隨著現代科技不斷在發展，對于AI在商業中的發展又該是如何的走向，又該如何調整部署？關于AIGC商業化的非共識認知你了解多少呢？或許可以看一看下面這篇文章，里邊的內容或許可以為你解惑。

關于AIGC商業化的13個非共識認知：

1. AIGC的核心指標，不是節省了多少時間/人力（效率屬性），而是提高了多少“轉化率”（利潤屬性）。
2. 不是技術不夠，而是缺乏深度的“行業know-how”。
3. 情感AI，可能反而是現階段的低枝果實。
4. 對于轉化率的提升，虛擬人很可能會有“巨大”的增量空間。
5. 關于Agent：目前主流的“單體智能”思路有隱患，可能的突破口是“多體智能”——類似復雜系統/鳥群，單個智能體可能很簡單（不一定要超過單個人類），但整體有非凡的智慧（AI Agent 團隊 >人類團隊）。
6. AI產品方法論之“由用戶來完成AI產品設計的最后一公里”。
7. 品類！——現在并沒有到AI 2.0 的“iPhone時刻”（那只是行業大佬的PR用語）
8. “場景-用戶-需求”之外，需要增加一個關鍵詞，“關系”——定義了關系，就定義了約束條件和需求屬性。
9. 使用AI時，把AI當成人；設計AI時，把人當成AI。
10. 未來AI企業，方向定位將不是按照To C/To B來劃分，而是按照To 人/To AI 來劃分。
11. AI商業模式，不是短期、一下子能夠搞定的——要么是打井模式（足夠深、打穿為止）、要么是毛毛蟲模式（不斷躍遷）。
12. 現階段做AI，要對標的不是互聯網，而是通信/IT。
13. 未來真正的AI 2.0/元宇宙社交產品形態，核心差異化的點，不僅是人和AI社交，更在于“AI和AI交互、人去看（消費）這些AI產生的內容”——那不是“游戲”，而是“生活”。

一、背景：去年Lensa日入300萬美金、今年妙鴨爆火，但昔日臉萌們的本質隱患，并未解決

去年12月，Lensa日收入300萬美元（詳見《Lensa！ChatGPT之后，又一個有破圈能力的AIGC產品》。

某開發者做的AvatarAI，上線2天、收入1萬美元（詳見《一天賺一萬美元，這個AI圖片生成工具火了》。

這類產品，其實本質上都是“AI頭像生成器”，提供的是個性化/炫耀價值，核心是“社交”兩個字——雖然確實短期容易爆、吸金能力很強，但問題在于，這類產品都需要依附于某個成熟、強大的社交平臺（類似QQ秀生長于QQ），才可能“長期”巨額盈利。

要想通過AIGC，自己來沉淀社交關系鏈到一定數量級，短期是不現實的。

最近“妙鴨相機”的微信搜索指數，已經在大幅下滑了：

當然，如果能夠賺一波流的錢，也挺不錯的了；但總有人希望更能穩定、長期的賺“系統”的錢。

二、一個非常有價值的案例：PhotoRoom

PhotoRoom具體是做什么的？服務于二手電商賣家，去掉圖片背景、并增加各種細分電商應用場景所需的背景和效果。

PhotoRoom的數據表現如何？去年12月的數據是：下載量4000萬，月活MAU 700萬，每天處理的圖片300多萬張；基于訂閱費9.99美金/人/月，2020年8月突破100萬美金ARR，每個月的增長基本上都在 50%以上（詳見這篇報道）。

問題是，PhotoRoom僅僅是給用戶節省了時間，就能讓用戶這么心甘情愿的付錢嗎？NO。

PhotoRoom的價值，不僅是節省大量時間，還能提高賣家的銷售轉化率——針對各個細分場景，提供具有專業設計感的照片，用戶使用后，平均提高了31%的轉化率！

比如社交媒體（它還細分出了 Twitter、Instagram 等）、各種電商網站（具體再細分為 Ebay、Poshmark、Depop、Etsy、Shopify 以及亞馬遜等各種類型的電商平臺）、網絡小店、雜志風格（再繼續一大堆細分）、直接具有銷售文案的圖片以及各類風格類型模版，各種模版超過了1000個！整個優化生成的圖片非常的有專業設計感，操作也是非常簡單。

