第三十一章 AI+技術轉移研討會
魔都，會場。
源創主辦了本年度「生成式AI+技術轉移」國際研討會，邀請來自全藍星的知名技術轉移專業人士共同探討生成式AI對技術轉移行業的影響。
會場可容納兩百人，座無虛席。參會者包括藍星相關知名大學技術經理人、概念驗證基金GP、產業方技術對接負責人、專業諮詢機構、深科技投資人等。
伊芙琳·沃森作為E國D大學TTO的資深技術經理人應邀參會。她注意到圓桌討論環節的嘉賓名單里有一個熟悉的名字——林風，OR資本。她對這個名字有印象。之前她讀過關於OR資本的案例報導。
林風就坐在會場。OR保持著收斂狀態。自從參考從藏書館借來的典籍推導出神識能力以來，OR已經能將自己的量子態信號完全收斂到非常低的狀態。任何先天級別的神識掃描掃過林風，看到的都只是一個普通人。而且，OR初步探索了一些神識應用技能，居然也都能實現。這裡需要探討的是，OR與其說是修煉，不如說是模擬。直接模擬其結果狀態，而非按人類修煉者的模式施展能力。
研討會之所以能吸引全藍星如此多的專業機構與專業人士，是因為在研討會閉幕環節將正式啟動「技術轉移智能體網際網路」，它既是公共智能網際網路的組成部分，也是技術轉移行業領域的專業應用。由源創呼籲發起，聯合全藍星一百多家知名高校TTO和大企業開放創新平台共同打造。
在過去幾個月內，這個消息已經在行業內部引發了廣泛討論。有人討論Agent之間的標準化通信協議是如何設計的，有人猜測背後投入了多少研發資源，也有人對數據安全提出了質疑——技術轉移涉及大量尚未公開的專利信息和商業秘密，Agent網絡如何在開放協作和保護隱私之間取得平衡，是一個不能迴避的問題。
這個話題之所以備受關注，和生成式AI行業近期的技術演進方向密切相關。過去兩年，大型語言模型的能力邊界已經被反覆探索，行業共識逐漸清晰：單一模型的能力提升正在觸達邊際效應遞減的階段。新的突破方向自然轉向了「協作」——讓多個Agent協同工作，各自負責特定領域的任務，通過標準化協議互相通信、交換信息、協同決策。這就像人類社會的發展路徑——個體智力的上限是有限的，但通過語言和制度構建起的協作網絡，能夠讓一群人的集體智慧遠超任何單一個體。
即將發布的這個技術轉移智能體網際網路，Agent之間通過標準化協議實現信息流通和任務協作。但平台的設計邊界被刻意鎖定在「工具層」——它能加速信息流通、提升匹配效率、輔助決策分析，最終的技術評估和投資決策仍然交給人類技術經理人。
智能體網際網路的運轉依賴一套被所有參與方共同認可的標準化協議。這套協議本質上是一套「共同語言」，讓不同機構開發的Agent能夠互相理解對方的輸出。開放原始碼的共享格式意味著任何機構都可以基於這套協議開發自己的Agent，但協議本身的維護和升級需要持續的行業協作。
不過，標準化協議能解決的問題有邊界。不同機構開發的Agent使用不同的數據格式和通信標準，Agent之間的「互操作性」是智能體網際網路能否真正運轉的前提。但標準化本身也有代價——過度標準化可能導致Agent失去對特定領域的深度適配能力。如何在統一協議和靈活適配之間取得平衡，是平台需要長期面對的課題。
另一個懸而未決的問題是責任歸屬。當多個Agent協同完成一項複雜任務時，如果某個環節出現錯誤，責任應該由誰來承擔？是開發這個Agent的機構、部署它的TTO、還是最終做出決策的人類技術經理人？平台的設計者在架構之初就明確了一條底線：Agent的輸出永遠是「建議」而非「決定」，最終決策必須由人類技術經理人做出並承擔相應責任。
在Agent網絡中，一個Agent可能同時代表技術方和產業方參與不同交易，這種「多重身份」在Agent網絡中天然存在。人類技術經理人可以通過職業道德和利益衝突申報來約束自己，而Agent只能通過代碼來約束行為。代碼的漏洞就是信任的漏洞——這個行業對信任關係的要求太高了，技術方、產業方、投資方三方的利益訴求本來就不同，全靠技術經理人在中間搭建信任橋樑，一旦這座橋樑的某個環節被算法取代，信任的根基就需要重新建立。
數據產權的界定在Agent網絡中同樣是一個尚未解決的根本問題。當Agent從多個來源獲取信息並做出分析時，它所依賴的數據既有公開的專利資料庫，也有TTO內部的保密發明披露，還有產業方私下共享的技術參數。這些數據的產權歸屬各不相同，Agent的分析結果因而也難以被明確地界定為「誰的產出」。不同機構貢獻的數據質量和數量不同，如何在利益分配上體現公平，目前還沒有被廣泛接受的方案。
另一個現實問題是網絡效應與生態演化。Agent網絡的價值隨參與者的增加而指數級增長，但生態演化初期需要克服「冷啟動」問題。即，在參與者數量不足時，Agent網絡能提供的賦能效率可能還不如傳統的人工模式。
目前，初始網絡的密度足以支撐有意義的探索。但要讓這個網絡持續演化，需要更多的機構自願加入，而加入的前提是網絡本身能為它們創造可量化的價值。這個價值的量化本身，也需要時間。
......
