唐小引：各位现在物联网和未来物联网的开发者朋友，大家好。

我今天和大家一起在这里聆听各位老师的分享，感觉津津有味。我个人也关注物联网的发展有十多年时间，比如在十年前有人跟我说，未来冰箱可以用语音控制，如果有什么问题可以直接通过自然语言和它交互，联系维修，我当时感觉很不可置信。结果经过十年的发展，哪怕大家定义物联网是一个比较慢热型的产业，今天也在开源和AI的助力下迎来了蓬勃的发展。

今天各位老师的分享，我感觉每个人都很有故事性，包括从技术的维度、开源的维度。前面大家的分享在个人色彩方面少一些，今天第一个问题，大家可以用关键词的形式给大家讲一讲你个人的看法。

刘洋：大家下午好。刚才我是站在企业的角度、商业的角度来说怎么看开源这件事情。

如果问我个人怎么看开源这件事情的话，首先是要相信。从人类社会开始，大家是群居的社会，任何一个事物的发展不可能是孤立的、闭门造车的发展，闭门造车一定不是时代的趋势。软件领域的开源在国外接受度比较高，这几年，国内对开源的认知度慢慢变高了。我们是最早国内参与开源的一帮人，早期我觉得还是很痛苦的，在企业内部都有很多声音说为什么要开源，开源之后我们的竞争力在哪儿？为什么要开源，开源之后能得到什么？以后怎么赚钱？这都是国内第一拨开源者遇到的问题。

从我们的角度来说，当时为什么坚持做开源这件事情呢？我是因为选择相信，相信事物发展的规律就是一个集体的行为，大方向一定是不会错的。不可能每个人都闭门造车，每个人变成孤立体，那这个社会无法发展。从社会的发展来说，重复性的工作、碎片化的工作一定会越来越少。我坚信开源这件事情在国内来说，哪怕早期是大家比较难接受的，但是未来大家一定会接受。因为这是事物的发展规律，早期哪怕再多人反对，最终大家会接受这件事情。

我和内部很多同事讲开源是什么？我用一个小故事和他们讲明白了，开源的意思像看小说，前九章是免费的，但想看最后一章，最后一章可能会把前面所有的章节的钱收回来。用了开源之后，只要基于某个协议技术栈或者技术栈是开源的，只要吃得最透，一定是掌握这个技术栈最厉害的人，哪怕这个阶段把所有东西都开放出来，很多东西别人想做商业化、想做闭环，可能还差一些需要做的动作。这是一个持续变化和演进的过程，不用怕90%都开放给别人，只要收到10%，就可以把所有投入收回来。从很多企业来说，你帮他做了90%的工作，一定程度上也是一个众筹模式，10%的钱可能不是从一家人身上收的，可能会有多家给你钱。

我们公司也是最早一波做开源的，我最早在公司内部筹建了开源办公室，积极参与各种开源的事情，从技术的前沿性，整合了一些好的技术。另外从我们的角度来说，通过开源获得了很多商机，开源也是一个引流很好的方式，可以接触到很多前沿的客户，因为他有这个需求，他对这个方向感兴趣，这样别人才会找你合作，才能获客。

用开始的话说就是选择相信，中间虽然有困难，但坚持下去，这件事情一定会得到你想要的结果。

唐小引：深耕开源这么多年，都是一把辛酸泪，但是最后还是能坚持下来。下面是王凡总。

王凡：讲一个EMQ当时2013年开始做开源项目的小故事。

我们在国网的电科院，在2013年那个阶段，是新能源汽车、充电汽车非常爆发的一年，海量的充电桩需要和电网做接入，这个项目做得非常痛苦，尤其接入量在一定规模之后，系统的稳定性、资源的消耗都有非常大的问题。

当时我们的创始人看到MQTT的协议很适合用于海量连接、高吞吐、低时延要求比较高的物联网系统的协议，但当时市面上只有IBM有一款商业产品，一套中间件+硬件需要1000多万。这个协议有很多人搬运，但实现和协议的发展受到一些商业影响，没有太好的发展。我原来在IBM做了很多年，但是我们的创始人接触到MQTT协议之后，第一是做了实现，把它放在了开源社区里。很快不光是在我们自己的社区，在欧洲和北美很多新的MQTT消息中间件开源项目也出现了很多。我们针对自己的社区的发展，整个行业、和基于标准协议开源的事业，在2013年之后就有了非常大的增长。后面，项目有好有坏，经过大浪淘沙，有些竞争对手还在，有些已经不在了。

