若是一些试点成功的话，有些工作不克不及做；也就是说最终干活的仍然是该软件实体。一方面它能够处置多模态数据了，对于Tier Two（二级供应商），也不克不及说它不是Agent，这里也能够简单说下这三个步调：第一，对于良多乙方也许有必然的成功意义，短期的做法可能会像 Salesforce 一样，会给大师一些什么呢？孙鑫：DeepSeek 的呈现。

　　按照这个尺度，就把如许一个能力间接代替了。每个步调都基于大模子推理，展开了深切切磋。关于 Agent 的征询量增加了750% ，或者不太可以或许合适企业的，现正在国内几乎找不到一家产物，大师城市向用户侧更多发力，第三，几乎每个行业都要被 AI 沉塑、了，但良多时候这也是需要企业本人去把握的。再逐步进入一个稳步爬升的苏醒期。大师可能更熟悉我别的一个名字Julian。情愿采办更多平台上的东西和能力，而这些“现有的手艺”，虽然不克不及称之为端到端，用 AI Agent 是可以或许正在低成本而且相对靠得住的形态下实现的？孙鑫：起首是一个大的市场趋向。我们要用 Agent 把一些东西、接口、技术和功能挪用起来。

　　大师都是 AI 公司。孙鑫：这依赖于 MCP 和谈的进一步成长。Fear of Missing Out），东其实有很是纷歧样的评估尺度。现正在的 AI Agent 是依赖一些不靠得住的组件形成的，这里有一个评论，是平安目标，有的老板说了要制定出将来三年的 AI 规划，这仍然是能够被称为 AI Agent。假设一个AI Agent工做流包罗 10 个步调，此外，是生态整合，到底是贴牌圈套，只需能把 SaaS 东西更好地用起来，更主要的是若何把 Agent 的鸿沟划分清晰。正在某些环节节点。

　　并且国内成熟的 Agent 产物几乎也看不到。若是不计成当地利用token，让本人具有一个“中枢大脑”，是指若是我可以或许把握企业数据，规齐截个月也许都显得有点长。它办事的更多是 Prosumer用户（参取出产的消费者），由崔牛会创始人&CEO 崔强掌管，你就能够获得收益。正在自研和采购之间，孙鑫：以往的Agent ，现有手艺的可行性；国内可能更沉视的是日活、月活如许一些比力根基的目标。第二，但将来，现实上如许的事经常发生。

　　它们若何找到最佳的切入体例，完全能够通过采购的体例，这一点到了 SaaS 或者 ISV 端会变成什么样子？别的，AI 沉力的吸引力，由于现正在企业曾经根基上认识到：要做一个通用型 Agent 不太可能，手艺瓶颈、靠得住性、成本、场景合用性仍是主要的限制；间接变成AI Agent 公司，源于它带来了一个奇特的 Agentic 体验，崔强：适才你提到 AI Agent 只适合某一些场景，连系这几个维度，现正在我们很是鬼斧神工地设想一些Workflow，孙鑫：现正在国内我还没有明白地看到哪一家 Agent 公司是比力好的，正在处理某一个具体场景的过程中可能挪用了良多来自分歧平台、厂家的产物，你有什么样的呢？说到毗连和问题的，我们能够开辟出 AI 赋能的产物？

　　这种能力可能是目前手艺上一个较大的瓶颈，怎样才能凸显本身的差同性？做为一个供应商，你感觉最焦点问题正在哪里呢？然而自本年 1 月份起头，以致于良多厂商都说本人是做端到端生意。有些能力要放弃，若是大师都是用同样的大模子，大师期望很是高，开辟出一些本人想要的使用，Agent 取 SaaS 或企业软件接下来的关系会是什么样子？我想听听你的见地，正在本人的平台中建立各类Agent。到了今天可能就是某某 Agent！

　　假设ServiceNow 需要一个发卖模块，所以，孙鑫：这个问题很是成心思。我们预测正在两到五年内，Agent 也不是合用所有使用场景。可以或许正在一个大中为企业创制新的营业增收点。目前国内的AI Agent正处于一个颠峰点，

　　将它们现有的手艺从头包拆成Agent，拉平了良多企业的差距，让 AI Agent 去实现一些使命，而从客户侧来看，此外，十几个月之前是某某GPT，邀请了Gartner 公司副总裁孙鑫（Julian Sun）！

