AI應用競爭激烈，如何留在牌桌？｜甲子引力

元年之後，AI應用走向何方？

2024年12月10日—12月11日，「萬千流變，一如既往」2024甲子引力年終盛典在北京中關村國家自主創新示範區展示中心舉辦。

本次大會由「甲子光年」主辦，並得到了中關村科學城管理委員會的指導與支持。大會開幕禮、科學論壇、人工智能與新質生產力論壇、閉幕式共吸引了3000+人次到場參會，60萬+人次線上觀看。

在針對2024年最受關注的AI應用話題，飛書多維表格 AI 技術負責人丹恩範鑫，語核科技創始人兼CEO 翟星吉，瓴羊副總裁、友盟總經理毛波，Motiff 妙多Co-Founder、副總裁 張昊然以及嘉賓主持人鯨海拾貝CEO、人工智能頭部博主李艮基以《應用落地：AI應用競爭激烈，如何留在牌桌》為主題展開了一場圓桌對話，圍繞AI應用的落地實踐進程與商業化發展展開了深入探討。

首先各位嘉賓圍繞「2024是否是AI應用元年」展開了探討，嘉賓們共同認為，從垂直領域AI技術的發展來說，AI應用的元年已經到來；而面對商業化等問題，企業們仍舊要先考慮AI技術如何真實的滿足客戶的需求場景。

在對話中，丹恩範鑫基於飛書多維表格AI團隊在2024年的實踐應用，提出AI應用的廣泛推廣帶動了大模型調用次數數量級提升，針對許多小任務場景AI技術的應用變得更加務實，這也帶動了垂直領域AI應用的明顯增多，飛書多維表格在垂直領域的應用也從去年的個位數增長到了數十個。「可以看到在很多垂直小賽道上都有各行各業的進入，包括很多客戶都已開始應用AI，如果把2024稱為AI應用元年，這是最典型的標誌。」

面對AI應用公司的發展問題，翟星吉認為，目前AI技術的發展促使創業公司更垂直化地找到市場定位，越來越多的企業端開始嘗試將AI技術應用於核心業務流程中，以提升營收和效率，這也為市場帶來了機會。翟星吉表示無論是先探索商業化還是先佔領市場份額，都要深入客戶的使用場景去開發產品，一味的「燒錢造勢」並無意義。

「先一點點的去啃客戶，去做真正能客戶提振營收的事情，逐漸找到自己的市場，並在這一過程中打磨產品，自然而然也就完成了商業化，並且在現金流穩健的情況下，再逐步的擴大市場份額，最終形成一個正向的循環。」

而毛波則從另一個角度回答了這一問題，他認為AI對於AI應用而言，是否應該先進行商業化還是先佔領市場份額，這取決於公司自身的定位和優勢，同時他也指出，目前大多數公司仍面臨著「如何賺錢養活自己」的難題，這也與移動互聯網時代應用發展的態勢存在區別。

在分享中，毛波分享了他對於B端的AI應用的洞察，他認為AI轉型已經成為行業整體趨勢：「原本這件事情就在做，並且已經有廣泛的客戶，使用AI之後可以進一步提升效率與性能，這一類應該說我們現在絕大部分廠商都在做了，這是非常具體，也非常確定的一個市場。」

針對AI應用發展中的技術與場景問題，基於Motiff 妙多的業務，張昊然認為場景需求和行業痛點已經切實存在，製約AI應用發展的主要是技術問題。儘管目前AI技術在UI設計領域的應用已經改變了生產方式，多模態輸入使得工具變得更高效，AI技術成為生產力工具，但因為精度與可用性等問題，仍有許多已經存在的應用場景亟待技術的突破。

同時他也分享了對於國內AI應用行業的觀點：「我會覺得下一個時代，我們在軟件或者SaaS領域是有可能引領全球市場，這也是從一開始Motiff 就在做全球化的原因。」

以下是今場圓桌的交流實錄，「甲子光年」整理刪改：

李艮基（主持人）：各位上午好。我是今天圓桌的主持人，接下來將會和大家一起進入《應用落地：AI應用競爭激烈，如何留在牌桌？》的議題討論。現在請各位嘉賓先介紹一下自己和所在的企業，以及今年自己公司做了什麼核心的動作。

丹恩範鑫（飛書多維表格 AI 技術負責人）：大家好，我叫丹恩範鑫，來自飛書多維表格AI團隊，我們今年主要的工作都已經在今年的飛書發佈會上有所體現了，今年主要是圍繞著幫助多維表格用戶降門檻和降成本這兩個方向做工作。

