OpenAI明确，从7月9日起停止其不支持的国家和地区的API使用，我国在禁用之列。

OpenAI终止对我国提供API服务，虽然短期内对我国相关企业构成一定影响，但也是对国内的AI应用创业者们一记警钟，同时也将促使我国的大模型公司加速自主研发，减少对国外技术的依赖，甚至可能成为推动我国AI产业自主发展的一个契机。

自去年10月，ChatGPT3.5发布后，迅速引起全球范围的热潮。作为重要的人机交互界面，生成式AI将如何影响汽车业也打开了广阔的想象空间。作为高科技工业的代表，汽车行业天然适合AI大模型的使用。而大模型对于车企的价值，主要体现在生产研发端和营销端两个方面。

就目前来看，大模型对生产研发方面的改造做得还算不错，毕竟生产效率的提升肉眼可见，然而在营销端，大模型的价值则还有非常大的挖掘空间。

它将让多模态行业模型的行动成为可能，甚至推动行业标准的重新定义，释放营销人员效能，让专业的人更加专注创造性、创新性的内容生产，实现营销效率的大幅提升。

通过大模型赋能，产品交互变得更加简单，能够在人群圈选、人群分层、物料匹配、渠道选择和文案生成等方面实现营销链路自动闭环，提高内容产出效率，助力线索提升，降低运营人员使用成本。大模型 /AIGA 在营销领域应用的未来发展值得期待。AI未来预期确实很高，让人们对其充满想象。

6月16日下午，在中国汽车蓝皮书论坛上，尖峰辩论“AI大模型能改变中国汽车营销吗？”上，嘉宾位对AI大模型在汽车营销领域的应用进行了分析和探讨。

参与嘉宾包括上海卓盟企业管理总经理伍军、岚图汽车销售服务有限公司总经理助理李博晓、上海数珩信息科技创始人、董事长张继生、爱笔（北京）智能科技业务负责人陈柳霞、北汽股份副总裁，销售公司党委书记、总经理彭钢和瑞因凡（上海）智能科技有限公司创始人兼CEO韩东，本场主持人是德勤中国数字化事业群总裁周令坤。

以下为本次尖峰辩论实录，此处有删节。

周令坤（德勤中国数字化事业群总裁）：各位现场和线上的嘉宾，大家下午好及非常感谢各位的坚持，我们是最后一个环节，在第十六届蓝皮书论坛有很多，这也是我向贾可博士主动申请要参加的论坛，因为我们这个论坛和本届的主题词“想象”尤其接近。

在前面的各位无论是演讲还是论坛里面都提到了很多我们所处的汽车行业，我想从另外一个维度也阐释一下汽车行业，去年整个行业在拼的是配置，拼的是价格，拼的是速度，有很多的比拼。

今年很明显，刚才几位都提到，拼的是流量，拼的是创始人IP的影响力，非常大的差别。但是在这个过程中大家发现一个事实，就是舆论的流量、声音和销量并不完全成正比，这是一个方面。

另外如果我们扒开前几个月的销量数据也能发现一个问题，在前五个月，乘用车807万辆的销量里面，我们是微幅增长，5.7%。但是这个增长基本上是用价格换得的。如果我们拿前几个月的数据，从优惠幅度来看，前几个月的优惠幅度平均是2.7万元左右，和去年2.3万元比降价幅度又放大了，所以这对行业是来讲影响很大的数据。

同时，在前五个月的数据比，月销量超过500辆的品牌有80个，我们前10名的车企销量总和也没有超过60%，所以在行业销量如此分散的情况下，对于汽车行业的经营难度要比其他行业是高。

另外，从AI视角来看，特别是AI大模型，在昨天下午的两个分论坛是智驾和智舱论坛，也都有嘉宾提到大模型上车，但是在企业管理方面怎么导入AI，是我们今天这场辩论的方向。

