AI商業化路上的9981難

文 | 李智勇

不管海外還是國內，AI很難成功商業化。在企業級產品上海外似乎看到了些希望，國內則還有相對漫長的路要走。

那為什麼AI商業化如此艱難

實在不是因為AI背後的商業模式新穎，比如網際網路、數字貨幣，恰恰相反，核心原因是AI足夠傳統。

技術是新的，上面的商業模式則是傳統的，兩相複合，反倒是不好駕馭。

每天我們會看到很多新的名詞比如Scaling Law等等，可一旦把這些名詞的神秘性去掉，放回到某個價值結構中，就會發現它確實會更像電、蒸汽機這些東西（Enabling Technology）。

這類技術以及基於這些技術的產品做商業化更像硬仗，沒有那麼多取巧空間。

基於它做硬體和做電腦會差不多，基於它做軟體會和過去的傳統軟體差不多，基於它做系統會和Windows差不多，純做技術那就和過去演算法授權差不多。

這就需要回到老的價值通路中，基於新技術的特質尋找新的錨點，否則是不靈的。

沒有單點極致，沒有網路效應，價值通路全是長鏈條，任何一個環節的阻塞都會導致猥瑣發育，猥瑣發育的結果不是死亡也是小老頭企業。

奇績專案上的觀點對立

去年我就發現大家閒聊奇績的專案時，總是會出完全對立的觀點，今年還是這樣。

即使從外部看這些專案選擇標準其實也不復雜：團隊、技術、願景，不怎麼關注馬上的商業變現。

這些被選出的專案換到另一撥偏業務的人眼裡則是完全另一類評價：太不靠譜了，這上哪兒賺錢去！

然後可能還引發很多爭論，實際上如果把它看成長價值鏈條上的起點和原點，那爭論可能會少點。

各執己見大概就是各得一偏。長價值鏈上需要的不是堅持自己，而是分別向對方進化。當年阿里巴巴那有什麼技術，和雲端計算又有什麼關係！反過來百度的最終成功也必然不是單純因為會做搜尋的演算法。

敢於正視現實大機率就回清晰看到，現在的AI產品基本都還在一個無形的薄膜下面，如果長不上去，不是A會死，B不會死，而是都會死。

只有極少數完成整體性進化的才能突破這種先天薄膜，獲得更多的陽光和雨水，成為參天大樹。好在AI這片地兒範圍足夠大，所以即使是大樹，也還能多長出幾棵。

可不管怎樣，結局註定是很殘酷的。網際網路的空間足夠大，可真到今天又留下了多少網際網路公司！

AI即使空間大十倍，那也不過是多十倍的剩者為王。

奇技淫巧的誘惑與苦難輝煌

大家知道企業的錢有兩個主要來源：

要麼來自於業務，這時候企業自身增值，各種企業的利害相關者都可以賺成長的錢。這是最理想的情況，網際網路的成功人士們基本賺到了這個錢。這是非零和遊戲。

要麼來自於資本市場，這時候在科技領域並不是傳統思路，沒有業務的基數也就沒有資本市場的倍數，而是靠預期和業務的某些影子做支撐。

後者想賺錢就會產生各種複雜操作，因為這是零和遊戲。

這事如果真追溯可能可以回溯到當年的德隆系，但基本沒有成功過。

我們總是可以講資本市場的錢可以反哺實業，然後再讓企業在資本市場上獲得更好預期，形成資本-實業/科技產品-資本的迴圈，可一旦錢生錢成為迴圈（資本-資本），並且成為賺錢的手段，實業就會變成道具，這個迴圈就不是正常想象的那個迴圈了。

這裡真的需要企業家精神，沒有企業家精神，就沒有苦難輝煌，就沒有真正的資本-實業-資本的正向迴圈。

產品創新後的打呆仗

技術-產品-商業模式這個迴圈中，對於AI而言最關鍵的其實是產品。這點以前寫過：AI不缺概念，甚至不缺技術，但實在缺產品。所以呆仗如果打在了技術或者商業模式上，除了極少部分人其實很危險。

