Vol.18 2C-AI应用随想

哈喽哈喽 ， 大家好 ， 我是明昊 ， 嗯

， 我看了一下小宇宙的后台 ， 上一期的更新已经是 3 月的事情了 。 整个 4 月其实我并没有做太多的更新 ，也可能是因为 3 月底做了太多的串台节目 ， 这个表达欲已经被透支了 ， 所以 4 月上半月基本没做一些内容 。

然后今天跟大家更新一期关于 AI 的内容 ， 呃 ， 我现在确定的标题叫 《2C-AI 应用的随想 》。其实我本来起了一个更 " 暴论 " 一些的标题 ，但是在做的过程中我发现 ， 嗯 ，其实观点跟所谓的暴论非常的多 ，不太适合用一个更直接的标 —— 呃 ， 结论来做标题 ， 所以我起了一个偏 " 泛 " 一点的标题 。

然后首先我说一下为什么要做这期啊

， 首先确实是觉得半个月没更新不太合适 ， 需要更新 ，但是此前一直没有找到特别合适的选题 。 然后大概在昨天 ， 就是 4 月 17 号的时候 ，其实我本来想更这个内容 ， 然后就做了一些准备 ， 包括把过去这可能几个月对于 AI 领域的 ， 尤其是 2C-AI 应用的一些看到的事情做了一些整理 。

然后在整理的过程中 ，其实昨天在整个行业有两篇非常重要的文章 ， 一篇文章是晚点的慢骑采访 MiniMax 的 CEO 闫俊杰的 ， 当时的标题叫 《AGI 不是大杀器 ，是普通人每天用的产品 》。

那 MiniMax 这家公司其实非常神秘 ， 对吧 ， 虽然它的产品跟大模型业内的口碑很好 ， 可是它的 CEO 应该是 ， 我印象中应该从来没有接受过采访 ， 所以这是一篇文章 。

然后另外一篇文章是这个 ， 呃 ， 腾讯科技的张小军采访时向的 CEO 广密 ，他当时起的标题叫 《AI AGI 大基建与马拉松 ：2024 Q1 全球大模型的前沿手记 》。

然后我在整理材料的过程中正好看到这两篇文章 ， 第一反应是说 ，其实在这个时间点 ， 或多或少大家对这个行业有一些新的感受的变化 ； 第二点 ， 你会发现 ，其实大家的角度不太一样 ， 所以我还是做了这期节目

。 然后， 呃 ， 今天分享的内容可能有两大块 ， 第一大块是一些具体的我观察到的 ， 或者说过去几个月我印象当中比较深的一些案例 ， 这些案例基本上是对着这些 AI 的产品的 。

然后第二部分是一些 ， 我起的标题叫 《 那些没有答案的问题 》，其实是几个基于这些发生的案例产生的一些问题 ，有些问题可能我自己有一些答案 ，但有些问题可能我现在也没有什么答案 。

我们正式开始 ， 叫 《 那些最近的观察 》。 首先 ， 呃 ，是 3 月份发生的两件事情 ， 大概是前后相差了 3 天 。

第一件事情是之前融了 13 亿美金的 ， 呃 ， 美国的 AI 的代表公司之一 Inflection 的两个创始人被微软直接拉走了 ，其实 Inflection 的核心团队也被微软拉走了 。

然后当时 TechCrunch 起了一个非常重的标题 ， 它说在经历了 13 亿的融资之后，Inflection 是被它最大的投资者微软吃掉了 ， 它用了一个 eat alive， 就活活地生吞了 。

然后这是发生在 3 月 20 号的事情 。 然后过了几天 ， 呃 ， 大家知道在图片领域最好的开源模型叫 Stable Diffusion， 它的母公司的 CEO 离职了 。

然后其实在它 CEO 离职之前 ， 这家公司的核心团队已经有很多人离开了 。 然后你会发现 ， 突然间的 ， 好像某一些我们在去年经常在新闻中看到的代表公司 ， 尤其是 AI 应用领域的代表公司 ， 突然间出现了很大的问题 。

这种问题是急转直下， 就像这个小甜甜怎么突然间就变成了牛夫人， 对吧 ， 呃 ， 我们看到这个 Inflection 的案例 ， 比如说它在 2003 年的 6 月份融了 13 亿美金那一轮 ， 最大投资者就是微软给的 。

然后它最后一轮 ， 它相当于 3 月份这件事情是一个类似被收购的事情 ， 两个核心创始人加入微软 ， 负责微软的新的 AI 的产品部门 。

可是这个时候你会想 ， 那之前投这家公司的其他投资人怎么看这件事情 ？ 这个公司彻彻底底的失去了独立发展的机会是吗 ？

才过了半年多的时间 ， 对吧 ， 那 Stable Diffusion 也一样 ， 就是作为开源模型 ，其实这家公司迟迟没有找到特别好的所谓商业化的能力 。

那在今天的 AI 大模型跟 AI 领域的军备竞赛的角度来看 ，是不是这个公司已经掉队了 ？ 然后， 呃 ，TechCrunch 写那个 Inflection 被微软收购的时候 ， 最后用了一段更狠的话来写 ， 它说 ：" 你以为谷歌不准备对 Anthropic 用同样的方式吗 ？

