Deep Dive
Shownotes Transcript
我觉得过去这两年所有做应用的人一个比较痛苦的状态就在于发现技术的想象力是很大但是它可落地的场景和能力是非常缺的
即使今天技术停滞 10 年应用也有足够可以做的事情换句话讲今天在应用上面的进展是远远落后技术上面的进展的如果企业没有办法数字化的话你用不了 AI 你自己的知识没有沉淀的话你用 AI 的效果非常差品牌不只是故事消费不只是选择欢迎走进换房的品牌消费官
哈喽大家好 欢迎回来今天这期节目是和科技早知道的串台这个和之前的内容是有点不同的这期我的身份回归到科技公司的本职工作和大家聊聊 AAR Agent 的相关内容希望大家喜欢下面我们会进入正片内容
Hello 大家好欢迎来到我们今天的 What's Next 科技早知道我是丁教代言那 2024 年被许多人称为是 AI agent 也就是智能体的爆发元年 2025 年一开年更是这样出圈的 Manus 了加上我上周其实在 GTC 上面看到了差不多一多半的 AI 创业公司全都是在做 agent 的
那 AI 正从语言模型迈向了真正能帮助个体当然以及企业做事的这种智能系统那尤其是在零售行业从投放到客服从门店到数据后台其实 agent 已经开始渗透到每一个角色点那今天我就请了一个这个方面的一个专家来跟我们讨论这个话题那这个专家就是友赞的联合创始人兼 CEO 换访 Leo 他也是这个播客品牌消费官的主播所以我想今天跟他聊聊
这一场范式的转移是不是旧世界的 SaaS 的这个终结 Hello Hello LeoHello Hello 大家好非常高兴能做客 科技早知道经常听你们的节目 Leo 你自己最近有在用什么 agent 吗这个太多了其实虽然我们在播客世界的这个身份好像是大部分在跟品牌商和零售商在打交道但实际上日常的工作里面其实大部分是科技公司的工作
那最近半年应该是非常非常大的比例的这个时间都投入到了对 AI 的两方面一个是研究怎么做 agent 另外就是在学习和研究底层的技术吧就看各种其他的 agent 产品是吧
我们也在做然后做的过程当中也在看然后整个变化非常的快所以这个过程当中的思路也经常在迭代对感觉每周都有新的想法和变化对
其实我知道友赞其实在 2022 年就有这个推出过一个叫 Jarvis 的一个 AI 的系统是吗然后其实你们是蛮早入局 AI 就 all in AI 的这个大潮的然后特别是在我我应该是 23 年底看到白鸭他有过一个这个演讲他其实在讲到一个案例就是很多你们的客户是在准备什么年货节的时候然后可能会经历的一波比如是
把高管聚起来然后我们在讨论怎么样先是定方向然后怎么样去做不同的 campaign 然后整个是回去不同部门又调研整个这个过程非常的繁琐然后非常的低效这种是现在的所有的这种商家他们的一般的模式吗这个是他们的实际在运营当中的一些痛点吗
我觉得可能从我们的视角或者包括我个人的经验上来讲就是我们可能在技术能做什么与今天应用场景需要解决什么问题这两端当中我们肯定是从后者出发的就是因为接触和服务了可能中国和全世界可能数十万的各种各样的品牌商家零售商家线上的线下的
然后他们在做各种经营模式那我们原来的业务也都是在服务他们在这个里面的一种工具属性嘛对吧所以可能对他们的经营场景和需求是比较了解的那你刚刚讲到的其实就是一个典型的就是在电商的场景要准备年货节因为基本上今天中国的这个电商都绝大部分是被节日驱动的一个节接着一个节对吧所以相当于就是一个营销的 campaign 接着另外一个营销 campaign
这个过程当中大家是怎么组织的那是一个非常典型的场景这是个大家日常工作的过程当中的一个做法所以我们可能考虑的就是说怎么样基于今天的商家视角大家的经营的状态
然后他们所需要花费的组织的资源和能力我们来去看说过去两三年的技术包括 AI 的发展能解决什么问题其实的确讲到可能我们关注这个事情是的确非常早因为最开始的时候是我有很早的时间去美国当时在疫情还在疫情当中就比较机缘巧合的一个状态在那边看了一些 AI 的公司那会儿应该
GPT 的 3.5 还没有发布也远远没有今天这么火然后当时就从一个应用我们算是一个应用开发者的视角意识到了说技术是在非常快速的突破的当时还有 Jasper 这样的应用是非常火的后来回来我们就在想能做什么很快 ChatGPT 就发布然后很快在第一个春节就出圈就火掉了
对但是可能我觉得过去这两年所有做应用的人一个比较痛苦的一个状态就在于发现技术的想象力是很大但是它可落地的场景和能力是非常缺的整个这个过程就是大家都 struggle 在里面可能直到去年就 24 年的下半年开始
