元年之后，AI应用走向何方？
2024年12月10日—12月11日，“万千流变，一如既往”2024甲子引力年终盛典在北京中关村国家自主创新示范区展示中心举办。
本次大会由「甲子光年」主办，并得到了中关村科学城管理委员会的指导与支持。大会开幕式、科学论坛、人工智能与新质生产力论坛、闭幕式共吸引了3000+人次到场参会，60万+人次线上观看。
在针对2024年最受关注的AI应用话题，飞书多维表格 AI 技术负责人邓范鑫，语核科技创始人兼CEO 翟星吉，瓴羊副总裁、友盟总经理毛波，Motiff 妙多Co-Founder、副总裁 张昊然以及嘉宾主持人鲸海拾贝CEO、人工智能头部博主李艮基以《应用落地：AI应用竞争激烈，如何留在牌桌》为主题展开了一场圆桌对话，围绕AI应用的落地实践进程与商业化发展展开了深入探讨。
首先各位嘉宾围绕“2024是否是AI应用元年”展开了探讨，嘉宾们共同认为，从垂直领域AI技术的发展来说，AI应用的元年已经到来；而面对商业化等问题，企业们仍旧要先考虑AI技术如何真实的满足客户的需求场景。
在对话中，邓范鑫基于飞书多维表格AI团队在2024年的实践应用，提出AI应用的广泛推广带动了大模型调用次数数量级提升，针对许多小任务场景AI技术的应用变得更加务实，这也带动了垂直领域AI应用的明显增多，飞书多维表格在垂直领域的应用也从去年的个位数增长到了数十个。“可以看到在很多垂直小赛道上都有各行各业的进入，包括很多客户都已开始应用AI，如果把2024称为AI应用元年，这是最典型的标志。”
面对AI应用公司的发展问题，翟星吉认为，目前AI技术的发展促使创业公司更垂直化地找到市场定位，越来越多的企业端开始尝试将AI技术应用于核心业务流程中，以提升营收和效率，这也为市场带来了机会。翟星吉表示无论是先探索商业化还是先占领市场份额，都要深入客户的使用场景去开发产品，一味的“烧钱造势”并无意义。
“先一点点的去啃客户，去做真正能客户提振营收的事情，逐渐找到自己的市场，并在这一过程中打磨产品，自然而然也就完成了商业化，并且在现金流稳健的情况下，再逐步的扩大市场份额，最终形成一个正向的循环。”
而毛波则从另一个角度回答了这一问题，他认为AI对于AI应用而言，是否应该先进行商业化还是先占领市场份额，这取决于公司自身的定位和优势，同时他也指出，目前大多数公司仍面临着“如何赚钱养活自己”的难题，这也与移动互联网时代应用发展的态势存在区别。
在分享中，毛波分享了他对于B端的AI应用的洞察，他认为AI转型已经成为行业整体趋势：“原本这件事情就在做，并且已经有广泛的客户，使用AI之后可以进一步提升效率与性能，这一类应该说我们现在绝大部分厂商都在做了，这是非常具体，也非常确定的一个市场。”
针对AI应用发展中的技术与场景问题，基于Motiff 妙多的业务，张昊然认为场景需求和行业痛点已经切实存在，制约AI应用发展的主要是技术问题。尽管目前AI技术在UI设计领域的应用已经改变了生产方式，多模态输入使得工具变得更高效，AI技术成为生产力工具，但因为精度与可用性等问题，仍有许多已经存在的应用场景亟待技术的突破。
同时他也分享了对于国内AI应用行业的观点：“我会觉得下一个时代，我们在软件或者SaaS领域是有可能引领全球市场，这也是从一开始Motiff 就在做全球化的原因。”
以下是本场圆桌的交流实录，「甲子光年」整理删改：
李艮基（主持人）：各位上午好。我是今天圆桌的主持人，接下来将会和大家一起进入《应用落地：AI应用竞争激烈，如何留在牌桌？》的议题讨论。现在请各位嘉宾先介绍一下自己和所在的企业，以及今年自己公司做了什么核心的动作。
邓范鑫（飞书多维表格AI技术负责人）：大家好，我叫邓范鑫，来自飞书多维表格AI团队，我们今年主要的工作都已经在今年的飞书发布会上有所体现了，今年主要是围绕着帮助多维表格用户降门槛和降成本这两个方向做工作。
第一部分，帮助用户降低门槛。多维表格是一个不需要写代码就能够去创建一些小型、轻量业务系统的工具平台，本身是一个低门槛产品，我们再将AI生成能力融入进产品以后，可以继续降低使用门槛。
