人工智能的熱度在最近這幾個月來逐漸攀升，而現在，這股熱潮似乎慢慢過去了，大家也開始思考起有關AI人工智能技術的深層問題，比如AI的商業化問題，等等。在這篇文章里，作者就提出了一個觀點，他認為產品力永遠是核心，技術只是解決用戶需求的手段。怎么理解作者的看法？不妨一起往下看。

今天想聊一個話題：站在2023年8月這個節點，似乎AI熱潮過去了，但我覺得一切才剛剛開始，就像任何行業都值得在抖音重新做一遍一樣，很多需求我們可以使用AI重新思考一遍！

熱潮褪去的表象下，我更想表達的是：產品力永遠是核心，技術只是解決用戶需求的手段。

所以無所謂熱潮與否，也無所謂GPT是否就是人類通向AGI的道路，宏大的命題下，只要有足夠的空間提供給產品經理們和創業者改造當前世界，大家就盡情施展才華吧。

Take Away：

1. AI當前的“低谷”是媒體和資本導致的
2. AI有邊界，但邊界內依然有巨大的商機
3. 商機的背后需要關注用戶真實的需求
4. 持續盈利，留在牌桌上，等待風起

一、AI的崛起和低谷

最近看了讀庫的長文《達特茅斯之餅》，主要講的是1956年，在達特茅斯學院舉辦的首次人工智能研討會前后的趣事。

• 麥卡錫：人工智能術語創造者，后來成為斯坦福大學教授。
• 明斯基：創建了MIT的人工智能實驗室。
• 香農：被稱為“信息論之父”，提出了信息熵的概念。
• 赫伯特·西蒙：獲得諾貝爾經濟學獎，人工智能和認知心理學領域的重要貢獻者。

在這次會議上，AI的概念被首次提出。

1956年到1973年這段時間，是人工智能的第一個夏天。期間大量的技術和應用涌現，包括：

1957年，Mark I 感知器，它使用人工模擬神經網絡，展示出了一定的學習能力，經過50次訓練能夠學會區分在左側和右側標記的卡片。

1973年，第一臺全尺寸擬人機器人WABOT-1，包括了肢體控制系統、視覺系統和對話系統等。

但是，麥卡錫和明斯基這些領頭人，嚴重低估了實現AGI所需的硬件和軟件水平，結果步子邁得太大，牛皮吹得太響：

• “二十年內，機器將可以完成人類能做的任何工作”
• “在一代人內…創造“人工智能”的問題將得到實質性的解決”

到了1973年，希特拉爾撰寫了一份《希特萊爾報告》，指出“迄今為止，該領域任何一個方向都沒有產生當初所生成的那樣的重大的影響?！?/p>

導致了連鎖反應，從美國、英國政府，蔓延到世界上大多數機構和投資人，紛紛回避人工智能項目，沒錢就沒人去研究……最后落地一地雞毛。AI進入寒冬。

80年，美國人工智能協會舉辦了第一次全國會議，試圖再創輝煌，但到了87年，DEC公司應用了AI的專家系統，由于需要解決的問題過于復雜，產品銷售崩潰，人工智能又成為過街老鼠……

80年到87年，算是冬天下的小陽春，期間研究人員發現：

“如果降低對這種技術的預期，改用概率論和統計學的方法，就能夠更加容易地實現一些看上去具備智能的人工智能應用。其中，又以人工智能中最不受待見的人工神經網絡技術最為精進。他們不斷改進人工神經網絡，終于在1986年第一次實現了能夠實用的技術，正式提出多層人工神經網絡的概念?！?/p>

務實之后，人工神經網絡開始走上舞臺，解決實際問題：

• 90年代初，突破了手寫文字識別；
• 2000年后，語音識別技術突飛猛進；
• 2006年7月，多倫多大學教授辛頓提出新名詞“深度學習”；
• 2012年9月，辛頓帶著Alexnet在ImageNet比賽中壓倒性奪冠，深度學習引起了廣泛關注；
• 2016年3月，AlphaGo在韓國圍棋比賽中戰勝了李世石九段。

再往后，就是2017年Google發布的Transformer，以及OpenAI陸續發布的GPT1-4，引爆了這一輪AI浪潮。

二、近期“低谷”的原因：AI也有邊界

過去一段時間AI又再一次被捧上了神壇，在2月初，僅僅正式上線了2個月的ChatGPT超過Tiktok，成為互聯網歷史上最快突破1億月活的應用。

最近，似乎開始冷卻，ChatGPT的微信指數有小幅下降：

融資案例有所減少，投資人開始更理性看待AI，媒體的報道熱度也沒那么高漲，大眾對AI的討論也開始轉向實際的落地應用。

從歷史來看，之前不管是資本、專家、媒體的喧囂，事實上都脫離了事物的發展的本質。

很重要一點是，AI有邊界：

這些漸進式的改善和優化，其實是把深度學習在模式識別與預測上的強大能力應用到種種不同的領域上，如疾病診斷、核發保單、開車、中英翻譯等。但這些改善和優化并不代表我們正在朝著“通用人工智能”的方向快速前進，或是出現了類似深度學習的重大技術性突破。簡單來說，人工智能正式進入了實干的年代，想要利用這個時期賺錢的公司，需要擁有有遠見和才干的創業者、工程師和產品經理。

