<delect id="fxdrb"><strike id="fxdrb"></strike></delect>
<ol id="fxdrb"></ol>

        <b id="fxdrb"><strike id="fxdrb"></strike></b>

          <em id="fxdrb"><strike id="fxdrb"></strike></em>
          <rp id="fxdrb"><strike id="fxdrb"><output id="fxdrb"></output></strike></rp>

            <mark id="fxdrb"></mark>

            <big id="fxdrb"></big>

            深度好文:AGI時代的產品版圖和范式

            2023-07-07 139 其它文章

            來源:李建忠研思

            深度好文:AGI時代的產品版圖和范式

            非常感謝大家對全球產品經理大會的支持,是大家的支持讓產品經理大會從2009年一直堅持到今天。我今天演講的主題是《AGI時代的產品版圖和范式》。我今天的演講主要分為以下三個部分:

            一、深度認識 AGI 時代特點 二、科技創新之“范式轉換立方體” 三、AGI 產品未來發展的六點思考

            第一部分:深度認識AGI時代的特點

            首先,我們來通過下面這幅圖,認識一下大模型技術的整個發展脈絡。

            深度好文:AGI時代的產品版圖和范式

            大家可以看到最早的人工智能是從機器學習發展而來的。到2012年ImageNet上深度神經網絡大放異彩之后,深度學習成為人工智能的顯學。后來在自然語言處理領域發展出RNN、LSTM這些,到2017年Google的七個研究科學家發表Transformer論文后,預訓練語言模型逐步成為主流,再到以GPT為代表的大語言模型(LLM)因為ChatGPT的成功,而被業界認為是通向通用人工智能(AGI )的大門。

            我本人由于追蹤研究人工智能相關技術的原因,正好和上述這條發展脈絡上的幾個關鍵人物有深入的交流和探討。2018年我們在上海舉辦全球機器學習大會,邀請了機器學習之父、UC伯克利的著名教授邁克尓.喬丹作為keynote演講嘉賓,和他有深入的交流。2021年4月,我們在北京舉辦機器學習大會時,因為疫情的原因,我們線上邀請了Google Transformer模型的共同創始人之一Lukasz Kaiser,他在那次演講之后不久跟我說他離開Google去OpenAI了,后來就知道他是投入做GPT 3.5了。當時還邀請了另外一位深度學習元老級人物,LSTM之父Jurgen Schmidhuber。到今年4月份我去硅谷,和OpenAI的首席科學家Ilya Sutskever也做了很多深入的交流??偟膩碚f,在AI的發展道路上,我們一直在保持和業界前沿的深度探討和交流,這些讓我本人收益良多。

            深度好文:AGI時代的產品版圖和范式

            首先來談談AGI技術棧,一般來說分為三層:應用層、模型層、基礎架構層(當然業界也有人將LLMOps抽出來,單獨做一層,稱為四層)。無論三層、還是四層,看這幅圖,都比較容易理解,我就不多解釋了。它是我們認識大模型技術的一個基礎。

            深度好文:AGI時代的產品版圖和范式

            但這個理解容易僅僅停留在技術表層,我們接下來看看大模型技術背后更深層次的東西,我覺得才能幫助我們更深入看清大模型引領的這一波技術革命。如果我們把歷史稍微拉的長一點來看的話,在整個技術產業里面,有兩個很重要的命題,一個是連接、另一個是計算。它們就像一個鐘擺一樣,一段時間連接為主,一段時間又擺到計算為主。

            深度好文:AGI時代的產品版圖和范式

            我們來看看上面這幅圖,從1840年到1940年這100年間,整個技術革命以“連接”為主,包括電報、電話、廣播、電視,都是在這一段時期出現,它們大范圍地連接了地球上各個角落的人和組織,深刻改變了當時的社會形態。

            然后到1946年第一臺計算機ENIAC誕生算起,人類技術革命又進入一個“計算”的鐘擺。包括50年代的大型機、60年代的小型機、70年代的微型機、到80年代的PC。以馮諾伊曼架構為核心,都是圍繞“計算”這一命題進行的。這一歷程進行了大約50年。

            接下來是1994年到95年互聯網的出現,以Netscape和Yahoo為標志,WWW互聯網將人類技術革命又推到了“連接”的鐘擺上,接著是2004年的Web 2.0,2007以iPhone誕生為標志的移動互聯網,2013年的云服務。都是在極大地發展和豐富“連接”這一命題。這一歷程大約持續了30年。

