AIGC的泡沫有多大？

最近和軟體高管群的一位朋友聊天，問他們的 AIGC 產品發展還順利不。

他和我吐槽了半天，要點如下：

1）企業付費意願不強

2）定製化程度太高

3）交付和回款週期很長

總結就是：根本養不活研發團隊。

前段時間還有 AIGC 創業者找到我，諮詢我如何求職。

雖然公司已經有幾千萬的收入了，但是顯然他發現：還是打工更能養家餬口。

毫無疑問，在過去一年，我們看到的 AIGC 繁榮，有很大一部分是假象。

這裡有 2 點很關鍵：

1、不要拿歐美 AIGC 來類比中國 AIGC，他們就是兩碼事

2、我個人非常看好 AIGC 的長期前景，但是厭惡短期的泡沫，哪怕它是不可避免的。

還要補充一點：由於我本人的侷限性，本文僅限於討論 AIGC 在中國 B 端的應用前景。

01 被高估的 AIGC

在去年，軟體高管群就有創業者開發出了垂直行業 AIGC 產品，市場反饋很正面，某網際網路大佬也表達了投資的意願。

但是今年他告訴我：

AIGC 產品最大的價值就是讓軟體賣得更貴了，但實際上，由於 AIGC 生成的內容只有 90% 的準確性，而他所在的領域卻要求 100% 的準確性，所以AIGC 產品根本就產生不了真正的業務價值。

至於為什麼客戶還願意付費，這位 CEO解釋到：其實客戶也需要向上彙報智慧化的成績，而 AIGC 顯然很對領導的胃口。

另一位頭部 SaaS 公司的產品 VP 也告訴我：ChatGPT釋出後，他們第一時間就開始研究 AIGC 產品，但是1 年多過去了，實際上只跑出來 1、2 個場景。

他的結論是：在他們的領域，AIGC目前還不適合大規模應用。

問題出在哪？

核心在於：AIGC 本質上就只是一個相關邏輯。

比如它知道 1+1=2，但並不是因為它懂數學，而是它根據歷史資料，推斷 1+1=的後面99%的機率會出現 2，於是就給出了 2 的結果。

但是我們的企業管理更多的不是相關邏輯，而是因果邏輯，比如客戶購買了 2 個商品，那麼訂單金額肯定就是 2 個商品乘以它的單價，這個絕對不能用機率去推斷。

大家可以去梳理一下，企業業務場景，是不是至少 90% 都是因果邏輯？

比如採購、銷售、庫存、生產製造、財務核算、供應鏈管理。

哪怕是一些看起來不需要 100% 準確的場景，其實也沒有我們想象中那麼隨意，比如：

秘書寫一份會議紀要，1% 的關鍵錯誤也是不能接受的；

設計做一個宣傳海報，也是100% 要符合企業 UI 規範的；

客服回答客戶的問題，1% 的誤導也是不能接受的。

醫生寫一份診斷報告，1% 的結論錯誤也是要出大問題的。

所以，如果真的用 AIGC 去處理企業的大部分業務，哪怕只有 1% 的機率出錯，也會給企業帶來很大的損失。

其實，ChatGPT釋出已經接近 2 年了，但現在我們最苦惱的“居然”還是它在什麼場景下有用！

這難道還不能說明問題嗎？！

02 AIGC 必然面臨市場天花板問題

雖然 AIGC 最終肯定能找到合適的業務場景，但是我敢說，它在中國的發展也達不到歐美的水平。

AIGC 落地在 B 端，其本質也是企業軟體。那麼，AIGC 接下來要走的路，SaaS 已經幫他走過了。

這裡有 2 點非常關鍵。

第一，中國軟體的問題，不是技術問題，而是市場問題。

中國軟體的主要問題，還是客戶（特別是 Guo 有企業）不認可軟體價值的問題。

AIGC 也一樣。

第二，中國 SaaS 沒有解決的市場問題，AIGC 都要一一面對。

歐美 SaaS 發展得好的原因，也將是歐美 AIGC 能發展好的原因。

中國 SaaS 發展得不好的原因，也將是中國 AIGC 發展得不好的原因。

所以，不要迷信 AIGC，它將很快在美國大獲成功。

但是在中國，就是另一個故事了。

04 最後想說的

我必須再次強調：長期來看，我是 AIGC 最忠實的擁護者。

就好像長期我也非常看好 SaaS 一樣。

但是我們也必須警惕短期會出現的泡沫，特別是在經歷了 SaaS 這一波鬧劇以後。