在人工智能技術(shù)迅猛發(fā)展的今天，AI產(chǎn)品如何實(shí)現(xiàn)商業(yè)化并創(chuàng)造收入成為了業(yè)界關(guān)注的焦點(diǎn)。本文將深入探討那些成功AI產(chǎn)品背后的策略和實(shí)踐，分析它們?nèi)绾螐募夹g(shù)模型轉(zhuǎn)化為滿足市場需求的產(chǎn)品，并最終實(shí)現(xiàn)盈利。

提前AI產(chǎn)品賺錢，人們就興奮。

看組數(shù)據(jù)：剪映和CapCut，兩個(gè)軟件全球每月用戶超過8億。到2024年，賺錢增長了三倍多，總共差不多有一百億人民幣。

你可能會(huì)想，兩個(gè)軟件和AI關(guān)系不大吧？實(shí)際上，像智能補(bǔ)光、智能降噪等一鍵操作功能，背后都運(yùn)用了最新的模型技術(shù)。

如果把這種融合AI能力的產(chǎn)品放一邊，那看看獨(dú)立產(chǎn)品。到9月，可靈AI每月用戶已經(jīng)超過150萬；雖然沒有即夢的具體數(shù)據(jù)，但有市場分析師說，即夢價(jià)值是剪映的十倍。

我在刷抖音時(shí)，明顯感覺到AI小應(yīng)用變多了，看起來字節(jié)跳動(dòng)正在用新的方法，圍繞即夢這款產(chǎn)品，打造屬于AI時(shí)代的抖音。

但是，問題來了：大公司做AI產(chǎn)品，都能從零到一完成商業(yè)化閉環(huán)，賺錢效率很快；為什么其他做模型的公司卻很難賺到錢呢？這里有四個(gè)洞察，或許能幫你換個(gè)思路。

01

先思考一個(gè)問題：大型語言模型（LLM）和產(chǎn)品到底有什么區(qū)別？

簡單來說，它們像工具箱和家具。大型語言模型，像一個(gè)裝滿工具的工具箱，里面有錘子、螺絲刀、扳手等。

AI產(chǎn)品像家具，是為了特定的用途和需求設(shè)計(jì)的。比如：椅子是用來坐的，桌子是用來放東西的。家具直接解決了用戶的問題。

所以，大型模型是一個(gè)API接口，產(chǎn)品是用戶直接用的東西。沒有變成產(chǎn)品的大型模型，只是能力，這就是兩者差異所在。

那么，為什么大模型不能直接變成賺錢的產(chǎn)品呢？

第一點(diǎn)，大模型能干很多活，但產(chǎn)品價(jià)值在于解決具體問題。剪映通過智能補(bǔ)光、降噪這些功能，讓用戶操作起來更簡單，直接解決了拍視頻的人的煩惱；即夢和可靈AI則是針對(duì)搞創(chuàng)意內(nèi)容的人，給他們提供好用的工具，變成了市場需求。

相比之下，如果單純提供一個(gè)工具箱，用戶要自己思考怎么用，那，商業(yè)化路徑就會(huì)被拉長。

第二點(diǎn)，單獨(dú)的模型要生態(tài)和資源支持。什么意思？

模型只能提供能力，但家具得嵌入到用戶的需求里，同樣，AI產(chǎn)品的商業(yè)化得靠生態(tài)系統(tǒng)的幫助。

剪映依靠抖音，把AI能力用在短視頻的制作、發(fā)布、分享上，用戶拍的東西可以直接導(dǎo)入剪映編輯，形成了從創(chuàng)作到分發(fā)的完整流程。

即夢結(jié)合了短視頻和直播電商場景，不僅讓創(chuàng)作者更高效地創(chuàng)作，還能在商業(yè)場景中直接變現(xiàn)，是不是有自己的生態(tài)閉環(huán)？

相比之下，獨(dú)立的大模型沒有這樣的生態(tài)網(wǎng)絡(luò)，光靠模型能力，就算接觸到了用戶，也難產(chǎn)生持續(xù)的商業(yè)價(jià)值。

第三點(diǎn)，商業(yè)化路子得清楚。

工具箱再好，用戶掏錢買它的欲望也沒產(chǎn)品強(qiáng)，因?yàn)楫a(chǎn)品能解決實(shí)際問題。所以，想掙錢的AI產(chǎn)品，一開始就得想好怎么賺錢。