            時間來到2017年,Transformer模型的論文發表,2018年GPT 1.0誕生,然后2.0、3.0、直到去年底的GPT 3.5帶來的ChatGPT橫空出世,為整個人類帶來通用人工智能AGI的曙光。這一輪大模型又進入“計算”的鐘擺,時間大約從2020年算起。

            很有意思的是,如果大家看第一次“連接”革命,我將其命名為“連接1.0“,它經歷了大約100年;而第二次”計算“革命,我將其命名為”計算2.0“,它經歷了大約50年;然后是第二次”連接“革命,所謂”連接2.0“,它經歷了30年。大家有沒有看出來時間跨度呈指數級下降的趨勢?所以很多人認為,我們接下來可能要不了15年左右,到2035年,可能這一波大模型帶來的”計算“鐘擺就會到達頂峰。

            有了產業的時間線認識之后,我們接下來看看“連接“時代和”計算“時代的底層邏輯有什么不同?這個其實非常重要。因為很多人這段時間經常會使用移動互聯網的各種各樣的范式,來推演大模型時代的范式。我認為這種認知是錯誤的。因為移動互聯網屬于“連接”邏輯,而大模型時代屬于“計算”邏輯。我們來看看下面的表格:

            深度好文:AGI時代的產品版圖和范式

            從生產變革的角度來看,連接邏輯主導的是“生產關系”,而計算邏輯主導的是“生產力“。從生產-消費關系來看,我們知道在互聯網時代,連接邏輯下,有一個非常重要的效應叫”雙邊市場“,包括淘寶上的買家和賣家,滴滴上的乘客和司機,抖音上面的聽眾和主播。一個是生產者,一個是消費者。構成一個非常強的雙邊效應,也是互聯網時代很多產品很重要的護城河。

            而計算邏輯下,其實沒有這樣的一個雙邊效應,它的核心是一個單邊市場。一端是算法算力,另一端是消費者。比如在Midjourney里面,沒有設計師網絡,算法直接出圖給用戶;比如到自動駕駛時代,如果去顛覆滴滴,滴滴的司機-乘客雙邊市場形成的護城河根本沒有用,因為不需要司機了,是算法在開車。

            再來看商業模式,在連接邏輯下,它的邊際成本是非常低的,所以很容易做免費的商業模式。但在計算邏輯下,算法算力的成本是需要均攤的。那么絕大多數的商業模式還會像互聯網、移動互聯網時代的“免費為王”嗎?大概率不會,這也是大家現在看到Midjourney,ChatGPT Plus這些紛紛收費的原因。很多硅谷投資人都提出,大模型時代“直接向用戶收費”將是主要的商業模式。而不再是連接時代的“羊毛出在豬身上“的免費模式。

            然后用戶體驗呢?互聯網時代,連接邏輯是信息越多越好,不可避免出現的一個信息過載的問題。但是計算邏輯呢,其實是觸點越少越好,效率為先。就是我下一個命令把我的結果給我就行了,中間過程不要讓我參與。

            從決策機制來講。連接邏輯是“機器將信息給我,我來決策“。而計算邏輯是人給機器信息,也就是數據,機器來幫我做決策。

            通過以上這些對比,大家可以看到這兩個邏輯在我們的產品思維里面是非常不同的。接下來我們來談談,同樣是計算邏輯,1940年到1990年的計算1.0和我們目前所處的計算2.0有什么本質區別?來看下面的圖:

            深度好文:AGI時代的產品版圖和范式

            計算1.0時代,左邊是人的大腦,我們叫生物神經網絡,右邊是數字邏輯電路,我們所有傳統的計算機本質上就是數字邏輯電路的“與、或、非”。它是個結構化的運算邏輯,只能接受結構化的數據,本質上是一個0-1思維。它導向的結果是要讓人來適應機器的邏輯。

            所以你會發現在計算1.0下面,無論是PC還是手機軟件上很多用戶體驗稍微不注意的地方,就容易讓非行業的人士、包括老人、小孩陷入一種心智負擔的困境。為什么有這種困境?