你以为苹果不会这样做吗 ？ 科技界一向如此 ， 能者造 ，不能者买 ，不择手段 。" 听起来特别的残酷 ， 尤其在今天 AI 大模型这一波的浪潮 ， 包括 AIGC 的浪潮里 。

然后就引发另外一个思考 ， 那下一个掉队的可能会是谁呢 ？ 传说 Carry.AI 的数据也不怎么涨了 ，Midjourney 的数据好像也不怎么涨了 ，Runway 跟 Pika 在 Suno、 呃 ，Sara 发布之后， 它们还有更多的机会吗 ？

我不知道 ， 这是第一件我们看到的事情 。 然后一个体感 ， 我自己体感更明显的一个不太好的案例 ，其实是一个国内的应用 ， 这个应用叫好说 ， 它其实是一个用 Discord 产品形态包着很多 AI 模型跟 AI 工具的一个软件跟一个社区 。

这个软件跟社区 ，其实我之前在很多播客里面都做过推荐 ， 早年去年在范冰的 《AI 增长黑客 》 里讲过 ， 上个月在 Koji 的那期串台节目里我也讲过 。

我觉得在某一段时间 ， 这款应用可能是国内用户最容易 、 最方便的体验到大部分 AI 应用功能的一个非常好的选择 。

但是也是在上个月 ， 呃 ， 上个月 10 号左右 ， 好说 AI 发布了一个公告 ，是会在 4 月 10 号正式停服 。 我看到那个新闻的时候 ， 第一反应是非常的有些意外 ，但后来转念一想 ， 可能也合理 。

就是当时报这个新闻是那个游戏新知报的 ， 它在最后写了这样一句话 ， 只说 ：" 或许是因为游戏社区做不下去 ， 好说决定转型 ，但回过头来看 ，以整合为核心思路的 AI 社区 ， 似乎同样也是一个创业陷阱 。"

那为什么这个结论是在 24 年的上半年来下 ？ 这可能就引发了后面我会讲到的一些所谓今天这个时间点中国的 AI 的 2C 应用的变化 。

然后， 呃 ， 好说这家公司其实最早是 21 年成立的 ， 它的两个创始人其实就是心动下面的 TapTap 的两个核心创始人。

他们当时离开心动做好说的时候 ，是想做中国的 Discord。 我其实在之前我那期讲中国没有 Discord 的播客里面提到过这家公司 ，但是在过程中， 呃 ， 好说的团队发现在中国做 Discord 的难度非常的大 ， 所以他们大概在 23 年上半年的时候转型做了 AI 的社区加应用 。

可是这件事情大概只做了 9 个月左右 ，他们就停止了 。 然后也差不多是同一时间 ， 呃 ， 被曝光这个好说的创始人 ，其实也是原来 TapTap 的创始人黄希薇已经回到了心动 ， 然后继续做她最熟悉 、 最擅长的游戏发行业务 。

然后最重要的产品 ， 可能也是心动过去两个季度股价上涨超过 50% 的核心的原因 ， 就是他们之前在港澳台发的不错的一款产品叫 《 触发版本分 》， 黄希薇会负责这款产品在心动内的发行 。

所以从 21 年离开做中国 Discord 不成功 ， 转型趁着 AI 这一波浪潮想做 AI 的社区加应用 ， 看起来也不太理想 。

然后她又回到了她最熟悉的游戏发行这个战场 。 嗯 ， 从个人悲观的角度来看 ， 我觉得这是一个 " 合理的选择 "，但是从 AI 应用角度来看 ， 似乎不是一个特别好的信号 。

那当然就是今天市场上并不是只有这些我前面所提到的偏悲观的消息 ， 市场上当然也有非常正面的消息 。

那今年可能相对来说 ， 大家印象比较深的应该就是 3 月底那一波 A 股的所谓的 Kimi 的概念股 ， 对吧 ， 当时特别扯 ， 对吧 ， 甚至包括 Kimi 公司用的矿泉水全阳泉 、 用的卫生纸 、 用的员工餐厅的餐盘的供应商的上市公司 ， 都得到了所谓 Kimi 概念股的概念 。

你会发现这件事情特别的扯淡 ， 对吧 ， 那它这件事情的反面意义是什么 ， 或者它带来了什么更多的意义是说 ， 呃 ， 更重要的是 ， 你会发现大家开始看到国内的 AI 应用公司做真正意义上的市场推广了 。

你今天会在抖音 、 在 B 站 、 在知乎 、 在小红书 、 在各种各样的 ， 甚至在微博各种各样的内容平台上看到 Kimi 也好 ， 智谱也好 ， 海螺也好 ， 天宫也好 ， 文心一言的各种各样的广告 。

那这些广告都是要花钱 ， 甚至要花很多钱的 。 也就是说这些应用开始买量

， 嗯 ， 这个时间点就用这样的方式来做这种程度的推广 ， 真的合适吗 ？ 这是我看到这个这一波的推广的时候的内心的想法 。

但是反过来想 ，有这样一个角度 ， 就比如说 Kimi 在 3 月底爆火了 ， 呃 ， 无论它因为是长文本还是因为市场的情绪还是 A 股各种各样原因 ， 它反正火了 。