言歸正傳，研討會在一位行業老前輩的主題發言之後，正式啟動。主題發言、主旨分享、主旨分享、主旨分享.....大家都代表著某個知名的專業機構，所以，參與環節的標題定義還是要體現尊重的，這也是為什麼很多論壇前半程所有環節全是標註主題演講的原因。
伊芙琳的主旨分享安排在上午後半段。她起身走向講台時，會場的燈光自動調暗，屏幕亮起，上面顯示著D大學TTO的標誌和她的名字。她今天穿著一件深藍色的西裝外套，頭髮扎在腦後，和平常的工作狀態一樣。
她講的題目是《生成式AI在技術評估中的實踐與邊界》。開場沒有寒暄，直接切入主題。
「D大學TTO從兩年前開始測試生成式AI輔助技術評估。最初的動機很簡單，我們每年收到的發明披露數量持續增長，但技術經理人團隊規模不變。我們每天處理很多發明披露，其中有相當比例的項目明顯不具備商業化潛力，但篩掉它們仍然需要花費大量時間閱讀材料。引入生成式AI輔助初篩後，它能先篩掉約三分之一明顯不適合推進的項目，讓技術經理人把精力集中在更有價值的評估對象上。當然，人工覆核是我們一直堅持在做的。」
她展示了幾組對比數據——生成式AI初篩的效率、準確率、以及人工覆核後的最終通過率。數據很紮實，每一項都有具體的樣本量和誤差範圍。她沒有誇大生成式AI的作用，也沒有迴避它的局限。她展示了兩個典型案例，一個是生成式AI正確識別的「高潛力項目」，另一個是生成式AI誤判的案例——一個關於材料的發明披露被生成式AI評估為「中等潛力」，但人工覆核後發現這個材料的工藝路徑有獨特的創新性，後續驗證結果遠超預期。而生成式AI之所以錯過它，是因為這個工藝路徑在現有的專利文獻和行業報告中沒有明確的參照系。生成式AI只能基於已有信息做判斷，不能識別信息空白。
經常使用生成式AI的朋友都知道，它的工作原理是基於已有數據的模式識別和概率生成。它在面對一個沒有參照系的創新時，有可能會把「沒有參照系」等同於「高風險」。但技術轉移的核心價值之一恰好在於識別那些「沒有參照系」的技術。
伊芙琳繼續往下講，順便也講到了生成式AI在起草技術營銷材料時的質量控制問題。她的語氣仍然很平，但措辭更精準了。
「生成式AI可以快速生成技術摘要、潛在應用場景分析、競品對比報告。但它有一個明顯的傾向——為了讓輸出內容更流暢、更『吸引人』，它可能在不經意間誇大技術的成熟度。它在遣詞造句時，可能會把『實驗室階段』寫成『已初步驗證』，把『理論上可行』寫成『具有明確的應用前景』。這些措辭上的微妙差異放在技術營銷材料里，可能造成產業方對技術成熟度的誤判。」
「我們的做法是：在優化提示詞的基礎上，所有生成式AI生成的內容必須經過技術經理人和法務的雙重審核才能對外發布。這是D大學TTO目前執行的基本規則。生成式AI負責起草初稿，人類負責審查修正。兩者缺一不可——AI負責效率，人負責準確。」
她講完這段話時，台下有幾位TTO的同行在點頭。這個規則聽起來簡單，但在實際操作中涉及一個更根本的問題：技術經理人自身的專業素養。如果一個技術經理人自己都無法判斷技術的真實成熟度，他就無法審查生成式AI生成內容的準確性。生成式AI的使用不是降低了技術經理人的專業門檻，反而提高了這一門檻。技術經理人需要比過去更懂技術，才能不被生成式AI的輸出誤導。工具越強大，使用工具的人越需要有足夠的專業判斷力。