            因為左邊是人類大腦的生物神經網絡,而右邊是由“與、或、非”構成的數字邏輯電路,你要去適配它。任何Input輸入先要轉換成數字邏輯電路能理解的東西;任何電腦Output輸出的東西,也要再經過一層轉換變為生物神經網絡能夠理解的東西。這樣來回的轉換,就是沒有經過訓練的普通用戶陷入困境的原因所在。

            但是我們如果看看下圖所描述的大模型所主導的計算2.0時代。

            深度好文:AGI時代的產品版圖和范式

            我把右邊這幅圖畫成了大腦的樣子,雖然它里面是一個硅基的芯片,所謂碳基智能和硅基智能。

            我四月份在硅谷跟OpenAI的首席科學家Ilya Sutskever交流時,我記得他重復了三遍在強調,從數學原理來看,現在的數字神經網絡和人腦的碳基神經網絡,已經沒什么不同。除了生物有機體的生存方式不一樣外,運算邏輯是一樣的。

            這時候,人類和大模型的交互,其實就是生物神經網絡,和數字神經網絡之間的互動,特別自然,沒有任何別扭,因為大家的輸入輸出是一致的,運算邏輯也是一致的。

            它不再是計算1.0時代的那種數字電路的0-1思維,而是一個概率思維。大家知道你可以調整ChatGPT的temperature(溫度值)那個參數。將temperature調高讓它很有創意。用temperature這個詞也很有意思,溫度高的意思就是大腦發燙嘛,大腦發燙就比較有創意。也可以將temperature調低讓它的回答很平庸俗套。概率思維本質就是神經網絡的模式,它也是我們人腦的決策方式。大家仔細想一想,其實我們大腦的每一次思考都是在計算概率。計算2.0整個導向的結果是讓機器來適應人的思維。

            有了以上對整個AGI技術及其背后的邏輯的深入認識之后,我們下面來談談在AGI時代,如何做產品的一些方法論。

            第二部分:科技創新之“范式轉換立方體”

            先談談范式轉換,英文叫Paradigm Shift,由托馬斯·庫恩最早在《科學革命的結構》一書中提出,它指的是科技領域的基本概念和實踐的根本性變化,它打破了原有的法則和界限,為人們的思想和行動開創全新的天地。技術領域我們常常談的革命,其實都是發生了范式轉換,比如從單機到互聯網,從互聯網到移動互聯網,都是范式轉換。

            在中國互聯網領域,很多朋友知道美團的王興在2009年左右曾經有一個很著名的四縱三橫論。當時互聯網的很多人聽到這個理論就特別興奮。因為王興的這個分析,當時看起來比較符合那時候的現狀,2009年是移動互聯網剛爆發的時候。跟現在AGI爆發這個點非常像。

            王興當時指出來,人類在技術行業基本由四大需求主宰:信息,溝通,娛樂,商業。所謂四縱。三橫呢,王興給出了自己的分析:搜索、社交、移動。然后四縱三橫的交錯點,就誕生了新的機會。對于“四縱”我非常認同,但是三橫,我覺得這個分析方式是有問題的,因為社交、搜索其實都是人類需求,和移動互聯網不在一個維度上。

            我猜當時王興把社交放在和移動一個維度上,是因為當時社交網絡太火了,導致社交成為一個巨大的流量入口,在很多領域一旦碰上社交,就會有新的玩法。但是流量入口并不等于技術。搜索也是,因為也有流量入口效應,所以王興覺得它在很多領域也引起過變化。但是王興當時對搜索除了Google/百度這種模式之外,在溝通、娛樂、商業等領域并沒有給出具有說服力的產品模式。所以我覺得王興“四縱三橫”這個方法論的“三橫”是放錯了位置。

            接下來我來談談我提出的一個分析框架,這個分析框架我覺得對于我們分析AGI時代的產品范式很有幫助。我將我提出的分析框架命名為“范式轉換立方體”,英文命名為ParaShift Cube,其中Para就是Paradigm的縮寫。

            深度好文:AGI時代的產品版圖和范式

            為什么叫立方體,因為我們定義了三個軸:x軸,y軸,z軸。

            x軸代表技術軸,代表著技術范式的轉換,這里面有連接1.0、計算1.0、連接2.0(這里面又包括PC互聯網,移動互聯網)、計算2.0,也就是我們說的AGI智能時代。

            Y軸代表需求軸,涵蓋人類需求的方方面面,包括王興談的部分:信息、娛樂、商業,同時我也把社交、搜索都放在Y軸里了。社交和溝通,我把它們合并了,雖然它們有細微的差別,但是它們的共性顯然大于差異。

            Z軸代表媒介軸,因為信息的表達需要特定的媒介,人類也是通過媒介和周圍的世界交互的。媒介軸包括:文字、圖片、音頻、視頻、以及三維空間計算(這是蘋果在VisionPro最新提出的)。Z軸我覺得是很多人都忽視的一點。包括對計算機發展影響巨大的GUI圖形用戶界面,也是計算機圖像這樣一種媒介在事件驅動下的交互結果。