那深深处地想 ， 如果你是另外几家大明星公司的 ， 比如说产品负责人， 无论是创业公司还是大公司 ， 你眼不眼红这件事情 ？

当然眼红 ， 对吧 ， 所以最直接的体现是说 ， 你看 Kimi 火了之后， 马上很多大明星的主流厂商都先后跟进了长文本这一个特性 。

那长文本只是功能上的跟进 ，Kimi 在同时也做了真正意义上的 2C 的推广 。 那对于这些其他厂商而言 ，在那个时间点的决定就变成了我们要不要跟 ，也跟 Kimi 一样做 2C 的推广 。

那从过去这一个月左右的情况来看 ， 大家跟了 ， 这都是很多的钱

。 然后那既然提到 APP 的推广 ， 对吧 ， 我们绕不开的所谓的中国的当年移动互联网的 APP 工厂的公司就是字节了 ， 对吧 ， 字节说这个说到 APP 推广 ， 那我可就不困了 ， 对吧 ， 那你其实你回看整个 24 年 Q1， 字节自从去年年底确定了这个 Flow 这个 AI 的部门之后， 动作是非常多且大的 。

那其实我们能够看到的在应用端直接 2C 的字节系的应用就已经有大概七八款了吧 。 我列了 ， 我在 PPT 也列了几款比较重要的 ， 比如说豆包 ， 对吧 ， 这是最重要的一款 。

然后它现在也最近也推出了一个类似 Carry.AI 或者星野这样的 AI 的角色扮演跟对话类的应用 ， 叫猫香 ，其实之前叫画炉 。

然后在早之前 ， 抖音旗下的 ， 呃 ， 字节旗下的搜索业务叫悟空 ， 对吧 ， 悟空搜索做的不是特别理想之后， 现在改名叫小悟空 ， 它就提供各种各样的 AI 工具 。

然后它同时也在海外在测类似妙爱相机这样的图片类应用 ， 它其实在教育领域也在做 ， 包括剪映 ， 呃 ， 包括做 Agent 和 Code。

你会发现字节这家公司再一次的以类似 APP 工厂这种全马力推进的方式在尝试各种各样的 AI 应用 ， 对吧 ， 然后， 呃 ， 同样也是来自于那个那篇晚点采访那个 MiniMax 的 CEO 的时候 ， 那个闫俊杰闫总说了这样一段话 ， 我觉得是能够代表 ， 或者说能够说明这件事情为什么对于字节而言是非常合理的 。他当时的说法是这样

的 ，他当时的说法是说 ， 比如对字节来说 ， 最重要的是技术资源 ，因为它所有的产品都是 ready 的 ， 且产品资源无限多 ， 所以尝试越多对它越有利 ，而且每次投入 ， 即使产品失败 ，也会带来更多的经验和认知 ， 这对它们的提升是巨大的 。

呃 ， 这是一个特别简单且朴素的道理 。在字节这家公司对 AI 领域的尝试没有犹豫跟不产生任何纠结的前提下， 这种投入真的是没有上限的 。

所以你会发现字节在 AI2C 领域在今年 Q1， 就 24 年上半年这个时间点非常用力 。 然后那既然大家已经从所谓的产品到运营到买量推广 ， 对吧 ， 甚至字节已经疯狂的在弄的情况下， 那既然已经聊到了推广这儿 ， 我们似乎就要聊一些更更古典意义上互联网应该聊的话题 ， 比如说用户量 ， 对吧 ，DAU、MAU， 比如说这个这个增速 ， 对吧 ， 那其实 QuestMobile 在 3

月份也发了一个 AIGC 相关应用的统计 ，在它的统计数据里面 ， 可能截止到它 2024 年 1 月份的时候 ， 豆包的 MU 大概是 1,750 万 ， 呃 ， 最多 ， 文心一言大概 1,200 万 ， 天宫 800 万 ， 就是昆仑那个模型 。

然后从整个增长曲线上来说 ， 呃 ， 豆包的增长是非常快的 。 但是呢 ， 这个这个 ， 它同样在那个报告里面更新了一张关于这些 APP 的留存的情况 ， 那相较于古典的意义上， 我们看的这个活跃跟留存情况来看 ， 这些 APP 的留存情况都不是特别理想 ， 比如说豆包的活跃可能只有 13%， 然后， 呃 ，30 留存只有 30%， 然后比如说文心一言的活跃率只有

百分之 ，也是 13，30 留存只有 27。 那其实类似的情况在美国也出现了 ， 之前大概在去年年底的时候 ， 红杉写了一个那个 AIGC 的 Act Two 嘛 ， 对吧 ， 它其中有两页非常重要的图 ， 就是 ， 呃 ， 对比传统古典意义上的互联网应用跟 ChatGPT、 跟 Runway、 跟 ， 呃 ， 皮卡 ， 跟这些 ， 呃 ， 那个核心的 AI，Carry.AI 这种核心的 AI 应用的 ， 呃 ， 月活以及活跃 DAU 跟 MAU 的活跃占比 。

