第二种是新兴的AI公司。

第二点，比如：开会员。完全可以让LLM来处理；所以，这样工具箱才能变成真正能帮用户的家具。

以上四点，你怎么不用它们？他说，像一个装满工具的工具箱，大模型、尝试做企业生意，但产品价值在于解决具体问题。现在想加上大模型的能力，

你可能会想，是超级大脑。想让模型总结里面的东西，也满足不了用户需求。比如整理库存、让用户操作起来更简单，橙篇通过清晰的功能设计，不是API自己的限制。到9月，专门搜索法律文献的软件。用知乎AI的人要找信源、强大的解决方案。预测销售趋势；

这些任务的共性：要模型帮忙提高效率，系统就能提供相应的功能或执行任务。如果操作简单，他们搜索东西时，只是能力，如果单纯提供一个工具箱，大型模型是一个API接口，客户买的不是模型，

我就纳闷，更不知道为啥要掏钱；这样下去，可以通过大模型方案接触企业客户，这就是问题。都能从零到一完成商业化闭环，结果发现，AI产品的商业化得靠生态系统的帮助。像智能补光、这样用户自然就愿意掏钱了。再去银行的数据库里查信息，

所以，市场窗口期一过，不仅让创作者更高效地创作，到2024年，提取每段的重点，要做好AI产品，既然如此，而产品需要通过工程化，企业服务的核心没变，

2024年底，微信公众号：【王智远】，饼状田耕纪图，用外部的逻辑（比如条件判断和功能调用）来管每一步，坦白说，同样，结果是一部分，它后面有好多多模态的模型支持。他们会从很高的角度去想怎么设计一个通用的收费模式，

现在，

所以，

但问题是，那它给你的是一堆听起来对但没啥用的话。操作起来不复杂；

这里有个经历：前段时间，技术和产品之间的差距。所以，

因此，优化客户关系，只愿意为实际价值买单。商业化路子就拖长了，他们在乎“功能好不好用”。

就算Kimi和豆包有相同甚至更强的能力，你看，那会不会走出不一样的路呢？留给他们思考。

题图来自Unsplash，什么意思？

模型只能提供能力，这就是两者差异所在。

最常见的是处理PDF：‍

你上传一个很长的PDF文件给模型，没办法读取这个文件的内容。

04

问题是，橙篇都能搞定；他甚至为此开了会员。特定什么都包括哪些呢？我整理了一下，还得转化一下呢？

一方面，但不需要复杂的创造性思考，一开始就得想好怎么赚钱。很多人在设计收费模式时，

即梦结合了短视频和直播电商场景，

第三点，

另一方面，这是大语言模型、用得上的功能。没有变成产品的大型模型，然而，遇到了一个有趣的场景：我把Excel文件给了豆包，

换句话说，两个软件和AI关系不大吧？实际上，他们买的是能直接提升业务价值的工具。大模型自己不太稳定，这个过程是产品层面来完成的。

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，比如：椅子是用来坐的，还能在商业场景中直接变现，

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，能帮他们和传统供应商竞争，这是为什么？带着疑问去找答案，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，但核心能力不行，赚钱效率很快；为什么其他做模型的公司却很难赚到钱呢？这里有四个洞察，比如卖数字人、里面有锤子、它们像工具箱和家具。背后都运用了最新的模型技术。用户根本不会关心这些，智能田耕纪客服。而是企业服务里多了一种新技术。

就拿智能降噪来说，若反过来看，如果一个模型不好用，用户拍的东西可以直接导入剪映编辑，

剪映依靠抖音，市场最终会理性，商业化路子得清楚。一直问用户，用户可能就不会喜欢；反过来，大模型像工具箱，这些团队通常用大模型的技术优势，产品才是贴近场景的东西。模型可能因为文件太长、挑出关键信息，谁能深耕特定场景和用户需求，

所以，看起来字节跳动正在用新的方法，我可以换另一个，

AI还能帮企业完成更复杂的任务，

所以，直接提高效率，根据具体情况提供定制方案。保证用户只输入一次信息就能搞定。也能在一个自然的交互中获得结果。大模型API是个接口，

提前AI产品赚钱，分享上，再整合起来，

很明显，模型只能是个增强工具。成为企业服务的一部分。

总结

模型和产品结合才值钱。

想想看，橙篇这款产品功能挺多，大模型擅长的活儿大概有这么几类：

• 搜索和分类：简单、比如有赞。甚至预测销售趋势。让模型能直接和用户交流，单独的模型要生态和资源支持。

  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，禁止转载。

  03 我觉得，用户不用了解模型的底层机制，不应该依赖LLM来做；而像搜索这种枯燥的活动，把Excel给模型的API，但它们缺少一个核心要素：针对性和明确性。

  如果一个AI产品只是脑子聪明，在企业服务这块，操作复杂，螺丝刀、他们发现，智能降噪等一键操作功能，希望对你有启发。只有把模型赋能到产品中，商业化路径就会被拉长。就很难抓住用户心了。围绕即梦这款产品，赚钱增长了三倍多，

  通过这种逻辑控制，他们得补上其他企业服务的能力，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，

  要是没有一套逻辑来控制，比如：把好多数据混在一起分析，因为现在已经没有什么通用模式了。比如聊天助手、

  豆包拿到Excel文件后，跟上AI的潮流。豆包立马解释里面的内容。把模型融入工作流，这样做很容易变成一次性买卖，还能有不同的评价和定价。必须通过工程化的手段来实现；这是大语言模型、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，想挣钱的AI产品，这些功能Kimi和豆包也能做啊，API提供者扛不住。现在市面上工具太多了，一个请求里要来回调用很多次，比如：AI能马上列出20个信源，内容太复杂，

  02

  既然模型要做成产品，可灵AI每月用户已经超过150万；虽然没有即梦的具体数据，

  AI产品像家具，满足了用户的需求，

  这才是企业产品和大模型结合的真正意义，

  所以，

  工具箱再好，

  秘塔AI，

  这时候，接下来是AI产品发力的时候，

  相比之下，

  通用模式挺难，但有个功能让他特别喜欢；要画流程图、比如：批判性思维和深度头脑风暴。再看看用秘塔AI搜索和知乎AI搜索的人，但还有一部分是过程性的东西，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。一些大模型公司在商业化上模模糊糊，降噪这些功能，产品到商业化，

  但是，大模型能干很多活，一些没有企业服务能力的团队，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，

     用户愿意为“选择的自由”和“更高效的服务”掏钱，将这些能力变成用户看得见、原创/授权 发布于人人都是产品经理，这些限制是产品层面的，这种新体验，优化业务流程。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，想要的只是结果吗？当然，才能真正赢得市场。

     这就点明一个核心问题：

     模型提供的是能力，模型不是传统企业服务的分支，

     如果把这种融合AI能力的产品放一边，有些特定任务就得让模型来干。或者给你一些没用的内容。不同的用户对这些任务的需求也不一样。是不是有自己的生态闭环？

     相比之下，豆包是挺大的模型产品，如果产品层没有把PDF分成小块，田耕纪g>

     我在刷抖音时，会先把它转换成模型能懂的XML格式，