第二部分，我们主要的工作是帮助用户降低成本。因为在表格系统里面有大量的业务流程运转，而AI可以在每个环节辅助用户完成一些各种各样的任务。在这一层面，我们发布了字段捷径，以及工作流AI等相关功能，这些功能已经经过真实用户的测试，已证明能显著降低成本，将原本需要三十天的工作量缩减至数小时。
翟星吉（语核科技创始人兼CEO）：大家好。我是语核科技创始人兼CEO翟星吉。语核科技是2023年成立的一家企业，是一家企业级Agent应用平台公司，我们核心价值主张主要有两点：第一是我们提供的产品要么帮助企业直接提升营收赚钱、要么能帮助企业极大幅度地显性降低成本，第二是面向企业级的Agent应用一定需要实现90%+准确率才具有在企业场景真实落地的可能。
这些认知一方面来自于我们几年来对Agent和LLM前沿技术的洞察，另一方面也来自于我们在SaaS领域多年积累的行业经验。我们的核心团队来自于帆软，我之前在帆软负责iPaaS的产品，另一位联创胡睿，在帆软负责制造业行业解决方案，创始团队还有一位03年的技术小天才，叫池光耀，负责我们的整个技术管线。
产品作为我们的认知落地结果，我们构建了在营销领域和制造业场景具有核心竞争力的Agent应用平台，核心技术上包括自研的复杂文档解析技术、面向场景的RAG构建流和RAG检索流、具有置信度的结构化要素提取组件等，帮助用户快速、精准地落地Agent应用。
我们很重要的一个观点是：ChatUI是一种好的交互形式，但是它并不是全部。
在企业里，Chat UI只是一个入口，更重要的是如何把Agent转变成一名数字员工，并确保其能够无缝地融入并参与到企业的整体业务流程中，这可能是企业在做应用落地时会考虑的问题。
我们公司在商业化方面也取得了一定的进展，自去年起至今，我们已经成功与一些知名企业建立了合作关系，包括百事食品、达美乐、中国城市设计规划研究院、唯捷创芯、上海航天技术研究院等。通过与这些合作伙伴的深耕合作，我们也慢慢初步的验证了我们的PMF（产品市场契合度）。
毛波（瓴羊副总裁、友盟总经理）：我是瓴羊副总裁、友盟总经理。瓴羊是阿里巴巴旗下一家专注数据和AI服务企业的公司，我们今年在数据分析、智能客服、智能营销等层面上，都探索了很多场景。友盟是覆盖了百万级开发者的APP，我们今年在数据分析、消息推送、性能优化监测等方面，也结合AI做了非常多的工作，今天也可以分享给各位，谢谢。
张昊然（Motiff 妙多Co-Founder、副总裁）：大家好，我是张昊然，Motiff 妙多Co-Founder。Motiff 妙多是一款产品设计工具，主要针对专业UI产品界面。此前大家了解比较多的可能是，Motiff 妙多常被拿来与海外的Figma产品做比较。我们是观察到，AI技术将是专业工具领域里的一个极大的变量，我们目前也在推动AI技术在专业工具中的运用。
今年我们取得的一项重要进展是，六月我们在新加坡面向全球发布了新产品。目前，我们观察到一些有趣的现象。首先，从全球用户的接受度来看，我们基本上可以确认，我们的产品能够成为新时代挑战者的工具。其次，在国内市场，许多中大型企业也开始从现有的Figma切换到妙多，这也是我们预期中的一个正向反馈。
李艮基（鲸海拾贝CEO、人工智能头部博主）：大家好，我是李艮基，我除了在做AI领域的创业，也是AI领域的一个自媒体博主。我在B站上有280万的订阅者，全平台粉丝数接近1000万，我的自媒体也聚焦于人工智能以及新质生产力工具分享和教学分享。
很巧的是，我最近出版的一本关于人工智能的书籍，今天荣登京东人工智能畅销书榜首。鲸海拾贝专注于将人工智能大模型应用于教育领域，拥有约一百多名团队成员，主要聚焦于科技、教育和媒体三大核心领域。因为我们本身也在做媒体工作，因此能够以一个旁观者的视角来观测国内AI领域的井喷，与千行百业的大模型应用。
1.2024是AI应用元年吗，Super App在哪里？