你会发现在那个时间点 ，在美国的头部的 AI 应用一样的 ，也没有办法跟传统意义上的 ， 呃 ， 比如 YouTube 也好 ，Instagram 也好 ，TikTok 也好 ， 去对比活跃率跟留存情况 。

那这个当时其实我在上上期讲 AI 的应那个 AI 那个十年总结 ， 呃 ， 一年总结的时候我也提过 ， 就是这个留存的情况似乎并不足以支持这个产品长期的以买量的方式进行投入 ， 你还没有考虑到商业化的问题 ， 对吧 ， 所以国内国外一个鸟样 ， 这个留存情况都不是特别理想 。

那我们看了这么多的内容 ， 看了这么多的纷纷杂的信息 ， 从 Inflection 开始 ， 到好说的关停 ， 到国内 Kimi 的爆火 ， 然后爆火引发的推广 ，以及字节系的全马力开动的这个领域的疯狂的投入 ， 你会发现就是这种 ， 就是这个天平的两端都非常的明显 ， 对吧 ， 然后最近我看了一篇文章 ， 很有意思啊 ， 它是它这个文章是一个美国的 ， 呃 ， 专注在做

AI 领域研究的一位这个这个这个分析师写的 ， 它当时起的标题叫 《The State of AI 2024》， 就是它是写 2024 年这个时间点 AI 行业的情况 ， 它也用了 ， 它也在美国也看到类似的情况 ， 就一面特别火 ， 一面又特别悲观 。

那为什么会在同一时间点 ， 这两幅截然不同的画面同时间出现了 ，在美国也好 ，在中国也好 ， 这可能就是我们所看到的这一批 AI 应用在这个时间点的情况 ， 那是什么导致的 ， 或者说我们再去深究是什么原因的时候 ， 呃 ， 我去对这个事情进行了一些拆解 ， 或者是一些天马行空的提问 ， 呃 ， 大概问了四个问题 。

第一个问题是 ，其实这个问题是我同事 ， 我跟我同事那天去聊 AI 社交跟 AI 陪伴的时候 ，他问我的 。

那这个问题其实过程中在整个这一年多 AI 大模型爆发的过程中也不断的有人在问 ， 就是这一波 AI 的浪潮到底带来的是供给端的革命 ， 还是需求端的革命

。 然后我回头去看我在去年年底写那篇 《AI 一年人间十年 》 的 PPT 的时候 ，有一张 ， 那张的标题叫 《 所有的应用都值得用 AI 重构一遍 》， 当时我就提及用 AI 重构的方式无非在那个时间点就三种 ，其实到今天依然如此 ： 生成内容 、 洞察 、 以及 LUI， 就是对话语言的这种操作方式 。

我们看微软对 Office 的改造 ，Adobe 对它旗下公司业务的改造 ， 百度对它也有业务的改造 ，其实包括 WPS 一样 ， 所有人在做的事情的改造看上去都是合理的 。

那这些改造 ， 双引号的改造 ，其实就是供给端的降本增效 ， 对吧 ， 说的 ， 或者用一个更简单的说法 ， 就是我在做今天这个内容的时候 ， 很巧合 ， 量子卫今天开那个 AIGC 的大会 ， 发了一个 AIGC 应用的全景报告 ， 然后它在对 AIGC 应用进行分析的时候 ，在文报告的最开头 ， 它定义了一下分类 ， 我觉得非常有意义 ， 就是什么样的类别 。

有一个很重要的分类方式 ， 就是到底是 AI 原生应用还是 X+AI，也就是说你原有业务加 AI， 那也就是说 AI 的原生 ， 你可以就是需求端的改进 ，X+AI 就是供给端的 ， 就是你原来有业务加了 AI 做的改进 。

从它统计的 ， 呃 ，AI 应用的情况来看 ， 目前国内 ， 呃 ，43.08% 是供给端的 ，也就是 X+AI，56.2% 是所谓的 AI 原生 。 所以从数量上来看 ， 需求端好像更多 ， 对吧 ，但是供给端的业务改进看起来更顺遂 ， 或者更顺理成章 。

刚才我们提到 ， 比如说微软在 Office 上用 AI 做各种各样的改进 ，在包括在 Windows 系统上用 ， 那类似的事情在国内 ， 比如 WPS 在上周发了新的 WPS 365， 那它也在非常严重 ， 非常重比重的在去强调 AI 在整个 Office 系列里面的改进的功能 ，在 WPS 相关 ， 比如表格 、 文档 、PPT， 然后内容生成更重要的改进 。

你会发现对于 WPS 这样的公司 ， 做这种事情特别的顺利成章 ， 对吧 ， 然后比如说最近一段时间比较火的这个 AI 搜索 ， 对吧 ， 海外有一家代表公司 ， 那国内可能就是现在很多人在提的叫 Meta， 我其实最近也在用这家公司的一个产品 ， 叫 Meta AI 搜索 。

那从原理跟实施路径上来说 ， 这种基于原有业务的 AI 改进看起来特别的顺利成章 ， 对吧 ， 那当然有一个更过去这几个月更中国特色的代表案例 ， 就是这个 360， 那个老周最近疯狂在推这个 AI， 对吧 ， 那确实你会双引号的佩服 360 在产品打磨跟用户体验设计上的能力 。360 在上个月推出了他们新的这个 AI 搜索 ， 然后根据这个 AI 产品榜的数据 ，3