从产品迭代和需求积累来说，我们当时把这个协议完整实现的过程是简单的编码过程，但这个协议是否能适用于真正的物联网场景，比如在汽车行业、工业行业、其他行业，MQTT是否适用于这些场景？并不是完全适合的。我们做MQTT3.1.1到5.0，每个版本协议的迭代都融合了很多实际业务需求引入到社区里来。这也是通过开源社区、商业化反馈、协议标准以及商业化软件实现的闭环过程。

从商业化角度来看，中间件、数据库在十几年前都是外资品牌一统天下的状态。作为私营企业或者国内的软件公司想做中间件，我们也有很多做纯商业化中间件的公司，起步非常难的。对于我们这样一个私有公司来讲，或者私营企业来讲，想在这个市场上有商业化的一席之地，如果开始只做商业化的话是非常难的。EMQ在社区里得到了很大的红利，有很多500强企业拿到了我们的开源项目长期使用。现在我们的新增客户还是我们的开源客户，用了很多年，在一定需求之后希望能够转向商业化服务。这个过程是一个漫长的过程，需要大家有耐心才能坚持下来。至少在我们公司运营的过程中已经拿到了一部分红利，后续也会通过产品迭代、技术迭代来去做这方面的快速转化。这条路从实践来看还是被认可的。

哪些东西开源，哪些东西商业，这个事情是需要大家在实践过程中去把握好的。哪些东西是客户的核心痛点，哪些需要开放出来，哪些需要收费。

唐小引：王总，开源商业化让你记忆最深刻的教训或者思考是什么？

王凡：当年在EMQ最开始的时候是集群完全开源，大家在一个大规模部署的场景下是完全免费使用的，里面会有一些坑。后面我们做了商业版，希望把一些技术迭代、新的企业级功能引入到里面。我们开始开放得有点彻底，导致我们在前期做商业化的过程中还是蛮痛苦的。在中国的环境下，除了提供原厂服务之外，软件和开源有什么区别，我们需要做大量的解释。这么多年迭代下来，我们的商业化产品和开源产品已经做了比较好的细分，现在对于商业化团队来说稍微好一些，这也是经历了将近五六年的过程。

唐小引：苏总，刚才王总Q到您了，您可以讲讲您的故事了。

苏宇荣：刚才王凡总说的这些东西，我们这边相当有感触，一个是开源商业化的尺度，一个是开源之后如何更好、更高效地进行商业化。

我先做一个自我介绍，我是来自于天谋科技，天谋科技是清华大学软件学院的老师和同学出来创业的一个项目。这里有一点和大家不同的是，从我们的视角来看，IoTDB的开源到最后的商业化是一个挺自然而然的事情。当时我们做IoTDB更多的是面向学校或者社会职责上承担一些国家研发的工作，没有那么多商业利益。做到后来市场上不仅一家时序数据库，这个产品要活下来，至少要在学界活下来，也得面临市场上企业的竞争和考虑。当时我们就去做了这样一个开源，现在做得总体还不错。当时的动因是以社会价值为先的社会动因去驱动的，而后才有了如何把社会价值放大，到实现个人和社会的共同利益。我觉得这是我们这边有点不一样的思考。

从我个人角度来说，我现在还是一个一线开发者，我们这套开源体系不仅给公司带来了红利，也对个人带来了很大的红利。从技术的影响力、个人技术的成长以及国内开源生态软件的运行，我认为都会有和别人不一样的思考。

其实我们是Apache的开源基金，开源不分国界，不一定非要放在某一个基金会下做这个事情。我自己参与了三四个Apache IOT项目的开发，我的感触是除了在商业化角度考虑开源，在社区考虑开源时也要把社区的边界抹平，要更多做好集成。最终，我们会形成一个社区、商业、个人三者的共同成长。

这是我的想法。

唐小引：谢谢苏老师，最后是丁总。

丁张弛：大家好。刚才听了前面几位前辈说了这么多，我感触也蛮多的。感觉前面大家说的都是开源社区的创建，我和大家的角色不太一样，我是真正的使用者或者红利的分享者。

我们公司现在做的一款产品是家用洗鞋机器人，我们也是应用了很多人工智能、机械臂等相关技术。我们开发过程中遇到很多困难的时候，只能在开源社区中找解决方案，也受到了很多启示。现在我们这个产品已经基本完成了，感谢大家的开源社区给我们提供了很多支持。

唐小引：刚才几位老师个人的故事和开源息息相关。今天我们的主题核心在于开源带来的红利是什么？接下来我们核心聊一聊技术的红利，比如在开源和AI的助力下，物联网历久弥坚，经过开源和AI的全面渗透，AI在不断进行很多重构，现在我们迎来了哪些技术红利？比如对于全栈协同、软硬层面、技术的协同和融合。几位老师可以先给大家提炼一下关键词，再基于关键词聊聊您背后的思考。

