“前天寫完這篇文章還沒來得及發(fā)，昨天連夜看了 OpenAI 的春季發(fā)布會。chatGPT-4o 強大的環(huán)境感知力真的驚到我了，同時也更加讓我堅信了 AI 未來的應(yīng)用方向——「 AI 」作為「大腦」感知環(huán)境，思考處理方式，調(diào)度執(zhí)行器”

LLM 的爆發(fā)已經(jīng)一年了，在 B 端 AI 席卷了無數(shù)的產(chǎn)業(yè)鏈：新媒體、電商、辦公、編程……無數(shù)行業(yè)都帶來了業(yè)務(wù)流的革新。

然而，在 C 端，目前 AI 并沒有明顯的王炸級應(yīng)用出現(xiàn)，無數(shù)企業(yè)、個體都在找、在問，AI 的 C 端的王炸應(yīng)用究竟路在何方。

作為一個專業(yè)的 AI 產(chǎn)品經(jīng)理，今天基于 AI 應(yīng)用層的核心能力，結(jié)合當(dāng)下市面上的主流應(yīng)用，加上我自己的理解來仔細的盤一盤 AI 究竟給我們帶來了什么。

01 AI 真正的革新性能力是什么？

小愛同學(xué)，大家都了解吧，我們可以通過簡單的語音指令讓小愛同學(xué)給我們播放音樂，控制電器。

舉一個簡單的例子：

場景一：

我們直接向小愛同學(xué)發(fā)出指令「小愛同學(xué)，我有點熱」，此時小愛同學(xué)會說「你可以去醫(yī)院看看」

——他認為我們可能生病發(fā)燒了

場景二：

我們發(fā)出指令「小愛同學(xué)，開一下空調(diào)」，此時小愛同學(xué)會幫我們打開空調(diào)

然后我們接著說「小愛同學(xué)，我有點熱」，此時小愛同學(xué)會說「你可以去醫(yī)院看看」

——他依舊認為我們可能是生病發(fā)燒了

然而如果我們對 LLM 發(fā)出相同的指令，場景二返回的結(jié)果將會是「我?guī)湍惆芽照{(diào)溫度調(diào)低」

PS ：想要了解的可以看以下鏈接。

https://kimi.moonshot.cn/share/coufi0avk6g8t9jcsdfg

基于以上的場景我們可以看出 AI 的出現(xiàn)與過去所有的技術(shù)最大的不一樣在于

AI 的具有兩大革新性能力：

1. 基于場景的自然語言理解
2. 基于場景判斷調(diào)度工具

至于我們我們廣泛應(yīng)用的內(nèi)容生成能力，從當(dāng)下的內(nèi)容質(zhì)量來看，并不具備有效的創(chuàng)新性，對比過去的場景，它僅可以作為一個提效工具，所以我認為這并不屬于 AI 的革新性能力。

02 當(dāng)下 AI 的主流應(yīng)用形式

1. 當(dāng)下 AI 有兩種應(yīng)用形式

1.Copilot ——翻譯：副駕駛

可以理解為我們的助手、老師，他可以為我們的某個場景情況，提供解決問題的指導(dǎo)、建議，幫助指引我們的行為。

2.Agent ——翻譯：代理人

可以理解為我們的管家，他可以直接的幫我們解決問題。

下面我舉一個例子來說明這兩者的區(qū)別：

場景：

我的電腦是一臺 mac ， mac 沒有 windows 的剪貼板功能，我希望有一個軟件

Copilot

我告訴「老師（ Copilot ）」我希望為我的 mac 下載一個類似 windows 剪貼板的軟件

「老師（ Copilot ）」會「教我」

-可以下載某某某剪貼板軟件達成目標

-第一步去某某某網(wǎng)站找到軟件進行下載

-第二步按照操作說明進行安裝

Agent

我告訴「管家（ Agent ）」我希望為我的 mac 下載一個類似 windows 剪貼板的軟件

「管家（ Agent ）」會直接「幫我」

-找一個軟件大師

-告訴軟件大師為這臺 mac 安裝一個剪貼板軟件

-軟件大師會去去某某某網(wǎng)站找到軟件進行下載，然后安裝到我的電腦上

-軟件大師跟管家說安裝好了

-管家告訴我剪貼板軟件已經(jīng)安裝完成

2. 為什么 Agent 會這么快的被應(yīng)用

在 23 年年底的時候，我還認為短期（可能一年）內(nèi)，我們主流的產(chǎn)品可能都還是 Copilot 的形式，因為大家對 AI 的結(jié)果仍然具有未知的恐懼性。

但是現(xiàn)在 24 年 5 月， Agent 的應(yīng)用已經(jīng)席卷了整個 AI 應(yīng)用的市場。

原因是什么呢？

這就要回想一下我們剛剛說的 AI 的核心能力——判斷調(diào)度。

我們發(fā)現(xiàn)其實相對的目前 AI 的「弱小」的生成能力——

比方說在上述的場景中，我們直接讓 AI 幫我們生成一個下載軟件的執(zhí)行器，那估計我們反復(fù)重試執(zhí)行幾千次這個執(zhí)行器，我們也不可能將這個軟件下載成功。