這個案例對咱們的“底層參考價值”在于，這是一個AIGC商業化的靠譜思路：

1. 切細分場景、切細分用戶；
2. AIGC出的東西，要能明顯有助于其商業活動——不僅能節省時間，還要能提高客戶商業路徑上的轉化率；
3. 基于2，所以一開始就可以收費?。ㄒ驗橛脩羲愕倪^賬，整體是值得的）
4. 要做到3，創始團隊需要對該行業具備深度know-how（就能夠拿著錘子敲釘子了）

三、AIGC的核心指標，節省了多少時間、人力（不是效率屬性），而是提高了多少“轉化率”（利潤屬性）

這里有一個非常微妙的地方：PhotoRoom的功能，既能節省用戶時間，又能提升轉化率，到底哪個指標是最core的？？

回憶下那個經典的對比案例：智能手機（iPhone）也有電話、短信等通信功能，但是其真正決定成敗的差異化價值，其實是娛樂/社交/購物等等其他功能，重點指標也變成“占有用戶時長”等等，而并不是打電話的通話質量等通信指標了！

也就是說，降本增效類指標也有用，但不是“決定成敗”的關鍵，因為人類天然更愿意為開源付費，而不一定是節流，特別是在中國，特別是小B和大C。

四、相對于傳統互聯網產品，AIGC如何能“大幅”提升轉化率呢？分享4個可能性（關鍵詞）

1. 不是技術不夠，而是缺乏深度的“行業know-how”！

傳統互聯網的各種網絡營銷功能，也會通過優化標題、圖片來提高轉化率，但有一個問題，就是總覺得顆粒度太大，做不到真正的“千人千面”。

為什么做不到呢？我認為，關鍵不是模型、算法、算力不夠，而是因為真正要做到足夠細分人群/場景的千人千面，需要對那個最細分領域具備深度know-how！

比如在9月2號的「AI日報」里，分享過某篇文章里的這幾段話——

a）設計一個直播數字人，如果沒有行業理解，很可能是一個端莊、顏值高、說話語氣舒緩、手部有一些簡單動作的產品，事實上直播完全不是這樣的！

b）你必須知道大家平均在直播間停留的時間有多長、必須知道直播有忙時有閑時、必須知道什么時候全身出鏡/什么時候半身出鏡、必須知道直播間里的人的分工和配比，模型訓練要結合主播的語氣/風格，甚至要跟這個行業相匹配的方式做對應的串聯，這樣才能保證大家看到的是一個真實的東西。否則就會出來一個傻傻的主播。

c）很多專業領域，要知道哪個環節是容錯率高的，哪個環節是容錯率低的，這樣才能保證是一個好的應用，否則就是一個泛泛的、拉平的東西。

d）做垂類的話，除了模型外，還要了解行業Know-How，否則是做不出來的。

另外，特看科技CEO樂乘最近分享過：

a）做了一個AI生成視頻的系統，可以細分為腳本生成、畫面生成、聲音生成和組裝編輯四個層面，對應視頻的三個維度和故事線。

b）客戶向我們表達需求，或者選擇一個參考視頻案例，我們給客戶生成結構化的腳本、是有語義標簽的一套協議，比如分鏡一是一個人在講文化，分鏡二是產品展示，分鏡三又是講其他什么，類似給一條視頻打碼，再加上客戶給的一些產品視頻，或者我們生成的圖片素材，以及數字人，就可以以腳本為依據去，一鍵組裝出一條視頻來。

c）我們的腳本，來自過往平臺里已經爆了的爆款視頻，微調之后生成我們自己的語料庫，它爆款概率和人比有優勢（10條里，跑爆的概率有兩到三條）

我雖然沒怎么做直播，但做IP/社群6年，有不少經驗教訓，能一眼看出，他們真的是深入行業了的，因為：

一方面，里面有一些核心關鍵詞：復制爆款、公域引流、私域轉化等等，這些，直接指向的就是“轉化率”！

另一方面，里面有很多很多的細節——真正的牛人，不是那種抽象詞匯滿天飛，而是非?！皹酚凇痹V說細節的；不是因為細節里有魔鬼，而是因為細節背后有認知，而且是能“從底通到天”的那種認知。