很凑巧，上周我有幸去美国参加一个和企业管理相关的数字化和AI论坛，深刻感受到在全球范围看AI的发展速度，比我们以为的要快很多，基本上是很多企业提出“All in AI”。

所以在这样的背景下，我们今天就组建了这样一个辩论，我们非常有幸请到业内6位特别知名的专家，我们希望能够就AI大模型能否改变中国汽车的营销，大家做一个碰撞和讨论。这是整个论坛收官的辩题，希望大家放开了讲。

第一个问题，大家都一样，对于汽车领域目前遇到的困难和难点你是怎么理解的。其次，如果导入AI大模型，你希望它能贡献哪些价值？借这个机会按照顺序从伍总开始，我们请大家介绍一下。

营销的困难和难点

伍军（上海卓盟企业管理总经理）：各位好，我是卓盟总经理伍军，我们是专门做汽车领域的培训咨询工作，今天很荣幸参加AI对汽车行业营销到底未来能做什么改变。我们看到汽车行业竞争如此激烈，从我们观测的大多数我们服务的车企来看，经销商伙伴压力非常大，我认为有三个非常大的困惑：

第一，销冠模式。

第二，销售模式。

第三，跟进模式。

第一，销冠模式，我们知道每一个品牌或者每一家4S店都有销售冠军，我们所有的经销商伙伴和主机厂伙伴都希望复制更多的销冠，因为我们知道每个品牌的销冠一个月卖二十多辆，但是差的每个月只能卖两三辆，差10倍的销量。我们如何通过AI帮我们找到销冠的销售模式，来帮助我们解决销售人员快速提升成为销冠的能力，这是我认为第一个需要解决的困难。

第二，销售模式。我们服务的大多数的主机厂有新能源的，也有传统油车的，油车的这些品牌现在也大量地卖新能源，不管是电车还是混动。我们这时候发现一个很大的问题，就是传统销售人员不会卖新能源车，最简单的道理，传统的品牌HAB跟进的时候，他们跟进的模式和新势力跟进的模式是不一样的。

新势力跟进的模式是根据试车试驾的接待时长来跟进，试驾时长越长，他认为越是好的客户。传统油车销售人员认为你跟我砍价砍的越多，跟我议价的时长越多，我认为你是一个好的顾客，是一个有希望成交的客户，所以这两个模式有很大的冲突。这就是AI如何能帮助我们解决知识的输入，让他们能快速地理解新能源销售模式的变化。

第三，跟进模式。我有意识看了很多品牌销售人员，留了很多的电话，我看了什么时间跟我跟进，跟进的频次是什么样的，频率如何，遗憾的是绝大多数的品牌跟一到两次就放弃了，绝大多数的销售人员基本上就发个微信，看你还有没有兴趣，打电话也说不到位。所以如果AI能帮我们解决跟进成交，我想对汽车的营销会有更大的帮助。

我就说这么多，谢谢各位。

周令坤：好，谢谢伍总，伍总对于AI的期待，比很多企业1号位对于老总的期待还高一点。下面有请李总。

李博晓（岚图汽车销售服务有限公司总经理助理）：主持人好，在场的各位嘉宾，各位同行，大家好，我是来自岚图汽车的李博晓。岚图汽车是东风汽车集团旗下的高端智慧新能源品牌，我们应该是国内第一家实现从SUV，MPV到轿车全品类覆盖的高端新能源品牌。我们也是最早进入欧洲发达国家的中国高端品牌，到目前为止我们已经进入了挪威、芬兰、丹麦、意大利等十几个欧洲发达国家，刚刚不久我们在西班牙发布了品牌。

今天非常荣幸参加这个论坛。关于第一个问题，刚刚主持人说了，汽车行业今年开始去卷流量、卷老板的IP，实际上这背后的逻辑就是流量变得更加的昂贵了，流量的红利已经过去了，获客成本增加了，现在这是摆在营销领域面前最大的困境。

