- A+
来源:三维漫游
作者:梁家升
![从用户视角拆解AI产品:Character & Tool](https://www.luyuan.io/wp-content/uploads/2023/07/FrWWv1oH5ZGTSwXFcE29_FAfxwJW.jpg)
图片来源:由无界 AI生成
什么是AI产品的壁垒? -- 从Jasper.ai裁员说起
周三一起床看到新闻,说Jasper.ai裁员了。
“这也太快了吧,本来以为还能撑一会” -- 我跟好友都发出感慨。
我对Jasper.ai的关注,最初源于一篇文章(Jasper.ai 15 亿美元的 GPT 套壳?有护城河么?)。Jasper这个公司特别有意思,在一众AI新贵中鸡立鹤群:一群小伙子,其中一个Ph.D都没有,没有星辰大海的梦想,也没有力大砖飞的决心,一心想着搞个公司赚钱 -- 真实用主义。早期做了个「营销服务分销公司」,顾名思义,提供的是营销服务,但做法是分销给外包干 -- 表面上是营销服务,实际做的是Agent,核心能力是推销。不得不说,有时候一个公司的基因就是出生的时候写下的(笑
后来的发展路线非常互联网:做AI营销写作,靠早期的社群运营拿下宝贵的测试用户,然后顺着用户喜好一步步迭代 -- 任鑫说,这是脚踩西瓜皮,滑到哪里算哪里。所有满怀主观意志的尝试,他们都做崩了;所有顺势而为的小步迭代,意外地都做得还不错。
在AI爱好者里,我是其中对Jasper.ai过度关注的类型。究其原因,是我觉得它对我而言是建立对于AI应用认知体系的一个绝佳的例子:
我觉得AI时代ToC产品的killing feature的核心是:「高需求 + 有壁垒」;而其中“有壁垒”是目前最难分析的部分,什么样的AI应用有壁垒呢?哪些是短期/长期壁垒呢:
1.基于用户使用流程拆解的交互和界面设计是壁垒吗?
2.针对垂直场景和意图理解的prompt engineering是壁垒吗?
3.针对垂直场景的embedding方案是壁垒吗?
4.只有LLM的能力才是壁垒吗?
5.还是说,LLM的能力都不是壁垒,只有私有化数据 + 数据飞轮 + LLM fine tuning才是壁垒?
6.又或者说,到最后只有能力强大LLM + plug-in生态 + 开发者用户社群才是壁垒?
这么一层层想,越想越乱,没有结果。
回到Jasper.ai这个例子,它做到了什么呢?
1.给任务选择相应模型的能力
2.联网实时信息,一定的检索功能
3.全局prompt:记录足够长时效的客户信息、偏好、风格和设定
4.模版和局部prompt:基于不同平台的营销文案prompt
5.更易用的界面和基于工作流拆解设计的交互方案
6.极致的用户教育和产品引导
7.铺天盖地的达人营销
不得不承认,目前Jasper.ai做到的,只是一个科技公司1~3个月工作量的成品:ChatGPT套壳 + 工作流拆解型UI + prompt engineering;另外还赌对了行业窗口期,以及在窗口期上的进一步加码(客户拓展和营销)。在AI时代,这确实不是什么牢固的壁垒。但我之前认为它的工作流拆解能力是可贵的 -- 这代表着团队对「营销文案」这个行业的理解足够深刻,这可能足够支撑他们用一段时间积累一批用户,然后建立起数据飞轮,再建立下一步更牢固的数据壁垒:
这一套商业模型:高毛利吃行业红利 —> 重营销推广 —> 占领用户心智(预算) —> 打击竞品/垄断;在传统行业,飞轮转起来了就所向披靡。
但现在不一样了,Jasper这周裁员了 -- 因为ChatGPT的普及相当于D2C品牌直销,Jasper这种中间商没有活路。
拆解AI应用的一个思路:Character & Tool
最近有两个最热门的AI App上架了(除了ChatGPT),国内是文心一言,国外则是character.ai;两个产品本质上都是「货架型」产品 -- 将不同调试下(主要还是prompt engineering)的LLM通过货架陈列的方式放在用户面前,让用户挑选使用:
![从用户视角拆解AI产品:Character & Tool](https://www.luyuan.io/wp-content/uploads/2023/07/FmchNgoKb0YNRta8-lKUY3g9kzSD.png)
如果将货架上的AI分类,实际上有两种类型:一种是Character(对应图2&4),一种是Tool(对应图1&3)。
Character的核心是性格,提供的是情绪价值和个性化;而Tool的核心是功能,提供的是效率价值的非标化。情绪和性格千变万化,所以Character会很多 -- 截止到3月,Character.ai上已经有270万个角色;但功能是有限的,核心的大需求就那么几个,分化出的细分场景大都有共同性,所以Tool重质而不重量。