第一部分，幫助用戶降低門檻。多維表格是一個不需要寫代碼就能夠去創建一些小型、輕量業務系統的工具平台，本身是一個低門檻產品，我們再將AI生成能力融入進產品以後，可以繼續降低使用門檻。

第二部分，我們主要的工作是幫助用戶降低成本。因為在表格系統裡面有大量的業務流程運轉，而AI可以在每個環節輔助用戶完成一些各種各樣的任務。在這一層面，我們發佈了字段捷徑，以及工作流AI等相關功能，這些功能已經經過真實用戶的測試，已證明能顯著降低成本，將原本需要三十天的工作量縮減至數小時。

翟星吉（語核科技創始人兼CEO）：大家好。我是語核科技創始人兼CEO翟星吉。語核科技是2023年成立的一家企業，是一家企業級Agent應用平台公司，我們核心價值主張主要有兩點：第一是我們提供的產品要麼幫助企業直接提升營收賺錢、要麼能幫助企業極大幅度地顯性降低成本，第二是面向企業級的Agent應用一定需要實現90%+準確率才具有在企業場景真實落地的可能。

這些認知一方面來自於我們幾年來對Agent和LLM前沿技術的洞察，另一方面也來自於我們在SaaS領域多年積累的行業經驗。我們的核心團隊來自於帆軟，我之前在帆軟負責iPaaS的產品，另一位聯創胡睿，在帆軟負責製造業行業解決方案，創始團隊還有一位03年的技術小天才，叫池光耀，負責我們的整個技術管線。

產品作為我們的認知落地結果，我們構建了在營銷領域和製造業場景具有核心競爭力的Agent應用平台，核心技術上包括自研的複雜文檔解析技術、面向場景的RAG構建流和RAG檢索流、具有置信度的結構化要素提取組件等，幫助用戶快速、精準地落地Agent應用。

我們很重要的一個觀點是：Chat UI是一種好的交互形式，但是它並不是全部。

在企業里，Chat  UI只是一個入口，更重要的是如何把Agent轉變成一名數字員工，並確保其能夠無縫地融入並參與到企業的整體業務流程中，這可能是企業在做應用落地時會考慮的問題。

我們公司在商業化方面也取得了一定的進展，自去年起至今，我們已經成功與一些知名企業建立了合作關係，包括百事食品、達美樂、中國城市設計規劃研究院、唯捷創芯、上海航天技術研究院等。通過與這些合作夥伴的深耕合作，我們也慢慢初步的驗證了我們的PMF（產品市場契合度）。

毛波（瓴羊副總裁、友盟總經理）：我是瓴羊副總裁、友盟總經理。瓴羊是阿里巴巴旗下一家專注數據和AI服務企業的公司，我們今年在數據分析、智能客服、智能營銷等層面上，都探索了很多場景。友盟是覆蓋了百萬級開發者的APP，我們今年在數據分析、消息推送、性能優化監測等方面，也結合AI做了非常多的工作，今天也可以分享給各位，謝謝。

張昊然（Motiff 妙多Co-Founder、副總裁）：大家好，我是張昊然，Motiff 妙多Co-Founder。Motiff 妙多是一款產品設計工具，主要針對專業UI產品界面。此前大家瞭解比較多的可能是，Motiff 妙多常被拿來與海外的Figma產品做比較。我們是觀察到，AI技術將是專業工具領域里的一個極大的變量，我們目前也在推動AI技術在專業工具中的運用。

今年我們取得的一項重要進展是，六月我們在新加坡面向全球發佈了新產品。目前，我們觀察到一些有趣的現象。首先，從全球用戶的接受度來看，我們基本上可以確認，我們的產品能夠成為新時代挑戰者的工具。其次，在國內市場，許多中大型企業也開始從現有的Figma切換到妙多，這也是我們預期中的一個正向反饋。

李艮基（鯨海拾貝CEO、人工智能頭部博主）：大家好，我是李艮基，我除了在做AI領域的創業，也是AI領域的一個自媒體博主。我在B站上有280萬的訂閱者，全平台粉絲數接近1000萬，我的自媒體也聚焦於人工智能以及新質生產力工具分享和教學分享。

很巧的是，我最近出版的一本關於人工智能的書籍，今天榮登京東人工智能暢銷書榜首。鯨海拾貝專注於將人工智能大模型應用於教育領域，擁有約一百多名團隊成員，主要聚焦於科技、教育和媒體三大核心領域。因為我們本身也在做媒體工作，因此能夠以一個旁觀者的視角來觀測國內AI領域的井噴，與千行百業的大模型應用。