刘洋：针对技术层面，第一个红利，特别是在新一代AI出来之后，我直观地感受就是效率得到了极大提升。这个效率是一把双刃剑，如果现在还以原来的方式写代码，将来很有可能会被淘汰。我们也用AI写过一些代码，各个平台写出来的代码不尽相同，通过整体的观察发现：一些基础的工作，比如原来一些初级程序员做的事情，目前绝大部分都可以被AI工具替代，包括基于界面开发、目前我们做的单片机的开发、驱动的开发都可以用AI来做，这对很多初级的工程师带来了极大挑战。我跟他们说，首先要保证自己不掉队，先保证把AI用好，不要做技术的一拨人反而被技术淘汰了。我们要把握这个时代的红利，在把握时代红利的同时不要被红利淘汰，不要成为被效率优化的那一波人。

第二，我这边不光负责业务，也负责研发，AI带来的效率提升是质的变化。以前初级工程师写的代码还会有问题，有很多漏洞，现在AI写的代码不会有大的问题，顶多代码实现方式不是最好的，但是代码是不会有问题的。AI技术来了，对软件工程、架构设计都需要重新去思考，这也是我们内部在做的分析。

未来更容易被取代的是偏传统的、偏操作型的人员，比如测试、白盒。所以说现在做AI，用AI，不是你要搞转型，你就是防守，要考虑怎么保住自己的饭碗。

AI来了以后，大家更要保持好学的心态，可以多问问题，把AI当作工具，而不是你被工具用了，你被工具优化了。AI来了以后，我们得更积极地拥抱AI，同时也要保持理性，知道哪些事情是AI不能做的，要把这个事情做好，这是我存在的价值。

从行业的维度，AI来临之后对整个行业也带来了很大的红利。以前针对AI做一些视觉、识别都需要大量的样本、标注，现在大模型出现之后，对很多场景可以做到小样本。以前帮客户做倒车入库的算法，我们找了很多车库标注，现在基于这一代AI，使方案的便捷性、效率也得到了很大提高。

AI对各行各业的赋能是各个行业都要思考的，程序员只是其中之一。我今年年初去修车，修车师傅和我聊天，他修了30年的车，他是修发动机和变速箱的，他脑袋里有很多数据，他说他不在的时候，只要听到发动机的声音，就知道是变速箱坏了还是哪里坏了，这种经验原来都是言传身教的。他希望把这些东西抠出来，在AI出来之后，是不是可以造一个自己的智能体，以后修车就需要问一个问题，AI就能把问题判断出来，这样他自己就可以出去玩了。我和他探讨过，这个事情肯定在未来某一天会实现。对他来说，他需要形成一个他的知识库，把他的知识库给到AI之后，这个事情就能做。以前别人不敢想的事，现在AI来了以后，大家变得敢想了，这也是AI带给大家有意思的事情。

唐小引：王凡总，给大家分享一下您的经验吧！

王凡：举个例子，前段时间我参加了做智能硬件的客户的发布会。他在硬件上开发很多业务应用，分享给他的最终客户，包括行业。原来一年发布十几个已经非常多了，今年有AI加成之后，大概超出原来的10倍，他整个软件迭代速度比之前增长得很多。我们是做数据连接的，他们数据的吞吐量、数据的连接数、设备的销量在这一年有非常大的增长。现在所有的翻译都不需要了，AI基本把语言壁垒干掉了，在本地市场化、Marketing方面也做了加速，所以他们在海外市场的扩张非常快。对我们来讲就是设备链接数增加了、数据吞吐量增加了、应用集成数增加了，他们不断地扩容，买我们的产品。这是一个典型的在AI时代对软件或者硬件一起迭代的周期加速。原来一个老的品牌一年也就推出一两款车型，现在造车新势力、车厂一年推出几十款车型是非常正常的，这是一个非常大的变化。

唐小引：效率和频率都加速了。

王凡：虽然质量可能会有一些降低，经过市场打磨可以快速迭代。软件就是这样的，通过市场验证迭代应用或者产品，快速修复之后就会形成一个很好的生产力。

唐小引：苏老师，从个人开发者和时序数据库角度，您对现在AI的重构是有怎样的观点和思考？

苏宇荣：我谈两点：第一，是对个人开发者的赋能。第二，是在产品之内形态的重构。这两点展开来说，第一是对我个人的冲击很大，不知道大家有没有尝试过智驾，如果尝试过智驾，从油车到智能车，它帮你接管的时候有一种什么样的心情，我相信会有一种近似宗教般的体验。

