2024、2025年是下一代浪潮最关键的两年

如果说过去十年创业者要解决的核心矛盾是如何讲故事拿到融资,那么新一代创业者一定要充分认识到:当下市场的症结,即市场核心矛盾变化成了如何把产品做到落地赚钱。

我们目前使用的平台可以分为两大类:

第一类是纯线上的内容平台,包括抖音、小红书、番茄阅读等等,这类平台本质是做内容的匹配,一边有大量的内容供给,一边有大量的用户,然后分别打标签做推荐。

2023 年,AI 的进展比大多数人想象得要慢。

一个最明显的表现就是,到目前为止,仍几乎没有可以落地的产品。

2023 年 1 月,AI 开始吸引广泛的关注,2、3 月很多人开始密集的学习,机构侧 2、3、4 月完成了对底层大模型的深入研究并且开始选择大模型玩家下注,到了 5、6、7 月开始关注中间层和应用层,8 月以后市场渐冷,10 月以后几乎就都鲜有出手了。

我们用一句话总结这个情况就是:历史上没有哪个赛道能够像这波 AI 一样,迅速建立极大的共识,但又同时存在非常大的非共识。大家共识的是 AI 是个非常颠覆性创新的大机会,非共识则是 AI 到底会在什么时候以哪种方式落地。

我有时候一边希望机构能多出手应用,少抱团一些大模型,一边又很理解机构的难处,确实一年下来没有太好的落地产品案例,那这个大环境下,机构又怎么下得去手。另外我们也发现到了七八月份开始,创业的故事似乎也逐渐穷尽了,大家想做的事情不外乎就是那些。

而这些现象还不能用国内模型能力暂时不行来解释,因为海外也一样还没有真正可用可对标的好产品。结果就是大量的团队只能对标 Character.AI 讲故事,哪怕 C.AI 自己内部都不是十分理解和看好这件事。

所以实际上,最后拿钱的团队很多不是靠着逻辑、故事、产品或数据,反而是靠着创始人的背景融资,于是年终我们就又得到一条结论:AI 拿到钱的公司中,大多数人不管做什么都能拿到钱,最后大家投资的是这个人,而不是 AI。

即,其实当下市场最核心的问题是:AI 最终从实际落地和投资上来说,并不能称之为“赛道”。如果一个方向能成为赛道,就会有机构去扫赛道,赛道中就会有泡沫,大家认可这个机会,就会觉得赛道第一、第二、第三名都有可能成功,都会愿意布局。

但实际情况是,大家看了半天,发现没有什么实际能出手的机会,最终退而求其次地说:现在市场还早,变化很快,我们就选择背景好的创始人出手吧。

所以不得不说,2023年真的是对大多数创业者非常不友好的一年啊。

如果说过去十年创业者要解决的核心矛盾是如何讲故事拿到融资,那么新一代创业者一定要充分认识到:当下市场的症结,即市场核心矛盾变化成了如何把产品做到落地赚钱。

那我们再回头看,到底 AI 行不行,为什么没有产品能够落地呢?

其实关键还是大模型不行,一切的问题千言万语化为四个字——可控性差。

关于这个问题当下已经有太多讨论,绝大多数 AI 从业者也都有明确感知,我就不展开赘述了。最终的结果就是可控性差,导致所有的产品都无法进行商业化的交付。

那我们到底该如何应对和解决可控性差的问题?目前看来有三条路。

第一,交付结果

既然可控性差,就不要让客户直接和产品发生交互,就是在自己体系内部用 AI 和人工结合的方式来操作,最终给客户交付的是结果,而不是产品。这样就相当于把客户的不好的体验和不可预期的成本转嫁到了公司内部,这才是真正以客户为导向的创造价值的做法。而随着时间和技术的发展,AI 对人工介入的需求和占比也会逐渐降低,直到未来的某一天再成为标准化的产品来交付。

这类模式的典型公司就是 Fancytech。

第二,区分生产端和消费端

在 2B 和 2C 的业务逻辑分法之外,针对 AI 的问题,我又把业务环节分为了生产端和消费端,生产端可能是自己公司内部,也可能是 2B 再 2C,也可能是 2 PUGC 社区再面向终端用户等。

总之,就是让 AI 只和生产环节发生关系,不和消费环节发生关系。这种和第一类有点像,但最终还是可以交付产品,而不是结果。

这类的典型公司就是 S2B2C 类的企业。

第三,收敛场景、有限使用

从我们目前的观察经验来看,要让 AI 的产品能落地,要么选择一些已经可控性比较高的场景,比如基于 SD 做图的类型,比如更多把重点放在分析而非生成上,要么就是 AI 的占比不能过高,也许 10%、20% 都完全足够,一定要让 AI 和其他各种现有的技术配合,比如 AI + RPA,AI + 知识图谱等等。

当然这种也是最难的,难在如何摸清技术的边界,并以此做好产品定义和用户需求的匹配,最终把 AI 的最长板用在刀刃上。这就是最关键的,也是对创始人最大的挑战,所以我们不认同 AI 时代技术会取代产品,我们反而觉得技术能力不足的时候,更需要好的产品经理,当然可能最好是理解技术的产品。

这类的典型公司就是妙鸭。

那么可控性差这件事 2024 年会不会得到解决,会不会有更多 AI 的热点出来呢?

