【编者按】

“星汉灿烂,若出其里。”人工智能迈入闪耀时刻。

4月29日，习近平总书记来到位于徐汇区的上海“模速空间”大模型创新生态社区调研。他指出，人工智能技术加速迭代，正迎来爆发式发展，上海要总结好以大模型产业生态体系孵化人工智能产业等成功经验，加大探索力度，力争在人工智能发展和治理各方面走在前列，产生示范效应。

如今，徐汇区已形成“北斗列阵”+“群星闪耀”的AI生态布局。其中，“北斗七星”由稀宇科技、商汤科技、阶跃星辰、无问芯穹、星纪魅族、特赞科技和斑马智行7家标杆企业构成。

这些企业何以成为“北斗”？它们在人工智能领域有哪些探索和前瞻性的思考？即日起，推出“北斗专访”系列报道，通过深度对话，解码标杆企业的AI星辰版图。

祝碧晨 设计

上午9点多，特赞科技办公空间内，范凌穿着深色短袖和牛仔裤，电脑放在膝上，专注地敲打键盘。窗外是高楼林立的上海徐汇滨江，聚集了众多AI企业。直到记者到来，他才从工作中抽身。

范凌是特赞科技的创始人兼首席执行官，同时担任同济大学设计创意学院教授、设计人工智能实验室主任。特赞科技是上海“模速空间”七家人工智能龙头企业“北斗七星”成员之一，这是一家专注“内容+人工智能”的独角兽企业。

目前，特赞科技打造了企业级内容人工智能平台，帮助客户实现高效、优质的内容管理、生产、分析和分发，已为100多家世界500强企业提供人工智能平台，服务了10万个小微企业和个人。特赞科技完成了D1轮融资，估值超过10亿美元。

范凌，特赞科技的创始人兼首席执行官，同济大学设计创意学院教授、设计人工智能实验室主任。本文图片均为受访者提供

和“模速空间”很多创业者一样，范凌拥有高学历。他毕业于哈佛大学并获博士学位，创业前曾任教于美国加州大学伯克利分校，教授人机交互。2015年，他由海外高层次人才计划引进回国，创立特赞科技。2016年，特赞和同济大学成立了国内首个设计人工智能领域的实验室，范凌开始学术兼商业的跨界。

在人工智能爆发式发展的时代，范凌相信谁能成功地让人类和AI实现高效协作，谁就能拥有源源不断的商业机会。他提到，现在AI主要还在“说话”，接下来AI真正要“干活”，越来越多的算力也将会用在解决问题上。AI不可避免地将取代一部分“存量工作”，又会创造更多“增量工作”。

范凌常会思索AI带来的治理风险，以前他是一个“公有云”的忠实信仰者，现在开始思考是不是有必要把数据储存在硬盘？企业、机构乃至个人如何保护自己的数据资产？私有数据和公有数据的关系如何平衡？大模型又如何避免形成“知识寡头”和“信息寡头”？

近日，范凌接受记者专访，他讲述了AI时代特赞科技究竟在做什么，有何短期和长期目标，也阐明了自己对AI飞速发展的观察和担忧。

【对话范凌】

：特赞科技是模速空间“北斗七星”之一，可能有一些人尚不了解特赞是什么样的企业，请简单介绍一下你的创业历程和公司的创立初衷？

特赞科技，上海“模速空间”七家人工智能龙头企业“北斗七星”之一，专注“内容+人工智能”。

范凌：我是一名创业者——特赞科技创始人；也是一名教师——同济大学设计创意学院教授。

特赞的英文名叫Tezign，即Tech+Design，是技术和设计的结合，因为我一直想做的事情就是把科技带到创意领域里。我父母是艺术家，我自己是理工科出身，在我身上有一颗艺术的心和一个工程的脑。我一直在思考，如何把“心”与“脑”的距离拉近，它像是我的一个使命，这也投射在特赞科技上面。

如果换一种说法，人有左脑和右脑，左脑关心更高、更快、更强，右脑关心人文、设计、艺术等等。目前人工智能可能大部分的精力都在“左脑”上，人工智能的“右脑”潜力还没有被充分挖掘出来。特赞在做的，也是关于内容创意如何与技术创新结合并释放生产力的试验。

：特赞科技如何将技术和创意融合，公司核心业务具体做什么？

范凌：特赞科技的核心业务是围绕“内容数据与人工智能”。我们构建了企业级的创意内容数字新基建（Enterprise AI+Content Platform），围绕企业内容资产，打造企业内容的管理、积累、生产、分析的数字化平台，提升品牌内容资产的生产与流转效率。

特赞科技的业务架构和产品。

很多企业有自己的数据库，有数据内容从0到1的积累，而在生成式AI出现之后，我们能够更好地帮助企业完成从1到N的数据管理、分析和分发。企业的原始数据和内容往往是非结构化的数据，我们把企业的“内容、效果数据、内容标签”三者打通，可以帮助企业批量化生产内容，让内容更高效地和社交平台、触点发生关系；同时，帮助企业形成内容的分发和反馈分析报告，提高营销效率。