相對來說，開發(fā)工程師寫的腳本執(zhí)行器明顯是更靠譜的。

所以我們提前開發(fā)好下載軟件的完整的程序，其實只要發(fā)揮 AI 的判斷能力，告訴他如果需要下載軟件，請將指定的參數(shù)按照指定的格式輸入到這段程序中并運行，就 OK 了。

在這個過程中 AI 只需要發(fā)揮自己的判斷調(diào)度能力，明白我是要下一個什么軟件，搜索到這個軟件，在調(diào)用程序就可以了。

于是一個滿足我們需求的 Agent 就被做完整的呈現(xiàn)出來了。

03 當(dāng)下 AI 的應(yīng)用現(xiàn)狀及原因分析——用戶需求

《中國 AIGC 應(yīng)用全景報告》數(shù)據(jù)顯示，2024 年中國 AIGC 應(yīng)用市場規(guī)模將達到 200 億人民幣，當(dāng)前， B 端產(chǎn)品占據(jù)了大模型產(chǎn)品市場 80% 的營收。在 C 端卻不溫不火。

我們來分析一下為什么會出現(xiàn)這種情況：

根據(jù) AI 產(chǎn)品榜 aicpb.comAI產(chǎn)品榜·賽道總榜TOP20截止 3 月的賽道總榜數(shù)據(jù)，除去排名第一通用的聊天機器人，第二的搜索引擎，以及排名十四的瀏覽器助手，其余的賽道，例如：設(shè)計工具，代碼生成、寫作生成、教育工具等，均是應(yīng)用 AI 生成能力進行工作效率提升的產(chǎn)品。

可以看出， AI 在當(dāng)下我們主要的應(yīng)用就是基于生成能力的工作提效。

對于 B 端用戶來說有無數(shù)現(xiàn)有的重復(fù)但相對技術(shù)含量較低的工作，他們的需求很簡單就是解決自己的工作場景：

• 用戶：一名抖音短視頻的視頻劇本寫手
• 用戶故事地圖：日常的主要工作內(nèi)容就是寫劇本，通過寫作生成的 AI 應(yīng)用就可以簡單的快速大量的生成劇本。

• 用戶：一名互聯(lián)網(wǎng)軟件的程序開發(fā)工程師
• 用戶故事地圖：每天要從網(wǎng)絡(luò)找很多通用的代碼方法，應(yīng)用到自己的代碼中，現(xiàn)在通過代碼助手類 AI 應(yīng)用，可以快速的在編輯器中直接生成。

但是 C 端用戶的需求是什么呢？

我們看拿當(dāng)下幾個王炸級的 C 端應(yīng)用來看一下他們滿足了用戶的什么需求：

抖音

• 用戶故事地圖：「作為一個年輕用戶，我希望通過抖音快速找到有趣的視頻來打發(fā)時間?！?/li>
• 滿足核心需求：抖音滿足了用戶的娛樂、社交和自我表達需求。

美團

• 用戶故事地圖：「作為一個忙碌的上班族，我希望通過美團快速找到附近的餐廳并下單外賣，節(jié)省時間?！?/li>
• 滿足核心需求：美團滿足了用戶對便利性、多樣性、性價比和安全性的需求。

滴滴

• 用戶故事地圖：「作為一個經(jīng)常加班的職場人士，我需要一個可靠的出行方式，以便在深夜安全回家?！?/li>
• 滿足核心需求：滴滴提供了快速、方便、多樣化的出行服務(wù)，滿足了用戶的出行需求。

總結(jié)一下：

• B 端用戶更關(guān)注產(chǎn)品或服務(wù)如何幫助他們完成工作目標，核心需求是提效、達標；
• C 端用戶的需求則更傾向于直接的產(chǎn)品或服務(wù)體驗，核心需求是便利、娛樂。

