全球AI应用平台市场概况 - AI应用平台正成为AI技术规模化应用的核心载体，是集成了模型开发、部署与运营能力的一体化企业级平台，旨在将复杂技术转化为解决实际业务问题的产品与服务 [2] - 全球市场由美国主导，其市场规模占比超过55%，中美两国合计已占全球近七成份额 [2] - 欧洲市场增长迅速，预计2029年市场规模将达到约2500亿美元 [2] 全球AI市场融资与规模 - 2025年全球AI创业公司融资额达到2023亿美元，同比增长超75%，占全球总融资近50% [13] - 美国在AI融资领域占据主导地位，2025年美国本土企业融资总额达1590亿美元，占全球AI融资的79%，其中旧金山湾区贡献了1220亿美元，占美国融资的四分之三以上 [13] - 西欧市场规模占整个欧洲市场的九成以上 [12] 中国AI市场现状与预测 - 预计到2029年，中国人工智能总投资规模将达1114亿美元，五年复合增长率为25.7% [18] - 生成式AI在中国市场占比将显著提升，预计从2024年占总投资规模的18.2%提升至2029年的41.1%，投资规模超450亿美元，五年复合增长率为48.0% [18] - 中国AI产品在用户规模与产品数量上已具备全球竞争力，2025年数据显示，中国AI APP下载量为2.63亿次，产品总数为172个 [17] - 但在商业化收入和Web端渗透率上仍有提升空间，2025年中国AI APP内购收入为8040万美元，AI WEB访问量为14.25亿次，显著低于全球水平 [17][18] AI应用平台服务商分类 - 平台层/PaaS提供者（如微软Azure、百度智能云），提供开发工具与基础设施 [3] - 解决方案构建者（如Palantir、迈富时），聚焦行业场景交付完整解决方案 [3] - 传统软件服务者（如Oracle、用友），在现有软件中嵌入AI能力实现产品智能化 [3] 全球区域发展特点 - 美国扮演“定义规则”的角色，在基础技术、产品形态与商业模式上引领全球 [3] - 欧洲注重“深度整合”，将AI嵌入高端制造、汽车等实体产业，追求高价值与高合规性落地 [3] - 中国作为“规模应用”的场景大师，依托庞大统一市场，在消费互联网、智慧城市等领域实现快速规模化落地与迭代 [3] 未来技术发展趋势 - AI Agent智能体将向具备规划与工具调用能力的自主系统演进 [3] - 低代码AI开发工具将进一步降低开发门槛 [3] - 多模态融合技术将推动AI从文本向图像、语音、视频统一理解与生成跨越 [3] 全球AI关键趋势 - 大模型推理成本大幅下降，例如DeepSeek-V3使推理成本年降90%，其输入成本仅为GPT-4o的1/18-1/5，输出成本为GPT-4o的1/4-1/10，对比Claude3.5，其输出成本仅为其1/53 [25] - AI Agent已进入大语言模型驱动阶段 [24] - 行业AI应用平台正从工具转向集成化平台 [24] 中国AI产业链结构演进 - 算力方面，正从依赖进口转向国产芯片性能追赶并构建生态，未来目标实现接口算子库/训练统一及云边端动态调度 [20] - 算法方面，从预训练规模竞赛转向强化学习与多模态重点发展，未来目标实现多模态认知统一及深度决策 [20] - 数据方面，从依赖公开语料转向建设语料平台与数据要素市场，未来合成数据占比将超50% [20] - 生态与开发方面，从闭源主导、工程化工具链缺失转向开源模型性能比肩闭源、自动化微调平台缩短周期，未来低代码平台将覆盖80%场景 [20] - 应用方面，从集中于数字原生行业转向行业分化明显，未来将向垂直行业深化与专业化本地化部署发展 [20] 行业AI应用需求与渗透率 - 人工智能行业渗透率持续提升，互联网、电信、政府、金融、制造、交通、服务和教育等是AI技术积极探索和广泛落地的领域 [27] - 2024年数据显示，中国互联网行业的AI渗透率已接近90%，处于绝对领先地位 [30] - 电信、政务、金融行业的渗透率普遍超过70% [30] 制造业AI应用 - 需求围绕“提效、提质、降本、控风险”展开，旨在通过AI打通全链路数据，实现各环节的智能化决策与自动化执行 [28] - 具体应用包括：研发环节的生成式设计与AI仿真以提升效率；生产环节的AI质检与预测性维护；供应链环节的库存优化与风险管控；销售环节的精准获客；服务环节的预测性维护与智能客服 [29] 零售消费业AI应用 - 需求聚焦“精准、高效、降本、提体验”，旨在实现从获客、服务到履约的智能化决策 [31] - 具体应用包括：营销环节的AI内容生成与程序化广告；会员运营环节的个性化分层服务；门店管理环节的智能巡店与排班；供应链环节的精准销量预测与库存优化 [32] 金融保险业AI应用 - 需求正从单点效率提升向跨职能协同与业务模式创新演进 [33] - 具体应用包括：风控环节的智能核保、反欺诈与异常监视；客服环节的AI客服机器人；营销环节的客户流失预测与个性化推荐；合规环节的自动化合同与法规审查 [34] 医疗健康业AI应用 - 需求围绕“精准、高效、可及、经济”的核心价值展开 [37] - 具体应用包括：诊疗辅助环节的医学影像智能分析与电子病历处理；患者管理环节的长期状态监测与个性化干预；药物研发环节的靶点发现与化合物设计 [38] - AI+医疗细分赛道中，医学影像分析商业化能力与市场成熟度最高，电子病历、专病专科、医院管理等也是重点布局领域 [38]

这也意味着，过去一年 减员了近24940人 。 | 时间 | 员工数量 | 员工环比减少 | | --- | --- | --- | | 截止 2021 年 12月 31 日 | 259316人 | 1 | | 截止 2022 年 03 月 31 日 | 254941 人 | -4375 人 | | 截止 2022 年 06 月 30 日 | 245700 人 | -9241 人 | | 截止 2022 年 09 月 30 日 | 243903 人 | -1797 人 | | 截止 2022 年 12月 31 日 | 239740 人 | -4163 人 | | 截止 2023 年 03 月 31 日 | 235216 人 | -4524 人 | | 截止 2023 年 06月 30 日 | 228675 人 | -6541 人 | | 截止 2023 年 09 月 30 日 | 224955 人 | -3270人 | | 截止 2023年 12月 31 日 | 219260 人 | -૨૯૭૨ V | | 截止 2024 年 03 月 31 日 | 204891 人 | -14369 人 | | 截止 20 ...

行业人才市场动态 - 传统后端技术岗位出现裁员优化现象，包括拥有十年经验的资深员工也被裁撤 [1] - 与此同时，市场对AI大模型工程师的需求极为旺盛，出现“一将难求”的局面，有猎头职位持续三个月未招到合适人选 [2] - 技术圈呈现“冰与火”的残酷反差，一边是传统岗位加速淘汰，另一边是大模型人才极度紧缺 [2] - 有行业资深人士指出，市场饱和与内卷加剧导致传统技术岗将失去竞争力，而AI是技术人近几年最好且可能是最后的破局机会 [2] AI大模型岗位需求与薪资 - AI大模型工程师岗位年薪起薪可达120万元 [2] - 招聘岗位月薪范围广泛，例如大模型应用开发工程师月薪为20-40K（15薪），AI应用开发工程师月薪为50-70K（16薪） [2] - 企业急需的大模型工程师必须掌握三大核心技术：检索增强生成（RAG）、AI智能体（Agent）和模型微调 [2] - 具体岗位职责包括：利用AI技术和大模型构建迭代公司AI服务、深入研究大模型技术并评估方案、使用框架开发基于大模型的智能体和RAG产品 [2] - 岗位要求涉及技术包括：RAG、智能体、Java、Agent、深度学习、大模型算法、Python、自然语言处理、多模态算法、机器学习、MySQL、Redis、MongoDB等 [2] 大模型核心技术应用 - 检索增强生成（RAG）技术用于融入外部信息以修正模型输出，可应用于法律文档分析、医疗诊断辅助、金融报告生成等垂类场景，实现精准信息提取 [2][8] - AI智能体（Agent）技术旨在让AI自主工作，通过工具调用和环境交互进行多步推理以完成复杂任务，例如智能客服，可构建用于设备故障诊断或投资分析等场景的智能助手 [2][8] - 模型微调技术针对特定任务优化模型，使其适配业务，需掌握主流大模型（如DeepSeek、Qwen等）的微调技术，并利用制造、医药、金融等领域数据进行模型定制以提升性能 [2][8] 培训课程内容与卖点 - 相关培训课程旨在通过2节直播课，帮助开发者系统掌握RAG、Agent、微调三大核心，并完成企业级项目实战 [3] - 课程内容涵盖从大模型微调到AI Agent智能体搭建，剖析AI技术应用场景，并包含从GPT到最火开源模型的技术覆盖 [6] - 课程提供热门项目拆解以积累实战经验，例如拆解金融行业的“支小助”和“知乎直答”等产品的技术架构 [14] - 课程完课后赠送求职大礼包，包括经典面试题库、高薪岗位解读、企业内推和直聘权益 [3][14] - 额外赠送资料包括《大模型应用案例集》和《AI商业落地白皮书》 [6][14] - 课程由AI大模型领域大佬联合研发，分享丰富的商业化AI应用项目，旨在帮助学员打通技术、原理与实战能力 [14] - 课程还会剖析大厂招聘行情、就业岗位、薪资、技术迭代方法及发展空间，并从面试官角度帮助规划职业发展路径 [17] - 课程声称已开班58期，为超过20,000名学员服务，且很多学员已获得高薪工作机会 [9] - 课程本期提供限时免费预约，名额仅限100人，并预计在24小时后关闭报名通道 [11][20]

行业人才市场现状 - 传统后端技术岗位出现裁员优化，包括拥有十年经验的资深员工也被裁撤 [1] - 与此同时，市场对AI大模型工程师的需求极为旺盛，出现“一将难求”的局面，有岗位持续三个月未招到合适人选 [2] - 技术圈呈现“冰与火”的残酷反差，传统技术岗位市场饱和、内卷加剧，而AI大模型是技术人近几年的关键破局机会 [2] 企业招聘需求与薪资水平 - AI大模型工程师岗位年薪起薪可达120万元 [2] - 招聘岗位月薪范围广泛，例如大模型应用开发工程师月薪20-40K（15薪），AI应用开发工程师月薪50-70K（16薪） [2] - 企业急需的大模型工程师必须掌握三大核心技术：RAG（检索增强生成）、Agent（智能体）和模型微调 [2] - 具体岗位职责包括：利用AI技术和大模型构建迭代公司AI服务、研究评估不同大模型技术方案、开发基于大模型的智能体和RAG相关产品 [2] - 任职要求通常包括计算机等相关专业本科以上学历，并需要掌握Python、Java、深度学习、自然语言处理、多模态算法等技术，有时还要求有优秀开源项目经历 [2] 大模型核心技术应用 - RAG技术用于融入外部信息修正模型输出，可应用于法律文档分析、医疗诊断辅助、金融报告生成等垂类场景，实现精准信息提取 [2][8] - Agent智能体技术让AI能通过工具调用和环境交互进行多步推理，自主完成复杂任务，例如构建智能客服、设备故障诊断Agent、投资分析Agent等 [2][8] - 模型微调技术针对特定任务和场景优化模型，例如利用制造、医药、金融等领域数据进行模型定制，以提升任务准确性和效率 [2][8] - 需要掌握主流大模型（如DeepSeek、Qwen等）的微调技术，并学习SFT、RLHF、提示词工程等方法提升模型性能 [2][8] 培训课程内容与价值主张 - 相关培训课程旨在通过理论结合实战，系统教授RAG、Agent、微调三大核心技术，并完成企业级项目实战 [3] - 课程内容涵盖从大模型原理、核心技术到各种AI工具使用、产品开发实操的全流程，旨在培养全栈开发能力 [13] - 课程提供热门商业化应用案例拆解，例如金融行业的“支小助”、知乎直答等，帮助学员积累实战项目经验并写入简历 [13] - 课程由AI大模型领域专家研发，无偿分享丰富的商业化AI应用项目，帮助学员打通技术、原理与实战能力 [14] - 课程还提供行业招聘行情风向、就业岗位、薪资、技术迭代方法及职业发展路径的剖析 [16] 课程附加福利与成果 - 完成课程后可获得求职大礼包，包括经典面试题库、高薪岗位解读、企业内推及直聘权益 [3][16] - 赠品包括《大模型应用案例集》和《AI商业落地白皮书》 [6][21] - 该课程已开班58期，累计为超过20,000名学员服务，许多学员已借此获得高薪工作机会 [9] - 课程声称能帮助开发者构建技术壁垒、参与前沿项目、避开职业风险并延长未来20年的职业发展 [11] - 课程名额有限，本期仅限100人，并营造紧迫感促使立即行动 [11][19]