我雖然沒怎么做直播，但做IP/社群6年，有不少經驗教訓，能一眼看出，他們真的是深入行業了的，因為：

一方面，里面有一些核心關鍵詞：復制爆款、公域引流、私域轉化等等，這些，直接指向的就是“轉化率”！

另一方面，里面有很多很多的細節——真正的牛人，不是那種抽象詞匯滿天飛，而是非?！皹酚凇痹V說細節的；不是因為細節里有魔鬼，而是因為
細節背后有認知，而且是能“從底通到天”的那種認知。

2. 情感AI，可能反而是現階段的低枝果實

為什么情感AI重要？這里涉及很多個認知點：

• “情感”是比NLP更底層的東西。
• AI/機器人在（多模態）表達時，人“必然”會被動的有“情感體驗”，這不是以人的意志為轉移的。
• “真正的情商是理性的……一個有情商的人，會讓別人如沐春風?！?/li>
• 對于有情感親密度的對象，我們更容易信任他的推薦（轉化率更高）。
• 總之，“情感”很可能是未來AI真正的突破方向之一，未來會有很多的“黃金機會”——效率最優，升級為情感最優。
• ……

為什么說，情感AI可能反而是現階段的低枝果實？

可能是因為，一方面，“情商”本身是更稀缺的素養，另一方面，情感價值，是用戶側更加普世、更容易被感知的價值。

比如，大眾情商平均水平是60分、人性需求是至少75分，而ChatGPT默認有70分的水準——這里就有60分—>70分之間的低枝果實可以摘取。

在6月15日的AI日報中，分享過一個“醫療+ChatGPT”相關例子：研究者們原本期望ChatGPT能承擔醫生大量例行工作，如撰寫醫保理賠申訴或總結患者筆記，但實際上更多時候，醫生們使用ChatGPT幫助他們，以更富同情心的方式與患者進行溝通（85%的患者表示醫生的同情心比等待時間或費用更重要）。很多醫療工作者并不擅長寫出深入淺出的醫學手冊。例如社工們針對酗酒者，讓ChatGPT被要求以五年級的閱讀水平重寫時，它產生了令人信服又充滿安慰性指導……

另外，在專業領域，ChatGPT類產品的準確度、穩定度，可能暫時只有6、70分、反而達不到95分的商用標準線（人類平均水準是92～98%，所以95%是可感知、可接受的那根線）。

3. 為了提升轉化率，AIGC的最佳產品形態，可能是“虛擬人”

why？因為虛擬人是文字、聲音、圖像（表情/動作）等多模態信息的集大成者，是最自然的情感溝通形式。

小冰CEO李笛提到過，幾年前開始，他們和MSN以及Lawson做了大量實驗，實驗內容就是讓AI Being和人交流，最終目的是把商品準確地推送給人，同時讓人能夠更愿意接受消費的商品?！白罱K測試表明AI推薦的商品購買率達到68%，與絕大多數人類員工推薦的購買率差不多”。

要知道，互聯網/移動互聯網時代，常規的推薦系統或AI 1.0時代的人機交互系統，即使把推薦算法、NLP做到極致，購買率據說也不超過20%——這里面有多么大的增量空間！這是很多做AI的人，之前沒意識到的認知維度。

