三种新的 AI 产品和商业范式转变
1. 范式一:搜索产品chatbot化
- ChatGPT的日prompt输入已经达到Google搜索日query的18%,近1/5;Google AI Overview 的日token消耗让Google日处理token量翻倍。
- 模型产品完全替代搜索引擎正在加速。传统的 「索引-召回-排序 」变成 「对话-增强检索-生成」 的产品形态,可能不会太久。
- Bing Search API 8月11日起不再提供注册和外用,搜索厂商的护城河还在,时代船票的机会也还在。
- 最终还是老大难问题 —— 探索新商业模式。
2. 范式二:个人软件因为 Software Flow 的出现而变换经济模型
- 海内外大厂全数押宝 AI Coding,近一个月内密集发布了:Solo,Kiro,Codebuddy。
- 甚至慢如蜗牛的苹果,上个月新推出的 X Code 26 也都集成了AI功能。
- Windsurf的人才并购是标志性的事件,兼并通常是一个行业发展到中后期,或是竞争到了极度剧烈,要拼市场份额的时候。无论如何,厮杀的前提都是这个方向已经形成某种共识,不得不做。
- AI Coding 比早期云计算更早形成大厂间的共识,意味着 对 Coding 的投入可能才是真正的「不设上限」,而非看起来很拥挤的 Chatbot 产品。
- Coding 构建成本在人类历史上从未如此之低,软件工业正在加速自我瓦解,接下来我们会看到传统软件厂商因为业务脆弱,导致即便接入AI功能也逃不了被用户抛弃的命运。
- 事实上已经有一批 SaaS 厂商在美股市值暴跌、退市。
- 接下来,个人用户自主构建,成本趋近于零的软件集合,会出现像文件一样自由流动的状态,称之为「Software Flow」,这种流动可以细致到以功能、函数、模块为单位的细小流动,细小功能的集成成本因为 AI Coding 也变得极低。
- Software Flow 会导致现有的经济模型:订阅制、买断制、软件采购、私有化部署、云租赁,都要解释其收费的合理性。
- 既然软件的构建成本如此之低,人们花上百美金 1 个席位去订阅 SaaS 的合理性是什么?
- 再聊聊 AppStore,Google Play 这类软件分发中心。近几年受困于过路费的问题,正当性备受质疑,进而商业上也越来越多掣肘。用户也在寻求突破厂商的限制,获得更灵活的应用体验,其中蕴含的新机会,可能才刚刚开始。
- Software Flow 对于软件分发渠道,并不一定全是负面的,悖论是 —— 更低的软件构建成本,一定推动需求爆发更猛烈,也就是定制化和专有化,实际撮合的软件交易量会以另一种更公允的方式攀升。
- 我指的是 —— 软件「采买」可能变得更频繁,费率更低,但注意,这里的采买和传统的大客户销售/订阅制完全不同。
- 新模式可能和 以太坊 这类服务应用的加密网络融合,出现一种「变化需求 -> 快速调整 -> 快速交易 -> 快速流转资产」的全新经济模型。
- 比如使用 1 个交易货币可买一份 Notion 月卡,使用2天后想换其他产品,被强制拆成1/15,由交易系统拆解价值和流转,又或者在 Notion 的子功能对内拆解货币,融入到新功能和新服务商中。
- 而中间的结算系统,从加密代币,流转到大模型代币,流转到软件厂商,有更合理的价值评估体系,而不是像过去10年,一种类别的SaaS,比如 CRM系统,市场上有无数的玩家,无数的小颗粒度创新和浪费。
3. 范式三:垂直 Agent 接管办公室工作
- 在看不见的角落,微软全球官网、office官网分别在2024年9月,12月开始至今,流量下滑超过 50% ,即便在初期尝试买量回补,但是一段时间后就完全放弃,下滑趋势挡不住。
- 以下产品从23年开始,大部分的官网流量都实现了翻倍,也就是100%的增长:Notion AI,Gamma AI,Canva AI(Docs/Sheets/Presentation),Google Docs/Sheets/Slides 集成AI。
- 发现了吗,其核心场景是 AI+Office 三件套的延伸;
- 而 Manus,Genspark 这类自称是通用 Agent 的产品,似乎更适合称之为「垂直办公 Agent」。从官网上看,他们核心覆盖掉的场景也是 Office 三件套,外加静态网页(完全可以把网页理解为PPT的温和变种,品类目标是一致的)
- 现代办公方式,或者叫白领工作,对绝大多数办公室用户,无外乎「录入文本需要容器」,「内容需要演示和汇报」,「业务数据随着规模扩大需基于表结构分析」这三个「古典」场景,奠定现代白领工作的基础。而编码和设计算是一种后现代的专有输入输出。
- 那么 AI 要逐渐替代的场景已很明显了,从早期的基础场景,到专有场景。
- Agent 模式有个特点 —— 专有化,每个行业是有自己的行业 know how,显然对要服务好业务,最好的就是对目标行业有极深的理解,这种壁垒甚至高于技术细节本身。
- 主流 Agent 有两种模式,一种模式是像 n8n,flowise,引入人工节点的手搭Agent;一种是 Lovart,Lovable 这种基于行业 knowhow 做成的「预制菜」。后者的逻辑是,「我的认知比你领先,你用我就对了」,两种模式会共存很久。
- 但最佳实践显然是可以抽象的,并且最佳实践的数据飞轮是可以在迭代中保持领先的。如果我们把最佳实践理解为是一种资产,那AI时代,每个行业的最佳实践可能都处在裸奔的状态。
- 比如,行业里名声最大的设计公司都在用 Lovart,是否意味着 Lovart 迭代的工作流和模型就是人类设计 SOTA?如果回答是,人工去搭建复杂的工作流产生的磨损就显得非常低效,甚至是落后的。
- 进而,白领在办公室里加班处理工作的模式,很大程度被挤压了。
- Agent 启动工作之后,今天的工作就此为止,人们应该立刻离开办公室,前往没有钢筋水泥顶的大自然。
- 这种假设背后都基于 云+AI 这套组合,在历史上有限出现过,上一次大规模应用是安防场景,代替了大量的安保人员轮班盯梢,这本质也是一种 Agent,安保 Agent。