行业人才需求趋势 - 传统后端技术岗位出现裁员情况，包括拥有十年经验的资深员工[1] - AI大模型工程师人才需求旺盛，有岗位开出年薪120万起仍持续三个月未招到合适人选[2] - 技术圈出现传统岗位加速淘汰与大模型人才一将难求的冰火两重天现象[2] 大模型技术核心技能 - 企业急需的大模型工程师必须掌握三大核心技术：RAG（检索增强生成）、Agent智能体和微调[2] - RAG技术用于融入外部信息修正模型输出，应用于法律文档分析、医疗诊断辅助、金融报告生成等垂类场景[2][8] - Agent智能体通过工具调用和环境交互实现多步推理完成复杂任务，如智能客服、设备故障诊断、投资分析等[2][8] - 微调技术针对特定任务优化模型，需掌握主流大模型如DeepSeek、Qwen等的微调技术[2][8] 大模型应用开发培训市场 - 相关培训课程已开班58期，服务超过20000名学员，部分学员已获得高薪工作机会[9] - 课程内容涵盖AI技术原理、实战应用和职业发展，通过5个步骤培养全栈开发能力[13] - 培训后提供企业内推和直聘权益，简历可直接送达大厂面试官[16] - 课程限时免费提供，名额仅限100人，预计24小时后关闭报名通道[11][19]

公司核心信息 - 前阿里巴巴集团副总裁、天猫精灵总裁彭超近期创立云玦科技，首款产品为运动可穿戴硬件设备结合Agent智能体 [5] - 公司项目于10月中旬启动，核心思路是让AI扮演跟踪、规划、分析、执行的角色，配合硬件使智能体具备自进化能力，初期专注于高速高频运动的5000立方米空间，后续将迁移至更多物理空间 [6] - 具体硬件形态仍在设计中，但将不只是一款产品，而是一套产品组合 [7] 创始人背景与创业思路 - 联合创始人齐炜祯为Multi-token Prediction架构的开创学者，其研究成果已被Deepseek V3、Qwen-3-Next等模型引入核心预训练方法，能力点集中于提升模型预测速度、降低消耗并保证质量 [11] - 彭超在阿里任职期间即关注Agent智能体，曾提出下一代智能体交互将从挖掘用户情感与个性化需求出发，推动人机交互向人机伙伴关系迁移 [10] - 彭超拥有多年大厂经验，曾操盘10亿美金以上量级的智能硬件业务，包括在华为印度建立全链条国家地区部公司，以及在阿里主导将达摩院大模型引入天猫精灵 [12][13] 行业趋势与产品定位 - AI大模型出现Agentic use趋势，从被动响应指令进化为能主动规划、执行复杂任务，小参数量推理模型成熟推动AI从工具向助理进化 [7] - 细分行业的Agent智能体是当前AI创业者青睐的赛道 [7] - 公司产品定位为消费级智能体与通用智能采用同一套训练架构，通过硬件配合实现智能体自进化 [6]

公司概况 - 前阿里巴巴集团副总裁、天猫精灵总裁彭超近期创立云玦科技 [1] - 公司首款产品为运动可穿戴硬件设备与Agent智能体的结合 [1] - 项目于10月中旬启动 [1] 产品与技术战略 - 产品不只是一款单一设备，而是一套产品组合 [2] - 核心思路是让AI扮演跟踪、规划、分析、执行的角色，配合硬件使智能体具备自进化能力 [1] - 目标让智能体在5000立方米的高速高频运动空间中陪伴消费者进阶，再迁移至更多物理空间 [1] - 公司相信消费级智能体和通用智能可能采用一套训练架构 [1] 行业趋势 - 细分行业的Agent智能体是当前AI创业者青睐的赛道 [2] - 2025年以来AI大模型出现Agentic use趋势，从被动响应指令进化为能主动规划执行复杂任务 [2] - 小参数量推理模型逐渐成熟，AI从工具向助理进化 [2] 创始人背景与理念 - 