去年，AI大模型的爆火，也讓很多廠家都步入大模型應(yīng)用的開發(fā)中。AI創(chuàng)業(yè)，在這個時候也是一個好賽道。作者總結(jié)了一些創(chuàng)業(yè)過程的實(shí)操細(xì)節(jié)和思路，希望對你有所啟發(fā)。

23年，以O(shè)penAI領(lǐng)頭的大模型賽道風(fēng)靡一時，一時間國內(nèi)、國際諸多玩家紛紛入場。巨頭們主要以底層能力入手開始卷，做自己的大模型，而在廣袤的應(yīng)用層，人人都有機(jī)會做自己的大模型應(yīng)用。于是起心動念，開始在閑時研究相關(guān)內(nèi)容。

說來簡單，實(shí)際促使我實(shí)際開始動手去做的，還有一個關(guān)鍵的信念/觀點(diǎn)——場景閉環(huán)是成敗關(guān)鍵。

隨著OpenAI開放了GPTS，網(wǎng)上出現(xiàn)一個段子說“每個人都在做自己的GPTs，同時沒有人愿意用別人的GPTs”，除了用戶自制的對話應(yīng)用的確良莠不齊的因素外，我認(rèn)為還有一個關(guān)鍵因素是，清一色基于聊天界面的應(yīng)用很難打造品牌爆款，背后的原因是簡單的聊天頁面無法完整閉環(huán)場景。

比如常見的AI創(chuàng)作小紅書文案的場景，通過優(yōu)化后的prompt的確可以讓AI在給定的語境下生成一段看似符合小紅書常見帖子的文案，但如果想專業(yè)運(yùn)營好一個小紅書賬號，你還會面臨：

• 生成的帖子文案千篇一律，口吻不符合自己賬號調(diào)性
• AI生成的內(nèi)容一眼假，缺少留存點(diǎn)
• 做賬號時經(jīng)常需要做營銷內(nèi)容與轉(zhuǎn)化內(nèi)容，不同類型的內(nèi)容有不同的文案訴求
• 生成內(nèi)容后，沒有完整的數(shù)據(jù)閉環(huán)，依然需要其他工具管理賬號
• 不同定位的賬號需要不同類型的專業(yè)知識庫

而以上這些問題，都是你在一個與AI的聊天框中無法解決的。這也是為何GPT3.5面世時各路媒體紛紛報(bào)道世界變了，但一年多后的今天，你可能覺得世界變化似乎并沒有那么大的原因。

聊天框+插件在一定程度上強(qiáng)化了AI能處理的場景，比如搜索引擎在可預(yù)見的將來就一定會被取代，因?yàn)锳I在閱讀、搜索、歸納信息的效率上是人所不能比的。

但同時，缺少細(xì)分行業(yè)的業(yè)務(wù)流程邏輯，也意味著單一的對話應(yīng)用必然無法在各個領(lǐng)域都取得良好表現(xiàn)，反而是那些已經(jīng)在垂類領(lǐng)域有認(rèn)知積累的玩家，有機(jī)會在此技術(shù)革命中取得更好的口碑，比如AI+數(shù)據(jù)庫查詢，AI+客戶管理系統(tǒng)，AI大批量面試，AI優(yōu)化在線文檔，都是有商業(yè)價值且能切實(shí)提高效率的場景。

圖為阿里云AI+數(shù)據(jù)庫管理的應(yīng)用，意味著不會sql的同學(xué)也可以按需查詢所需數(shù)據(jù)

言歸正傳，決定去做后，便開始考慮要做的定位與場景。

一、市場細(xì)分與定位

做大模型市場的定位時，細(xì)分市場的第一刀是2c&2b。

在2b的企業(yè)服務(wù)側(cè)，大模型存在的形態(tài)，或是與原有場景深度結(jié)合，或是基于會話能力創(chuàng)造出了新的可行產(chǎn)品。比如營銷獲客領(lǐng)域，一鍵生成的內(nèi)容與批量發(fā)布形成了新型的內(nèi)容平臺管理，由人生產(chǎn)內(nèi)容更新為機(jī)器生產(chǎn)內(nèi)容，讓矩陣運(yùn)營流量平臺賬號的成本更低，效率更高（當(dāng)然，流量平臺后續(xù)一定會對此相應(yīng)進(jìn)行監(jiān)管）；

