AI發(fā)展至今，從概念到產(chǎn)品基本上都有公司在做。但如果真要問AI落地的問題，其實(shí)還是出在產(chǎn)品上。沒有具體對(duì)應(yīng)的產(chǎn)品，概念玩得再溜，故事講得多好都沒用。

什么是AI落地過程中的最大問題呢？

如果只可以選一個(gè)，我選產(chǎn)品。

AI產(chǎn)品所需要的復(fù)合度比互聯(lián)網(wǎng)時(shí)代的APP是要大的，同時(shí)對(duì)技術(shù)的依賴程度也在變深，而在實(shí)際運(yùn)轉(zhuǎn)過程中權(quán)重最低，作為結(jié)果就問題最大。這一定程度上可以從干技術(shù)和干產(chǎn)品的人薪資上看出這個(gè)權(quán)重，很多企業(yè)也許愿意花百萬以上薪資招算法的研發(fā)，但恐怕很少企業(yè)愿意花類似的薪資招產(chǎn)品。

這就是一種錯(cuò)配，因?yàn)閺纳虡I(yè)成功的角度看，產(chǎn)品是整體肯定比單點(diǎn)的技術(shù)重要。

一、典型的作死模式

打磨AI產(chǎn)品的時(shí)候有一種模式可以稱之為勤奮型赴死。表現(xiàn)就是產(chǎn)品經(jīng)理或者相關(guān)人員沒在琢磨產(chǎn)品本身，而是在使勁專研和強(qiáng)化自己對(duì)AI技術(shù)的理解，能說出下面這樣一段話看著是有點(diǎn)酷的，但其實(shí)是走在緩慢自殺的路上：

GPT是一種基于變壓器的深度學(xué)習(xí)模型，它能夠通過自回歸的方式生成任意長(zhǎng)度的文本序列。GPT的技術(shù)原理是利用大規(guī)模的無標(biāo)注文本數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，然后在不同的下游任務(wù)上進(jìn)行微調(diào)，從而實(shí)現(xiàn)多種自然語言處理的應(yīng)用，如文本摘要、機(jī)器翻譯、問答等。GPT的核心是使用一個(gè)多層的變壓器編碼器，它能夠通過自注意力機(jī)制和位置編碼捕捉文本序列中的長(zhǎng)距離依賴關(guān)系和順序信息。GPT的訓(xùn)練目標(biāo)是最大化給定前文的條件下，預(yù)測(cè)下一個(gè)詞的概率，從而學(xué)習(xí)到一個(gè)通用的語言模型。GPT的創(chuàng)新之處在于它能夠在不需要人工標(biāo)注和特定領(lǐng)域知識(shí)的情況下，自動(dòng)地從大量的文本數(shù)據(jù)中學(xué)習(xí)到語言的規(guī)律和知識(shí)，從而實(shí)現(xiàn)跨領(lǐng)域和跨任務(wù)的泛化能力。

其實(shí)這是我讓GPT瞎編的，但這種風(fēng)格，在打造AI產(chǎn)品過程中屬實(shí)常見。

這類對(duì)細(xì)節(jié)知識(shí)的追求也是要花很多時(shí)間的，追求過后就會(huì)有一種專家的幻覺。有基礎(chǔ)的理解十分必要，但往這個(gè)方向?qū)Ｑ袇s正好反了，對(duì)產(chǎn)品自身也是有害的。

二、為什么這么說呢？

產(chǎn)品介于技術(shù)和場(chǎng)景之間，確實(shí)要了解技術(shù)，但不是往技術(shù)深處的那種理解，而是從場(chǎng)景這一邊去理解技術(shù)，否則弄個(gè)技術(shù)專家干產(chǎn)品不就完了么！從這個(gè)角度需要澄清的是當(dāng)前技術(shù)的應(yīng)用邊界，比如大模型到底干什么行？干什么不行？而不是這技術(shù)到底由什么組成，每個(gè)組成什么意思。從技術(shù)看技術(shù)，才是往里面去，關(guān)注到底多少參數(shù)，除非你就是做模型產(chǎn)品的產(chǎn)品經(jīng)理。

產(chǎn)品研究技術(shù)在跨過某個(gè)心里閾值后，還會(huì)發(fā)生更可怕的事，做預(yù)測(cè)。

很多場(chǎng)景預(yù)測(cè)是需要的，但產(chǎn)品經(jīng)理不能做。

基于新技術(shù)現(xiàn)在能干什么來定義產(chǎn)品，而不是基于它潛在能干什么定義產(chǎn)品，因?yàn)楫a(chǎn)品是馬上要給人用的，本身就是最大的預(yù)測(cè)了，如果還把技術(shù)的不確定性導(dǎo)入進(jìn)來，那風(fēng)險(xiǎn)就會(huì)大道無以復(fù)加，變期貨了。

