琴虹影

在AI熱潮席卷全球的當(dāng)下，國(guó)內(nèi)AI行業(yè)卻陷入了“看似繁榮、實(shí)則焦慮”的怪圈。模型有了，算力也有了，應(yīng)用卻始終難以落地，用戶(hù)體驗(yàn)更是頻頻“翻車(chē)”。問(wèn)題出在哪？是技術(shù)不夠強(qiáng)，還是方向走偏了？本篇文章將帶你撥開(kāi)表象，直面那些被忽視卻至關(guān)重要的“真問(wèn)題”——關(guān)于產(chǎn)品、關(guān)于生態(tài)、也關(guān)于我們?nèi)绾握嬲煤肁I。

海外和國(guó)內(nèi)AI上差異最大的點(diǎn)可能還不是模型的水平，而是真的沒(méi)應(yīng)用。這導(dǎo)致一個(gè)很可怕的后果：國(guó)內(nèi)AI整個(gè)生態(tài)是斷鏈的。

什么叫斷鏈？

形象講就是算力干算力的、模型干模型，然后在最終用戶(hù)這里不閉環(huán)。

比如過(guò)去的電商是有生態(tài)的：

有人做云、有人做電商平臺(tái)、有人做供貨方、有消費(fèi)者，這樣就把互聯(lián)網(wǎng)的技術(shù)完整和商業(yè)體系融合了起來(lái)，鏈條上的每個(gè)人都可以有收益。

現(xiàn)在AI上在海外這個(gè)正反饋鏈條差不多跑起來(lái)了，至少在我感知比較清楚的B端，事情已經(jīng)相對(duì)比較清楚：

英偉達(dá)提供GPU、模型公司提供基礎(chǔ)設(shè)施、應(yīng)用公司提供融合了AI的SaaS、B端的公司獲得效率。

一旦生態(tài)形成正反饋，就會(huì)讓各個(gè)部分聯(lián)動(dòng)，趨于良性發(fā)展，打破過(guò)去10多年AI發(fā)展的貔貅魔咒。

如果不閉環(huán)，那就得靠投資，現(xiàn)在哪有那么多投資…

要說(shuō)什么最可能導(dǎo)致我們國(guó)內(nèi)的AI全面落后，我大概率會(huì)選這個(gè)。

為什么國(guó)內(nèi)的AI應(yīng)用更難

核心原因是我們必須跳過(guò)一個(gè)相對(duì)容易的階段，對(duì)業(yè)務(wù)更直接的進(jìn)行端到端的整合（《無(wú)人公司》其實(shí)在寫(xiě)這個(gè)新模式）。

AI現(xiàn)在做更好的工具在很多場(chǎng)景智能水平大致是夠的，但整合完整服務(wù)這背后的挑戰(zhàn)就大了。

而要回答為什么必須跳過(guò)一個(gè)階段就必須說(shuō)到SaaS。

SaaS可以看成是AI最容易發(fā)揮效力，馬上產(chǎn)生商業(yè)價(jià)值的領(lǐng)域。

問(wèn)題是國(guó)內(nèi)沒(méi)有SaaS（不能說(shuō)是0，但沒(méi)有海外那種規(guī)模的SaaS市場(chǎng)）。

在今天這個(gè)時(shí)候，我想做過(guò)工具和SaaS的人都需要面對(duì)一個(gè)特別殘酷的內(nèi)心拷問(wèn)：

在國(guó)內(nèi)未來(lái)真的還會(huì)有SaaS么？AI對(duì)經(jīng)典的SaaS是利多還是利空？

如果足夠理智，雖然很痛苦還是要回答：

經(jīng)典SaaS這事肯定死了，不管你在上面扎多少管子，擺多少鮮花，都不過(guò)是對(duì)墓碑的裝飾。所謂交付結(jié)果從我角度看也就是多扎幾根管子，但擺脫不了藥醫(yī)不死病的客觀規(guī)律。

十年驗(yàn)證的市場(chǎng)環(huán)境并不會(huì)有所改變，而技術(shù)條件在讓你失去議價(jià)權(quán)（大模型會(huì)讓SaaS的甲方更容易自研），這么個(gè)模式怎么可能不掛掉！