这个分类很有意思,也十分自然:大家都说LLM改变的是人机交互模式,将原本的Database和Code都变成Model,将GUI变成LUI…但是从用户视角看,实际上产品是从 Tool —> Character + Tool -- 原本我要借助工具完成的任务,现在可以交给一个人来做了。
恰好最近浅读了一些Tool learning相关的文章(链接),看到了AI作为大脑来使用Tool的潜力。同时又想起了之前和好友讨论过LLM, Agent和Plugin的联系,脑子里突然就开始头脑风暴自问自答,以下全是暴论,欢迎指正:
对于任意一个AI产品,可拆解成 Character 和 Tool:
●Tool即能力,特点是输出稳定,效率高。包含了传统工具(如计算器、闹钟、天气预报等)和AI新能力(如文生文、文生图、理解意图的搜索等),当然也包括现在的一些热门产品(如Midjourney)和一些Plugin。
●Character即角色,是使用能力的主体,特点是具有不同的“性格” -- 类似于不同的人。实现的方式包括训练不同的LLM(如GPT, Claude, 还有Infection-1等),以及建立不同的Agent,还有通过不同数据/不同方式调试LLM和Agent。
Q: LLM一定是Character吗?
A: 不一定,如果某一个大模型做到了完美的压缩和解压,那么“性格”的主要来源就变成了围绕LLM做的Agent,以及指令工程,这样LLM就是Tool了。就像从目前看,ChatGPT是Character,因为相对于Infection-1来说,它博学、冷漠无情、面面俱到又毫无重点、理性至极;但长期看,ChatGPT不一定不能拥有Infection-1的情感能力。
Q: AI产品的壁垒在哪里?
A: 短期看,Character和Tool都能变成壁垒,甚至Tool是主要壁垒。但长期看,AI产品的壁垒主要在Character,Tool会被收到Character里面被Character使用。
Q: 人类就不用Tool了吗?
A: 不是,人类会用Tool,但会在GUI交互下使用,和现在差不多。LUI交互下的Tool都会收到Character里,因为LUI满足的是非标的服务性需求,人们在挑选服务的时候往往不止注重功能性,还考虑与对方的契合度(例如找育儿嫂、聘请服务员、购买咨询服务),所以Character + Tool > Tool。
Q: Character的差异化能力有哪些?
A: Character的终极形态是个人管家。因此首要能力是个性化,个性化的核心是模型记忆力,记忆力够长就能学习用户性格和喜好。其次是鲜明的性格/三观,用于积累早期用户,类似于当代互联网社区的“社区调性”。Character.ai的创始人Noam Shazeer 说:“如果试图呈现一个让所有人都喜欢的公众角色,那这个角色一定会是无趣的”。
这里再深一层的壁垒是私有化的数据,能构建有差异化的“角色”。但拉长时间数据的优势也会被磨灭,毕竟产品一旦上线之后私有化数据这个概念也不存在了,所以更重要的是基于性格来构建数据飞轮的方法。
Q: Tool的差异化能力有哪些?
A: 短期看,Tool的差异化能力在底层技术,比拼的是硬技术能力,目前Midjourney, Runway, Adobe Firefly都是例子;但长期看,技术带来的工具产品一般是两个结局 -- 技术成本高的会实现垄断(如微软办公套件、Adobe套件等),技术成本低的会成为烂大街的基础能力(如计时器、计算器等),百家争鸣的机会不大。
Q: 如果要做ToC产品,做Character还是做Tool?
A: 对于大多数人,做Character比较好。因为Character更加多样,需求更加长尾,有更多产品能活下来,活下来后守住壁垒也更容易。做Tool要有绝对的硬技术能力,以及垄断市场的能力。
Q: 最后来回答,长期看什么是AI产品好搞的路线?需要什么条件?
1.发现优质Character:需要有好的用户需求洞察,或者一个快速筛选的机制(这波Character.ai在大气层)
2.基于目标Character的模型建构:需要有针对目标Character的数据筛选机制(标注)
3.抓住窗口期积累用户/语料:清晰的产品定位和营销能力
4.构建加深Character差异化的数据飞轮:精巧的产品 <—> 数据设计
5.重复以上循环
- 我的微信
- 这是我的微信扫一扫
-
- 我的电报
- 这是我的电报扫一扫
-