對(duì)智能原生產(chǎn)品而言，產(chǎn)品不僅需要從0到1，從1到10這個(gè)階段也十分關(guān)鍵，否則，就可能走上數(shù)字化或者SaaS的“老路”。怎么理解呢？一起來(lái)看看本文的分析。

看了下馬云的內(nèi)部信，有點(diǎn)意外的是這只是關(guān)于情緒和態(tài)度。

因?yàn)槿祟惐旧頉](méi)太大變化，所以就情緒和態(tài)度而言，在企業(yè)起伏的時(shí)候，大致上就總是：

在錯(cuò)誤處帶來(lái)真實(shí)，在懷疑處帶來(lái)信任，在混亂處帶來(lái)和諧，在沮喪處帶來(lái)希望。

但AI確實(shí)不止關(guān)于情緒，它有一些與過(guò)去迥異的運(yùn)行規(guī)律。馬云說(shuō)的：AI時(shí)代剛剛到來(lái)，一切才剛開(kāi)始，我們正當(dāng)其時(shí)。這是對(duì)的。

然后呢？

然后我們其實(shí)需要認(rèn)識(shí)這些差異，打造新的產(chǎn)品然后才可能創(chuàng)造新的用戶價(jià)值，AI的發(fā)展也才能真正閉環(huán)。

一、從0到1的相關(guān)故事

彼得蒂爾的從0到1可能是最成功的商業(yè)方法論書籍，核心原因正在于這是成功互聯(lián)網(wǎng)產(chǎn)品的最關(guān)鍵點(diǎn)。

成功的互聯(lián)網(wǎng)產(chǎn)品一定是PMF（Product Market Fit）型產(chǎn)品。

選擇一個(gè)領(lǐng)域，吃透一個(gè)領(lǐng)域，然后把互聯(lián)網(wǎng)技術(shù)加進(jìn)去，變成一個(gè)新的產(chǎn)品，驗(yàn)證后大范圍復(fù)制，每個(gè)成功互聯(lián)網(wǎng)產(chǎn)品都是這么走過(guò)來(lái)的。

對(duì)產(chǎn)品進(jìn)行細(xì)分的話，差異在于平臺(tái)化通過(guò)兩端開(kāi)放打開(kāi)了PMF的適配范圍，遠(yuǎn)超單點(diǎn)的工具。

B 端产品经理如何快速成长？

产品与业务架构主要是将整个业务工作流进行分层，梳理，然后抽象出一个个需求，将业务需求与产品合情合理的映射起来，最终使业务数据在产品中流动，执行，记录，使用。

查看详情 >

這套邏輯做到企業(yè)級(jí)產(chǎn)品（SaaS）的時(shí)候，就徹底折了。

不同的企業(yè)用各種方式捍衛(wèi)自己的不一樣，所以做SaaS本質(zhì)上是N個(gè)從0到1，但一直沒(méi)有從1到100。

這種定制的復(fù)雜度超過(guò)現(xiàn)有技術(shù)架構(gòu)的吸收能力，不管你是用應(yīng)用商店，平臺(tái)，插件還是什么技術(shù)，最終你本質(zhì)都需要一個(gè)一個(gè)交付，變成解決方案式擴(kuò)張。

邊際效能靠人還是靠算力顯然有巨大差異。所以SaaS就集體持續(xù)虧損，但也還能活著。

這種現(xiàn)實(shí)提示我們什么呢？

為什么產(chǎn)品是從0到1和從1到100兩個(gè)階段呢？

互聯(lián)網(wǎng)產(chǎn)品外化的是程序員的智能，可以留一些定制的空間，但這個(gè)空間是有限的，最終靈活適配能力的上限也還是程序員設(shè)定的。

所以這種產(chǎn)品力必須打?qū)Φ胤?，互?lián)網(wǎng)的產(chǎn)品力和市場(chǎng)突破口如果打偏了就像非給牛喂豬肉一樣，費(fèi)力不討好。

從0到1就解決這個(gè)準(zhǔn)不準(zhǔn)的問(wèn)題。

而這個(gè)問(wèn)題一解決，后面待解決問(wèn)題是一樣的，所以就可以純粹復(fù)制。

復(fù)制的邊際效能基本是算力的邊際效能，也就變成指數(shù)增長(zhǎng)。

典型的兩段論：趴在地上吃土+一飛沖天后吃肉；當(dāng)然也有一直吃土的可能。

那AI還是這樣么？如果不是為什么？

二、AI產(chǎn)品的新特質(zhì)

AI的核心改變根本不是AIGC，包括Sora，而是它的概念識(shí)別和自行邏輯判斷能力。這潛在的意味著計(jì)算范式的變化。

過(guò)去我們的計(jì)算模式本質(zhì)上是現(xiàn)實(shí)世界的需求由程序員折射成計(jì)算機(jī)世界的語(yǔ)言，然后計(jì)算機(jī)按照程序員的設(shè)定進(jìn)行執(zhí)行。