李艮基：今天也非常高兴能与四位嘉宾共同探讨相关话题。其实各位的工具和产品我此前都接触过，并且在上台前与各位进行了简单的沟通，我觉得非常有意思。各位也都身处行业一线，我认为手头的题卡远远不足以深入探讨我们今天的话题。所以在接下来的讨论中我也会与进行一些即兴互动。首先，我们从浅入深，从最简单的问题开始：许多人称2024年为AI应用元年，这个词也经常被提及。我想听听各位对于2024年在整个人工智能发展历程中的意义和作用的看法。
邓范鑫：我认为是否可以定义为元年可能本身存在困难，因为去年很多厂商也在做AI应用，今年是不是AI应用元年不太好定义。但我有一个明显的感受，今年AI应用的点位和广度明显比去年高。如果能够统计全球大模型调用次数，我想今年相比去年应该是一个数量级的提升，这应该得益于AI应用的大爆发。
我们从飞书的视角也能明显地感受到这一点。去年大模型爆火之后，大家也在尝试做一些东西，但那时想的都比较宏观，比如是否可以做平台或者是其他的一些形式，但事实上落地是很困难的。在今年明显聚焦在了更多真实的场景，我们也做了大量在垂直方向的应用，比如说多维表格在去年可能也就两三个，今年可能已经增长到了几十个。
我们发现，以大模型本身现在的能力很难完成大型的任务，但比较适合完成小型任务，它在垂直场景上可以发挥很多作用，并且在垂直场景上有大量的不同方向的应用出现。可以看到在很多垂直小赛道上都有各行各业的进入，包括很多客户都已开始应用AI，如果把2024称为AI应用元年，这是最典型的标志。
翟星吉：我可以给大家提供一个AI创业公司的视角。我们成立于2023年，顺应着AIGC浪潮开始做相关业务，但事实上当时大家都很迷茫，就像陆奇博士所言，大家头脑一懵就直接冲进来了，但并不知道要做什么，于是只能不停的尝试想法、不停的转型。当时大家都在讨论，我们的产品是不是会被Base Model（基座模型）冲击，Base Model迭代了我们又该如何应对？
但今年大家不会有这个疑问，行业正在对技术路径的演化、商业化的方向逐步形成共识，包括Base Mode的迭代方向、强化学习路径以及公有语料的耗尽等一系列情况，大家都有了心理预期。对于创业公司而言，目前的趋势是更加专注于垂直化发展，寻找真正适合自己的细分市场，以找寻到自身的PMF（产品市场契合），确保现金流和商业化的稳定。
从企业的角度来看，去年企业及其高管在战略上更多是在意识和认知层面接近AIGC。而今年，规模更大的企业开始尝试一些创新性的试点项目，探索在核心业务流程中利用大模型来增加收入和提升效率。从这个完全不一样的角度来看，今年可以被视为企业应用真正意义上的元年。
毛波：我对AI应用元年的看法是，如果把今年视为元年，可能并不适合在今年来定义，或许需要三年后我们才能回过头来判断今年是AI应用元年。但我们从2024年的实际情况来看，无论在B端还是在C端，人工智能的浪潮已经席卷而来，不仅专业人士，普通大众也已经开始熟悉这一概念，并在许多具体场景中见证了其应用的实例。
回顾移动互联网的发展，我们很难判断哪一年是移动互联网的元年，其发展是一个模糊的状态。我认为2025年我们应该有机会能看到AI应用的大规模的爆发，尤其是AI原生应用。这是我们真正期待的。至于是否将今年定为元年，或许三年后再做评价会更为恰当。
张昊然：我也比较认同这一观点，元年是一个比较后验的概念。回到刚才这个问题，什么是移动互联网的元年？有人会说是iPhone出现，有人可能会说是4G网络的普及，其实对应到AI上，从传播视角来看，大家可能会更多地关注到日常生活领域，我们对于AI应用的预期可能也会更高。我们现在可以观察到的是，这种颠覆式的变化似乎并不明显，但对我来说感受还是很深的，实际上，在很多的专业领域生产方式已经在悄然发生变化。这种变化我们甚至没有意识到，它就已经呼啸而过。
比如说跟我所在领域更接近的，大家可以看到现在大会里所有可以呈现的界面，包括海报，它可能在背后的生产方式上，已经跟三、四年前已经截然不同。所以主要还是大众日常关注领域发生的变化并不是特别大，但其实在很多生产领域，已经产生了很大的变化。