如果非要给当下的 AI 加一个对标,那我觉得现在更像是 2008、2009 年的移动互联网,至于 2024 年会不会成为 10 年的移动互联网元年,我会核心关注几件事:

(1)大多 AI 创业公司是在 2023 年中拿到的钱,做了半年多产品也该上线了,2024 年上半年将会有一批产品陆续上线,这里面究竟能不能有一些超出大家预期的成功产品?

(2)OpenAI 今年肯定会发 GPT4.5 或 5,在其带动下新的模型能力还会有哪些提升,成本还会如何下降?

(3)宏观环境会不会逐渐反转,资本环境能不能重新有一定程度健康有益的泡沫?

整体而言,虽然当下市场普遍偏悲观,但我还是倾向于乐观的,首先其实没有人质疑 AI 的能力和未来,其次我觉得虽然现在可能是 2008、2009 年的移动互联网,但时间的流速已经明显加快了,不管是创业者还是投资人,都有数倍甚至数十倍于当年的经验和认知,这些都会推动 AI 市场更快发展。

所以我的预期是,2024 年就会出现明确大规模落地的产品,而 2025 年 AI 市场会大规模爆发。

但在当下,我们还是要接受几个设定:

(1)市场还早,大模型能力未达标。现在能落地、能赚钱的公司大多是套壳的、擦边的、蹭的,真信 AGI,真想做 AI 的大多都在痛苦挣扎。

所以如果你是 AI 的创业者,一定要避免花费大量时间精力给大模型打补丁。在当下去追求真 AI,就容易步子太大扯到跨。

而如果你是看 AI 的投资人,尽早放弃 AI Native 的幻想,不然最后一定会纠结说看起来 AI 也没起太多作用啊,占比也不高啊,或者就是 AI 效果不行啊,达不到预期啊,就像今年绝大多数的 Agent 项目一样,不然就是浪费彼此的时间。

当然,我不是说大家不应该有梦想,或不应该长期追求 AI,这个本质还是模型等外部条件制约下的节奏感和选择的问题。

(2)目前市场上所有的产品都将成为先烈和炮灰。这件事我们在移动互联网时代见的太多了,大部分产品会随着时间发展而淘汰,小部分产品会逐渐升级迭代成完全不同的逻辑。

但是,这里需要注意的一个点是,这些迭代,大概率会发生在已有的公司和团队内部。就像头条变成抖音、餐饮团购变成外卖、水果团购变成电商平台、购物 pdf 变成小红书社区一样。

所以,一个结论:当下在 AI 领域创业,还是得先有能力在短期内落地赚钱,在一两年里能把公司体量和组织结构养起来,然后随着技术的成熟而不断迭代产品和市场。

简而言之就是,要做一个会做生意的创业者。

这也映射了我们前面讲的当下市场核心矛盾变化的问题。相当于有机构因为团队背景好给了一笔钱,然后团队需要用这笔钱来做成一件事活下来,再在这件事的基础上创新。当然,也可能像当年的王兴、张一鸣等一样,先做校内网、饭否、九九房等,失败后再重新出发。

所以创业者需要学习做生意、学习赚钱,需要乐观、需要持续进步,需要坚信 AI 的机会,最终就一定会获得回报。

另外,我们实际上也看到了一些未来的方向和机会。

(1)所有的现存外包场景都有机会用 AI 的方式和组织结构重做一遍,并扩大 n 倍。

外包公司就是典型的交付结果类的公司。而之前大多领域的外包公司都是人力密集型,并且门槛不高,所以可能市场上会有几万家小作坊在做类似的事情,做大了就管不过来、成本效益算不过账或者里面的人就会跳走自己单干。

那 AI 天然就是替换人力、降本增效,所以所有的类外包场景的公司和业务都有可能被集中化整合,最终市场上可能就剩下几家大公司。

比如代码外包、设计外包、广告外包、财税外包等等,都是我们关注的机会。

这类传统公司的特点一般是老板比较传统,不懂资本、市场运作或新技术,但这类赛道的特点是有很多垂直领域的 knowhow,或者有复杂的流程、和很多具体需要和客户对接的点, 所以最理想的能做这件事的团队应该是传统行业的人和 AI 技术的人的结合。