大家就突然意识到随着这个摩星的智能能力的提升我们在数个场景里面在美国都看到了就是弊端的应用开始成熟然后开不能说成熟吧就是开始跑完了 pmf 然后开始能够在相对比较肥沃的美国的这个 2b 的市场能够快速的去 go to market 能够被市场验证所以可能这也是过去大半年可能整个大家无论是在忙应用还是在忙 agent 就是觉得
有好多事情可以做的一个特别大的背景其实你刚刚讲到天然的还是有一个中间的一个 gap 咱们做技术的和商家实际的应用两边的 PMF 也是最近才找到的我不知道能不能具体的来说一说比如在哪些方面可能是我们本来想象的其实是商家需要的然后后来其实商家并不需要然后后来其实有一些是不是有这样的一些具体的例子可以跟我们举一下
肯定有很多这样的例子但我可能先从一个我的理解结构上面来讲为什么会有这样的一个过程其实这个地方首先是要回答说我们原来在做什么或者说全世界的软件 software 这样的一个行业从应该八九十年代开始后来到云计算到 SaaS 云端的软件它到底在解决什么问题我们今天认为软件其实就是各种各样的工作流的最佳实践的赋能所以软件本质上是工具
它的更底层其实就是一堆数据库加一个我们讲 GUI 基于图像的这样的一个 UI 交互的界面这些 GUI 的交互界面其实是构成了非常多的功能或者叫工具然后人需要熟练的掌握这些功能把它拼凑在一起完成一个工作流然后完成他自己的目的
就是它的 input 和 output 是非常非常确定的所以大家就接受了这样的形态就像我们在买各种起子扳手电钻一样所以这是我理解软件就是这样的一个形态那今天 AI agent 到底是在解决什么问题呢它最大的创新就是它是有智能能力的那智能能力包括了很多我们都可以谈所以它带来的结果和变化就是说它可以帮人完成工作能够交付结果
而不再是一种工具所以这个是一个我理解非常大的我们说理解这个事的框架从这个角度来讲为什么过去两三年大家在这个当中会被卡住包括最近一年能够带来很大的提升就是因为今天我们看到的很多场景无论是这几个月最火的携带码包括在美国什么法律客服等等等等
这些场景其实应该在两年前 GPT 出来的时候大家就想到了这种场景应该是可以做的但实际上一直不太能够完整落地直到最近的半年到一年原因就在于说从想象上来讲它的智能上限是一定能够达成的
只是时间问题但是从交付结果的角度来讲就像自动驾驶一样你这里面的 bad case 你这里面的成功率到底有多高然后怎么样在一个商用的场景里面在一个可能特别大的用户量的情况下它是稳定的可预期的或者不稳定的部分
不能够解决的部分我们用什么样的方式来比如说转人工也好比如说是和人更好的交互协作也好能解决然后这个地方其实智能能力是一个很大的瓶颈随着最近这一年其实智能能力的提升就能看到它的 PMF 能够更快的跑通
我觉得大的背景是这个样子的所以如果回到我们自己的这个状态上面来讲那我们可能就看到举个例子就比如说今天商家还是你刚刚讲到的这样的一个营销 campaign 的这样的一个场景开始的时候可能我们想象中的就是这样的一个过程可以完全交给 agent 来去完成但事实上这个地方是包含了很多的工作的
从我怎么去规划一个营销的活动我觉得我规划营销活动的目的是我发现了什么经营上面需要改善的地方然后我的目标和现状的差别到我第二步能制定行动的方案和策略
然后再到第三步我怎么去执行方案去配置去完成到第四步我怎么去监督我怎么去跟踪这样的一个执行的结果到最后我怎么去总结和复盘其实你会发现说整个这个过程它是一个比较长的工作链条而这个长的工作链条里面其实涉及到的角色和智能能力是比较多的在最开始的时候其实显然这些能力是
不能够完全被 AIcover 掉的所以你就需要去设计这个产品是能有大量的人的交互但这显然是一个过度的产品就我们大家也知道那随着智能能力的提升它会在每个点上都能够加强它的能力那今天其实还不能够把我刚刚描述的这个场景完整的做完
但是它可以在里面的非常多的垂直的模块都能够闭环掉了所以我觉得这个地方大家的挑战就是在随着你的技术设施和智能能力不断提升的时候你的整个产品的结构是不太稳定的那你不断的再去调整这里面人参与的比例然后你需要有一些提前的预设说未来技术会发展成什么样智能能力会发展成什么样子然后你需要先把产品做成一个
等在那等着的这样的一个状态这样才有可能能够跟上技术的进步吧我觉得整个大体是这样的一个问题对现在我们其实是有一个大的方向和大的目标然后现在就是基于 AI 能够做到什么样的东西现在这个技术的条件下面我们先把它分开做然后可能以后我们有一个大的框架我们再达到最完美的状态
对我觉得大体是这样这可能应该不只是我们一家的问题我觉得全世界的 SaaS 公司可能都在这个 struggle 的过程当中我们看到说在 B 端的应用里面最近这一年多的进展比较快然后主要针对的一个人群大家讲叫 Persumer 就 Professional Consumer