对于岚图来说，AI的话题很大，我们现在在聚焦做三个事情：

第一，加快AI大模型上车，提供更好的人机交互体验。

第二，希望AI能够更高效地帮我们完成内容生产、内容分发。

第三、在整个用户的全触点旅程过程中，能够帮我们更加高效地通过人机合一的方式，去给用户提供更个性化的，同时又更加成本可控的服务解决方案。因为岚图作为一家用户型科技企业，实际上我们所有的事情都是以用户为中心，为原点，去展开的，当然这背后一定是需要有很高的效率，相对的成本可控能力去做支撑的。所以以上是目前岚图所在做的一些实践。

周令坤：谢谢李总，特别强调的是用户体验，感谢。张总，刚做过演讲，还是要介绍一下您对这个问题的理解。

张继生（上海数珩信息科技创始人、董事长）：大家好，我是来自数珩科技的张继生，我们是做最近比较火的大模型应用的。其实刚刚周总在问关于营销和销售目前碰到的难点以及AI怎么样去解决这个问题。

我先说营销，我是2007年的时候在百度，那个时候我们卖关键词，我印象中汽车行业基本上一个真实的例子，那个时候大概20块钱，最多肯定不会超过50块钱的。今天我相信涨了肯定10倍都不止了，确实这是一个在获客的成本方面非常高。

基于此，我们在AIGC领域，前段时间我们在跟上海的一个经销商集团去聊这件事情，他们觉得现在的营销成本太高了，他下面有超过100家的4S店，那这些店里面他就想着最近社交媒体又这么火，小红书、抖音什么的，他说我是不是可以让店里面的这些Top sales做KOS，原来我们都说KOL、KOC，现在就说KOS，“S”就是sales。

让他们在小红书上发一些图文笔记，或者在抖音上面、快手上面发一些所谓的短视频或者做直播，我们再帮他们去做。因为第一，大家都知道生成式AI里面很多都是生文、生图、生视频，这些成本现在来说要低很多。同时我们给他打造了一个系统，帮他们去做管理、分发的平台，这是从营销层面来说。

再从销售来说。现在咱们主机厂花了那么多的营销费用，把人带到了4S店。但是4S店不是所有的人都是Top sales，所以怎么让到店的客户销售人员都能承接得住，这也是我们刚才提到的有一个汽车AI助手，汽车AI店长的产品，我想能够一定程度上解决这样的问题，这都是用到了大模型，用到了AI。

以上，谢谢。

周令坤：好，谢谢张总，你是从实际的项目经验里面给大家分享了未来能解决的问题。接下来陈总回答一下，同样的问题。

陈柳霞（爱笔（北京）智能科技业务负责人）：大家好，我是爱笔（北京）智能科技汽车业务负责人陈柳霞。

爱笔智能是一家AI独角兽企业，是2017年由前百度研究院的院长林元庆博士创立的，我们主要是基于人工智能、计算机视觉和大数据机器人以及多模态技术为核心，去做整个物理空间的数字化和智能化，从门店的运营和管理这一块，去提供物理空间数字化整体的赋能。我们解决了，我们利用的是CV视觉技术。提到CV视觉大家的直观反应就是人脸识别。

但是我们爱笔整合的AI解决方案是不采集任何个人隐私信息，从而通过在物理空间的全轨迹的追踪，去实现刚才我们说到的目前碰到的一些营销难题的问题，就是如何去打开最后一公里在门店的黑盒，去实现他整体的销量漏斗的闭环和定单的闭环。

我相信这也是很多的主机厂现在面临多种的渠道，有直营的模式，同时也有代理的模式。还有现在的4S店。那这种混合经营，包括现在的选店、管店可能都会面临很多的挑战，我相信爱笔整体的AI数字门店的解决方案，能够帮助大家很好地去提升门店的整体运营管理的效率和整个漏斗转化的效率。

