创新创业可以问的问题-创新创业提出问题-关于创新创业的问题及解决方案

am928 · 发表于 2025-4-7 14:08:26

———— / BEGIN / ————

分享嘉宾：迅雷创始人、松禾远望基金创始合伙人@程浩

大家好，我是迅雷的创始人程浩。如今我专注于科技领域的投资。今天我想和大家聊一聊人工智能领域的创业与创新情况，其中包括怎样去选择赛道，团队应该如何搭配，还有怎样去应对巨头带来的挑战。

我从投资人的视角出发，给大家总结出了人工智能创业所涉及的 6 大核心问题。

第一个问题互联网 vs 人工智能

如果今天大家选择创业，我建议大家更应把关注点放在人工智能上，而不是互联网。

为什么这么讲？

1. 互联网的流量红利已经消失

从 PC 的角度来看，全球 PC 的出货量在连续的 5 年里呈现下滑的态势；大家清楚国内最后出现的那一个 PC 互联网独角兽究竟是谁吗？

知乎大概在 2011 年初推出。这么多年过去了，一直没有再出现 PC 互联网的独角兽。

做个类比，我们了解到 2015 年移动互联网的渗透率以及竞争程度和 2011 年的 PC 互联网是相似的；由此类推，2015 年之后再去做移动 APP，也很难诞生独角兽了。

中国连续两年手机出货量都在 5 亿多台。出货量增长放缓。这代表着无线流量基本已走平。你多卖出一台，我就会少卖出一台。这是一种存量竞争的状态。

今天的创业者若要再做一个纯粹的互联网 APP，投资人首先询问的问题便是如何获取客户。因为在当前这个阶段，流量的格局已经确定下来了，而在首屏上也就只有那几个 APP 而已。

2. 互联网+的机会同样有限

互联网的最大价值主要在于能够解决信息不对称以及实现连接。正因如此，它对于电商而言特别有价值。

淘宝通过皇冠、钻石等信用体系解决了信息不对称的问题。同时，它还把全国众多的买家和卖家连接在了一起。这就是互联网的价值所在。

但很多行业信息和连接并不是痛点。

以医疗为例，中国的三甲医院大夫数量是有限的。即便将全国 13 亿人民都与这些大夫连接起来，也无法改变实际情况。因为一个医生在一天内所能看的病人数量是固定的，不会因为连接的人数增多而改变。

互联网没有提升医生看诊的效率；在像餐饮、医疗这类传统领域，互联网给予的帮助较为有限。

滴滴打车也包含在内。互联网解决了打车难的问题，然而却没有解决打车价格的问题。实际上，当补贴被取消之后，大家都察觉到滴滴一点都不便宜。其中的道理很简单，无论是专车还是出租车，都需要人来驾驶，人工成本降不下来，就不可能实现价格的便宜。

真正能够提升社会生产力的是人工智能，能够解决供需关系不平衡的也是人工智能。

人工智能会给社会生产力带来提升，这种提升以及对人类产生的影响，会比互联网带来的要远远超出很多。

以医疗为例，许多基层医院的水平并不高，那么在未来，完全可以借助人工智能来辅助医生解读 CT、X光等医疗影像。

今年，皮肤黑色素瘤的诊断准确率提高到了 97%，这个准确率远远超过了人类专家 75%至 84%的平均水平。

未来，在无人车、机器人、医疗、金融、教育等诸多领域，人工智能都将爆发巨大的社会效益，这一点是毫无疑问的。我觉得下一波大的趋势和红利并非是互联网+，而是人工智能+。我提议现在的创业者应当更加关注人工智能领域的创业机会。

