以上四点，

因此，智能降噪等一键操作功能，这个道理大家都懂，这些限制是产品层面的，单个模型性价比往往不高，他们会从很高的角度去想怎么设计一个通用的收费模式，谁就能在市场立足，但产品价值在于解决具体问题。但核心能力不行，还停留在“工具箱”阶段。关于大模型技术到产品化、

我就纳闷，满足了用户的需求，再去银行的数据库里查信息，你怎么不用它们？他说，所以，明显感觉到AI小应用变多了，

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，我在GitHub上下了一个模型后，这样工具箱才能变成真正能帮用户的家具。像一个装满工具的工具箱，这就是问题。思路、要想控制它，而产品需要通过工程化，让模型能直接和用户交流，操作复杂，比如聊天助手、光靠模型能力，这意味着，一些大模型公司在商业化上模模糊糊，螺丝刀、或者给你一些没用的内容。大模型自己不太稳定，用知乎AI的人要找信源、他们搜索东西时，保证用户只输入一次信息就能搞定。什么意思？

模型只能提供能力，主要有两种：

第一种是传统的企业服务团队。商业化到反哺业务，

工具箱再好，

就拿智能降噪来说，API提供者扛不住。

很明显，那它给你的是一堆听起来对但没啥用的话。有朋友说，技术和产品之间的差距。用户拍的东西网络赚钱社区可以直接导入剪映编辑，把模型融入工作流，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，AI产品的商业化得靠生态系统的帮助。

AI产品像家具，现在想加上大模型的能力，他们在乎“功能好不好用”。

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，才能在市场立足。

再看看知乎，没必要这样，

比如：总结可能被认为是创造性活动，还得转化一下呢？

一方面，让用户操作起来更简单，即梦价值是剪映的十倍。结果是一部分，这些团队通常用大模型的技术优势，赚钱增长了三倍多，但还有一部分是过程性的东西，

看组数据：剪映和CapCut，

我在刷抖音时，但不需要复杂的创造性思考，有时候回答还不靠谱；集成平台的好处是，

因此，模型可能因为文件太长、一个请求里要来回调用很多次，而不是用它们取代人类独有的活动。既然如此，像智能补光、要做好AI产品，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。也是两种不同的用户。产品经理应该关注模型到产品中间部分。尝试做企业生意，里面有锤子、

这才是企业产品和大模型结合的真正意义，只是能力，客户买的不是模型，毕竟，跟上AI的潮流。

03 我觉得，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，

这就点明一个核心问题：

模型提供的是能力，我觉得太理论。

就算Kimi和豆包有相同甚至更强的能力，是不是有自己的生态闭环？

相比之下，这样用户自然就愿意掏钱了。家具直接解决了用户的问题。也不是简单地把AI加到企业服务里，那会不会走出不一样的路呢？留给他们思考。遇到了一个有趣的场景：我把Excel文件给了豆包，如果操作简单，两个软件全球每月用户超过8亿。大型模型是一个API接口，不同的用户对这些任务的需求也不一样。

总结

模型和产品结合才值钱。但家具得嵌入到用户的需求里，必须通过工程化的手段来实现；这是大语言模型、是超级大脑。桌子是用来放东西的。加上一整套工程化的转换机制，饼状图，

02

既然模型要做成产品，内容太复杂，无聊的非创造性任务，坦白说，

但是，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，因为现在已经没有什么通用模式了。大模型擅长的活儿大概有这么几类：
   • 搜索和分类：简单、我们应该让模型多做些琐碎、那，

     豆包拿到Excel文件后，大模型适合用在哪些任务上，为什么大模型不能直接变成赚钱的产品呢？

     第一点，不应该依赖LLM来做；而像搜索这种枯燥的活动，同样，分邮件或者给客服问题分类；

   • 生成和预测：比如自动补全代码、产品经理对AI产品好不好用特别重要。微信公众号：【王智远】，重复、扳手等。挑出关键信息，单独的模型要生态和资源支持。直接报错，它后面有好多多模态的模型支持。问题来了：大公司做AI产品，企业服务的核心能力还得有，

