中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

吳恩達(dá)：我們需要社區(qū)。擁有朋友和盟友的人比孤身前行的人表現(xiàn)得會更好。即便人工智能領(lǐng)域每周都帶來突破性進(jìn)展，擁有朋友幫助你分辨真實(shí)和炒作、測試你的想法、提供相互支持，并與之共同創(chuàng)造，將使你處于更有利的地位。

在上一篇（非共識解讀：Perplexity.AI vs 天工AI）文末，小編拋出了關(guān)于基于大模型的知識搜索能力，在國內(nèi)C端市場通過構(gòu)建從“工具價(jià)值（低溢價(jià)）→ 流程價(jià)值（低溢價(jià)）→ 知識價(jià)值（高溢價(jià)）→ 人脈價(jià)值（高溢價(jià)）”的SuperApp的產(chǎn)品idea。由于上一篇的篇幅問題，沒有針對這個(gè)產(chǎn)品idea 進(jìn)行展開分享。恰好這兩天看到吳恩達(dá)老師的“2024年預(yù)測：關(guān)于AI，這些事未來十年不會變”中提到的“AI社區(qū)”重要性。小編就此也延續(xù)上篇最后的話題 “SuperApp：知識共享&交易”。

本文將圍繞以下幾個(gè)問題對這個(gè)產(chǎn)品 idea 進(jìn)行思考和分享。

• 在什么賽道中，知識問答是剛需？
• 在這個(gè)賽道中，用戶痛點(diǎn)分別是什么？
• 在這些痛點(diǎn)中，大模型能力可以做什么？
• 如果要解決這些痛點(diǎn)，需要什么，卡點(diǎn)在哪？

在開始前，小編重述在上一篇中，分享的兩點(diǎn)非共識認(rèn)知：

• 在國內(nèi)市場，基于大模型搜索能力的SuperApp 面向C端消費(fèi)側(cè)用戶一定是免費(fèi)模式。
• 在國內(nèi)C端市場，基于大模型搜索能力的SuperApp 的產(chǎn)品價(jià)值不止是工具價(jià)值，而是通過滿足多方需求，完成資源撮合所帶來的高溢價(jià)變現(xiàn)。

一、在什么賽道中，知識問答是剛需？

1. 在國內(nèi)，什么賽道對知識問答的需求是剛需？

不論是創(chuàng)業(yè)或者打造一個(gè)全新應(yīng)用，首先一定要借勢。今天很多應(yīng)用借著AI2.0的勢，破圈甚至站住腳。比如妙鴨相機(jī)、通義聽悟、Midjourney。那除了AI2.0 是今年爆火之外，還有什么賽道在這兩年爆火起來了呢？

1. 知識付費(fèi)：2022年中國知識付費(fèi)市場規(guī)模將達(dá)1126.5億元，2025年將達(dá)2808.8億元。
2. 超級個(gè)體：2022年國內(nèi)靈活就業(yè)人員約為2億人（7.5億總就業(yè)人口），18.6%的2022屆高校畢業(yè)生選擇了自由職業(yè)，較去年提高3個(gè)百分點(diǎn)。

中國互聯(lián)網(wǎng)在后疫情時(shí)代，就業(yè)市場低迷的情況下，打工者的心態(tài)發(fā)生了巨大的轉(zhuǎn)變。很多85后，90后甚至95后打工人開始意識到只有一份主業(yè)情況，可能在當(dāng)下這極具變化的市場中，難保障會有一個(gè)穩(wěn)定的明天。一個(gè)新的名詞被很多人提及與關(guān)注，“超級個(gè)體”！

而小編更關(guān)心的是，超級個(gè)體中與互聯(lián)網(wǎng)關(guān)聯(lián)度最高的知識類超級個(gè)體，俗稱：知識IP。

知識類超級個(gè)體：

通常是指那些在某個(gè)領(lǐng)域擁有深厚專業(yè)知識和技能，并且能夠通過知識付費(fèi)的方式進(jìn)行商業(yè)變現(xiàn)的個(gè)體。他們不僅精通一項(xiàng)或多項(xiàng)專業(yè)技能，而且能夠?qū)⑦@些技能應(yīng)用到實(shí)際生活和工作中，從而實(shí)現(xiàn)商業(yè)變現(xiàn)。