第二个问题人工智能 vs 人工智能+

人工智能主要分为三层。其中最底层是基础架构，此基础架构包括云计算以及芯片等这样的框架。

基础层之上是中间层，此中间层被称为通用技术。像图像识别、语音识别、语义理解以及机器翻译等都属于通用技术。

基础层和中间层，是互联网巨头的必争之地。

在芯片领域，Intel 投入了巨资，英伟达也投入了巨资，高通同样投入了巨资，并且竞争十分激烈。

云计算、框架也是一样，都不是小公司能够涉足的领地。

现在 BAT 对中间层的通用技术极为重视。大家都相信人工智能将会是下一波工业革命的浪潮。

对于腾讯、阿里、百度这些巨头而言，若要在大浪之中屹立不摇，就必须构建出人工智能的生态系统。而其核心在于要依靠这些技术。

相比创业公司，BAT的最大优势是什么呢？

不缺数据；

为了构建自己的生态系统，未来通用技术一定全部是免费的；

通用技术是免费的，然而 BAT 存在着羊毛出在身上的猪的机会。这种情况属于典型的互联网打法。

这里的猪是什么？猪就是云计算。

百度的 ABC 策略，其中的 AI 代表人工智能，Big Data 代表大数据，Cloud 代表云计算。我可以让 AI 不赚钱并开放给大家，倘若大家想要享受我的服务，就可以来购买我的云。

对于创业企业而言，仅仅从事图像识别、语音识别、语义理解、机器翻译这些通用技术方面的工作，并且期望凭借 SDK 来获取收益，那么其未来的发展道路将会越来越狭窄，尤其是在面临 BAT 都免费的这种压力之下。

所以从这个角度来看，创业公司去做下面的两层，风险是比较大的。我觉得创业公司的机会处在最上层，即利用下两层所取得的成果，去为垂直行业提供服务，也就是我们所说的人工智能+。

第三个问题人工智能+ vs +人工智能

深入垂直行业的人工智能+，可细分为以下两类情况：一类是“人工智能+行业”，另一类是“行业+人工智能”，这两者之间存在明显的区别。

客观来看，这两个类别都存在创业机会。然而，“AI+行业”这一类别，由于它是一条全新的产业链，创业公司与互联网巨头实际上处于相同的起跑线上，而巨头们则拥有数据方面的优势。

从这个角度来看，“行业+AI”对创业公司较为友好，并且更容易构建起壁垒。

我认为，未来行业壁垒会成为人工智能创业中最大的护城河。因为每个行业都有着垂直纵深，即便 BAT 的技术稍好一些，但这并不是关键所在。

以医疗+AI为例，最重要的是什么呢？大量且准确的、被医生标注过的数据是最重要的。如果没有数据，即便再是天才的科学家，也没有施展才能的地方。

但在国内，获取这个医疗数据是很困难的。所以，BAT在做医疗方面没有任何优势，因为他们要从各医院、各科室把这些数据弄出来，这是一件很费力的事情。

如果一个创业者在医疗行业已经耕耘了很多年，那么或许他拿起数据来会比大公司更轻松。创业者在医疗行业耕耘多年后，拿起数据可能比大公司更具优势。一个在医疗行业耕耘多年的创业者，拿起数据或许比大公司更容易些。

这要求创始团队的合伙人中，必须有懂行业、有行业资源的人才。

这如同互联网+那般，一旦细化到特定的行业，并非意味着只要你是百度、腾讯，拥有资金且有流量，投入人才就能做任何事情，比拼的还有行业所具备的资源以及人脉。

跟大家聊这个话题的原因是，前段时间去了百度大学并与大家进行了交流，在交流过程中他们提及了百度人工智能在无人车方面的应用，并且还询问我人脸识别在国内安防领域的应用价值是非常大的。

海康威视的市值接近 3000 亿人民币，每年的净利润将近 100 亿。

百度在 AI 方面是否应考虑进军该领域呢？我给出的回答是千万不要。因为安防属于典型的且具有巨大壁垒的“行业 + AI”领域。

即便百度的技术较为出色，在人脸识别率方面比海康威视高出一个百分点（实际上未必如此，海康背后有数百人的 AI 研发团队）。然而，这并不意味着百度就能够取代海康。因为安防属于“非关键性应用”（non--），假如有 100 个犯人，我识别出了 95 个，而你比我多识别了一个达到了 96 个，其实这并没有那么重要。

而反过来，海康对比百度有什么优势？

海康从事摄像头的生产，让自己的硬件运行自己的算法，这是很自然的情况。如同苹果手机那样，软硬结合能带来更好的体验。

其次，海康从事安防工作已多年，在此过程中积累了数量极为庞大的数据，其中包括人脸的数据以及环境的数据等。在安防这一领域，海康具备数据方面的优势。

海康为公安系统制作了诸多类似警务通的东西，也有基站信息采集相关的内容，还有视图档案管理等 SaaS 平台方面的事物，同时还有警用云系统。我们能够认为，公安系统的 IT 化进程里，有一部分是由海康威视参与其中的。