伊芙琳在分享過程中，目光掃過會場後排，在林風身上短暫停留了一下。她的神識自動感知到林風的意識場穩定、專注，和周圍的參會者沒有區別。海島上史密斯綁架的是誰？林風是他的懷疑對象之一，因為史密斯的這件事情是蘇晚通報給伊芙琳的，而伊芙琳查過蘇晚是和誰一起從海島的機場回魔都的。她收回目光，繼續講下一組數據。
......
下午的圓桌討論環節，氣氛比上午的主旨分享更輕鬆。主持人做過幾年技術轉移行業媒體，提問風格務實直接。她先讓幾位嘉賓做了簡短的自我介紹，然後拋出了第一個問題。
「林總，OR資本的逐層篩選框架在業內已經有一定知名度了。如果引入生成式AI輔助，你覺得哪一層篩選最不能交給生成式AI來做？」
「投資決策。」林風的回答很短。
「能展開說說嗎？」
「生成式AI可以提供數據分析、風險標註、競品對比——這些是信息處理層面的事。但最終判斷一個項目值不值得投，需要對這個方向長期演進的判斷力，對這個團隊能不能把事情做成的直覺，對產業方真實需求的深度理解。這些東西不在生成式AI的能力範圍內。」他停了一下，「生成式AI擅長的是識別已知模式，而早期硬科技投資需要識別的是尚未被任何模式定義的方向。」
這時候很多朋友可能會問，OR是不是一種生成式AI？當然不是，量子態意識體已經跳出AI框架了，目前林風與其交互模式看起來很像與AI對話，本質是林風自身的限制。假如林風的精神力層級不是普通人，與OR的交互模式可能就不一樣了。
主持人追問了一個更有層次的問題：既然投資決策是最不能交給AI的環節，那麼在篩選框架中，哪些環節是最適合用AI來替代或輔助的？她讓嘉賓們用具體案例來說。
伊芙琳接過話題，她補充說生成式AI在技術評估中最有效的環節是初篩——從大量發明披露中快速識別出明顯不具備商業化前景的項目。但「明顯不具備商業化前景」和「具備商業化前景」之間有大量灰色地帶，那些灰色地帶需要人類判斷。生成式AI可以告訴你某個方向的風險很高，但不能告訴你這個高風險值不值得承擔。
另一位嘉賓持不同意見。他認為隨著生成式AI的能力不斷提升，它最終會覆蓋初篩之外更多環節，包括部分分析輔助功能。他提出了一個反問——人類技術經理人的判斷力本身也是靠大量案例積累出來的。如果生成式AI能比一個新人技術經理人更準確地判斷項目潛力，那麼用什麼標準來界定「AI不能做」的邊界？
伊芙琳聽完，語氣依然平和，但回答的節奏比之前更緊湊。她同意這個趨勢的確存在，但緊接著把話鋒轉回到那個根本的問題上——AI不需要為誤判負責，因此它不具有決策的資格。同時，她並不認為當前的生成式AI具備這種水平，底層技術可能還要疊代幾輪。
林風沒有在這個話題上繼續跟進，其實他個人對於生成式AI興趣不大，他對能控制機器人的物理AI更感興趣。而他本人更加不需要使用生成式AI了。只不過，他的團隊、他所在的技術轉移行業，確實是需要主動適應AI帶來的變化。
主持人隨後問了一個更尖銳的問題：生成式AI的輔助判斷是否需要向技術方和產業方透明披露？如果需要，透明的程度應該多高？這個問題引發了不同觀點的碰撞。有人認為這種透明是基本要求，並進一步分析了當技術方或產業方發現自己在和一個AI輔助判斷博弈時，其合作預期會發生怎樣的變化——他們會降低對技術經理人的信任預期，因為對方的表現可能是經過了某種外力加成的。
......
