到底有沒有人在投AI？AI賽道第一線實操體感分享

來源：綜藝大集合 釋出時間：2023-04-24 09:31

如上圖，她的觀點是會有幾個普適的通用大模型，去滿意廣義的中長尾的大眾需求，而在垂直的高價值大使用者基數的場景下（好比影象天生、營銷案牘協作、程式設計助手等場景），會有許多專業模型，這些模型更像是端到真個應用，會佔據使用者場景，並建立自己的模型。

她的論證邏輯也非常簡單：

1）專業化領域的使用者對產品機能的要求高，需要更好的定製化的產品和技術的解決方案，直接呼叫通用大模型是難以滿意的。

2）要把產品做到更好，需要更完善和靈活的資料反饋和底層架構，而通用大模型在可控性上是難以做到的。

3）垂直場景的產品的護城河就是資料，最貴重的也是資料，所以一旦有了場景和使用者，這些產品提供者有足夠強的動力去保護自己的資料不被其他大模型呼叫，所以自己基於類開源的大模型去練習自己的模型就幾乎成為了必然的選擇。

4）AI 領域本身就是有非常強的協同性和開源性的，而且各項本錢也是在不斷降低的，所以未來做自己的大模型的門檻會不斷降低。

所以基於以上原因，她的結論是未來可能會有非常多的大模型，有少數通用的，有更多垂直的，整個生態會無比繁榮，會有更多的端到端應用的機會，而非通用大模型本身。

我猜這也是為什麼美國不斷有大額的應用層公司融資的新聞，而很少見到類似海內的一窩蜂去投大模型創業公司的新聞（美國的大模型公司好像也都是端到端應用的公司，都是直接有產品和場景，大模型只是為了更好的滿意產品）。

實在我相信海內的大模型公司有許多也是追求場景和產品，而非只講通用大模型故事的，所以實在核心題目是這些公司到底該被稱為大模型公司仍是應用公司呢？假如實在終極是端到真個應用公司那又該如何評估這些公司的核心競爭力呢？

另外，今天我和一個創業朋友聊天，他提到一個很有趣的題目，GPT3 實在是 2020 年釋出的，在那個之後的兩年之中，為什麼只有很少的大模型或者應用類的公司跑出來？莫非 3.5 和 3 的差距有那麼大嗎？那為什麼 Jasper 或 Copy.ai 卻跑出來了呢？

我相信這也是一個值得許多從業者去思索的題目。

二）未來應用的發展軌跡到底會如何？

上圖是音遇創始人 Albert 對於未來使用者時間分佈變化的思索。

在上一波移動網際網路的市場中，我們會發現不論是什麼賽道，終極從使用者時間的維度上大家都是競爭者。

在 AI 2.0 時代，人類工作相關效率會不斷晉升，所以目前大多 2B 類產品實在是去卷這一部分使用者的時間，終極也許讓使用者在產品上停留的時間越少則越成功？而娛樂相關體驗的產品則是另外一套邏輯，即怎樣用 AI 晉升體驗而非效率才是終極的議題。

另外 A16Z 在上圖的文章中提到一個觀點，即 AI 會從天生內容到理解內容，從基於簡樸的 prompt 天生長文，到基於海量的資訊去總結精煉的 insights，然後基於 insights 去提供落地執行的建議（並自主執行？）。

我理解本質都是想怎麼能更好的利用 AI 勞動力，一種是做從無到有的苦力，一種是做從多變少的分析活，這兩個結合起來就能取代大多日常的工作流程和場景。

所以在業務場景的選擇上，我們目前有以下幾個看法：

1）選擇對 human in the loop 的程度要求低的方向，或者儘量讓產品降低其程度，儘量讓 AI 從 copilot 的角色無窮趨近於 pilot，這實在本質和最近 autogpt agent 的概念是一致的。