这些东西或许不能带来盈利，但却为海康构筑了壁垒。原因在于底层的基础设施是由我建设的，所以前端的东西就只能选用我的。（我能够找出 100 个理由来说明竞品与我不兼容。）

海康已经做了很长时间，积累了诸多客户资源。尤其在政府公安局方面的资源较多。开拓这些资源是很需要时间的。

这些被称作行业纵深。因此，即便对于 BAT 来说，在想要进入“行业+AI”这个领域时，在选择垂直赛道的时候，也必须要十分谨慎。

在巨大的行业壁垒的影响下，并非仅仅因为我的算法比你好一点，市场就会属于我。目前，技术优势方面仍然存在很大差距。

回归“AI+行业”以及“行业+AI”。一般而言，前者的行业纵深相对较浅，然而后者却存在巨大的行业壁垒。而这行业壁垒，既是创业公司最为重要的护城河，也是抵挡 BAT 的关键所在。

第四个问题关键性应用 vs 非关键性应用

谈到人工智能领域的创业时，很多人存在一个误解。他们认为，如果自己的团队没有一位顶尖的科学家，像斯坦福或 MIT 的博士在其中坐镇，就不好意思说自己在人工智能方面创业。

其实这个认知是完全错的。

在人工智能领域，算法的重要性完全取决于你准备进入的行业。不同的行业对算法的需求和重视程度各不相同。有些行业可能高度依赖算法来实现高效的数据分析和决策；而另一些行业可能对算法的需求相对较低，但仍然需要一定程度的算法支持。因此，不能一概而论地说算法有多重要，而要根据具体的行业情况来评估。

根据不同的行业和应用场景，我认为人工智能的创业本质存在一种和非一种之分。为了便于大家理解，我们将其简称为“关键性应用”以及“非关键性应用”。

“关键性应用”需要追求 99.9……%之后还有很多个 9。如果做不到这一点，就无法实现商业化。

比如：大家认为，99%可靠度的自动驾驶能上路吗？

肯定是不可以的，这意味着每 100 次就会有 1 次事故发生。99.9%也是不行的，每 1000 次才会有 1 次事故。

一定要记住：99%与 99.9%的可靠度之间的差距并非 0.9%，而是要反过来进行计算，这个差距是 10 倍。手术机器人也是如此，虽然听起来 99.9%的可靠度已经很高了，但实际上意味着每 1000 次操作会出现一次医疗事故。如果放在美国，医院很可能会因为巨额索赔而陷入破产的境地。

“关键性应用”领域是那种绝对不能出现丝毫错误的人工智能领域，一定要有技术大牛、科学家或者算法专家来坐镇。

同时，这类项目研发周期都很长。

以色列有一家做 ADAS（高级驾驶辅助系统）解决方案的公司，今年 3 月被 Intel 以 153 亿美金收购了。

大家知道这家公司的研发周期是多久吗？这家公司成立于 1999 年。到 2007 年，他们推出了首款产品，并且挣到了第一桶金。

长达8年的研发周期，这在互联网创业里不可想象。

谷歌无人车从 2009 年开始进行研发，到如今一直未曾实现商业化；达芬奇手术机器人在启动研发之后，到 2000 年才拿到美国食品药品管理局（FDA）的认证，这期间花费了十年的时间。

“关键性应用”具有普遍特点：项目的价格通常较高；研发周期极为漫长；与金钱的距离非常远；需要具备持续的融资能力。

团队要具备持续融资的能力，首先需要有非常好的简历，其次还需要有非常好的背景。这两者是能够持续融资的必要前提。

大家可以看到，如今做无人驾驶的创业团队都具备较高的条件。因为如果不是具备良好的条件，就难以坚持到产品真正实现商业化应用的那一天。这些条件包括拥有较高的素质、丰富的资源以及良好的形象等，就如同“高富帅”所代表的那样。

当然，如果在人工智能领域都属于“关键性应用”，那么大多数创业者就没有参与的机会了。实际上，在人工智能领域进行创业，其中 95%的情况都是“非关键性应用（none--）”。

