文 | 李智勇
AI碰撞局到现在为止一共做了9期,里面覆盖了8个AI各个方面的案例(SEO做了两次),具体包括:
从上代AI延伸过来的智能电梯,智能音箱;类似Her的产品(这期偏底层逻辑);写作AI智能体;基于AIGC的SEO工具;具身机器人;医疗大模型;微软的Copilot(我自己长期研究这产品,不是微软的人分享)。
活动本没有规划,但却误打误撞涵盖了常说的C端,B端,行业;国内、海外;软件、硬件;创业者与巨头等多个方面,比较全面。
又因为AI碰撞局里的分享只占整个活动的一半时间,相比之下现场的碰撞产生的信息量要更大一些,两者叠加后就非常生动鲜活的描述了AI在2024年上半年的部分状态。
这里对这9期活动做个小数据的总结。什么叫小数据呢,其实就是我读记录后做的提炼和总结。
AGI的(Artificial general intelligence)G最关键
贯穿九场AI碰撞局活动,每场大家都会提到的词是:AI不好用。
这种不好用在不同落地领域表现不一样:在出海的SaaS产品上表现为需要大量注入工作流,在内容创作上体现为很多的人工干预,在机器人上体现为对产品定位的约束,在智能音箱则是产品价值逻辑充满矛盾。
这进一步意味着产品定义的时候必须一只眼睛盯技术成熟度,一只眼睛盯市场机会。这本来不稀奇,但和AI的通用智能特征、幻觉结合起来就变得十分麻烦。带宽、计算能力、功耗是可以精确度量的,智能怎么精确度量?何况即使智能够了,它还出现幻觉,幻觉意味着时灵时不灵,这又怎么度量?
所以互联网时代做App的时候基本上技术变量是确定的,只搞定产品这一头就行,但做AI应用的时候,你必须同时考虑两头,用不确定的技术去解决不确定问题。正经的要一头没一头。
这导致很多问题必须放到Level1~Level5的技术脉络下回答,否则大概率不对。
AI产品发散度远大于互联网
互联网产品相似度其实是高的,如果抽取不同App的基础模式,那会发现很多共同点。
AI就不行,发散度极大。
APP,SaaS算是和互联网基本重叠,智能音箱、智能电梯就扩展到智能硬件了,大模型+一体机则进一步像IT早年的情况了。机器人就更综合,真说它的商业模式,租的话有点像硬SaaS,卖的话就和汽车差不多。
落地形态上显然也从单纯上App解脱了出来,当前比较赚钱的产品基本就都是Web产品,以智能音箱为代表的智能硬件在AI大模型的驱动下形成各种变种,这些很像是硬应用,会走卖货的产品模式。机器人、自动驾驶就更夸张些,差不多里面会综合现在所有的技术,估计不比做航天飞机的覆盖面少多少,然后怎么落地并不怎么确定,太贵太复杂。闲聊的时候,大家戏言:真干机器人,哪怕就是跑起来也需要500人。
如果要做脑洞式类比,会发现种种智能落地载体可比人类、黑猩猩所在的灵长目种类多多了。
这会导致一个有趣的现象:大家都觉得自己在做和说AI,但谈的其实不是一个东西。
这种发散度也就意味着分裂,做机器人的根本不会去关注SaaS,甚至也不会去关注自动驾驶。
但如果说大部分AI产品其实是失败的,那这种跨种类的关注反倒是必要的。
- 产业逻辑 VS 风口逻辑
另一个在9期AI碰撞局活动里面反复出现的话题是:
干AI到底是应该九层之台起于垒土,数年如一日的打磨自己产品,练内功还是迅速捕捉出现的机会点快点变现?
