AI相关的发布会狂欢有时候会让人想到赵本山的“卖拐”。如果我们回想元宇宙的发展过程，你会发现这几乎和卖拐的过程一模一样。先是把一个科幻的概念结合新技术进展再包装，然后加大输出功率宣讲各种自圆其说的故事，然后扎克伯格扮演了范伟的角色？拐也买了（Facebook都改Meta了），可元宇宙在那里呢？

AI也有点这意思。

畅想有点多，应用有点少。

AI假如真的那么厉害，那能像互联网那样生活缺了就不行么，它的超级应用在那里呢？

一、致命的思维模式

从技术看应用和从战略角度看应用是两种要命的思维模式，要命的原因是这种视角下其实看不到超级应用，甚至很难看到有用的应用。

这里的常识性问题在于，AI再发展也不是整个世界的镜像，而超级应用注定在世界和它的结合处。

也就是说横跨两个领域才能造就新的超级应用，这就需要一种从外往里的视角。

技术视角正相反，从AI往外看，这时候看到的就是各种简化版本的可能性，看到的是骨架子，而没有血肉的产品怎么可能成为产品。与此伴生的就是纯粹自顶而下的战略型思考。

这其实是研究院的模式，研究院可以有伟大的开始，很少很少有伟大的产品是彻底的从研究院出来的。

这时候不要扯第一性原理，第一性原理是个起点，迷惑处在于它会让人觉得已经掌握世界的本质，然后被当成终点。

PC、互联网大潮刚过不远，可以简单回顾下。

二、PC、互联网的简单回顾

是施乐的研究院发明的图形用户界面，但是乔布斯、盖茨看到后把它变成了现在两万亿美金市值事业的根基。这两人做的到底是什么工作？

互联网基础设施相对完备后，国内是马云、马化腾等完成了它的切实落地，他们做的到底是什么工作？

反面教材反倒是Facebook，这公司早期崛起全是因为基本没技术含量的校园内的社交产品，后面一想发挥自己雄才大略基本就挂。第一次是APP的选择上，它们觉得应该还是H5类网页，然后为了善后大幅收购，包括190亿美金收购WhatsAPP。最近则是元宇宙，改名这事实在是决心下的够大，然后眼看着也是一地鸡毛，眼看是有点瘸了。

所以这个时候如果真的想去寻找AI的应用，真的不必太在意谁说了什么。

核心就是一点：回到现场去感受新技术，然后思考和实践它到底能干什么，形成体验的闭环。

三、回到现场

回到现场、建立自己的测试集，就会陆续看到很多新可能性。

现在有什么应用是过去不能做，现在真能做的了么？

过去我带队做产品的时候设想了大量产品，有的尝试过后限于当时的技术放弃了，但现在看起来有些产品逐渐可以了。

之前有个产品叫VIPKID，主打就是用外教陪小朋友练习英语口语。很多家长为了让小朋友练习英语口语应该都买过。后来则逐渐销声匿迹了，一说是因为运营成本过高，成本包括流量成本和外教的成本。

那是不是可以把外教换成AI？

用AI来做外教能做到什么水平？

过去的麻烦是如果是AI又必须用小爱同学这样的唤醒词，那整个交互过程就会非常蹩脚。如果不用唤醒词又没法区分到底那些是交互的内容，那些是周围的干扰。

不要低估这事，真实场景的交互因为环境干扰很麻烦的。否则也不至于地球上组织了几万聪明人，最终也还是只能选唤醒词。

现在好些，用模型在后端判断是否在和自己交互可能性变高了，这样就可以真的打造一种去除唤醒词的交互方式。因为这个场景不像Siri那么开放，相对垂直，免唤醒的交互方式成立的可能性在变高。

类似的，我们是不是可以打造一种真实场景下的妈妈讲故事。AIGC生成各种有趣的故事，用妈妈的音色放给小朋友听？

有人也许说，这东西我做过。

这时候就别学扎克伯格了。

而是回到现场，打磨细节。

交互真的流畅么，故事真的精彩么？

智能音箱上差不多把所有的这些都做过一遍，但现在那里变了呢？

上面这类应用如果仔细想想，就会发现这类产品起点都是源于对某种角色的置换。

妈妈、教师、女友…整个一个AI版的角色扮演。

扮演好一个角色，需要新技术，但画龙点睛的那一笔是要理解角色、理解感受。

所以这种产品先天和研究院模式、战略式的自顶向下思考是冲突的。校园社交网络这种创意为什么不是思科的人先做呢，他们显然更理解网络？意思差不多。

四、寻找超级应用

上面这种角色越多，就越可能造就新的超级应用。

举一个开脑洞的例子。

过去我们有一个产品大类叫UGC。

抖音甚至知乎都是这种产品。

那假如上面说的各种AI角色已经那里都是，那真的还需要UGC么?

