eda工具链的研发更要加快，不仅是服务海思，也要能支持国内更多的芯片设计公司，提升整个生态的抗风险能力。”
讨论由此展开，从算力延伸到基础软件、数据库、erp的未来架构设计，如何更好地拥抱云原生、支持异构计算、实现软硬协同优化。
会议的第二个焦点，集中在商业模式创新上。
徐建明再次提到了“企业级ai模型市场”的构想。
“如果我们能成功搭建这个平台，就有可能从软件许可商的角色，部分转向平台运营和生态赋能者。
这不仅能带来新的收入来源，更能增强客户粘性，构建护城河。”
徐建明展示了一个初步的商业模式画布。
张福全从生态角度提出建议：
“要吸引开发者，激励政策非常关键。
初期可能需要我们投入资源，联合头部伙伴打造几个‘杀手级’应用场景。
同时，平台的数据安全、模型知识产权保护机制必须做到极致，否则难以取信于企业和开发者。”
也有人提出质疑：
“这类平台前期投入巨大，回报周期长。
而且，大型企业客户是否愿意将核心数据或决策依赖于第三方平台上的模型？
他们的数据隐私和合规要求极高。”
陈默引导大家分析利弊：
“任何新模式都有风险。
我们可以分步走。
先选择非核心的、但价值明显的场景进行试点，比如设备预测性维护、供应链可视化优化。
同时，探索混合云部署模式，敏感数据留在客户本地，模型和算法在云端更新迭代。
关键是要小步快跑，快速验证，而不是追求一步到位的大而全。”