简单”，于是率先推出了“一键航拍”“自动跟随”等功能，让普通人也能轻松拍出专业级的视频；在工业级无人机领域，大疆针对中国农业的需求，推出了“植保无人机”，能精准打药，效率是人工的10倍，很快就占领了市场。
而且大疆也有“体系优势”：上游的芯片、传感器，中游的无人机制造，下游的软件服务，大疆都能自己把控。比如大疆自己研发了飞控系统（无人机的“大脑”），比国外的系统更稳定、更便宜；还开发了专用的app，用户能在手机上编辑视频、分享作品，形成了“硬件+软件+服务”的生态。
国外的无人机公司，要么只做硬件，要么只做软件，很难像大疆一样形成“闭环”，所以慢慢就被大疆超越了。
3 总结：新能源车、无人机的经验，ai完全能用
新能源车和无人机的成功，证明了中国的“体系打法”是可行的：不追求单个技术的“极致领先”过“全产业链协同+海量场景落地+政策基建支持”，实现整体超越。
这套经验用到ai上，就是：先在医疗、农业、工业这些中国有优势的行业里，把ai模型落地，赚到钱、积累数据；再用这些数据和资金，反哺通用模型的研发；最后通过“通用模型+专用模型+产业生态”，形成中国ai的核心竞争力。
其实现在已经有苗头了：中国的医疗ai，在肺部结节识别、眼底疾病诊断等方面，准确率已经超过了国外模型；中国的农业ai，能通过卫星图片和无人机巡检，精准预测粮食产量，误差率不到5——这些都是“体系打法”的成果。
四、别再说中国ai“跟跑”：今年落地实效，比“黑科技”
去年openai推出新模型时，很多人说“中国ai又落后了，一直在跟跑”。但今年大家发现，中国ai虽然在通用模型的“黑科技”上可能不如美国，但在“落地实效”上，已经走在了前面。尤其是医疗和农业这两个领域，中国ai的表现让人眼前一亮。
1 医疗ai：不是“炫技”，而是“帮医生救命”
美国的医疗ai，很多还停留在“实验室阶段”，比如能分析病理切片，但很少真正用到医院里；而中国的医疗ai，已经走进了 thoands of 基层医院，实实在在帮医生看病。
比如肺部ct的ai诊断：中国有很多基层医院，医生经验不足，容易漏诊或误诊早期肺癌。而中国某公司的医疗ai模型，能在30秒内分析完一张ct片，识别出毫米级的肺部结节，准确率超过95。现在很多基层医院都在用这个模型，医生先看片，再用ai复核，大大降低了误诊率。
再比如眼底疾病诊断：糖尿病患者容易得眼底病变，如果不及时治疗会失明。以前患者需要去大医院检查，排队要几个小时；现在很多社区医院都装了ai眼底相机，患者拍张照片，ai几分钟就能出诊断结果，有问题再转去大医院——这不仅节省了患者的时间，还能让眼底疾病早发现、早治疗。
中国的医疗ai为啥能快速落地？一方面是因为中国有大量的医疗数据（比如几亿人的ct片、眼底照片），能训练出更精准的模型；另一方面是因为中国的医疗体系需要这样的技术——基层医院缺医生，ai能帮医生“减负增效”，所以医院愿意用、医生愿意用。
而美国的医疗数据很分散，各个医院的数据不互通，很难训练出通用的医疗ai模型；而且美国医生对ai的接受度不高，担心ai抢了自己的工作，所以医疗ai落地很慢。
2 农业ai：不是“纸上谈兵”，而是“帮农民赚钱”
美国的农业ai，更多是服务于规模化农场，比如帮农场主管理几千亩地；而中国的农业ai，既服务规模化农场，也服务小农户，解决的是农民最关心的“增产、增收”问题。
比如ai病虫害识别：中国很多农民不懂病虫害知识，庄稼生病了不知道怎么治，只能乱打药，既浪费钱，又污染环境。而中国某公司的农业aiapp，农民拍一张生病的庄稼照片，ai几秒钟就能识别出是什么病虫害，推荐用什么药、用多少量，还能告诉你去哪里买——现在这个app已经有几百万农民在用，帮农民减少了30的农药支出，还提高了10的产量。
再比如ai产量预测：以前政府统计粮食产量，需要派人下乡调查，耗时耗力还不准确；现在用ai结合卫星图片、无人机巡检数据，能精准预测各省、各市甚至各村的粮食产量，误差率不到5。这不仅能帮政府更好地制定粮食政策，还能帮农民提前知道自己能卖多少钱，心里有底。
中国的农业ai落地快，还因为咱们有“接地气”的服务。比如很多ai公司会派技术员下乡，教农民怎么用aiapp，甚至帮农民操作；有的公司还跟农资店合作，农民在app上买到农药后，能直接去村里的农资店提货——这些“最后一公里”的服务，让农民用起来很方便，自然愿意接受ai。
3 落地实效比“黑科技”更重要：ai的终极目标是“解