關(guān)鍵是SaaS的綜合度其實(shí)是低的，所以是容易的。

放在一個(gè)公司的背景里面，SaaS總是解決一小塊問(wèn)題，所以它處理的復(fù)雜度注定是低的。處理招聘的工具所要面對(duì)的復(fù)雜度一定小于完成整個(gè)公司業(yè)務(wù)。

現(xiàn)在復(fù)雜度低的這部分沒(méi)有商業(yè)價(jià)值，那就必須直面業(yè)務(wù)的復(fù)雜度，所以說(shuō)是必須跳過(guò)一個(gè)階段。

端到端業(yè)務(wù)整合

《無(wú)人公司》這書(shū)其實(shí)寫(xiě)的不是有人無(wú)人，而正是我們必須面對(duì)的這種高復(fù)雜度場(chǎng)景所帶來(lái)的挑戰(zhàn)。

最近我在《無(wú)人公司》相關(guān)的演講里，一直在提到一個(gè)關(guān)鍵問(wèn)題：我們的價(jià)值創(chuàng)造主體一直在發(fā)生遷移。而AI這次遷移的徹底程度可能遠(yuǎn)超過(guò)往。

這可以在各個(gè)行業(yè)找到對(duì)比，這次我們倒敘，先用最近Antropic的ProjectVend做例子。理解了這種遷移也就理解了端到端的業(yè)務(wù)整合。

Vend這項(xiàng)目說(shuō)起來(lái)也不復(fù)雜就是把下面這樣的一個(gè)貨柜完全用AI進(jìn)行經(jīng)營(yíng)，包括進(jìn)那個(gè)貨，賣(mài)多少錢(qián)等等：

雖然很不幸，給了它1000美元的啟動(dòng)資金后，它經(jīng)營(yíng)不善破產(chǎn)了。但它的模式和過(guò)去已經(jīng)很不一樣了：

拿它和電商平臺(tái)對(duì)比，明顯的自動(dòng)化程度又提高了一截，是AI在經(jīng)營(yíng)這家小店，而不是單純的構(gòu)建個(gè)平臺(tái)，誰(shuí)買(mǎi)東西我?guī)湍阏蚁隆?/p>

所以相對(duì)于過(guò)去的電商平臺(tái)或者電商平臺(tái)上的網(wǎng)店，它性質(zhì)上不是一個(gè)東西。

而電商平臺(tái)和過(guò)去的百貨比其實(shí)也是有進(jìn)步的，它把分發(fā)和交易的很大一部分依賴(lài)算法完成了，包括你要找什么、物流的狀態(tài)等等。

所以如果把2000年前的百貨-電商平臺(tái)和網(wǎng)店-上面的Vend放在一條演進(jìn)的路線(xiàn)上，你會(huì)發(fā)現(xiàn)什么呢？

價(jià)值創(chuàng)造的主題越來(lái)越往硅基進(jìn)行轉(zhuǎn)移。

做到后面就是基于AI的端到端的業(yè)務(wù)整合（不一定是端到端的模型）。

這就是我們所要面對(duì)的最大的時(shí)代背景，也是《無(wú)人公司》想要說(shuō)的事。

太多的書(shū)在講大模型是什么，怎么寫(xiě)提示詞等等了。而我們其實(shí)更應(yīng)該關(guān)注什么是在國(guó)內(nèi)能夠跑通的AI模式，否則更可能在擁抱AI的時(shí)候錯(cuò)過(guò)AI，恰如互聯(lián)網(wǎng)的時(shí)候提供做網(wǎng)頁(yè)服務(wù)的。

抑制復(fù)雜度提升

因?yàn)镾aaS這事兒的徹底涼涼，我們就沒(méi)有機(jī)會(huì)處理低復(fù)雜度的場(chǎng)景，必須上來(lái)就爬陡坡，處理高復(fù)雜度的場(chǎng)景。（傳說(shuō)中的喜馬拉雅山脈北坡）

當(dāng)然這時(shí)候還是可以從改善或者新建中選擇。

既有公司很難把現(xiàn)有一攤子事完全扔了，徹底重來(lái)。這時(shí)候本質(zhì)含義是什么呢？

每個(gè)想改善的人都要建設(shè)一套比Glean這個(gè)現(xiàn)在估值到70億美金公司產(chǎn)品還要復(fù)雜的產(chǎn)品。

仔細(xì)看就會(huì)發(fā)現(xiàn)，在這樣的體系里面業(yè)務(wù)知識(shí)和AI是無(wú)縫融合的。也就是說(shuō)必須完整的了解業(yè)務(wù)和AI才可能完成這種改善，缺哪條腿都是萬(wàn)劫不復(fù)。