最近我用了Vibe Coding，开发的不仅仅是传统软件，是系统软件，我觉得它比我做得更好。作为一个做了很多年的系统软件工程师，从心理上，我说出这句话的时候，我知道它又给我带来了一次震撼。这种震撼不是一蹴而就的，前两年已经有Copilot、GitHub这样的能力去给物联网开发者做代码补全，但那些体验都是零碎化的，它提升了效率，但没有从0到1给我震撼。今年我用了一些产品，我觉得体验非常好，质量也很高。这是我觉得大家应该在这个时刻，不管是什么样的角色，是程序员，是产品经理，还是公司老板，都应该试着用一下这类产品，感受一下，它一定能给我们带来比较本质的变化。

第二是内容上。今天我们分享的IoTDB也提到了AI Node的能力，本质就是这波AI红利促进我们去思考之后得出的一款产品和成果。两年之前，我们根本不会去想LLM，也不会想在时序数据库做推理决策的事情。有了这波浪潮之后，我们也做出了一些产品，取得了一定的效果。这也提示任何IOT领域的产品一定能在某些程度上集成AI的能力，这一块是绝对值得探讨的，不管最终效果落地怎么样，我们先把这个产品弄出来，可能需求就来了。

这是我的一些看法。

唐小引：苏老师提到的智驾让我想起来，我是深度体验过的，因为我停车停不好，现在我停车就很依赖于智驾。下面我们看看在家庭环境下，软硬整合的重构。

丁张弛：我们对AI也有非常深刻的体验，以前也有传统的洗鞋机，基本是滚筒+毛刷式的非常粗暴的洗鞋方式，非常伤鞋子，洗出来又不一定很干净。我们现在就不一样，我们现在用的AI技术+机械臂技术能尽可能模拟人手洗鞋的动作，比如哪一块更脏会加大力度，哪一块干净一些就快速地掠过，这都是AI技术带来的洗鞋技术的变更，我们研发这款产品改变传统洗鞋模式，这也是我对AI的体验。

唐小引：丁老师，您可以接着给大家分享一下，现在AI在加速向终端融合，在当前家庭的硬件上，包括机器人，或从行业的角度，AI带来的最具有标志性的点是什么？比如以前对家用的机器人是从被动式感应到主动式感应的吗？

丁张弛：家用机器人我们怎么样从被动式到主动式，比如拿洗鞋的具体例子来说，怎么样能让大家爱上这件事情，而且觉得这不是一件很麻烦的事情？家庭琐碎的事对我们来说非常麻烦，现在一些智能家居，像洗碗机、扫地机器人、拖地机器人已经很普及了，洗鞋机器人可能是家居智能清洁机械里的最后一块拼图，基本把人的家庭工作全部解放了，能够让大家有更多时间去做大家想做的事情。

唐小引：苏老师，您从行业的角度给大家讲讲，您觉得最具标志性的点是什么。

苏宇荣：最重要的还是从使用者感知上的变化，这个点很重要。以前是基于规则驱动的比较多，比如我们用IOT智能家居软件，我们都要做各种各样的设定。这两年更加智能了，它能够根据你曾经的设定推送一些你想要的场景，比如你走的时候关灯，它的灯已经帮你准备好了。温度低了，给你开空调，这个事情不是你想出来的是它帮你想出来的，而且空调温度也是它帮你想出来的，这种体验就从规则驱动变成了智能大脑去决策。

刚才洗鞋我也想讲一点，是不是有一种模型，我做一个鞋柜，下面有一些刷子，我回家之后就把鞋脱进去，至于洗不洗，刷不刷，纯粹由机器来做决策。这个时候就不是规则驱动了，不需要我把鞋放进去之后按按钮，而是鞋脱掉之后就决定要不要洗，要怎么洗，这个才是AI赋能带来的革命性的点。

唐小引：丁老师能实现吗？

丁张弛：目前来说还比较难，因为我们的机器需要水，如果这个鞋柜把水也集成进去，我相信是可以做到的。

唐小引：王凡总，我们现在能看到标志性的点就是AI从大模型在往智能体跃迁。硬件智能体相比软件智能体，您可以给大家讲讲其中的异同点，还有哪些经验可以和大家分享？

王凡：传统说的是有智能硬件，现在比较流行的是AI Agent智能体软件。从从业者角度来讲，它们都是必须融合在一起的产物，尤其是我们想把智能延伸到物理世界，这个过程首先要有触达物理世界的硬件，承载这些智能的底层硬件、操作系统、软件，这是一层一层上来的。原来智能硬件算力有限，ChatGPT刚出来的时候也很重，只能部署在云端，DeepSeek出来之后，我们可以把一些轻量化的大模型部署在设备侧。智能硬件的硬件是一个人的躯体，智能软件就是灵魂或者大脑，以后这些东西一定会慢慢融合在一起的，而不是把它分开来看。