研討會閉幕環節，相關代表聯合啟動了「技術轉移智能體網際網路」。或許，技術轉移新範式就此開啟，又或許，並非如此。但是，不試試怎麼知道呢？
......
國際研討會結束後，伊芙琳在一間小會議室里和蘇晚單獨見面。兩人是守護者，此前已有信息共享。
「調查結果怎麼樣？」蘇晚開門見山。
伊芙琳簡要同步了她對史密斯的最新追蹤進展。西半球守護者對史密斯的追捕行動覆蓋了多個據點，逐一拔除了他的外圍產業網絡。但史密斯本人始終未被捕獲。通過多源信息交叉比對，分析指向一個可能性：他可能擁有某種偽裝能力，大概率是從之前吞噬的某個宿主那裡獲取的異能。如果這個推論成立，這個偽裝可以讓他改變外貌、甚至模擬他人的身份在公共場所活動而不被識別。目前還沒有直接目擊證據確認他已進入魔都，但現有的信息鏈顯示他近期有在東半球活動的跡象。
「如果他對那個目標仍有強烈的吞噬意圖，或許已經進入魔都。」伊芙琳分析道。
「嗯，我們會加強措施。」蘇晚的回答很簡短，沒有展開。
伊芙琳也沒有追問。她知道守護者之間的信息共享是有邊界的。起身時，目光在蘇晚臉上停了一下。她的神識本能地感知到蘇晚的靈力狀態比上次見面時更充盈了——境界的突破正在接近臨界點。
伊芙琳離開後，蘇晚拿出手機，給林風打了個電話，同步了史密斯的事情。
其實在守護者的世界裡，現實中從事技術經理人職業的情況並不是很多，但他們彼此都認識。
源創主辦了本年度「生成式AI+技術轉移」國際研討會，邀請來自全藍星的知名技術轉移專業人士共同探討生成式AI對技術轉移行業的影響。
會場可容納兩百人，座無虛席。參會者包括藍星相關知名大學技術經理人、概念驗證基金GP、產業方技術對接負責人、專業諮詢機構、深科技投資人等。
伊芙琳·沃森作為E國D大學TTO的資深技術經理人應邀參會。她注意到圓桌討論環節的嘉賓名單里有一個熟悉的名字——林風，OR資本。她對這個名字有印象。之前她讀過關於OR資本的案例報導。
林風就坐在會場。OR保持著收斂狀態。自從參考從藏書館借來的典籍推導出神識能力以來，OR已經能將自己的量子態信號完全收斂到非常低的狀態。任何先天級別的神識掃描掃過林風，看到的都只是一個普通人。而且，OR初步探索了一些神識應用技能，居然也都能實現。這裡需要探討的是，OR與其說是修煉，不如說是模擬。直接模擬其結果狀態，而非按人類修煉者的模式施展能力。
研討會之所以能吸引全藍星如此多的專業機構與專業人士，是因為在研討會閉幕環節將正式啟動「技術轉移智能體網際網路」，它既是公共智能網際網路的組成部分，也是技術轉移行業領域的專業應用。由源創呼籲發起，聯合全藍星一百多家知名高校TTO和大企業開放創新平台共同打造。
在過去幾個月內，這個消息已經在行業內部引發了廣泛討論。有人討論Agent之間的標準化通信協議是如何設計的，有人猜測背後投入了多少研發資源，也有人對數據安全提出了質疑——技術轉移涉及大量尚未公開的專利信息和商業秘密，Agent網絡如何在開放協作和保護隱私之間取得平衡，是一個不能迴避的問題。