            這三個軸線組成了一個立方體結構, 三個軸線,每一個軸線上的變化點,和其他軸線的交匯點,就是產品出現“范式轉換創新”的地方。應用“范式轉換立方體“來分析產品領域的創新機會,邏輯上就很順了。

            接下來,我們使用“范式轉換立方體”來分析一下連接1.0時代的PC互聯網,連接2.0時代的移動互聯網、以及預測一下計算2.0 AGI智能時代可能的機會。至于計算1.0、和連接1.0時代,其實也可以使用“范式轉換立方體”分析,只是年代比較久遠,我在這里就不講了,但大家有興趣可以回溯歷史來分析,你會發現也非常符合邏輯。

            深度好文:AGI時代的產品版圖和范式

            因為立方體里面填充內容的話在PPT里不是很好表達,所以我上面用了表格來表達技術軸和需求軸,下面還有一個藍色的軸線,代表媒介變化。

            我在表格中把需求軸分為兩個部分:紅色和綠色。紅色的部分,在AGI智能時代,是范式轉換發生比較劇烈的部分,創新、甚至掀翻巨頭的機會很大;先看信息需求,PC到移動的轉換中,新浪搜狐等門戶模式被今日頭條等打敗,而到AGI智能時代信息的生產方式又會面臨巨大變化?,F在信息過載很嚴重,有時候閱讀十篇文章,得到的其實就一個信息。那么大模型可不可以根據我的偏好幫我把前一天的幾十篇的信息做整合,然后給我一些簡短精煉的摘要出來,這是大模型非常擅長的。這就很容易形成對信息產品的范式轉換。再來談娛樂,娛樂是非常需要內容的,而內容生成是AIGC非常擅長的,娛樂的形式、載體、供應等多鏈條都會被AIGC重塑,所以也存在很多范式轉換的機會。

            最后聊聊搜索。搜索是互聯網領域一個很大的產業,也是人類一個很大的需求。但是大家如果用了ChatGPT這些大模型產品之后,你會發現搜索行為的比例會顯著下降,為什么?因為很多時候,我們搜索十幾篇文章,翻好幾頁,就是為了尋找一個答案或者決策。這款產品好不好?那個景點值不值得去?這個藥解決不解決問題?這些決策性的、答案性的需求是ChatGPT 這類大模型產品非常擅長的。所以說,搜索在AGI時代會面臨巨大的被顛覆的可能。而很遺憾,四五月份從硅谷回來,我感覺到Google還躺在搜索的功勞簿上數錢,對ChatGPT帶來的巨大范式轉換的威脅反應麻木。

            有人說,Google不是推出了很多大模型相關的技術和產品了嗎?我的回答是,不要看表面推出的幾個產品。這些防御性的動作在范式轉換來臨時,都是毛毛雨。想想看Yahoo當年是怎么轟然倒下的?當然Google有沒有機會,我覺得有,但前提是Google上下必須拿出類似當年馬化騰和張小龍舉騰訊全公司之力All in 微信,來打米聊的那場戰爭的決心;或者比爾蓋茨在1995年舉微軟全公司之力All in IE,來和Netscape打那場瀏覽器戰爭的決心,才有可能阻擋范式轉換的顛覆性力量。而Google做了什么呢?創始人躺在加州的沙灘上曬太陽,讓雇傭來的拿年薪為主的CEO和OpenAI的 Sam Altman與Ilya Sutskever等這樣胸懷詩和遠方的聯合創始人來對打,接著后腳又把技術大神Jeff Dean從Goolge Brain老大的職位上拿掉,把深度學習之父Jeffrey Hinton委婉勸退??縂oogle I/O大會上幾個PPT大模型就想贏跑AGI時代嗎?順便批評一下Google這些年大興PPT產品的浮躁之風(很多之后都沒有正式發布),而大家看看OpenAI這些創業公司什么時候需要開發布會?產品release就是發布會,最多配一篇Blog解釋一下。拿產品(而不是拿PPT)說話才是創新的王道!

