地公司即使远离东京也能凭借技术能力直接承接大型项目[9][10] - 开源生态有助于留住和培养地方人才，松江市通过完善的软件社区和产业吸引人才在本地学习成长，缓解工程师向东京过度集中的问题[10] - 地区保护主义政策可能抑制技术创新，岛根县通过公共财政指定采用Ruby建设政务系统的政策导致本地公司缺乏提升技术能力的动力[14] 开源生态的建设与发展 - 开源的核心特征在于超越企业组织边界的社区共同开发，这种模式有利于生态持续建设和技术传承[3] - Ruby对日本开源活动具有重要意义，以Ruby为起点日本参与其他语言及数据库领域开源的人才越来越多[5] - 开源本质是跨国协作，未来生成式AI等软件可通过开源社区推进跨国合作，教育对培养理解开源理念的工程师至关重要[13] AI发展对编程行业的影响 - AI可能实现自然语言实时编程提高效率，但可能导致程序员群体两极分化和人类认知能力衰退[15][17] - 编程教育至关重要，未来仍需要大量能将高级语言翻译成低级语言的高技能人才参与开源开发[15] - 需对软件工程师进行适当教育培训，以应对生成式AI普及后可能出现的人才短缺问题[17]