這個話題之所以備受關注，和生成式AI行業近期的技術演進方向密切相關。過去兩年，大型語言模型的能力邊界已經被反覆探索，行業共識逐漸清晰：單一模型的能力提升正在觸達邊際效應遞減的階段。新的突破方向自然轉向了「協作」——讓多個Agent協同工作，各自負責特定領域的任務，通過標準化協議互相通信、交換信息、協同決策。這就像人類社會的發展路徑——個體智力的上限是有限的，但通過語言和制度構建起的協作網絡，能夠讓一群人的集體智慧遠超任何單一個體。
即將發布的這個技術轉移智能體網際網路，Agent之間通過標準化協議實現信息流通和任務協作。但平台的設計邊界被刻意鎖定在「工具層」——它能加速信息流通、提升匹配效率、輔助決策分析，最終的技術評估和投資決策仍然交給人類技術經理人。
智能體網際網路的運轉依賴一套被所有參與方共同認可的標準化協議。這套協議本質上是一套「共同語言」，讓不同機構開發的Agent能夠互相理解對方的輸出。開放原始碼的共享格式意味著任何機構都可以基於這套協議開發自己的Agent，但協議本身的維護和升級需要持續的行業協作。
不過，標準化協議能解決的問題有邊界。不同機構開發的Agent使用不同的數據格式和通信標準，Agent之間的「互操作性」是智能體網際網路能否真正運轉的前提。但標準化本身也有代價——過度標準化可能導致Agent失去對特定領域的深度適配能力。如何在統一協議和靈活適配之間取得平衡，是平台需要長期面對的課題。
另一個懸而未決的問題是責任歸屬。當多個Agent協同完成一項複雜任務時，如果某個環節出現錯誤，責任應該由誰來承擔？是開發這個Agent的機構、部署它的TTO、還是最終做出決策的人類技術經理人？平台的設計者在架構之初就明確了一條底線：Agent的輸出永遠是「建議」而非「決定」，最終決策必須由人類技術經理人做出並承擔相應責任。
在Agent網絡中，一個Agent可能同時代表技術方和產業方參與不同交易，這種「多重身份」在Agent網絡中天然存在。人類技術經理人可以通過職業道德和利益衝突申報來約束自己，而Agent只能通過代碼來約束行為。代碼的漏洞就是信任的漏洞——這個行業對信任關係的要求太高了，技術方、產業方、投資方三方的利益訴求本來就不同，全靠技術經理人在中間搭建信任橋樑，一旦這座橋樑的某個環節被算法取代，信任的根基就需要重新建立。
數據產權的界定在Agent網絡中同樣是一個尚未解決的根本問題。當Agent從多個來源獲取信息並做出分析時，它所依賴的數據既有公開的專利資料庫，也有TTO內部的保密發明披露，還有產業方私下共享的技術參數。這些數據的產權歸屬各不相同，Agent的分析結果因而也難以被明確地界定為「誰的產出」。不同機構貢獻的數據質量和數量不同，如何在利益分配上體現公平，目前還沒有被廣泛接受的方案。
另一個現實問題是網絡效應與生態演化。Agent網絡的價值隨參與者的增加而指數級增長，但生態演化初期需要克服「冷啟動」問題。即，在參與者數量不足時，Agent網絡能提供的賦能效率可能還不如傳統的人工模式。
目前，初始網絡的密度足以支撐有意義的探索。但要讓這個網絡持續演化，需要更多的機構自願加入，而加入的前提是網絡本身能為它們創造可量化的價值。這個價值的量化本身，也需要時間。
......
