看到馬云內(nèi)部的信，有點(diǎn)出乎意料的是，這只是一種情緒和行為。

由于人本身并沒(méi)有太大的變化，所以就情緒和行為而言，在公司起起落落時(shí)，大致總是：

錯(cuò)誤的地方帶來(lái)真實(shí)，懷疑的地方帶來(lái)信任，混亂的地方帶來(lái)和諧，沮喪的地方帶來(lái)希望。

但是AI真的不僅僅是關(guān)于情緒，還有一些不同于過(guò)去的運(yùn)行規(guī)律。馬云說(shuō):AI時(shí)代剛剛到來(lái)，一切才剛剛開(kāi)始，我們正好在那個(gè)時(shí)候。這是對(duì)的。

然后呢？

接下來(lái)，我們實(shí)際上需要了解這些差異，創(chuàng)造新的產(chǎn)品，然后才能創(chuàng)造新的用戶價(jià)值，AI的發(fā)展才能真正閉環(huán)。

有關(guān)故事從0到1

從0到1，彼得蒂爾可能是最成功的商業(yè)方法論書(shū)籍，其核心原因在于它是成功網(wǎng)絡(luò)產(chǎn)品的關(guān)鍵。

一個(gè)成功的因特網(wǎng)項(xiàng)目必須是PMF（Product Market Fit）型產(chǎn)品。

選擇一個(gè)領(lǐng)域，徹底了解一個(gè)領(lǐng)域，然后加入互聯(lián)網(wǎng)技術(shù)，成為新產(chǎn)品。經(jīng)過(guò)驗(yàn)證，大規(guī)模復(fù)制。每一個(gè)成功的互聯(lián)網(wǎng)項(xiàng)目都是這樣來(lái)的。

如果對(duì)產(chǎn)品進(jìn)行細(xì)分，區(qū)別在于平臺(tái)化通過(guò)兩側(cè)開(kāi)放打開(kāi)了PMF的適應(yīng)范圍，遠(yuǎn)遠(yuǎn)超過(guò)了單點(diǎn)工具。

這套邏輯可以實(shí)現(xiàn)企業(yè)級(jí)商品級(jí)商品（SaaS）這時(shí)，就完全折疊了。

由于不同的企業(yè)以各種方式維護(hù)自己的差異，所以做SaaS本質(zhì)上是N個(gè)從0到1，但是從來(lái)沒(méi)有從1到100。

這種定制的復(fù)雜性超出了當(dāng)前技術(shù)架構(gòu)的吸收能力。無(wú)論是使用應(yīng)用商城、平臺(tái)、插件還是任何技術(shù)，最終都需要逐一交付，成為解決方案的擴(kuò)展。

依靠人或計(jì)算率的邊際效率顯然存在很大差異。所以SaaS集體持續(xù)虧損，但也可以活下去。

這一現(xiàn)實(shí)對(duì)我們有什么提示？

為什么商品是從0到1，從1到100兩個(gè)階段？

互聯(lián)網(wǎng)項(xiàng)目外化了程序員的智能，可以留下一些定制空間，但這個(gè)空間是有限的。最終，程序員設(shè)置的靈活適應(yīng)能力上限仍然是。

因此這類產(chǎn)品力量必須打?qū)Φ胤?，因特網(wǎng)的產(chǎn)品力量和市場(chǎng)突破口如果打錯(cuò)了就像非喂牛肉一樣，費(fèi)力不討好。

這一準(zhǔn)確性問(wèn)題從0到1解決。

而且這一問(wèn)題一處理，后面待解決的問(wèn)題也是一樣的，因此可以純粹復(fù)制。

復(fù)制的邊際效率基本上是計(jì)算能力的邊際效率，也就是指數(shù)增長(zhǎng)。

兩個(gè)典型的論點(diǎn)：趴在地上吃土 一飛沖天后吃肉；但也有可能一直吃土。

那么AI還是這樣嗎？要不是為什么？

AI產(chǎn)品的新特性

AI的關(guān)鍵變化根本不是AIGC，而是它的概念識(shí)別和自我邏輯判斷能力。這種隱性代表了計(jì)算范式的變化。

過(guò)去，我們的計(jì)算模式本質(zhì)上是由程序員將現(xiàn)實(shí)世界的需求映射到計(jì)算機(jī)世界的語(yǔ)言中，然后根據(jù)程序員的設(shè)置執(zhí)行計(jì)算機(jī)。