AI下的計(jì)算模式不是這樣，程序員這個(gè)中間層越來(lái)越透明（不是徹底消失），人直接和模型進(jìn)行交互，然后具體的功能范圍是不定的。模型、策略和價(jià)值觀設(shè)定這個(gè)范圍，不再是程序員設(shè)定這個(gè)范圍了。

如果用圖形描述，那大概下面這樣：

這種新特質(zhì)即影響產(chǎn)品形態(tài)，也影響相應(yīng)產(chǎn)品的方法論。

產(chǎn)品形態(tài)上，過(guò)去用戶總是按照UI（圖形用戶界面）來(lái)完成某個(gè)功能。

而UI（圖形用戶界面）本質(zhì)是一種歸類，類目的集合就是產(chǎn)品的邊界。即是功能的邊界，也是感知的邊界。

舉個(gè)例子，比如過(guò)去經(jīng)常說(shuō)的ERP，它充分對(duì)企業(yè)進(jìn)行抽象，然后覆蓋了某個(gè)范圍。這樣也就形成了一個(gè)自己的邊界（企業(yè)的適用范圍）和重量。

把這殼套到自己身上的時(shí)候，那企業(yè)可能承受不了它的重量。外部的變化會(huì)挑戰(zhàn)它的設(shè)定也會(huì)持續(xù)產(chǎn)生成本，最終就變成了上ERP找死，不上等死。

那假如ERP變成了企業(yè)的自動(dòng)駕駛，類似Autopilot，會(huì)發(fā)生什么呢？

這時(shí)候反饋+智能+判斷>設(shè)定的流程。

因?yàn)閷掃m配，重量是減輕了，但會(huì)不會(huì)開(kāi)到溝里面則不好說(shuō)。

比如它檢測(cè)到了庫(kù)存水平和市場(chǎng)價(jià)格后可以發(fā)起采購(gòu)的建議。

這個(gè)企業(yè)級(jí)的Autopilot也會(huì)自己更新自己，感知現(xiàn)實(shí)，并根據(jù)價(jià)值設(shè)定處理程序員沒(méi)有預(yù)先設(shè)置的行為。

比如某個(gè)模塊出現(xiàn)安全漏洞，那會(huì)自己在測(cè)試環(huán)境啟動(dòng)測(cè)試并且發(fā)起更新審批。然后更新自己。

基于規(guī)則和基于模型的智能程度在這種應(yīng)用場(chǎng)景下在尺度上拉開(kāi)巨大差異。

確定性匹配規(guī)則，靈活性匹配智能。

智能和靈活最終會(huì)帶來(lái)寬適配，也就不需要?dú)w類（太多沒(méi)法歸類），所以就需要進(jìn)行基于自然語(yǔ)言的交互。GUI反倒是變成輔助。和現(xiàn)在正相反。

形態(tài)差異的表現(xiàn)是自然語(yǔ)言交互，但差異本質(zhì)在規(guī)則所體現(xiàn)的智能和模型所體現(xiàn)的智能適配范圍有著巨大差異。

這在打磨產(chǎn)品上，會(huì)帶來(lái)什么樣的差異呢？

關(guān)于計(jì)算模式的部分參見(jiàn)：

• 角色中心式計(jì)算：AI大模型顛覆性的起點(diǎn)與終點(diǎn)
• 智能原生：AI藍(lán)海世界的關(guān)鍵鑰匙

三、從1到10，AI產(chǎn)品的關(guān)鍵階段

如果你做的菜是四川菜，也給四川人吃，那就是從0到1 ，從1到100的兩段論。

但如果你做的四川菜，菜也是自己會(huì)微調(diào)的，那你搞完菜，在四川測(cè)試完（從0到1），估計(jì)還得每個(gè)省都抽樣測(cè)試下（從1到10），然后才能大規(guī)模推開(kāi)（從10到100）。

智能原生應(yīng)用的這種自己進(jìn)行適配的特征也決定了這種應(yīng)用類型所匹配的領(lǐng)域。

如果是簡(jiǎn)單的規(guī)則就能搞定，并且產(chǎn)生利潤(rùn)的地兒，其實(shí)并不是智能原生應(yīng)用的最佳落點(diǎn)。它們一定程度上機(jī)會(huì)資源已經(jīng)被挖掘殆盡。

這種領(lǐng)域里智能原生創(chuàng)造的價(jià)值和按原有模式運(yùn)轉(zhuǎn)產(chǎn)品創(chuàng)造價(jià)值沒(méi)有太大差異。

