五个核心问题与回答
为什么“敢不敢用”比“好不好用”更先发生？
产品体验和准确率足够好，企业还担心什么？
高敏数据、核心流程和外部行动会带来隐私、责任与安全风险。密态计算、权限、审计和风险证据决定组织是否愿意把真实数据与任务交给 Agent。
算力为什么开始像电网一样被运营？
云计算不是早已解决算力调度吗？
Agent 推理把 Token 变成持续成本，闲时资源、城市级供给和能源条件影响经济性。算力网络试图统一调度异构资源，但必须证明有效利用率、服务质量和结算模式。
场景闭环为什么比技术标签重要？
大模型进入工业、医疗和科研，不就是行业落地吗？
只有进入痛点、完成任务、获得结果并让数据回流，才形成飞轮。华山医院明确反对炫技式 AI，说明高价值行业不会为技术展示买单。
情感与教育 Agent 需要什么额外边界？
长期陪伴和记忆不是越强越好吗？
它们可能改善学习与孤独，也可能制造依赖、误导或隐私风险。产品要保持人格一致、明确非人身份、允许用户控制记忆，并在儿童和脆弱人群场景设置更高保护。
大会结束后应该继续追踪什么？
最后一天还能从大量发布中得到怎样的行动清单？
追踪哪些系统获得真实授权、数据闭环是否转动、单位经济是否成立、安全事故如何处理。展台和签约是开始，复购、运行时长和结果质量才是会后的事实。
沿着对话，回到问题如何展开
林修纯：比起好不好用，更重要的是敢不敢用。
纪要：密态计算和安全模型试图让数据在不可见条件下仍能计算。企业采用还要看性能开销、部署复杂度和审计证据。
黄立昂：算力调度有些像建设新时代的国家电网。
纪要：类比成立的部分是资源发现、调度与计量；不同之处是算力异构、迭代快且需求更不稳定，商业模型仍需验证。
韩燕：进入场景后抓不住痛点、做不成闭环，数据就不能成为飞轮。
纪要：数据不是自然资产。只有与任务结果、错误和改进相关，才能让下一次服务更好。
具身研究者：当 AI 进入机器人本体，错误会影响物理世界，也可能在交互中不断积累。
纪要：这要求动作前推演、运行中监控、异常时中止，并用真实后果更新模型，而不是只做离线评测。
教育与陪伴嘉宾：AI 可以成为学习伙伴或情感补偿，但不应以替代人与人关系为目标。
纪要：长期关系提高留存，也放大伦理责任。尤其儿童产品，成长目标不能被短期活跃度替代。
医疗嘉宾：我们绝不做炫技式的 AI。
纪要：医疗场景要求证据、流程和责任。公共政策还需要为无法主动适应技术的人提供可达性，正如“当技术不能弯腰，政策应该弯腰”。
纪要：四天内容最终把 Agent 从工具推向数字员工、企业经纪人和城市助手。名称可以很大，验证仍应很具体：做了什么、谁授权、结果怎样、出了错谁接管、成本是否可持续。
现场画面