就为什么是针对这样一个人群可以去做商业化而不是在针对更大规模的企业呢其实原因就在于说从个体的角度来讲你是可以接受有人帮你就是提高了智能的上限或者帮你提高了工作的效率他做错了这件事情你自己可以从个体的角度你可以负责你可以兜底但是今天如果这是一个组织行为特别是特别大量的公司这种一种组织行为
大家就没有人为组织行为负责没有人为它兜底所以在给大型企业去售卖的时候是首先想的它要是出问题了怎么办这就导致了一个很尴尬的现象就是说今天你需要给中大型的企业做应用的时候大家都是在通过降质就是降低智能这样的做法来增加它的确定性
那这样做被另外一件事情挑战了就是模型的智能能力在快速的提升就像前天发的这个 GPT-4O 的这个图片的这个生成这样的一个模块就很典型的就是大家费了很多的功夫去降质然后把确定性提高然后过三个月之后大模型一升级就把你之前所有的努力都颠覆掉了所以这就是一个可能过去两年大家都在就从应用层的角度来讲被冲击的这样的一个现状对
对那一般来说 2B 的这种特别是 SaaS 这种销售应该是比较缓慢的过程我知道有一项什么 SAP 他们可能得一两年才能这个搞定一个客户有的时候这个销售过程是很长但是现在技术的迭代对你们来说做这个产品就会很难以去设计然后很难以去销售现在是这样的一个痛点吗不一定是指你们就是你看到的行业在做 agent 的这些人
在描述清楚现在的现状之后我觉得乐观和积极的人在找解决方案因为你要相信它最终一定是能解决的只是我们先搞清楚我们在一个什么样的状态和环境里面我觉得其实还是非常明显的能看到一代一代的产品的形态在往前去演进的我觉得在 AI 出来的时候的整个第一代的产品我都把它称之为叫 Copilot
那 Copilot 其实就是一个个人助手那个这个个人助手呢他应用了大语言模型的语言对话的能力交互的能力那这个层级上面就已经带来了一大波整个产品范式的优化和革新我们具体讲就是说以前整个 GUI 的界面是相当于通过就视觉视窗的这样的方式把一堆功能排列组合在一起然后你需要自己去建立工作流
让工作流完成你的任务所以相当于这工具摆在那你可以用它来干各种各样的事但是有个很大的前提条件就是第一这个工具它的易用性要很强第二呢你自己的技能要很强你能熟练掌握去创造这样的工作流对吧那这件事情带来的一个挑战就是说我们讲所有的软件产品最终只有一条路让它不好用就是你功能太多你功能越来越多它越来越难用这就是一个必须经历的这样的一个路那
今天如果我们用 Copilot 的方式就很大幅度的解决了这个问题因为你可以把所有的功能都埋在底下把数据也埋在底下你只要通过 Copilot 的方式通过语言对话的方式把你的需求表达出来它就能够帮你去调用底层的能力能够创建一个工作流来解决你的问题这个是第一波大家在做的事情它也是显著有价值的这是第一个
第二个就是说我如果把它称之为 2.0 的状态就是我们看到了说大约模型它是有思考能力有推理能力有计划的能力的所以它是能够把刚刚的工作流再往前推一步理解你为什么要做这个事情你背后真实的需求是什么
非常能类比人在工作当中的一个状态我们刚刚讲的这个工作就相当于我已经制定了工作计划我也制定了工作的任务和目标我接下来怎么干这个就是通过交互的方式优化了一步对不对那第二个阶段就是我再往前推一步说比如说我的上级交代了我一个任务或者我自己定了一个目标我这个目标怎么样到计划上这个时候其实本质上这个角色是一个我们把称之为咨询顾问吧
是一个 consultant 是一个 advisory 他其实是在做分析的工作就是他从一个目标然后做大量的分析然后最后变成了一个计划那这件事情其实大家可以看到从最近无论是 deep researchdeep search 还是包括上个月 manners 等等就是说其实大家是把咨询顾问这个行业或者这个角色
通过 AI 去实现了这个地方的效果可能还有很多的争议特别是在垂直领域但是它的方向是确定性的这个时候其实就可以把工作流往前再延伸一步说如果我们能在每个垂直场景比如说我们的电商也好我们的线下的门店的零售也好包括我们想做的一些营销的场景也好能够把它的需求能够直接转化成一个具体的可执行的这样的一个经营建议
那这件事情叠加就前面 1.0 的那个事就是把你的这个建议这个方案变成一个自动化执行的东西那这两段它就结合在一起相当于整个产品的价值又往前迭代了一步我觉得这是 2.0 的状态但我们今天已经非常明确的能够看到 3.0 的状态是什么样子这个 3.0 的状态就是今天的 1 和 2 都还是人在参与
但我们知道说今天 agent 是有智力的他是可以决策的当然这个地方分小决策大决策这里面有很多的循环人在真实的一个过程当中其实是不断的 back and forth 去跟自己的上级去确认这个目标确认是不是可以这样做的同样 AI 也是一样是不是可以在 3.0 的状态下面把一些简单的工作流它