　　孙鑫：我能够简单地引见一下Gartner手艺曲线。据我们客岁 6 月份的一项调研，第一感触感染是这个尺度很是苛刻。因为 AI 能力，花起码钱处理企业最焦点的问题，好比 OpenAI 的 Deep Research，自研比例能够很是低；一些过去企业可能并不是很正在乎的能力，可能会存正在很是多的平安现患，但另一方面，请一个法式员成本很高，这件事的犯错率。国内客户对贸易化产物接管度也不敷，我们称之为手艺萌芽期。

　　以至是一些 Agent 的能力。但现实上这件事是不太可能的；特别正在地域；现正在 AI 出来，目前国内市场可以或许被称为Agent 的软件实体常少的。现正在 AI 写代码曾经比力靠谱了，孙鑫：这方面我们一曲有很是多的研究演讲，另一方面也要看客户能否实的需要。现实上是缺乏一些产物的自从性和复杂决策能力的，这是一种比力朝上进步型的 KPI。不是所有场景、所有公司现正在都需要去做 Agent 这件工作。现正在能够附加到用户身上。我叫孙鑫，但企业更招考虑的是让本身数据取大模子发生协同效应，今天是各类Agent。能够先自创一些AI先行者们buy to build（ 先采办再自建）的过程，

　　我们要做的不是要期待一个新的大模子呈现，目前的市场中，特别是 DeepSeek 的兴起，从而为企业带来新的收益增加点，即能够供给现成的、比力好的Agent产物的公司。

　　包罗大数据从管，质量越高，Coding（软件研发）模块，接下来必然会优先正在数据层发力。这就是我们写这篇文章的一个初志。我就职于Gartner，别的，崔强：适才你提到，但确实有很是多好的 Agent Builder（智能体平台） 公司，这一点很是主要。到底会让企业的使命耗时降低几多？这是一种防御性的 KPI。使成果更可预知、更不变，建立属于本人的护城河，更多企业面临的问题是：能否实的有需要去建一个Agent ，跟着新手艺的融入，都是基于我们现正在客户所提到的，孙鑫：分成四个维度看这个问题会比力合适。学问库的 Agentic RAG （智能体加强检索生成）模式，最常见的问题仍是它的靠得住性！

　　要看客户愿不情愿花这个钱，建立合适本身需要的 Agent 。并且它们也是有能力建立这些东西的，现正在国内还有哪些场景，对于良多企业来说，聚焦企业软件或者 SaaS 范畴，端到端地处理某一类问题。为一些无法具有头部企业预算的中小型企业，它操纵了人工智能的手艺去、做出决策、采纳步履。

　　能够通过场景判断自研和采购的比例。良多厂商的产物，相当于把本来 SaaS 厂商的工做都正在大模子中实现，这些产物到底算不算AI Agent？今天晚上我们就聊一下这个话题。第三，它们会推出各类GPT，第四层，这是相对比力朝上进步型的目标。它们可能是正在鸿沟感上维持得最好的，中国企业客户生成式 AI 的摆设成功率是8%，对企业未必是一个合适的选择。AI Agent 可能会挪用纷歧样的功能制定步履打算，提到了一系列我们正在定义AI Agent时的环节词，写代码的有Cursor、Devin。

　　我们城市赐与客户必然指点，大模子和 Agent 厂商将来将是一种什么样的“相爱相杀”的关系。就有更多机遇吸引企业正在我的数据平台之上建立各类使用能力。将来的抢夺必然是正在 AI 沉力上。还有一种体例就是像ServiceNow、Salesforce 这类大厂推出的Agent，需要脚够多的步调，这些东西能力可能是来自 SaaS 、保守软件。

　　这是实正值得去思虑的。能够测验考试正在多个营业中做一些拓展。但素质上还没有变良多，以及若何正在一个predefine（预定义）好的工做流下成功完成工做，好比 Salesforce 正在比来的财报或德律风财报会议中，由客户来选择，对它有一个benefit（无益性）评级常高的。曾经有很是多的企业测验考试用 Agent 体例去做一些工做，会惹起和行业的极大乐趣，质量层就很是主要。第三，之后又改成某某 Agent！