李艮基：其实刚刚跟昊然总也聊到了AI应用以及整个应用的话题，我们也类比了移动互联网。其实我们发现在AI牌桌上的人仍旧是那一批玩家，模式也跟此前比较相近。我们可以用传统互联网中的用户体验要素来把AI的发展拆解成五个层，包含表现层、应用层、框架层、结构层和战略层。
算力、电力，还有一些基础设施都是偏底层的，而各位在做的，我个人认为主要是在表现层、应用层、框架层等层级，主要是千行百业大模型定向解决方案以及表现层的应用，而目前市面上见到这种真正现象级或者杀手级的这种应用。那么各位如何看待AI应用在国内的发展，以及它未来的前景是怎么样的？
邓范鑫：我觉得这更多是大家的一个执念，因为移动互联网时代会诞生了很多巨头，所以我们也会想AI时代是不是也会诞生巨头？在大模型出来之后，AI应用中是不是会有Super App出现？首先，如果会有Super APP，那现在有没有？其次，如果会出现Super App，那么会有几个？
首先要先搞清楚Super App是什么。这一概念目前似乎并不清晰，根据百科定义，能够搭载小型应用的平台被称为Super App，按此标准，似乎只有微信这类支持小程序的平台才符合。那么抖音这样的短视频平台是否也算Super App？根据近年来中国的讨论趋势，大家其实关注的是那些拥有庞大市值和用户基础的大平台，这些平台称为Super App。如果以用户量级作为标准，比如一级以上的用户规模，那么可以认为目前已经存在Super App，比如ChatGPT，其周活跃用户已达数亿。
那么，既然已有这样的平台，未来是否还会出现更多？我们认为每次技术革命之后，都会诞生新的行业巨头，因此新的Super APP仍有可能出现，而为何目前没有出现，这可能与创新和生态系统的发展规律有关。回顾互联网的发展，很多重要的平台也并非是一蹴而就的，从万维网的诞生到到互联网的发展，直到2004年Facebook才出现，2007年才出现iPhone，抖音则是在2016年。
大模型的发展同样需要时间。目前来看，即便大模型的能力不再提升，其创新空间依然巨大，未来仍有可能出现新的行业巨头。当前，所有创业者都在积极探索，寻找能够成为平台或Super APP的经典模式。
翟星吉：我比较赞成这个观点。所谓的Super APP，其实更多的是建构在移动互联网语境里，大家普遍的定义是，它大概率是C端应用，并且有很高的DAU或者MAU，以及很高的留存度等一系列指标。但其实我们能达成的一个共识是，大模型在本质上是在为我们带来生产力工具，而这一工具无非是to PC 或 to B，在普通C端用户生产力有限的情况下，即使给他一个生产工具——生产工具本身就是一个放大的杠杆，对其也没有太大的帮助。但如果是一个专业用户或企业用户，那么这个较大的杠杆可以去帮助他更好的实现业务的增长和能力的提升。
所以大家都在做B端的SaaS或者PC的一些应用，来把AI能力发挥到极致。目前在这种语境下短时间很难诞生所谓的“Super App”。AI应用其实是一个垂直化的赛道，是面向创业公司比较友好的赛道，而所谓的Super App，其实是面向大厂的赛道了。
我比较赞成这个观点。所谓的Super APP，其实更多的是建构在移动互联网语境里，大家普遍的定义是，它大概率是C端应用，并且具有包括很高的DAU或者MAU，能快速通过投流等运营快速增长等一系列特征。
但其实我们能达成的一个共识是，大模型在本质上是在为我们带来生产力工具，而这一工具目前看下来主要是to PC 或 to B，因为生产力工具本身就是一个放大的杠杆，在普通C端用户生产力有限的情况下，即使给他一个生产工具，对其也没有太大的帮助，自然也不会有太强的付费意愿。但如果是一个专业用户或企业用户，那么这个较大的杠杆可以去帮助他更好的实现业务的增长和能力的提升。
所以大家都在做B端的SaaS或者PC的一些应用，来把AI能力发挥到极致。目前在这种语境下短时间很难诞生所谓的“Super App”。我认为AI应用本质上是一个垂直化的赛道，是面向创业公司比较友好的赛道，而所谓的Super App，其实更多是面向大厂的赛道。