1.2024是AI應用元年嗎，Super App在哪裡？

李艮基：今天也非常高興能與四位嘉賓共同探討相關話題。其實各位的工具和產品我此前都接觸過，並且在上台前與各位進行了簡單的溝通，我覺得非常有意思。各位也都身處行業一線，我認為手頭的題卡遠遠不足以深入探討我們今天的話題。所以在接下來的討論中我也會與進行一些即興互動。首先，我們從淺入深，從最簡單的問題開始：許多人稱2024年為AI應用元年，這個詞也經常被提及。我想聽聽各位對於2024年在整個人工智能發展歷程中的意義和作用的看法。

丹恩範鑫：我認為是否可以定義為元年可能本身存在困難，因為去年很多廠商也在做AI應用，今年是不是AI應用元年不太好定義。但我有一個明顯的感受，今年AI應用的點位和廣度明顯比去年高。如果能夠統計全球大模型調用次數，我想今年相比去年應該是一個數量級的提升，這應該得益於AI應用的大爆發。

我們從飛書的視角也能明顯地感受到這一點。去年大模型爆火之後，大家也在嘗試做一些東西，但那時想的都比較宏觀，比如是否可以做平台或者是其他的一些形式，但事實上落地是很睏難的。在今年明顯聚焦在了更多真實的場景，我們也做了大量在垂直方向的應用，比如說多維表格在去年可能也就兩三個，今年可能已經增長到了幾十個。

我們發現，以大模型本身現在的能力很難完成大型的任務，但比較適合完成小型任務，它在垂直場景上可以發揮很多作用，並且在垂直場景上有大量的不同方向的應用出現。可以看到在很多垂直小賽道上都有各行各業的進入，包括很多客戶都已開始應用AI，如果把2024稱為AI應用元年，這是最典型的標誌。

翟星吉：我可以給大家提供一個AI創業公司的視角。我們成立於2023年，順應著AIGC浪潮開始做相關業務，但事實上當時大家都很迷茫，就像陸奇博士所言，大家頭腦一懵就直接衝進來了，但並不知道要做什麼，於是只能不停的嘗試想法、不停的轉型。當時大家都在討論，我們的產品是不是會被Base Model（基座模型）衝擊，Base Model迭代了我們又該如何應對？

但今年大家不會有這個疑問，行業正在對技術路徑的演化、商業化的方向逐步形成共識，包括Base Mode的迭代方向、強化學習路徑以及公有語料的耗盡等一系列情況，大家都有了心理預期。對於創業公司而言，目前的趨勢是更加專注於垂直化發展，尋找真正適合自己的細分市場，以找尋到自身的PMF（產品市場契合），確保現金流和商業化的穩定。

從企業的角度來看，去年企業及其高管在戰略上更多是在意識和認知層面接近AIGC。而今年，規模更大的企業開始嘗試一些創新性的試點項目，探索在核心業務流程中利用大模型來增加收入和提升效率。從這個完全不一樣的角度來看，今年可以被視為企業應用真正意義上的元年。

毛波：我對AI應用元年的看法是，如果把今年視為元年，可能並不適合在今年來定義，或許需要三年後我們才能回過頭來判斷今年是AI應用元年。但我們從2024年的實際情況來看，無論在B端還是在C端，人工智能的浪潮已經席捲而來，不僅專業人士，普通大眾也已經開始熟悉這一概念，並在許多具體場景中見證了其應用的實例。

回顧移動互聯網的發展，我們很難判斷哪一年是移動互聯網的元年，其發展是一個模糊的狀態。我認為2025年我們應該有機會能看到AI應用的大規模的爆發，尤其是AI原生應用。這是我們真正期待的。至於是否將今年定為元年，或許三年後再做評價會更為恰當。

張昊然：我也比較認同這一觀點，元年是一個比較後驗的概念。回到剛才這個問題，什麼是移動互聯網的元年？有人會說是iPhone出現，有人可能會說是4G網絡的普及，其實對應到AI上，從傳播視角來看，大家可能會更多地關注到日常生活領域，我們對於AI應用的預期可能也會更高。我們現在可以觀察到的是，這種顛覆式的變化似乎並不明顯，但對我來說感受還是很深的，實際上，在很多的專業領域生產方式已經在悄然發生變化。這種變化我們甚至沒有意識到，它就已經呼嘯而過。

比如說跟我所在領域更接近的，大家可以看到現在大會里所有可以呈現的界面，包括海報，它可能在背後的生產方式上，已經跟三、四年前已經截然不同。所以主要還是大眾日常關注領域發生的變化並不是特別大，但其實在很多生產領域，已經產生了很大的變化。