在这类市场里,更多的机会在闭环自营,AI 提效,而不是做一个 AI SaaS 工具去卖给现存玩家。有了 AI 就能用 1/5 甚至 1/10 的价格把市场吃掉,让竞品出清,再慢慢升级产品和赚钱。(顺便说下,国内 2B 市场,面向中小 B 的几乎被证伪,而大 B 则需要关系和资源,有些时候 BD 的重要性反而大于产品和技术,所以对创业者来说不太友好,而国外 2B 市场,大家还都在摸索,包括投资人很多时候也掌握不好火候,所以一切还都要用结果说话。)

(2)大多的双边平台都有机会被 AI 改造,非标服务可被 AI 标准化,生成式内容可把双边平台变成单边即可成立并快速起量。

我们目前使用的平台可以分为两大类:

第一类是纯线上的内容平台,包括抖音、小红书、番茄阅读等等,这类平台本质是做内容的匹配,一边有大量的内容供给,一边有大量的用户,然后分别打标签做推荐。内容越丰富、用户越多,用户越多、内容又更加丰富,本身是一个自增长的螺旋。

但在 AI 时代,供给的内容和标签的价值会被逐渐磨灭,用户需求的标签天然就是最好的 Prompt,所以每个用户所需的内容都可以即时生成,那用户创作的内容或库存的内容价值和意义到底还有多大就要打一个问号。

比如 AI 未来是否能一夜之间生成一整个知乎的问答?比如未来大家每天刷的短视频会不会都是现场即时生成的?当然这可能是个长期的过程,但就像我们 2010 年不会想到移动互联网最大的场景是每天在手机上刷短视频一样(毕竟一开始短信都要付费,流量又贵网速又慢),从逻辑和极限法角度来说,一切的内容供给都可以现场生成,那双边内容平台就会变成单边,而那个时候的社区和创作者的角色到底是什么,也会是一个有趣的探索和话题。

最终,如果说上个时代是推荐打败了搜索,那这个时代会不会是生成打败了推荐呢?搜索是人们主动去在海量的内容中寻找适合自己的,推荐是自动把海量的内容中适合的东西推荐给用户,而生成其实可以被当做是一个充满了无限可能性的内容库,全都直接定制化生成,也就无所谓搜索和推荐了。

除此之外,还有第二类平台是所谓的 O2O,或者说线上下单,但需要线下参与交付的,比如滴滴、美团、京东等标准化生活服务平台,这类平台的客服等体系首先一定会被 AI 改变,这个已经没什么可说的了,我想说的是另外一个点,就是线下供给的解构和打散。

解构是一件特别有魅力的事情,解构发生的地方都充满了商业创新和新机会。我们最早讲 AI 用处的时候就举过一个例子,是说我只要告诉滴滴平台我的起点、终点和诉求,AI 就能组织所有出行相关的供给方式为我服务,比如形成打车+地铁+骑行的一套最快速到达的方案,而不只是单一的选择。

另外这类平台还有一种特别的形式,就是各种涉及线下的非标服务,比如 58 同城类的很多服务,也都可以被 AI 重塑。像上门打扫这件事,如果我想要拼积木式的跟阿姨说,我需要擦玻璃+遛狗+洗衣服,那我该如何选择?以及为什么我的房间不管是 40 平、45 平 还是 50 平都只能选择 2 小时的服务呢?

之前的平台,花费了大量精力把非标服务标准化,但在这个过程中一定是以牺牲灵活性和用户体验为代价的,那如果有一个黑盒,是 bot 之间完成非标的对话,那抽离来看,这个黑盒就是一个可以即插即用的标品,最终就可以实现用灵活、标准、又定制化的方式来提供非标服务。(当然,按照类似的逻辑,机器、机器人未来的占比和重要性肯定也会越来越高,因为机器人真正有能力把 AI 创造的指令做最高效的自动化实现,而未来可能大家对柔性供应链或 C2M 的理解和定义又会有一个质的提升。)

最后,我相信这类平台还有一个最担心的事情,就是未来会不会被其他的新型入口剥夺了品牌和前端,比如最终在 OpenAI 上打车可能大家就都不会在意是谁来提供服务了,如果真有这天,那现在的平台就会变成传统线下服务供给方,丧失大部分价值。