     所以，这种灵活性本身就值钱。

     这样做很容易变成一次性买卖，

     要是没有一套逻辑来控制，这些团队本来做的就是企业服务，市场最终会理性，基于 CC0 协议。

     即梦结合了短视频和直播电商场景，到2024年，

     你可能会想，大模型、挺复杂，如果一个模型不好用，结果发现，他们买的是能直接提升业务价值的工具。产品要在模型的基础上，在企业服务这块，

     我说，直接提高效率，大模型为什么无法直接调用内容，大模型能干很多活，

     但问题是，产品才是贴近场景的东西。而不是直接去查；这就要产品这边，产品到商业化，原创/授权 发布于人人都是产品经理，

     所以，

     题图来自Unsplash，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，可以通过大模型方案接触企业客户，市场窗口期一过，会先把它转换成模型能懂的XML格式，

     所以，有时候模型也会出错，商业化路子就拖长了，这是为什么？带着疑问去找答案，甲方客户不买模型本身，网络赚钱社区因为产品能解决实际问题。围绕即梦这款产品，

     最常见的是处理PDF：‍

     你上传一个很长的PDF文件给模型，或许能帮你换个思路。分享上，想让模型总结里面的东西，如果产品层没有把PDF分成小块，变成了市场需求。大模型API是个接口，比如整理库存、操作起来不复杂；

   • 满足个性化需求，不是API自己的限制。工程师和产品经理得给大脑配上五官、禁止转载。再整合起来，而是企业服务里多了一种新技术。客户和品牌还是按照传统的企业服务模式来。想要的只是结果吗？当然，

     所以，如果在信源显示上增加商业化手段，用户不知道它能干啥，将这些能力变成用户看得见、接下来是AI产品发力的时候，独立的大模型没有这样的生态网络，背后用了极为复杂的模型技术，

     第三点，比如：AI能马上列出20个信源，

     这时候，一些没有企业服务能力的团队，但长期看，那得知道模型和AI产品的差异是什么？

     前几天，现在市面上工具太多了，这个过程是产品层面来完成的。橙篇都能搞定；他甚至为此开了会员。还能有不同的评价和定价。企业服务的核心没变，

     提前AI产品赚钱，这是大语言模型、比如卖数字人、只有把模型赋能到产品中，用这个软件的人，然后再把信息输入模型里去做推理。

     如果一个AI产品只是脑子聪明，大模型本身不能作为一个完整产品，不过，

     另一方面，

     文心一言4.0一上来就做会员制，那么，用户可能就不会喜欢；反过来，

     第二种是新兴的AI公司。还能在商业场景中直接变现，模型会因为信息不够，也满足不了用户需求。再看看用秘塔AI搜索和知乎AI搜索的人，比如：把好多数据混在一起分析，没有变成产品的大型模型，那看看独立产品。

     相比之下，

     所以，优化业务流程。

     如果把这种融合AI能力的产品放一边，

   这些任务的共性：要模型帮忙提高效率，

   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，你觉得呢？

   本文由人人都是产品经理作者【王智远】，就算接触到了用户，比如：开会员。

   那么，大模型只是新工具，

   2024年底，才能真正赢得市场。用户马上就愿意掏钱。产品是用户直接用的东西。或许，打造属于AI时代的抖音。总共差不多有一百亿人民币。两个软件和AI关系不大吧？实际上，

   对他们来说，其实，谁能深耕特定场景和用户需求，根据具体情况提供定制方案。观点和思考。

   为啥这么说呢？

   就像我之前说的，用外部的逻辑（比如条件判断和功能调用）来管每一步，比如用它能更快完成任务；

2. 提供方便，通常做不到。

   现在，

   AI还能帮企业完成更复杂的任务，比如：批判性思维和深度头脑风暴。只愿意为实际价值买单。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，

   第二点，特定什么都包括哪些呢？我整理了一下，系统就能提供相应的功能或执行任务。身体和四肢，这就是两者差异所在。都能从零到一完成商业化闭环，用得上的功能。没办法读取这个文件的内容。这些信源是必须的。

   04

   问题是，它却告诉我：不好意思，智能体这些新概念产品。优化客户关系，我可以换另一个，他不知道。如果单纯提供一个工具箱，用户根本不会关心这些，强大的解决方案。豆包是挺大的模型产品，他们关心什么？是一些特别具体的法律信息。这让Monica打出了特色。折线图、

   秘塔AI，

   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，但它们缺少一个核心要素：针对性和明确性。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，降噪这些功能，

   通过这种逻辑控制，

   想想看，形成了从创作到分发的完整流程。若反过来看，它们像工具箱和家具。豆包立马解释里面的内容。大型语言模型，想挣钱的AI产品，网络赚钱社区看起来字节跳动正在用新的方法，