毛波：可能不同人有不同的定义。我对Super App的认识，必须能够形成一个正向的商业循环，才称得上是Super App。如果从这个角度来看的话，AI领域的Super App很显然还不存在。当前AI领域大部分的投入主要还是在底层，比如说很多钱被用来购买GPU，很多云厂商其实是已经挣到钱了的，但还是没有出现真正面向B端或C端的、正向商业闭环的、用户规模量大的应用。但我觉得在未来两年大概率是会出现的。
张昊然：我们倾向于将当前的情况与移动互联网时代相比较，因为移动互联网对我们的影响较为直接。然而，在新时代中，这种类比可能并不那么贴切。在我看来，互联网和移动互联网主要改变了人与人之间、人与信息之间的连接方式，其背后有一个巨大的优势——网络效应。许多产品之所以能够成为Super APP，归根结底是得益于网络效应的推动。相较之下，我认为人工智能更像是一场计算革命。
所以，如果要进行类比，可能追溯到计算机时代更为合适。在计算机时代，所谓的Super APP是什么呢？经过一番搜寻，我发现它们实际上是一些日常应用，例如我们今天使用的电子表格，它本身就是计算机时代的一个Super APP。我个人的理解是，我们对Super APP的定义可能需要重新考量，因为在AI时代，Super APP的形态可能与我们的预期并不相同。
2.挖掘AI应用场景，to B or to C？
李艮基：之前也有跟昊然总讨论，在Figma封锁之后，国内其实在UI领域喷涌出来一系列具有活力的应用，比如pixel等应用。想再向您请教一下，在专业UI这个领域AI应用应该如何平衡技术迭代和商业化？目前类似的AI应用，制约其发展的环节主要是在应用场景端，还是付费端？您如何建构自己的商业模型，到底是选择To B，还是To C？
张昊然：首先我认为我们在做的仍旧是从一个不变的观点出发的，即我们认为AI会重新定义目前的生产关系。
我们也在一边做一边观察，或者说我们也在探索UI界面的生产关系会在AI技术的加持下发生什么样的变化。这件事情存在很多难点，但对于我们来说，挖掘场景跟用户痛点并不困难，在我们这个领域场景和痛点很明晰，大家应该有更丰富的想象力。比如说做生成式AI应用，我们甚至希望一句话就可以构建出App，这些事情其实比较容易想象，真正困难的其实是目前技术的发展，包括精度等方面的问题，使得我们不得不采取更为务实的方法来调整产品，以满足实际场景的需求。这一直是我们在产品开发中不断探索和优化的挑战。
从商业化的角度来看，我的个人观点是，事实上Figma在全球市场上市占率极高，而在过往受关注的是国产替代品，因为中国本身就拥有庞大的内需市场。然而，情况正在发生变化。自移动互联网时代起，中国在多个领域都在引领创新，中国在软件领域的投入、关注度以及人才密度上的投入都已经显示出与众不同的态势。
我会觉得在下一个时代，我们在软件或者SaaS领域有可能引领全球市场，这也是从一开始Motiff 就在做全球化的原因。一方面出于实际，因为市场足够大；另外一点是，只有在全球的实践的过程中，我们才可能找到最新或最先进的生产模式。所以，我们的策略还是面向全球做最先进的工具。
李艮基：基于我对于AI应用工具的基本接触，我发现在过去一段时间里，我们见证了从点状到线性，再到整体环状的融合技术的爆发式增长。正如您之前所提及，我们仅需一段基础的提示词，便能利用生成式工具构建整个应用，这是我们期望在未来多模态应用领域中看到的发展趋势。
我也想分享我的一些观点。我们团队目前正在从事与文本生成3D模型和图像生成3D模型相关的工作。结合各位刚才提到的AI应用，我个人的感受是，从国内近20年的数字化进程来看，大多数人将一个时代或科技革命以其硬件或标志性应用来命名。例如，我们所说的PC时代，实际上在早期报道中被称为信息高速公路。同样，当Facebook更名为Meta时，元宇宙时代并未真正到来，因为元宇宙的发展不仅涉及VR、AR、XR、MR等一系列硬件革命，还包括一系列工具的革新。
其实这背后涉及非常多的问题。在刚才的讨论中，我们实际上也提到了To B or To C 的问题，现在我们将这个问题反过来提给飞书。我非常好奇，根据之前的行业观点，AI应用市场预计将首先在B端领域实现突破，那么AI技术目前能够解决哪些问题，以及真正的需求和痛点？作为飞书的用户，我本人也很想问一下这个问题。