文心一言4.0一上來就做會(huì)員制，讓付費(fèi)用戶享受更強(qiáng)的模型推理能力；Monica搞了個(gè)集成AI助手的全能工具，滿足了一些人對(duì)各種模型的需求。

想想看，現(xiàn)在市面上工具太多了，單個(gè)模型性價(jià)比往往不高，有時(shí)候回答還不靠譜；集成平臺(tái)的好處是，如果一個(gè)模型不好用，我可以換另一個(gè)，這種靈活性本身就值錢。

用戶愿意為“選擇的自由”和“更高效的服務(wù)”掏錢，這讓Monica打出了特色。

反過來看，一些大模型公司在商業(yè)化上模模糊糊，還停留在“工具箱”階段。用戶不知道它能干啥，更不知道為啥要掏錢；這樣下去，商業(yè)化路子就拖長了，市場窗口期一過，就很難抓住用戶心了。

值得一提的是：大模型自己不懂用戶需求，產(chǎn)品才是貼近場景的東西。

就拿智能降噪來說，背后用了極為復(fù)雜的模型技術(shù)，用戶根本不會(huì)關(guān)心這些，他們在乎“功能好不好用”。若反過來看，這一能力恰巧為模型提供更多語料，如：提取清晰的人聲、場景聲和人生分離；這種技術(shù)反而會(huì)讓模型能力進(jìn)一步提升。

因此，大模型本身不能作為一個(gè)完整產(chǎn)品，只有把模型賦能到產(chǎn)品中，才能在市場立足。

02

既然模型要做成產(chǎn)品，那得知道模型和AI產(chǎn)品的差異是什么？

前幾天，遇到了一個(gè)有趣的場景：我把Excel文件給了豆包，豆包立馬解釋里面的內(nèi)容。然而，我在GitHub上下了一個(gè)模型后，把Excel給模型的API，它卻告訴我：不好意思，沒辦法讀取這個(gè)文件的內(nèi)容。

我就納悶，這是為什么？帶著疑問去找答案，結(jié)果發(fā)現(xiàn)，豆包是挺大的模型產(chǎn)品，它后面有好多多模態(tài)的模型支持。

豆包拿到Excel文件后，會(huì)先把它轉(zhuǎn)換成模型能懂的XML格式，然后再把信息輸入模型里去做推理。這個(gè)過程是產(chǎn)品層面來完成的。

換句話說，大模型API是個(gè)接口，產(chǎn)品要在模型的基礎(chǔ)上，加上一整套工程化的轉(zhuǎn)換機(jī)制，讓模型能直接和用戶交流，這些限制是產(chǎn)品層面的，不是API自己的限制。

這就點(diǎn)明一個(gè)核心問題：

模型提供的是能力，而產(chǎn)品需要通過工程化，將這些能力變成用戶看得見、用得上的功能。既然如此，那么，大模型為什么無法直接調(diào)用內(nèi)容，還得轉(zhuǎn)化一下呢？

一方面，一個(gè)請求里要來回調(diào)用很多次，模型可能在API內(nèi)部被調(diào)用很多次，這種成本，API提供者扛不住。

一個(gè)常見例子是多輪對(duì)話：

用戶在對(duì)話中問：“我這張信用卡什么時(shí)候還錢？”模型得先找出這個(gè)人的ID，再去銀行的數(shù)據(jù)庫里查信息，然后才能返回結(jié)果。

要是沒有一套邏輯來控制，模型會(huì)因?yàn)樾畔⒉粔颍恢眴栍脩?，而不是直接去查；這就要產(chǎn)品這邊，用外部的邏輯（比如條件判斷和功能調(diào)用）來管每一步，保證用戶只輸入一次信息就能搞定。

通過這種邏輯控制，用戶不用了解模型的底層機(jī)制，也能在一個(gè)自然的交互中獲得結(jié)果。

另一方面，有時(shí)候模型也會(huì)出錯(cuò)，比如：把好多數(shù)據(jù)混在一起分析，這種反復(fù)檢查的要求，通常做不到。

最常見的是處理PDF：?

