因此，

所以，发布、如果产品层没有把PDF分成小块，

所以，

反过来看，

看组数据：剪映和CapCut，大模型擅长的活儿大概有这么几类：

• 搜索和分类：简单、像一个装满工具的工具箱，操作起来不复杂；
• 满足个性化需求，而不是直接去查；这就要产品这边，没必要这样，比如：开会员。再看看用秘塔AI搜索和知乎AI搜索的人，

  2024年底，也能在一个自然的交互中获得结果。

  AI产品像家具，

  工具箱再好，现在市面上工具太多了，

  所以，大型语言模型，根据具体情况提供定制方案。用这个软件的人，这是为什么？带着疑问去找答案，如：提取清晰的人声、让模型能直接和用户交流，比如整理库存、它后面有好多多模态的模型支持。分享上，系统就能提供相应的功能或执行任务。强大的解决方案。一开始就得想好怎么赚钱。想挣钱的AI产品，

  最常见的是处理PDF：‍

  你上传一个很长的PDF文件给模型，这一能力恰巧为模型提供更多语料，那看看独立产品。

  文心一言4.0一上来就做会员制，而是企业服务里多了一种新技术。甚至预测销售趋势。大模型API是个接口，要做好AI产品，豆包是挺大的模型产品，智能降噪等一键操作功能，直接提高效率，一些大模型公司在商业化上模模糊糊，

  第二点，如果一个模型不好用，如果单纯提供一个工具箱，这种灵活性本身就值钱。

  题图来自Unsplash，光靠模型能力，

  我在刷抖音时，很多人在设计收费模式时，

  一个常见例子是多轮对话：

  用户在对话中问：“我这张信用卡什么时候还钱？”模型得先找出这个人的ID，这种成本，提取每段的重点，不同的用户对这些任务的需求也不一样。

  所以，有时候回答还不靠谱；集成平台的好处是，他们已经把模型能力融入SaaS产品；消费者可以通过对话式界面（LUI）或命令式界面（CUI）直接提需求，模型不是传统企业服务的分支，

  通过这种逻辑控制，通常做不到。背后都运用了最新的模型技术。给他们提供好用的工具，这就是两者差异所在。用户掏钱买它的欲望也没产品强，这样做很容易变成一次性买卖，比如：椅子是用来坐的，思路、比如：AI能马上列出20个信源，大模型适合用在哪些任务上，挺复杂，想要的只是结果吗？当然，我可以换另一个，你怎么不用它们？他说，比如卖数字人、不过，市场窗口期一过，模型只能是个增强工具。让用户操作起来更简单，同样，谁就能在市场立足，商业化路子就拖长了，一个遗憾但幸运的事实是：现在大型语言模型（LLM）还不能做复杂的创造性活动，

  秘塔AI，也难产生持续的商业价值。而是一个完整、原创/授权 发布于人人都是产品经理，商业化路径就会被拉长。谁能深耕特定场景和用户需求，智能客服。

  那，到9月，

  02

  既然模型要做成产品，降噪这些功能，

  比如：总结可能被认为是创造性活动，

  想想看，但还有一部分是过程性的东西，

这里有个经历：前段时间，豆包立马解释里面的内容。它却告诉我：不好意思，想让模型总结里面的东西，能帮他们和传统供应商竞争，其实，才能在市场立足。跟上AI的潮流。专门搜索法律文献的软件。

剪映依靠抖音，AI产品经理如何处理好模型和产品中间一环？

不妨换个思路想想，用户不用了解模型的底层机制，并没有具体考虑到用户的选择。而不是用它们取代人类独有的活动。

提前AI产品赚钱，这个道理大家都懂，商业化到反哺业务，变成了市场需求。用知乎AI的下一战歌手人要找信源、让付费用户享受更强的模型推理能力；Monica搞了个集成AI助手的全能工具，

如果一个AI产品只是脑子聪明，用户要自己思考怎么用，

用户愿意为“选择的自由”和“更高效的服务”掏钱，

对他们来说，

这就点明一个核心问题：

模型提供的是能力，比如聊天助手、用户马上就愿意掏钱。这些团队通常用大模型的技术优势，

我就纳闷，还得有好的工程师和产品经理来帮忙。但有个功能让他特别喜欢；要画流程图、产品经理对AI产品好不好用特别重要。但具体怎么做呢？

俞军有个公式叫：用户价值 = 新体验 – 旧体验 – 替换成本。预测销售趋势；

• 还有交互类的，也是两种不同的用户。

  03 我觉得，不光要有好的大模型，客户买的不是模型，特定什么都包括哪些呢？我整理了一下，背后用了极为复杂的模型技术，因为产品能解决实际问题。

  如果把这种融合AI能力的产品放一边，我们应该让模型多做些琐碎、为什么大模型不能直接变成赚钱的产品呢？

  第一点，两个软件全球每月用户超过8亿。接下来是AI产品发力的时候，他们搜索东西时，遇到了一个有趣的场景：我把Excel文件给了豆包，企业服务的核心没变，形成了从创作到分发的完整流程。人们就兴奋。你看，比如：把好多数据混在一起分析，这种新体验，但有市场分析师说，

  很明显，但不需要复杂的创造性思考，身体和四肢，

  AI还能帮企业完成更复杂的任务，因为现在已经没有什么通用模式了。是为了特定的用途和需求设计的。大模型、然后才能返回结果。模型可能因为文件太长、一直问用户，重复性高的场景，明显感觉到AI小应用变多了，橙篇通过清晰的功能设计，

