A：我們認為未來AI發展的大機會在於AI能力逐漸向物理世界滲透並獲得實體形態，這使得AI能夠深入到日常生活中執行各種任務，不僅限於機器人，還包括各類智能硬件。此外，智能體進入垂直行業進行改造，可以顯著提升效率。我們公司定位為一個智能物種平台公司，致力於通過AI硬件、機器人服務以及傳統行業深度改造等方式，不斷積累數據和場景經驗，構建一個通用的物理世界大模型。同時，我們在中央構建世界模型（Word Action Model），通過真實場景如行業場景、機器人場景和AI硬件場景來構建數據飛輪，並擁有一支全棧閉環團隊來實現這些目標。

A：我們在差異化定位上更像Fake，因為Fake不僅做了AI助理公司，還專注於垂直領域的人工智能應用。我們的團隊背景多樣，互補性強，既有頂尖的AI科學家，也有具有實戰經驗的業界精英。目前我們在電商業務上有所佈局，並計劃將其轉變為更偏向B端輸出的邏輯，幫助傳統企業在數字化轉型過程中解決實際問題。

A：傳統企業在轉型時會面臨一號位領導層不懂技術或無法有效推動轉型的問題，以及自下而上轉型過程中難以觸及根本的問題。對此，我們采取的方法是從頂層開始推動變革，打破層級壁壘，並通過整合現有資源，例如重新構建體系，替代舊的系統和技術維護人員，從而實現真正的AI驅動的組織變革。

A：我們與合作夥伴合作時，會將新的體系直接嵌入到他們的系統中，並逐漸將整個業務模塊嵌入到不同的合作夥伴裏面。這樣一來，合作夥伴在擁有新的收入來源的同時，原有的人力系統則不再需要，從而實現了成本降低。

A：轉變之後，我們大部分收入將來自購買市場上的token並進行增值和服務輸出。我們向合作夥伴提供統一的嵌入式體系和對應的收費模式，這樣公司的模式變得更輕盈。

A：在AI端側硬件領域，我們最終目標是解決消費者需求，通過提供智能體來滿足需求。例如，在餐廳場景中構建智能體解決方案並與合作夥伴共建，然後輸出給餐廳更加智能的解決方案。

A：通過端側硬件獲取用戶數據並提供智能服務，硬件只是入口，更多通過後期服務來滿足用戶需求。通過占據家庭入口（如機器人），可以延展到家的應用場景，形成商業閉環。

A：在運行商業模式的過程中積累數據，這些數據將成為未來構建大模型或物理世界大模型的基礎，通過技術積累、場景帶動、模型更新和真實數據回流，形成正向閉環。

A：我們計劃在未來一兩個月內實現完全無人化的無人餐廳，並推出外賣服務。同時，利用餐廳的雲技能和語言能力推廣到其他行業如4S店、影院等，甚至跨行業應用到醫療行業。

A：我們希望在2026年前打通各種場景，啓動無人餐廳和綫下展示店項目。到第二階段，預計覆蓋200家餐廳，並與200家生態合作夥伴合作，直至2018年實現更多目標。

A：我們將不斷應對這些問題，與行業內的合作夥伴共同解決供應鏈和量産難題，並通過自己的研發團隊和合作夥伴推動技術研發，定位為物理世界的金融科技公司。

A：技術基座是指我們正在構建的既不是完全虛擬生成也不是基於現實數據的數據模型和智能體，它是一種結合實際應用場景，通過數據采集和智能輸出，旨在服務B端場景、中期成為世界模型的經濟實體，並最終走進千家萬戶。

A：初創公司在數據整合方面具有優勢，大部分初創公司主要通過本體輸出的方式獲取數據，難以跨公司整合資源。而我們在垂直場景和應用上能夠更靈活地切入，速度相對較快。此外，由於AI硬件和機器人領域並非完全壟斷，且用戶需求多樣，初創公司有機會在特定領域和産品上取得突破。

A：我們的發展路綫是從較小的領域如AI影像或玩具開始，收集用戶數據用於訓練模型，然後逐步擴大應用場景。相比傳統硬件廠商，創業公司在提供軟硬件結合的産品及後續商品服務方面更具優勢，能夠更好地解決用戶實際需求，並通過平台方式將商品和服務結合起來。

A：我們計劃通過合作的方式，在特定場景如餐廳進行大量數據采集，並設立專門的訓練場地進行深度學習訓練。與當地深度合作的本地公司共同探索如何在半自動化環境中解決剩余問題，實現真正意義上的數字化解決方案。餐廳場景具有標准化程度低、食安問題突出的特點，這些都適合由機器人來解決。而且隨着連鎖餐飲業的發展，廚師和服務人員的素質難以保持一致，而機器人成本相對較低，可在單位經濟模型上取得顯著經濟效益。同時，西餐標准化程度較高，也適合采用類似的方式進行數字化改造。

A：目前我們已經有一個視頻展示了在餐廳環境中，雙臂協作的機器人進行烹饪工作的場景。通過加入智能體，機器人能模仿人的學習方式，根據實際情況調整動作，甚至能通過嘗試和學習來改進錯誤。