• 比如客戶跟進(jìn)領(lǐng)域，基于平臺提供的客戶上下文信息，大模型可以以銷售個性化的口吻生成跟客話術(shù)推薦，并在通話后智能總結(jié)通話摘要；
• 比如客戶服務(wù)領(lǐng)域，基于知識庫的大模型，在信息的提取與理解方面已經(jīng)超過了大部分客服，只需要簡單的一份pdf文檔，就能訓(xùn)練一個掌握全部信息的客服（以目前的技術(shù)水平，實(shí)際場景中仍然有無法識別并發(fā)送知識庫圖片、無法幫助客戶操作等弊端）。

已經(jīng)落地的案例中也可以看到，大模型能力必須與使用場景深度結(jié)合才能更好地發(fā)光發(fā)熱，單純具有生成小紅書文案的能力不足以支撐一個完整的產(chǎn)品，但如果可以批量管理數(shù)千個小紅書賬號內(nèi)容的自動生成與數(shù)據(jù)管理，這才是合格的商業(yè)化產(chǎn)品。

相比2c，2b市場更要求完整產(chǎn)品交付，也對應(yīng)需要更高的啟動成本，所以這部分市場我沒有考慮。接下來，我們再看下2c的市場。2c的市場太大了，我們的目的是找到潛在的切入點(diǎn)，如果機(jī)械按照“社交、電商、游戲、內(nèi)容…”等領(lǐng)域去做細(xì)分無疑是很呆的，對我們的目標(biāo)也沒有任何建樹。所以我這里僅僅基于做平臺/做場景粗粗分類。

第一塊2c的市場是做大模型底層建設(shè)。這是大廠們的首選，無論是基于品牌、商業(yè)競爭、企業(yè)價值等角度，國內(nèi)企業(yè)一定要有自己的大模型，并基于自己的大模型搭建平臺。典型如百度的文心一言，字節(jié)的coze（豆包/cici），第一步是訓(xùn)練屬于自己的大模型，第二步是基于自研大模型做平臺發(fā)展GPTs。

第二塊市場屬于各種細(xì)分場景，將大模型的開放能力包裝一下，形成自己的應(yīng)用。

最直白的的做法是把會話、畫畫等能力接入進(jìn)來，以別人的能力做自己的品牌，如果你在微信小程序搜AI，可以看到不少這樣的應(yīng)用——因?yàn)槟承┫拗疲皇呛唵伟褔獾哪芰δ眠^來，其實(shí)也是有較大需求市場的。

另一種更專業(yè)的做法則是專注于某種場景提供服務(wù)，比如KIMI，早期定位于“快速閱讀整理資料”的場景，把文章發(fā)過去后即會快速閱讀給出總結(jié)，隨著擴(kuò)展的需要，目前又拓展了網(wǎng)絡(luò)搜索、超長上下文的能力，去承載更多應(yīng)用。

細(xì)分后，我的目標(biāo)也就基本框定在了“2c市場中的細(xì)分場景”這一部分。最終產(chǎn)品初步定位為小程序精品GPTs的市場，同時在產(chǎn)品架構(gòu)上支持原始GPT能力與數(shù)個內(nèi)置的場景化GPTs，這樣選的原因包括：

• 基于小程序主要是基于增長的考慮。大模型的核心魅力之一在于“對于自定義輸入內(nèi)容所帶來的未知輸出的期待”，而這種游戲性很適合做裂變增長，比如年前在年輕人群中火過的“哄哄模擬器”，把哄女朋友的場景做成了文字闖關(guān)小游戲，就是個很好的增長案例。
• 缺少訴求極其強(qiáng)烈的使用場景。個人直接做2c的微型項(xiàng)目，最穩(wěn)妥的方式就是自己就是這個領(lǐng)域的深度用戶，否則就需要付出數(shù)倍的努力去做用研。當(dāng)下的我并沒有某個強(qiáng)烈且愿意穩(wěn)定付費(fèi)的細(xì)分場景，所以需要在多種細(xì)分場景上試。當(dāng)然，這也會導(dǎo)致更高的維護(hù)成本，以及錯過真正高價值場景的風(fēng)險。

1.0版本中，我選擇了“起名”的場景。大模型的語義理解與內(nèi)容生成能力很適合做一個發(fā)散性的起名助手，且相比直接用通用對話AI起名，獨(dú)立的小程序意味著可以增加“起到滿意名字的添加備選”“分享我的備選列表給家人”“管理家庭備選列表及投票”“查看備選名字重復(fù)率”等延伸訴求。且起名雖然極其低頻，但在國內(nèi)廣大的基數(shù)下，依然有可觀的市場。

