文｜周鑫雨兴盛网
编辑｜苏建勋
如今的AI投资人，也分“乐观派”和“悲观派”。
2025年9月12日，Inclusion外滩大会。在由36氪CEO冯大刚主持的圆桌论坛“AI应用落地首战：智能体时代是否降临”上，几名头部机构的投资人进行了对话。
当冯大刚抛出第一个问题：什么造就了智能体的爆发？投资人之间最大的分野，就出现了。
△圆桌论坛“AI应用落地首战：智能体时代是否降临”。图源：官方
投了GenSpark、Lovart、Sheet0等热门Agent，明势创投创始合伙人黄明明，是典型的“乐观派”。
他提到，中国在过去20年里，积累了大量移动互联网的产品能力，未来全球Top的Agent，有2/3会来自中国。
但“悲观派”投资人们看到，如今的Agent，还有诸多“不能”。
在BAI资本创始及管理合伙人龙宇看来，当下Agent的爆发，离不开用户对AI前所未有的宽容。
但在金融等0容忍度的场景，她觉得，Agent依然无法大规模落地。以及，对Agent宽容的“窗口期”不长了，“大家会越来越较真”。
在这两派投资人中间，还有寻找机会的中间派。
担任蚂蚁集团副总裁兼战略投资及企业发展部总裁的纪纲，给如今Agent创业者的建议是：可以先从高容忍度的场景切入。
这类高容忍度场景的代表，是需要与真人交互的工具类场景，以及Kill Time和提供情绪价值的陪伴场景。
可见的是，“智能体时代是否降临”，是当下行业最为关切的问题之一。对答案的渴求，一度让这场有名额限制的活动，站满了在场外旁听的观众。
不过，正如冯大刚总结的那样：非共识的出现，恰恰意味着Agent的发展，正处在早期。
以下是《智能涌现》对冯大刚、纪纲、黄明明、龙宇对谈的整理，内容略经编辑：
未来全球最顶尖的Agent，2/3会来自中国
冯大刚：AI智能体和应用已经到了一个爆发的时代，我想这应该是一个无疑的结论。
各位觉得是什么样的必然性造就了AI应用的爆发？技术、成本，还是收入？
纪纲：其实还是今天技术发展的水位，涨到了这么一个机会。
△蚂蚁集团副总裁兼战略投资及企业发展部总裁 纪纲。图源：官方
当然另外一方面，我们对智能的期待，其实已经远远超过上一代对技术的理解，比如，一些知识的检索，一些简单的workflow级别的工作能力的建立。
但今天我们看到，其实AI potentially可能是能超越人类智慧的智能。如果你身边有一个比你聪明、比你知识丰富的人，比你还24小时不眠不休的人，他能干什么呢？实际上他可以干所有的事。
黄明明：我是今天这个论坛上可能唯一的理工男，所以我就稍微讲点技术上的细节。
△明势创投创始合伙人 黄明明。图源：官方
我们从模型层一路在观察。过去2到3年，第一，大家都知道的是推理侧的运算量成本降低了大概280倍。然后MoE（混合专家架构）又使计算成本降低了80%。这是从成本和效率侧。
从模型侧，从DeepSeek年初的R1到Claude3.5和4.0，我觉得最核心的能力是让模型具备了调用工具和planning的能力。
举一个例子，我记得小时候上生物课，老师老问我们人和动物最根本的区别是什么。其实有一条就是，当人类开始使用工具的时候，是原始人往智人开始进化的非常重要的一步。
如果我们看今天AI的发展，当Claude3.5和Claude4让模型在调用一系列的工具，完成一个相对复杂的任务的时候，有一定的planning的能力。
这一下子让Agent的任务完成度，从去年或者前年大多数的0.5，到今年最头部的Agent，一下子到了30-40分，比如说刚才讲的Vibe Working或者是General Purpose Agent，包括我们投的GenSpark。
从0.5到30分、40分，就让用户的重复使用率和付费意愿，开始变得很高。
那什么时候能到60分？我们觉得应该在可见的8-12个月，这样的话就有更多的工作可以被解锁。
我觉得你这个问题可能稍微要加一条：为什么这一波很多的“first”“全球第一个Agent”是来自于中国？
