狗狗币专家观点圆桌论坛:AI 应用...

圆桌论坛:AI 应用的全球商业化之路,从业者都怎么看丨中国AIGC产业应用峰会

-

1 月 5 日,由杭州未来科技城管委会、余杭区科技局和余杭区企业(人才)综合服务中心联合指导,时戳科技主办,AI 新智界提供媒体特别支持的“智求共赢・中国 AIGC 产业应用峰会暨无界 AI 生态合作伙伴大会”在杭州正式开幕。

本次大会深度聚焦 AIGC 应用,邀请到了全国各地近百家合作伙伴参会,以及来自产研、投资机构、高校、AIGC 创业者等众多行业精英和专家,共同分享过去一年 AIGC 应用进展,探讨未来发展趋势。

在当天下午的《全球化背景下的AI商业化之路》圆桌论坛上,各位嘉宾针对 AI 应用的商业化进行了深刻探讨,分享了各自的产品商业化、出海、投资等方面的经验。出海规划师 Will 担任圆桌主持人,其他嘉宾包括:

  • 朗豫 MazeGuru 创始人、CEO
  • 吴畏 非凡资本合伙人
  • 风胜 数里行间科技 CTO
  • Kisson 新识宇宙 Metaverse 联创、COO

以下是AI新智界整理的演讲内容,为方便阅读进行了部分删减:

Will:如何看目前 AI 在全球范围内的发展状况,以及未来一段时间的国际化竞争,AI 产品在国际化竞争中的挑战和机遇是什么?

朗豫:

ChatGPT 这样的产品横空出世,带来了非常大的流量的曝光,也吸引了非常多的用户来关注 AIGC 方向的应用或者是技术。我们现在每天都有新的 AI 方向的产品,包括一些论文,一些应用都在出现,也让更多的大厂、各种各样的用户都来关注这样的产品,我觉得这其实是一个非常好的方向,它帮助产品包括项目方吸收用户、吸收相应的资本,这是一个非常大的机遇。在 ChatGPT 出现之前的一段时间,我们可以看到 AI 经历了一个比较沉寂的泡沫期,我觉得这还是一个比较沉寂的点。但是在这个点之后,其实得到了将近十年来为数不多的机遇期。

AI 面临的挑战同样巨大。最大的挑战我觉得还是留存率或者说吸引度的问题。AI 产品如何在非常激烈,和传统 App 竞争用户的时间?我觉得这是非常大的难点。我们知道 AI 产品必须要付费,它不像其他的传统的互联网产品是可以横向扩展,它去服务一亿人或者服务一百万人,它服务非常小的用户,其实它的成本支出不是特别大。但是对于 AI 来说,GPU 可能是指数级的产品,它必须得收费。在这个阶段,收费和免费之间就存在了鸿沟,这就是它的挑战。所有的 AI 产品,虽然现在看起来很热闹,像 ChatGPT、Midjourney,可能还有其他的产品,但用户的留存度非常低,我们可以看到一个月或者两个月后的留存度可能只有 6% 或 5%,它很难和 TikTok、小红书这样的产品来竞争。如何让 AI 真正被用户拿来去消磨时间,或者拿来去玩、娱乐,占据他生命中的一部分,而不是作为一个工具,或者说只是一个笔记本、做文章概括的简单功能,我觉得这是它一个比较大的挑战。

另外,如果它有了这样的成就,后面还要面临政治风险、意识形态的控制。AI 还有很长的一段路,未来我们不可知,但有非常多的人和资本投入进去,它未来的前景还是非常光明的。

吴畏:

从一些宏观的数字来讲,在过去的 2023 年,整个全球生成式 AI 一级市场融资数据大概接近两千亿人民币左右,其中海外占 1600 亿,国内大概只有 300 亿。1600 亿中间,有 100 亿美金是 OpenAI 的,这是去年整个一级市场生成式 AI 融资的情况。