谢谢。

周令坤：谢谢陈总，我们再请来自主机厂的彭总谈一谈。

彭钢（北汽股份副总裁，销售公司党委书记、总经理）：周总好，大家好，简单介绍一下，我是北京汽车的彭钢。

北京品牌，其实是北汽集团旗下的两个自主品牌之一。刚才上一场嘉宾极狐品牌的国富总是负责极狐的营销，我负责北京这个品牌的营销的工作。北京品牌大家可能首知的就是我们的越野车，它是一个有历史的品牌，60多年的历史。

核心是从越野车开始，目前也在做越野的内核向户外的一些拓展，未来可能会做不是那么多的越野，但是以满足户外乐趣为核心的产品。当然，我们也有未来的电车的尤其是10万元左右国民级产品的规划，在未来十年左右会跟大家见面。

站在营销的角度，我的痛点包括AI大模型的期望，一方面说在营销的全链路，我们简单讲种草养鱼阶段，因为这个阶段的花费，更多它的目标指向的是曝光和我们所谓的兴趣人数提升这个维度。

那本质是把对的内容，我们想传递给客户的关于品牌的、产品的这些内容，能够通过合适的渠道找到我们想要锁定的目标客户，尽可能做到精准，让更多的人能够知道我们想要表达的这些观点和想传递的信息。

这部分内容可能不直接产生能看到的直接可量化的线索和销售，但是它可能会触发带过来一些自然进店或者自然留资，它很难量化。所以我们希望在这个维度把我们的花费和实际的效果找到可量化的函数关系，但是这是很难的事情，这里有一些可能你很难去清晰或者精准描述你选择的渠道是否合适，你合作的达人、传递的信息是否合适，这部分是不太容易能够很精准量化的，更多是要凭借一些经验和历史数据的对比。

我希望在这个领域其实我们对AI大模型是否可以帮助厂家一个品牌在做营这一端的时候能够更加高效找对渠道，找对内容，打准我们想要传递的后链路。

第二段是成交，这段比较容易量化，因为每一个线索的成本、每一个成交的成本都是可知的，无论你是采取什么样的类型的方式，不管是效果类的广告的投放，还是我们现在所谓的新媒体的获客，它都可以量化到一个成本多少钱。

成交转化的时候，每一个阶段的成交率也是可知的，这段能知道我们营销每卖出一台车所要付出的代价。但是这里面要有一个空间，我们能否用AI大模型或者用营销的成本或者线索取得的成本更低，让销售顾问成交转化的能力更高，这里是有很大的想象空间，或者说现在已经看到了有效的实践去作为未来的支撑的。

今天我也很高兴，看到台上除了主机厂以外也有我们在研究这个领域核心的供应商，可能站在这个角度能够去帮助厂家一块研究解决这些痛点，也希望未来能够跟大家做更深的交流，看在这些领域我们是不是能够找到更有价值，更能帮助厂家解决这些痛点的好的工具和思路。

以上，谢谢。

周令坤：谢谢彭总，彭总相当于是甲方，解释了一下FP。我们有三四位是做乙方，是做解决方案的，一会儿现场招个标，看谁能中这个标，看看能不能解决主机厂这些痛点和期望，都是在实际当中能遇到的，这也是很真实的需求。

最后请最后一位嘉宾介绍一下自己，韩总。

韩东（瑞因凡（上海）智能科技有限公司创始人兼CEO）：大家好，我是来自瑞因凡的韩东，我们也是乙方之一，向甲方讨教。

我们瑞因凡是AI大模型的公司，我们最早是从整个端到端模型基础设施的搭建，包括后面整个数据的预处理、数据的混合，模型基础框架的搭建，模型训练，包括后期的这些优化、推理，整个端到端我们做了完全中国自己的大模型。我们从一开始就定位了我们要用大模型去做行业赋能这件事情，也是专注于汽车行业的这一块赋能。

