定初柔

在AI熱潮席卷全球的當(dāng)下，國內(nèi)AI行業(yè)卻陷入了“看似繁榮、實則焦慮”的怪圈。模型有了，算力也有了，應(yīng)用卻始終難以落地，用戶體驗更是頻頻“翻車”。問題出在哪？是技術(shù)不夠強，還是方向走偏了？本篇文章將帶你撥開表象，直面那些被忽視卻至關(guān)重要的“真問題”——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。

海外和國內(nèi)AI上差異最大的點可能還不是模型的水平，而是真的沒應(yīng)用。這導(dǎo)致一個很可怕的后果：國內(nèi)AI整個生態(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，然后在最終用戶這里不閉環(huán)。

比如過去的電商是有生態(tài)的：

有人做云、有人做電商平臺、有人做供貨方、有消費者，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，鏈條上的每個人都可以有收益。

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

英偉達提供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，就會讓各個部分聯(lián)動，趨于良性發(fā)展，打破過去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…

要說什么最可能導(dǎo)致我們國內(nèi)的AI全面落后，我大概率會選這個。

為什么國內(nèi)的AI應(yīng)用更難

核心原因是我們必須跳過一個相對容易的階段，對業(yè)務(wù)更直接的進行端到端的整合（《無人公司》其實在寫這個新模式）。

AI現(xiàn)在做更好的工具在很多場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一個階段就必須說到SaaS。

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

問題是國內(nèi)沒有SaaS（不能說是0，但沒有海外那種規(guī)模的SaaS市場）。

在今天這個時候，我想做過工具和SaaS的人都需要面對一個特別殘酷的內(nèi)心拷問：

在國內(nèi)未來真的還會有SaaS么？AI對經(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，都不過是對墓碑的裝飾。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。

十年驗證的市場環(huán)境并不會有所改變，而技術(shù)條件在讓你失去議價權(quán)（大模型會讓SaaS的甲方更容易自研），這么個模式怎么可能不掛掉！

關(guān)鍵是SaaS的綜合度其實是低的，所以是容易的。

放在一個公司的背景里面，SaaS總是解決一小塊問題，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的復(fù)雜度一定小于完成整個公司業(yè)務(wù)。

現(xiàn)在復(fù)雜度低的這部分沒有商業(yè)價值，那就必須直面業(yè)務(wù)的復(fù)雜度，所以說是必須跳過一個階段。

端到端業(yè)務(wù)整合

《無人公司》這書其實寫的不是有人無人，而正是我們必須面對的這種高復(fù)雜度場景所帶來的挑戰(zhàn)。

最近我在《無人公司》相關(guān)的演講里，一直在提到一個關(guān)鍵問題：我們的價值創(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超過往。

這可以在各個行業(yè)找到對比，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這項目說起來也不復(fù)雜就是把下面這樣的一個貨柜完全用AI進行經(jīng)營，包括進那個貨，賣多少錢等等：

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

拿它和電商平臺對比，明顯的自動化程度又提高了一截，是AI在經(jīng)營這家小店，而不是單純的構(gòu)建個平臺，誰買東西我?guī)湍阏蚁隆?/p>

所以相對于過去的電商平臺或者電商平臺上的網(wǎng)店，它性質(zhì)上不是一個東西。

而電商平臺和過去的百貨比其實也是有進步的，它把分發(fā)和交易的很大一部分依賴算法完成了，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-電商平臺和網(wǎng)店-上面的Vend放在一條演進的路線上，你會發(fā)現(xiàn)什么呢？

價值創(chuàng)造的主題越來越往硅基進行轉(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的最大的時代背景，也是《無人公司》想要說的事。

太多的書在講大模型是什么，怎么寫提示詞等等了。而我們其實更應(yīng)該關(guān)注什么是在國內(nèi)能夠跑通的AI模式，否則更可能在擁抱AI的時候錯過AI，恰如互聯(lián)網(wǎng)的時候提供做網(wǎng)頁服務(wù)的。

抑制復(fù)雜度提升

因為SaaS這事兒的徹底涼涼，我們就沒有機會處理低復(fù)雜度的場景，必須上來就爬陡坡，處理高復(fù)雜度的場景。（傳說中的喜馬拉雅山脈北坡）

當(dāng)然這時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。這時候本質(zhì)含義是什么呢？

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

仔細看就會發(fā)現(xiàn)，在這樣的體系里面業(yè)務(wù)知識和AI是無縫融合的。也就是說必須完整的了解業(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帶來的難度，顯然挑戰(zhàn)更大。

最近哈佛商業(yè)評論發(fā)了篇名為《李寧數(shù)智化：和數(shù)字店長一起開晨會是怎樣的體驗？》的文章（下圖來自這篇文章），從中我們就可以清楚的感受到這套系統(tǒng)的復(fù)雜度遠超過去的SaaS。

大家可以想想是這樣的系統(tǒng)復(fù)雜還是單點的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）的進展來吞吐這種復(fù)雜度，這時候典型問題顯然是：AI其實不好用，現(xiàn)在的水平解決不了這個復(fù)雜度的業(yè)務(wù)。

這時候怎么才能削減復(fù)雜度呢？

如果我們認(rèn)為復(fù)雜度來自于兩個來源，一個是業(yè)務(wù)內(nèi)生的，一個是向后兼容導(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，顯然是很幸運的。

不過即使找到了，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？說來有趣，GleanCEO的簡歷是可以查到的。

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

抽象來說就是你產(chǎn)品涵蓋領(lǐng)域的復(fù)雜度提升，反過來就會要求操盤的人對復(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)單擅長經(jīng)營的CEO恐怕操盤不了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)在新體系因為價值創(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)

在國內(nèi)做真的AI應(yīng)用顯然更難，反倒是做項目相對簡單依賴的技能和過去也差不多，但依賴它顯然不能解決斷鏈問題。

如果沒有真正的應(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。

再夸張點說，中美的AI競爭一定是長期競爭，長期競爭恐怕不取決于一城一地，而取決于生態(tài)是否足夠良性。

所以這是真的問題。