言歸正傳，研討會在一位行業老前輩的主題發言之後，正式啟動。主題發言、主旨分享、主旨分享、主旨分享.....大家都代表著某個知名的專業機構，所以，參與環節的標題定義還是要體現尊重的，這也是為什麼很多論壇前半程所有環節全是標註主題演講的原因。
伊芙琳的主旨分享安排在上午後半段。她起身走向講台時，會場的燈光自動調暗，屏幕亮起，上面顯示著D大學TTO的標誌和她的名字。她今天穿著一件深藍色的西裝外套，頭髮扎在腦後，和平常的工作狀態一樣。
她講的題目是《生成式AI在技術評估中的實踐與邊界》。開場沒有寒暄，直接切入主題。
「D大學TTO從兩年前開始測試生成式AI輔助技術評估。最初的動機很簡單，我們每年收到的發明披露數量持續增長，但技術經理人團隊規模不變。我們每天處理很多發明披露，其中有相當比例的項目明顯不具備商業化潛力，但篩掉它們仍然需要花費大量時間閱讀材料。引入生成式AI輔助初篩後，它能先篩掉約三分之一明顯不適合推進的項目，讓技術經理人把精力集中在更有價值的評估對象上。當然，人工覆核是我們一直堅持在做的。」
她展示了幾組對比數據——生成式AI初篩的效率、準確率、以及人工覆核後的最終通過率。數據很紮實，每一項都有具體的樣本量和誤差範圍。她沒有誇大生成式AI的作用，也沒有迴避它的局限。她展示了兩個典型案例，一個是生成式AI正確識別的「高潛力項目」，另一個是生成式AI誤判的案例——一個關於材料的發明披露被生成式AI評估為「中等潛力」，但人工覆核後發現這個材料的工藝路徑有獨特的創新性，後續驗證結果遠超預期。而生成式AI之所以錯過它，是因為這個工藝路徑在現有的專利文獻和行業報告中沒有明確的參照系。生成式AI只能基於已有信息做判斷，不能識別信息空白。
經常使用生成式AI的朋友都知道，它的工作原理是基於已有數據的模式識別和概率生成。它在面對一個沒有參照系的創新時，有可能會把「沒有參照系」等同於「高風險」。但技術轉移的核心價值之一恰好在於識別那些「沒有參照系」的技術。
伊芙琳繼續往下講，順便也講到了生成式AI在起草技術營銷材料時的質量控制問題。她的語氣仍然很平，但措辭更精準了。
「生成式AI可以快速生成技術摘要、潛在應用場景分析、競品對比報告。但它有一個明顯的傾向——為了讓輸出內容更流暢、更『吸引人』，它可能在不經意間誇大技術的成熟度。它在遣詞造句時，可能會把『實驗室階段』寫成『已初步驗證』，把『理論上可行』寫成『具有明確的應用前景』。這些措辭上的微妙差異放在技術營銷材料里，可能造成產業方對技術成熟度的誤判。」
「我們的做法是：在優化提示詞的基礎上，所有生成式AI生成的內容必須經過技術經理人和法務的雙重審核才能對外發布。這是D大學TTO目前執行的基本規則。生成式AI負責起草初稿，人類負責審查修正。兩者缺一不可——AI負責效率，人負責準確。」
她講完這段話時，台下有幾位TTO的同行在點頭。這個規則聽起來簡單，但在實際操作中涉及一個更根本的問題：技術經理人自身的專業素養。如果一個技術經理人自己都無法判斷技術的真實成熟度，他就無法審查生成式AI生成內容的準確性。生成式AI的使用不是降低了技術經理人的專業門檻，反而提高了這一門檻。技術經理人需要比過去更懂技術，才能不被生成式AI的輸出誤導。工具越強大，使用工具的人越需要有足夠的專業判斷力。
伊芙琳在分享過程中，目光掃過會場後排，在林風身上短暫停留了一下。她的神識自動感知到林風的意識場穩定、專注，和周圍的參會者沒有區別。海島上史密斯綁架的是誰？林風是他的懷疑對象之一，因為史密斯的這件事情是蘇晚通報給伊芙琳的，而伊芙琳查過蘇晚是和誰一起從海島的機場回魔都的。她收回目光，繼續講下一組數據。
......