除了在营销这个领域，其实我们在汽车的研发、生产制造，以及供应链，包括后期客服等不同的领域，都有不一样的场景。总结来看，我们都是在试图用新一代的AI大模型去把过去的工作流当中比较多的繁杂重复性的工作，包括很难做到个性化、智能化的部分，希望通过引入AI大模型的智力，包括它的大脑，能够去把流程做到更高的自动化和智能化。

在切入的场景通常也是我们称之为是可以规模化来降本增效的场景，比如我们刚刚提到怎样用大模型去把Top Sales的大脑复现到所有的Sales大脑当中去，也包括我们在一些领域，比如研发领域，能够把过去需要通过大量的人力去做开发、测试这些环节，能不能用AI大模型做到一个端到端的自动化，这些是我们比较关注的领域。

大模型的局限

周令坤：再次欢迎六位嘉宾的到来，大家介绍得非常好，不但介绍自己，也提出了期望。刚才牛老师说希望更激烈的对话，我有备而来，我针对每位嘉宾准备了针对性的问题，希望大家回答。

第一个问题问伍总，AI真正为广大老百姓或者一般的人知道，是因为ChatGPT大火之后，或者生成式AI逐渐对人刺激之后，这些科技公司所开发的通用大模型，在垂直领域，有哪些局限，是不是可以站在另外的角度帮助大家解读一下。

伍军：我们做销售培训咨询领域20年时间了，这两年有大量做AI营销的公司和我们接触，希望对传统和新势力主机厂进行赋能，我也会看很多的AI营销公司做的相应文件和落地的成果。前几年我们看到AI在销售培训里面都是销售培练为核心，培训相应产品话术之后，看看销售人员是否能复制，他们演练的效果如何，这是AI培训打分系统。

这两年AI有一些进步，尤其是还有很多主机厂的同仁，有些主机厂开始用AI能力的塑造，比如说一些高端品牌会用AI做海报，汽车领域当中海报发的频率很高，包括价格政策变动、促销政策的变动，销售卖点的变化。

海报如何从主机厂分发到经销商，而且经销商要做一些个性化的改变，要符合主机厂AI的要求，海报的分发，包括销售文案的AI生成，一些标准化视频导入给经销商，加上他们自己店头的名字，包括一些特殊照片或者特殊视频的加入，把主机厂给的资料更加有个性化的输入给所有的私域，主机厂是公域。

海报、文案、视频分发完之后，后续是不是可以在抖音、小红书、B站看到发布的数据，每个平台当中经销商是不是分发到位，是否有跟踪和反馈。这是一些主机厂能做到的情况。

做不到的是什么呢？AI营销公司大多数对产品的深度理解偏弱，但是销售领域当中和客户沟通的语言大多数是谈车，谈这个车的营销卖点是什么，这个车的竞争对手是什么，这个竞争对手和我们相比哪些好，哪些差，这点对我们AI营销的伙伴压力更大，因为他要深度了解这些相关的资料。

如何把相关的资料喂给大模型，让大模型有这样的能力判别这些话术到位与否，这是一个挑战。

还有一个挑战，我一直想象AI能帮销售做的事情，除了事后给反馈，事后说A销售、B销售能力打几分，销售人员卖了几台车，销售分数是多少之外，AI做到最完美的状态，就是给你一个耳机，AI反馈，你刚才跟客户交流的时候，漏问了哪几点，人家问你跟竞争对手有什么区别的时候，你应该这样回答。

如果能做到这样，对销售人员会有很大的帮助，可以解决很多销售痛点的问题，直接帮助我们解决成交的问题。最终希望如果能有跟踪的方式，而不是简单地打个电话，帮助我们更好跟进的时候，用什么样的话术，或者之前遗留哪些存在的困惑，我们AI直接帮助生成，帮助我们提高和客户沟通的效率，达成营销最终结果就是成交。