从为什么这样做到决定怎么做到做的过程中碰到问题怎么解决处理都能够让他自己闭环通过去搭建就是相当于从 planning 到使用 tours 这样的一些结构上的分层可以在他自己在这个循环里面不断的去探索这个出路来解决任务和目标我觉得这是一个大家已经显然可以预见的这样的一个场景所以我觉得就是说从这样一个结构来看的话
我们至少基于今天的认知会认为可能在每一个阶段里面都有很多的价值可以做对所以这也是我觉得整个海外的市场是百花齐放的原因因为其实每一段价值都是新增的价值都可以重新去做一遍但这些事情都只发生在过去两年的时间里面对
所以刚刚听起来其实是我们现在在 1.0 迈向 2.0 的这个过程当中然后在不同的模块我们其实已经可以做一些 AI 化的产品了但是怎么样把它不同的流程串起来这个可能是现在我们正在让它去做然后再到无监督的自动不用管理的这个其实是可能未来的几年才会发生的事情如果总结一下的话
我认为大体是这样甚至我们如果看整个行业的话在一些比较通用的领域里面可能比如说讲 coding 应该是进展最快的领域可能大家已经在就就科兹这样已经在迈向第三个阶段了就是让他自己再自行的决策了所以现在就如果是对零售领域可能最容易被解决的或者是我们现在品牌生家已经在买单的是哪些功能这么看这个问题啊
有几个特点能够让它是最早实现的第一个就是它是一个大量重复的劳动然后第二个就是说它的整个工作流是比较稳定的输入和输出它的指令和它的做事情的方式是比较稳定的其实还是大家能想到那些几个场景最容易实现第一个可能就是我们讲整个客服
对吧然后第二个可能就是大家做制作内容做内容当然内容就场景就稍微复杂就是可能有你是做评宣的做营销的做流量的包括去中心化的 KOL KOC 的这样转发的可能它的不同的内容形态它都是不一样但是实际上做内容的生产肯定是可以做的另外可能大家还会看到的就是可能比如说
具体一点的直播的这个数字人直播下面的评论回复包括店铺的运营投流广告等等这些领域也已经开始有更自动化的场景和产品来兑现了那你们自己呢对
对我们其实基本上是会 cover 比较全的整个这个场景吧就是因为我们在梳理这个事情的过程当中会把整个品牌商的他的一个完整的角色和完整的工作流都梳理下来就比如说我刚刚讲到一个经典的工作流是从经营分析的洞察到改善
到行动方案到方案配置和建议自动执行最后总结复盘这是一个工作流对不对这里面涉及到的角色可能就包括了市场营销内容设计电商的运营包括整个销售和服务和最后的门店的导购这样的场景在这些场景里面我们原本本来就是原来的 SaaS 产品就是在这里方的一个
我们可能把它称之为核心业务系统我们首先可能要做的就是把这个过程能够我们把它叫全托管自动化的运行能让这个店铺可能从以前大一点的团队三五个人五个十个十个二十个人的运营可能能变成只需要有一个人去跟他确认交互因为今天没到 3.0 的状态对吧就是人还需要控制力来去完成让这个店铺的经营能够自运行对吧这是第一个
第二个我们其实是在往上下游去延伸看就是他们的上游可能是比如说流量的来源内容的设计内容的营销往他的下游可能是客户的服务就是跟客户之间无论是通过 IM 还有对话或者说是电话这样的场景能够去跟客户去做对话这样的场景里面是不是也可以通过 agent 的方式来去服务客户所以基本差不多就是这样的一个结构吧对
应该是去年你们做的年底的那个做不内卷的生意然后确实是有品牌在问到你们这个东西怎么收费万一不赚钱怎么办然后你们的回答是你不赚钱我们就不收费你们这个还挺霸气的这个回答现在是这样的一个状态吗这个大家赚钱了吗
我觉得我们在一些具体的 case 上面是在跑的而且是跑的还挺顺利的比较显著的能够看到的是两个方面一个就是在工作效率的提升上面比如说什么商品的上下架发货调库存等等这样的场景里面或者说包括自动化发内容这样的一些场景里面以前可能你要做三个小时六个小时的工作现在五分钟能完成这样的案例是非常非常多的
然后第二大类其实是我们相当于帮助做了人做不到的事情比如说自动化的发现了很多的商机我们举一个具体的例子就比如说以前你可能会要设定一个策略去找我们讲比如过去 30 天访问店铺没成交的人
然后这件事情你是可以通过什么人群圈选使用一大堆工具然后把这个人给捞出来然后你再针对他去做什么营销的活动等等的然后这肯定不是个单次的行为它是个长期持续的行为对吧
所以这可能就是这样的一个做法就导致了说它始终有瓶颈就可能只有一定规模的商家有稳定的运营人员他才可以去完成所以我们在推进这样的事情的时候可能总是就是说比如 10 个商家里面有一两个在做而且做的好的还是只是当中的一部分比例