多說一點，比虛擬人再進一步的本質形態，就是最近非?；鸬摹癆gent”；但這不是本文重點，這里只說一點：目前主流的“單體智能”思路會有隱患，可能的突破口是“多體智能”，類似復雜系統/鳥群——單個智能體可能很簡單（不一定要超過單個人類），但整體有非凡的智慧（AI Agent 團隊 >人類團隊）。

4. 除了產品側的優化，還需要“由用戶來完成AI產品設計的最后一公里”

AI產品設計=AI+人工+用戶——用戶拿到產品后，還需要完成“個性化”的設置過程（主動+被動），補齊最后的5～10分。

這背后詳細的認知思考，以及5個具體案例（4個To C、1個To B），詳見我之前分享的這篇文章《AI產品方法論之“由用戶來完成AI產品設計的最后一公里”》

五、品類！——現在并沒有到AI 2.0 的“iPhone時刻”（那只是行業大佬的PR用語）

核心指標背后，其實有更重要的一層認知——品類。

只有“量”、沒有“質”的產品，其實都是還沒有真正“立住根”的，比如之前的智能音箱，都還不算真正成為一個“新品類”。

在《如何從“品類”角度做AI產品（2C）的需求定位》一文中我提到，“新品類，往往意味著新指標、新標準（交互/OS/硬件）以及新應用（殺手級）”。

很明顯的，這些都還沒有“立”起來，篇幅有限，本文主要先探討一個重要問題，新交互標準是什么？——

六、新交互：CUI？Beyond Prompt

今年Sam Altman就說過，

“我認為提示工程不重要，未來通過文字或者通過語音來進行交互……如果只是在提示最后加上一個非常傻的magic word，然后以是否知道這個magic word來作為工作好壞的標準，這實在是太蠢了?！?/p>

說到新交互的本質，V神的這句話，是比較精煉的：human describes, AI builds, human debugs。

網上很多關于CUI（有的用VUI或LUI）的探討，大多是what層面的內容、有點繞。

這里分享一些我之前沒公開說的相關“認知”：

1. 過去互聯網/移動互聯網時代，典型的思考格式是“場景-用戶-需求”（什么場景下，怎樣的典型用戶畫像，有什么痛點需求）

AI 2.0時代，需要增加一個關鍵詞，“關系”。

某個Agent，在這個場景里，和用戶（或者其他Agent）之間，是什么關系？
定義了關系，其實就定義了約束條件和需求屬性?！?br /> 比如老板/領導對下屬，家長對子女，天然就有“優勢地位”，同樣的話，會比其他人份量更重；還比如，同樣的話，夫妻之間可以說，但對外人，就得換個方式表達了。

2. 使用AI時，把AI當成人；設計AI時，把人當成AI

1）使用AI時，把AI當成人

使用ChatGPT時，初階是當成“搜索/工具”來獲取信息，更有價值的方式，是把她（AI）當成一個人，是為了“激發”自己的靈感。

• 你獲得反饋信息的質量多高，其實是取決于自己輸入的數據質量的（思路、提問能力和認知水平）
• 不要用搜索的慣性去認知和使用ChatGPT/AI 2.0產品、不要簡單的一問一答。
• 最好不是期望它直接給你答案、而是用交談（我覺得對這個問題，balabala，你覺得如何？）

這方面，網上有些同行也在說，就不多談了。不過重點推薦一個1.5小時的干貨視頻——我的朋友文君講的《從n走到n+1：未來5年，AI創業公司CEO和產品經理的生存法則》

他是連續創業者，中美兩家AI公司的GPT戰略顧問，原阿里巴巴早期移動端核心產品負責人。這是今年1月，在咱們“AI產品經理大本營”的成都閉門會上的分享，其中很多認知，直到今天，行業內都還沒有人講過的。