IDC 预测 2024 年一级市场的融资在生成式 AI 领域里面大概要增长 4 倍左右,所以这还有巨大的空间。也就是说 2023 年对于很多创业者来讲,包括某些企业来讲,实际上它是一个真正的元年。可能 Stable Diffusion 2021 年就有了,GPT-1、-2 都是好几年的事,但是真正出圈的 GPT-4 是 2023 年春节以后发布,2023 年春节以前是 3.5。所以,其实是因为这样一个现象级的产品,现在这个产品月活 1.6 亿,也是最快达到 1 亿用户的有史以来的最快 App。所以,其实整个 2023 年来讲,还是一个特别早期,特别是很多产品可能还没有真正落到具体商业场景里面,只是做了一些酷炫的技术,但是我相信明年是商业化落地非常好的时间点。

风胜:

2023 年全球 23 家 AI 独角兽里面,美国、中国、欧洲一些国家都差不多,美国可能只领先一点点。在整个 AI 全球化过程中,欧美和中国基本上是处于同台竞技的位置,可能我们也就落后半年,最多一年左右的时间。所以这里面,我觉得机会还是很多的。

整个 AI 技术在日新月异的发展,每一周都会有很多新的 AI 框架、AI 产品推出。如果 AI 创业公司投大量精力做 AI 大模型,很难跟 GPT-4 同台竞争,因为 GPT-4 是全才,在各个领域都是调教得最好的状态。对于 AI 创业公司来说怎么做?我觉得只有做垂类大模型才有机会。比如我们扎根于电商,或者扎根金融,或者扎根垂直行业,基于大模型去训练垂直的小模型,去定义整个行业的意图,去深入跟这个行业的业务去打通、去集成,这样的话我们才有机会跟全才的大模型去竞争。

Kisson:

我认为 2023 年是大模型轰轰烈烈,但实际上落地的场景很难闭环的一个状态。原因就是我们碰到一个很大的挑战,在 2023 年甚至是今年,都是大模型和小数据的挑战。一旦你把一个行业里面应用的小的数据跟大模型去结合在一起的时候,你会发现大模型要么就是处理不了小数据的 context,要么就是它把自己大的通用的知识也都忘记掉了,所以这是一个非常大的模型层面的限制,导致我们发现无论是商用还是 toC,到最后图片真正比较多的应用还是在广告。但如果作为工业设计,相对来说服装设计的应用还是需要人完成最后一部分的设计。对于 toC 也是一样,除了 AI 陪聊这方面,我们在做行业分析师、旅游规划师,到最后这一小部分都需要人为去做修改,才能够使得最终的结果能被商用、能够有价值。

Will:AI 技术的快速发展是否会加剧数字鸿沟,应该如何面对?怎么看待技术垄断和数据滥用的风险?

朗豫:

对于 Prompt 来说,它是非常重要的,我认为它应该是加剧了鸿沟。其实有两个鸿沟是比较明显的:

第一个鸿沟,认知鸿沟。有两批人,第一批人会觉得 AI 是无所不能。另一批人是反对 AI。我觉得认知鸿沟导致整个世界割裂。

第二个鸿沟,数据鸿沟。当我去访问一些海外数据网站,在 GPT 产生之前,我是可以直接登录去访问,或者不用登录就可以访问它的数据、看到它的内容。但现在 GPT-4 出来之后,还有一些图片的网站出来之后,我不仅要登录才能看到它,反而我要付钱才能看到它的答案。我觉得这是让整个互联网的数据已经变成一个又一个孤岛,这是导致现在数据鸿沟非常明显的趋势,大家都认为自己的数据是非常重要的。

怎么应对?一个是重视数据,把数据作为一个非常重要的资产;第二,善于利用大平台 AI 产生的数据,来作为自己的数据来源。

Will:从投资的角度,评估 AI 出海项目时主要看重哪些因素?行业投资是否存在泡沫和炒作现象,以及如何判断一个 AI 项目的真正价值?