邓范鑫：飞书去年也经历了大刀阔斧的改革，针对AI方向做了大量的投入，但在这一过程中，其实也是会遇到一些现实困难，比如国内模型的能力上限；另一方面，我们最初设想的用户场景可能并不容易被准确把握，只能在实际落地过程中慢慢发现用户真正的刚需是什么。
从目前的情况来看，可以肯定的是，在To B领域，AI确实能够发挥实际价值。难点在于，当前的AI能力还不足以完成大型任务，而往往适用于处理小型任务。这导致了AI功能的体现呈现出“小而散”的状态。在整个飞书产品线中，我们实际上已经集成了大量的AI能力来为用户提供服务。尽管目前尚未出现一个在企业端广受欢迎的典型Super APP，但我们发现，如果深入观察，AI实际上已经应用于企业的多种场景中。飞书的作用在于，能够在这些场景中提供封装服务。
飞书去年针对AI方向做了大量的投入，但在这一过程中，其实也是会遇到一些现实困难，比如国内模型的能力上限；另一方面，我们最初设想的用户场景可能并不容易被准确把握，只能在实际落地过程中慢慢发现用户真正的刚需是什么。
从目前的情况来看，可以肯定的是，在To B领域，AI确实能够发挥实际价值。难点在于，当前的AI能力还不足以完成大型任务，而往往适用于处理小型任务。这导致了AI功能的体现呈现出“小而散”的状态。在整个飞书产品线中，我们实际上已经集成了大量的AI能力来为用户提供服务。尽管目前尚未出现一个在企业端广受欢迎的典型Super APP，但我们发现，如果深入观察，AI实际上已经广泛分布于企业的多种实际场景中，飞书的作用在于，能够在各种场景中让用户方便地获取通用AI能力服务。
李艮基：接下来的问题想问一下翟星吉老师，我注意到您其实也是创业公司的创始人，从您的视角来看，如何去理解B端的AI应用，以及B端商业化的价值？
翟星吉：我们还是比较聚焦的。首先，我们面临的一个核心命题是，所有创业公司在创业过程中，PMF的寻找往往是从小规模场景开始，这些场景随着时间推移会逐渐成长，最终形成一个更大的市场。
我们目前主要聚焦于两个关键领域：营销和制造。在这两个领域中，我们发现了一些满足PMF的真实需求。例如，在制造领域，我们打造了基于Agent的技术型销售，他可以解答技术疑问、自动生成技术解决方案，这在中高端制造业是一个非常典型的场景。
以材料科技为例，一个企业可能拥有数以万计的SKU。当有客户的新需求出现，比如制造一款液态硅胶手机壳时，他们需要为用户提供一个解决方案，包括材料选择组合、成本与工期的预估等，这通常需要专业的技术知识来生成解决方案。在传统制造业中，技术研发岗位与营销团队往往是脱节的，营销团队通常只具备商务能力，缺乏技术支持。
因此，我们利用AI帮助企业生成解决方案，并参考历史案例、最佳实践和内部分享等资料、根据用户需求进行组合生成。在这个场景中，就是我们认为的典型的能直接为企业带来新的营收增长点的场景，对这类场景，企业通过都具有极高的付费意愿。
李艮基：下一个问题想问一下毛波总。目前在AI应用领域，以豆包为例，根据我最近看到的MIO数据，至少有三分之一的用户增长是由陪伴式应用所驱动的。我们还注意到，越来越多的年轻人，特别是从初中生到大学生，他们倾向于在凌晨时分使用这些以陪伴为主要功能的AI应用。所以，我很好奇您对于C端应用中陪伴式需求的看法，以及您的团队在B端如何实现应用落地。
毛波：首先，关于B端市场，可以从两个角度进行分析。第一个是AI转型，原本这件事情就在做，并且已经有广泛的客户，使用AI之后可以进一步提升效率与性能，这一类应该说我们现在绝大部分厂商都在做了，这是非常具体，也非常确定的一个市场。
另一个维度是AI原生应用在B端的发展。我观察到，许多场景和公司正在探索这一领域。以SaaS化工具为例，这些工具通常面向过程，要求用户按照机器的步骤进行操作，这实际上是违反人性的。许多SaaS流程复杂，用户并不愿意使用。我认为，随着AI和智能代理技术的发展，未来的SaaS软件将从面向过程的UI界面转变为面向结果和目标的界面。用户只需输入目标，其余的由机器根据人的意图来完成B端需求，这一趋势可能很快就会显现。
