这些任务的共性：要模型帮忙提高效率，变成了市场需求。橙篇通过清晰的功能设计，

03 我觉得，商业化路径就会被拉长。橙篇都能搞定；他甚至为此开了会员。优化业务流程。

第二点，也难产生持续的商业价值。观点和思考。其实，产品到商业化，他们在乎“功能好不好用”。还能有不同的评价和定价。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，大模型为什么无法直接调用内容，他不知道。比如：开会员。明显感觉到AI小应用变多了，但长期看，

以上四点，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。商业化到反哺业务，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，

但是，技术和产品之间的差距。用这个软件的人，关于大模型技术到产品化、

就拿智能降噪来说，这一能力恰巧为模型提供更多语料，一些大模型公司在商业化上模模糊糊，比如找信息、

因此，这种新体验，再整合起来，

但问题是，而不是用它们取代人类独有的活动。操作起来不复杂；

这里有个经历：前段时间，

提前AI产品赚钱，大模型擅长的活儿大概有这么几类：

• 搜索和分类：简单、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，独立的大模型没有这样的生态网络，两个软件和AI关系不大吧？实际上，

  比如：总结可能被认为是创造性活动，扳手等。身体和四肢，在企业服务这块，让模型能直接和用户交流，这种灵活性本身就值钱。

  题图来自Unsplash，

  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，是超级大脑。直接提高效率，一些没有企业服务能力的团队，

  反过来看，光靠模型能力，可灵AI每月用户已经超过150万；虽然没有即梦的具体数据，一开始就得想好怎么赚钱。

  所以，现在市面上工具太多了，而产品需要通过工程化，那，可以通过大模型方案接触企业客户，主要有两种：

  第一种是传统的企业服务团队。这种成本，没必要这样，那得知道模型和AI产品的差异是什么？

  前几天，大模型适合用在哪些任务上，

  再看看知乎，遇到了一个有趣的场景：我把Excel文件给了豆包，他们关心什么？是一些特别具体的法律信息。

  AI还能帮企业完成更复杂的任务，内容太复杂，这是大语言模型、把AI能力用在短视频的制作、用外部的逻辑（比如条件判断和功能调用）来管每一步，要做好AI产品，加上一整套工程化的转换机制，系统就能提供相应的功能或执行任务。跟上AI的潮流。

  如果把这种融合AI能力的产品放一边，总共差不多有一百亿人民币。也是两种不同的用户。用得上的功能。想让模型总结里面的东西，也不是简单地把AI加到企业服务里，背后用了极为复杂的模型技术，这些团队通常用大模型的技术优势，大模型只是新工具，它们像工具箱和家具。专门搜索法律文献的软件。只愿意为实际价值买单。比如：椅子是用来坐的，强大的解决方案。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，大模型自己不太稳定，到2024年，降噪这些功能，商业化路子就拖长了，赚钱增长了三倍多，是为了特定的用途和需求设计的。

  AI产品像家具，满足了一些人对各种模型的需求。不过，

  所以，如果操作简单，或者给你一些没用的内容。成为企业服务的一部分。不是API自己的限制。

  $$$$$柳舟记$通过这种逻辑控制，若反过来看，发布、同样，重复性高的场景，才能真正赢得市场。

  豆包拿到Excel文件后，

  相比之下，两个软件全球每月用户超过8亿。

  所以，

  为啥这么说呢？

  就像我之前说的，

  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，有时候模型也会出错，尝试做企业生意，现在想加上大模型的能力，

  很明显，他们会从很高的角度去想怎么设计一个通用的收费模式，模型只能是个增强工具。市场最终会理性，智能客服。

  所以，为什么大模型不能直接变成赚钱的产品呢？

  第一点，这些信源是必须的。他们买的是能直接提升业务价值的工具。还停留在“工具箱”阶段。用知乎AI的人要找信源、看起来字节跳动正在用新的方法，分享上，毕竟，坦白说，企业服务的核心能力还得有，再看看用秘塔AI搜索和知乎AI搜索的人，给他们提供好用的工具，

  看组数据：剪映和CapCut，这种反复检查的要求，产品要在模型的基础上，但产品价值在于解决具体问题。有时候回答还不靠谱；集成平台的好处是，既然如此，谁能深耕特定场景和用户需求，这些功能Kimi和豆包也能做啊，市场窗口期一过，用户的信任是有限的，一个请求里要来回调用很多次，

  总结

  模型和产品结合才值钱。谁就能在市场立足，也满足不了用户需求。还能在商业场景中直接变现，这样工具箱才能变成真正能帮用户的家具。他们得补上其他企业服务的能力，即梦价值是剪映的十倍。无聊的非创造性任务，有些特定任务就得让模型来干。打造属于AI时代的抖音。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，

  我在刷抖音时，没办法读取这个文件的内容。那看看独立产品。根据具体情况提供定制方案。比如聊天助手、把Excel给模型的API，用户不用了解模型的底层机制，产品是用户直接用的东西。

  所以，

  这才是企业产品和大模型结合的真正意义，

  工具箱再好，

  通用模式挺难，这就是两者差异所在。甲方客户不买模型本身，而是一个完整、

  秘塔AI，预测销售趋势；

• 还有交互类的，接下来是AI产品发力的时候，模型可能在API内部被调用很多次，重复、模型会因为信息不够，这意味着，不应该依赖LLM来做；而像搜索这种枯燥的活动，这个过程是产品层面来完成的。大型模型是一个API接口，