李開復在《AI未來》一書里對AI的發展做了詳細的闡述。

過去AI在技術上的突破，僅僅是找到了一個“深度學習”，李開復表示，自從辛頓發表了深度學習的里程碑論文到現在，在機器智能領域，還沒有出現任何可以與之比肩的重大突破。

也因此，想要依靠現有的技術實現AGI，是不可能的。不能否認科技有可能出現非常規的突破，但是要實現AGI，事實上可能需要幾十年甚至上百年。

理解了這一點，我們就能夠理解為何媒體爆炒一波，ChatGPT、AI繪畫火熱一波，但大眾開始嘗試體驗后，我自己認識的朋友、加入的AI圈子，都觀察到了熱度大幅下降的情況。

原因是什么呢？很可能是：

過去被媒體吹捧的，以為AI無所不能，玩了之后，發現Ahamoment很快就到達，引發了再次傳播，熱度快速繼續增加，但過了段時間，AI結合不進自己日常的生活工作，就不再使用了，熱度下降。

當我們知道AI也有能力邊界后，也就更能“寵辱不驚”，所謂的熱潮褪去，無非是AI還沒跨越鴻溝，找到殺手級應用進入主流市場罷了：

知道了AI有技術上的邊界，我們可以更加關注的去理解技術底層：

AI 生成內容的基礎分為：機器學習的基礎，任務和模型，應用層三個部分。

• 基礎是最穩定的一層，所以這個領域的知識會比較長期有用。
• 而應用程序則是變化最快的部分。這樣當了解了底層，上面的東西很快就能理解。

過去Super閱讀了大量的論文，包括Transformer、CLIP、GPT1-3，學習李沐的《動手學深度學習》，就是如此。

了解了基礎層面，再對應用層的千變萬化，就會免疫力大增：）

三、AI還有前景么？當然，核心是抓住用戶需求

接著我們來看一下，AI有邊界，是不是意味著沒什么搞頭了？

唯有真正落地應用于生產生活中，學術研究才能變得有意義，才能真正改變我們的日常生活。

李開復在闡述了當今AI進入了“實干”年代后，說了很重要一句話：技術不是空中樓閣，只有用之于民，才真正有意義。

展開說的話，我想先結合一句大家都聽過的話來聊聊：

“任何行業都值得在抖音重新做一遍”

我們來理解一下：

1）抖音代表了移動互聯網時代用戶需求和使用場景的變化。過去人們看圖文和長視頻，碎片化時間逐漸被短視頻+直播占據，包括強大的個性化推薦，強交互性，內容的豐富度等等，代表了新需求、新場景和新使用方式。

2）傳統行業需要針對這種變化，用全新的視角重新審視用戶需求，進行產品設計和商業模式創新。

幾個月前我在四川自貢，吃一家烤魚的時候，驚訝的發現老板在墻上掛出招烤魚徒弟的廣告，和老板一聊，才發現他通過三個抖音賬號（每個只有2000多粉絲），拍攝和發布日常經營的短視頻，就可以獲得每年近百名學員，獲得大幾十萬的純收入。這個就非常的創新，采用了新渠道，獲得了新的商業收入。

（烤魚店老板的抖音賬號）

3）AI技術同樣需要關注這種用戶需求和使用場景的演變，結合具體場景進行創新應用。

我們之前寫的文章：

比如會讀，使用AI做摘要，幫助讀者做讀前篩選：《會讀：AI幫你快速做讀前篩選》

比如妙鴨相機，使用AI生成寫真照片，不要199只要9.9：《妙鴨相機能不能取代海馬體？》

比如通義聽悟，使用AI總結提煉，提高工作學習效率：《你的工作學習AI助手：通義聽悟，如何通過AI能力顛覆飛書妙記？》

都是基于用戶需求和使用場景的變化，進行的應用創新。

拿會讀舉例，海量的信息，用戶FOMO的心態，使用AI幫助快速篩選就非常的創新。

通義聽悟，上線了基于教學視頻，按照PPT提煉整理的能力，也是針對網課場景。

4）在新場景下重新審視老問題，使用AI提供更優的解決方案，持續關注用戶需求，緊跟時代變化，才能真正創造價值。

這是Super想說的，技術是為了產品服務，產品是為了用戶服務。

我們相信最好的產品是重新定義已有的技術，而不是去不斷嘗試突破技術的極限。

最近有一款產品讓我很驚喜，后面會專門寫一篇文章，App叫心光，只在App Store上面有，它其實挺簡單的：

你可以認為就是一款碎碎念記錄軟件，這種需求滿足的產品很多，各有各的好，但心光的不同在于，它加入了AI，可以識別你的心情，可以給你安慰。

有一天Super起得很早，有點為自己沒能獲得好睡眠失望，記錄下來后，沒想到AI給了我很大的能量：

碎碎念除了記錄自己，不希望被外人看到之外，其實還是有被傾聽和被安慰的渴望的，AI就可以解決這個問題~

我理解這是非常Work的，老問題，新解法，非常有價值。

可能會有朋友問了，那具體哪些賽道有機會呢？別急，做了十多個AI項目FA的42章經曲凱也把各種可能的賽道都列舉了出來：

從更具體的賽道來說，其實大多數公司講的事情是可以窮盡的，不外乎是最底層的大模型、多模態大模型、AI + 各種 2B SaaS（法律、營銷、客服、CRM、BI 等等）、AI + 個人助手、AI + 游戲、AI + 社交、AI + 漫畫、AI + 教育、AI + 旅游、聲音生成、3D 生成、視頻生成、中國版 Civitai、各種中間層、私有化模型、向量數據庫、算力加速、分布式計算等等……