不光是我们刚才讲的第一个General Purpose Agent Manus、我们自己投的Vibe Working的GenSpark、全球第一个Vibe Design的Lovart，还有第一个Data Agent sheet0等等。
△Lovart。图源：Lovart官网
我觉得这是因为中国过去20年，在移动互联网积累了大量的产品经理的能力，同时我们对技术又跟得很快。
刚才讲了Agent是通过调用模型去使用工具，最后一公里有很多工程化和高速迭代。这恰恰是中国创业者在全球无可比拟的优势和能力。
所以我们大胆地预测，未来全球的最顶尖的、最top使用的Agent里面，虽然最后这家公司可能headquarter到硅谷、新加坡、伦敦，但是它originally有2/3一定来自于中国的创业者。
龙宇：刚才明明做了很多的科普，但我的回答是：没有到智能体爆发的时代，我对中国创业者的前景也不是这么的乐观。
△BAI资本创始及管理合伙人 龙宇。图源：官方
我们确实存在巨大的优势，但智能体这个概念还在被定义和落地的过程当中。其实现在还处于一个身残志坚、大家不断往前努力的过程。
事实上用户端，无论是消费者还是企业端，给予所谓的“智能体”概念极大的、前所未有的宽容。
但在之前的企业级服务当中，大家从来不会接受任何一个产品说“我是有可能完成你这个任务的”，我怎么可能赌？
所以这一次全世界是以全面拥抱的姿态，非常宽容地对待AI前进一步的探索。这里面无数的开发侧投入，无数的产品定义实验，无数的用户端回馈，不断地微调，都是在以一种非常宽容的态度在促进发展。
但是我觉得留给我们的窗口时间已经不多了。事实上今年的推理成本极大下降了之后，一些重新设计、改良、优化以及构架workflow的可能性，已经出现了。
但是最终Agent交付的完成度，会让大家越来越较真。因为毕竟有相当多的数据流和data，是必须在完全可控的、强执行的Coding环境之下，分毫不差地完成的。例如金融，是容不得半点的容错率的，不是说做得还不错就可以了。
因此我觉得事实上是产业开始分化，模型开始产业化，大家都开始进行深层次的思考。
中美双方的创业者其实都有非常多令人惊喜的进展，中国这方面的创业者们表现出超强的应对能力，非常迅速的执行速度。我觉得贡献是巨大的，一定有我们的一席之地。
但其实相较于Agent兴盛网 ，模型本身的智能集中度，以及断崖式和逃逸式的领先，以及他们推出的——无论叫Agent，叫APP，还是叫功能——还是一骑绝尘。
冯大刚：首先我并不是认同今天是悲观的，但是我非常认同这个行业还处在一个比较早期的阶段。有不一样的观点正是早期阶段的一个特点。
我们回到应用的问题上。蚂蚁做了很多应用和智能体，包括养老、医疗、家庭。我们主题是讲“落地第一战”，“第一战”您觉得在什么地方？
纪纲：回应一下明明总和龙宇总讲的，带出我对这个问题的回答。
我是文科生，千万不要歧视文科生。文科生在这个世界里有一些visionary的东西，可能比理科生有更多的机会。
龙宇讲了，今天整个世界对Agent有巨大的容忍度，包括在工作中的容忍度，包括在生活中的容忍度。
今天有大量线下需要跟人交互的机会，你出行的时候找一个旅游的咨询师，找房子的时候要找一个所谓的Agent帮你找房子，你跟他交互的时候肯定希望他带给你相对准确的信息。
这个信息如果出现了偏差，不管因为知识的限制，或者因为出于某种意图给你错误的信息，你自己可以判断，可以容忍。
其实我觉得今天在垂直领域，我们跟Agent就是这样的关系。
还有一个场景，也是高容忍度的。现在有很多Agent，在替代离你更近的人，比如朋友、亲人、伴侣。你跟一个真正的人消耗时间的时候，有巨大容忍度。所以我觉得在这种场景下，人对Agent可能也有高容忍度。
除了极度需要精确度的工作场景，很多其他场景，可以用低容忍度的方式逐步让Agent进化。
冯大刚：应用的爆发是不是会先从边缘开始？
纪纲：有一个远和近的关系。
像线下的房屋中介，离你关系很远。但是你跟他交互频次非常低，可能一年就找他两次。
这里可能有新的Agent的机会，这种类工具型的，但是由真人、工具和数据结合在一起的服务。