李艮基：其實剛剛跟昊然總也聊到了AI應用以及整個應用的話題，我們也類比了移動互聯網。其實我們發現在AI牌桌上的人仍舊是那一批玩家，模式也跟此前比較相近。我們可以用傳統互聯網中的用戶體驗要素來把AI的發展拆解成五個層，包含表現層、應用層、框架層、結構層和戰略層。

算力、電力，還有一些基礎設施都是偏底層的，而各位在做的，我個人認為主要是在表現層、應用層、框架層等層級，主要是千行百業大模型定向解決方案以及表現層的應用，而目前市面上見到這種真正現象級或者殺手級的這種應用。那麼各位如何看待AI應用在國內的發展，以及它未來的前景是怎麼樣的？

丹恩範鑫：我覺得這更多是大家的一個執念，因為移動互聯網時代會誕生了很多巨頭，所以我們也會想AI時代是不是也會誕生巨頭？在大模型出來之後，AI應用中是不是會有Super App出現？首先，如果會有Super APP，那現在有沒有？其次，如果會出現Super App，那麼會有幾個？

首先要先搞清楚Super App是什麼。這一概念目前似乎並不清晰，根據百科定義，能夠搭載小型應用的平台被稱為Super App，按此標準，似乎只有微信這類支持小程序的平台才符合。那麼抖音這樣的短影片平台是否也算Super App？根據近年來中國的討論趨勢，大家其實關注的是那些擁有龐大市值和用戶基礎的大平台，這些平台稱為Super App。如果以用戶量級作為標準，比如一級以上的用戶規模，那麼可以認為目前已經存在Super App，比如ChatGPT，其周活躍用戶已達數億。

那麼，既然已有這樣的平台，未來是否還會出現更多？我們認為每次技術革命之後，都會誕生新的行業巨頭，因此新的Super APP仍有可能出現，而為何目前沒有出現，這可能與創新和生態系統的發展規律有關。回顧互聯網的發展，很多重要的平台也並非是一蹴而就的，從萬維網的誕生到到互聯網的發展，直到2004年Facebook才出現，2007年才出現iPhone，抖音則是在2016年。

大模型的發展同樣需要時間。目前來看，即便大模型的能力不再提升，其創新空間依然巨大，未來仍有可能出現新的行業巨頭。當前，所有創業者都在積極探索，尋找能夠成為平台或Super APP的經典模式。

翟星吉：我比較讚成這個觀點。所謂的Super APP，其實更多的是建構在移動互聯網語境里，大家普遍的定義是，它大概率是C端應用，並且有很高的DAU或者MAU，以及很高的留存度等一系列指標。但其實我們能達成的一個共識是，大模型在本質上是在為我們帶來生產力工具，而這一工具無非是to PC 或 to B，在普通C端用戶生產力有限的情況下，即使給他一個生產工具——生產工具本身就是一個放大的槓桿，對其也沒有太大的幫助。但如果是一個專業用戶或企業用戶，那麼這個較大的槓桿可以去幫助他更好的實現業務的增長和能力的提升。

所以大家都在做B端的SaaS或者PC的一些應用，來把AI能力發揮到極致。目前在這種語境下短時間很難誕生所謂的「Super App」。AI應用其實是一個垂直化的賽道，是面向創業公司比較友好的賽道，而所謂的Super App，其實是面向大廠的賽道了。

我比較讚成這個觀點。所謂的Super APP，其實更多的是建構在移動互聯網語境里，大家普遍的定義是，它大概率是C端應用，並且具有包括很高的DAU或者MAU，能快速通過投流等運營快速增長等一系列特徵。

但其實我們能達成的一個共識是，大模型在本質上是在為我們帶來生產力工具，而這一工具目前看下來主要是to PC 或 to B，因為生產力工具本身就是一個放大的槓桿，在普通C端用戶生產力有限的情況下，即使給他一個生產工具，對其也沒有太大的幫助，自然也不會有太強的付費意願。但如果是一個專業用戶或企業用戶，那麼這個較大的槓桿可以去幫助他更好的實現業務的增長和能力的提升。

所以大家都在做B端的SaaS或者PC的一些應用，來把AI能力發揮到極致。目前在這種語境下短時間很難誕生所謂的「Super App」。我認為AI應用本質上是一個垂直化的賽道，是面向創業公司比較友好的賽道，而所謂的Super App，其實更多是面向大廠的賽道。