月份 360 AI 搜索的上涨率是 1,677%， 是一个非常恐怖的数字 ， 对吧 ， 然后它为什么会涨那么多 ， 除了搜索本身 ， 更重要的是推了它推了新的 360 AI 浏览器 ， 那这个浏览器致敬了 AI 这一波的代表浏览器公司 Arc， 对吧 ， 这个以右左边的竖边栏为主要的这个交互方式的这种交互 ， 对吧 ， 那当然了 ， 就是 ， 呃 ， 国内的浏览器产品致敬 Arc 浏览器的也不是只

有 360 一家 ， 对吧 ， 别家也有 ， 我就不展开讲 。 所以你会发现 ， 嗯 ， 基于原有业务做 AI 改进这件事情特别的顺利成章 ， 看上去效果也很好 ， 对吧 ， 那需求端呢 ， 就是那个所谓的原生 AI native， 对吧 ， 然后大家无数次的讲过 ， 任何新兴技术的落地 ， 尤其在这个用户端落地 ， 可能往往发生在娱乐这个板块 ， 对吧 ， 那我们更细化点讲 ，

可能大家在期待两个大的板块在 AI 领域的尝试 ， 一块呢就是社交 ， 一块就是游戏 ， 对吧 ， 社交领域就不用讲了 ，AI 陪伴啊 ， 这可能是也是最近几个月很热的一个话题 。

我去我去 APP store 上搜搜了几个关键词 ， 我搜 AI 女友 、 虚拟女友 、AI 陪伴 ， 然后我可能找到了几十个看上去没有太多区别的 APP， 我我画了一张表放到我的 PPT 里啊 ，有些公司是用的自己大模型 ， 比如说像星野这种 ， 对吧 ， 背后是 MiniMax， 那绝大部分产品是很多是个人开发者 ，他可能接了一个大模型的 API， 做了一个壳就上线了 。

那很多人在探讨这类应用之间的区别到底是什么 ， 啊 ，AI 陪伴真的是一个真命题 ， 还是一个其实是在这个时间点尝鲜的状态 ， 到底这个事情能够跑到多大的量 ，因为 ， 呃 ， 开过年在美国传说数据量已经不太涨了 ， 用户量 ， 那国内这件事情的天花板应该是多大 ， 这个量级是否足够支撑成为一个平台应用的可能性 ， 都是问号 。

然后在游戏领域也一样 ， 我要强调的是 AI 游戏 ，不是游戏 AI， 游戏 AI 其实又回到了供给端 ，是降本增效的问题 ， 我们真的是在探讨可能在 AI 领域尝试游戏的 ， 就是 native 的 AI 游戏 。

然后我们更粗暴点来想 ， 我们能够把什么在游戏里的场景环节交给 AI 来做 ， 比如说我们把地图交给 AI， 那就是可能今天这个时间点 ， 绝大部分类似 LOLBOX、 蛋仔 、 圆梦之星 ， 呃 ，在尝试的想用 AI 的方式 ， 无论是全部 AI 还是部分 AI 的方式解决 UGC 生成内容这件事情 ， 嗯 ， 这是一个以最小的产品标界去实验 AI 的效果 ，并且因为这个引擎游戏的核心就是 UGC 的

地图 ， 它会直接影响你所有的留存商业化的指标 ， 所以它是最直接且边界最清楚的 AI 尝试的方式 。

第二种最常见的 ， 比如说把 MPC 交给 AI， 那这个领域可能是当前有最多第三方服务厂商提供类似服务的一个板块 ， 那其实大部分的大模型厂商也在做类似的功能 ， 典型比如百川是有的 ， 对吧 ， 那反过来讲 ，其实头部的游戏厂商自己在这个领域的尝试也都比较深 ， 比如说网易在逆水寒 ，在社交在它所有的核心的游戏里面尝试 AIP NPC AI 这个这个角色的这件事情

。 那再把什么交给 AI， 比如说我们把剧情交给 AI， 那把剧情交给 AI，其实跟刚才我们前面讲的 AI 陪伴 、AI 社交是类似的 ， 你会发现大家没有什么可卷的情况下， 都去卷所谓的剧情了 。

那为什么会卷到那去呢 ，因为考虑到当下的环境 ， 这些无论是游戏厂商还是社交公司自身的能力禀赋啊 ， 技能储备 ， 所以大部分都选择了这种双引号的路径依赖 ， 往这个方向卷 。

大家当然也希望 AI 能够帮助 ， 哪怕不完美解决 ，也能在一定程度上解决这件事情的效率 。 那最后还有很多人也在尝试把随机性 ， 或者说随机生成交给 AI， 那典型对应的游戏类别就是 Roguelike 肉鸽类游戏 ， 对吧 ， 那理论上确实是可行性最高 ，因为这类型游戏本身的游戏体量跟开发的难度也没有那么高 。