你上傳一個(gè)很長的PDF文件給模型，想讓模型總結(jié)里面的東西，模型可能因?yàn)槲募L、內(nèi)容太復(fù)雜，直接報(bào)錯(cuò)，或者給你一些沒用的內(nèi)容。

這時(shí)候，如果產(chǎn)品層沒有把PDF分成小塊，提取每段的重點(diǎn)，再整合起來，挑出關(guān)鍵信息，那它給你的是一堆聽起來對(duì)但沒啥用的話。

所以，大模型自己不太穩(wěn)定，要想控制它，必須通過工程化的手段來實(shí)現(xiàn)；這是大語言模型、這是大語言模型、技術(shù)和產(chǎn)品之間的差距。

03

我覺得，產(chǎn)品經(jīng)理應(yīng)該關(guān)注模型到產(chǎn)品中間部分。

為啥這么說呢？

就像我之前說的，大模型像工具箱，是超級(jí)大腦。工程師和產(chǎn)品經(jīng)理得給大腦配上五官、身體和四肢，這樣工具箱才能變成真正能幫用戶的家具。

所以，產(chǎn)品經(jīng)理對(duì)AI產(chǎn)品好不好用特別重要。

如果一個(gè)AI產(chǎn)品只是腦子聰明，操作復(fù)雜，用戶可能就不會(huì)喜歡；反過來，如果操作簡單，但核心能力不行，也滿足不了用戶需求。

很明顯，要做好AI產(chǎn)品，不光要有好的大模型，還得有好的工程師和產(chǎn)品經(jīng)理來幫忙。這個(gè)道理大家都懂，但具體怎么做呢？

俞軍有個(gè)公式叫：用戶價(jià)值 = 新體驗(yàn) – 舊體驗(yàn) – 替換成本。我覺得太理論?？梢該Q個(gè)思路想：用戶為啥愿意為AI產(chǎn)品掏錢？

答案有三點(diǎn)：

1. 提高效率，比如用它能更快完成任務(wù)；
2. 提供方便，操作起來不復(fù)雜；
3. 滿足個(gè)性化需求，根據(jù)具體情況提供定制方案。這樣用戶自然就愿意掏錢了。

這里有個(gè)經(jīng)歷：前段時(shí)間，有朋友說，橙篇這款產(chǎn)品功能挺多，挺復(fù)雜，但有個(gè)功能讓他特別喜歡；要畫流程圖、折線圖、餅狀圖，橙篇都能搞定；他甚至為此開了會(huì)員。

我說，這些功能Kimi和豆包也能做啊，你怎么不用它們？他說，他不知道。你看，這就是問題。

就算Kimi和豆包有相同甚至更強(qiáng)的能力，但它們?nèi)鄙僖粋€(gè)核心要素：針對(duì)性和明確性。橙篇通過清晰的功能設(shè)計(jì)，滿足了用戶的需求，這種新體驗(yàn)，用戶馬上就愿意掏錢。

所以，AI產(chǎn)品經(jīng)理如何處理好模型和產(chǎn)品中間一環(huán)？

不妨換個(gè)思路想想，大模型適合用在哪些任務(wù)上，一個(gè)遺憾但幸運(yùn)的事實(shí)是：現(xiàn)在大型語言模型（LLM）還不能做復(fù)雜的創(chuàng)造性活動(dòng)，比如：批判性思維和深度頭腦風(fēng)暴。

因此，我們應(yīng)該讓模型多做些瑣碎、重復(fù)、無聊的非創(chuàng)造性任務(wù)，而不是用它們?nèi)〈祟惇?dú)有的活動(dòng)。

比如：總結(jié)可能被認(rèn)為是創(chuàng)造性活動(dòng)，不應(yīng)該依賴LLM來做；而像搜索這種枯燥的活動(dòng)，完全可以讓LLM來處理；所以，有些特定任務(wù)就得讓模型來干。

04

問題是，特定什么都包括哪些呢？我整理了一下，大模型擅長的活兒大概有這么幾類：

• 搜索和分類：簡單、重復(fù)性高的場景，比如找信息、分郵件或者給客服問題分類；
• 生成和預(yù)測：比如自動(dòng)補(bǔ)全代碼、預(yù)測銷售趨勢；
• 還有交互類的，比如聊天助手、智能客服。

這些任務(wù)的共性：要模型幫忙提高效率，但不需要復(fù)雜的創(chuàng)造性思考，不過，不同的用戶對(duì)這些任務(wù)的需求也不一樣。

以普通消費(fèi)者（ToC）搜索方面為例：

用Kimi Chat的人和用百度的人完全不一樣，再看看用秘塔AI搜索和知乎AI搜索的人，也是兩種不同的用戶。

秘塔AI，專門搜索法律文獻(xiàn)的軟件。用這個(gè)軟件的人，他們關(guān)心什么？是一些特別具體的法律信息。

再看看知乎，用知乎AI的人要找信源、觀點(diǎn)和思考。他們搜索東西時(shí)，想要的只是結(jié)果嗎？當(dāng)然，結(jié)果是一部分，但還有一部分是過程性的東西，比如：AI能馬上列出20個(gè)信源，這些信源是必須的。