AI下的計(jì)算模式并非如此。程序員的中間層越來(lái)越透明(并沒(méi)有完全消失)。人們直接與模型互動(dòng)，然后特定的功能范圍是不確定的。這一范圍的模型、方案和價(jià)值設(shè)置，不再是程序員設(shè)置的范圍。

假如用圖形來(lái)描述，那么大概如下：

這一新特征不僅影響產(chǎn)品形態(tài)，而且影響相應(yīng)商品的方法論。

在產(chǎn)品形態(tài)方面，過(guò)去用戶總是根據(jù)UI(圖形用戶界面)來(lái)完成某些功能。

而且UI(圖形用戶界面)本質(zhì)上是一種分類，品類的集合就是產(chǎn)品的邊界。它是功能的邊界，也是感知的邊界。

比如過(guò)去常說(shuō)的ERP，充分抽象了企業(yè)，然后覆蓋了一定的范圍。這樣就形成了自己的邊界(公司的適用范圍)和重量。

當(dāng)這個(gè)外殼被覆蓋在自己身上時(shí)，企業(yè)可能無(wú)法承受它的重量。外部變化會(huì)挑戰(zhàn)它的設(shè)定，不斷產(chǎn)生成本。最后，它會(huì)死于ERP，而不是等待死亡。

那么如果ERP變成了公司的自動(dòng)駕駛，類似于Autopilot，會(huì)發(fā)生什么？

這時(shí)候反饋 智能 判斷>設(shè)置過(guò)程。

因?yàn)閷挾冗m應(yīng)，重量減輕了，但能不能開(kāi)到溝里就不好說(shuō)了。

舉例來(lái)說(shuō)，在檢測(cè)到庫(kù)存水平和市場(chǎng)價(jià)格之后，就可以發(fā)起采購(gòu)建議。

這一企業(yè)級(jí)的Autopilot也將自行更新自我，感知現(xiàn)實(shí)，并根據(jù)價(jià)值設(shè)定處理程序員未事先設(shè)定的行為。

例如某一模塊存在安全漏洞，那么就會(huì)在測(cè)試環(huán)境中啟動(dòng)測(cè)試，并發(fā)起更新審核。接著更新自己。

在這一應(yīng)用領(lǐng)域，基于規(guī)則和基于模型的智能水平在尺度上有很大的差異。

確定匹配規(guī)則，靈活匹配智能。

智力和靈活性最終會(huì)帶來(lái)寬適應(yīng)，所以沒(méi)有必要進(jìn)行分類(分類太多)，所以需要基于自然語(yǔ)言進(jìn)行交互。相反，GUI變成了幫助。與現(xiàn)在相反。

形式差異的表現(xiàn)是自然語(yǔ)言交互，但是差異的本質(zhì)在于規(guī)則所體現(xiàn)的智能和模型所體現(xiàn)的智能適應(yīng)范圍有很大的差異。

這種拋光產(chǎn)品，會(huì)帶來(lái)怎樣的差異？

AI商品的關(guān)鍵階段從1到10。

假設(shè)你做的菜是四川菜，也是給四川人吃的，那就是從0到1。 ，兩段論從1段到100段。

但是，如果你做的四川菜也會(huì)自己微調(diào)，那么你做完菜后，在四川(從0到1)之后，估計(jì)每個(gè)省都要進(jìn)行抽樣測(cè)試(從1到10)，然后才能大規(guī)模推廣(從10到100)。

智能化原生應(yīng)用這種自適應(yīng)性的特點(diǎn)也決定了這種應(yīng)用類型所匹配的領(lǐng)域。

如果是簡(jiǎn)單的規(guī)則就能搞定，產(chǎn)生利潤(rùn)的地方，其實(shí)并不是智能原生應(yīng)用的最佳落點(diǎn)。在一定程度上，機(jī)會(huì)資源已經(jīng)被發(fā)現(xiàn)并耗盡。。

在這一領(lǐng)域中，智能原生創(chuàng)造的價(jià)值與商品創(chuàng)造財(cái)富的原始運(yùn)行方式?jīng)]有太大區(qū)別。

這意味著智能原生應(yīng)用必須解決復(fù)雜的情況，處理規(guī)則無(wú)法到達(dá)該地區(qū)的問(wèn)題。(在一定程度上，所謂的AI偶爾會(huì)火起來(lái)。 APP在起點(diǎn)上有問(wèn)題，沒(méi)有后勁，也不可能成功)。

而且如果智能原生應(yīng)用要解決復(fù)雜場(chǎng)景的問(wèn)題，那么在實(shí)用化的時(shí)候，一定要把智能原生的特性發(fā)揮到極致，變成類有機(jī)體。