毛波：可能不同人有不同的定義。我對Super App的認識，必須能夠形成一個正向的商業循環，才稱得上是Super App。如果從這個角度來看的話，AI領域的Super App很顯然還不存在。當前AI領域大部分的投入主要還是在底層，比如說很多錢被用來購買GPU，很多雲廠商其實是已經掙到錢了的，但還是沒有出現真正面向B端或C端的、正向商業閉環的、用戶規模量大的應用。但我覺得在未來兩年大概率是會出現的。

張昊然：我們傾向於將當前的情況與移動互聯網時代相比較，因為移動互聯網對我們的影響較為直接。然而，在新時代中，這種類比可能並不那麼貼切。在我看來，互聯網和移動互聯網主要改變了人與人之間、人與信息之間的連接方式，其背後有一個巨大的優勢——網絡效應。許多產品之所以能夠成為Super APP，歸根結底是得益於網絡效應的推動。相較之下，我認為人工智能更像是一場計算革命。

所以，如果要進行類比，可能追溯到計算機時代更為合適。在計算機時代，所謂的Super APP是什麼呢？經過一番搜尋，我發現它們實際上是一些日常應用，例如我們今天使用的電子錶格，它本身就是計算機時代的一個Super APP。我個人的理解是，我們對Super APP的定義可能需要重新考量，因為在AI時代，Super APP的形態可能與我們的預期並不相同。

2.挖掘AI應用場景，to B or to C？

李艮基：之前也有跟昊然總討論，在Figma封鎖之後，國內其實在UI領域噴湧出來一系列具有活力的應用，比如pixel等應用。想再向您請教一下，在專業UI這個領域AI應用應該如何平衡技術迭代和商業化？目前類似的AI應用，製約其發展的環節主要是在應用場景端，還是付費端？您如何建構自己的商業模型，到底是選擇To B，還是To C？

張昊然：首先我認為我們在做的仍舊是從一個不變的觀點出發的，即我們認為AI會重新定義目前的生產關係。

我們也在一邊做一邊觀察，或者說我們也在探索UI界面的生產關係會在AI技術的加持下發生什麼樣的變化。這件事情存在很多難點，但對於我們來說，挖掘場景跟用戶痛點並不困難，在我們這個領域場景和痛點很明晰，大家應該有更豐富的想像力。比如說做生成式AI應用，我們甚至希望一句話就可以構建出App，這些事情其實比較容易想像，真正困難的其實是目前技術的發展，包括精度等方面的問題，使得我們不得不採取更為務實的方法來調整產品，以滿足實際場景的需求。這一直是我們在產品開發中不斷探索和優化的挑戰。

從商業化的角度來看，我的個人觀點是，事實上Figma在全球市場上市佔率極高，而在過往受關注的是國產替代品，因為中國本身就擁有龐大的內需市場。然而，情況正在發生變化。自移動互聯網時代起，中國在多個領域都在引領創新，中國在軟件領域的投入、關注度以及人才密度上的投入都已經顯示出與眾不同的態勢。

我會覺得在下一個時代，我們在軟件或者SaaS領域有可能引領全球市場，這也是從一開始Motiff 就在做全球化的原因。一方面出於實際，因為市場足夠大；另外一點是，只有在全球的實踐的過程中，我們才可能找到最新或最先進的生產模式。所以，我們的策略還是面向全球做最先進的工具。

李艮基：基於我對於AI應用工具的基本接觸，我發現在過去一段時間里，我們見證了從點狀到線性，再到整體環狀的融合技術的爆髮式增長。正如您之前所提及，我們僅需一段基礎的提示詞，便能利用生成式工具構建整個應用，這是我們期望在未來多模態應用領域中看到的發展趨勢。

我也想分享我的一些觀點。我們團隊目前正在從事與文本生成3D模型和圖像生成3D模型相關的工作。結合各位剛才提到的AI應用，我個人的感受是，從國內近20年的數字化進程來看，大多數人將一個時代或科技革命以其硬件或標誌性應用來命名。例如，我們所說的PC時代，實際上在早期報導中被稱為信息高速公路。同樣，當Facebook更名為Meta時，元宇宙時代並未真正到來，因為元宇宙的發展不僅涉及VR、AR、XR、MR等一系列硬件革命，還包括一系列工具的革新。

其實這背後涉及非常多的問題。在剛才的討論中，我們實際上也提到了To B or To C 的問題，現在我們將這個問題反過來提給飛書。我非常好奇，根據之前的行業觀點，AI應用市場預計將首先在B端領域實現突破，那麼AI技術目前能夠解決哪些問題，以及真正的需求和痛點？作為飛書的用戶，我本人也很想問一下這個問題。