吴畏:

从两个角度:

第一,这几年中有不同的技术在迭代,最终大模型对你来讲就是一个轮子或者是一个锤子,客户要的是一辆车,你如何把大模型的技术,结合其他的技术,有可能是一些过去已存在的,无论是向量数据库、知识库、NLP、视觉上的东西结合起来,最终交付给客户,客户愿意买单,愿意持续付费,这就是一个好的产品。

如果 2023 年往后看,整个投资机构在之前可能是一个美元基金为主流,现在变成一个产业资本为主流的阶段。现在来说可能有几个方向:第一,如果在国内,更多是 AI 和硬件,包括大模型结合的场景,能够具体带来一些实际看得到的,跟具体产业结合比较深的;第二,可能是全球化的资本,包括在美国的美元基金看到的方向,就是所谓的本地 AI 加全球化的方向。现在的状态,看的人很多,学习的人很多,白嫖的人很多,出手的人非常少。所以建议哪怕现在在创业的 AI 公司,我觉得还是做业务,从客户那里拿钱是最持续、最长久的生意发展之道。到了你每个月 ARR 有很稳定很快的增长,那时候投资机构自然就会找过来。

吴畏:你觉得 2023 年这么多新创立的,无论是大模型还是做应用的公司,2024 年会变少吗?它会洗牌,会有人出局吗?

Will:

我感觉应该还是会变多,我只能先说一下硅谷的情况。因为我想过这个事情,包括我看到国内出海的公司,总体来说大家对垂类结合的东西还是很有冲击,只是它缺乏一个火车头的带动。还是拿 Perplexity 举例,比如说垂类的 Devv,它就是一个垂类结合。其他的垂类结合,大家看到这个以后去模仿的肯定多,可能会马上冒出来一百个,最后留下来五六个,肯定会有这个趋势。但再往后看,那就说不定了。我觉得现在很多人还是观望期,没有全力试水,所以潜力还没有被充分释放。

Will:创业项目如何在海外市场中寻找到自己的定位,并且实现商业化落地?

风胜:

如果今天一家公司想去做出海的生意,我认为有几点:

1. 先看看市场空间是不是足够大,它是一个红海市场还是一个蓝海市场,我们进去的话有多大的机会。

2. 你做的产品是不是高频,它如果是一个低频的产品,很难做到很大的规模,因为用户不会经常来用,所以留存率和用户的复购率不会特别高。我们一定要切一个用户比较高频的场景,用户每天都来用,每天都用这个产品给企业创造价值。

3. 你创建的产品是不是能创建新增量的价值。如果今天你做了一款 AI 产品只是解决了企业传统流程里的效率,那它只能带来效率的提升,这部分的价值对企业不是特别显性的。对于我们来说,要考虑的是创建的东西是否给企业带来增量的价值,而不仅是效率的提升。如果能带来增量的价值,客户愿意付更多的钱买产品。如果只是效率提升,那它只是在效率里拿一部分钱付给你。

Will:对于创业项目来说如何保证技术创新的同时实现商业模式的可持续发展?

Kisson:

要想清楚自己要解决的是什么问题,为哪些客户,还是为用户。

解决的问题,toB 无非就是降本增效,“增效”永远比“降本”要好,这个商业模式永远是更好的。

第二条路就是你能证明降本,比如说自动化取代一些人的生产力,帮助人提高生产力,这部分一旦你能证明它的生产力提高达到百分之多少,他也愿意去付费。当然从这个角度来讲,国外的用户相对比国内的用户在“降本、提效”方面相对付费意愿会强一点的。

一是想清楚付费的逻辑是什么,你要解决的痛点是什么;第二,想清楚你的用户/客户是谁,一般来说这个很取决于创始人自己的基因了,因为很多时候你去做的一款产品,首先你自己要深入去了解它的痛点、用户的使用习惯。

Will:出海过程中对于国内外业务的差异和需要关注最重要的两个点是什么?