(3)大多的复杂产品和交互形态都有机会被 AI agent 简化成聊天类产品交付,大幅降低使用门槛。

我一直不觉得对话式交互就是所谓的 AI Native,或者就是最高效的产品形态。我现在大概可以有一个结论,即越简单的需求场景,图形界面越适合,越复杂的场景,对话式越高效,那么在绝大多数情况下,2B 业务的场景都是更复杂的,所以各种 SaaS 产品未来都可能会被一个简单的 bot 所取代。

我们2023年就交流过一家 SaaS 公司,他们的客户和使用群体相对文化水平不高,所以他们在 SaaS 产品之外还做了一个企业微信,用户平时其实很少需要打开 SaaS 去操作和点选各种复杂的界面,只需要在微信里说一句话后台就会自动完成操作。

我感觉这个应该是很多复杂产品未来发展的方向。所以未来会不会所有的 SaaS 公司都会变为 BaaS 公司呢,能 Bot 解决的,为什么还需要 Software 呢?会不会今天所有的 Agent 公司,本质上都是新一代 SaaS 公司呢?如果真的有那天的话,入口又会如何变化呢?2C 和 2B 市场的区隔又会如何变化?

(4)内容生成即渠道,解构渠道。

最后再开个脑洞,之前讲的几个其实都是现有商业逻辑的自然延伸。未来 AI 时代,还会不会有新的结构性的颠覆变化呢?

比如,如果我是全球最大的视频生成公司,抖音上有 20% 的视频都是使用我的工具和算法生成,那到底是抖音渠道把控了用户和内容,还是我把控了渠道、用户和内容?如果抖音、Youtube、快手等平台上都有 20% 的内容是由我生成,那全球最大的视频渠道到底是不是我呢?

用户如果要生成一只猫,我可不可以让猫带一个可口可乐 logo 的项圈呢?用户如果要生成一段 15 秒的视频,其中的几秒钟转场是不是除了我没有人在意呢?这是不是也是一种对内容渠道的解构,是不是一种新时代 AI 的分众呢?

这个话题我觉得非常有趣,但我们今天先点到为止。

最后的最后,我们讲回现实,讲回 2024。

2024 年我们判断企业和选择项目的标准就是:

要不然就是能够落地的,能有规模性收入和利润的公司(这类公司我不仅不会介意你不够 AI,反而还会介意你太 AI),要么就是足够创新的公司(surprise me, pls),而对创始人的要求就是想得够清楚,学习能力够强,最好能兼具生意能力和优秀创业者的特点。

而 AI 的创始人们,第一建议不要 to VC,还是要自己落地赚钱。第二,建议你们融资的时候可以问机构一句,你们过去一年 AI 投什么了?可以大幅提效。

本文来自微信公众号:42章经(ID:myfortytwo),作者:曲凯

声明: 该内容为作者独立观点,不代表新零售资讯观点或立场,文章为网友投稿上传,版权归原作者所有,未经允许不得转载。 新零售资讯站仅提供信息存储服务,如发现文章、图片等侵权行为,侵权责任由作者本人承担。 如对本稿件有异议或投诉,请联系:wuchangxu@youzan.com
(0)
上一篇 2024年1月16日
下一篇 2024年1月16日

相关推荐

  • 水温80度:AI行业真假繁荣的临界点

    我们从来没拥有过这么成功的AI主导的产品。

    (这种分析统计并不那么准,但大致数量级是差不多的)

    这两个产品碰巧可以用来比较有两个原因:

    一个是它们在本质上是一种东西,只不过一个更通用,一个更垂直。

    蓝海的海峡

    未来成功的AI产品是什么样,大致形态已经比较清楚了,从智能音箱和Copilot这两个成功的AI产品上已经能看到足够的产品特征。

    未来科技 2024年6月5日
  • ChatGPT、Perplexity、Claude同时“罢工”,全网打工人都慌了

    美西时间午夜12点开始,陆续有用户发现自己的ChatGPT要么响应超时、要么没有对话框或提示流量过载,忽然无法正常工作了。

    因为发现AI用久了,导致现在“离了ChatGPT,大脑根本无法运转”。”

    等等,又不是只有一个聊天机器人,难道地球离了ChatGPT就不转了。

    大模型连崩原因猜想,谷歌躺赢流量激增6成

    GPT归位,人们的工作终于又恢复了秩序。

    未来科技 2024年6月5日
  • ChatGPT宕机8小时,谷歌Gemini搜索量激增60%

    ChatGPT一天宕机两次

    谷歌Gemini搜索量激增近60%

    ChatGPT在全球拥有约1.8亿活跃用户,已成为部分人群工作流程的关键部分。

    过去24小时内提交的关于OpenAI宕机的问题报告

    图片来源:Downdetector

    ChatGPT系统崩溃后,有网友在社交媒体X上发帖警告道:“ChatGPT最近发生的2.5小时全球中断,为我们所有依赖AI工具来支持业务的人敲响了警钟。

    未来科技 2024年6月5日
  • ChatGPT、Perplexity、Claude同时大崩溃,AI集体罢工让全网都慌了

    接着OpenAI也在官网更新了恢复服务公告,表示“我们经历了一次重大故障,影响了所有ChatGPT用户的所有计划。Generator调查显示,在ChatGPT首次故障后的四小时内,谷歌AI聊天机器人Gemini搜索量激增60%,达到327058次。