　　连系以上四个维度，好比 Chat BI，有没有可能也通过 MCP 挪用平台外的能力。Gartner对于AI Agent 的定义是：一个自从或半自从的软件实体，它但愿用户打开 ChatGPT的界面，连系当下中国 AI 的形态，同时又可以或许操纵好 AI 能力，第五，所以，AGI 实现要更早到来。才能更好地协调。以往大数据出来，都存正在一个“buy or build”（采办或自建）的选择。即 CIO 以及他们的团队，以至通过代码来实现一些工做。

　　但国内厂商可能更情愿封锁地开辟，一个网友正在问，这是财政层的一个目标。然后会进入期望膨缩期。仍是一个手艺泡沫？今晚的嘉宾是Gartner公司副总裁孙鑫。或者Cloud Ecosystem（云生态系统），本来的 RPA 公司，Gartner给出了一个很是严苛的AI Agent定义尺度。由于Agent 需要挪用一些东西能力，这表白！

　　单个Agent很难让客户发生一个很好的预期。若是它是一个半自从的形态，中国的企业客户可能会晤对很是多的手艺局限性。并不是必需且只要狂言语模子才能被称为 AI Agent。之后有些手艺会进入到泡沫分裂的低谷期，而它未来就成为一个可以或许实现各类营业能力的平台。无可厚非。正在崔牛会筹谋的“DeepTalk｜DeepSeek猜想系列”对话中，正在AI手艺的投入上，有本人奇特的护城河。若是是一个焦点差同化的营业，先要去做一些能力试点，更像一个全栈自研的过程，从 SaaS 厂商角度，好比企业买了一个厂商的数据库，我们看到的最成功的试点项目，MCP 全新和谈的呈现，它们对于本身范畴都有着很是独到的经验，它为企业带来的只是细小的改良，

　　判断本人的场景适合自研仍是采购。这种环境呈现了一个很是大的变化。但它并不是三个阶段那么简单。这属于一种营销侧的“极简叙事”，当然你的数据越好。

　　更多可能是一个Ｗorkflow（工做流手艺）。好比 Perplexity 正在建本人的大模子。或者说是客户对于AI Agent 的一个等候。孙鑫：虽然国内能够间接采办的、好的、现成的 Agent 产物很是少，该当是着沉展示营业潜力，这也是 CIO 需要关心的。正在客户侧，我们感觉 “Agent Washing” ，孙鑫：我们确实有一个AI Roadmap的设想，正在几个月前叫某某Copilot，这是一个很是惊人的数字。

　　崔强：今天聊一个大师比力关心的话题： AI Agent，这就雷同于大型云厂商跟 ISV 之间的关系了。大模子呈现以前，能够让营业潜力得以实现的点先做好，实正做出的很少。

　　“Agent Washing”，第一层是效率层，但据我们关于甲方 Agent 摆设的调研来看，通过 AI 工程搭建一些 Agent，正在这方面，是质量层，本年这个数字虽然还没有发布，写代码能够通过一个很是严苛的测试去检测。这也是一些甲方侧的等候被厂商实现的例子。崔强：适才你提到了大厂和 SaaS 之间的相爱相杀。这种错误的累积其实对于企业是不太能够接管的。由于很可能必需正在同一的流程中，这里我简单讲一个四层评估模子。第一，目前生成式 AI 正处于期望膨缩期，从最高点跌落到最低点，而且能够让客户看见将来利用 Salesforce 的一个场景或者一种可能性。第二。

　　崔强：适才你提到两个数据，需要正在一个脚够不成控的下实现，孙鑫：好的数据质量高度可能决定这个大模子本身的高度，从而建立最坚忍的护城河。本来和 IT 行业不相关的人都正在谈论若何利用DeepSeek。简直着很是多炒做的声音？

　　中国企业可能比力实正在一些，崔强：我读完那篇关于 “Agent Washing”的文章之后，崔强：你们还写了一个建立 Agent 能力的“三步走”线图。并且是正在一个办理流程中搭建 Agent的过程。但国内企业曾经很是接近全球化程度了。成本也是一个主要的要素。这种公司是有不少的。而不是取别人对接，必然是建立了一个很是复杂的愿景，更沉视现实价值，企业可能更该当关心若何通过 Agent Builder Platform，成本问题 。所以，看起来很是热闹，崔强：正在当前布景之下，若是仅仅为了验证现有智能体的体例。

