現(xiàn)在AI整個行業(yè)的發(fā)展如火如荼，但AI假如真的那么厲害，那能像互聯(lián)網(wǎng)那樣生活缺了就不行么，它的超級應(yīng)用在那里呢？就像春晚的小品一樣，拐買了，可AI呢？

AI相關(guān)的發(fā)布會狂歡有時候會讓人想到趙本山的“賣拐”。如果我們回想元宇宙的發(fā)展過程，你會發(fā)現(xiàn)這幾乎和賣拐的過程一模一樣。先是把一個科幻的概念結(jié)合新技術(shù)進(jìn)展再包裝，然后加大輸出功率宣講各種自圓其說的故事，然后扎克伯格扮演了范偉的角色？拐也買了（Facebook都改Meta了），可元宇宙在那里呢？

AI也有點這意思。

暢想有點多，應(yīng)用有點少。

AI假如真的那么厲害，那能像互聯(lián)網(wǎng)那樣生活缺了就不行么，它的超級應(yīng)用在那里呢？

一、致命的思維模式

從技術(shù)看應(yīng)用和從戰(zhàn)略角度看應(yīng)用是兩種要命的思維模式，要命的原因是這種視角下其實看不到超級應(yīng)用，甚至很難看到有用的應(yīng)用。

這里的常識性問題在于，AI再發(fā)展也不是整個世界的鏡像，而超級應(yīng)用注定在世界和它的結(jié)合處。

也就是說橫跨兩個領(lǐng)域才能造就新的超級應(yīng)用，這就需要一種從外往里的視角。

技術(shù)視角正相反，從AI往外看，這時候看到的就是各種簡化版本的可能性，看到的是骨架子，而沒有血肉的產(chǎn)品怎么可能成為產(chǎn)品。與此伴生的就是純粹自頂而下的戰(zhàn)略型思考。

這其實是研究院的模式，研究院可以有偉大的開始，很少很少有偉大的產(chǎn)品是徹底的從研究院出來的。

這時候不要扯第一性原理，第一性原理是個起點，迷惑處在于它會讓人覺得已經(jīng)掌握世界的本質(zhì)，然后被當(dāng)成終點。

PC、互聯(lián)網(wǎng)大潮剛過不遠(yuǎn)，可以簡單回顧下。

二、PC、互聯(lián)網(wǎng)的簡單回顧

是施樂的研究院發(fā)明的圖形用戶界面，但是喬布斯、蓋茨看到后把它變成了現(xiàn)在兩萬億美金市值事業(yè)的根基。這兩人做的到底是什么工作？

互聯(lián)網(wǎng)基礎(chǔ)設(shè)施相對完備后，國內(nèi)是馬云、馬化騰等完成了它的切實落地，他們做的到底是什么工作？

反面教材反倒是Facebook，這公司早期崛起全是因為基本沒技術(shù)含量的校園內(nèi)的社交產(chǎn)品，后面一想發(fā)揮自己雄才大略基本就掛。第一次是APP的選擇上，它們覺得應(yīng)該還是H5類網(wǎng)頁，然后為了善后大幅收購，包括190億美金收購WhatsAPP。最近則是元宇宙，改名這事實在是決心下的夠大，然后眼看著也是一地雞毛，眼看是有點瘸了。

所以這個時候如果真的想去尋找AI的應(yīng)用，真的不必太在意誰說了什么。

核心就是一點：回到現(xiàn)場去感受新技術(shù)，然后思考和實踐它到底能干什么，形成體驗的閉環(huán)。

三、回到現(xiàn)場

回到現(xiàn)場、建立自己的測試集，就會陸續(xù)看到很多新可能性。

現(xiàn)在有什么應(yīng)用是過去不能做，現(xiàn)在真能做的了么？

過去我?guī)ш犠霎a(chǎn)品的時候設(shè)想了大量產(chǎn)品，有的嘗試過后限于當(dāng)時的技術(shù)放棄了，但現(xiàn)在看起來有些產(chǎn)品逐漸可以了。