唐小引：这深刻印证了全栈协同时代。刘洋总，您可以分享一下您的思考和经验吗？

刘洋：刚才讲的AI，是针对家庭，针对硬件，包括上下游行业，还有就是AI、开源带来的是社会现象级变化。举个例子，大家都比较关注AI和生活、历史文化结合得非常多。比如现在可以创造一个李白的智能体，它可以按照李白的方式和你吟诗作对，让人有种时空交错的感觉。未来是否有一种可能，每个人都有他的智能体，实现数字永生的感觉，这不是不可能的。可能有一天，一些非常厉害的人也好、事物也好，他的物理寿命是有限的，但数字寿命是无限的，他的思考方式、看问题的方式可以沉淀下来，帮我们解决更多事情和问题。这也是从技术来说带来的革命性创新。这个事情以前我们内部小范围探讨过，我们不知道该怎么定义这件事情，但我觉得这一定是非常有意义的事情。比如把李白、杜甫的诗喂给它，如果你不跟我说，我肯定以为这个诗就是李白写的。这是AI带给我们很有意思的体验和感受。

刚才我举了修车的例子，也是一样的道理，未来软件的智能体，真的是一个有思想、有灵魂的东西。像刚刚讲的洗鞋，现在AI还是被动式接收命令，以后就有一个机器人说你需要洗鞋，立马就帮你洗了，从被动变成主动。这可能是AI带来的一个比较有意思的事情。

唐小引：接下来我们聊聊物联网的万物互联，之前物联网的设备具备了智能，但因为属于不同的企业，可能彼此之间是不能互联的，但今天在展馆那里我听到了关于星闪的工作。另外是当前智能体正在从单智能体到多智能体，包括多硬件智能体之间怎么协同？

刘洋：这也是我们这几年正在准备解决的问题，鸿蒙星闪重点是解决万物之间互联互通的问题，以前的问题就是近场通信、局域网通信，以前大家跑各种各样的操作系统、芯片、通信协议，导致很多设备近在眼前，但每次交互得先上云，转一圈之后再下来，我们无法直接对话，这是不合理的。后面我们做的事情就是解决设备之间近场通讯的问题。鸿蒙星闪，解决的是大家一起讲普通话，讲完普通话，我们靠在一起就可以讲话了，不要先上天再下来再讲话，这是效率极低的。任何两个设备互联互通之前都要上网，这是不合理的。从这个事情的整个生态推进过程中，胡秘书长一起做的事情就是要把规范、标准一步步推下去，所有设备才能互联互通，所有通信才会变得更方便，这是一个漫长和痛苦的过程，这是未来的方向。十年前，国内没什么人看好开源，但十年后大家都看好开源。互联互通、通讯协议、系统层面的统一，大家未来一定能看到这个事情的红利，过程是痛苦的，前途是光明的。

唐小引：请王凡总也分享一下您的观点。

王凡：刚才刘洋总提到了点对点协议，今天我介绍的MCP协议像开大会一样，每个智能体是一个人，我们是一个组织，我需要协调组织各个部门、各个人，先干什么，后干什么。我们是要开大会，需要一个集中式的服务去和每个智能体做对接，就需要上云。也有可能在边缘计算、硬件成本降低之后，可以在小范围之内做一个Hub开会的模式。刚才提到的星闪和Google出的A2A协议，相当于是开小会、直接对话，这样不需要很大成本地搞一个会议室，找一堆人过来，我们直接通信就可以了。但是我说英语，你说法语，他说中文，我们之间怎么形成统一的语言，这就是协议需要解决的问题。

这里不光是协议、标准，还牵扯到软硬件适配的问题。说得很简单，大家有各自的生态，那怎么形成一套相对融合的方案出来，这也是需要在硬件、软件层面上逐渐形成标准化的过程。现在智能体之间的通信，智能硬件的通信后续在协议层面会有很多改革和更新的地方，现在只是一个开始。

唐小引：您可以给大家讲讲，您前面提到MQTT已经成为物联网的事实标准，当前大火的MCP、Google出的A2A，您觉得在未来，在AI赋能下的时代，通信协议会有什么样的事实标准？

王凡：MQTT作为物联网标准，只适用于一部分场景，并不是所有物联网场景都会用MQTT，它是适用相对比较广泛的协议。MCP是针对智能体和大模型之间的通信，A2A更多的是智能体和智能体之间的通信。这种场景化的协议可能在一定阶段还是各自发展。MCP和MQTT属于在场景和场景之间有融合的时候，就需要在协议标准层面上会做一些事情，这样就可以覆盖更多场景。我们想有一个“世界语”，适用于所有场景的标准语言，这是很多年前，1970年就开始讨论的事情，但到目前为止还没有成形。这个方向只要大家有沟通的需求，那就一定会有协议的变化。