為什么這么說呢？因?yàn)槠鋵?shí)預(yù)測(cè)根本不準(zhǔn)。過去十年不單是產(chǎn)品人預(yù)測(cè)不準(zhǔn)，頂級(jí)專家一樣預(yù)測(cè)不準(zhǔn)。

形象點(diǎn)說一個(gè)產(chǎn)品經(jīng)理如果是滿口技術(shù)詞匯，那其實(shí)是練錯(cuò)武功了。

三、現(xiàn)實(shí)里為什么很容易這樣呢？

這是組織結(jié)構(gòu)的特征導(dǎo)致的。

典型的AI公司都是技術(shù)人員創(chuàng)建的（此前融資的時(shí)候這是關(guān)鍵因素），這樣就直接導(dǎo)致要素關(guān)鍵度注定會(huì)反過來：產(chǎn)品要在技術(shù)上面，而不是技術(shù)決定產(chǎn)品。

技術(shù)發(fā)言權(quán)大，會(huì)導(dǎo)致一系列問題。我們想象一下下面的情形：

老板是AI方向的 PhD，產(chǎn)品經(jīng)理是不錯(cuò)學(xué)校的本科，這個(gè)配重下產(chǎn)品別提創(chuàng)新定義，很多時(shí)候估計(jì)都在心里打鼓，自己說的話對(duì)不對(duì)，會(huì)不會(huì)被開了，會(huì)不會(huì)被懟不專業(yè)。避免被懟個(gè)幾次，為了證明自己的優(yōu)秀，那就使勁弄清楚這些高級(jí)詞到底什么意義，讓自己變的看著還懂行，很專業(yè)。

產(chǎn)品經(jīng)理的內(nèi)涵實(shí)在太虛、太綜合，畢竟不像干算法的是靠一個(gè)點(diǎn)專業(yè)上的本事吃飯，從工作的角度本來就需要找點(diǎn)實(shí)的東西往腳下填一填。而現(xiàn)有的組織結(jié)構(gòu)其實(shí)強(qiáng)化這種內(nèi)置趨勢(shì)。

互聯(lián)網(wǎng)早期其實(shí)完美錯(cuò)過了這個(gè)陷阱。

大家知道互聯(lián)網(wǎng)時(shí)代的主角們大部分是程序員。

為什么是程序員呢，一個(gè)原因可能就是上古程序員根本不分工，一個(gè)人什么都干了，即干產(chǎn)品也干開發(fā)很多時(shí)候還得賣東西。這就導(dǎo)致這些人正好在就在上圖中間那個(gè)位置。有時(shí)候有人會(huì)強(qiáng)調(diào)自己編程技術(shù)多么厲害，這是事實(shí)沒錯(cuò)，但肯定不是關(guān)鍵原因，因?yàn)榫幊虆柡Φ娜硕嗔?。我個(gè)人覺得一個(gè)關(guān)鍵促成成功的原因就是他們有更多產(chǎn)品和技術(shù)綜合的視角。

四、AI產(chǎn)品到底應(yīng)該考慮那些維度呢？

產(chǎn)品來源于技術(shù)和場(chǎng)景，代表用戶視角所以又高于這兩者，這個(gè)位置決定非常多價(jià)值創(chuàng)造過程里的約束和方法。

這個(gè)價(jià)值創(chuàng)造過程對(duì)AI有什么特別的呢？

這正好可以從價(jià)值創(chuàng)造本身和受到的約束兩個(gè)角度來展開。

第一是你價(jià)值創(chuàng)造的完整性。到底有沒有用。

第二是你受到的剛性約束。技術(shù)的應(yīng)用邊界和場(chǎng)景內(nèi)定的游戲規(guī)則都影響你的產(chǎn)品到底在實(shí)際中有沒有相對(duì)價(jià)值。

第三則是潛在的價(jià)值實(shí)現(xiàn)通路上有那些約束。要干100年顯然沒那么多錢給你干。

可以用這個(gè)視角來看當(dāng)前的AI各種產(chǎn)品。

五、價(jià)值創(chuàng)造的完整性

AI帶給人一種所有產(chǎn)品要重做的感覺，所以似乎那里都是機(jī)會(huì)，但其實(shí)并不是。

我們這世界的產(chǎn)品格局在互聯(lián)時(shí)代已經(jīng)被塑造過一遍了。越是和過去的貼近，越是屬于原來的陣營(yíng)，AI從形成應(yīng)用力量的角度看，還是過于弱小，不具備這類顛覆的力量。AI能把抖音重做么？在這里產(chǎn)品整個(gè)的權(quán)重是100的話，AI的權(quán)重可能只有不到10。

AI確實(shí)能做些新的事兒了。在新的構(gòu)想力量又分兩類：

一類就是Copilot這類生產(chǎn)力工具，這類工具越大微軟這類巨頭盯的越緊。從技術(shù)角度這是個(gè)新產(chǎn)品，但從場(chǎng)景角度看，這就是新的Word，不可能有機(jī)會(huì)。