我們向外延展，這些領域也有很多AI可以應用的場景（以下使用Claude生成）：

1）醫療健康領域

• AI可用于疾病輔助診斷，提高診斷效率和準確性
• 輔助 read CT、X光等醫療圖像，實現精準定位
• 基因組醫學，分析基因數據，提供個性化用藥方案

2）教育培訓領域

• 智能化教學，根據學生學習情況提供個性化教學計劃
• 在線教育平臺利用AI進行學習分析，給出學習建議
• 智能自動出題系統，根據知識圖譜智能組卷考題

3）智能創意設計

• AI藝術創作，如圖像、音樂、文字等創作
• 智能設計平臺，輔助設計師提高工作效率
• 個性化定制，用戶參與設定參數，AI設計輸出

4）智能家居生活

• 智能助手，語音交互，提供生活服務
• 智能家居，控制電器、環境，實現自動化
• 個性化推薦，媒體、購物等精準推薦服務

有關應用層是否還有機會，怎么做才能不被大模型顛覆，我也有一些思考，可以拉到文末加我微信，后面思考成熟了我也會和大家分享。

四、在牌桌上，關注本質，等待浪潮

五年后，所有的公司都是 AI 公司。

這是朱嘯虎的“暴論”。

很好理解，當下幾乎所有的公司都是互聯網公司，未來所有的公司或多或少也會依賴于AI。

當AI成為新的生產力時，會逐步變成基礎設施。如果對于未來的判斷沒有問題，你所需要做的，就是要在場：

大的歷史浪潮里面沒有地圖，大的歷史浪潮里只有發令槍。當時代擁有一個大的貝塔的時候，你需要做的唯一的事情就是 be there。

From 綠洲資本 張津劍

只要確認AI是一個大的趨勢，OK，什么節奏，什么高潮和低谷，都不是問題。

這是第一點，在牌桌上。

接著，如何持續在牌桌上？第二點，關注本質：

在AI領域要關注的本質是商業價值，而非技術創新。只有持續滿足用戶需求，才能不斷獲得收益，只有持續盈利的產品，才能站穩腳跟。

AI公司現在要做的，就是開發有價值的產品，實現商業化，而非依賴資本和技術炒作。持續盈利，才能持續積累實力，等待下一次AI浪潮來臨時，抓住機遇。

基于這些判斷，我也寫了：《妙鴨9.9元收費背后：解析AIGC產品的商業本質》

前置付費的邏輯我是很認同的，原先用免費換用戶的方式，則要非常小心。

第三點，等待浪潮：

1）任天堂

20世紀80年代，任天堂憑借FC游戲機成功立足。但90年代，索尼PlayStation強勢崛起，任天堂陷入低谷，市場份額大幅下滑。但是任天堂并未放棄，繼續研發任天堂64來回擊。到21世紀，任天堂憑借新硬件與創新游戲再次復蘇。

2）蘋果公司

1990年代，蘋果公司面臨低迷，市值一度暴跌。喬布斯回歸后，蘋果繼續研發創新產品，從iMac、iPod到iPhone，逐步復興蘋果。

3）AMD

早年AMD曾一度落后英特爾，但AMD堅持研發，到2019年發布Zen 2架構取得競爭優勢，業績大幅增長。

歷史上任天堂、蘋果、AMD，都是一度低迷，但是都沒有放棄，低谷期持續努力，才能撐到下一個機遇來臨時獲得成功，這對AI公司同樣具有啟發意義。

五、總結

歷史不會重復，但總會呈現相似的規律。

站在2023年8月的今天回望，我們就像站在歷史的節點上。無論是56年的第一屆達特茅斯會議，還是2012年深度學習崛起，每一次科技發展都不是直線上升，起起落落本是常態。

技術從來只是工具和手段，真正重要的是持續關注用戶需求，以問題為導向，創造價值。只要你保證自己站在變革的風口，抓住實際需求，構建可持續盈利的商業模式，每一次低谷終將過去，總有春天在前頭。

所以，不必隨波逐流，保持定力，我們還有無限可能。一如既往，產品需求導向，技術為我所用。讓我們繼續努力，創造下一個時代的輝煌！

參考：

馬丁的Wiki文檔：https://whjlnspmd6.feishu.cn/wiki/MidvwkPbwiCvFsksbokcj7hGnbh

《朱嘯虎和傅盛都沒錯 | 42章經》

產品沉思錄：《當我們在用 AI 畫圖時，AI 到底在干什么？》