周令坤：如果实现您说的这样一种状态，对于您所在的公司上海卓盟会不会也带来一些颠覆性的影响，你会被颠覆吗？

伍军：从我们的角度来讲，AI提高人的效率，解决增加结果的一种手段。在我们整个产业当中，如果AI做得特别好之后，对每个相关服务公司都会有很大的挑战。我们现在做的事情就是AI现在做的相对比较弱的事情，我们有60%、70%的业务都是就会帮助客户提升销量，问界是我的客户，我们帮它多卖车扩展销量。小鹏是我们的客户，长城、奇瑞等等品牌，我们一步步帮他解决销量的问题，棘手问题，这是我们的特长。如果AI能具备这样的能力，我们也要进化，进化得更好。

周令坤：所以AI对你来说不是取代是吗？

伍军：相互配合。

周令坤：李总刚才介绍岚图品牌的时候，特别提到品牌智能化和体验上的一些设计理念和做法。结合今天大会主题“想象”，结合未来，在未来无论是从市场营销，还是从销售、售后服务。您自己理解，在应用场景和推进过程里面如何规划和思考，包括高价值场景的筛选，落地的节奏和成果的评估，这方面有没有考虑？

李博晓：我先回答一下主持人的问题，然后再响应一下老牛一开始在台上的要求和指示。

第一，我们现在大概落地的节奏。首先是大模型技术底座，我们和国内头部科技公司合作，这个事情去年年底基本上完成了。去年我们密集开始和很多汽车行业具备AI解决方案公司沟通接洽，合作落地。

我们是聚焦漏斗某个层级的效率提升去做解决方案，比如说直播，这里面有做成的，也有不太成功的，比如现在数字人还没有跑通，不知道在座的是否有更好的解决方案，如果有，我们也可以沟通协作。目前来看数字人给予的体验还不是太好。

第二，响应老牛的指示，我要提一个尖锐的问题。前年开始我陷入一个焦虑的状态，我很担心AI取代我的工作，因为从前年就有很多大模型逐步落地，举个例子，以一个发布会来看，AI能够取代99%的人。所以有这个焦虑之后，就开始想了怎么解决这个事儿。后来得出一个解决方案，我在岚图负责品牌传播、Social、用户运营等，与其我等着AI让我下课，那还不如主动对自己下手。

基于这样一个原因，一方面我们主动寻求行业解决方案，另外一方面我发现综合很多AI方案的理念、技术，包括解决问题的范式之后，我们可以自己干，于是内部又搭了另外一个班子。我原来是管过供应链的人，我当时解题的思路是说把整个解决方案拆解开，有创意的人，有做内容生产的人，擅长培训国内国外的工具的人，还有混剪的人，分发的人，我搭了自己的团队，以另外一条线去测试这个业务到底能不能闭环。前前后后跑了一年，中间有很多调整，包括使用工具，包括分发的逻辑思路等等。

到目前来看，大的方向是对的，AI一定会取代我的工作，只是早晚的问题，或者比例的问题。但是目前为止，我发现也不需要恐惧AI，终究到底人还是最重要的因素，目前还没有任何一个AI工具能够完全自闭环把完整的主要链路做好。一开始焦虑，到中间解决方案，到现在又没有那么焦虑了，不知道这个问题够不够尖锐。

周令坤：我总结一下，您认为AI不会取代人，但是有AI赋能的人，会取代没有AI赋能的人，可以这样讲吗？

李博晓：是的。我认为是人机合一的事情，活生生的人加上大模型，一定会战胜没有掌握AI工具的人。

周令坤：非常好的总结，非常好的实践经验。张总介绍自己解决方案的时候，提到了AI店长，令人印象深刻。AI是底层技术，也是一个工具，如果很多公司都用了这样的方案，大家也没有差别了，都赋能了，继续打平手，怎么才能让品牌和企业保持竞争独特性和差异性？