對于 B 端用戶來說，僅僅需要應(yīng)用 AI 的生成能力就可以對需求進行滿足因為他們明確知道自己需要用 AI 來做什么。

但是 C 端用戶不一樣， C 端用戶不知道自己需要什么。

打個比方：

「我要一匹更快的馬」，本質(zhì)是「我想要更快的到另一個地方」

在這里我并不想要表達「我們需要從第一性原理的角度分析需求」

我想要表達的是：C 端用戶并不清晰自己的核心需求

所以針對 AI 這個像「電」一樣的東西，用戶是不知道他能用來做什么的

因此 C 端目前看起來沒有什么應(yīng)用場景。

04 C 端王炸應(yīng)用，路在何方？

回顧一下全文：

我們先探討了 AI 的革新性能力究竟是什么：

1.基于場景的自然語言理解

2.基于場景判斷調(diào)度工具

然后我們我們探討了 AI 的當(dāng)前的主流應(yīng)用形式：

1.Copilot——翻譯：副駕駛

可以理解為我們的助手、老師，他可以為我們的某個場景情況，提供解決問題的指導(dǎo)、建議，幫助指引我們的行為

2.Agent——翻譯：代理人

可以理解為我們的管家，他可以直接的幫我們解決問題

最后我們又聊了 C 端用戶的核心需求：

便利、娛樂

顯而易見，到了這里我們可以直接的得出結(jié)論：

如果我們想要做出一個 C 端的好應(yīng)用，那我們應(yīng)該做的就是——

找到可以應(yīng)用 AI 革新性能力的用戶需要便利 or 娛樂的場景，并使用 AI 某種應(yīng)用形式來完成實現(xiàn)這個產(chǎn)品

最近支付寶灰度測試 AI 智能助理，真的給了我很大的啟發(fā)。

支付寶的 AI 智能助理集成在首頁，提供服務(wù)辦事型功能，如醫(yī)療問診、查辦公積金、買機票、找?guī)?，可推薦功能或直連小程序，支持語音和文本輸入。

支付寶擁有龐大的遍布在我們?nèi)粘Ｉ蠲總€場景角落的生態(tài)應(yīng)用，但是之前他們都以小程序、功能點等看似集成其實本質(zhì)是駐在支付寶這個平臺的獨立應(yīng)用。

而現(xiàn)在，我們只需要告訴 AI 每個小程序、功能用途是什么，再分別開放對應(yīng)的執(zhí)行器接口給到 API：

那么我們將會得到什么——

早上起床，說一句，「三十分鐘后我要打車去上班」，支付寶 AI 小助理就可以調(diào)用「滴滴」的接口，幫我們預(yù)約好車

中午到了 11 點他就會問我們，中午是不是需要點外賣，點的話吃什么，然后調(diào)用「餓了嗎」的接口幫我們點好外賣

晚上 6 點下班前又會提前我們打好回家的車

這是多么夸張的一個生活體驗

且他完美的滿足了我們的結(jié)論：

應(yīng)用 AI 革新性能力，滿足用戶需要便利的場景，并使用 AI Agent 的形式來實現(xiàn)了這個產(chǎn)品

同樣的如果小米的生態(tài)在做出一樣的產(chǎn)品：

根據(jù)我們實時下班時間，結(jié)合實時定位，AI 幫我們啟動家里提前已經(jīng)裝好食材的電飯煲，到家以后我們就可以美美的享受一頓晚餐了

美團也是一樣：

周末我想出去來一個短途城市之旅，我就可以讓給 AI 給我進行推薦，然后他可以幫我預(yù)定餐廳、買好電影票、制定好路線

難以想象我們的生活將會變得如何便利、舒適。

當(dāng)然這個例子更多的是生活助理的角度，大家也可以一起發(fā)掘更多角度的賽道。

只要記得核心——從便利 or 娛樂的場景利用 AI 的判斷我們當(dāng)下所處的場景，主動的調(diào)用當(dāng)下已經(jīng)很成熟的產(chǎn)品「照顧好」我們即可。

05 總結(jié)

當(dāng)下太多的人都在拿著 AI 這把「錘子」在找釘子，找不到結(jié)果。

我們是否應(yīng)該嘗試換種思路

AI 只是讓我們多了張手牌，這張手牌我們有就可以了并不一定要真的打出去。

就像吳恩達教授所說「 AI 是新的電力」，哪怕是在當(dāng)下我們會在任何地方都應(yīng)用「電力」嗎？

顯而易見的我們并不會在我們產(chǎn)品上只留下「電力」，我們是讓電結(jié)合各種各樣其余的東西：比如轉(zhuǎn)化成動力「電動車」、比如轉(zhuǎn)化為光「手機顯示」……

我們接著分析一下在電力這條賽道了賺錢的有什么人

• 電力的來源——煤礦——賣煤礦，AI 這塊錢被芯片廠商賺了，比如英偉達
• 電力的轉(zhuǎn)化——發(fā)電廠——賣電力，AI 這塊錢被模型廠商賺了，比如 OpenAI
• 電力的使用——電子設(shè)備——賣電燈泡，這塊錢就是我們所謂模型應(yīng)用的錢
• 電力產(chǎn)品的使用——電動車載客——收車票錢，AI 這塊錢目前也有很多已經(jīng)在賺，比如 AI 代寫

那在 AI 場景下，我們現(xiàn)在最迷茫的就是第三部分，這第三部分的錢應(yīng)該怎么來賺呢，試想一下，你現(xiàn)在會想你要如何來使用電力來賺錢嗎，顯然不會。

我們需要，也必須要了解 AI 的能力及其邊界。

依舊保持我們以前關(guān)注需求的嗅覺。

在合適的需求中打出 AI 這張牌即可。

不要糾結(jié)于為「錘子」找到合適的「釘子」，我們只要為「釘子」找到合適的「錘子」即可。