唐小引：苏老师，您对全栈协同、万物互联有什么思考？

苏宇荣：刚才王凡总和刘洋总都提到很多点，这些点我都很认同。但作为开发者视角，我对是否有一个万物互联的同一把钥匙，或者同一个协议是持悲观态度的。这件事情是一个软件工程问题，而且是一个经典的软件工程问题，就像软件工程里有很多编程语言一样，一定没有办法有一个统一的规范和标准。

唐小引：程序员界一直希望一次编程，处处运行，到目前为止可能自然语言能实现。

苏宇荣：这个目标是好的，肯定也是要继续推进的，我谈两点。

第一，如何达成这个目标。这么多协议，有自己的适配领域，同一个适配领域下不同的协议怎么跑出来，我谈一点自己的想法。我觉得EMQ的做法相对比较好，首先是成为参与者，最后成为贡献者和话事者，我们自顶向下的形式影响协议的发展，更有可能让这个协议成功。我们不追求万物互联，但在某个领域达成标准之后可以方便开发。

第二，协议包括很多层次，可能无法在每个层次都达到不同。开发者是有一个实际装载数据，MQTT可以装一个数据，HTTP也可以装一个数据，这两个数据的格式可能是一样的，我们也看到有很多开发者或者团体在设计协议之下的数据格式。我们是不是也有一些可能性去推广数据格式的发展，从更底层的数据格式上提出一个高效的、大家广泛接受的格式？这样不需要让开发者在解决协议之后还需要解决协议之下隐藏的问题。

唐小引：丁老师，您在家用场景下肯定也有很多思考。

丁张弛：苏总刚才提到，从技术角度上实现比较困难，我们不如放在一个小场景当中先实验起来。比如家庭环境当中是不是所有智能家电可以互动起来，形成类似于智能大脑的设备或者模型，能够把家庭场景跑通，至少是一小步的进步。然后我们再扩大到整个公司或者一条产业链，这样可能是更好的解决途径。

唐小引：您刚才提到的是当家庭的场景下，各个设备都具备智能，再一起去接入的时候，它怎么去协同，由谁来做决策呢？

丁张弛：可能是一个比较强的AI来统筹这些硬件设备。

唐小引：现在有吗？

丁张弛：有类似的，但做得比较程式化一些，做不到一个真正家庭主妇可以做的事情。

唐小引：在全栈协同、软硬整合的趋势下，我们都在各个场景下深耕，大家的护城河是什么？因为基础的模型都一样，很多人都在想做Agent的护城河是什么，是上下文记忆吗？丁老师，请您和大家讲讲从波澜智能的角度对这个问题的思考。

丁张弛：护城河从我们的企业来说，就是我们的AI、机械臂和微纳米气泡技术结合起来。现在并不是说技术是护城河，而是你怎么应用起来，小型化集成到某个产品当中，这样才能形成企业独特的特色。

唐小引：苏老师，从时序数据的角度，请您谈一下。

苏宇荣：第一，从时序数据库本身的产品来说，护城河最终还是落在性能上。AI可以帮我们做很多事情，但从目前的体验来看都是偏功能性的，功能性不管是在哪个厂家都会做到趋同，只有绝对的性能是需要有非常深的系统功底才能做。所以performance这件事情对系统软件一定是最重要的。

第二，比较重要的是生态。没有生态就等于没有人用，我们做开源，说得功利化一点还是吸引更多客户，不管是试错还是帮你转化成商业客户都是很重要的。我们把生态做好，具体怎么做这个事情我们今天也讨论得很多了，比如和不同的联盟、不同的生态、不同的软件去做打通，从数据库底层或者系统软件底层做好接口，再做推广，最后做联合应用。这一套体系现在已经相对比较成熟了。

唐小引：王凡总，您的思考是怎么样的？

王凡：作为中间件厂商，应该是打通上下游系统和设备的角色，从护城河角度来看，一是对社区还有商业客户的需求，触达更多需求，能够把需求输出成产品，这是我们产品迭代的核心竞争力。触达更多的需求，快速抽取需求，变成产品化、商业化，我们这么多年也是以此为核心做产品迭代的，这也是成功的经验。

第三，开放的社区运营的能力。其实运营一个开源社区也是需要很多投入和很多经验的，怎么把这些非常松散或者非常碎片化的需求和技术栈合并到一起，这也是对开源和技术抽取的能力，最后形成产品，这也需要一些功底。这是做标准化中间件公司的核心竞争力。