            最后說一句,顛覆Yahoo的不是另外一個門戶;顛覆Google的也不會是另外一個搜索,而是范式轉換帶來的結構性顛覆,而這就是大模型時代搜索領域正在面臨的棋局。

            談完紅色的部分,來談談綠色的部分,相對紅色部分來講,綠色部分由于仍然具有連接時代的“雙邊市場”效應,所以護城河比較深,即使在技術發生范式轉換時,我認為也不是有很大的機會。比如從PC互聯網到移動的轉型中,即使當時有米聊、陌陌等一眾公司強攻社交,但是活下來還是騰訊(雖然從QQ換了個名字叫微信),因為騰訊在QQ時代建立的社交護城河太深了。整個中國的社交關系,不是簡單的雙邊結構、而是網絡結構,都掌握在騰訊手里。 

            很多人前段時間也在問在AGI時代,微信會被顛覆嗎?我們用上面的范式轉換立方體分析,結論是不會。首先AGI時代,人們的社交需求會變嗎?不會。其次人和人的社交模式,會變成人和虛擬人的社交模式嗎?我覺得也不會。在硅谷有一種說法,未來機器人都是人類的奴隸,人們使用機器人的目的很明確“讓它干活“。社交的需求來自人類社會關系的結構:朋友、親戚、同學、同事…… 除非人類社會結構里以后沒有這些社會關系了。沒有人愿意和機器人社交。所以,微信在全中國、準確說應該是全世界華人的社交關系網絡的優勢,即便在AGI大的范式轉換的時代,也不會被顛覆。至于微信里面,具體交互的一些更新,比如文本、圖片生成啦,更智能的信息優化啦,這些都屬于小的交互改進,這些事情以微信的能力分分鐘都會做好,輪不著任何創業公司來顛覆它。

            我記得在2019年1月份的同一天,字節推出多閃、羅永浩推出聊天寶、快播創始人王欣推出馬桶MT,想合伙顛覆微信的社交王者地位,但沒過兩個月就偃旗息鼓了。如果當時幾位創始人看了我的“范式轉換立方體”就明白了,此事不可為。何況2019年也不是一個技術范式轉換的時代,即便是碰上PC互聯網到移動的范式轉換的時代,雷軍的米聊、國際上的WhatsApp、Talkbox等一眾應用也沒有顛覆騰訊,因為社交的護城河是最深的。AGI時代大家不要想打微信的主意,門都沒有。

            再來說商業,其實指的是電商。大的顛覆機會不多,原因也是“連接時代”雙邊市場的護城河仍然在電商領域繼續存在。任何商業形態都離不開買家和賣家,AGI大模型只能在商業閉環上優化一些小環節(比如淘寶的圖片、虛擬試衣間等),但這些永遠脫離不了買家、賣家、物流這些基本電商屬性,而在這些領域傳統巨頭的優勢還很大。就是從PC互聯網到移動互聯網的轉換中,淘寶、京東的優勢基本都是平移過來的。

            不過有一點需要指出,在移動互聯網領域,半路殺出了個拼多多和抖音電商,但這是微信和抖音的流量入口效應帶來的,是很好的補充,但構不成顛覆,而且拼多多打的是下沉人群,是新的上網人口結構變化帶來的(這個有機會再分析)。我的判斷是,隨著大模型可能帶來新的流量入口,電商領域也許會冒出類似拼多多、抖音電商的新機會,但是淘寶、京東的既有優勢仍然會存在。畢竟,電商的盤子太大了。太平洋容得下中美兩國,電商領域更可以容得下很多小巨頭。

            最下面的藍色軸線,主要是我們前面說的媒介:文字、圖片、音頻、視頻、以及三維(空間計算)。很多人很容易忽視這一塊,不同媒介背后蘊含的產品力量是非常不同的。我們在做任何產品的時候,都要想一想我們要在這里面主打什么樣的媒介載體。

            從媒介邏輯上,圖片優于文字,視頻優于圖片,音頻有它特殊場景。早期移動領域那些做筆記、文字類的產品,估計很多都消失匿跡了。一個手機攝像頭養活了很多圖片類產品。國外有Instagram、Pinterest等。大家說國內的圖片產品呢?其實我有好幾位朋友之前都是做圖片產品的,但都做得不大,為什么?中國最大的圖片產品其實是微信朋友圈。

            很多人其實都不知道微信朋友圈怎么發純文字,只知道用它發照片(不信,你找身邊十個人問問,看看有幾個知道?其實微信朋友圈有這個功能,只是隱藏起來了,需要長按相機按鈕)。 朋友圈默認的按鈕是一個相機按鈕。微信為什么這么做?為什么張小龍在很多人呼吁下,還是沒有將發文字的按鈕和發照片按鈕并列呢?很簡單,你如果在上海的地鐵站隨便圈100個人,你問問這100人多少人會發圖片,多少人會發文字?  我想這個差距會非常驚人。99%的微信用戶都會用朋友圈發圖片。但是能發文字的用戶,我覺得不超過10%。寫文字是需要技能的,而發圖片婦孺皆知、毫無門檻。這就是不同媒介的產品力量。