之前有個產(chǎn)品叫VIPKID，主打就是用外教陪小朋友練習(xí)英語口語。很多家長為了讓小朋友練習(xí)英語口語應(yīng)該都買過。后來則逐漸銷聲匿跡了，一說是因為運營成本過高，成本包括流量成本和外教的成本。

那是不是可以把外教換成AI？

用AI來做外教能做到什么水平？

過去的麻煩是如果是AI又必須用小愛同學(xué)這樣的喚醒詞，那整個交互過程就會非常蹩腳。如果不用喚醒詞又沒法區(qū)分到底那些是交互的內(nèi)容，那些是周圍的干擾。

不要低估這事，真實場景的交互因為環(huán)境干擾很麻煩的。否則也不至于地球上組織了幾萬聰明人，最終也還是只能選喚醒詞。

現(xiàn)在好些，用模型在后端判斷是否在和自己交互可能性變高了，這樣就可以真的打造一種去除喚醒詞的交互方式。因為這個場景不像Siri那么開放，相對垂直，免喚醒的交互方式成立的可能性在變高。

類似的，我們是不是可以打造一種真實場景下的媽媽講故事。AIGC生成各種有趣的故事，用媽媽的音色放給小朋友聽？

有人也許說，這東西我做過。

這時候就別學(xué)扎克伯格了。

而是回到現(xiàn)場，打磨細(xì)節(jié)。

交互真的流暢么，故事真的精彩么？

智能音箱上差不多把所有的這些都做過一遍，但現(xiàn)在那里變了呢？

上面這類應(yīng)用如果仔細(xì)想想，就會發(fā)現(xiàn)這類產(chǎn)品起點都是源于對某種角色的置換。

媽媽、教師、女友…整個一個AI版的角色扮演。

扮演好一個角色，需要新技術(shù)，但畫龍點睛的那一筆是要理解角色、理解感受。

所以這種產(chǎn)品先天和研究院模式、戰(zhàn)略式的自頂向下思考是沖突的。校園社交網(wǎng)絡(luò)這種創(chuàng)意為什么不是思科的人先做呢，他們顯然更理解網(wǎng)絡(luò)？意思差不多。

四、尋找超級應(yīng)用

上面這種角色越多，就越可能造就新的超級應(yīng)用。

舉一個開腦洞的例子。

過去我們有一個產(chǎn)品大類叫UGC。

抖音甚至知乎都是這種產(chǎn)品。

那假如上面說的各種AI角色已經(jīng)那里都是，那真的還需要UGC么?

為什么不是根據(jù)偏好判斷直接產(chǎn)生內(nèi)容？

當(dāng)然可以保留社交屬性，可那不是現(xiàn)在的這種產(chǎn)品形態(tài)了。

畢竟一多半以上的人，并不是內(nèi)容生產(chǎn)者而是消費者。

如果AIGC的水平真的達(dá)到一定程度，那所有UGC的產(chǎn)品（包括搜索）其實都要重來。

現(xiàn)在沒有，還是智能水平還不夠。

角色重組，會導(dǎo)致新的應(yīng)用形態(tài)。不能老盯著過去成立的產(chǎn)品。

回到切實成立的角色，加一點想象力來尋找超級應(yīng)用可能更靠譜一點。

五、從以終端為中心到以智能為中心

仔細(xì)想想我們會發(fā)現(xiàn)，AI其實必然以智能為中心。

這和移動互聯(lián)網(wǎng)很不一樣，移動互聯(lián)網(wǎng)基本上以手機(jī)為中心。

當(dāng)然所有產(chǎn)品都會有端、有云，但以App為中心的移動互聯(lián)網(wǎng)和以Web為中心的PC互聯(lián)網(wǎng)其實游戲規(guī)則是不一樣的。