至于C端市场，我们从友盟的大量APP数据中发现一个现象：大学生群体，尤其是中国的数千万大学生，对新型AI应用的接受度最高，他们在白天和深夜，特别是熬夜时，也会使用这些应用。陪伴类应用在其中占据了很大比重，这是一个非常有趣的市场现象。我们观察到，C端应用中的某些用户群体的使用时长和行为，对整个C端产品的趋势应用产生了影响。
我觉得这个领域正在发生一些微妙的变化。当然，我们还需要考虑如何健康地引导这些变化，以实现可持续和健康的发展。这包括商业伦理和陪伴式应用的引导方向，这些都是非常重要的议题。
李艮基：刚才毛总讲的，让我回想起近期参与的一个论坛中提到的一点：我们一直在尝试理解机器的语言，但现在，时代已经转变为让机器理解人类的语言。聊到语言理解，其实也要聊到关于生产力相关的话题。我想问昊然总一个问题。据我了解，您所开发的工具倾向于利用AI辅助UI设计，这直接关联到视觉交互重构的生产力工具。请问您认为AI是否已经成为真正的生产力工具，或者说想要实现这一目标上还存在哪些差距？您可以分享一些您在行业中的经验和见解，多模态的发展如何增强AI的实用性。
张昊然：首先AI在很多的生产领域，其实已经变成了生产力本身，这是一个事实。以我们之前讨论的海报问题为例，目前我们所看到的视觉类海报，其最终转化为可用物料的过程中，AI的参与度已经非常高，这表明AI的渗透和应用正在发生，且影响日益扩大。
关于多模态输入，我可以提供一些具体的例子来阐述我的理解。多模态输入能够提高工具的效率。例如，设想一下，我们未来可能不再需要人工拖动图片或打字来完成工作，而是AI在这方面扮演更重要的角色。输入方式应该如何进行？是通过文字吗？这似乎是一个复杂的需求，但有时画一个草图可能更为简单。我认为，多模态应用的实际价值在于使输入更加丰富，从而加快AI之间的理解和交互，特别是在界面生产领域，这一点尤为接近。
对于产品设计者、产品经理和设计师而言，在与AI的交互过程中，他们的意图和需求往往是模糊的。这种模糊性在可视化下反而变得更加清晰。这种可视化可能表现为绘制一个框架图，也可能是找到一个令人满意的产品界面方向，并告诉团队按照这个方向进行设计。我认为这种方式更为实际。
3.AI应用创业中的技术探索与商业闭环
李艮基：因为我们本身是在教育领域，也正在做AI教育大模型，刚刚在讨论的时候，我不断提到一个词——“交互”。因为我们设计师的意图往往并不明确。无论是作为prompt engineer还是property designer，我们仅需通过最基本的prompt，就能使我们的工具或正在使用的模型理解用户意图，并进行相应的推测。
在这个背景下，我突然想起，2024年高考语文作文题目是“这个世界从来不缺好的答案，缺的是好的问题”。我认为这句话非常贴切地回应了AI发展的整个过程，以及我们对生产力和AI工具的定义。回顾教育和语文领域，我们越来越发现教育领域的大模型越来越关注提问者本身的问题，这使得教育面临一些纠结，因为教育的本质应当是无差别地教导，根据学生的资质进行施教，这也让我我想到之前阅读过的《大学的终结》，书中提到大学下一个模式实际上是作坊式。
我们可以看到，从PC时代的中长视频、搜索引擎的query时代，到后来的短视频Feeds流时代，用户的意图从主动变为被动。当我们不再关注用户意图时，推荐效率和分发效率反而提高了10倍以上，我记得书中提到提高了13倍，这些都是我们共同见证的AI为C端和B端带来的生产力和生产方式的迭代与革命。
我也想问一下在座的四位老师，作为AI应用市场的玩家，我们是应该先探索商业化，还是先占领市场份额。同时，各位如何看待2025年整个行业的发展，以及大家的期待。
邓范鑫：我个人认为不同的公司有不同的战略选择，就像曾经电商市场也是“烧钱”烧了很多年，最后才开始赚钱。大模型也是这样，OpenAI现在融了很多很多钱，但还在不断的奋力狂奔，根本上是其商业化程度填补不上它的烧钱速度。但是对于很多中小型垂直行业的企业来说，这种模式是不能够支持自身健康运转的，必须要寻找一个好的商业模式。所以我觉得这点就是因人而异。