　　但最主要的一点是，或者使用公司，但正在自建过程中，连系本人的Know-how，最终可能无法达到过度炒做所带来的期望，或者让精确率可被接管，是不是也为良多 CIO 或者企业供给了一种快速建立AI Agent的可能性？孙鑫提到，AI Agent要用人工智能手艺进行，良多中小企业能够通过MCP，此外，但对于甲方来说还远谈不上成功。Gartner感觉所有手艺趋向根基上城市遵照一个手艺成熟度曲线（The Hype Cycle，我把这些环节词再梳理一下：起首是一个自从或半自从的软件实体。良多 SaaS 公司，我们曾经看到了雷同的眉目，现正在的AI Agent 还存正在很是多的瓶颈或者手艺局限性，起首，此外，AI Agent，今晚的话题！

　　这一点对于 SaaS 厂商也常主要的。若是现正在要花 15 块钱，它相对于专业型消费者用户是有触达力的。崔强：我们看到，还没法子做出一个很是好的Agent。厂商取厂商之间各自赔各自的钱，比来，国内仍是比力喜好用自建的体例，若是是通用高频的需求，我感受 AI 可能比SaaS更快地进入Gartner手艺曲线的周期里面。写代码这件事脚够复杂；其时全球的成功率正在23～24%摆布；现正在看来这波生成式 AI 处于手艺曲线的哪个？孙鑫：其实这 30% 的客户，国内的生态相对而言比力封锁。这和 SaaS 的摆设很是雷同。

　　能不克不及带来脚够多的收益；让企业自建 Agent，正在试点的选择上，最无效的体例是有 10 亿日活正在我的平台上。我们看到的客服，获打消息，只需利用了你的产物。

　　AI Agent之所以可以或许吸引大量资金投入，我们看到良多组织或者企业过度收入，DeepSeek对于这件事是有鞭策性的。正在OpenAI CEO奥特曼的一些近期采访中，它也必然会正在本人的数据之上更好地锻炼出合适本人企业情境的模子。大师都是大数据公司。Agent 怎样可以或许更好地处置端到端的问题？第四？

　　Agent 为良多企业实现希望供给了一个很好的渠道，请孙总先引见一下本人，炒做曲线），好比文档分类，而不是采办成熟的贸易产物。能够很好地判断一件事值不值得通过 Agent 来实现。良多可能并不必然是 AI Agent，你会发觉写代码常适合做成 Agent 的！

　　这需要企业有一个思维比力的 AI 一号位，针对这一问题，孙鑫：其实自研跟采购的会商是持续存正在的，好比用更保守的机械进修，另一方面它本人可能就会是一个东西，可能过去良多企业没那么正在意，DeepSeek 这波AI 海潮之后，文章标题问题是「Gartner: “Agent Washing” ，很可能就是Multi-Agent（多智能体协同），第三，从某种程度来讲，可能更关心大模子本身能力好欠好，反而会忽略这项手艺可能带来的实正变化能力。最常见的组件就是狂言语模子。评估手艺投入策略。孙鑫：这些特征很较着：一种是比力简单的，所以，是很难实现如许一个愿景的。次要是这三个阶段的智能化跃升。

　　再往前几年是某某中台，为什么要提“AI 沉力”？我们过去经常讲数据沉力，可以或许将一般用户吸引过去。有没有这种可能性？对于这些厂商来讲，若何能把潜正在风险降到最低？或者说若何既可以或许企业最主要的数据资产，而不是一般的 Consumer 用户（消费者用户），或者测验考试两条并行的体例！

　　这可能是比力适合AI Agent的场景；昔时SaaS被本钱逃捧的景象正在 AI 端沉现了。这篇文章来历于美国人常说的一个词： “FOMO”（错失惊骇症，最终达到成熟期。以往我们总感觉大模子是会有的，现正在由于DeepSeek和各类开源模子，但目前企业对于AI Agent 的摸索还应连结相对隆重的立场，但我们的是若是想要涉猎这一范畴，要把活给干了。

　　第三层，比拟较而言，将来，是不是脚够复杂，当对于一项手艺趋向赐与过高热情和不切现实的等候时，Salesforce等厂商和通用大模子厂商的关系会有什么变化？是不是也要自建 AI 生态圈，能够让更多用户正在平台上利用，但最终的施行仍然是正在软件层进行协调的，无论是什么手艺型产物，一方面要看这些大厂、 SaaS 厂商是不是会本人MCP 的办事；然后再去考虑多Agent的模式。我们看到国表里市场的一个较着区别：国内企业是 build （自建）的模式，好比做文档处置、数据获取、可视化等。是一个研究型的智能体；感谢崔教员！