丹恩範鑫：飛書去年也經歷了大刀闊斧的改革，針對AI方向做了大量的投入，但在這一過程中，其實也是會遇到一些現實困難，比如國內模型的能力上限；另一方面，我們最初設想的用戶場景可能並不容易被準確把握，只能在實際落地過程中慢慢發現用戶真正的剛需是什麼。

從目前的情況來看，可以肯定的是，在To B領域，AI確實能夠發揮實際價值。難點在於，當前的AI能力還不足以完成大型任務，而往往適用於處理小型任務。這導致了AI功能的體現呈現出「小而散」的狀態。在整個飛書產品線中，我們實際上已經集成了大量的AI能力來為用戶提供服務。儘管目前尚未出現一個在企業端廣受歡迎的典型Super APP，但我們發現，如果深入觀察，AI實際上已經應用於企業的多種場景中。飛書的作用在於，能夠在這些場景中提供封裝服務。

飛書去年針對AI方向做了大量的投入，但在這一過程中，其實也是會遇到一些現實困難，比如國內模型的能力上限；另一方面，我們最初設想的用戶場景可能並不容易被準確把握，只能在實際落地過程中慢慢發現用戶真正的剛需是什麼。

從目前的情況來看，可以肯定的是，在To B領域，AI確實能夠發揮實際價值。難點在於，當前的AI能力還不足以完成大型任務，而往往適用於處理小型任務。這導致了AI功能的體現呈現出「小而散」的狀態。在整個飛書產品線中，我們實際上已經集成了大量的AI能力來為用戶提供服務。儘管目前尚未出現一個在企業端廣受歡迎的典型Super APP，但我們發現，如果深入觀察，AI實際上已經廣泛分佈於企業的多種實際場景中，飛書的作用在於，能夠在各種場景中讓用戶方便地獲取通用AI能力服務。

李艮基：接下來的問題想問一下翟星吉老師，我注意到您其實也是創業公司的創始人，從您的視角來看，如何去理解B端的AI應用，以及B端商業化的價值？

翟星吉：我們還是比較聚焦的。首先，我們面臨的一個核心命題是，所有創業公司在創業過程中，PMF的尋找往往是從小規模場景開始，這些場景隨著時間推移會逐漸成長，最終形成一個更大的市場。

我們目前主要聚焦於兩個關鍵領域：營銷和製造。在這兩個領域中，我們發現了一些滿足PMF的真實需求。例如，在製造領域，我們打造了基於Agent的技術型銷售，他可以解答技術疑問、自動生成技術解決方案，這在中高端製造業是一個非常典型的場景。

以材料科技為例，一個企業可能擁有數以萬計的SKU。當有客戶的新需求出現，比如製造一款液態矽膠手機殼時，他們需要為用戶提供一個解決方案，包括材料選擇組合、成本與工期的預估等，這通常需要專業的技術知識來生成解決方案。在傳統製造業中，技術研發崗位與營銷團隊往往是脫節的，營銷團隊通常只具備商務能力，缺乏技術支持。

因此，我們利用AI幫助企業生成解決方案，並參考歷史案例、最佳實踐和內部分享等資料、根據用戶需求進行組合生成。在這個場景中，就是我們認為的典型的能直接為企業帶來新的營收增長點的場景，對這類場景，企業通過都具有極高的付費意願。

李艮基：下一個問題想問一下毛波總。目前在AI應用領域，以豆包為例，根據我最近看到的MIO數據，至少有三分之一的用戶增長是由陪伴式應用所驅動的。我們還注意到，越來越多的年青人，特別是從初中生到大學生，他們傾向於在淩晨時分使用這些以陪伴為主要功能的AI應用。所以，我很好奇您對於C端應用中陪伴式需求的看法，以及您的團隊在B端如何實現應用落地。

毛波：首先，關於B端市場，可以從兩個角度進行分析。第一個是AI轉型，原本這件事情就在做，並且已經有廣泛的客戶，使用AI之後可以進一步提升效率與性能，這一類應該說我們現在絕大部分廠商都在做了，這是非常具體，也非常確定的一個市場。

另一個維度是AI原生應用在B端的發展。我觀察到，許多場景和公司正在探索這一領域。以SaaS化工具為例，這些工具通常面向過程，要求用戶按照機器的步驟進行操作，這實際上是違反人性的。許多SaaS流程複雜，用戶並不願意使用。我認為，隨著AI和智能代理技術的發展，未來的SaaS軟件將從面向過程的UI界面轉變為面向結果和目標的界面。用戶只需輸入目標，其餘的由機器根據人的意圖來完成B端需求，這一趨勢可能很快就會顯現。