如何證明他的認知深度和口才？看最近他的這篇文章《什么是AI的“智能涌現”，以及為什么理解它對創業者、從業者、普通人都價值巨大》視頻回放及文字記錄。

下面重點說第2點：

2）設計AI時，把人當成AI

在設計“XXX+ChatGPT”類產品體驗時，應該怎么去思考呢？

完全跳過目前的技術局限性，直接去回想/體會，自己平時工作/生活中，是怎么跟一個活生生的人在對話交互的。

• 比如，你在培養實習生（或者自己被培養）的時候，你是如何給ta說明需求、指出思路/原則，然后根據他的結果反饋，再去指導ta調整？
• 如果好好體會這些細節，是會非常非常好的、直接有助于自己的AI產品設計的。
• 如果忘記了當時的場景和對話內容，怎么辦？直接去看微信聊天記錄！都會很有收獲的。

還包括，今后和自己身邊的人對話時，可以讓自己把他當成一個AI，去體會你們之間的對話過程，會自己冒出很多的feature思路和認知出來的。

3. “什么情況下用默認 GUI，什么情況下用CUI？”

高頻、用戶需求已經很明確、用app已經能夠很好解決的需求，默認用app/GUI；

低頻長尾、用戶需求模糊的場景，更適合用CUI。

當然，未來CUI習慣了，是否還需要GUI，不確定?；蛘哒f，在ARVR世界里，可能會很自然的統一交互體驗。

ps，多說一句，提“LUI”（L-language，語言），可能是最近1、2年接觸AI的朋友說的比較多；5～10年前第一批AI從業者，當時說的都是“CUI”（C-conversation，對話），個人認為更切中關鍵。

七、未來AI企業，方向定位將不是按照To C/To B來劃分，而是按照To 人/To AI 來劃分

早期，2B的公司，不用那么考慮最終2C產品的體驗好不好，反正我把工具提供給你，怎么用客戶自己的事；

后來（5～8年前），我們給客戶公司提供AI解決方案時，不僅需要考慮產品體驗設計問題，甚至由于太超前了，所以需要引領客戶（該怎么做），弊端就是，10家頭部公司里面，可能只有1～2家認可你的非共識。

這里面背后原因，可能是因為曾經沒有人（公司）可以hold整個端到端的落地打通，或者沒辦法把各種能力足夠打散、原子化。

而大模型天生就是干這事的。

現象上，從需求側來說，2B/2C的融合已經有所苗頭。比如，我個人非常需要RPA+LLM的功能，但目前各家公司就是優先做2B，我就得等；但其實，我只是需要那些功能邏輯而已，本質來說，不是一樣的嗎?

所以未來可能是，LLM提供基座能力、中間層提供原子能力、用戶完成最后一公里（按需、自己攢一個“趁手”的工具）。

用戶側，就這么打通了。2B、2C，融為一體。

然后呢？

然后，是另外一片天空——機器和機器交互。

比如在另外一篇文章里提到的，“agent 如何被主 agent 發現，如何被合理調度，如何獲取商業價值……以及，為了交付好的結果，應該如何主動去搜尋、評估和整合其他 agent?！?/p>

還有，機器和機器交互，所需要的數據格式標準（比如3D相關）、存儲和傳輸等等基礎設施，以及應用層面的很多東西， 都是非常非常有價值和商業前景的。

只不過，現在，大家還看不清。

不過，知道這一步還不夠，還有一個非常非常重要的AI商業化認知：

八、AI商業模式，不是短期、一下子能夠搞定的——要么是打井模式（足夠深、打穿為止）、要么是毛毛蟲模式（不斷躍遷）

1. 打井模式

在8月28日“AI早報”里，介紹過李智勇李總的相關分享——

• AI是打深井式縱向挖掘，不管場景大小，AI需要從頭到尾整合完才能創造價值。
• 比如做招聘的數字員工，如果不能把招聘全場景完全覆蓋，就不創造超于正常員工的價值。
• 這是一條指數曲線，產品的價值在跨過某個閾值（拐點）才會一下子翻上去。而如果打井不出水，會渴死做對應產品的人。