但是今天如果通过自动化的方式就是它可以覆盖到全部的商家然后无论这个人是一个人还是一百万人就是这样符合这样特点的人它可以在每天 daily 的方式就可以推送给你如果你一开始确认好对他的行为的话整个这件事情是可以自动化运行的就是说人做不到指的是在一定规模之上人才能做得到
它有效率的问题不然就不值得做但是今天其实因为当智能能力提升之后但是智能的成本是比人便宜的便宜非常多所以它就可能在这种常位的场景里面就可以去兑现以前人不会去做或者做不到的事情
所以你们自己在内部比如说是有这么多新的底层技术出现像是之前 DeepSeek 出现有 Inference 这些新的模型出现然后包括最近有这个 MCP 然后有多 Agent 这样子的新的模型出现你们自己在怎么考量或者迭代这些技术呢
我首先是有个态度了这个态度是最近应该大家比较普遍流行的说法叫干中学嘛要相当长的一部分比例的这个时间再去快速学习对就是理解他未来可能会是什么样子这个我觉得是无法避免的可能还是在这个过程当中要去构建你觉得未来什么形态是相对确定一点的
这个是我们刚刚其实已经谈到了可能至少从我今天的认知来讲它的有一点阶段性的这样的发展然后在这样的阶段性的发展的时候我们可能是基于现在的场景和需求包括想做的场景和需求去判断去找到一个路径去判断当下的
用户接受的程度和今天不是今天应该说是接下来三到六个月甚至更长一段时间技术可能发展到的状态然后去做一个组合我觉得框架上可能就是这个样子所以讲具体一点就是说今天包括接下来相当长的一段时间我觉得通过 mcp 的架构然后用 mart agent 的这样的方式我们其实也有过去几个月已经有比较早的时间就开始再去实践和去设计了能够组装出来产品可以
把某些场景里面的工作任务可以从最开始的规划 planning 然后到自动执行能够完成掉我觉得这是一个相对比较确定接下来在做的事情对
这就是有什么新的好的工具我们就用什么新的好的工具先把这个框架搭在这里所以是 adapt 新的这个技术我觉得在这个地方其实多讲一句就是说我觉得一个做 application 的人我觉得现在其实是有一些争议的特别是我觉得 Mannus 发了之后大家会主流的舆论可能是会更
value 底层的技术创新这肯定是没有任何问题的对但我自己个人会觉得就是任何一个技术的发展都有它非常典型的阶段从最早期的它是一个顶供给驱动的就是谁能发明和创造这个技术谁的价值更大到第二个阶段就是说这样的技术被 early adopter 和更广泛的人群快速的去拥抱到第三个阶段就是技术会和其他的技术组装在一起
变成一个更贴近用户的产品能够在真正的成熟的市场被应用这是一个典型的任何新技术就是引入这个世界的时候的一个见闻和方式那我会觉得就是说其实今天我们在底层就不是今天过去三年在 AI 技术上我们在底层技术上面的创新其实是迭代非常非常快的我经常跟朋友会讲说即使今天技术停滞 10 年应用也有足够可以做的事情
换句话讲今天在应用上面的进展是远远落后技术上面的进展的所以其实今天市场上不是缺好的 AI 技术而是缺好的产品能够解决问题好的产品怎么来解决问题它就是需要
Bridge 今天真实的用户需求和此时此刻或者叫接下来一段时间技术能够把它扛办在一起交付一个好用的产品能够解决用户问题的产品给用户所以我觉得这个地方其实是是价值非常非常大的但是可能我觉得当下是有一些声音被压制的吧对对对
我非常同意我觉得确实是大语言模型已经变成了很标准的商品或者是我们把它叫做水电系统其实这几个大的语言模型你随便用哪个其实大家现在都大差不差像你讲的怎么样能够做到每个细分每个行业其实都能够被 AI 重新再做一遍我觉得这个其实是主旋律了特别是在今年我觉得可能在下半年会能看到非常好的一些应用吧
其实 Manus 出来之后我觉得一半人是很帅的一半人其实是叫好的
你自己怎么看 Manage 呢我们因为认识他们也挺长时间了然后跟他们也有好多的交道在他们做上一个公司的时候我们还谈过很深的业务的合作但我觉得是个很棒的团队但我尽量中立和客观点来只是谈论产品本身的话首先我还是非常认可的我觉得其实这样的架构和产品交互的形态应该在过去的几个月里面已经被想象到了
但是大家普遍认为可能 Devon 算第一个然后 Kurza 也在往这个方向去演变 Manus 其实是不管是通过什么方式出圈至少让大家看到了说这样的交互形态把它放在产品上面解决用户的问题我觉得这是它兑现了所以我觉得不管兑现之后解决问题的程度有多少
我觉得这是一个见仁见智的问题至少就是说这显然是整个 roadmap 上面的一个非常明确的节点所以从这个角度来讲我觉得它一定是有很大的价值的这是第一个第二个就是我觉得工程上的创新其实也是很多的就是今天可能大家只是在开源的场景能够看到很容易去浮现但事实上