至於C端市場，我們從友盟的大量APP數據中發現一個現象：大學生群體，尤其是中國的數千萬大學生，對新型AI應用的接受度最高，他們在白天和深夜，特別是熬夜時，也會使用這些應用。陪伴類應用在其中佔據了很大比重，這是一個非常有趣的市場現象。我們觀察到，C端應用中的某些用戶群體的使用時長和行為，對整個C端產品的趨勢應用產生了影響。

我覺得這個領域正在發生一些微妙的變化。當然，我們還需要考慮如何健康地引導這些變化，以實現可持續和健康的發展。這包括商業倫理和陪伴式應用的引導方向，這些都是非常重要的議題。

李艮基：剛才毛總講的，讓我回想起近期參與的一個論壇中提到的一點：我們一直在嘗試理解機器的語言，但現在，時代已經轉變為讓機器理解人類的語言。聊到語言理解，其實也要聊到關於生產力相關的話題。我想問昊然總一個問題。據我瞭解，您所開發的工具傾向於利用AI輔助UI設計，這直接關聯到視覺交互重構的生產力工具。請問您認為AI是否已經成為真正的生產力工具，或者說想要實現這一目標上還存在哪些差距？您可以分享一些您在行業中的經驗和見解，多模態的發展如何增強AI的實用性。

張昊然：首先AI在很多的生產領域，其實已經變成了生產力本身，這是一個事實。以我們之前討論的海報問題為例，目前我們所看到的視覺類海報，其最終轉化為可用物料的過程中，AI的參與度已經非常高，這表明AI的滲透和應用正在發生，且影響日益擴大。

關於多模態輸入，我可以提供一些具體的例子來闡述我的理解。多模態輸入能夠提高工具的效率。例如，設想一下，我們未來可能不再需要人工拖動圖片或打字來完成工作，而是AI在這方面扮演更重要的角色。輸入方式應該如何進行？是通過文字嗎？這似乎是一個複雜的需求，但有時畫一個草圖可能更為簡單。我認為，多模態應用的實際價值在於使輸入更加豐富，從而加快AI之間的理解和交互，特別是在界面生產領域，這一點尤為接近。

對於產品設計者、產品經理和設計師而言，在與AI的交互過程中，他們的意圖和需求往往是模糊的。這種模糊性在可視化下反而變得更加清晰。這種可視化可能表現為繪製一個框架圖，也可能是找到一個令人滿意的產品界面方向，並告訴團隊按照這個方向進行設計。我認為這種方式更為實際。

3.AI應用創業中的技術探索與商業閉環

李艮基：因為我們本身是在教育領域，也正在做AI教育大模型，剛剛在討論的時候，我不斷提到一個詞——「交互」。因為我們設計師的意圖往往並不明確。無論是作為prompt engineer還是property designer，我們僅需通過最基本的prompt，就能使我們的工具或正在使用的模型理解用戶意圖，並進行相應的推測。

在這個背景下，我突然想起，2024年高考語文作文題目是「這個世界從來不缺好的答案，缺的是好的問題」。我認為這句話非常貼切地回應了AI發展的整個過程，以及我們對生產力和AI工具的定義。回顧教育和語文領域，我們越來越發現教育領域的大模型越來越關注提問者本身的問題，這使得教育面臨一些糾結，因為教育的本質應當是無差別地教導，根據學生的資質進行施教，這也讓我我想到之前閱讀過的《大學的終結》，書中提到大學下一個模式實際上是作坊式。

我們可以看到，從PC時代的中長影片、搜索引擎的query時代，到後來的短影片Feeds流時代，用戶的意圖從主動變為被動。當我們不再關注用戶意圖時，推薦效率和分發效率反而提高了10倍以上，我記得書中提到提高了13倍，這些都是我們共同見證的AI為C端和B端帶來的生產力和生產方式的迭代與革命。

我也想問一下在座的四位老師，作為AI應用市場的玩家，我們是應該先探索商業化，還是先佔領市場份額。同時，各位如何看待2025年整個行業的發展，以及大家的期待。

丹恩範鑫：我個人認為不同的公司有不同的戰略選擇，就像曾經電商市場也是「燒錢」燒了很多年，最後才開始賺錢。大模型也是這樣，OpenAI現在融了很多很多錢，但還在不斷的奮力狂奔，根本上是其商業化程度填補不上它的燒錢速度。但是對於很多中小型垂直行業的企業來說，這種模式是不能夠支持自身健康運轉的，必須要尋找一個好的商業模式。所以我覺得這點就是因人而異。