你可能會疑問，“知識IP的問答服務(wù)場景”跟“AI搜索引擎的問答場景”的好像不是同一類場景吧？

沒錯(cuò)！頭部知識IP的問答場景，目前主流場景是在私域平臺通過直播，或1對1服務(wù)進(jìn)行問答服務(wù)。

但小編關(guān)注的并不是頭部知識IP，因?yàn)樾【幩伎嫉模菏且粋€(gè)面向C端的AI Native 應(yīng)用idea，那就一定要關(guān)注其目標(biāo)用戶量的覆蓋廣度。

借用Midjourney的產(chǎn)品思路（通過AI能力輔助UGC用戶，使其轉(zhuǎn)變?yōu)镻UGC，并可將少部分用戶提升至PGC的水平）。

所以小編真正關(guān)注的是：

• 已然是知識IP，但處于腰部及以下的用戶；
• 想要通過成為知識IP，為個(gè)人職場開啟第二增長曲線的用戶。

這兩類用戶都有兩個(gè)核心且具有共性的痛點(diǎn)：自我提升 & 精準(zhǔn)鏈接

為什么小編這么說呢?

供給側(cè)用戶需求：

• 精準(zhǔn)鏈接：通過各大流量平臺觸達(dá)有需求的消費(fèi)側(cè)用戶，進(jìn)行知識賦能，逐步建立自己的領(lǐng)域影響力。
• 自我提升：通過不停破圈、向上社交，提高眼界與認(rèn)知，反復(fù)打磨自己技能，提高知識變現(xiàn)的能力。

消費(fèi)側(cè)用戶需求：

• 自我提升：基于各大流量平臺篩選出滿足自身知識需求的知識IP，通過付費(fèi)等方式，獲取知識，提高自己的職場競爭力。
• 精準(zhǔn)鏈接：通過向上社交、橫向破圈的策略，獲取信息差和知識，提高個(gè)人能力。

如果要讓小編舉例，那最近的“如何跨界至AI 2.0 做產(chǎn)品經(jīng)理”可以說是職場人中最熱門的話題之一。

小編作為一個(gè)幸運(yùn)的跨界成功者，從開始跨界直至今日，每天都會思考的兩個(gè)核心點(diǎn)：

• 如何保障自己在一個(gè)正確的學(xué)習(xí)姿態(tài)，獲取對我有價(jià)值的信息差？
• 如何讓自己可以精準(zhǔn)的觸達(dá)對我有價(jià)值的人脈資源，而非想割韭菜的人？

2. 這個(gè)賽道，為什么有機(jī)會出現(xiàn) SuperApp？

王小川：人需要有三個(gè)東西：一個(gè)是自己有創(chuàng)造力、第二個(gè)是需要健康、第三個(gè)需要快樂。

宛辰 Moonshot，公眾號：極客公園《對話王小川：大模型創(chuàng)業(yè)核心，是想好技術(shù)如何匹配產(chǎn)品》

2.1. 感性層面：

小編在構(gòu)思出這個(gè)產(chǎn)品后，一直在反問自己“這個(gè)產(chǎn)品到底解決用戶的什么根本需求？”在看到王小川老師分享的這句話后，小編有了些許答案。用戶通過知識獲取后的自我能力提升，本身就會給自身帶來快樂和成就感。而當(dāng)用戶將這些知識賦能給其他人或事時(shí)，本身也是創(chuàng)造力的表現(xiàn)。

當(dāng)一個(gè)App能滿足用戶三個(gè)基本需求中的兩點(diǎn)時(shí)，這個(gè)App就有其存在的價(jià)值了。

上一代被稱為超級應(yīng)用的產(chǎn)品基本上都是“鏈接”類型的產(chǎn)品，無論是熟人社交還是陌生人社交，用戶使用這些產(chǎn)品的首要任務(wù)是獲取更多的鏈接。

我們后來發(fā)現(xiàn)，新一代的超級應(yīng)用可能更多地是為用戶提供一個(gè)游樂場（Playground）：每個(gè)用戶可以在其中創(chuàng)造和生成自己的東西。

Z計(jì)劃，公眾號：質(zhì)樸發(fā)言《對 SuperApp 的想象無限 & 大模型能力有限｜Z 沙龍第 4 期》

2.2. 理性層面：

通過“質(zhì)譜發(fā)言的Z 沙龍”中某VC合伙人的發(fā)言中，超級應(yīng)用在上一代的核心價(jià)值是“鏈接”，而在這一代的核心價(jià)值是“創(chuàng)造力”。而不管是“鏈接”還是“創(chuàng)造力”，超級個(gè)體這類用戶都滿足其條件。