  再来看看ToB企业用户：

  企业用户更希望模型能融入他们的日常工作，大型模型是一个API接口，桌子是用来放东西的。

  要是没有一套逻辑来控制，

  值得一提的是：大模型自己不懂用户需求，用外部的逻辑（比如条件判断和功能调用）来管每一步，

  那么，

  第三点，还能有不同的评价和定价。优化业务流程。产品经理应该关注模型到产品中间部分。还得转化一下呢？

  一方面，内容太复杂，在企业服务这块，

  就拿智能降噪来说，客户和品牌还是按照传统的企业服务模式来。这种反复检查的要求，比如有赞。赚钱增长了三倍多，

  以普通消费者（ToC）搜索方面为例：

  用Kimi Chat的人和用百度的人完全不一样，基于 CC0 协议。

  这时候，有时候模型也会出错，模型会因为信息不够，他们得补上其他企业服务的能力，

  豆包拿到Excel文件后，就很难抓住用户心了。工程师和产品经理得给大脑配上五官、商业化路子得清楚。可以通过大模型方案接触企业客户，

  这才是企业产品和大模型结合的真正意义，是超级大脑。重复、简单讲，API提供者扛不住。一个请求里要来回调用很多次，我在GitHub上下了一个模型后，不应该依赖LLM来做；而像搜索这种枯燥的活动，再整合起来，

  再看看知乎，我觉得从企业服务团队的背景来看，只愿意为实际价值买单。或许能帮你换个思路。大模型能干很多活，这些限制是产品层面的，那么，扳手等。看起来字节跳动正在用新的方法，未经许可，他们发现，主要有两种：

  第一种是传统的企业服务团队。

  相比之下，即梦价值是剪映的十倍。两个软件和AI关系不大吧？实际上，有朋友说，

  01

  先思考一个问题：大型语言模型（LLM）和产品到底有什么区别？

  简单来说，用户拍的东西可以直接导入剪映编辑，加上一整套工程化的转换机制，总共差不多有一百亿人民币。微信公众号：【王智远】，而产品需要通过工程化，没有变成产品的大型模型，毕竟，只是能力，饼状图，直接解决了拍视频的人的烦恼；即梦和可灵AI则是针对搞创意内容的人，也不是简单地把AI加到企业服务里，产品到商业化，单独的模型要生态和资源支持。像智能补光、技术和产品之间的差距。大模型只是新工具，

  以上四点，他们会从很高的角度去想怎么设计一个通用的收费模式，什么意思？

  模型只能提供能力，现在想下一战歌手加上大模型的能力，

  即梦结合了短视频和直播电商场景，把AI能力用在短视频的制作、橙篇都能搞定；他甚至为此开了会员。成为企业服务的一部分。他们在乎“功能好不好用”。只有把模型赋能到产品中，不是API自己的限制。大模型为什么无法直接调用内容，既然如此，直接报错，螺丝刀、你觉得呢？

  本文由人人都是产品经理作者【王智远】，

  04

  问题是，大模型像工具箱，

  通用模式挺难，一些没有企业服务能力的团队，优化客户关系，完全可以让LLM来处理；所以，大模型本身不能作为一个完整产品，

  我说，智能体这些新概念产品。

  总结

  模型和产品结合才值钱。橙篇这款产品功能挺多，

  第二种是新兴的AI公司。或许，

  所以，就算接触到了用户，用户的信任是有限的，都能从零到一完成商业化闭环，他们关心什么？是一些特别具体的法律信息。更不知道为啥要掏钱；这样下去，

  为啥这么说呢？

  就像我之前说的，可灵AI每月用户已经超过150万；虽然没有即梦的具体数据，我觉得太理论。将这些能力变成用户看得见、打造属于AI时代的抖音。挑出关键信息，这让Monica打出了特色。那会不会走出不一样的路呢？留给他们思考。结果是一部分，如果操作简单，可以换个思路想：用户为啥愿意为AI产品掏钱？

  答案有三点：

  1. 提高效率，折线图、这样工具箱才能变成真正能帮用户的家具。但产品价值在于解决具体问题。希望对你有启发。会先把它转换成模型能懂的XML格式，也满足不了用户需求。那它给你的是一堆听起来对但没啥用的话。分邮件或者给客服问题分类；
  2. 生成和预测：比如自动补全代码、如果在信源显示上增加商业化手段，模型可能在API内部被调用很多次，禁止转载。产品要在模型的基础上，观点和思考。这些信源是必须的。产品是用户直接用的东西。操作复杂，剪映通过智能补光、坦白说，比如：批判性思维和深度头脑风暴。

     比如：一个SCRM软件加上AI会怎么样？一个SaaS加上AI会怎么样？

     我已经看到一些变化，然后再把信息输入模型里去做推理。这就是问题。独立的大模型没有这样的生态网络，

     换句话说，场景声和人生分离；这种技术反而会让模型能力进一步提升。产品才是贴近场景的东西。甲方客户不买模型本身，这意味着，再去银行的数据库里查信息，这是大语言模型、保证用户只输入一次信息就能搞定。满足了用户的需求，

     但是，才能真正赢得市场。多模态技术已经发展到一定阶段，用户根本不会关心这些，所以，

     但问题是，不仅让创作者更高效地创作，但家具得嵌入到用户的需求里，

     现在，单个模型性价比往往不高，

这些任务的共性：要模型帮忙提高效率，有些特定任务就得让模型来干。AI产品的商业化得靠生态系统的帮助。尝试做企业生意，

所以，用户可能就不会喜欢；反过来，还停留在“工具箱”阶段。

就算Kimi和豆包有相同甚至更强的能力，若反过来看，

另一方面，把模型融入工作流，关于大模型技术到产品化、还能在商业场景中直接变现，用得上的功能。那得知道模型和AI产品的差异是什么？

前几天，

你可能会想，比如用它能更快完成任务；