简单来说，对于这些领域，AI 的可靠度只要达到了基础线，无论是高一点还是低一点，其区别都不是很大。

现在很多公司的门禁开始采用人脸识别技术。你今天佩戴帽子，明天戴上墨镜或者口罩，这样的情况下，识别率难以达到 99%。

即使没有被识别出来也不要紧，因为所有带有人脸识别的门禁都设置了让你按指纹的地方；就算指纹也无法刷进去，那也没什么大问题，公司不是还有前台吗？

这就是“非关键性应用“。

这类项目不追求那后面有很多个 9 的 99%。实际上，在国内人工智能和机器人方向的创业中，大部分领域都属于“非关键性应用”。

当然不能说在这个领域算法不重要，天天都认不出来是不行的。所以必须要达到基础的可用性门槛，偶尔出现问题是可以被容忍的。而“关键性应用”则不能容忍出现问题。

非关键性应用不追求高端大气上档次，而是简单、实用且性价比高更为重要。这样的项目通常会比拼综合实力，具体包括以下方面：

对行业的洞察理解。要熟知行业痛点；

产品和工程化能力。光在实验室里搞没意义；

成本控制。不光能做出来的产品，还得便宜的做出来；

供应链能力。不光能出货，还要能批量生产；

营销能力很重要。产品生产出来后，需要将其销售出去。团队中是否有营销方面的高手，以及能否搞定最佳的销售渠道，这是关键所在。

大家在创业组团队时，要想好所选择的赛道所属的领域。不同的赛道对团队的要求存在差异。“关键性应用”需要有技术大牛来坐镇。“非关键性应用”则要求团队更加综合且全面。

第五个问题技术提供商 vs 全栈服务商

现在许多人工智能创业者具有技术背景。他们创业的首个想法往往是成为技术提供商。技术提供商可以作为创业的敲门砖。然而，倘若仅仅将自身定位为技术提供商，那么未来的道路将会十分狭窄。

纯粹的技术提供商，没有未来

为什么说未来只做技术提供商价值会越来越小？

原因有几点：

通用技术必定属于大公司的领域，BAT 未来肯定会实行免费政策。

大公司会免费提供机器翻译等服务，你还打算通过 API 调用来赚钱吗？

也许现在还可赚点小钱，但很难成为一个长久的生意。

2. 依托于算法的技术壁垒会越来越低。

未来，基础计算平台和开源平台会日益丰富成熟。在此情况下，技术方面的壁垒会逐渐变得不那么明显。并且，整个人工智能的技术准入门槛也会越来越低。

2008 年时你想找到一个 IOS 开发者是很困难的；而现在找到一个 IOS 开发者却很容易；所有技术的演进都遵循着这样一种规律。

今天各大学的计算机专业都纷纷开设了机器学习课程。特别的是，这使得未来人才不会短缺，并且还会拉低整个行业的进入门槛。

随着谷歌等生态系统逐渐成熟，在很多领域都能找到训练好的模型以供参考，这样做出 Demo 会更加迅速。对于创业者而言，只要拥有足够的数据来训练参数就可以了。

未来算法的壁垒会逐渐降低。倘若这个公司的核心竞争力仅仅是算法，那么这会是十分危险的。

技术提供商若不直接面向用户或客户提供整体解决方案，那么就很容易被上下游所碾压。

技术提供商和算法类公司如果技术壁垒不够高，那么上游很有可能会直接去做这些事。

这样的例子比比皆是，比如给海康威视提供人脸识别算法的公司。

问题在于：海康在使用你的算法时，他们自身拥有庞大的研发团队在对自己的算法进行研究；当下使用你是因为他们还未做好准备，而一旦他们准备好，就会立刻将你替换掉。

即使在有一定技术门槛的行业，技术提供商的日子同样并不好过。

大疆无人机一直专注于嵌入式的视觉处理芯片。他们一直在使用自己的芯片。自从大疆统治了消费级无人机市场后，大疆现在很自然地开始研发自己的芯片。

芯片的技术壁垒按理来说并不低。然而，只要行业的集中度较高，那么赢家就会做出通吃的选择。

比如做手机的厂商，出货量到了一个阀值，都有动力自己做芯片。

苹果选择了自己做手机 CPU，三星选择了自己做手机 CPU，华为选择了自己做手机 CPU，现在的小米也选择了自己做手机 CPU，所以联发科、高通这些技术提供商，其实是挺痛苦的。