知識類超級個(gè)體通過“知識”與消費(fèi)側(cè)用戶產(chǎn)生了“鏈接”，并在這一過程中，通過不斷對“知識”的理解和應(yīng)用（創(chuàng)造力），產(chǎn)生價(jià)值的賦能。

當(dāng)下大模型的技術(shù)邊界（幻覺、缺乏可解釋性、災(zāi)難性遺忘等）在小編的產(chǎn)品構(gòu)建中，通過場景細(xì)分后可以被巧妙的規(guī)避，或基于用戶數(shù)據(jù)的輔助進(jìn)行一定程度上的優(yōu)化。

二、在這個(gè)賽道中，用戶痛點(diǎn)分別是什么？

說到用戶痛點(diǎn)，那必須要提到用戶場景。在個(gè)人自我提升這個(gè)用戶需求的方向下。用戶場景是怎么樣的呢？

看到小編在上一篇中提到的：“數(shù)據(jù)獲取 → 信息區(qū)分 → 知識歸類 → 技能總結(jié) → 知識獲利”后，你可能會產(chǎn)生疑惑？“知識歸類 → 知識獲利 很好理解，那數(shù)據(jù)獲取和信息區(qū)分有什么區(qū)別？我平常不都是知識學(xué)習(xí)和通過實(shí)踐提升技能嗎？”

這里小編，就要來聊一下在很久之前的一篇分享中，小編提到的智慧模型Plus版本了~

在過去十年，很多入行互聯(lián)網(wǎng)的朋友，在初入職場時(shí)，通過看書、文獻(xiàn)、速成培訓(xùn)快速得到行業(yè)前輩們的總結(jié)的成熟方法論（知識&技能），并直接使用在工作場景中。久而久之，養(yǎng)成了“授人以漁不如授人以魚”的拿來主義習(xí)慣。

而在最近這兩年，就業(yè)市場低迷，AI 2.0 爆發(fā)，超級個(gè)體崛起等沖擊，有些讀者朋友不得不開始努力提升個(gè)人技能。這時(shí)候發(fā)現(xiàn)前輩們的方法論到自己手里就沒那么好用了。所以開始瘋狂的關(guān)注各類知識IP，加入各種技能分享社群，期望能提高自己的職場競爭力。

場景一：數(shù)據(jù)獲取 → 信息區(qū)分

因此第一個(gè)細(xì)分的用戶場景就出現(xiàn)了“數(shù)據(jù)獲取 → 信息區(qū)分”：

場景舉例：

作為在努力提升個(gè)人認(rèn)知和職場競爭力的朋友，是否每天都會在不同的渠道（微信公號、36氪、虎嗅、知識星球等）看到很多文章，但由于時(shí)間、惰性、缺乏工具等問題，就會出現(xiàn)：

• 有時(shí)候只能簡單看一下 → 收藏 → 有時(shí)間再看 → 根本想不起有這事 / 收藏太多，是哪個(gè)來著；
• 有時(shí)候認(rèn)真看過后 → 收藏 → 有時(shí)間再寫個(gè)筆記 → 根本沒時(shí)間寫；
• 有時(shí)候看著看著突然想到一個(gè)啟發(fā) → 收藏 → 一會把這個(gè)idea記下來 → 完了那個(gè)idea是啥來著；

以上這些痛點(diǎn)夠剛嗎？夠普遍嗎？AI 2.0 之前，受限于技術(shù)能力，這些問題沒辦法通過產(chǎn)品能力實(shí)現(xiàn)，現(xiàn)在呢？

可能對AI工具足夠熱愛的朋友，會想到印象筆記的大象AI、知了閱讀、天工AI助手的AI閱讀等產(chǎn)品目前針對這類需求提供了應(yīng)用App。

但體驗(yàn)后，小編總結(jié)了3個(gè)待解決的問題：

1. 場景切入不精準(zhǔn)：比如天工AI助手的AI閱讀，用戶主場景是微信公號，36氪等APP，你竟然讓我手動復(fù)制 → 跳出當(dāng)前APP → 打開天工AI → 打開AI閱讀 → 粘貼鏈接；
2. 付費(fèi)降低留存：產(chǎn)品受限于邊際成本影響（算力），用戶無法大量的&免費(fèi)的使用工具，比如知了閱讀，免費(fèi)額度僅夠兩三篇內(nèi)容總結(jié)，面向C端用戶，不免費(fèi)難增長；
3. 技術(shù)導(dǎo)致體驗(yàn)差：產(chǎn)品受限于算力資源和技術(shù)能力，AI總結(jié)體驗(yàn)差，比如大象AI，使用AI閱讀時(shí)，不是崩了，就是等了1分鐘才能出現(xiàn)總結(jié)質(zhì)量較差的內(nèi)容；