张继生：今年过年前后，OpenAI也提出来了，国内也跟进，相继推出来，OpenAI最早提出让人人都拥有一个GPT，国内所谓大厂都提出来，让每个企业都能够拥有自己的GPT。

我们也一直不断在这方面做自己的探索，我们也推出了自己的LANGTREE平台，我们也给合作的客户训练自己的模型，或者微调自己的模型。

预算比较充足的情况，训练自己的模型，微调自己的模型，这起码需要用到A100型号，还需要多台机器才能做到，这个投入相对比较大。如果预算相对没有那么多，用Agent形式也可以。怎么做，我们已经开始给有些客户做本地化部署了。

车企也好，我们目前服务的金融客户也好，他们多年手上积累了大量的数据、数据集，无论是他们本身自己拥有的，还是市场上的数据，公开的数据集，我们可以帮助企业做两件事。

第一，微调一个模型，基于我们现在训练的模型S-GPT。

第二，我们用Agent的方式调教，调教出来的模型更适合企业。

我们做了很多尝试，做了这个事情之后，微调了模型之后，让他们再去写小红书的文案，或者在B站、知乎上面写一些相对应的文章过程评论，都会更精准，或者更适合客户的要求。

周令坤：如果你有这么强大的运算需求，算力支持是怎么获取的？

张继生：目前我们帮客户，包括自己做训练或者推理的时候，大部分用的还是英伟达的芯片，包括A100，或3090、4090。我们不停跟国产做算力公司接触，效果没有那么好。最近AMD找到我们，我们准备联合做一个项目，已经沟通的差不多了，马上就要开始，就是所谓的提速，加速层面。

目前我们测试下来还不错，在一些领域，比如说生文、生图、多模态部分还不错。我们在做AI店长，每天都用算力，我们服务了300家左右的4S店，每天用到算力不少，我们和AMD在这方面也有探索。目前来看测试下来，效果还是不错的，用FPGA的方式做提速。

周令坤：陈总，刚才讲你提供的解决方案不会涉及到用户的隐私，如何看待AI大模型技术应用的风险和挑战，包括但不限于数据安全、隐私泄露的监管，知识产权保护、数据准确性，人才短缺以及相应的举措。导入AI的时候，无论是最终消费者还是企业都会有这方面的担心，您怎么看？

陈柳霞：刚才您提到的问题，早期的时候，我们在做所有实际场景落地的时候，都碰到了这样的问题。

第一，隐私问题。因为从2019年315的时候全民皆知，关于人脸识别，针对整个头像采集个保法公布和公开征集意见，第二年个保正式生效。在此之前，爱笔的底层逻辑就已经开始注意这个问题了。

早期时候，人脸没有被禁用的时候，我们在整个物理空间和数字孪生的时候，已经不依赖人脸做整个物理空间全量数据的采集。这和我们自身的技术架构有很大的关系。同年我们也通过了欧盟最严的GDPR个人隐私通用条例。

第二，现在主机厂对数据管控非常严格，基本上每家都要求更多的把数据部署在自己的系统里面。我们整套方案也是支持所有纯私有化的部署，可以做机房的部署，这个成本很高。如果厂家有这个预算，我们可以支持，我们做了金融行业，几乎都是机房的部署模式。另外就是支持私有云的部署，就是专有云部署。

这是我们在自身部署方面的安全。

另外，关于整个数据管控，我们也通过了国家相应的管理政策和核查，基本上都是进行周期性核查的。因为我们要做的是全链路数据打通和全量数据获取，和主机厂系统打通之后会涉及到一些个人信息，这块有专门国家对应的管理条例，我们严格遵守对应的条例，进行整个数据的存储和管理。

为什么我们能够在整个物理空间数字化上，采集到大家能够用到的细颗粒度的业务数据，来源于爱笔基于计算机视觉的底层核心技术，我们在利用3D建模，实现了物理空间精确到厘米的建模，从而实现物理空间里面基于人车，对一个物品的全轨迹追踪。