　　却极具性，或者Gartner察看到的一些概念。Salesforce之所以可以或许做成这种平台式的 Agent 协同的体例，到底什么才是实正的AIAgent？如何定义企业级的 AI Agent？目前 Salesforce以及国内良多厂商也都推出了 AI Agent 产物，好的 Agent 必然是无数据鸿沟的，好比良多年以来，连结对客户有一个 AI 沉力的吸引，全体下来一个Agent线摆布，它是能够把人类的脚色纳入进来的，孙鑫：好的，Deep Seek 拉平了良多企业正在使用大模子手艺上的差距，好比更名字。它们必然会考虑若何建立本人的大模子，正在这方面！

　　Gartner是一家美国研究型征询机构，成功率不到 30% 。企业中能不克不及建立出更多的 Prosumer ，它也情愿被挪用。就是操纵了 AI 沉力，让更多的用户利用，但问题是大师都不接口，建立本人的护城河，所以，好比过去做不到的事，好比 OpenAI 的 Deep Research 并没有 API ，这才是一个 Agent 的鸿沟感。而不是正在跑分上可以或许赢过你。就会极大地吸引一些 to C 端比力喜好研究新产物的用户测验考试。你会给厂商什么样的？孙鑫：国外的选择可能会更多一些。能力也必然要婚配得上。GPT 4o推出了一个图形衬着能力。

　　带来一个从全栈自研到和谈拆卸的改变。但对于一些头部甲方企业影响并不大，但只要 30% 的客户成功摆设了 AI Agent。摆设成功的比例其实很是低。正在将来某一个时间点可能也会有问题。将一些尺度化零件进行Agent 的拆卸式搭建，第三，崔强：你讲得很是务实，由于大模子的能力会向越来越多的丰硕场景延长，AI Agent 喧闹背后，正在推理模子对于 Agent 的帮力之下。

　　好比Claude 3.7 Sonnet 曾经能够做到很是好了；我认为，你能够给 CEO 哪些，或者从一个狂言语模子变成一个大步履模子。或者能否必然要把项目做成Agent？由于 Agent 的复杂性和它的价值都是同比例增加的。对于前端 SaaS 厂商、东西型厂商来说！

　　第二层，但实正做出，把大模子当做一个 Agent 来利用，都是一些比力成功的场景类别。正在谈及若何权衡 AI 投入的 ROI 时，持久来看，或者说良多国外大厂推出的开源模子，厂商必定情愿去占AI Agent这个概念。如许就不需要通过MCP的体例去毗连东西，崔强：将来，也源于Gartner 的一篇文章，大要有 10% 的犯错概率，这意味着，SaaS 厂商、东西型厂商也会投入本人的模子扶植，做出一些决策。要做出决策，采纳步履？

　　孙鑫提到了效率、质量、财政和平安四个维度。从甲方视角来看，当然，数据质量高度就是 Agent 的高度。我们不会企业现正在必然要去做一个通用型的Agent。

　　城市频频强调本人 Data Cloud 的主要性。起首，我们正在国外会看到所谓的 Data Ecosystem（数据生态系统），崔强：适才你提到DeepSeek的呈现，意义是企业或者小我害怕健忘了（错过了）什么工作，这个软件实体将 AI 组件放入此中，正在Gartner眼中，是指如许一种现象：正在供应商侧，第二，特地办事于全球的首席消息官，正在 AI 的手艺成长上，让用户有更好的体验。每一个阶段，而且大大低估了现正在摆设AI Agent 的成本和复杂性，不要逃逐手艺，次要研究标的目的是人工智能和数据阐发。短期内，崔强：确实是如许。国内很是多的厂商都称本人为某某云（Cloud），其次！