从品牌角度看，内容应分为两类：0到1的内容和1到无穷的内容。0到1的内容，应该用来传达品牌文化、品质和价值观。这部分内容可以由人和AI共同完成，人起主导作用。而1到无穷的内容，如果没有AI是无法实现的，这类内容会在各处与消费者产生转化，内容量要庞大到铺天盖地，并以高质量内容不让消费者感到被骚扰。

：你非常关注内容推理，能否稍微解释一下内容推理？

范凌：“内容推理”是基于已有内容信息进行理解、分析、判断甚至预测的过程。内容推理模型的训练依赖大量高质量的标注数据。数据标注是智能化进程中很基础，但也是很麻烦的活儿。每个人的语言体系不同，对同一个事物类似的感知也会用不同词汇描述，有的人称赞“可爱”，有的人则称之为“萌”，因此要对标注数据之间做相关性和等价关系的匹配。

特赞积累了大量标注数据，已形成创意设计的基础开源数据集，还与行业合作建立了垂直数据集，包括快消、食品饮料等行业。基于这些垂直行业数据，AI才能更高效地理解并优化内容与应用场景之间的匹配度。

今年4月，我们最新发布了atypica.AI智能体框架。它是基于Creative Reasoning推理技术，模拟非结构化决策路径。这是一个通用的商业智能体，我们希望它能够分析商业领域中各种复杂的问题。

2025年4月，特赞科技最新发布了atypica.AI智能体框架。

：从技术上看，目前很多企业非常关注多模态大模型。对你来说，未来3~5年你会特别关注AI的哪些变化？

范凌：我觉得过去这两三年关于人工智能的投入大都在基础模型上，基础模型消耗了90%甚至更高的算力。而基础模型的竞争，也相当于对算力和数据的竞争，这方面竞争所带来的红利可能要慢慢消退了。

接下来3~5年，算力会更多被用在解决问题上。如果说以前是在Training（训练）上，后边可能是在Reasoning（推理）上，90%的算力应该要用在Reasoning上了。就像把高速公路建好以后，就要在上面跑车子，跑得越多越好，这些车子才能带来商业和繁荣。未来3~5年，应该是AI赋能各行各业的关键时期。

特赞科技办公区 李佳蔚 摄

对企业而言，还要思考两个维度的问题：第一是你到底想让人工智能帮你解决什么问题？第二是凭什么当AI能解决这些问题了，这家企业还要继续存在？

未来3~5年的一个重要场景，是企业内部的know-how（方法论）要更高效地和大模型展开协作。现在的AI还是在“说话”，而不是“干活”。我们也看到很多企业开始结合各自需求做一些智能体，通过AI调用各种生产工具，接下来就是要开始让AI“干活”了。

多模态大模型，我觉得更是指能调用各种工具的多模态。谁能成功地让人类和工具实现高效协作，谁就能拥有源源不断的商业机会。

：你觉得AI会取代人类工作吗？

范凌：从存量工作的角度来说，一定会取代。如果这个世界不再有更多新的工作了，那么我们的工作会越来越多地被AI取代。但这不会是一个存量问题，而是增量问题。举个例子，当古代的生产工具更新迭代之后，古代人把原来在田里干活的时间用来诗词歌赋，就是创造了新的工作。

所以AI取代了很多存量工作以后，人类自然会有增量的事情去做。当照相机出现以后，画家没有失业，而是去创作照相机拍不出来的画，比如抽象派、装置艺术等等。这个世界日新月异，AI在取代一部分工作的同时，也会创造更多的人类工作。

：如今AI迅猛发展，你会担心AI的风险吗？担心哪些风险？

范凌：以前我是一个“公有云”的忠实信仰者，我觉得所有数据都应该存在云上，不应该存在自己的硬盘里。但现在，当我看到AI处理数据的能力以后，我会非常担心每一家企业或者每一个拥有独特数据的个体的数据安全。一家企业、一家学术机构乃至个人，都有经年累月积累的宝贵数据，如果把这些数据都喂给大模型，它就变成人人都能利用的数据，而企业或个人的数据资产则面临损失。私有数据和公有数据的关系如何平衡？能不能在利用大模型能力的同时，保护一部分私有数据？

此外，当我们问AI一个“问题”，它往往给你一个很有代表性的“答案”。大模型主要依赖于庞大的互联网数据进行训练，这导致它们在很大程度上代表的是“数字可见人群”。而那些远离主流数据生态——比如不使用智能手机、不上网、文化背景边缘化的人群——他们的经验、需求和知识就容易被忽视甚至遗忘。而当AI逐渐被用于公共治理、社会服务等事物时，AI的决策可能也是基于不完整的数据做出的，从而会形成“知识寡头”或“信息寡头”，加剧不平等。总之，AI的发展和治理还有很多事要持续关注。

：从短期和长期来看，公司的目标会是什么？

范凌：短期内，第一件事是加强技术能力建设，将非结构化数据处理好，使其真正转化为企业或组织的数据资产。第二件事是拓展更多用户，开拓海外市场，主要是欧洲、中东和亚洲其他地区。我们也非常重视校企合作，通过共同研究促进人才培养，我觉得人才是关键因素。

从长远目标来看，我们认为人工智能与创造力的结合具有巨大的想象空间，会催生出新的商业模式、组织形式、工具以及标准，特赞希望在这个过程中发挥重要作用，让大家一提到人工智能+创造力的时候，就能想到特赞。