前面是产业逻辑后面则是风口逻辑。
最终选择和个人、产品、行业都有关系。
如果干机器人、一体机、医疗大模型等那似乎也没啥能快速捕捉的风口,如果不一直磕那就赚不到钱。
但如果干海外SaaS,那窗口就有时间属性,你第一波去做获客成本就低,晚了获客成本上来后,钱就赚不到了。比如基于AIGC做SEO的产品如果不是早点入局,而是已经有几百个类似产品了,那获客就会挑战比较大。
略尴尬的是,回看近两年,凡是能赚钱的产品基本都是风口逻辑。(英伟达就别算了)
之前文章总结过这几年真正赚钱的产品并提取了三个特征: AIGC主打,小产品,海外市场。小产品天生需要是风口逻辑。
AI碰撞局因为参与的人来自不同背景,产业同学往往提到的是历经六年现金流转正,风口逻辑下提到的则是多少个月ARR做到了多少。
差异极大。
- 改善 VS 颠覆式创新
如果说产业逻辑还是风口逻辑是个实务上的选择,另一个AI碰撞局上揭示出来的问题则更具有前瞻性:
AI到底会不会产生颠覆性机会?
活动上典型的讨论是这样:
AI肯定可以做辅助诊疗,那这时候就必须面对既有业务过程。你产品落地的成本支出其实变成了两部分:一部分来自于技术、产品上解决确定问题的挑战;一部分则变成适配既有工作过程。后者的成本可能比前者还高,所以就落地困难,甚至导致成本上升然后不赚钱。
那是不是在技术足够成熟的时候可以出现一种颠覆性,比如:一个医院就完全没有医生,按照AI优先的原则从0开始建一个医院,规则去适配AI而不是AI去适配规则。
这问题一出立刻认识就让参加活动的同学更加分裂:一种观点认为所有新技术出现往往是从一体化向技术适配开始的,接下来才是各种规则和详细分工,比如PC或者iPhone;一种观点则觉得这现实可能性极低,短期不可能。
这就让AI在国内落地很尴尬。
过去通常用需求定义或者产品定义去抽象不确定问题,找出其中共性,然后用技术手段去解决它。如果还按照这思路,那就只能做一些相对小的产品,关键的利润丰厚的问题已经在过去几十年被用各种技术解决过了。新技术并不支持按原有方式重做一遍。
彻底的从头新建,则技术看起来又不太够。
这个问题在现在这个阶段回答,看来只能是我之前提到过的角色中心式计算和图灵测试2.0的思考框架。这两者现在看最合理也算是被初步验证。
最终如何只能在G(通用智能)的提升过程中进一步验证。
怀念2015年,信息流转需要加速
每当现场碰撞产生分裂的时候,我就会怀念2015年。
那时候周围朋友里有一种平等对话的氛围,虽然也混圈子,但PK的面红耳赤并不罕见。
活动往往也没那么正式,大家找个地儿,一杯咖啡或者一杯水聊个2个小时尽兴而归。
我之所以怀念它是因为一方面它帮我换个视角审视我自己问题,思维破圈;一个也确实帮我认识了好多志趣相投的朋友。
后来不知道为什么,这个氛围就散掉了。很多活动就变成了一个权威讲话的模式,这应该也是需要的,毕竟AI在技术那侧专业性太强。但不能否认AI下面的关键越来越向应用转移,而应用不太可能靠讲话来获得答案。
这应该算是AI碰撞局的另一种意义吧。即考虑AI的专业性所以有人分享,但也还是要构建一种平等对话的氛围。
希望它能够促进AI的落地,让这条路稍微好走一点点。
小结
上面有些问题并没有给结论,按考试的思路来看这些问题则会很奇怪,但实际上这也正是AI碰撞局的另一个特色。我们基本认为最多有值得参考的思维框架,结论只有当事人把这些框架和自己的现实问题结合才能做出来,只有当事人能给最终答案。利润的来源是什么呢?很大一部分正是每个人自己的那一部分思考。张一鸣好像说过类似观点:认知是企业的核心竞争力。这个认知正是属于每个人的那一点点思考。从这个角度在商业上给手册性方法的大概率是骗子,建议不要相信。