就像川菜一樣，它會(huì)從1到10變成一個(gè)非常關(guān)鍵的階段。

我們可以舉一個(gè)積極的例子，比如做一個(gè)Agent的招聘。

從收集需求，到篩選簡(jiǎn)歷，再到Offer發(fā)送，都能完全實(shí)現(xiàn)入職的全過(guò)程。

根據(jù)因特網(wǎng)的概念，開(kāi)發(fā)后在某一或幾家公司內(nèi)部運(yùn)行良好，此時(shí)從0到1基本完成。

此時(shí)PMF式擴(kuò)張能否實(shí)用化？

對(duì)于Agent產(chǎn)品，肯定不行。既然招聘需求和需求匹配都是自適應(yīng)的，那么適合科技企業(yè)的公司可能不適合快速消費(fèi)品。

而可能導(dǎo)致不適應(yīng)的部分只能通過(guò)智能來(lái)解決，不能通過(guò)規(guī)則來(lái)解決。(智能原生應(yīng)用的價(jià)值基礎(chǔ))

如果總結(jié)了這部分的調(diào)優(yōu)、確定、打磨，那就是從1到10。

這個(gè)環(huán)節(jié)過(guò)去對(duì)網(wǎng)絡(luò)商品來(lái)說(shuō)并不重要，但是對(duì)于智能原生商品(類有機(jī)體)來(lái)說(shuō)卻非常重要。

總結(jié)來(lái)說(shuō)，因特網(wǎng)項(xiàng)目是兩段論，而AI商品是三段論。。

從1到10這個(gè)階段對(duì)于智能原生產(chǎn)品來(lái)說(shuō)是非常重要的。如果做得不好，就意味著智能不起作用。一旦回去，從0到1不斷重復(fù)，很可能會(huì)走上數(shù)字化或者SaaS的老路。

產(chǎn)業(yè)空間

假如把各種產(chǎn)品放在智能坐標(biāo)軸上，那大概就是這樣一種分布。

簡(jiǎn)單的工具，比如壓縮軟件或者安全軟件，是一個(gè)固定形狀的球。我會(huì)做這份工作，其他人不會(huì)打電話給我。根據(jù)過(guò)去的說(shuō)法，一個(gè)好的工具可以支持10億美元的公司。(chatGPT不簡(jiǎn)單。...）

因?yàn)槠脚_(tái)兩邊都是開(kāi)放的，所以看起來(lái)像一個(gè)擁擠可以變形的球，但是可以變形是肯定的。根據(jù)之前的說(shuō)法，這是100億美元公司的支持。生態(tài)聲稱把上面的一堆東西放在一起，但從智能的角度來(lái)看，本質(zhì)并沒(méi)有改變。

與上述不同，智能原生應(yīng)用本身就是一種變形蟲(chóng)，一種有機(jī)體。環(huán)境需要什么，它會(huì)朝著那個(gè)方向變，它會(huì)進(jìn)化(程序改變了它自己。 VS版本更新)。

的確，智能原生程序不需要擁擠，自己可以根據(jù)需要變形。

這一特性帶來(lái)了一個(gè)缺點(diǎn)，智能化的原生應(yīng)用雖然也可以大也可以小，但是由于智能化的通用性，不太可能是簡(jiǎn)單的工具，所以不會(huì)是太小的商品。

技術(shù)決定了先天的概率，而投入產(chǎn)出決定了現(xiàn)實(shí)的概率。

需要注意的是，智能原生應(yīng)用工具等不能放在一起，包括本質(zhì)上是工具的歌曲類別的有趣應(yīng)用程序，這不是一種物品。

總結(jié)

如果問(wèn)大模型帶來(lái)了什么？那么很多人的印象可能是可以幫助寫(xiě)論文，生成非常吸引人的照片，生成視頻。（Sora）。但是這個(gè)世界上實(shí)際上很少有人每天都在做編輯工作。假如人工智能的影響受到限制，那就不可能帶來(lái)超越因特網(wǎng)的生產(chǎn)力。在大模型產(chǎn)生的能力中，最重要的是理解概念和自我判斷的能力。只有基于這種能力，才能構(gòu)建真正的智能原生應(yīng)用，而智能原生應(yīng)用不僅需要從0到1，還需要從1到10。

本文來(lái)自微信微信官方賬號(hào)“琢磨事”（ID:zuomoshi），作者：老李話一三，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com