朗豫:

第一部分要抓住用户的据点,主要是 X 平台和 YouTube,我们一定要抱紧大腿,在 AI 的圈子里。第二,如果用户进来了之后,它可能和国内不太一样,比如国内需要一些利益上的交换,但在海外的这些用户是非常纯粹的,就是想用你的产品,或者想用你的产品做一些事情,达到他的预期。我觉得多沟通,特别是在社区里搞 AMA,同时这个项目的创始人或者相应的产品总监可以在社区里多露露面、多聊聊天,这是非常重要的。在国内的一些产品和海外的一些产品还是非常不一样,国内不太愿意露面,不太愿意讲团队的情况,这个未来还是需要做一些改变,这是我感觉非常重要的经验。

吴畏:

全球化或者出海的话题这几个月越聊越多了,特别是在 AI 创业圈里。也发现很多企业之前会把全球化战略放在两三年后,但最近他们基本上非常快的去加速,也有很多公司现在都在去做全球化。这个折射出来一个问题,就是国内太卷了,以及国内一些类型的产品全球化了以后机会更大。

这里主要的挑战,除了要做本地化的数据,本地化的合规,本地化团队的搭建。有一个小点很有意思,就是创始人本身的英语能力,这个也都很关键,特指面向海外资本市场融资时,可能不是每一个创始人都具备的,特别是没有多年海外留学经验情况下。

风胜:

过去国内很多创业公司在做 SaaS 时追求大而全。经常我们会提业务中台、数据中台,想通过一个平台覆盖所有的业务,所有的场景。其实在 AI 这个赛道,我们能看到很多都是一些小而美的公司,包括大家在 AI 这个圈子里能看到的 Midjourney、Stable-Diffusion、AutoGPT,还有一些 7 B 的小模型,很多都是几个人小公司做起来,非常小,但切了一个非常聚焦的赛道,把公司的价值做得足够大,这是第一个观点。

第二,对于 AI 创业人才要求和以前不一样了,传统做 SaaS 化,AI 人才更多是前端后端、设计师、产品。但在 AI 这条赛道里要求更多的是算法,甚至还有 Prompt 工程师,还有后端。我自己的体感,这一两年的体感,对 AI 创业公司来说追求的是人才的密度,而不是人才的数量。AI 要求的综合素质比较高,既要懂技术,又要懂算法,又要懂产品,又要懂业务,所以人才的密度是非常重要的。一家公司能不能成长好,很核心是团队里是不是有特别强的,特别有领导力的,在这个技术领域有影响力的。

Kisson:

首先说国外大部分是欧美的用户,他们付费的意愿和分享的意愿相对来说都会比较强一些,因为这个市场比较成熟。toB 方面,这个可以值得说一说,国外整个 SaaS 生态更加分散、标准化的。国内有很多,比如钉钉这样的生态,它的一个应用里就已经包含了很多很多东西。如果我们要去做小而美的应用,在国内必须要和这些大的应用生态所绑定,才能够有一席之地。因为国内这些客户不太存在能够把所有不同的应用接起来,在一个企业里去使用很多应用的习惯。

如果要 toB 的话,国内的话基本就是 SLG,销售渠道引导,去和一些大厂商、大生态绑定。在海外欧美市场是存在 PLG,产品做得足够好就能够有一席立足之地。

LEAVE A REPLY

Please enter your comment!
Please enter your name here

热门新闻

狗狗币市值短暂超过西南航空公司

据u.today消息,狗狗币(DOGE)的市值在本周飙升了300%之后,短暂地超过了全球最大的低成本航空公司西南航空的市...

彭博社:预测比特币今年将上涨至40万美元

比特币的涨幅与2013年的约55倍和2017年的约15倍相似。

知名投行摩根士丹利为何选择新增比特币敞口?

12只摩根士丹利的投资基金将在比特币金融产品中配置资金以获得风险敞口

一文读懂元宇宙、NFT 和 GameFi 的关系

GameFi 改变了现实传统游戏中多方各自为阵的割裂模式
spot_img