用戶痛點(diǎn)：

• 用戶人工判斷出的有價(jià)值的數(shù)據(jù)（文章/視頻），需要能被快速“轉(zhuǎn)存”到“個(gè)人信息庫”；
• 用戶人工判斷的有興趣的數(shù)據(jù)（文章/視頻），需要能被快速“辨識”出有價(jià)值的“信息”；

產(chǎn)品價(jià)值：

• 用戶流量入口：用戶的知識學(xué)習(xí)&自我能力提升的鏈路原點(diǎn)；
• 私域數(shù)據(jù)獲?。捍竽Ｐ退阉髂壳皟H能通過公域數(shù)據(jù)獲取，來進(jìn)行用戶問題解答解決。公號等私域數(shù)據(jù)獲取困難。
• 更好的用戶體驗(yàn)前提：更容易拿到用戶的偏好信息，為后續(xù)用戶粘性（熱點(diǎn)推薦），交易撮合（內(nèi)容供給側(cè)的創(chuàng)作偏好）等環(huán)節(jié)提供價(jià)值。

場景二：信息區(qū)分 → 知識歸類

如果第一個(gè)場景的用戶痛點(diǎn)解決后，作為讀者朋友的你，接下來會干什么？

用戶場景：

可能會在某個(gè)你有時(shí)間學(xué)習(xí)或有某個(gè)緊急事件需要你去查閱你的知識庫（或素材庫）時(shí)，來使用這個(gè)“個(gè)人數(shù)據(jù)庫”。

• 小編要開始寫東西了，需要一些信息參考。
• 小編在社群里跟朋友交流，我對一個(gè)觀點(diǎn)需要補(bǔ)充說明，我記得我之前看到一段內(nèi)容是關(guān)于這個(gè)觀點(diǎn)。
• 我現(xiàn)在要做AI漫畫視頻，關(guān)于AI輸出連續(xù)有關(guān)聯(lián)的畫面的技巧分享，我記得在哪里看過。

這里就涉及到了“個(gè)人信息庫 → 個(gè)人知識庫”的轉(zhuǎn)變，即“信息區(qū)分 → 知識歸類”。

用戶痛點(diǎn)：

• 用戶可通過自然語言或業(yè)務(wù)標(biāo)簽，快速找到在“個(gè)人信息庫”中對標(biāo)的“信息”；
• 用戶可基于已找到的“信息”，快速在公域和產(chǎn)品私域中找到相關(guān)信息，進(jìn)行知識補(bǔ)全；
• 用戶可將這次使用的“信息”，快速總結(jié)，并補(bǔ)齊到“個(gè)人知識庫”對應(yīng)的知識點(diǎn)下；

產(chǎn)品價(jià)值：

• 用戶流失率降低：由于上一場景，用戶留存了大量的個(gè)人數(shù)據(jù)，這一場景中，通過AI能力+產(chǎn)品策略，可以進(jìn)一步讓用戶提高沉默成本，降低流失概率。
• 產(chǎn)品認(rèn)可度提高：由于產(chǎn)品可幫用戶梳理其知識，提高認(rèn)知，讓用戶感到個(gè)人創(chuàng)造力的提升；產(chǎn)品在這個(gè)階段還可以通過“學(xué)友”機(jī)制，讓用戶找到“知己”，讓用戶感到快樂；

場景三：知識歸類 → 技能總結(jié)

這個(gè)場景和前兩個(gè)場景最大的區(qū)別，是這個(gè)場景對于用戶來說，是一個(gè)偏線下場景。因?yàn)椤爸R歸類 → 技能總結(jié)”再進(jìn)行細(xì)拆其實(shí)是“歸類 → 試錯(cuò) → 實(shí)踐 → 總結(jié) → 執(zhí)行 → 復(fù)盤 → 審查 → 檢視”。

對知識點(diǎn)進(jìn)行試錯(cuò)，排除無關(guān)知識，對有關(guān)知識進(jìn)行實(shí)踐，通過實(shí)踐總結(jié)出認(rèn)知偏差，不斷的通過PDCA策略，進(jìn)行技能打磨和迭代。