唐小引：刘洋总，请谈谈您的思考。

刘洋：第一，知道客户的问题在哪里，知道客户要什么，知道know-how是什么，不管任何时候都是非常重要的事情。不管什么技术最终都是要解决问题的，对我们来说，解决客户的问题、解决场景的痛点才能做到最牛的技术。

第二，AI带来的知识大爆炸，我们要搞清楚我们的定位是什么？在大爆炸时代，我们如何保证优势，同时做好快速迭代。有时候快也是优势，当别人还没有反应过来的时候，你反应过来，走在别人的前面，也是一个壁垒。

第三，多思考、多反思、多有危机意识。我也是做技术出身的，AI出来之后，我第一反应就是感到害怕，可能以后很多同事就会没工作了。如果大家还不革自己的命，会有人革你的命的。这也是我要强调的大家一定要有危机意识。

任何一个技术都是双刃剑，要先看到危，再看到机，不然就容易被很多事情冲昏了头脑。

唐小引：对于开发者的自我革命，不是自己革命就是被革命，您可以讲讲在全栈协同、软硬整合的时代下，开发者如何演变吗？

刘洋：第一，从开发者本身来说，从架构和系统层面多思考，不要重复做机械性的工作，你要大概知道这个工作怎么拆，这是第一位。第二，基于API层面的开发，大概知道怎么做就行了。因为这个东西让你做，你做得不会比机器好的，你有时候还会写错，逻辑也写不好。我们和机器的边界在哪儿，包括程序员的很多AI的工具，要知道目前有些东西机器还做不好，也做不了的事情。比如针对软件工程，我更关注软件的架构怎么做、需求怎么做，需要扛麻袋的事情尽量让机器人扛，要把团队的技能点做一些转移，不能大家多吃一点饭，然后都去扛麻袋，这个方向错了，有机器帮你扛。做软件工程的一定要找准方向，不同的软件工程侧重点不一样，但我相信有些基础的工作，拆到一些机器能干的活，就放手让机器去干。在拆解的过程中，找到边界的过程就是我们提升的过程。

唐小引：从个人角度和组织角度，对于程序员来说，未来最有价值的程序员更侧重全栈还是更侧重协同？

刘洋：全栈和协同有一定的重叠，未来的程序员面一定要广，AI最喜欢干的事情就是直线加速，如果你再直线跑，一定会被超过的。现在机器人虽然跑得比你慢，但未来机器人一定跑得比你快。单线程加速的事情不是我们要做的，我们要做的是广覆盖，对未来的程序员就是技术栈要全，而且知道自己的工作如何和别人协同好。广覆盖、全栈是急需的人才，内部我们针对软件工程也在拉跨域的人才，比如对上下几个框架都懂的，不能只会做中间件、只会做驱动，我们希望他上下都能懂，能把这个事情串起来。

唐小引：感觉对程序员的要求很高。王凡总请谈谈您的思考。

王凡：如果只是程序员的话，现在的影响是非常大的，包括对技术栈的学习、语言的学习，只要把提示词写好，AI会做得更好。所以未来是不是提示词工程师会比程序员更有价值？提示词工程师现在对于我们类似于产品经理的价值，包括对业务的理解、对客户的理解、对社会的理解，怎么输入到大模型里，使它快速生成想要的产品。当然这个过程还没有那么顺畅，大模型目前不能完全替代工程师和程序员，但可能真的会有一天，只要产品经理就够了。对程序员来讲，是一个好时代，也是一个不好的时代。现在一个程序员学习一门新语言的时间快的要半年，慢的要很多年，现在用大模型结合自我学习，可能两三周就能写一些比较复杂的后台应用。这种情况下对学习能力比较强的程序员是一个红利，可以甩开学习能力不行的程序员，至少在5～10年之内这个阶段不会变化，以后也有可能会不需要程序员了。

唐小引：请程序员苏老师谈谈您的想法。

苏宇荣：我觉得王凡总说得很好，这个时代对优秀的程序员来说一定是最好的时代，之前总会谈到AI会影响到工作的这些问题，实际上我有一个相反的观点。好的程序员一定会使用AI赋能自己的开发，之前我听过一句话，AI时代，一个人也可以是一支军队，我非常认同这一点。以前我们只能做一方面的事情，但基于AI，我们可以打通上下游，只要对自己领域的事情有一定的深度和精度，其他的部分可以由AI帮你完成，你依然是本领域的专家，同时减少对别人的依赖。而在公司组织架构上，我觉得不管是什么样的职能角色，全面拥抱AI这件事情是毋庸置疑的，一定是可以提速的。在人的监督下，现在AI能创造的价值一定比一个人瞎折腾好得多。