其实都没有人能百分之百的付现因为没有人知道里面的工程细节和工程创新有多少这个事情的道理其实就像是你说造一辆车容易不容易我们讲用另外一些行业来比喻今天你要造一辆车花个几百万美元在意大利你想做什么车都行法拉利也好多库的车也好都可以只是造一辆车就很容易对不对但你要造一辆量产的车就卖 10 万块
这是两个完全不同的工作所以这里面有大量的工程的技术的创新我当然不是说 Manas 已经有可能到这个程度这我不是一个准确的评价的角色但至少我是觉得就是在工程上的创新是被 undervalued 的
我们现在聊一聊可能还有一些潜在的一些 AI 在落地方面的问题你刚刚讲其实我们还是有一段路才会到 3.0 是不是还有一些在整个零售行业领域的 SaaS 其实是有很多不同的环节的像刚刚您讲的然后会不会有很多像这种数据的孤岛就比如说这一部分只是用这些东西然后你没有办法跟另外一个部分来去互相来连接起来
对 是的我觉得可能如果我们谈到具体的在零售品牌的企业里面的落地的话的确是有蛮多的问题首先我们自己肯定是在中国接触了非常多的或者说是最顶级的这些品牌商 零售商然后我去年在美国看的时候 Salesforce 它也有非常多的品牌零售的客户因为基本上就是这个世界上应用新技术最快的除了科技行业以外
可能像品牌零售因为它涉及到跟消费者之间的互动就是一个比较 early adopted 的行业它当时也举了一些什么迪士尼这样的一些客户和案例但我们如果真的进去去看的话可能我自己觉得是现在有几个困难是大家在想办法克服的第一个就是说我们开始提到了今天的 AI agent 或者是可预见的未来相当长的一段时间的 AI agent 它在 Presumer 的层面是推广比较顺利的
然后呢在写代码为主的这样的场景里面是它的价值创造是比较大的但是在其他的岗位其他的角色包括在可能能为组织一定量的组织上面去提供价值上面来讲它的
供给侧我觉得是还没有足够成熟和好用的产品或者还有很多创业公司包括我们自己在努力去创造和交付这样的产品我觉得这是挑战也是机会这是第一个然后第二个我觉得从用户为一个工具买单到为一个结果买单这样的 message 它是一个范式的变化我自己的感觉在中国就是说绝大部分企业都没有做好准备
去习惯使用我觉得大家已经通过包括春节的这一波 DeepSick 大家都知道了 AI 不是个玩具 AI 真的很厉害所以这个没问题但是大家对于组织行为上是不是能大规模广泛的去使用这样的 AI 产品来完成自己的企业内部的工作流其实是还在一个适应的过程当中
可能海外特别是美国的中大型企业接受程度会广泛一些因为他们整个我们知道 2B 的市场是成熟很多繁荣很多对于新技术的使用也是艰难很多的但是在中国就是比较典型的状态特别少的大型企业从 CEO 开始
这就典型的是一个 CEO 工程他在驱动底下的团队去使用但实际上是阻力非常大的就我已经听过不止一个这些 CEO 的朋友就是跟我讲说他们非常想推然后他们觉得能干 12345678 底下的团队觉得啥也不能干大家都觉得在自己内部推行非常困难想绕开这个内部团队怎么能够去实现就我已经提过很多这样的这个案例和故事了
我觉得其实还是因为缺乏成熟稳定可预期的产品所以企业作为一个企业软件怎么样能够让企业最后买单是让企业认知到这个 AI 产品它的稳定性 应用性 低风险性这还是得看老板什么时候能把这个意识或者整个企业能把这个意识给转变过来这个还需要一定的时间这个可能是最难的事情比技术上来的还要更难一些
对我觉得这是现实但是可能从我的角度来讲反而觉得是很大的机会或者叫其实是很有信心的了就是因为首先要认识到世界的客观规律就是这个样子就
我们讲云计算大数据这些事情可能在 12 年 13 年就已经不算新技术了可是到 22 年 23 年还有好多人在尝试推广就人的意识它就是一个缓慢的过程这是这个社会的组织形态所以今天这个应用的厂商就是在完成这件事情
它就是有方法有路径但是它就是需要时间这就是大家的机会从这个事情上来讲应该更乐观而不是说天天会被这个技术的包括大模型的这个智能能力提升和迭代就会觉得非常非常焦虑我觉得智能迭代再快也不解决人类接受它的缓慢这件事情我这么看对所以这个地方你会看到有人有意思的创新比如中国为什么搞这个 DeepSync 一体机
这就是很有趣的很有趣的这种创新就是你不是担心这个担心那个吗对吧那我也不解决你的担心但是我先放一台机器放在你的办公室里这至少大家接受了 DeepSync 还挺厉害的我先放在机器放在能干什么咱们再慢慢琢磨这就是一个非常典型的就应用创新也许是过度产品对
我们刚刚聊到其实这个 B 端的这个接受很缓慢我不知道有没有说是在 C 端的这边的用户他们的这个接受度是怎么样了是哪一些产品现在是 C 端能够直接感受到他们是在跟 AI 在沟通或者进行一些互动的