這也就意味著智能原生應(yīng)用就必然要解決復(fù)雜場(chǎng)景，解決規(guī)則所不能到達(dá)地方的問(wèn)題。（一定程度上現(xiàn)在偶爾會(huì)火的所謂AI APP在起點(diǎn)上就有問(wèn)題，沒(méi)有后勁的，也不可能取得成功）。

而如果智能原生應(yīng)用要解決復(fù)雜場(chǎng)景的問(wèn)題，那在產(chǎn)品化的時(shí)候，必須把智能原生的特征發(fā)揮到極致，變成類生命體。

這就就像那道自己會(huì)變的川菜一樣，從1到10會(huì)變成一個(gè)非常關(guān)鍵的階段。

我們可以舉一個(gè)正面的例子，比如做一個(gè)招聘的Agent。

它能夠非常完整的執(zhí)行從收集需求，到篩選簡(jiǎn)歷，再到Offer發(fā)送，入職的全過(guò)程。

開(kāi)發(fā)完成后在某個(gè)或某幾個(gè)企業(yè)里面運(yùn)轉(zhuǎn)良好，按照互聯(lián)網(wǎng)的概念，這時(shí)候從0到1是基本完成。

這時(shí)候可以產(chǎn)品化進(jìn)行PMF式擴(kuò)張了么？

對(duì)于Agent產(chǎn)品它必然不行，既然招聘需求、需求匹配都是自適應(yīng)的，那么適合科技企業(yè)了，未必就適合快消品的企業(yè)。

而可能導(dǎo)致不適應(yīng)的這截正是用智能才能解決，用規(guī)則解決不了的部分。（智能原生應(yīng)用的價(jià)值根基）

這部分的調(diào)優(yōu)、確認(rèn)、打磨如果進(jìn)行概括，那就是從1到10。

這個(gè)環(huán)節(jié)過(guò)去對(duì)于互聯(lián)網(wǎng)產(chǎn)品不關(guān)鍵，但對(duì)于智能原生產(chǎn)品（類生命體）很關(guān)鍵。

總結(jié)來(lái)說(shuō)，互聯(lián)網(wǎng)產(chǎn)品是兩段論，而AI產(chǎn)品則是三段論。

從1到10這個(gè)階段對(duì)智能原生產(chǎn)品非常關(guān)鍵，搞不好就意味著智能沒(méi)起作用，而一旦退回去變成不停的重復(fù)從0到1，那很可能就會(huì)走上數(shù)字化或者SaaS的老路。

四、產(chǎn)業(yè)空間

如果把各種產(chǎn)品放在智能的坐標(biāo)軸上，那大概是這樣一種分布。

單純的工具，比如壓縮軟件或者安全軟件，那是一個(gè)固定形狀的球。我就干這個(gè)活，別的別找我。按過(guò)去的說(shuō)法，好的工具可以支撐10億美金企業(yè)。（chatGPT很不單純…）

平臺(tái)因?yàn)閮蛇呴_(kāi)放，就很像一個(gè)擠擠可以變形的球，但能變的形狀是確定的。按照之前的說(shuō)法這是100億美金企業(yè)的支撐。生態(tài)號(hào)稱是把上面一堆東西安在一起，但從智能角度看本質(zhì)并沒(méi)變化。

智能原生應(yīng)用和上面不一樣，自身就是變形蟲(chóng)，是類生命體。環(huán)境需要什么樣，它自己就往那個(gè)方向變，自己也會(huì)進(jìn)化（程序改變自己 VS版本升級(jí)）。

真的智能原生程序不要人擠，自己就可以按需變形。

這種特性帶來(lái)一個(gè)壞處，智能原生應(yīng)用雖然也是可大可小，但因?yàn)橹悄艿耐ㄓ枚?，就不太可能是單純的工具，所以不?huì)是太小規(guī)模的產(chǎn)品。

技術(shù)決定了先天可能性，而投入產(chǎn)出決定了現(xiàn)實(shí)的可能性。

需要注意的是不能把智能原生應(yīng)用和工具，包括本質(zhì)是工具的歌種好玩的APP放在一起，這不是一類東西。

總結(jié)

如果問(wèn)大模型到底帶來(lái)了什么？那很多人的印象可能是能幫助寫論文、能生成很拉風(fēng)的圖片、能生成視頻（Sora）。但這世界其實(shí)沒(méi)幾個(gè)人是天天做編輯工作的。如果人工智能的影響局限于，那就不可能帶來(lái)超過(guò)互聯(lián)網(wǎng)的生產(chǎn)力。大模型所帶來(lái)的能力里面最關(guān)鍵的其實(shí)是概念理解和自行判斷的能力?；谶@個(gè)能力才能構(gòu)建真正的智能原生應(yīng)用，而智能原生應(yīng)用不單需要從0到1，還需要從1到10。