            再來說視頻,我在硅谷的時候,有好幾位Google的朋友都提到,TickTok對Google的威脅比ChatGPT大。為什么?因為TickTok的用戶在線時長很高,在擠壓Google的用戶時長。國內版抖音更是現在的流量之王。如果微信這幾年不做視頻號,早期不做朋友圈。我想中國互聯網的版圖肯定不是今天這樣子。作為對比,大家看看WhatsApp的今天,價值可能連微信的二十份之一都不到。微信在很正確的時間,抓住了圖片的紅利(朋友圈),視頻的紅利(視頻號),每一步大旗踩的都很準,所以張小龍無愧中國第一產品經理的稱號。

            所以媒介也是一個很重要的變化軸線。那么視頻之后呢?就是蘋果前兩周發布的VisionPro,所謂的三維(空間計算)。文字是一維的媒介,圖片和視頻是二維的媒介,而空間計算是三維的。二維一定超越一維,三維一定超越二維,這也是我之所以看好VisionPro的原因。

            所以未來最大的兩個范式轉換的力量,第一是AGI大模型在技術軸帶來的范式轉換;第二是空間計算在媒介軸帶來的范式轉換。第一個已經到來 ,第二個根據VisionPro產品的成熟速度,估計要晚2~3年。兩軸交匯,我覺得未來5~10年一定非常精彩。

            但大模型也不是在所有領域都有巨大的產品范式轉換,我們來看下圖

            深度好文:AGI時代的產品版圖和范式

            我把大模型產品的切入點分兩類。一類屬于會發生劇烈范式轉換的,所謂AI-Native 原生應用。這一類的特點是不用大模型,產品根本沒法做。這一類的代表產品品類有:智能助理(如ChatGPT),AIGC生成式產品(如Midjourney),具身智能(如特斯拉的擎天柱)。這些產品都有巨大的顛覆性機會,是AGI時代的新物種。

            而另一類屬于漸進增強型,所謂AI-Copilot副駕駛模式。比如生產力工具(Office Copilot),代碼生成(Github Copilot),設計增強(Adobe Firefly),等等。這一類都是原有產品在某個環節使用大模型進行的增強。

            深度好文:AGI時代的產品版圖和范式

            AI-Native和AI-Copilot帶來的范式轉換和漸進增強,有很多不同的特點。我列在了上圖中。大家要根據各自業務的特點來選擇。我這里需要特別強調的是組織問題。如果你選擇的是AI-Native 范式轉換型的創新,必須重新搭組織,全新創業公司比較好辦,如果是大公司內部創新,也必須搭建全新的團隊,否則八成不靠譜。因為很多事情,都是組織的原因。歷史無數次的證明,做新事情必須要新的團隊架構。因為它的組織流程就不一樣,商業模式也不一樣,這就是我前面說的連接時代的邏輯和計算時代的邏輯是不一樣的。如果你選擇的是AI-Copilot,你肯定有比較成熟的現有產品,那么這時候老組織只需要做一些增強和微調就可以。它和AI-Native對團隊的要求完全不同。這個在硅谷的很多公司里也是很明顯的。

            順便提一下微軟,AGI來了之后,微軟一直在搖旗吶喊,很多人覺得微軟走的是范式轉換的路子。但我要說,從大的格局上來看,微軟其實選擇的是AI-Copilot的漸進增強模式。因為微軟已經是個2.5萬億美金的公司了。它不需要革命,它只需要乘著AGI的東風緩慢增長。讓它的Office、Windows、Azure核心產品增長30%左右,幾年之后就可以變成一個4萬億,甚至5萬億美金的公司。它不需要賭上身家性命,去All-In 范式轉換型的AI-Native產品,因為范式轉換雖然有高收益的可能,但是也是高風險的。微軟在AGI時代的產品戰略選擇,也是值得很多賽道里的成熟公司參考的。

            第三部分:AGI 產品未來發展的六點思考

            第一個思考是2C還是2B。2C由于是端到端的產品,用戶路徑通常比較短,非常適合做AI-Native的范式轉換。而2B由于客戶路徑比較長,AI的能力只是整個商業閉環的一個環節,所以適合做AI-Copilot的漸進增強。