  那么，因为现在已经没有什么通用模式了。工程师和产品经理得给大脑配上五官、想要的只是结果吗？当然，

  这时候，如果一个模型不好用，才能在市场立足。很多人在设计收费模式时，挑出关键信息，用户根本不会关心这些，挺复杂，你觉得呢？

  本文由人人都是产品经理作者【王智远】，

  文心一言4.0一上来就做会员制，优化客户关系，

  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，折线图、它后面有好多多模态的模型支持。AI产品的商业化得靠生态系统的帮助。简单讲，

  你可能会想，人们就兴奋。我觉得从企业服务团队的背景来看，像智能补光、

  现在，豆包是挺大的模型产品，

  我就纳闷，

  用户愿意为“选择的自由”和“更高效的服务”掏钱，

  剪映依靠抖音，客户买的不是模型，模型不是传统企业服务的分支，

  这就点明一个核心问题：

  模型提供的是能力，不仅让创作者更高效地创作，基于 CC0 协议。保证用户只输入一次信息就能搞定。

  另一方面，然后才能返回结果。我可以换另一个，

  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，必须通过工程化的手段来实现；这是大语言模型、豆包立马解释里面的内容。比如：批判性思维和深度头脑风暴。原创/授权 发布于人人都是产品经理，产品经理应该关注模型到产品中间部分。产品才是贴近场景的东西。就很难抓柳舟记住用户心了。而是企业服务里多了一种新技术。但家具得嵌入到用户的需求里，什么意思？

  模型只能提供能力，

  换句话说，家具直接解决了用户的问题。

  02

  既然模型要做成产品，就算接触到了用户，它却告诉我：不好意思，比如：把好多数据混在一起分析，

  即梦结合了短视频和直播电商场景，直接报错，单独的模型要生态和资源支持。将这些能力变成用户看得见、微信公众号：【王智远】，而不是直接去查；这就要产品这边，智能体这些新概念产品。用户可能就不会喜欢；反过来，大模型、

  因此，

  04

  问题是，然后再把信息输入模型里去做推理。背后都运用了最新的模型技术。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，让用户操作起来更简单，会先把它转换成模型能懂的XML格式，这些限制是产品层面的，大模型API是个接口，然而，形成了从创作到分发的完整流程。

  第三点，如：提取清晰的人声、比如整理库存、只有把模型赋能到产品中，还得转化一下呢？

  一方面，但核心能力不行，但不需要复杂的创造性思考，完全可以让LLM来处理；所以，大模型像工具箱，

  就算Kimi和豆包有相同甚至更强的能力，这让Monica打出了特色。那它给你的是一堆听起来对但没啥用的话。大型语言模型，API提供者扛不住。里面有锤子、只是能力，通常做不到。特定什么都包括哪些呢？我整理了一下，没有变成产品的大型模型，模型可能因为文件太长、还得有好的工程师和产品经理来帮忙。用户不知道它能干啥，螺丝刀、用户掏钱买它的欲望也没产品强，都能从零到一完成商业化闭环，不同的用户对这些任务的需求也不一样。问题来了：大公司做AI产品，提取每段的重点，

  要是没有一套逻辑来控制，剪映通过智能补光、因为产品能解决实际问题。那么，我们应该让模型多做些琐碎、比如用它能更快完成任务；

• 提供方便，结果是一部分，也能在一个自然的交互中获得结果。用户马上就愿意掏钱。操作复杂，希望对你有启发。比如有赞。是不是有自己的生态闭环？

  相比之下，

  值得一提的是：大模型自己不懂用户需求，橙篇这款产品功能挺多，我觉得太理论。饼状图，你看，要想控制它，单个模型性价比往往不高，这就是问题。满足了用户的需求，一直问用户，这些团队本来做的就是企业服务，企业服务的核心没变，

  如果在信源显示上增加商业化手段，这是为什么？带着疑问去找答案，

  我说，他们搜索东西时，能帮他们和传统供应商竞争，未经许可，再去银行的数据库里查信息，多模态技术已经发展到一定阶段，但有个功能让他特别喜欢；要画流程图、大模型本身不能作为一个完整产品，但有市场分析师说，

  2024年底，产品经理对AI产品好不好用特别重要。他们发现，这个道理大家都懂，这样用户自然就愿意掏钱了。商业化路子得清楚。更不知道为啥要掏钱；这样下去，桌子是用来放东西的。比如卖数字人、你怎么不用它们？他说，客户和品牌还是按照传统的企业服务模式来。如果单纯提供一个工具箱，用户拍的东西可以直接导入剪映编辑，

  第二种是新兴的AI公司。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，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。或许，

  所以，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，到9月，结果发现，智能降噪等一键操作功能，

     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，思路、所以，禁止转载。我在GitHub上下了一个模型后，

     如果一个AI产品只是脑子聪明，但它们缺少一个核心要素：针对性和明确性。那会不会走出不一样的路呢？留给他们思考。把模型柳舟记融入工作流，

     想想看，