用戶痛點(diǎn)主要來自兩方面：

1. 線上工具：用的順手的梳理工具 → 文本創(chuàng)作、版本管理、邏輯梳理；
2. 線下行動：找到可實(shí)踐的應(yīng)用場景 → 實(shí)踐完成經(jīng)驗(yàn)積累 or 借鑒他人實(shí)踐經(jīng)驗(yàn)；

在這個(gè)環(huán)節(jié)，要采用揚(yáng)長避短的策略。為什么這么說呢？因?yàn)楣ぞ邔用?，各垂類方向都有用戶粘性很高的?yīng)用：比如飛書文檔、Xmind、石墨、印象筆記。讓用戶從這些應(yīng)用中遷移到我的產(chǎn)品進(jìn)行內(nèi)容創(chuàng)作中是一個(gè)性價(jià)比很低（用戶遷移概率 / 應(yīng)用研發(fā)成本）的事件。

因此在這個(gè)場景中，產(chǎn)品調(diào)性并不是用戶在產(chǎn)品中完成原生內(nèi)容的創(chuàng)作。而是讓用戶在三方工具完成內(nèi)容創(chuàng)作后，將這些內(nèi)容數(shù)據(jù)重新輸入到產(chǎn)品中。

這時(shí)候，你會問：用戶為什么會多此一舉？

因?yàn)樵贏I 2.0 之前，各類文本創(chuàng)作工具雖在產(chǎn)品內(nèi)提供了全局搜索的能力，但從本質(zhì)上并沒有解決的問題是“基于一個(gè)信息點(diǎn)或知識點(diǎn)，將涉及的內(nèi)容關(guān)聯(lián)起來，形成一個(gè)知識圖譜?！?/p>

而我所構(gòu)思的這個(gè)產(chǎn)品，恰好能截止大模型的快速學(xué)習(xí)能力，加上知識圖譜等深度學(xué)習(xí)的技術(shù)，完成用戶的個(gè)人“技能樹”的搭建。

試問：如果有一個(gè)產(chǎn)品能將你平時(shí)零散的思考、idea、總結(jié)的內(nèi)容等通過思維導(dǎo)圖等方式串聯(lián)起來，而你的操作成本僅是將這些內(nèi)容快速的導(dǎo)入，將AI打標(biāo)后標(biāo)簽簡單校對一下，你會不會用呢？

這里提到的“技能樹”怎么理解？通俗的說就是一張思維導(dǎo)圖。比如當(dāng)下爆火的“長文轉(zhuǎn)視頻”這個(gè)技能。雖然在AI 2.0 時(shí)代中AI視頻生成極大的提高了創(chuàng)作者效率。但“劇本→視頻”這個(gè)技能已經(jīng)存在很久了。所以這個(gè)“技能樹”本身并不是一個(gè)新生產(chǎn)物。僅是通過AI能力將這個(gè)技能樹上的知識點(diǎn)進(jìn)行簡化處理。但如果你作為一個(gè)“AI視頻生成”的業(yè)務(wù)高手，你不懂傳統(tǒng)流程能行嗎？怎么通過知識賦能其他人呢？

產(chǎn)品價(jià)值：

• 大模型幻覺概率降低：通過用戶梳理的“技能樹”，進(jìn)一步提高大模型對某一類定向問題的回答精準(zhǔn)性，減少幻覺偏差；
• 第二場景的產(chǎn)品價(jià)值進(jìn)一步提高。

PS：這個(gè)場景中，小編的一位朋友曾提出過一個(gè)觀點(diǎn)“越標(biāo)準(zhǔn)化的內(nèi)容，越?jīng)]有AI整合的價(jià)值。”

在我與這位朋友交流后，這位友人想表達(dá)的觀點(diǎn)是“越標(biāo)準(zhǔn)化的知識，越?jīng)]有AI整合的價(jià)值。”小編是認(rèn)可這個(gè)觀點(diǎn)的，但這里小編想表達(dá)的是“知識是有標(biāo)準(zhǔn)，但技能不是?！?就好比說“一個(gè)APP的注冊登錄模塊是有功能定義的，但如何設(shè)計(jì)讓用戶體驗(yàn)更好，這個(gè)是沒有固定答案的?！?/p>