移動互聯(lián)網(wǎng)差不多把App重要度提到一個無以復(fù)加的程度。

手機(jī)這個端的重要性超過所有其它終端的數(shù)倍還多。

AI就不是。

chatGPT是不是APP就沒有想的那么關(guān)鍵。

小愛同學(xué)這種產(chǎn)品是不是智能音箱其實也不關(guān)鍵。

這是什么模式？這是以智能為中心的模式。非要類比會更類似Web，而不是移動互聯(lián)網(wǎng)。

這種模式?jīng)Q定了很多事，比如：

早期AI企業(yè)規(guī)?？峙聸]互聯(lián)網(wǎng)漲的那么快。

一定程度上除了小品類，恐怕也不會以手機(jī)為主戰(zhàn)場。

不是不行，而是既有力量太強(qiáng)大。

以智能為中心的產(chǎn)品模式，需要找到自己的新立足點。

為什么強(qiáng)調(diào)這點呢？

因為我發(fā)現(xiàn)即使很有名的人也用互聯(lián)網(wǎng)術(shù)語來描述AI。

DAU這些其實可以扔一扔了。

如果非要創(chuàng)造一個，我覺得適合用Value Per Role（VPR）。

我們對比過AI和互聯(lián)網(wǎng)的差異，AI如果像我們說的那樣是打深井，那就應(yīng)該計量每口井的出水量。計量覆蓋多大面積有什么意思！

參見：為什么說互聯(lián)網(wǎng)方法論在AI上差不多全是錯的

六、智能的價值密度

之前提過一點智能價值密度這個概念，這次正好結(jié)合以智能為中心，再表述下。

就和礦有富礦和貧礦一樣。

不同角色的智能成分是不一樣的。

以能干為前提，AI不求礦多，求的是富礦。

度量貧富的就是智能的價值密度。一個情景里面智能占比越高，如果能做，AI實際效果越好，比如下棋。

反過來比如搬磚，那其實大模型這類智能的價值就沒想那么大。過去的技術(shù)也就覆蓋了。

所以AI核心是找的準(zhǔn)。

這事并不難想明白。但思維慣性太大。太多人還是在老的模式下思考這事了。

很簡單的問題，AI是燒Token的，如果100個人用，90個人每天問今天天氣怎么樣這類無價值問題，但它花的成本和有價值問題是一樣的，這顯然就會增加商業(yè)模式成立的難度。

假如我們還用互聯(lián)網(wǎng)那個轉(zhuǎn)化率漏斗，那大概率從點擊率到成交率即使是符合互聯(lián)網(wǎng)的漏斗也是不賺錢的，因為你成本高了。除非英偉達(dá)真的把這種Token生產(chǎn)變的和加減乘除一樣便宜?；ヂ?lián)網(wǎng)通過硬的基礎(chǔ)設(shè)施（云等）、軟的基礎(chǔ)設(shè)施（緩存等）優(yōu)化了這個地兒的成本。GPU顯然比一般服務(wù)器還是貴很多。

怎么對沖這類發(fā)散導(dǎo)致的問題呢？

顯然需要角色的精準(zhǔn)。和以智能為中心的應(yīng)用。

七、一點點方法論

典型的落地方法論其實叫由特殊到一般，再由一般到特殊。（大家自己查是誰說的）

也就是自底向上和自頂向下來回穿梭。

當(dāng)試錯成本低的時候，純粹的感受派（自底向上）就會占絕對上風(fēng)。但自底向上就看到機(jī)會容易，看不到躍遷的可能性。

當(dāng)試錯成本高的時候，戰(zhàn)略派（自頂向下）就會占上風(fēng)。但這容易看到框子，卻看不到抓手和落地點。

AI產(chǎn)品正好要求變高了。這時候單一維度恐怕是不靈。先從角色開始，再有整體趨勢認(rèn)知恐怕更合適。

八、小結(jié)

AI這種純粹硬科技驅(qū)動的事業(yè)會導(dǎo)致一種迷信，大家會相信一些似乎知道更多的人，但這很要命。冷靜的人一定知道，這個時候大家都所知不多，最多知道一點方法的方法。這點方法的方法有點用，但真說落地的話，重要度遠(yuǎn)不如回到角色和感受。而如果回不到角色和感受，就會很容易變成科技界的賣拐。