创始人彭超在阿里任职期间即对Agent智能体持续关注 [5] - 其曾提出下一代智能体交互将从挖掘用户情感和个性化需求出发，推动人机交互向人机伙伴关系迁移 [5] - 彭超拥有10亿美金以上量级智能硬件操盘经验 [7] 团队构成与专业能力 - 联合创始人齐炜祯曾为中关村人工智能研究院大模型博士培养方向导师 [6] - 齐炜祯为微软与中科大联培博士，在2020年ProphetNet项目中首次提出MTP架构，该架构后被Deepseek V3、Qwen-3-Next等引入核心预训练方法 [6] - 其研究能力集中在让模型以更快速度、更低消耗实现更高质量的下一批token预测，并在大模型非自回归生成加速、多模态智能体、端到端推理加速方面有开源项目经历 [6] 过往业绩 - 彭超在2018-2020年担任华为消费者BG印度地区部总裁，建立了华为境外唯一具备产品定义-研发-制造-销售全链条的国家地区部公司 [7] - 在阿里任职三年内，彭超对涉及数亿生态设备的AIoT业务进行人员和供应链调整，实现硬件产品毛利转正和软件订阅规模化收入 [8]

AI应用层投资机会 - 2025年AI行业最大的机会在应用层 [1] - 超过60%的企业正在推进AI产品落地 [1] - 字节跳动已有7个团队全速布局Agent [1] 人才市场需求与薪资 - 大模型岗位暴增69% [1] - 人工智能岗位平均月薪达7.8万元 [1] - 实习生日薪高达4000元 [1] - 脉脉上有超过1000家企业发布大模型相关岗位 [1] - 腾讯、京东、百度开放招聘的技术岗中80%与AI相关 [1] 核心技术能力需求 - RAG技术可融入外部信息修正模型输出 [1] - Agent智能体通过工具调用和环境交互完成复杂任务 [1] - 微调技术针对特定任务优化模型适配业务 [1] - 企业需要能交付项目的大模型应用开发工程师且该人才极度稀缺 [1] 技术应用场景 - 掌握主流大模型如DeepSeek、Qwen等的微调技术 [6] - 利用领域数据如制造、医药、金融等进行模型定制 [6] - RAG技术应用于法律文档分析、医疗诊断辅助、金融报告生成等垂类场景 [6] - AI Agent应用于制造业设备故障诊断和金融领域投资分析等场景 [6] 行业发展趋势 - AI浪潮正在重构程序员的核心竞争力 [3] - 具备AI能力的程序员薪资远超传统开发人员 [1] - 通过5个步骤培养全栈开发能力覆盖超多业务场景 [13]

核心观点 - Agent智能体技术在地产和物业行业实现深度应用，通过多场景数字员工提升决策效率、风险控制和运营自动化水平，重塑行业运营逻辑 [3][5][6] - 公司自2014年起投入超100亿元进行数字化转型，搭建近300个业务系统，为Agent落地奠定数据基础 [7] - 自研数字员工平台结合500多个垂直算法模型，实现多智能体协作，准确率稳定在80%左右，年挽回损失达数千万级 [6][15][23] 业务痛点与Agent解决方案 - 决策时效性问题：区域公司调价审批依赖人工分析需1-2周，错过市场窗口 [7] - 复杂度与风险问题：传统流程无法快速模拟调价对货值、利润率等多维度影响，导致凭经验"盲批" [7] - Agent价值：融合财务、市场、运营数据提供综合建议，持续学习优化，接近"认知复制" [8] 关键落地场景与成效 定调价智能Agent - 自动整合财务数据、历史销售数据、竞品价格和市场风向，模拟不同调价方案影响 [10] - 审批时间从1-2周缩短至1-2天，避免单项目数百万货值损失 [10][11] - 首个重点Agent针对高风险高影响场景，直接给出建议通过/不通过结论 [10] 停车场异常抬杆稽核 - 年处理2亿次抬杆记录，人工审核比例从100%降至17%，稽核效率提升83% [15] - 多模态大模型自动判别合理放行与异常逃费，年避免数千万损失 [15] - 已在400多个项目落地，不合规放行减少近90% [15] 合同审核Agent - 自动识别免租期、押金、违约条款等风险点，提示条款不符合企业规定 [20] - 针对商业地产招商合同复杂条款，避免后续运营风险 [17][20] - 替代人工逐条审核，提升审核效率与准确性 [17] 培训考试Agent - 基于SOP和制度规范自动生成题库、考试及阅卷分析 [16] - 新员工入职或转岗可快速完成学习考核，保证考试一致性和公平性 [16] - 新规章制度颁布后几天内生成多岗位题库，加速全员适应 [16] 技术实施与组织管理 技术门槛与解决方案 - 最大挑战为企业知识准备度，需清晰SOP和规则库支持Agent执行 [21] - 数据质量依赖统一数字化体系，提供统一口径高标准数据 [21] - 通过结构化方式输入制度、规范、合同模板等规则，训练Agent精准识别风险 [22] 多智能体协作 - 新员工入职流程涉及审批Agent、IT部门自动开通账号、人事Agent收集信息等多Agent协作 [24][25] - 通过接口打通实现跨部门自动化，形成虚拟员工团队 [25][26] - 异常时需业务负责人介入，大部分步骤无需人工干预 [25] 自研技术路线 - 大模型采用开源与付费服务结合，AI智能体平台以自研为主 [27] - 自研数字员工平台灵活适应复杂业务场景，避免通用模型个性化不足问题 [27] - 正在进行不动产行业大模型训练，强化业务专属性和精准性 [27] 组织推进策略 - 实行AI产品经理与业务专家"双角色团队"机制，按6:4分担责任 [28] - 通过培训、AI大赛、内部体验活动减少一线员工抵触心理 [29] - 为高管、中层、一线员工分层培训，设立AI战略委员会推动"人人会用AI" [30] 外部输出与未来规划 - 2023年起向外部客户提供Agent解决方案，面临确定性期望与模型不确定性冲突 [31] - 客户数字化基础参差不齐，需先补齐高质量结构化数据等基础条件 [32] - 未来1-2年深化企业内部管理、商业运营、智慧服务领域应用 [33] - 重点开发经营数据分析Agent、客服Agent和跨部门协作Agent，实现端到端任务自动化 [34] 常见实施误区 - 忽视数据和场景基础，将Agent视为万能工具 [35] - 缺乏耐心，期望一上线即100%准确 [36] - 忽视组织与规则建设，将Agent定位为替代而非增强工具 [37]

协同办公软件AI功能竞争 - 协同办公软件领域掀起AI竞赛 飞书在钉钉发布新版AI表格后一日推出升级多维表格产品 飞书CEO称飞书多维表格领先钉钉超12个月[2] - 企业微信推出5.0新版本 包含智能表格功能 可自动跟踪任务进度 自动生成可视化数据看板 进行任务逾期提醒 在电商行业自动分析客户评论 对评论进行打标分类 企业微信表示这是唯一能连接微信的智能表格[2] 智能表格功能特点 - 飞书对多维表格进行更新 将单表容量提升至1000万行 称是同类产品中首个支持单表千万行的业务系统[4] - 钉钉7月推出新版AI表格 提出"表格即文档"概念 将文档融入数据表 使表格每一行记录都是独立文档 AI表格可提取 分类 理解 匹配信息并生成多模态内容[4] 用户规模增长 - 飞书多维表格月活跃用户数从去年9月约600万增长至今年7月逼近1000万[4] - 企业微信连接真实企业及组织数量从2023年3月超1200万家增长至目前超1400万家 企业每天通过企业微信服务的微信用户数超7.5亿[4] 企业微信AI功能扩展 - 企业微信5.0版本推出智能搜索 智能总结 智能机器人三个核心AI功能 智能搜索自动关联聊天 文档 会议 邮件等场景并定位文档最终版本 智能总结自动整合群聊 文档 会议记录以生成项目进展报告[4] - 企业微信AI及海外产品负责人表示团队会持续探索Agent智能体能力 但不会急于推出相关应用 强调AI功能需要经过筛选 可以解决实际问题[5] AI功能设计理念 - 企业微信认为加入AI新技术不一定会让产品更高效 AI不应改变用户日常工作流程 而应融入这些流程 让用户不需要花很多时间学习使用 AI需与最高频和刚需场景结合[5] - 企业微信用户增长负责人发现管理者存在"AI焦虑" 但很多AI工具实际不好用或用不上 团队做AI功能先判断好不好用 能不能解决实际问题 而不是先考虑技术是否炫酷[5]