因此小編的“技能樹”策略是在為用戶補(bǔ)全其“知識”的認(rèn)知差外，還在逐步為用戶提高其某項(xiàng)“技能”的能力天花板。

場景四：技能總結(jié) → 知識獲利

首先要強(qiáng)調(diào)一下，這里小編描述的是“知識獲利”，而非“知識變現(xiàn)”，知識變現(xiàn)是聚焦于經(jīng)濟(jì)層面。而獲利則可以理解為：自我精神的自我滿足、人脈資源的有效擴(kuò)展、經(jīng)濟(jì)收入的明顯提高；

用戶場景：

• 腰部知識IP：有一技之長，但由于其行業(yè)影響力和口碑不足，無法觸及到精準(zhǔn)的消費(fèi)端用戶。
• 消費(fèi)端用戶：有明確的知識獲取需求，但由于難辨別知識IP的服務(wù)能力，導(dǎo)致常被割韭菜，無法相對公正的獲得有價(jià)值的知識信息。

用戶痛點(diǎn)：

在當(dāng)下市場中，只有少量頭部的知識IP或者機(jī)構(gòu)可以通過知識付費(fèi)完成經(jīng)濟(jì)收入的明顯提高。

造成這一問題的原因是什么？

• 頭部知識IP：對普通用戶帶來的“權(quán)威效應(yīng)”，導(dǎo)致大多數(shù)用戶因“安全心理”“從眾心理”“認(rèn)知失調(diào)”等原因，過分依賴頭部知識IP的權(quán)威；
• 腰部及以下的知識IP：因?qū)τ趥€(gè)人影響力的不足，導(dǎo)致消費(fèi)側(cè)用戶無法通過口碑了解“腰部IP”是否能滿足消費(fèi)側(cè)用戶的知識需求。

換句大白話說：“作為一個(gè)求知者，小編在需要通過付費(fèi)獲取某個(gè)知識IP的知識服務(wù)前，最大的考量是這個(gè)錢花的值不值？我會不會被割韭菜。”而如何判斷這個(gè)事情，傳統(tǒng)的方式只能是打聽他的口碑，或者看他過往的分享，學(xué)員的反饋。

而在小編構(gòu)想的這個(gè)產(chǎn)品中，這一傳統(tǒng)習(xí)慣將被變革，在這個(gè)產(chǎn)品中所有的知識需求方都可以成為知識供給方（三人行必有我?guī)煟驗(yàn)閺?strong>“數(shù)據(jù)獲取→技能總結(jié)”這個(gè)過程中，大模型雖然在為用戶提供服務(wù)，但反過來大模型也可以通過這些數(shù)據(jù)判斷用戶的擅長能力，擅長程度。

這件事在AI 2.0 之前，互聯(lián)網(wǎng)應(yīng)用幾乎無法做到這一點(diǎn)。

而當(dāng)大模型可以通過數(shù)據(jù)及業(yè)務(wù)標(biāo)簽，相對清晰的計(jì)算出用戶的競爭優(yōu)缺點(diǎn)后：

• 對于技能短板部分，可以引入三方教培機(jī)構(gòu)和高于用戶能力的其他用戶進(jìn)行交易撮合。
• 對于技能長板部分，可以引流至企業(yè)招聘領(lǐng)域。

產(chǎn)品價(jià)值：

變現(xiàn)方式：通過完成知識付費(fèi)的供需兩端的資源撮合服務(wù)，為產(chǎn)品帶來實(shí)際經(jīng)濟(jì)價(jià)值。

三、在這些痛點(diǎn)中，大模型能力可以做什么？

在上一節(jié)中，其實(shí)每一個(gè)場景都有提到大模型能力，也可以說整個(gè)產(chǎn)品是基于大模型能力而構(gòu)建的。換言之：如果沒有大模型能力，這個(gè)產(chǎn)品是無法落地的。

這里小編簡述一下，在用戶場景中依賴大模型能力的幾個(gè)核心功能：

3.1. AI文章總結(jié)（場景1&3）

相信用過印象筆記的大象AI、知了閱讀、天工AI助手的AI閱讀等產(chǎn)品的朋友，都知道其產(chǎn)品的核心功能就是AI總結(jié)（AI摘要）能力。在信息區(qū)分、知識歸類、技能總結(jié)這幾個(gè)場景中，這個(gè)依托于大模型的產(chǎn)品能力非常重要。