二、版本、定價與增長

由于是個人項(xiàng)目，我沒有打算貼錢做用戶量，要做就從第一天開始自負(fù)盈虧（當(dāng)然，基礎(chǔ)的時間、工具投入還是要的，我預(yù)了大概出去玩一趟的機(jī)票錢來做這件事）。

大模型選型上，我使用了GPT3.5，因?yàn)?.0的價格實(shí)在太貴了（而國內(nèi)大模型仍處于追趕階段，效果較差）…3.5的定價是輸入0.0005刀/1000tokens，輸出0.0015刀/1000tokens；而4的定價則是輸入0.01刀/1000tokens，輸出0.03刀/1000tokens。

不要以為這個價格很便宜，隨著用戶與AI聊天的記錄增多，每次對話時AI都會將之前的對話記錄閱讀一遍，看似AI只回復(fù)了幾十個字，但其實(shí)已經(jīng)消耗了幾千tokens。按照用戶每次對話消耗2000輸入tokens+1000輸出tokens的量來預(yù)估，AI每次回復(fù)會消耗2000/1000*0.0005+1000/1000*0.0015=0.0025刀，約人民幣2分錢，于是初步定價4.9元/15次起名機(jī)會，相比傳統(tǒng)人工起名的收費(fèi)顯得很良心，我也有一定空間來做免費(fèi)體驗(yàn)等轉(zhuǎn)化功能。

1.0版本的搭建大概用了半個多月時間（使用低代碼工具自己搭建的，不需要寫代碼且效率更高），上線了基礎(chǔ)的起名、收藏起名記錄、付費(fèi)、看廣告獲得免費(fèi)次數(shù)的功能，算是實(shí)現(xiàn)了基礎(chǔ)的閉環(huán)。目前主要的增長渠道還是小紅書的推廣，通過內(nèi)容引流，去獲得免費(fèi)流量，上線一個月也做到了幾百月活，獲得了一部分付費(fèi)與廣告收入。

中間微調(diào)過兩次策略，第一次是發(fā)現(xiàn)用戶付費(fèi)率很低，進(jìn)一步去看數(shù)據(jù)，發(fā)現(xiàn)幾乎每個進(jìn)來的用戶都會去對話起名，但大部分用戶用完贈送的聊天次數(shù)后沒有進(jìn)一步的轉(zhuǎn)化動作，考慮場景足夠剛需，于是下調(diào)了贈送的體驗(yàn)次數(shù)；第二次是發(fā)現(xiàn)一位用戶在兩天內(nèi)看了170條廣告（來獲取免費(fèi)次數(shù)），于是下調(diào)了看廣告贈送的次數(shù)且增加了最大免費(fèi)次數(shù)。

至此，一階段的場景驗(yàn)證已經(jīng)基本完成，驗(yàn)證了在細(xì)分場景下的確有做一些輕應(yīng)用的空間。下階段則要進(jìn)一步驗(yàn)證增長與收入模型，目前的推廣手段還比較單一，依賴公域平臺的內(nèi)容流量，下個階段希望則通過拓展場景，去獲得口碑或裂變式增長。

三、小結(jié)

下筆寫來簡單，實(shí)操過程中實(shí)則有很多細(xì)節(jié)，要花費(fèi)心力去優(yōu)化解決，比如如何申請openai的API，如何代理API，如何將AI起的名字存入表中等等。本篇重點(diǎn)在過程中的思路而不在實(shí)操，因此刻意忽視了執(zhí)行的落地細(xì)節(jié)。

總體來說，現(xiàn)階段大模型的能力足夠支撐我們做一些創(chuàng)新產(chǎn)品，如果場景的確可以為用戶/企業(yè)帶來實(shí)打?qū)嵉膬r值，也可以帶來一定的商業(yè)回報(bào)。當(dāng)然，還是那句話，創(chuàng)業(yè)有風(fēng)險，所以如果你希望做自己的項(xiàng)目，還是建議在閑暇時間兼職做，不要一頭莽進(jìn)創(chuàng)業(yè)者隊(duì)伍。在實(shí)際投入時間精力之前，也可以通過AI聊天產(chǎn)品做一些基本的驗(yàn)證，確保這個場景的確有價值，再考慮產(chǎn)品化。