但是呢 ， 这里面有一个悖论是说 ， 这类型游戏所谓的随机性 ， 现在并不那么需要新的大模型来实现 ， 就是新的大模型来做这件事情 ， 看起来性价比不是太高 ， 对吧 ， 这可能是 ， 嗯 ，AI 游戏领域我们能够常见的一些项目 ， 我们再说叫 AI 游戏 ，不是游戏 AI。

然后在游戏这个板块 ， 我们再多深想一点啊 ， 就是也是大概上个月吧 ，Sam OpenAI 的 CEO 发了一个无头无尾的推特 ， 对吧 ，他发的是说电影将会变成电子游戏 ，而电子游戏将会变成难以想象的好东西 。

那他这个这句话 ， 当然可能是在讲希望用 AI 跟游戏的结合再往前踏一步 ， 对吧 ， 然后我们有一个稍微具象点的例子啊 ， 最近一段时间 ， 这个国内的做这个女性向游戏比较有名的厂商 ， 暖暖其暖暖的这个公司 ， 截止做了一个 3D 版的这个这个女性向的游戏 ， 叫恋与深空 ，也是一个恋爱养成类的游戏啊 ， 挺火的 ，而且数据表现很好 ，而且这种好不仅在国内好

，在东南亚 ，在美国 ，在欧洲表现都很好 。 然后它里面的这个主人公叫沈星回啊 ， 这个人的同人文现在应该是各大同人同人网站上最排名最靠前的内容 。

然后你会发现很多做这个领域的玩家也好 ，up 主也好 ， 同人文的创作者也好 ， 很多人开始探讨一个问题是说 ， 当真正意义上这个虚拟的人物有了 AI 的加持 ， 变得比如说有情绪的变化 ，有对语言的理解 ，有对所谓上上下文你跟他所有对话的记忆之后 ，他越来越像一个人类的灵魂

，由此引发的道德隐私 ， 还有什么其他的一些问题开始变得重要 。 那当然这问题特别的双引号的虚 ，但你会发现大家开始探讨这件事情了 ， 大家开始探讨 AI 陪伴也好 ，AI 伴侣也好 ， 未来是否是一个真正意义上的需求 。

如果是的话 ， 它跟现在的社交的需求 ， 呃 ， 你身边的所谓陪伴的满足的对象之间的关系 ， 它跟现实世界的伦理道德法律之间的碰撞 ， 我们似乎要到了讨论这件事情的时间点 。

当然我我没有办法展开 ，因为我也没有想的很清楚 ， 我只是把问题抛在这 。 对 ， 这是这件事情第一个问题 ， 就是刚才我们讨论都是第一个问题 ， 到底是供给端还是需求端 。

供给端看上去非常的顺利啊 ， 需求端很多的问题 。 那第二个问题 ， 到底是做模型还是做产品 ， 这个问题其实也在过程中有无数的人问过 ， 包括刚才我们讲最前面我讲到在小军采访广密的文章里面 ，他提到是说他问广密 ，他构建一下你眼中关键 AGI， 呃 ， 关键的 AGI 的登山路线图 。

广密的回答非常的简单 ， 两面 ， 南坡是模型 ， 北坡是产品 。

然后小军又问 ， 那 OpenAI 的方式是什么 ？ 广密回答说 ， 你看 Sam 的访谈 ，OpenAI 在做就是地球上最难的两件事情 ， 一个是 AGI 的模型 ， 一个是 Killer APP， 就是模型产品都要做 。

然后也是昨天我看到那篇软点采访 ， 呃 ，MiniMax CEO 的文章 ，其实也有两段讲到了这件事情 ，因为 MiniMax 也是一边做模型一边做产品 ， 对吧 ， 星野跟 Talkie 是 MiniMax 的 。

然后晚点的小军就问 ， 啊 ，不 ， 晚点的曼奇问 ， 那你们为什么不干脆只专注做产品 ，因为现在有很多开源的大模型也很好 。MiniMax CEO 严俊杰非常斩钉截铁的回答到 ， 核心原因在于对模型的理解 ，在今天这个时间点上， 基本上等同于对产品的理解 。

产品越往下做 ， 对模型理解肯定要越深

。他的结论 ， 那他为什么会有这样的结论呢 ？ 因为他这个产品他是最早做 Glow， 然后后来下架 ， 开始做星野跟 Talkie 的过程中 ，其实经历了很多的产品的打磨跟调整 。他说回头来看 ， 依然是严总说 ， 就是现阶段产品价值的来源 ， 核心还是你模型的性能跟算法的能力 。

这件事我们经历了好几次 ， 你可以做很多产品 feature， 就是功能 ，但你会发现 ， 几乎所有大的提升都来自模型本身的进步

。 然后在另外一篇文章里面 ，有一些关于 AI 产品的讨论当中， 有这样一段话 ，也是一个做 AI 社交跟陪伴类的产品的创始人写的 ，他说 AI 聊天类的产品模型交给了别人， 就相当于核心竞争力不在自己的手上 。

