交互范式升级：由“触控/按键”转向“语音、手势、视觉理解、眼动/体感与空间计算”；只要交互成本大幅降低，就有望催生新形态爆品。 底层能力跃迁：端侧AI推理、传感器融合（视觉+深度+IMU）及更高能效的芯片与存储，使设备能“理解你的意图”，而不仅是“响应操作”。 使用场景再定义：从“看视频/听音乐/拍照”扩展为“日常助手化”，覆盖学习、办公、出行、健康管理与家庭中枢等；一旦场景被重构，产品边界也会随之改变。 所以我认为肯定还是有很多机会... 展开详请

不能一刀切。垂域模型在边界清晰、数据封闭的场景里确实更稳，比如医疗诊断、法律文书、工业质检，这些领域需要严格术语和可控输出。但代价是通用能力下降，换个场景就拉胯。通用大模型胜在迁移快、脑洞多，适合探索性任务。关键不在模型本身，而在于你有没有高质量领域数据做微调或RAG。数据质量不行，垂域模型照样胡说；数据做得好，通用模型加知识库也能打。选型时把准确率和成本放在一起看，别为了一点提升牺牲可维护性。... 展开详请