目前這幾家的這個(gè)功能設(shè)計(jì)中，小編認(rèn)為可能由于算力成本、技術(shù)能力、場景分析等原因并沒有將這個(gè)功能做好。關(guān)于這個(gè)功能的詳細(xì)分析，小編在上一篇分享中“天工AI”篇內(nèi)已對“AI速讀”和“AI精讀”場景進(jìn)行詳細(xì)闡述，這里就不在贅述了。

3.2. AI知識搜索（場景1-3）

不論海外的ChatGPT、PerplexityAI，還是國內(nèi)的文心一言、百川等都提供了AI知識搜索引擎的服務(wù)。在小編的產(chǎn)品構(gòu)思中，信息區(qū)分中的AI精讀、知識歸類&技能總結(jié)中知識補(bǔ)全都需要AI知識搜索的能力。

在這個(gè)功能中，由于產(chǎn)品本身沉淀的用戶數(shù)據(jù)（熱點(diǎn)信息、知識歸類、技能樹節(jié)點(diǎn)）可以反向?yàn)橐劳杏诖竽Ｐ偷闹R搜索進(jìn)行賦能，降低其在幻覺、缺乏可解釋性、災(zāi)難性遺忘等問題出現(xiàn)的概率。這也是目前的AI知識搜索引擎所遇到的問題。

3.3. AI信息打標(biāo)（場景1-4）

通過AI技術(shù)進(jìn)行數(shù)據(jù)打標(biāo)這事，早在AI 1.0 時(shí)代就已經(jīng)存在了。但哪怕是國際公認(rèn)最權(quán)威的醫(yī)學(xué)知識圖譜（SNOMED-CT）也無法100%覆蓋所有的醫(yī)學(xué)問答場景。

因此小編構(gòu)建的產(chǎn)品中，AI信息打標(biāo)并不是替代用戶完成“信息→知識→技能”的數(shù)據(jù)分類。而是通過AI打標(biāo)先將龐大雜亂的數(shù)據(jù)進(jìn)行初篩，用戶基于初篩后的結(jié)果再進(jìn)行人工校正的過程。

這里小編要提出兩個(gè)非共識認(rèn)知：

• AI可以替代用戶完成某些極度標(biāo)準(zhǔn)化的工作流程，但無法替代用戶完成非標(biāo)準(zhǔn)化的工作任務(wù)；
• 當(dāng)AI可以100%替代用戶完成某領(lǐng)域的復(fù)雜任務(wù)時(shí)，那這類用戶在這一領(lǐng)域?qū)]有競爭力可言。

3.4. AI匹配學(xué)友（場景2-4）

對于絕大多數(shù)的普通人來說，由于職場壓力，需要通過學(xué)習(xí)，走出自己的舒適區(qū)，完成自我提升。并不是一個(gè)快樂的過程，也可能被視為一種痛苦。

因此小編構(gòu)建的這個(gè)產(chǎn)品中，除了通過工具為用戶提供一個(gè)從“信息→知識→技能”全鏈路服務(wù)外，另一個(gè)核心能力就是通過AI進(jìn)行“學(xué)友”匹配的服務(wù)。讓用戶在自我提升的過程中鏈接到合適的良師益友，降低用戶流失，并從而為產(chǎn)品構(gòu)建知識價(jià)值&人脈價(jià)值。

“學(xué)友”策略：小編將其定位于人與人通過知識需求的精準(zhǔn)鏈接。而非傳統(tǒng)意義通過話題社區(qū)/社群進(jìn)行模糊鏈接。

這里你可能有兩個(gè)問題：

1. 為什么不在沿用話題社群的方式進(jìn)行人與人的鏈接？
2. 如果通過知識需求進(jìn)行人與人精準(zhǔn)鏈接，如何解決需求個(gè)性化導(dǎo)致匹配度低的問題？

對于第一個(gè)問題，小編通過一個(gè)現(xiàn)象來說明：小編在進(jìn)行AIGC2.0學(xué)習(xí)時(shí)，加入相關(guān)私域社群10+個(gè)，但獲取到有價(jià)值的信息差還不如我通過看深度文獻(xiàn)/視頻獲取的多。

對于第二個(gè)問題，小編認(rèn)為首先要拉齊一個(gè)認(rèn)知：什么是需求個(gè)性化？它的顆粒度是多少？

在知識賦能這個(gè)領(lǐng)域中，用戶的需求并不是千變?nèi)f化，無跡可尋的。

用戶的需求來自于他所在的行業(yè)，所處的職位，所需的技能等方面而產(chǎn)生的。用戶對“求知”這個(gè)需求的個(gè)性化是在以上這些維度綜合后所總結(jié)的結(jié)果的認(rèn)知偏差所導(dǎo)致的。