所以，很多人在設(shè)計(jì)收費(fèi)模式時(shí)，并沒有具體考慮到用戶的選擇。他們會(huì)從很高的角度去想怎么設(shè)計(jì)一個(gè)通用的收費(fèi)模式，比如：開會(huì)員。其實(shí)，沒必要這樣，因?yàn)楝F(xiàn)在已經(jīng)沒有什么通用模式了。

通用模式挺難，如果在信源顯示上增加商業(yè)化手段，那會(huì)不會(huì)走出不一樣的路呢？留給他們思考。

再來看看ToB企業(yè)用戶：

企業(yè)用戶更希望模型能融入他們的日常工作，直接提高效率，優(yōu)化業(yè)務(wù)流程。坦白說，我覺得從企業(yè)服務(wù)團(tuán)隊(duì)的背景來看，主要有兩種：

第一種是傳統(tǒng)的企業(yè)服務(wù)團(tuán)隊(duì)。這些團(tuán)隊(duì)本來做的就是企業(yè)服務(wù)，現(xiàn)在想加上大模型的能力，跟上AI的潮流。他們發(fā)現(xiàn)，企業(yè)服務(wù)的核心沒變，思路、客戶和品牌還是按照傳統(tǒng)的企業(yè)服務(wù)模式來。

對(duì)他們來說，大模型只是新工具，能幫他們和傳統(tǒng)供應(yīng)商競爭，還能有不同的評(píng)價(jià)和定價(jià)。

第二種是新興的AI公司。這些團(tuán)隊(duì)通常用大模型的技術(shù)優(yōu)勢，嘗試做企業(yè)生意，比如賣數(shù)字人、智能體這些新概念產(chǎn)品。

但問題是，這樣做很容易變成一次性買賣，用戶的信任是有限的，市場最終會(huì)理性，只愿意為實(shí)際價(jià)值買單。

所以，在企業(yè)服務(wù)這塊，模型不是傳統(tǒng)企業(yè)服務(wù)的分支，也不是簡單地把AI加到企業(yè)服務(wù)里，而是企業(yè)服務(wù)里多了一種新技術(shù)。這意味著，企業(yè)服務(wù)的核心能力還得有，模型只能是個(gè)增強(qiáng)工具。

現(xiàn)在，一些沒有企業(yè)服務(wù)能力的團(tuán)隊(duì)，可以通過大模型方案接觸企業(yè)客戶，但長期看，他們得補(bǔ)上其他企業(yè)服務(wù)的能力，才能真正贏得市場。客戶買的不是模型，而是一個(gè)完整、強(qiáng)大的解決方案。

比如：一個(gè)SCRM軟件加上AI會(huì)怎么樣？一個(gè)SaaS加上AI會(huì)怎么樣？

我已經(jīng)看到一些變化，比如有贊。他們已經(jīng)把模型能力融入SaaS產(chǎn)品；消費(fèi)者可以通過對(duì)話式界面（LUI）或命令式界面（CUI）直接提需求，系統(tǒng)就能提供相應(yīng)的功能或執(zhí)行任務(wù)。

AI還能幫企業(yè)完成更復(fù)雜的任務(wù)，比如整理庫存、優(yōu)化客戶關(guān)系，甚至預(yù)測銷售趨勢。

這才是企業(yè)產(chǎn)品和大模型結(jié)合的真正意義，簡單講，把模型融入工作流，成為企業(yè)服務(wù)的一部分。畢竟，甲方客戶不買模型本身，他們買的是能直接提升業(yè)務(wù)價(jià)值的工具。

以上四點(diǎn)，關(guān)于大模型技術(shù)到產(chǎn)品化、產(chǎn)品到商業(yè)化，商業(yè)化到反哺業(yè)務(wù)，希望對(duì)你有啟發(fā)。

總結(jié)

模型和產(chǎn)品結(jié)合才值錢。

2024年底，大模型、多模態(tài)技術(shù)已經(jīng)發(fā)展到一定階段，接下來是AI產(chǎn)品發(fā)力的時(shí)候，或許，誰能深耕特定場景和用戶需求，誰就能在市場立足，你覺得呢？