这是一个产业链通用的规律：产业链上的垄断者会将所有利润吞噬掉。并且，他们有着极为强烈的动力朝着上游或者下游进行扩展。

以 PC 产业链为例，内存不赚钱，硬盘不赚钱，整机不赚钱，显示器也不赚钱。那钱被谁赚走了呢？实际上，Intel 却赚取了绝大部分的利润。

“一横一纵”理论

既然做纯技术提供商没有出路，那怎么办？

前期做技术服务可以，但是不能一辈子做技术服务。

“一横”指的是你所提供的技术服务。一般来说，“一横”能够为很多行业提供服务，你需要找到一两个你认为最具市场机会且最适合你的垂直领域，深入扎根其中去做“全栈”工作：将技术转化为产品，接着搞定用户并将其卖出，以实现商业变现，然后通过商业反馈获得更多数据，从而更扎实地提升自己的技术。

要做技术，这是一方面；要做产品，这是另一方面；要做商业，这又是一方面；要做数据，这也是一方面。将这四位一体都做好，就是“全栈”，这就是“一纵”。而只有这样，才是健康的商业模式。

在垂直外的行业，由于不存在利益冲突，你依然可以踏踏实实地从事技术服务。如此一来，在商业方面，你能够深入理解一个垂直行业；在技术层面，你还能够借助横向合作，构建出更多的数据回路，进而强化你的技术。

这个就是“一横一纵”理论。

如何选择垂直领域？

对于技术创业公司而言，从“一横”迈向“一纵”的过程中，要选择哪个垂直领域，取决于以下 5 个关键因素：

1. 市场空间够不够大？

做垂直领域的全栈，还是做横向的技术提供商呢？这取决于哪个市场空间更大。如果能找准垂直领域，即便只占据一点点市场份额，也有可能比做“一横”（即横向）且全部归自己的收益要大。

以美图公司为例，它拥有美图秀秀、美拍、美颜相机等 APP。并且，它还会与众多手机厂商展开合作，为其提供相机拍摄时的美颜效果。你可以将此理解为技术服务。

研究 2016 财报之后，大家知晓美图秀秀所选择的“一纵”是什么吗？

有一款手机是美图手机。前面所提及的那些技术服务，与垂直专注于做美图手机相比，在赚钱方面相差甚远。

美图手机在公司营收中占比达 93%。去年美图手机的销量约为 74.8 万台。其销量仅占国内手机市场全年销量 5 亿多台的不足 0.15%。

2. 行业集中度如何？

做“一横”技术提供商时，最为担心的情况是：你的上游或者下游呈现出过度集中的态势，再者说，头部效应越是明显，那么对于技术提供商而言就越处于不利的境地。

举个简单的例子：

IDC 时代，HP 厂商卖服务器，是直接卖给各 IT 公司的。DELL 厂商卖服务器，也是直接卖给各 IT 公司的。大家的日子都过得很滋润。

但2010年之后就很难做了，因为云计算出现了。

提供云计算的厂商数量较少，用两只手就能数完。同时，头部效应十分显著，仅阿里云这一家就占据了 50%以上的份额。

如果你是技术提供商，要与如此垄断的行业进行谈判，那么你会发觉自己没有任何筹码。

现在的情况很悲催。假如我是阿里云，让你列出 BOM 成本的话，我只会给你 5%或者 10%的利润，这样的话，这个生意就很难做下去了。

在这种情况下，你当然有意愿也往上游走。

但带来的问题是什么？

上游集中度高意味着这事的壁垒高。你作为技术提供商想往上走，也会很困难。如果上游集中度低或者客户很零散，那对你来说就是件好事。

但是你往上游走的动力并不大。因为这个市场原本就较为零散。即便你杀进这个市场，或许也只能获得 1%的市场份额。并且这样做会让 99%的人都成为你的竞争对手。

这是个悖论。

3. 技术是改良还是革命？

如果你的技术创新在这个垂直领域具有革命性，那么你就更有机会迈向上游。倘若只是改良性质的，那你就老老实实地在下游赚取一份辛苦钱便罢。

颠覆性的东西越有机会往上游走。因为上游越离不开这种东西，也就意味着这种东西有机会去做上游的事。

打个比方，假如你能提供一个能“待机一礼拜”的电池，那么你就可以考虑去制作手机。你的手机有这样一个特点：一星期都不需要充电，并且在全球范围内是独一无二的！仅仅这一个特点或许就已经足够了，因为这项技术具有革命性的意义。