2. 毛毛蟲模式

去年12月，我在文章《AI落地的本質是管理咨詢，服務能力和工程化能力才是商業模式躍遷的基礎》中，摘錄過某篇干貨文章中的要點：

• AI項目的商業模式是不斷躍遷變化的，而躍遷的基礎其實是服務能力，不斷抓住客戶和潛在客戶新的需求，往往上一代產品就是下一代產品的需求來源和敲門磚。
• 很多AI項目落地，本質就是管理咨詢公司；所有的管理咨詢都是從簡單的事情入手，給客戶解決了問題，客戶體驗很好，會自動提出新問題來。
• AI圈知名創業者和思想家鮑捷博士的比喻，AI項目好比毛毛蟲，小時候的商業模式是吃葉子，長大變成蝴蝶的商業模式是吸花蜜，雖然蝴蝶很美，但是要求毛毛蟲去吃花蜜是不可能的。好的AI項目，是不斷在不同商業模式的外在形態間躍遷的。

基于毛毛蟲模式，還有一個非常有意思的引申認知——

九、現階段做AI，要對標的不是互聯網，而是通信/IT

在模式上，把AI看成傳統的通信/IT行業，更容易讓我們撥開迷霧、認清路徑和邊界。

上面文章《AI落地的本質是管理咨詢，服務能力和工程化能力才是商業模式躍遷的基礎》里還提到——

1）通信行業人才，更容易具備服務能力和工程化能力，因為也是一直服務于大B客戶……給客戶完整的、交鑰匙級別的解決方案。（有軟硬件集成、運營能力和大客戶服務能力）

• 實際場景中，各種限制條件，把學術論文天馬行空的問題，變成了有大量明確前提的問題，這就是所謂工程化。
• 如果單純宣傳自己算法領先，或使用全新技術架構，一定要小心；缺少真實的業績，才會這樣宣傳，恰恰說明實際上并沒有什么可領先的地方。而且越新的技術架構，越不適合作為客戶服務產品，因為其不穩定，這也是缺乏工程化能力和經驗的表現。
• hanniman補充：其實10年前，圈內人就知道，純算法的領先時間窗，只有半年。

2）關鍵在于，服務能力和工程化能力一樣，是創業團隊要在之前的人生旅程中實踐獲得的。（hanniman評注：速成不來）

3）AI項目里邊，其實只有5%是AI，其他都是業務梳理和場景工程?！@真的跟SaaS項目很類似，都要幫助客戶梳理流程，整理業務邊界。

類似地，在上周推送《始于2010年前后的AI 1.0 創業浪潮，實際上是集體失敗了》中，我還介紹了李智勇李總的相關思考：

1）……IBM System/360這類大型機就是這么干的。那時候人們不太知道什么是IT技術，和現在人們不知道人工智能到底干什么的類似。

2）那時候的大型機是一種復雜整合，從硬件到系統到應用。最終以一種方案的形式去解決大型機構的問題，比如銀行、保險等。

3）在貴的領域完整整合新技術、創造此前沒創造過的價值，然后再圍繞著這個基點完善售前、產研、供應鏈、售后等各方面，這就構建了起點上的商業模式。

4）分析起來就用五力模型。一定不能用平臺模式。所以前面才提到IBM System 360。

5）AI潛力的關鍵在于其背后的技術具有共通性。當累積到一定量之后，就具有變成系統型超級應用的機會。這在過去一樣發生過。微軟當年給IBM配套的時候，其實就是供應鏈的一環，等到Windows平臺化之后，產業中心就轉移。PC廠商被邊緣化，大型機沒落。

補充說明下，最近有位產品經理來找我做“1v1咨詢”，他原本對未來的個人發展機會看不太清，但他早年在中興工作過幾年，所以我給他點出的4個機會之一，就是可以想想：

• （參考前面內容）在通信行業，你自己是否有一些深度積累、能夠沉淀出來的？（認知、方法論）
• AI領域，是否有和“通信”的結合點機會？通信領域，是否有跟AI強相關的切入點？
• 如何復用、借力之前的通信行業經驗，找到更適合自己的定位和路徑？