唐小引：请丁老师谈一谈。

丁张弛：我从公司的角度谈一下，我们也是一家初创型公司，我们肯定是想每个程序员会得越多越好。程序员加上AI赋能的情况下，可能一个人就能干好几个人的活，我们各项的成本也相应地会降低，我们更喜欢全栈的程序员。

唐小引：大家对程序员的要求是全栈协同，和技术趋势是一样的。最后，请从技术红利和开发者角色重构两个维度，给大家分享一下，现在AI技术发展得很快，在未来一年内，还有哪些重点方向是值得大家关注的，有什么样的技术红利让大家重点拥抱的。最后是对开发者的一句寄语，请给大家分享一下。

刘洋：开源是对开发者的一大红利，AI也是一个红利。另外就是新的一些技术标准，从以前跟随标准到现在变成标准的制定者，大家可以关注一下目前我们正在引领的标准，这也是未来新的赛道，包括这次的会议大部分都是国内的标准组织在引导的赛道。关注这些大赛道中，我们的擅长的点能否和他们结合，我们能否进去占个位置，这对很多开发者来说也是有益的。

如果说寄语的话，不管做生态也好，做开源也好，做各种事情也好，路虽远，行则将至，事虽难，做则必成。这个事情虽然是很难的，但只要做，只要往前走，一定会成功的。我们一路走过来，我也是国内最早一批做开源的，这是我深有体会的，这个事情一定是可以成功的。

唐小引：有请王凡总。

王凡：从技术角度看，我们更关注于爆发式智能体的协同和治理，每个智能体融合了行业的知识、know-how，包括智能体、知识库，它们之间的协同以及治理是目前所有大型公司都在关注的事情，也是行业关注的事情。我相信会有从量变引起质变的过程，形成针对于智能体的行业生态和行业更智能化的解决方案以及变革。

希望你们能在其中把数据连接的事情做好。

唐小引：关于治理有什么经验和大家分享一下吗？

王凡：我们不是做业务的，我们是做中间件的，我们的客户作为行业用户来讲，他对于AI智能体的调用、协同、模型微调的成本、是否自己要训练模型这些事情更清楚。现在我们做很多事情也是要考虑成本的，不是堆技术就可以了，如何实现成本和收益的平衡也是很关键的事情。比如有些客户买了很多私有大模型一体机，但没想清楚具体要做哪些业务应用和智能体的开发，可能投入成本比并不是太好。经过去年到今年的磨合，至少在思考上会更成熟一些，从采购上到自己团队的建设上，企业可能会对这些事情有些调整，利用率更高。

希望大家快速学习，提高自己的学习能力，这是碳基生命和硅基生命在拼速度的时候。

唐小引：有请苏老师。

苏宇荣：我谈一下我们这个领域内的小问题，当然也有可能是大问题。IIOT我们确实尝试融入了AI，但AI是面向通用领域的，对于专有知识的领域有没有可能发掘出实际价值？做工业软件的公司很多，也推出了AI产品，比如可以自动推送智能面板、自动分析报表，我们现在也做了AI Node下面提供数据的异常检测等。但它是否能真正契合业务，让用户买单，我觉得这个问题始终没有回答好。这可能是AI自身的问题，也有可能是行业的问题。我心里没有答案，但我觉得可以供大家探索一下。这是我觉得比较值得去挖掘的，因为做工业还是有钱的。

对开发者来说，我自己也是一个开发者，用一个词比较好，就是拥抱变化，利用变化去塑造自己的价值，展开还有很多，但我觉得这句话就够了。

唐小引：您提了一个问题，但没有答案，不知道刘洋总、王凡总对苏老师提的问题是不是有些见解。

王凡：我们也是观望的态度。发展日新月异，每天都有不同的惊喜的事情产生，所以我保持观望和开放的态度，我没有自己明确的答案，但我觉得拥抱和接受未来是现在社会每个人需要有的态度。

刘洋：我的想法首先是看好大方向，拥抱变化，保证未来的路不走偏，中间可能会有一些曲折和变化，但要明确方向在哪儿，中间学会拥抱变化，不要一有变化或者中间的曲折，有段时间推进不下去的时候，我们就先放弃这个事情，这是不行的。首先是要看好大方向，接受变化，接受不确定性，坚信路是走出来的，越走越成功。

丁张弛：我们首先要关注细分领域的细分场景，要着重挖掘这些场景下可以供AI使用的需求。送给大家一句寄语：拥抱AI，拥抱未来。

唐小引：谢谢四位老师的精彩分享。我有一个感受就是，在全栈协同的时代做全栈协同的程序员和开发者。