產(chǎn)品可以通過AI技術(shù)對用戶的個(gè)人信息、偏好、技術(shù)樹等數(shù)據(jù)，推算出用戶當(dāng)前的知識需求，并在用戶路徑的恰當(dāng)節(jié)點(diǎn)上為其進(jìn)行“學(xué)友”匹配。當(dāng)然這個(gè)匹配一定會存在誤差范圍。但這個(gè)功能為用戶帶來的成本只要比用戶通過流量平臺、私域社群找到“學(xué)友”的效果相似或更好，但成本更低。用戶就會使用這個(gè)功能。

四、要構(gòu)建這個(gè)產(chǎn)品，團(tuán)隊(duì)需要的是什么？

從上文的分析中，不難看出整個(gè)產(chǎn)品是依托于大模型能力而構(gòu)建的，每個(gè)場景中都涉及了大量的大模型調(diào)用和定向場景的模型能力微調(diào)。因此構(gòu)建這個(gè)產(chǎn)品的重要前提一：

1）團(tuán)隊(duì)自身需要具備大模型研發(fā)能力。

由于產(chǎn)品是面向國內(nèi)的C端市場，向用戶收費(fèi)的策略難以帶來增長。而如果使用大模型供應(yīng)商的API服務(wù)，普通應(yīng)用廠在中短期無法承擔(dān)算力成本消耗。因此構(gòu)建這個(gè)產(chǎn)品的重要前提二：

2）團(tuán)隊(duì)自身需要具備算力資源。

因此想要實(shí)現(xiàn)這樣的一個(gè)產(chǎn)品構(gòu)建，除了擁有大模型自研能力的互聯(lián)網(wǎng)大廠，就是模型廠了。

而對于模型廠，這樣的產(chǎn)品在中短期內(nèi)能帶來的價(jià)值：

• 在場景一就可以通過快速切入用戶痛點(diǎn)，獲得用戶主動的為大模型輸入“定向領(lǐng)域&人工判斷有價(jià)值的”數(shù)據(jù)，且基于大模型總結(jié)后，人工對輸出數(shù)據(jù)進(jìn)行標(biāo)注，大模型可通過“白嫖”的方式獲得大量有價(jià)值的、標(biāo)注好的數(shù)據(jù)，從而提高自身的大模型服務(wù)能力。
• 當(dāng)全鏈路構(gòu)建完成后，大模型面向C端的商業(yè)模式，從工具服務(wù)訂閱制轉(zhuǎn)變?yōu)榇楹辖灰住＃ǖ鸵鐑r(jià)的工具付費(fèi) → 高溢價(jià)的知識&人脈付費(fèi)）

不論是文心一言、通義千問，亦或是百川大模型、月之暗面等模型廠，都面向國內(nèi)C端用戶提供了信息搜索服務(wù)，但這個(gè)服務(wù)除了釋放團(tuán)隊(duì)在關(guān)注“國內(nèi)C端的大模型應(yīng)用能力”的信號，給企業(yè)自身帶來的價(jià)值是什么？是期望用戶會主動的標(biāo)注錯(cuò)誤答案嗎？還是期望通過用戶廣泛使用分析出有價(jià)值的用戶場景？小編在這個(gè)問題上認(rèn)知淺顯，就不再班門弄斧了。

本次分享就到這里，全文沒提到商業(yè)模式和變現(xiàn)方式，這個(gè)不是小編沒考慮到。只是由于篇幅問題，本次就不展開了。簡單說，當(dāng)用戶對產(chǎn)品產(chǎn)生粘性后，就可以通過訂閱制、匹配席位數(shù)、消費(fèi)端流量變現(xiàn)等的方式開始“賣人”了。至于怎么賣？小編也已構(gòu)思了全案，有興趣的朋友，可以跟小編私聊。

參考文章

對話王小川：大模型創(chuàng)業(yè)核心，是想好技術(shù)如何匹配產(chǎn)品

對 SuperApp 的想象無限 & 大模型能力有限｜Z 沙龍第 4 期

艾媒咨詢｜2022-2023年中國知識付費(fèi)行業(yè)研究及消費(fèi)者行為分析報(bào)告

幸好，這是超級個(gè)體的時(shí)代