还有一类离你很近的，帮你kill time或者提供情感价值。这两端都有机会长出来高容忍度的场景。
反倒是刚才讲的那种需要精确数据完成工作、形成闭环的，我觉得还需要一点时间，模型的能力、Agent的能力没有完全成长起来。
说回你的问题，我们今天的确做了包括医疗、金融的Agent，这些其实相对来说对精确度的要求比较高。
今天你使用的时候，发现大量的交互还是建议你最终到医院去挂号，跟真正的医生去交互。它们提供的可能只是一些基础信息咨询。
因为金融、医疗本身是我们自己的业务，这块Agent一定会做。是不是能达到所有人期待、实现闭环和极度精确，肯定有一个过程。但是我们也希望能探索有更多低容忍度的其他机会。
AI效率工具一年内不盈利，是不可接受的
冯大刚：明明总，我知道你投了很多的硬科技。
刚才你讲到投过很多好项目，这一波有什么根本性不一样的东西？包括投资逻辑、投资机会，包括我们自己的判断。
黄明明：其实共性的东西还是挺多的。
比如说我们喜欢的人，还是拥有非共识的超级产品经理，像李想，像很多我们投的这些对用户需求有深刻理解的人。
非要说有什么不一样，原来互联网应用更多的是完成更多信息和人的连接，搭建的是一个生产关系。
Agent是生产力工具。两位都讲到，衡量生产力工具最核心的指标，一个是完成任务的复杂程度，一个是任务的完成度。所以你是要交付结果的。
做得好的这些人，如果我们去评估的话，在他的领域已经能完成三四十分。但是全球用户的容忍度确实很高。
我说的“容忍度”不是试了一次就完了，而是回来重复使用、重复付费的比率得超过50%，得有50%的人付过一次费以后，下个月回来再使用。你不是把它当成一个full-time的员工，但是至少可以把它用起来了。这是非常重要的一个衡量指标。
其实最优秀的Agent，在很多领域今天只能做到三四十分。换句话说，哪怕在一些非常细分的领域，如果你有机会把模型能力充分榨干，做“最后一公里”的dirty job、苦活累活，做到50分、60分，就有大量的用户愿意为之付费。
比如说法律和诉讼领域，原来最大的律所一个月立案300宗案子，我们一个AI法律项目，上个月立了大概1万个案子，人是不可能完成的。
当然最后需要人去法院，因为你不可能让Agent去法院露个脸，但主要的工作都由Agent来完成了。
在这个场景，AI可能做到三四十分、四五十分，再配合人，这块的收入飞速在增长，用户在为之真金白银地付费。
我们在移动互联网时代经常干的事情，是数据抓取。今天让任何一个通用Agent，帮你去网页抓取数据的成功率不到10%。
如果能把这个事情的成功率提高到50%，会解放大量数据分析、金融、银行、保险、各个公司运营人员的时间和精力。
这样一件事情如果做到50分，我们认为有巨大的市场前景。这是我们看到的不同。
冯大刚：过去我们看互联网项目，如果5年之内不盈利，没关系。
但是如果它是一个AI应用、是一个智能体，我们会说它一年之内不盈利是不可接受的。这是一个区别吗？
黄明明：效率项里是不可接受的。
C端娱乐向，我们内部在讨论，将来弄不好至少在中国还是一个广告为主的商业模式。
但是效率项真的帮人干活的，完成度、用户愿意为之付费，是唯一的检验标准。
你说出花来，但用户不愿意付费，那我就认为你提出的价值不够刚，或者不是在真正解决问题。
这个阶段留存是其次的，渗透率是第一的
冯大刚：中国什么时候能爆发出第一个超级应用？
龙宇：（AI超级应用）已经爆发了。
全世界范围之内就是OpenAI，因为有了ChatGPT这个to C端的应用，使它有了非技术方向的超大护城河，导致它的token的消耗量或者说访问量，现在可以6倍于第二名（Anthropic）。
现在（第一和第二之间）只有3倍收入的差距。但以后迅速会拉开10倍、20倍断崖式的差距。
Anthropic已经被压缩到必须重点强调自己coding的能力，然后就压掉了Cursor。现在WindSurf已经停服了，大概在半年前，大家非常popular在谈的Devin，这些更小更垂直的Agent，曝光量已经少了很多。