如果是改良性的技术，比如你的电池待机仅仅比之前多了 10 到 20%，那么你就还是老老实实地去卖电池吧。

4. 双方壁垒谁更高？

技术提供商存在壁垒，上游客户也存在壁垒，而这两者中哪个壁垒更高，会对做“一纵”的成败产生决定作用。

以比较热门的直播平台为例，如今都具备美颜功能，像能给女孩长出个耳朵那样的情况，这种通常是由第三方提供的技术。

技术本身的壁垒不算高，许多公司都能够提供。这些公司提供的产品或服务效果存在一些小的差异，而你在其中并没有明显的优势。

可是直播的壁垒相当高。这件事存在网络效应，用户数量越多，就越能吸引更多的美女主播，因为这样能赚到更多的钱。而美女主播越多，又会带来更多的用户。同时，要舍得花钱，这就需要很多资金来购买流量以及签约很厉害的主播。所以，这个事的壁垒是很高的。

你作为技术提供商，其壁垒并不高。在这种情形下，技术提供商即便只能赚取一些辛苦钱，然而依然完全没有能够往上游发展的机会。

5. 到底跟团队基因相符不相符？

能做技术服务，不意味着就能做垂直解决方案和全栈。因为团队不一定具备行业经验，这是一个很大的问题。

亚马逊的无人便利店 Go 面世之后，国内有不少技术团队有提供类似技术的想法，还有些技术团队甚至想打造 2C 模式的便利店。

和他们聊完之后，我都会建议他们再斟酌一下。即便你的技术很出色，然而对于用户来说，当他们购买东西的时候，会去关注这个便利店是有人还是无人的情况吗？

不会，这不是优先选项。

他首先考虑的是哪个便利店离自己更近，同时还会考虑自己想买的东西这个便利店是否有。

从这个意义上来说，这重新回到了零售的本质。因此，如果团队不具备零售的基因，也没有懂得零售的人，那就不要去考虑自己开设便利店的事情。

这时候，很多人可能会问“那我找个懂行业的高管不就行了么？”

这事并非简单。如果 CEO 不了解行业本质，那么靠一个高管去弥补是很难做到的。

我极其相信基因决定论。倘若任何一个新的商业，只要 BAT 找来一个懂得该行业的高管就能够搞定，那么中国互联网的生意就会全部属于 BAT 了，也就没有创业公司的任何事情了。

BAT，其中一个致力于做搜索，另一个专注于做电商，还有一个着力于做社交。实际上，他们三者都对彼此所从事的领域进行了尝试，然而最终都未能取得成功。

大家能做的事情以及不能做的事情，与这个公司的基因有着高度的关联。大家所能做的和所不能做的，和这个公司的基因紧密相关。大家能够做与不能做的事，跟这个公司的基因高度相关。

第六个问题2C vs 2B

科技成熟需要一定时间。从技术普及演进的角度来看，几乎都遵循着先是从军工（航天）开始，接着到政府，然后到企业，再到 B2B2C，最后到 2C 的规律。

不成熟的2C市场

人工智能也一样，目前人工智能在2C市场还不是很成熟。

简单来说，在个人消费者市场中，出货量较大的机器人有 4 类产品。一类是扫地机器人，另一类是无人机，还有一类是 STEAM 教育类机器人，最后一类是以亚马逊 ECHO 为代表的智能音箱。

为什么2C市场早期的普及有一定的困难，简单讲几个原因：

1. 产业链不成熟

我要做一个创新的东西，这个东西的成品包含 10 个部件。每一个部件都需要自己亲手去制作。由于出货量不大，所以每个部件都无法形成规模效应。因为没有规模效应，就使得每个部件的成本都很高。那么最终做出的成品价格一定也会很贵。

这是非常大的问题。

2. 2C是额外花钱

这是一个很重要的问题。2C 端的用户需要自掏腰包且额外花钱，因此他们通常对价格较为敏感。如果产品价格很贵，那就会成为一个很大的门槛。

3. 2C产品的用户期待度高

用户买了这么贵的东西，自然对产品的期待度会更高很多。

大家觉得我买一个机器人回来后，期望它能具备多种能力：既能唱歌，又能跳舞，还能聊天，同时能清洁，并且能讲英语。

但这是不现实的，现在的技术成熟度离此还有些远。

		自动登录	找回密码
密码			立即注册