嘉宾介绍
快问快答
一. 产品与技术
Q. 请提供一段对于公司、产品和创始人的简要介绍。
函子科技成立于2019年，是技术驱动型创业团队，致力于用“无代码+AI"让开发更简单。目前产品已服务超过20万用户，并获得红杉资本、线性资本和奇绩创坛的投资。
函子科技旗下产品Zion（海外版Momen）是全栈无代码开发工具。用户可以利用Zion完成UI、业务逻辑和数据库的可视化设计和搭建，拥有高性能后端来处理复杂的数据交互和高并发的应对，同时支持应用一键部署上线。
创始人蒋耀锴取得英国剑桥大学计算机科学学士，美国卡耐基梅隆大学大规模信息系统技术硕士。专长高性能计算、高容错分布式系统与软件工程，早年在CEM赛道先驱型企业Medallia(已在纽交所上市)任资深工程师。
Q. 如何定义产品的核心价值定位？与通用大模型（如ChatGPT）相比，您的AI应用在垂直场景中解决了哪些独特痛点？
我们有两方面，做copilot部分，基于对于开发的深刻理解，包括上下文获取的策略，工具的选择。对于开发者的心态的深刻理解，包括过程中的反馈，对于产物的细粒度控制。做AI agent的部分，通过降低集成agent的门槛，包括上下文的获取，现成流程的复用，以及类型系统的整合，让AI agent的搭建和变现变成更多人触手可及的能力
Q. 在数据整合与应用中，如何应对企业数据孤岛、格式差异及实时性要求等挑战？
面向我们的客户，各种初创的小客户，我们传递的信号是利用多模态大模型本身做数据预处理，配合固化的流程和固定的数据库结构，把数据结构化
Q. 如何平衡生成式AI的创新能力与输出可靠性？在降低“幻觉”风险方面有哪些技术或流程保障？
在zion中，我们是可以结合固定流程和大模型处理的。并且也引入了人工审核机制。另外在无代码copilot方向，我们也会引入实时的视觉反馈，作为人工审核的凭据
二、市场与商业化
Q. 面对通用大模型厂商的竞争，如何构建差异化护城河？是否考虑与基础模型厂商形成生态合作？
控制好自己的边界，并且针对我们自己的场景优化（让非技术型创始人可以做自己的产品）。永远根据性价比和功能（模态、输出、工具等）来选择模型。
Q. AI应用的定价策略如何设计？是否存在从“按调用量付费”向“价值导向定价”转型的趋势？
对于我们来说，没有。因为我们不是提供一个“解决方案”，我们提供的是基础开发功能，很难预测每次调用给每个用户带来的价值。
三、伦理与社会影响
Q. 在AI产品开发中，如何应对伦理风险（如数据偏见、深度伪造）与监管合规要求？
去一个监管不麻烦的地方卖。而且我们是利用AI做开发（伦理风险低）和提供给客户AI的能力（用户自己的责任）。
Q. 如何看待AI技术对就业市场的影响？您的产品是否设计了对“人机协作”模式的优化支持？
一堆人会失业。设计了AI直接制作软件以及利用AI教育用户的流程（案例+解释）。
四、未来趋势
Q. 未来3年，哪些技术趋势将深刻影响AI应用层的发展？您认为“AI管人”与“人管AI”哪种模式更具商业潜力？
降价、降延迟、更多模态输入输出、全双工实时api、world model。人管AI更有价值，因为人担心被开除，人可以背锅，人更能拿捏人，从社会关系来说，路径更顺滑。
- END -