去掉时间维度谈趋势都是没有意义的。短期之内我们分析一下，事实上确实要to C引领，这个阶段留存是其次的，渗透率是第一的。
刚才明明讲的这些非常让人振奋，一旦你粘住了，大家会发现好处是显而易见的，复购非常高兴盛网 ，因为效率提升。
生产力工具的跃迁就是这么真实，让大家真金白银感受到了。
冯大刚：超级应用，个体跟平台哪个会更早？
龙宇：现在平台不停推出创新应用，然后再全面性提出“全家桶”。
我觉得在中国像蚂蚁、阿里这样具有超强生态体系、超广泛应用场景的公司，大家跟应用互联网时代完全不一样，没有谁不是第一天正面迎战的。
如果你今天非要说OpenAI是一家创业公司，那好，我不和你争了。
他们都是在用平台型思维，在全方位推出最重要、最优先级的东西，第一是search，第二是coding，其他哪一个相对成熟，再去做。
姜总（阶跃星辰CEO姜大昕）已经把技术解释得非常清楚了，在这个阶段技术够用，关键不是产品形态，是定义新的交互范式。
当然谁也没想到，PC互联网时代，Google发明了一个框出来。这个事情很复杂吗？但它进行了范式革命。
在移动互联网时代，TikTok发明“刷信息流”，一点也不高级，没有做出operating system。之后这家公司，从娱乐出发，变成了全世界最伟大的科技公司。
现在加以场景以及硬件，我可以随时在拍，这是个context-based的camera，每10分钟就会拍7秒你的各种表情，有好看的、不好看的，知道我在跟谁交谈，情绪是怎么样的，然后它会分析、会记忆、会记录。
冯大刚：从娱乐出发，就是从人的需求出发，从人的体验出发。
回到纪总这边，整个蚂蚁的AI战略是什么？
纪纲：我觉得今天对整个公司来说，AI战略也在形成过程中。
有几件事是确认的，蚂蚁今天可能不算一个一线超级大厂，算一个中大厂。
在AI竞争过程中我们应该找什么样的身位？比如今天最重要的一个讨论是，要不要干自己的大模型？
DeepSeek V3出来后，今天大模型的门槛看起来好像水位降低了。但实际上，这半年竞争进入了深水区，对人才的要求、对能力的要求，甚至对资源的要求更高了。
第二，如果做Agent，我们到底做什么样的Agent？
我们内部经常用的一个词，叫“哪部分是碗里的”。金融一定是碗里的，上一个时代、上上个时代都是我们碗里的。
碗里的一定要吃，别人也盯着你碗里的东西，你怎么能确保你先把自己碗里的饭先吃完。
但是你还得看着锅里的，甚至我们妄想也许地里还长了东西。
最后形成一个完整的策略：到底先着急把碗里的吃完，还是先抢别人碗里的东西吃？还是赶快把锅里尽可能盛到自己的碗里？还是我们去种地，去地里看更长远的机会？
这些策略都是今天这个时刻正在讨论、正在形成的过程，这件事一定会不断evolve，我们会不断调整，但一定要有选择。
不要搭一个硬的闭环的商业逻辑
冯大刚：选择一个AI、一个智能体标准是什么？to C、to B的标准是什么？合理的商业模式是什么？
龙宇：商业模式肯定在探索过程当中。
我讲具体的，你有一个问题本来想问我们什么是Agent，什么是Application。
冯大刚：今天好像什么都是Agent，大家观点很不一样。
龙宇：我觉得文科生就是好，如果仔细理解语言，就不会随便混乱去泛化。
Agent字面告诉你，它自古以来就有，是个古老的语言，叫做“代理人”，你不爱干的事情交给它去干。
什么叫Application？这是我愿意主动去参与的一个involvement。
这样清楚界定的话，在to B的方向上，你不愿意完成的任务，或者宽容度高的任务，你去交给Agent。但是你自己要主动享受的事情，你绝对不会让别人替你欢乐、游戏、吃饭、恋爱。
所以说这里中间的区隔是非常清楚的。不了解用户对象是谁，空谈效率，绝对是与虎谋皮，缘木求鱼。
关于怎么赚钱，讲一个具体的例子。
其实明明投了一家非常优秀的公司LiblibAI，我们有另外一家公司叫“千岛”，平时有两条业务线，一条是售卖Labubu的二手交易平台，每年百亿GMV，上亿人民币的净利润。
△千岛。图源：千岛官网
与此同时，他做了一个跟LiblibAI非常类似的社区Tensor.Art，也有近20万的模型训练师、约100万的AIGC的微调模型。