            深度好文:AGI時代的產品版圖和范式

            重點說一下價值排序。2C產品是內容大于服務,服務大于工具。這個邏輯不僅在PC互聯網、移動互聯網時代適用,在AGI時代也適用。大家想想移動互聯網時代剛開始的時候,很多大熱的工具,比如修圖的工具、殺毒的工具,筆記的工具等等熱的不行,但是今天它們都在哪里呢?即使活著,整個價值遠低于所有做內容的公司,比如小紅書、知乎、抖音這些。服務主要指的是58、攜程這些連接服務的產品,它們的價值大于工具,但低于內容。為什么?很簡單,用戶在內容上的時長、遠大于服務、服務的時長遠大于工具,完全不在一個數量級。用戶時長基本決定了產品的價值區間。所以,在AGI時代,同樣不要著迷于那些看起來很酷的工具,它的價值遠不如做內容或服務。

            而在2B領域,價值邏輯完全變了,客戶的決策大于效率,效率大于內容。企業產品并不追求很多內容,反倒要求效率最大化,最好能輔助我快速做決策。

            第二個思考是做平臺,還是做應用。大模型一熱起來,又燃起了很多人的平臺夢。我給一上來就哭著喊著要做大模型平臺的朋友破盆涼水。我就引用Midjourney 創始人 David Holz最近講的一個話。他說他在前一個創辦的公司Leap Motion學到的最大教訓是,大家一上來就奔著生態系統的平臺夢,后來失敗了。但他做Midjourney時就吸取了這個教訓,一定要做一個用戶真正喜歡的產品,將它先做成超級應用。

            深度好文:AGI時代的產品版圖和范式

            其實OpenAI也一樣,它是先有了ChatGPT這樣的超級應用,然后再去構筑Plugin、API這些生態建設。微信也一樣,它是先有了聊天、朋友圈、公眾號這樣的超級應用入口后,才去建設小程序這樣的生態。連喬布斯做iPhone的時候,也是先有了iTunes上很多好歌,放下身段去時代華納、去迪士尼、去紐約時報各種求爺爺告奶奶地讓他們在iPhone上做App,去說服很多網站搞好H5適配來讓Safari瀏覽網站好用,iPhone才有了生態平臺的地位。

            這個路徑對我們產品人非常重要。最近經常碰到一些人說,我們的目標是做XXX大模型平臺,我都忍不住想吐,你的產品是啥還沒有呢,從來沒有人用過,哪來的勇氣做平臺啊,梁靜茹給的嗎?沒有人會因為你號稱自己是平臺,就去支持你的。只有你有了超級應用,有了巨大的用戶池,你才有平臺的號召力,大家才會把你當作平臺來支持你。

            第三個思考是UGC VS. AIGC。UGC曾經是Web 2.0里很重要的一個策略。但大模型帶來了AIGC的能力。

            深度好文:AGI時代的產品版圖和范式

            UGC是一個典型的雙邊用戶網絡,而AIGC的內容提供者不是用戶了,是模型+算力+數據,這個講究的是數據飛輪。UGC的冷啟動很難,因為你要聚攏很多創作者。但AIGC是算力為先,模型為先。UGC因為是薅了內容提供者的很多羊毛,所以成本低。而AIGC算力成本是較高的,尤其是啟動的時候。反過來說UGC它的社交護城河比較高,因為用戶有時候不僅僅是因為喜歡內容,而是這個創作者的粉絲。但AIGC,用戶就是單純消費內容,切換成本很低。如果一家大公司做的東西跟你差不多,但成本低一些,用戶因為便宜可能馬上就轉過去了。

            第四個思考是創新者的窘境:創新 vs. 守成

            歷史上每一次范式轉換時,守成巨頭都會面臨創新者的窘境。比如拿Google現在的情況來說,OpenAI就是巧妙地利用了Google面臨的“創新者的窘境”。

            深度好文:AGI時代的產品版圖和范式

            其實Google內部現在很多人仍然并不重視GPT等大模型,因為他們內部測算過,相對于基于索引的搜索查詢,ChatGPT的神經網絡訓練太昂貴了。而搜索是Google 90%的收入來源。大模型能帶來多少收入?還是未知數。所以Google現在很難All in 大模型,這就給了OpenAI非常好的戰略機遇期。另外OpenAI還巧妙地通過戰略合作,通過GPT賦能微軟的Bing在搜索戰場吸引Google火力,而自己則有機會在大模型的生態平臺領域蒙眼狂奔。在范式轉換的機會出現時,創業者一定要很好地利用“創新者的窘境”來阻擋巨頭跟自己正面硬剛。