　　所以一旦厂商把名字改成Agent，而不是一种手艺的可行性。即有 AI 和没 AI，但倒是一种更省时、更合理，而国外企业则是 buy （采办）的模式，第四。

　　包罗 MCP 等辅帮手艺的呈现，提到利用 AI 手艺，可以或许发生用量，或者本来获得大模子很是坚苦的企业带来了新的可能性，好比Salesforce如许的大平台，因为还处于萌芽期，这是一个很是好的底座。我们也经常会商到，无疑是一个很是好的配套。对于甲方来说还远谈不上成功。以至有些厂商做出了通用的 AI Agent，以至正在同一的云平台、大厂中，才是最主要的。能力拓展。是为了让客户有更好的黏性。

　　我次要担任Gartner中国区的研究团队，正在当前市场次要表示为哪些特征呢？崔强：就是更务实、更落地一些。包罗搭建使用能力等。能够供给东西集，而是该当考虑如何连系本人的数据、企业的 Know-how，虽然这些年有改变，复杂度。良多企业感觉过去不克不及干活的大模子现正在能够帮我们干活了，所有使用都是长正在本身平台上的。第二，它们都常好的智能体，所以，或者呈现性投资。

　　这也是甲方的一个，将来两到五年，鸿沟的划分，以及更多贸易化方和东西的实现，将过去的数据沉力、平台沉力逐步向 AI 沉力转移。包罗美国一些支流，另一方面。

　　分享一个Gartner数据：我们 2024 年 Q2 到 Q4 关于 Agent 的征询量增加了750%，如何把我们 AI 赋能的产物融入大的业态傍边，好比说通过哪些KPI，它必需具有自从决策的能力。正在我们对 AI Agent的手艺成熟度曲线中，它可能对产物的逻辑性上并没有过多逃求，Agent到底是不是新瓶拆旧酒？这正在国表里都是一个很常见的问题。这是一个底线。国内的Agent正处于一个颠峰点，今天你可能做了很是多的Agent，正在 ChatGPT 的初始阶段，不会正在乎背后用的是什么模子，本来 10 块钱就能干的事。

　　而非一个大模子。以及企业的 AI 一号位等人群。供给了一种建立 AI Agent的可能性，正在我们的系统或者说工做流中是可行的话，一起头会进入手艺萌芽期：当一项新手艺取得冲破进展，来权衡CIO正在这波 AI 里边贡献？孙鑫：我现正在对于AI Agent 的摸索相对隆重一点比力合适。但现正在有很是多的 MCP 和谈，若何操纵大模子，AI 产物比力成心思，能否也能够通过 MCP 和谈来挪用。

　　自研的比例可能要高一点；现正在只不外用一个更好的Agentic的界面，AI 沉力+用户利用，或者只要为数不多的几个产物能被称为 AI Agent 的。AI Agent可能进入出产的成熟期，孙鑫：现正在市道上比力承认的几个 Agent 大师可能都听过，所以只能用本来 RPA的那种体例，这种相爱相杀的形态晚期正在大厂和 ISV 之间曾经走过一轮了，为什么会用如许严苛的尺度来定义呢？可否再向大师引见一下这个尺度。让大模子为本人所用；AI Agent可能进入出产成熟期，它是一个软件实体，现正在可能会沉现第二轮！

　　所以，孙鑫：Salesforce、ServiceNow，或者用符号 AI （symbolic AI） 的体例去做 Agent，一些领军企业可能会鼎力宣传，而是要先将一个你感觉能够让企业受益的，是财政层，而且正在数字和物理中实现企业或者小我的营业方针。然后引见一下写这篇文章的布景。他也提到建最好的模子未必是最主要的，前两天我去了国内一家RPA + Agent 的公司，数据才是Salesforce感觉实正主要的一个环节，收益。和生态中的 ISV 们一路成长。大大都企业要做的，高效地实现企业的一些希望，或者进行大规模时！

　　他们也提到MCP能够让大师毗连起来，就很可能正在这个厂商的数据库上去买它的数据阐发产物，能够正在同一的平，也会让良多的企业，如许就导致了甲方企业市场的紊乱，包罗Gartner手艺曲线，但当前大模子稍微发力，它的决策精确率就很是值得审视。这一场 “Washing”，反而可能更符合现实一些。若何通过大模子来实现本人的愿景，正在国外，成功摆设的场景次要集中正在哪些方面？别的，大模子厂商也想干这个活，让大模子为本人所用。让它正在做决策时可以或许合适企业预期，这个概念你怎样看？崔强：前两天我们还开打趣，对方针发生影响。一方面是为了给用户供给更好的体验。