为什么不是根据偏好判断直接产生内容？

当然可以保留社交属性，可那不是现在的这种产品形态了。

毕竟一多半以上的人，并不是内容生产者而是消费者。

如果AIGC的水平真的达到一定程度，那所有UGC的产品（包括搜索）其实都要重来。

现在没有，还是智能水平还不够。

角色重组，会导致新的应用形态。不能老盯着过去成立的产品。

回到切实成立的角色，加一点想象力来寻找超级应用可能更靠谱一点。

五、从以终端为中心到以智能为中心

仔细想想我们会发现，AI其实必然以智能为中心。

这和移动互联网很不一样，移动互联网基本上以手机为中心。

当然所有产品都会有端、有云，但以App为中心的移动互联网和以Web为中心的PC互联网其实游戏规则是不一样的。

移动互联网差不多把App重要度提到一个无以复加的程度。

手机这个端的重要性超过所有其它终端的数倍还多。

AI就不是。

chatGPT是不是APP就没有想的那么关键。

小爱同学这种产品是不是智能音箱其实也不关键。

这是什么模式？这是以智能为中心的模式。非要类比会更类似Web，而不是移动互联网。

这种模式决定了很多事，比如：

早期AI企业规模恐怕没互联网涨的那么快。

一定程度上除了小品类，恐怕也不会以手机为主战场。

不是不行，而是既有力量太强大。

以智能为中心的产品模式，需要找到自己的新立足点。

为什么强调这点呢？

因为我发现即使很有名的人也用互联网术语来描述AI。

DAU这些其实可以扔一扔了。

如果非要创造一个，我觉得适合用Value Per Role（VPR）。

我们对比过AI和互联网的差异，AI如果像我们说的那样是打深井，那就应该计量每口井的出水量。计量覆盖多大面积有什么意思！

六、智能的价值密度

之前提过一点智能价值密度这个概念，这次正好结合以智能为中心，再表述下。

就和矿有富矿和贫矿一样。

不同角色的智能成分是不一样的。

以能干为前提，AI不求矿多，求的是富矿。

度量贫富的就是智能的价值密度。一个情景里面智能占比越高，如果能做，AI实际效果越好，比如下棋。

反过来比如搬砖，那其实大模型这类智能的价值就没想那么大。过去的技术也就覆盖了。

所以AI核心是找的准。

这事并不难想明白。但思维惯性太大。太多人还是在老的模式下思考这事了。

很简单的问题，AI是烧Token的，如果100个人用，90个人每天问今天天气怎么样这类无价值问题，但它花的成本和有价值问题是一样的，这显然就会增加商业模式成立的难度。

假如我们还用互联网那个转化率漏斗，那大概率从点击率到成交率即使是符合互联网的漏斗也是不赚钱的，因为你成本高了。除非英伟达真的把这种Token生产变的和加减乘除一样便宜。互联网通过硬的基础设施（云等）、软的基础设施（缓存等）优化了这个地儿的成本。GPU显然比一般服务器还是贵很多。

怎么对冲这类发散导致的问题呢？

显然需要角色的精准。和以智能为中心的应用。

七、一点点方法论

典型的落地方法论其实叫由特殊到一般，再由一般到特殊。（大家自己查是谁说的）

也就是自底向上和自顶向下来回穿梭。

当试错成本低的时候，纯粹的感受派（自底向上）就会占绝对上风。但自底向上就看到机会容易，看不到跃迁的可能性。

当试错成本高的时候，战略派（自顶向下）就会占上风。但这容易看到框子，却看不到抓手和落地点。

AI产品正好要求变高了。这时候单一维度恐怕是不灵。先从角色开始，再有整体趋势认知恐怕更合适。

八、小结

AI这种纯粹硬科技驱动的事业会导致一种迷信，大家会相信一些似乎知道更多的人，但这很要命。冷静的人一定知道，这个时候大家都所知不多，最多知道一点方法的方法。这点方法的方法有点用，但真说落地的话，重要度远不如回到角色和感受。而如果回不到角色和感受，就会很容易变成科技界的卖拐。

专栏作家

琢磨事，微信公众号：琢磨事，人人都是产品经理专栏作家。声智科技副总裁。著有《终极复制：人工智能将如何推动社会巨变》、《完美软件开发：方法与逻辑》、《互联网+时代的7个引爆点》等书。

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。