AI不缺概念，甚至不缺技术，但实在缺产品( 二 ) _AI

AI产品到底应该考虑那些维度呢？
产品来源于技术和场景，代表用户视角所以又高于这两者，这个位置决定非常多价值创造过程里的约束和方法。
这个价值创造过程对AI有什么特别的呢？
这正好可以从价值创造本身和受到的约束两个角度来展开。
第一是你价值创造的完整性。到底有没有用。
第二是你受到的刚性约束。技术的应用边界和场景内定的游戏规则都影响你的产品到底在实际中有没有相对价值。
第三则是潜在的价值实现通路上有那些约束。要干100年显然没那么多钱给你干。
可以用这个视角来看当前的AI各种产品。

文章插图
价值创造的完整性
AI带给人一种所有产品要重做的感觉，所以似乎那里都是机会，但其实并不是。
我们这世界的产品格局在互联时代已经被塑造过一遍了。越是和过去的贴近，越是属于原来的阵营，AI从形成应用力量的角度看，还是过于弱小，不具备这类颠覆的力量。AI能把抖音重做么？在这里产品整个的权重是100的话，AI的权重可能只有不到10 。
AI确实能做些新的事儿了。在新的构想力量又分两类：
一类就是Copilot这类生产力工具，这类工具越大微软这类巨头盯的越紧。从技术角度这是个新产品，但从场景角度看，这就是新的word，不可能有机会。
不干局部就得干整体，另一类则和对岗位人的置换有关。你是不是完整能把客服、外呼等工作做了。如果可以？那价值创造的模型就非常简单，会变成就业市场有多少价值，打个折。
在这个领域上，最核心的是什么呢？这两类产品的区别是什么呢？
是价值创造的完整性。
后者必须在场景下解决全部问题，如果解决不了，那就是负担。比如招聘的时候能不能给个职位描述就把人招来了。
可以画张图描述上面的产品分布：

文章插图
技术的应用边界与场景游戏规则
技术应用边界是说这项技术本身在落地过程中有什么是短期不太可能解决的，进一步就导致要把他们看成前置条件。
显然的幻觉问题非常难解决，另一个则是覆盖场景越复杂，其结果的不确定性也就越高。再简单点，同样的prompt它结果不总是一样。而显然的不是所有场景都匹配这种不确定性。这种内置属性冲突越厉害，产品挂的可能性就越高，并且会陷入苦战。比如用大模型做税务。
这部分正体现上面说的用技术视角来看技术和用产品视角来看技术的差异。我们再举个更具体的例子：
以技术应用边界和场景匹配度的角度来看技术，大模型那部分能力最优秀呢？
我个人觉得是编程，编程能力能打85分，十分契合。
至于经常说的内容创作，也就70多分。
为什么这么说呢？
假如你是个程序员，它能帮你写程序么？对于初中级程序员而言，回答特别肯定。能。但也很不幸，这两类岗位未来很可能直接就挂了。所以这是85分。
假如你是自媒体，它能帮你做创作么？答案是不能，虽然有些帮助。
之前把这部分特征总结成下图：

文章插图
价值实现通路上的约束
理论上只要无限的资源，那任何一个创造价值的产品就都可以成立，但我们没有无限资源。
所以商业实现通路的考量是产品起点上的一个部分。到底要历经那些关口，消耗多少资源才可能把水烧开？这是产品成立不成立的关键，也是产品要考虑的。
这里最典型例子就是是纯粹数字的产品，软硬融合产品还是带机械结构的产品，越往后越重。纯数字可以以月来计算闭环时间，软硬融合则得是年了，没3个版本(iphone差不多是到4才大成）稳定不下来。机械类的恐怕得以3年5年计算了（汽车一个新车型过去需要3年，特斯拉今天如日中天，但不要忘记这公司成立已经20多年了，也就这6~7款车型）。
之前把这部分特征总结成下图：

文章插图
工具的工具
【AI不缺概念，甚至不缺技术，但实在缺产品】各种产品中还有个小分类，就是英伟达为代表的工具的工具。为了支撑AI技术进展，需要数据、需要GPU等。但这地儿如果单纯从投入产出上看，属于风险收益比比较最差的地方，因为投入注定很大，但收益高度不确定。现在似乎有机会，但其实和绝大部分人关联不大。对人、资本要求都太高了，基本上是大厂的自留地，能做很可能是真的幻觉。