当然他也做一些激励计划，使得设计师也有收入。这对社区有非常好的贡献，让潮玩爱好者聚集到一起。
两件风马牛不相及的事情其实是连接热爱，所有的情感、设计、创意，供给端与消费端，与数据回路端都在一起，是平行在往前做的。
不要搭一个硬的、闭环的商业逻辑。现在说闭环才能带来利润，其实不一定的。有时候两条腿走路，既要也要，也可以支撑公司走得更久。
冯大刚：今天模型一更新很多应用就死掉了。无数人去创业，100个人里面能成功一个，今天10万个人里面能成功一个，这里面的难度到底在哪？我们应该怎么应对？
纪纲：我们觉得没有被挖掘的数据，未来一定是新的赛道、新的机会。
今天到底会不会有一个General Agent？我觉得未来每个人都会有，但是这个General Agent未来的场景，一定不是把所有的问题自己闭环掉，它可能要跟这些垂类去talk。
AQ今天是to C的产品，也许有一天在很多医生端就是to B的产品。今天有一个General Agent在碰到医疗问题的时候，会找垂类Agent去交互，帮你把这个问题完成闭环。这可能是未来的一个场景。
但是今天我们描述的这些东西暂时都不存在。所以我觉得最大的困难就是：如果我们相信未来一定是这个场景，这些问题从哪解决？先解决哪些问题？怎么解决？技术上难度是什么？人才需求是什么？
这是相对清晰的picture，和今天各方面资源能力不足之间的差距。
黄明明：我有不太相同的观点。
大家往往夸大模型对Agent或者是应用层吞噬的能力，反而在判断早期创业者的时候忽略了我刚才说的：
你是不是真正切入到一个用户有刚需痛点的问题，不管用工程化的能力，或者说用垂直领域的专有Know-How，甚至通过服务用户的case，形成了比较好的自己的reward奖励函数，让你的Agent变得越来越强。
我们看见大多数早期的创业者遇到比较大的问题。比如说coding火了，100个里面90个都在谈coding，谈得我们自己都快吐了。
其实有比这个更细分、更有刚需的东西。比如简单数据抓取的工作，全世界居然没有创业者来做。这是第一点。
第二点，我觉得好的Agent创始团队或者是创业者，他不是against the tide，是ride with tide。你跟你做的东西，应该是随着模型的能力不断解锁，解决更多的问题。
Claude3.5、Claude4出来之前，我们发现很多稍微复杂一点的任务，Agent是没法完成的，做一半它自己就lost。
现在它慢慢有这样的能力，那你怎么build你的context engineering？未来怎么去build up你的memory能力？
Agent创始团队有很多工程化的工作，这些都是基于模型解锁的一些能力可以做的。
所以我不觉得模型和应用是完全对立的。好的创业者能够更好take这个最大的潮水。
今天最大的潮水还是模型能力的提升，但你怎么跟着潮水往上走，而不是被它淹没，这可能是对大多数做Agent的公司的一个比较大的挑战。
能做出伟大产品的人，身上得有点人味
冯大刚：这一波Agent的创业者，和2012年、2013年互联网创业者的水平能比较一下吗？
黄明明：这个话怎么说都得罪人，我只能说各有特色。
我昨天还跟两家制造业的龙头聊，一个是宁德时代的创始人，还有一个是第一代互联网的百亿美金公司创始人。
我觉得前面一代的创始人，很多效率卷到极致。今天进入到AI时代，一个人是卷不过AI的。因为AI 24小时工作，没有任何情绪。
所以反而在这个时代，我们认为能做出比较伟大产品的人，通俗点来讲，这个人身上得有点人味。讲得具体一点，他得像个人。
人是什么呢？人性里面所有好的东西和坏的东西，在他身上都能有非常明显的体现。换句话说，我们认为不完美的创始人，才能做出相对完美甚至是伟大的产品。
我们最近自己持续在总结，这是我们看AI时代创始人的时候，一个比较重要的点。
比如说陈冕（LiblibAI CEO），他是一个有激情的人。有激情的另一方面就是你不够理性。但是你可能要做出伟大的产品，太理性的人在这个时代做不出伟大的产品来。