不干局部就得干整體，另一類則和對(duì)崗位人的置換有關(guān)。你是不是完整能把客服、外呼等工作做了。如果可以？那價(jià)值創(chuàng)造的模型就非常簡(jiǎn)單，會(huì)變成就業(yè)市場(chǎng)有多少價(jià)值，打個(gè)折。

在這個(gè)領(lǐng)域上，最核心的是什么呢？這兩類產(chǎn)品的區(qū)別是什么呢？

是價(jià)值創(chuàng)造的完整性。

后者必須在場(chǎng)景下解決全部問題，如果解決不了，那就是負(fù)擔(dān)。比如招聘的時(shí)候能不能給個(gè)職位描述就把人招來了。

可以畫張圖描述上面的產(chǎn)品分布：

六、技術(shù)的應(yīng)用邊界與場(chǎng)景游戲規(guī)則

技術(shù)應(yīng)用邊界是說這項(xiàng)技術(shù)本身在落地過程中有什么是短期不太可能解決的，進(jìn)一步就導(dǎo)致要把他們看成前置條件。

顯然的幻覺問題非常難解決，另一個(gè)則是覆蓋場(chǎng)景越復(fù)雜，其結(jié)果的不確定性也就越高。再簡(jiǎn)單點(diǎn)，同樣的prompt它結(jié)果不總是一樣。而顯然的不是所有場(chǎng)景都匹配這種不確定性。這種內(nèi)置屬性沖突越厲害，產(chǎn)品掛的可能性就越高，并且會(huì)陷入苦戰(zhàn)。比如用大模型做稅務(wù)。

這部分正體現(xiàn)上面說的用技術(shù)視角來看技術(shù)和用產(chǎn)品視角來看技術(shù)的差異。我們?cè)倥e個(gè)更具體的例子：

以技術(shù)應(yīng)用邊界和場(chǎng)景匹配度的角度來看技術(shù)，大模型那部分能力最優(yōu)秀呢？

我個(gè)人覺得是編程，編程能力能打85分，十分契合。

至于經(jīng)常說的內(nèi)容創(chuàng)作，也就70多分。

為什么這么說呢？

假如你是個(gè)程序員，它能幫你寫程序么？對(duì)于初中級(jí)程序員而言，回答特別肯定。能。但也很不幸，這兩類崗位未來很可能直接就掛了。所以這是85分。

假如你是自媒體，它能幫你做創(chuàng)作么？答案是不能，雖然有些幫助。

之前把這部分特征總結(jié)成下圖：

七、價(jià)值實(shí)現(xiàn)通路上的約束

理論上只要無限的資源，那任何一個(gè)創(chuàng)造價(jià)值的產(chǎn)品就都可以成立，但我們沒有無限資源。

所以商業(yè)實(shí)現(xiàn)通路的考量是產(chǎn)品起點(diǎn)上的一個(gè)部分。到底要?dú)v經(jīng)那些關(guān)口，消耗多少資源才可能把水燒開？這是產(chǎn)品成立不成立的關(guān)鍵，也是產(chǎn)品要考慮的。

這里最典型例子就是是純粹數(shù)字的產(chǎn)品，軟硬融合產(chǎn)品還是帶機(jī)械結(jié)構(gòu)的產(chǎn)品，越往后越重。純數(shù)字可以以月來計(jì)算閉環(huán)時(shí)間，軟硬融合則得是年了，沒3個(gè)版本(iPhone差不多是到4才大成）穩(wěn)定不下來。機(jī)械類的恐怕得以3年5年計(jì)算了（汽車一個(gè)新車型過去需要3年，特斯拉今天如日中天，但不要忘記這公司成立已經(jīng)20多年了，也就這6~7款車型）。

之前把這部分特征總結(jié)成下圖：

八、工具的工具

各種產(chǎn)品中還有個(gè)小分類，就是英偉達(dá)為代表的工具的工具。為了支撐AI技術(shù)進(jìn)展，需要數(shù)據(jù)、需要GPU等。但這地兒如果單純從投入產(chǎn)出上看，屬于風(fēng)險(xiǎn)收益比比較最差的地方，因?yàn)橥度胱⒍ê艽?，但收益高度不確定?，F(xiàn)在似乎有機(jī)會(huì)，但其實(shí)和絕大部分人關(guān)聯(lián)不大。對(duì)人、資本要求都太高了，基本上是大廠的自留地，能做很可能是真的幻覺。

九、小結(jié)

上面是對(duì)AI產(chǎn)品的一些總結(jié)和思考，不一定對(duì)，如果非用一句話概括上面要說的，那就是：少談點(diǎn)技術(shù)，多想點(diǎn)產(chǎn)品。

對(duì)于小公司，產(chǎn)品不單是產(chǎn)品，也是戰(zhàn)略的具象化。