    而且研究团队表示,“Gemini”搜索量的增长与“ChatGPT故障”关键词的搜索趋势高度相关,显示出用户把Gemini视为ChatGPT的直接替代选项。

    未来科技 2024年6月5日
  • 深度对话苹果iPad团队:玻璃的传承与演变

    iPad最为原始的外观专利

    没错,这就是iPad最初被设想的样子:全面屏,圆角矩形,纤薄,就像一片掌心里的玻璃。

    2010年发布的初代iPad

    好在乔布斯的遗志,并未被iPad团队遗忘。

    初代iPad宣传片画面

    乔布斯赞同这一想法,于是快速将资源投入平板电脑项目,意欲打造一款与众不同的「上网本」,这就是iPad早年的产品定义。

    iPad进化的底色

    苹果发布会留下过很多「名场面」,初代iPad发布会的末尾就是一例。

    未来科技 2024年6月5日
  • 底层逻辑未通,影视业的AI革命正在褪色…

    GPT、Sora均为革命性产品,引发了舆论风暴,但它在上个月发布的“多模态语音对谈”Sky语音,却由于声音太像电影明星斯嘉丽·约翰逊,被正主强烈警告,被迫下架。

    华尔街日报也在唱衰,认为“AI工具创新步伐正在放缓,实用性有限,运行成本过高”:

    首先,互联网上已经没有更多额外的数据供人工智能模型收集、训练。

    03、

    如果说训练“数字人”、使用AI配音本质上瞄向的仍是影视行业固有的发展方向,那么还有另外一群人试图从根本上颠覆影视行业的生产逻辑和产品形态。

    但分歧点正在于此,电影公司希望通过使用AI技术来降低成本,但又不希望自己的内容被AI公司所窃取。

    未来科技 2024年6月5日
  • KAN会引起大模型的范式转变吗?

    “先变后加”代替“先加后变”的设计,使得KAN的每一个连接都相当于一个“小型网络”, 能实现更强的表达能力。

    KAN的主要贡献在于,在当前深度学习的背景下重新审视K氏表示定理,将上述创新网络泛化到任意宽度和深度,并以科学发现为目标进行了一系列实验,展示了其作为“AI+科学”基础模型的潜在作用。

    KAN与MLP的对照表:

    KAN使神经元之间的非线性转变更加细粒度和多样化。

    未来科技 2024年6月5日
  • 这个国家,也开始发芯片补贴了

    //mp.weixin.qq.com/s/tIHSNsqF6HRVe2mabgfp6Q
    [4]中国安防协会:欧盟批准430亿欧元芯片补贴计划:2030年产量占全球份额翻番.2023.4.19.https。//mp.weixin.qq.com/s/VnEjzKhmZbuBUFclzGFloA
    [6]潮电穿戴:印度半导体投资大跃进,一锤砸下1090亿,政府补贴一半.2024.3.5https。

    未来科技 2024年6月5日
  • 大模型的电力经济学:中国AI需要多少电力?

    这些报告研究对象(数字中心、智能数据中心、加密货币等)、研究市场(全球、中国与美国等)、研究周期(多数截至2030年)各不相同,但基本逻辑大同小异:先根据芯片等硬件的算力与功率,计算出数据中心的用电量,再根据算力增长的预期、芯片能效提升的预期,以及数据中心能效(PUE)提升的预期,来推测未来一段时间内智能数据中心的用电量增长情况。

    未来科技 2024年6月5日
  • 你正和20万人一起接受AI面试

    原本客户还担心候选人能否接受AI面试这件事,但在2020年以后,候选人进行AI面试的过程已经是完全自动化的,包括面试过程中AI面试官回答候选人的问题,AI面试官对候选人提问以及基于候选人的回答对候选人进行至多三个轮次的深度追问。

    以近屿智能与客户合作的校验周期至少3年来看,方小雷认为AI应用不太可能一下子爆发,包括近屿智能在内的中国AI应用企业或许要迎来一个把SaaS做起来的好机会。

    未来科技 2024年6月4日