翟星吉：其實它應該是一個平衡的關係，因為隨著大環境的變化，to VC的商業模式已經結束了，一方面是瘋狂燒錢去搶佔市場的時代背景不存在了，另一方面是作為垂直行業的企業來講，想做到這一點很難。

特別是在B端垂直行業裡面，很多問題不是花錢就可以搞掂的，它需要我們真真切切的實際到用戶的場景裡面去共情客戶、理解客戶、並幫助客戶找到解決方案，再把方案抽像成產品，從而找到PMF，再不停的推動發展進程。

所以，它一定是兩者並重的。先一點點的去啃客戶、去做真正能客戶提振營收的事情，逐漸找到自己的市場，並在這一過程中打磨產品，自然而然也就完成了商業化，並且在現金流穩健的情況下，再逐步的擴大市場份額，最終形成一個正向的循環。

毛波：先實現商業化還是先做規模，有選擇的公司是幸福的。其實大部分的公司可能從一開始就必須要賺錢養活自己，這是我覺得在AI發展中對比移動互聯網和互聯網有些不一樣的地方。

如果一家公司有選擇的話，那就要根據其自身的定義了。我的定位是什麼？接下來我的優勢是什麼？可以針對這些思考去選擇，當然兩者中間還是要做好平衡。

張昊然：我也比較認同，能夠做選擇其實還是幸福的，因為對於絕大部分企業來說，選擇並不太存在。這個問題我認為對於不同的產品來說差異還是非常大的，如果一刀切的話，其實C端跟B端對於這件事情的理解很不一樣。我覺得之所以有這個問題的成立，還是因為原來很多大型應用最終本質的商業化就是在於廣告變現，所以你獲得更多的用戶不太需要關注後期怎麼掙錢這件事情，用戶本身就是掙錢的價值所在。

也有一些應用可能就像剛才說的網絡效應，它最終本質其實是一種壟斷，規模優先這件事情也很重要。但我覺得這兩個效應其實在現在AI能夠去改變的業態中，會相比原來在移動互聯網時代都更弱一些，特別是對於ToB、SaaS這樣一些領域，商業化其實是產品中必要的一個部分。或者說如果商業化不成立，也許產品本身就是不成立的。

李艮基：毛波總剛剛提到的觀點讓我深有感觸，即大多數企業實際上沒有太多選擇的餘地。張昊然總也提到，C端和B端的視角存在差異，兩者在策略、工具和方法上截然不同。我們團隊也曾滿懷對工具和產品的熱忱，但最終不得不向現實低頭。我們之前涉足過遊戲開發和教育課程，這些都是現金流健康的商業模式。我們通常先用這些健康的現金流來支持我們的研發和產品團隊，等到他們成長起來，經濟寒冬也過去了，我們再加大投入，專注於特定產品的輸出和研發。

其實前段時間我碰巧就是在上海見到了Michael Levvit，他是盧保化學獎的作者，也被稱作最懂人工智能的盧保獎得主。我正好前兩天跟他做了一個專訪，我們兩個人一對一去聊，我也問他一些關於人工智能的一些尖端研究的問題，以及一些科普的問題。

我當時就忽然想起來，因為我平常坐飛機一直有看書的習慣，我今天在來北京的路上在看的這本書，正好是卡爾·薩根的《暗淡藍點》，我就意識到人類的知識其實是個金字塔，我們最頂尖的尖端研究是在講了一項諾獎這些得主尖端的領域，比如如何人工智能去攻克癌症，如何用人工智能去做定向靶向藥物等。

但同時也有像卡爾·薩根這樣的天文科普學家，他的《暗淡藍點》就是平衡了科學家的理性和藝術家的感性的一種特別詩意化的表達，我們所生活的星球只不過是個暗淡藍點。他所做的事情是把這個金字塔的基座向上輕輕抬一點點，讓儘可能多的用戶去知道我們現在在發生什麼樣的變革。

就像今天咱們在整個論壇中，咱們在討論的話題，以及咱們今天的這個議題，其實大量的內容都是面向AI的從業者，最後那收尾的部分，我就給到大家一個比較感性的收尾。我們希望的是能夠和各位一起，我們既能夠平衡像Michael Levvit教授這樣的尖端研究，也能夠去在人類無窮無盡尖端智慧的表層下去尋找和探尋，如何用更多的方式來讓國內無論是C端還是B端的中小微企業，能夠有更多的發展空間，並去平衡科普和研發的力量。以上就是我們今天圓桌的全部內容，感謝大家。