现阶段提升模型能力 ， 比做任何产品功能的补充带来的数据都更好 。 你会发现大家的结论是完全一致的 ， 这件事情可能是共识中的共识 。

什么意思呢 ？ 简单来讲 ，在当下这个时间点 ，AI2C 产品体验层的改进效率远远不及模型本身的改进 。

那引发了一个问题 ， 产品型公司怎么办呢 ？

我们看中国的这些在做大模型的头部公司 ， 无论是初创公司还是大公司 ， 我列了几家 ， 比如说智谱 、MiniMax、 零一 、 百度 、 阿里 ， 你会发现 ， 首先他们有一个类似 ChatGPT 的 Chat， 对吧 ，有智谱青年 ，有海螺 ，有万之 ，有文心一言 ，有同一千问 。

同时他们基本上都会有 agent， 就 GPTS 那个东西 ，有做可能很多公司会自己尝试做 AI 社交领域的尝试 ，AI 陪伴会做 AI 的 code 的代码的分析 ， 同时也会做多模态 ， 对吧 ， 会做图片 ， 会做视频 ， 会做音乐 ， 对吧 ， 几乎所有的主流的头部大模型厂商全部都做 ， 既做模型本身也做产品 。

那我们同样来看啊 ， 同样我再去引用今天量子位发这个报告 ， 我刚才讲过 ， 它对 AIGC 的应用进行了分类 ， 它有几种分类方式 ， 一类是刚才我们讲过的 ， 到底是 AI 原生还是 X 加 AI。

另一种化的方式 ，他画了这样画 ，他说应该有三类 AIGC 应用 ， 第一种叫自研基础大模型 ， 就是从零开始训基础大模型 ； 第二类叫自建垂直大模型 ， 就是在基础大模型之上使用含义的数据再训练 ， 微调之后形成垂直大模型 ； 第三类叫 API 介入 ，也就是说直接调用第三方的大模型 。

那从这三个分类来看 ，也就是说 API 调用的 ， 就是基本属于那些纯应用型的公司 。 那从数量上来看 ，以他所统计的 AIGC 的应用里面 ， 只做第三方接入的 API 接入的大模型 ， 这个 AIGC 产品只有 25.64，也就是 1/4， 剩余的 3/4 要么是自建的基础大模型 ， 要么是自建的垂直大模型 。

这就是当下时间点的状态 ， 数据是不会骗人的 。 那这然后同样在那张报告里面 ， 画了一张所谓中国 AIGC 的应用的全景图 ，他列了可能 100 多家相关的公司跟各种各样产品的 logo。

那现在状态是说 ， 我们确实在期待所谓的 Killer APP，但同时你发现 ， 好像已经有太多太多的应用了 ， 对吧 ，因为大模型厂商自己在做 ， 垂直厂商自己在做 ， 应用厂商也在做 。

这是第二个问题 ， 模型还是产品 。 第三个问题其实是我的一个报 ， 也是本来我想放在标题里的一个观点 ， 叫六个月 。

我先说结论 ， 为什么是起这个标题呢 ？ 六个月代表是什么 ？ 我觉得有四件事情差不多的时间周期都是六个月 。

第一件事情 ，VC 们决定开始看到把能投的相关的项目投完的时间周期 ，在中国大概是六个月 。 也就是说 ， 一个细分的小的领域 ， 从大家开始关注到形成共识 ， 把头部的其他公司全部投完 ， 六个月时间 。

第二个六个月是什么呢 ？ 就是美国那边阶段性证明有效的产品形态 ， 比如开户点 AI， 比如搜索加 AI， 比如说 Arc， 从他们被公众所熟知 ， 到国内有类似的产品批量上线 ， 大概是六个月 。

第三个六个月是什么呢 ？ 就是这些面向公众的产品 ， 从很小部分当中， 有一些会从默默无闻到突然间爆红 ， 比如像 Kimi 这种 ， 大概从上线到爆红 ， 大概可能也是六个月时间 。

再往后一步 ， 从上线开始运营到加运营啊 ， 加推广 ， 加各种各样的东西

， 再到决定放弃或者挂掉 ， 可能也是六个月 ，因为我们已经在一些产品上见到了 。 然后这句话也被验证是说 ， 同样是在晚点采访 MiniMax 的严总那篇文章里面 ，他有一句话是说 ， 这个行业如果有什么非共识 ，6-9 个月的内很快就会变成共识 。

这是我所说的六个月 。 那所以我们回头来看 ， 我们看整个 AIGC 的板块 ， 我们到底在哪个阶段 ， 对吧 ， 一个角度是说 ， 我们从这个实施的角度 ， 可能我们看一个新兴技术 ， 从技术到工程到产品到运营 ， 可能大概四个阶段 ， 对吧 ， 技术阶段我们确定技术的边界 ，但 AI 这一波很麻烦的问题在于 ，AI 大模型本身的技术在疯狂的演进 。

然后技术确定好边界之后， 我们再进行工程 。 那工程上很多我觉得就是踩坑的经验 ， 这是需要时间的积累 。

工程打磨好之后， 我们具体开始确定产品功能的定 ， 就是产品的边界 ， 就产品经理去平衡用户体验技术跟工程实现 ， 做出来可交付的产品 ， 到最后一步运营 。

那中国的运营 ， 可能是我们在移动化领域积这么多年积累的最核心的经验之一 ， 可能是我们最擅长的双引号的科技与狠活 ， 对吧 ， 那中国的我们看到的这些 AIGC 应用到底在哪个阶段呢 ？