下午的圓桌討論環節，氣氛比上午的主旨分享更輕鬆。主持人做過幾年技術轉移行業媒體，提問風格務實直接。她先讓幾位嘉賓做了簡短的自我介紹，然後拋出了第一個問題。
「林總，OR資本的逐層篩選框架在業內已經有一定知名度了。如果引入生成式AI輔助，你覺得哪一層篩選最不能交給生成式AI來做？」
「投資決策。」林風的回答很短。
「能展開說說嗎？」
「生成式AI可以提供數據分析、風險標註、競品對比——這些是信息處理層面的事。但最終判斷一個項目值不值得投，需要對這個方向長期演進的判斷力，對這個團隊能不能把事情做成的直覺，對產業方真實需求的深度理解。這些東西不在生成式AI的能力範圍內。」他停了一下，「生成式AI擅長的是識別已知模式，而早期硬科技投資需要識別的是尚未被任何模式定義的方向。」
這時候很多朋友可能會問，OR是不是一種生成式AI？當然不是，量子態意識體已經跳出AI框架了，目前林風與其交互模式看起來很像與AI對話，本質是林風自身的限制。假如林風的精神力層級不是普通人，與OR的交互模式可能就不一樣了。
主持人追問了一個更有層次的問題：既然投資決策是最不能交給AI的環節，那麼在篩選框架中，哪些環節是最適合用AI來替代或輔助的？她讓嘉賓們用具體案例來說。
伊芙琳接過話題，她補充說生成式AI在技術評估中最有效的環節是初篩——從大量發明披露中快速識別出明顯不具備商業化前景的項目。但「明顯不具備商業化前景」和「具備商業化前景」之間有大量灰色地帶，那些灰色地帶需要人類判斷。生成式AI可以告訴你某個方向的風險很高，但不能告訴你這個高風險值不值得承擔。
另一位嘉賓持不同意見。他認為隨著生成式AI的能力不斷提升，它最終會覆蓋初篩之外更多環節，包括部分分析輔助功能。他提出了一個反問——人類技術經理人的判斷力本身也是靠大量案例積累出來的。如果生成式AI能比一個新人技術經理人更準確地判斷項目潛力，那麼用什麼標準來界定「AI不能做」的邊界？
伊芙琳聽完，語氣依然平和，但回答的節奏比之前更緊湊。她同意這個趨勢的確存在，但緊接著把話鋒轉回到那個根本的問題上——AI不需要為誤判負責，因此它不具有決策的資格。同時，她並不認為當前的生成式AI具備這種水平，底層技術可能還要疊代幾輪。
林風沒有在這個話題上繼續跟進，其實他個人對於生成式AI興趣不大，他對能控制機器人的物理AI更感興趣。而他本人更加不需要使用生成式AI了。只不過，他的團隊、他所在的技術轉移行業，確實是需要主動適應AI帶來的變化。
主持人隨後問了一個更尖銳的問題：生成式AI的輔助判斷是否需要向技術方和產業方透明披露？如果需要，透明的程度應該多高？這個問題引發了不同觀點的碰撞。有人認為這種透明是基本要求，並進一步分析了當技術方或產業方發現自己在和一個AI輔助判斷博弈時，其合作預期會發生怎樣的變化——他們會降低對技術經理人的信任預期，因為對方的表現可能是經過了某種外力加成的。
......
研討會閉幕環節，相關代表聯合啟動了「技術轉移智能體網際網路」。或許，技術轉移新範式就此開啟，又或許，並非如此。但是，不試試怎麼知道呢？
......
國際研討會結束後，伊芙琳在一間小會議室里和蘇晚單獨見面。兩人是守護者，此前已有信息共享。
「調查結果怎麼樣？」蘇晚開門見山。
伊芙琳簡要同步了她對史密斯的最新追蹤進展。西半球守護者對史密斯的追捕行動覆蓋了多個據點，逐一拔除了他的外圍產業網絡。但史密斯本人始終未被捕獲。通過多源信息交叉比對，分析指向一個可能性：他可能擁有某種偽裝能力，大概率是從之前吞噬的某個宿主那裡獲取的異能。如果這個推論成立，這個偽裝可以讓他改變外貌、甚至模擬他人的身份在公共場所活動而不被識別。目前還沒有直接目擊證據確認他已進入魔都，但現有的信息鏈顯示他近期有在東半球活動的跡象。
「如果他對那個目標仍有強烈的吞噬意圖，或許已經進入魔都。」伊芙琳分析道。
「嗯，我們會加強措施。」蘇晚的回答很簡短，沒有展開。
伊芙琳也沒有追問。她知道守護者之間的信息共享是有邊界的。起身時，目光在蘇晚臉上停了一下。她的神識本能地感知到蘇晚的靈力狀態比上次見面時更充盈了——境界的突破正在接近臨界點。
伊芙琳離開後，蘇晚拿出手機，給林風打了個電話，同步了史密斯的事情。
其實在守護者的世界裡，現實中從事技術經理人職業的情況並不是很多，但他們彼此都認識。