我是这么觉得其实我们如果把不是把人而是把角色分成 B 端和 C 端场景的话就是说今天每个个体啊他都是有他在吃喝玩乐的场景和他在工作的场景而不是分你是一个人还是一群人我们不这么分只是分场景的角度来讲我觉得显然是在工作的场景 B 端的场景他发挥的价值更大这个原因是因为 AI 是一个生产力工具
所以它肯定在生产的环节它的效率提升是最快的价值是最高的在 C 端的场景你是一个被生产力服务的这样的一个场景所以说它当然也有变化但我觉得典型来说是这样只是我们刚刚谈了很多在工作的场景里面你是一个个体还是一个组织的时候因为这样的意识的转变可能需要时间才带来一些困难但是今天在 C 端的场景其实大家用的就是我理解最多的行为就是 chapel 嘛
然后来做 search 这个基本上就是全世界应该现在可能有接近 10 亿 DAU 了可能这样的场景这也是今天被广泛认为是 OpenAI 最大的价值他们今年能不能做到什么 10 亿 DAU 的这样的产品还有就这个应用在各种垂直细分场景里面的一些演绎就比如说垂直的什么交易平台社区社交什么之类的这是第一大类
我觉得第二大类可能就是大家把它当做就是 general 的 AI 可能就是在所有的娱乐的场景无论是视频游戏大家都在努力的去突破就是从所谓的千人千面到一人一面及时生成的一人一面基于你个人的消费者的特点从供给端可以生成你自己玩的游戏你自己喜欢看的视频你自己喜欢看的图我觉得这个应该是一个也是在
实践阶段可能还没有能够被 deliver 出来但我相信可能在接下来一年里面应该是能看到这样的应用的让我这个设想一下就比如说是可能我在某一个网站上面想要买合适我的东西那我看到的 campaign 可能它只适合我个人的这个诉求它的这个 campaign 可能跟其他的人就完全不一样这个是未来的 3.0 的状态吗
我觉得我自己那个 123.0 的分法是站在供给的角度站在就是组织这个生产力的角度的分法我觉得站在消费者的角度是不会这么分的消费者的角度只关心新体验是不是比旧体验好就消费者绝对是用脚投票的就是他并不觉得说这个范式就比老的体验一定好而是你需要做到就我反过来挑战一句正常性
针对你个人的 campaign 就一定比规模化的 campaign 优惠力度更大更好吗其实未必是不是对吧所以其实这是一个非常 tricky 的问题了就而消费者其实背后只关心是不是有更好的体验所以我觉得这是 C 端应用上面的一个核心解决的问题就是你怎么样利用新的技术的创新和进步能够给消费者带来更好体验
而不只是说就是 deliver 了一个他觉得很酷的东西对我觉得可能到时候可能得分行业就比如说是最近我在计划我的抗衰营养品的过程当中我让 Jackie 去帮我规划了但我是非常希望比如说他了解我的个体的需求同时因为可能在营养学上面这个是可以被定制化的然后我的 AI 知道我喜欢什么那再 talk to
商家的时候那我可能这些我就不用重新再跟对方再交流或者重新再搜寻我的东西了他就把过去的这个什么人货厂的这种关系就完全打翻了
对所以我觉得在比如说我比较熟悉的整个零售交易就是卖东西卖服务和卖东西这个领域里面我的确是觉得包括我自己也在实践就是说在个性化服务上面它的空间是比较大的因为个性化商品或者个性化 campaign 这个事上其实
它是路径它是手段它不是目的我会觉得在实物零售这个视角上面来讲提供个性化的产品才是有价值的个性化的内容只是就如果我们用内容营销的角度个性化的内容只是为了帮助更有效的卖产品
我觉得不是说没有价值也有价值但它不如个性化的产品来的有价值就比如说今天我们已经能看到说有些 T 恤上面的 logo 你可以通过 AI 自己设计然后你就生产一件然后你就卖了他就能买给我对吧那这样只要生产能力是具备的柔性化生产能力是具备的然后再加上这个过程当中有一个好的应用来
deliver 给你那我觉得这个是有价值的对吧这是个性化的产品然后个性化的服务也是有价值的就刚刚提到了因为它的成本降低了所以我能被以前 serve 的更好以前可能根本就没有人服务我特别这件事情在海外肯定是有价值的因为海外的人工成本是会比较高的然后还有就是说如果我消费的就是内容那我个性化的内容肯定也是有价值的我玩游戏在看短视频看长视频看图文这些今天的这个社区
这些社区平台它其实都是在建立在应该是一个有限供给的情况下怎么样组织把有限的供给匹配给理论上的无限人群如果未来的供给是无限的情况下整个匹配方式会发生很大的变化所以我觉得这些角度肯定是很有价值的
我觉得
我觉得这事是一个挑战但是就是代表我个人对这事的看法就是你刚刚讲的三种这个商业化的方式是一个渐进的过程从订阅到按用量到最后按效果来付费我觉得是个渐进的过程它表征着你交付的东西是不是能真的为结果买单