龙宇：理工男想法和理工女不一样。我反而觉得AI时代EQ被高估了，越来越不重要了。
但是在创造性领域会更加重要。如果Steve Jobs还在世，他所有的缺点将不复存在。他是一个超级产品经理，把个体洞察到了极致。
唯一的缺点是，他是好的tech visionary，不一定是好的tech leader。如果一个将来lead个100、10个Agents的人的话，我觉得他需要不一样的领导力和素质。
我没有首鼠两端、既要也要，要不然在A做到极致，要不然在B做到极致。要不然你就是纯粹有高尚趣味的，对未来有无限想象的，哲学思考到极致的文科的人，要不然就是一个超级机器。
我给大家一个数据。现在全世界Fortune 500 CEO，他的direct reporting line（直接汇报线），原来大家认为理想数值是在9.5，现在扩到27。Satya（微软CEOSatya Nadella）的direct reporting line现在是51。
他们能够更高效，没有什么情感摩擦。他借助这些工具管理更多更高效的人，打造不一样的组织。
这不是我想说的重点，我想说场景！场景！场景！
对场景的深刻理解，现在被大家想得太浅薄了。什么叫场景？举个简单的例子，数据就在那，你有没有想到从哪个维度去用。
比如说这两天扫街榜推出，原来到店可以把线下这么连起来。Looki(AI穿戴相机)刚刚推出的时候，大家都说这是一个防范保姆的，带着小孩弄宠物的，拍照的东西。
其实根本不是。它不是一个监视器，是你自己跟自己玩的对话。它知道你每天坐了多久、站了多久，坐了地铁吗，见了什么人，跟什么人说话，什么语气。这完全是给自己的，维度不一样。
△Looki。图源：Looki官网
所以我觉得场景的理解是一个远远被低估、还没有开始的一门显学。马上就要开始了。
冯大刚：怎么让智能体更加智能、更加普惠？
龙宇：大家没有谈到中美之间的差距。
我们要面临非常严峻的事实，我们这边资源少，所以希望大家有合力。
投资人、创业者，最好不要做同质化竞争。每个人都要尽早去identify自己在这个生态体系当中的生态位。
大家尽可能从合作的角度，而不是竞争的角度，用比较少的资源凑出一个非常高质量的表现，而不是再一次消耗在更多同质化的竞争中。
黄明明：我很同意，但是我估计比较难。大家还是fomo，碰到好deal，一堆人又都冲上去了，一个方向跑出好几家，很正常。
回到我们的主行业，我们是创投，我们要对年轻的创始人更多的耐心、更多的宽容度。
还是那句话，没有完美的人，但我需要他在特定点上有足够的激情、足够的热情。有很多缺点、犯很多错，没有问题。
我们一直讲，AI原住民这一代人，可能是真正能做出下一代超级智能体最主要的创作者群体。
从我们圈层来说，应该对这些年轻人有更多的容忍，允许他们身上有更多个性化的东西、风格的东西，而不是用一个严格的CEO标准要求他。我觉得在今天很难。
纪纲：多说一句关于人的事，二位的观点我都非常同意。
我们自己的观察，这一代的创业者比上一代年轻10岁，而且越来越年轻。现在95后、97后，00后的创业者也能看到了。
第二，对这一代的创业者来说，技术的难度比原来移动互联网略高了一点。
原来移动互联网，一个好的产品经理找几个程序员，能创造出一个不错的产品。
但是现在我们发现一个好的团队至少对模型，对reinforcement learning（强化学习）有深刻的理解。所以创业的门槛高了一点。
但是我们还发现一个很有意思的东西。很多这一代创业者，虽然很年轻，但已经是连续创业者了。他们都做了两次、三次。我们更偏好连续创业者，他们可能吸取了经验。
回到前面的问题，人的话题特别重要。不光人性，未来你生活中任何角色，从远到近，从伴侣到工作场景，到你一年只见一次的人，都会有Agent把他替代掉。
这些变化会有无数的机会，甚至以后会跟硬件结合在一起。Agent会装在机器身上，会变成有智能的机器人。
所以我觉得这个时代的创业机会是巨大无比的，从商业角度讲，从赛道宽度讲，都有巨大的机会。
欢迎交流！
一鼎盈提示：文章来自网络，不代表本站观点。