數(shù)字化我們整了10多年大概是九死一生，現(xiàn)在好，還增加了AI帶來(lái)的難度，顯然挑戰(zhàn)更大。

最近哈佛商業(yè)評(píng)論發(fā)了篇名為《李寧數(shù)智化：和數(shù)字店長(zhǎng)一起開(kāi)晨會(huì)是怎樣的體驗(yàn)？》的文章（下圖來(lái)自這篇文章），從中我們就可以清楚的感受到這套系統(tǒng)的復(fù)雜度遠(yuǎn)超過(guò)去的SaaS。

大家可以想想是這樣的系統(tǒng)復(fù)雜還是單點(diǎn)的SaaS復(fù)雜。

而這種復(fù)雜度往往是業(yè)務(wù)內(nèi)生的，如果是改善真的只能硬抗，靠技術(shù)（包括AI）的進(jìn)展來(lái)吞吐這種復(fù)雜度，這時(shí)候典型問(wèn)題顯然是：AI其實(shí)不好用，現(xiàn)在的水平解決不了這個(gè)復(fù)雜度的業(yè)務(wù)。

這時(shí)候怎么才能削減復(fù)雜度呢？

如果我們認(rèn)為復(fù)雜度來(lái)自于兩個(gè)來(lái)源，一個(gè)是業(yè)務(wù)內(nèi)生的，一個(gè)是向后兼容導(dǎo)致的，那削減復(fù)雜度的核心方式就只能是不向后兼容。

這并不在所有領(lǐng)域都成立，但如果能找到，顯然是很幸運(yùn)的。

不過(guò)即使找到了，肯定也還是比純粹做工具復(fù)雜。

所以就回到我們的標(biāo)題：國(guó)內(nèi)做AI應(yīng)用的難度肯定被低估了。

技能集

什么技能集適合做上面這種產(chǎn)品呢？說(shuō)來(lái)有趣，GleanCEO的簡(jiǎn)歷是可以查到的。

這哥們是長(zhǎng)期做架構(gòu)的，真做架構(gòu)的人往往是個(gè)大綜合，對(duì)業(yè)務(wù)、技術(shù)等都要有所了解，然后能把他們有機(jī)捏合在一起。當(dāng)然現(xiàn)在還得加個(gè)點(diǎn)：得對(duì)AI有所了解，畢竟AI的技術(shù)特性和傳統(tǒng)的軟件技術(shù)棧完全不一個(gè)事。

抽象來(lái)說(shuō)就是你產(chǎn)品涵蓋領(lǐng)域的復(fù)雜度提升，反過(guò)來(lái)就會(huì)要求操盤(pán)的人對(duì)復(fù)雜系統(tǒng)的認(rèn)知和駕馭能力提升。純粹的科學(xué)家或者不理解技術(shù)單擅長(zhǎng)經(jīng)營(yíng)的CEO恐怕操盤(pán)不了Glean這樣的產(chǎn)品。

在以人為主的體系里最關(guān)鍵的角色一定是管人的，現(xiàn)在新體系因?yàn)閮r(jià)值創(chuàng)造主體的遷移日趨就需要更了解人、AI和業(yè)務(wù)的人。如果是極端值，也就是無(wú)人公司，那恐怕了解AI和業(yè)務(wù)就夠了。

這是另一重新挑戰(zhàn)。

小結(jié)

在國(guó)內(nèi)做真的AI應(yīng)用顯然更難，反倒是做項(xiàng)目相對(duì)簡(jiǎn)單依賴(lài)的技能和過(guò)去也差不多，但依賴(lài)它顯然不能解決斷鏈問(wèn)題。

如果沒(méi)有真正的應(yīng)用生態(tài)，AI的發(fā)展則必然是不可持續(xù)的。2010年開(kāi)始我們用十多年證明了這事，就不要再證明一遍了。

再夸張點(diǎn)說(shuō)，中美的AI競(jìng)爭(zhēng)一定是長(zhǎng)期競(jìng)爭(zhēng)，長(zhǎng)期競(jìng)爭(zhēng)恐怕不取決于一城一地，而取決于生態(tài)是否足夠良性。

所以這是真的問(wèn)題。