当然可能每一个细分品类 ， 每一个应用的状态可能不太一样 ，但我们综合来看 ， 大概是哪个阶段 。 这是一种换方式 ， 我们到底在哪个阶段 。

还有另外一种方式 ， 就是从那个新技术的拓展的角度来讲 ， 就是从创新者到早期使用 ， 尝鲜者到早期大众到后期大众 ， 对吧 ， 就是大概那个过程 。

然后中间过程中有一个非常重要的部分 ， 就是从第二个阶段早期尝鲜者到第三个阶段的早期大众之间的那个鸿沟 ， 对吧 ， 大概这本书叫跨越鸿沟 。

那我们看中国的 AIGC 的应用 ， 跨越鸿沟了吗 ？ 这句话有另外一个底层的含义 ， 或者说是我的疑问是说 ，是不是只有跨越鸿沟之后， 才应该去上运推广手段 ， 科技与狠活 ， 包括买量 ， 还是说我们是需要通过科技与狠活去迈过那个鸿沟的 。

我也没有什么答案 ，但我体感上感觉来说 ， 可能我们还没有迈过那个鸿沟 ，但是我们已经提前上了很多的科技与狠活 ，而这种上科技与狠活 ， 某种意义来说是无奈 ，因为有人得到了好处 ， 你就要跟

。 最后最后一个问题 ， 关于投资的 ， 这原来可能是我最擅长 ，但其实今天在这个领域 ， 这件事情也没有那么重要了 。

我列了三个灵魂的问题跟两个关键词 ， 第一个灵魂拷问 ，AI 或者说 AI 的这一波的应用层的公司 ， 能算新质生产力吗 ？

这个词从去年 9 月开始非常的热 ， 对吧 ， 虽然没有人解释清楚是什么 ，但是它很热 ， 它符合政策 。

那 AI 应用算吗 ？ 这个标准在国资投资人心里能过吗 ？ 引发第二个灵魂拷问 ， 如果真的我们进入所谓 AGI 的大基建时代 ， 今天我们在中国的意识上只能指望国资的情况下， 政府真的哪怕要投钱 ，AI 的应用类公司接得住这种钱吗 ？

第三个问题

， 应用型公司 ， 我们不说大模型公司 ， 我们只说应用型公司 ， 退出的路径 ， 独立公司的细分领域的天花板 ， 这些问题是不是在今天这个时间点想都不能想

，因为只能一想一个不吱声 ， 对吧 。 那最近正好投中， 昨天还是前天 ， 发了一篇朱啸虎的文章 ， 提到两个我觉得很核心的关键词 ， 第一个关键词叫不下牌桌 ， 这是他对 VC 从业者说的 ， 我想也对今天这个时间点做 AI 应用类的公司提及 ，不下牌桌才有机会 。他在那篇文章当中， 朱啸虎提到另外一个关键词 ，也引发了很多讨论 ， 叫分红 。

分红的前提是公司要有利润 ， 可这件事情对于当下 AIGC 的 ， 尤其是初创公司而言 ， 似乎有些过于苛刻了 。

呃 ， 这大概就是我今天想跟大家分享的内容 。 然后我在准备内容的时候 ，其实刻意回避了一些某种来说可能是也很重要的问题跟命题 ， 比如说我没有提及海外市场 ，因为其实今天也有很多不错的公司在海外市场 ，在 AI 领域的 ， 尤其 2C 应用这一端得到了一些成绩 。

但是我想问的是 ， 海外的市场就不卷吗 ？ 外用户的订阅的习惯就那么好吗 ？ 以及是不是只适合一些偏独立项的小团队来做一些小的尝试 ？

海外第二个我回避到的问题是政策监管 。 嗯 ， 某种意义来说 ， 好说的下线 ， 可能是不是这个原因 。

然后今天所有的 AI 大模型跟算法生成的备案 ， 都是需要前置的 ，也就是说备案好了你才能上线 。 这个时间窗口对于很多公司而言 ， 虽然没有像游戏行业的版号那么长 ，但是依然是个巨大的成本 。

还有一点更现实的问题在于 ， 虽然今天我们看上去在国内政策上比较支持 AI 相关的东西 ，但是我们不知道这个东西什么时候可能会收紧 ， 对吧 。

第三一点 ， 我也没有提太多关于商业化的考量 ，因为所有人都今天都知道做收入 ， 可是现有商业模式看上去 ， 除了那些供给端的应用之外， 都比较难接 。

那投资又不行 ， 收入又难 ， 对于公司运营角度来讲 ， 我们持续走下去的路径到底是什么呢 ？ 那这些问题一列 ， 我发现哦 ， 我是不是又开始在渲染悲观情绪 ？

我觉得也不是 ，但都是现实的问题 。 优秀的创业者就是去解决这些问题的 。

啊 ， 这就是我今天跟大家分享的内容 。 啊 ，PPT 我会放在 show notes 里 ， 相关的引用的文章报告图表 ， 我也会都放在参考文章里 ， 大家有需要可以去自己下载也好 ， 看也好 。

好 ， 感谢大家 。