然后今天从个人角度我是非常相信 agent 最后是能为结果买单的今天事实上我不觉得我们最终一定能消灭得了幻觉或者说交付一个百分之百可预期的东西但是你只有为结果买单你才可以为这事负责出了幻觉出了问题我来承担好处结果上面来讲也可以按结果来去付费然后从用户的角度从企业角度这样的方式也更接受所以我会觉得首先从
我们把它叫定价的方式上面来讲我是非常坚定的认为最终的结果一定是按效果卖单今天我们看啊就是比如说像
OpenAI 他们出了那个什么两万美元的什么 research 的一个月那个订阅大家觉得非常非常贵对不对然后他为什么觉得贵就是他是按人工时定价的其实那个就已经是在介于用量和效果之间了因为相当于招了一个人你招一个人的目的是什么你心里是有预期的这个人可能给他六个月时间他是要产出什么东西的所以他已经接近按效果来去付费了只是说你不能把一个科学家的工作那么按效果来去衡量和定义嘛
所以我是觉得这个是我认为非常确定的第二个就是说可能从中国海外的角度来讲我知道就是说可能这个市场上一个比较主流的声音就是我们要坚定的做海外的市场就是这个中国土壤太贫瘠了那我们就这个作为在这个土壤的这个贫瘠的土壤上面努力耕耘公司来讲这个的确也是深有感受啊
但我是觉得可能最近这几个月大家看到中国在 AI 上面的进展无论是底层技术还是应用上面其实都不像前两年认为的那么落后其实是有很多自己的创新的然后今天我们也看到整个中国企业在出海的事情上面是非常激进的
我觉得存在一个以中国的最佳实践为蓝本然后辐射全世界的这样的形态无论是消费品是这样我认为今天所有的企业服务都是服务实体经济的都是服务就当然从我们的角度来讲是以消费品为主来在全世界来去经营的所以我会觉得我们可能短期不一定能改变得了就是中国市场的规模
它是一个发展的过程,但我们能影响的是中国的企业,或者是中国人创办的企业,中国人有影响力的企业在全世界的份额,所以我觉得这是一个明确的机会吧。那如果我们不展望这个未来三五年了,就比如说我们就看今年,你有没有一些觉得确定会发生的事情?
我想一想这种容易打脸的问题我想一想我就仅限于先谈说在我熟悉的领域里面可能的一点看法或者叫预测吧第一个呢我是相信今年在无论是中国还是在硅谷都肯定会看到一批新的以 Multi-Aging 架构为核心的能够解决数个场景的问题的
垂直的 agent 发布和被一定用户的或者叫出圈吧被一定的群体来广泛的使用能解决某个具体场景的问题效果还不错我觉得这应该是可以预期的第二个呢是我觉得在很多的垂直的角色上面
就是岗位和角色上面都能够预期说 agent 是可以和人媲美能够交付结果能够解决问题的第三我是认为在就比如中国的企业客户的视角里面我觉得会出现一批特别领先的企业他们无论是通过用最好的三方的工具三方的服务
还是说有一部分他们在自己的主要的生产过程当中去用 AI 的技术来去相当于构造一个 AI 时代的企业我觉得这应该是会有这样的案例出现而且这地方可能说不好是新公司还是老公司就比如说在消费品的领域里面是不是有机会出现 AI native 的 consumer companyconsumer brandAI 原生品牌
就一个人把全公司的事情全都干了对对对我觉得这是有很有可能的我们其实已经我有听到过一些这样的案例了对
可能不一定是一个人但是可能也就是几个人而已对对就可能我觉得人数少还只是这当中的一部分原因我觉得是就 mindset 就是这样的一个理念和这样的理念在他面对他的消费者的时候创造的价值我觉得那个部分如果被放大了才是更有趣的这样的案例所以最后一个问题就是你觉得这个是旧世界 SaaS 的一个终结吗
我觉得它是一个升级迭代这是一个范式的转化我不认为它是一个句号和另外一个新的篇章其实原因是很大的一个看法和原因是因为这都是在巨人的肩膀上往前走而不是另起炉灶
我们可以看到企业的就简单说如果企业没有办法数字化的话你用不了 AI 你自己的知识没有沉淀的话你就用 AI 的效果非常差今天就是越数字化的企业在上一个时代里面从用户视角在上一个时代里面用工具用数字化的东西能力越强的企业积累了越多知识数据的企业一定是在下一个时代最有机会不一定一定是你但是最有机会
拿 AI 释放最大价值的所以它这显然是一步一步往上走的是一个有明显的递进关系的这样的一个阶段所以我会觉得说它是一个范式的转换它是一个升级这是站在用户视角你要站在供给的视角来讲我觉得最终一定还是各有千秋一定有传统的我们把今天姑且叫传统的软件的企业升级革新也会有新的公司出现
我觉得最后肯定是个百花齐放的过程我并不认为是哪一种路线最后会赢对也会有 AI 原生的公司出现但我们最后肯定不会说是旧世界的 SaaS 中间这个有点太标题党了
好的那我们今天节目时间也差不多了谢谢 Leo 今天来做客我们的科技早知道也期待在今年看到更多更加优秀然后能够少幻觉好用的这个 AI 面试吧好谢谢 Leo 好谢谢谢谢拜拜