打在技術上，一個是投入產出先天失衡，一個其實和AI的新技術特徵犯衝（後面說）。

打在渠道上，其實會變成永恆的生意，錯過一些真正的機會。參見：生意常在，而時代性機遇只有一次

產品的難度在於必須是真的創新，有個日漸被忽視的關鍵點：現在我們耳熟能詳的大應用，在過去是沒有的，電商並不是更好的百貨。不管是形式還是價值創造方式都完全不一樣。

從這個視角看，絕大部分所謂活躍高的AI APP是不靈的。AI就不是用於做新的App的，也不是用於啟動新一輪的移動網際網路的。

大模型公司現在設想的很多App其實是解決資訊供給問題的，這角色過去分給了搜尋和個性化推薦。現在靠內容生成就能讓這事發生很大變化麼？所以這些並不是真的在做過去沒有的App，而是換個樣子在做過去有的東西。

舉個例子，當前幫你簡單回答問題的AI App不是創新型產品（這和搜尋大幅重疊），但如果你真能做成英語老師，那就是新的App。

過去的說法叫10倍提升體驗才有價值，但10倍提升在過去能做的領域其實沒可能，只有是基於新技術特徵，全新的產品才可能。

在有的領域裡面AI可以乾重來沒人幹過的事，在有的領域裡則是能讓過去幹的事好一點，後者不頂用的。需要的是前者。

通用性的碾壓力與應用的本質重構

AI這次一個有趣的、從來沒有過的特徵是它的能力是往通用方向發展的。

對於一個具備古往今來所有知識的模型，能力往通用方向發展，意味著什麼呢？

意味著它本身會吞掉過去我們看到的很多很多工具型應用。非要類比有點像一個捆綁了無數應用的Windows。

比如編輯器，再往下做，Office，Adobe這類應用不是過去的那個給人一堆按鈕的應用了。

如果大模型的能力是指數型拉昇，這些工具型應用的角色會退化成資料處理、儲存的終端。

AIGC可以看成是大模型附帶的應用，而透過程式碼生成能力又可以覆蓋更多的領域。所以未來的應用要做的根本不是功能，而是資料。資料定義功能。

如果模型的能力指數型增長，這點就會越來越明顯。

這反過來意味著什麼？

意味著還在做功能而不是建立自己資料特色或者壁壘的應用是危險的。

在商業模式不變的外殼下，產品的核心其實是變的。最近OpenAI放出來了o1的完整版，基於它的應用怎麼可能和過去一樣！

脆弱的營收基礎

不是B端容易，C端難，海外容易國內難這種視角，而是在當前的技術基礎上構建營收總是很難的。真不難那天就是選定的人不難，反倒是沒機會了。

如果我們認為簡單授權在國內透過提升技術就能發展壯大，如果我們認為透過增加幾個銷售人員就可以擴大營收，然後擴張、衝鋒，那更可能離死亡更近。

如果再加上人員、基礎設施的考慮，那麼脆弱的營收基礎還要加上剛性的成本的支出。

在相當長一段時間，當你沒有突破薄膜獲取陽光雨露的時候，做AI的會長期在這麼一種狀態下生存。

這是個複雜選擇集中的過程，其實也就是戰略思考的過程。

偏於一端的時候其實不需要思考戰略的，這時候戰略等於信念，比如技術做好就能賺錢，比如渠道做好就能有收入，恰恰是在限定資源前提下謀畫產品的時候需要做戰略思考。

信念總是可以等於一切，但實際上需要以信念為基礎降低信念的比例，這也是個很有意思的話題。

小結

這種糅雜導致了AI的突破需要很不同的方法論。可以很肯定的說，簡單嘗試的AI類產品沒戲的，不管是偏於技術還是單純的偏於商業。AI商業化的啟動的閾值變高了。如果說過去一般App的啟動難度大概是1，那一般AI應用的啟動難度大概是5，並且發展下去大機率需要變成系統型超級應用。所以看的並非起點在那裡，而是誰向完整性進化的更快。