            舉一個反例,當年雷軍做米聊,各種驚天動地的宣傳驚動了騰訊,但沒有提前做好應對巨頭競爭的戰略設計,從而讓騰訊上下同仇敵愾、團結一致All in 微信,短短一年多時間,就基本上把米聊滅了。當然,反過來從騰訊的角度來說,在范式轉換出現時,守成巨頭如果能足夠重視、足量All in ,也是能夠擺脫“創新者窘境”的宿命。

            第五個思考是AGI 如何跨越鴻溝

            《跨越鴻溝》也是非常著名的一本書。它描述的多個階段的鴻溝,是很多創新產品需要特別注意的。

            深度好文:AGI時代的產品版圖和范式

            目前ChatGPT顯然已經跨過了第一個鴻溝(即Innovators和Early Adopters之間的小鴻溝),它的用戶已經過億。但是下一個鴻溝,就是從Early Adopters到Early Majority之間的這個鴻溝是最大的,ChatGPT還在嘗試跨越。我個人比較看好,雖然它最近的數據表明Plugin還沒有過PMF(產品市場匹配)。但據我在硅谷和OpenAI的人交流,他們內部還有很多大殺器,特別是它的多模態能力極其強悍,要遠超無腦的Midjourney。只是它還需要做很多對齊合規的工作。當然每個產品都有自己的鴻溝需要去跨越。

            第六個思考是大模型只是一扇通往AGI的門

            如果我們回顧整個技術產業歷史的話,很多技術剛出來的時候,我們就覺得這個技術很厲害。蜂擁而上這個技術,而忘了這個技術帶來的各個領域的范式轉換。比如當年瀏覽器和Web服務器剛出來的時候,很多人都會搶著做瀏覽器和Web服務器,因為很多技術人當時都認為瀏覽器和Web服務器就代表了互聯網。最慘烈的戰爭是微軟舉全公司之力去開發IE和Netscape搶奪瀏覽器市場。我對這段歷史比較清楚,因為我們全球產品經理大會的老朋友、《啟示錄》的作者Marty Cagan就是當年Netscape的產品高級副總裁,我之前請他來過很多次中國,經常聊起這段歷史。

            微軟和Netscape在這件事上是兩敗俱傷,因為大家爭斗的時候,全然忽略了人類進入互聯網之后更大的戰略機會,比如后來的eBay、Google、Facebook每一個產生的價值規模都遠超瀏覽器和Web服務器市場。

            深度好文:AGI時代的產品版圖和范式

            現在很多公司蜂擁大模型,很有可能會重蹈當年的瀏覽器和Web服務器的覆轍。而全然忘記了大模型帶來是巨大的產業級范式轉移機會。從這個意義上來講,大模型只是一扇門,這扇門推開之后有更精彩的AGI世界在等著我們。

            好,我今天的演講就到此結束,希望整個內容,特別是“范式轉換立方體“即ParaShift Cub 和 “連接與計算時代”的分析對大家在AGI時代進行創新創業有幫助,謝謝大家!

            幣幣情登載此文出于傳遞更多信息之目的,并不意味著贊同其觀點或證實其描述。文章內容僅供參考,不構成投資建議。投資者據此操作,風險自擔。

            交易平臺最新公告查看更多>
            成交額排行榜
            • 交易所
            • 幣種
            排名 交易所 成交額
            1 幣安網幣安網 ¥3,224.46億
            2 歐易OKX歐易OKX ¥1,268.05億
            3 火幣火幣 ¥89.69億
            4 抹茶抹茶 ¥339.03億
            5 芝麻開門芝麻開門 ¥166.97億
            6 庫幣庫幣 ¥150.81億
            7 Coinbase ProCoinbase Pro ¥119.35億
            8 bitFlyerbitFlyer ¥4.01億
            9 BitMEXBitMEX ¥26.65億
            10 BitstampBitstamp ¥11.92億
            18岁无码AV18岁免进视频_操操操操操操九九_久吊操精品视频毛片黄网站_天天操B高潮视频
            <delect id="fxdrb"><strike id="fxdrb"></strike></delect>
            <ol id="fxdrb"></ol>

                  <b id="fxdrb"><strike id="fxdrb"></strike></b>

                    <em id="fxdrb"><strike id="fxdrb"></strike></em>
                    <rp id="fxdrb"><strike id="fxdrb"><output id="fxdrb"></output></strike></rp>

                      <mark id="fxdrb"></mark>

                      <big id="fxdrb"></big>