翟星吉：其实它应该是一个平衡的关系，因为随着大环境的变化，to VC的商业模式已经结束了，一方面是疯狂烧钱去抢占市场的时代背景不存在了，另一方面是作为垂直行业的企业来讲，想做到这一点很难。
特别是在B端垂直行业里面，很多问题不是花钱就可以搞定的，它需要我们真真切切的实际到用户的场景里面去共情客户、理解客户、并帮助客户找到解决方案，再把方案抽象成产品，从而找到PMF，再不停的推动发展进程。
所以，它一定是两者并重的。先一点点的去啃客户、去做真正能客户提振营收的事情，逐渐找到自己的市场，并在这一过程中打磨产品，自然而然也就完成了商业化，并且在现金流稳健的情况下，再逐步的扩大市场份额，最终形成一个正向的循环。
毛波：先实现商业化还是先做规模，有选择的公司是幸福的。其实大部分的公司可能从一开始就必须要赚钱养活自己，这是我觉得在AI发展中对比移动互联网和互联网有些不一样的地方。
如果一家公司有选择的话，那就要根据其自身的定义了。我的定位是什么？接下来我的优势是什么？可以针对这些思考去选择，当然两者中间还是要做好平衡。
张昊然：我也比较认同，能够做选择其实还是幸福的，因为对于绝大部分企业来说，选择并不太存在。这个问题我认为对于不同的产品来说差异还是非常大的，如果一刀切的话，其实C端跟B端对于这件事情的理解很不一样。我觉得之所以有这个问题的成立，还是因为原来很多大型应用最终本质的商业化就是在于广告变现，所以你获得更多的用户不太需要关注后期怎么挣钱这件事情，用户本身就是挣钱的价值所在。
也有一些应用可能就像刚才说的网络效应，它最终本质其实是一种垄断，规模优先这件事情也很重要。但我觉得这两个效应其实在现在AI能够去改变的业态中，会相比原来在移动互联网时代都更弱一些，特别是对于ToB、SaaS这样一些领域，商业化其实是产品中必要的一个部分。或者说如果商业化不成立，也许产品本身就是不成立的。
李艮基：毛波总刚刚提到的观点让我深有感触，即大多数企业实际上没有太多选择的余地。张昊然总也提到，C端和B端的视角存在差异，两者在策略、工具和方法上截然不同。我们团队也曾满怀对工具和产品的热忱，但最终不得不向现实低头。我们之前涉足过游戏开发和教育课程，这些都是现金流健康的商业模式。我们通常先用这些健康的现金流来支持我们的研发和产品团队，等到他们成长起来，经济寒冬也过去了，我们再加大投入，专注于特定产品的输出和研发。
其实前段时间我碰巧就是在上海见到了Michael Levvit，他是诺贝尔化学奖的作者，也被称作最懂人工智能的诺贝尔奖得主。我正好前两天跟他做了一个专访，我们两个人一对一去聊，我也问他一些关于人工智能的一些尖端研究的问题，以及一些科普的问题。
我当时就忽然想起来，因为我平常坐飞机一直有看书的习惯，我今天在来北京的路上在看的这本书，正好是卡尔·萨根的《暗淡蓝点》，我就意识到人类的知识其实是个金字塔，我们最顶尖的尖端研究是在讲了一项诺奖这些得主尖端的领域，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药物等。
但同时也有像卡尔·萨根这样的天文科普学家，他的《暗淡蓝点》就是平衡了科学家的理性和艺术家的感性的一种特别诗意化的表达，我们所生活的星球只不过是个暗淡蓝点。他所做的事情是把这个金字塔的基座向上轻轻抬一点点，让尽可能多的用户去知道我们现在在发生什么样的变革。
就像今天咱们在整个论坛中，咱们在讨论的话题，以及咱们今天的这个议题，其实大量的内容都是面向AI的从业者，最后那收尾的部分，我就给到大家一个比较感性的收尾。我们希望的是能够和各位一起，我们既能够平衡像Michael Levvit教授这样的尖端研究，也能够去在人类无穷无尽尖端智慧的表层下去寻找和探寻，如何用更多的方式来让国内无论是C端还是B端的中小微企业，能够有更多的发展空间，并去平衡科普和研发的力量。以上就是我们今天圆桌的全部内容，感谢大家。
热门跟贴