2）選擇大模型是工具和過程而非結果的事情，把大模型藏起來，儘量弱化大模型在產品流程中的意義和佔比。

3）尋找需要大量人力去天生內容的場景，或者尋找有海量資料而原有人力難以處理分析得出 insights 的場景。

4）要明確做的是 killing time 的場景，仍是 making money 的場景，一個是追求體驗，一個是追求效率，不可攪渾。

5）尋找業務環節複雜，不同環節連通和積累能產生明顯資料飛輪效應的場景。

6）在 AI 時代，講要做個人助手，大概就像是在網際網路時代講有一個做社交的夢想一樣，需要尤其謹嚴，而在 AI 時代，也很可能你本來沒想到要做個人助手，最後就發現自己做的實在就是一個個人助手。

三）人機互動介面到底會怎樣變化

許多人常常討論什麼是 AI Native，互動式會話是不是未來產品核心形態等題目，但我個人仍舊覺得這件事被過於誇大了，所以在這裡輕微提一句。

AI 對互動體驗帶來的本質變化是智慧和靈活性，是對最小化供應模組的解構和重新組合，而對話並不一定在所有場景下都是最高效的互動方式。

對此感興趣的可以去看 Geoffrey Litt 的文章 Malleable software in the age of LLMs，他在裡面進行了很具體的論證。

簡樸結論我們在之前的文章中也有寫過，即對話和圖形介面的組合才是最高效的產品互動方式，終極在 AI 時代，產品最核心的變化潛力可能是每個使用者都有機會用對話去重塑自己的圖形介面（或至少是 AI 能基於使用者需求去提示和建議產品功能）。

（從另一個視角看，一個好的產品設計應該能讓人一心二用，即使用者可以一邊聊天一邊做事，而不是隻有聊天才能做事。）

四）壁壘是什麼

最後，我們終於進入到這個話題。

ELAD GIL 試圖在 Defensibility & Competition 這篇文章中解釋 AI 公司壁壘的題目，但他一上來實在就明確給出了結論：

極少有 SaaS 或 AI 的公司在早期就有壁壘的，大多這類的公司都是在後續發展中逐漸找到並形成自己的壁壘。

當然這個謎底對於海內的投資人來說可能並不足夠。

那我們不妨想一下，投資人為什麼在這個時候更看重壁壘？之前投 SaaS、投消費、或者我們回溯到早期投移動網際網路 APP 的時候，到底是不是天使輪就要論證出專案明確的壁壘呢？

我覺得泛起這個情況有幾個原因：

1）過去幾年市場募資環境和投資方向的變化，讓大家對於確定性和壁壘的要求更高，但這是否相當於追求讓風險投資變的不那麼有風險，是否值得商榷？當下市場中真正的天使投資是否供應不足？

2）AI 行業過去一段時間確實發展太快，大家決議計劃的資訊輸入不夠完備，所以要出手並不 comfortable，但當市場資訊全都清楚的時候，該如何錯位獲取逾額回報？

3）大家過於看重底層大模型的能力，覺得大模型是萬能的，這個觀點我們並不認同，也在上文中辯證了一部分，我們堅定的以為產品能力永遠是核心，技術只是解決使用者需求的手段，所以我們看好端到端應用，且以為海內創業者選擇從產品場景切入，再反向補足模型能力的路徑是公道且可行的。

4）大多創始人確實講的方向重疊，且錯誤預判了市場對 AI 的熱度，在產品未上線無資料的時候過早進行市場化融資，且對 AI 能力和使用者需求的理解上想的還不夠深入（大多時候也是因為沒有實踐，而非沒有能力）。

所以最後我們給大多關注該領域的創業者的建議是：

1）市場沒有想象中好，熱度不代表交易轉化，建議不要在產品未上線或沒有資料前期待利用市場熱度順利完成融資。

2）假如確實需要融資，建議理性客觀對待市場，大幅放低估值期待，先小額出讓股份，用低估值降低投資人對不確定性的顧慮，拿些小錢做到 POC 並不丟人。

3）問自己三個題目，關於 AI 我比別人更深的認知是什麼、更巧妙的應用是什麼？關於使用者需求和場景我比別人不一樣的理解是什麼、不一樣的產品功能點是什麼？關於壁壘和核心競爭力我該如何回答？

4）做好未來要擁有自己的垂直模型的預備，對於產品型創始人來說，這可能是未來對團隊能力的一個挑戰，誰能更好的講清和做到這點也可能是終極真正被買單的壁壘。