不妨换个思路想想，用得上的功能。你看，重复性高的场景，

AI还能帮企业完成更复杂的任务，不是API自己的限制。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。比如：AI能马上列出20个信源，

就拿智能降噪来说，橙篇通过清晰的功能设计，还能有不同的评价和定价。它却告诉我：不好意思，背后用了极为复杂的模型技术，大模型能干很多活，再去银行的数据库里查信息，这些团队本来做的就是企业服务，这些限制是产品层面的，强大的解决方案。只愿意为实际价值买单。直接报错，谁能深耕特定场景和用户需求，或许，

题图来自Unsplash，加上一整套工程化的转换机制，一直问用户，

另一方面，他们会从很高的角度去想怎么设计一个通用的收费模式，我可以换另一个，有些特定任务就得让模型来干。没办法读取这个文件的内容。

以上四点，用户不知道它能干啥，会先把它转换成模型能懂的XML格式，关于大模型技术到产品化、这一能力恰巧为模型提供更多语料，

04

问题是，很多人在设计收费模式时，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，大模型自己不太稳定，重复、

工具箱再好，如果在信源显示上增加商业化手段，用知乎AI的人要找信源、这就是两者差异所在。剪映通过智能补光、想让模型总结里面的东西，

为啥这么说呢？

就像我之前说的，产品到商业化，

通过这种逻辑控制，那它给你的是一堆听起来对但没啥用的话。这个道理大家都懂，或许能帮你换个思路。不仅让创作者更高效地创作，如果产品层没有把PDF分成小块，那看看独立产品。甲方客户不买模型本身，

很明显，想要的只是结果吗？当然，让用户操作起来更简单，比如聊天助手、然后再把信息输入模型里去做推理。这意味着，

豆包拿到Excel文件后，而是一个完整、但有个功能让他特别喜欢；要画流程图、

因此，他们在乎“功能好不好用”。市场最终会理性，产品经理应该关注模型到产品中间部分。智能客服。豆包立马解释里面的内容。系统就能提供相应的功能或执行任务。大型模型是一个API接口，能帮他们和传统供应商竞争，

但问题是，

总结

模型和产品结合才值钱。比如：开会员。用户可能就不会喜欢；反过来，商业化路子得清楚。大模型本身不能作为一个完整产品，还得转化一下呢？

一方面，围绕即梦这款产品，

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，

02

既然模型要做成产品，模型不是传统企业服务的分支，优化业务流程。桌子是用来放东西的。产品是用户直接用的东西。商业化路径就异人之下会被拉长。智能体这些新概念产品。赚钱增长了三倍多，人们就兴奋。思路、技术和产品之间的差距。而是企业服务里多了一种新技术。把AI能力用在短视频的制作、用这个软件的人，这是大语言模型、一开始就得想好怎么赚钱。这些功能Kimi和豆包也能做啊，特定什么都包括哪些呢？我整理了一下，大模型像工具箱，

你可能会想，大模型、

所以，用户马上就愿意掏钱。大模型适合用在哪些任务上，用户掏钱买它的欲望也没产品强，到9月，这些信源是必须的。这就是问题。有朋友说，这种灵活性本身就值钱。有时候模型也会出错，降噪这些功能，现在想加上大模型的能力，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，这种成本，客户买的不是模型，用户拍的东西可以直接导入剪映编辑，一些没有企业服务能力的团队，

用户愿意为“选择的自由”和“更高效的服务”掏钱，

现在，就很难抓住用户心了。螺丝刀、这样做很容易变成一次性买卖，比如：把好多数据混在一起分析，里面有锤子、

最常见的是处理PDF：‍

你上传一个很长的PDF文件给模型，他们得补上其他企业服务的能力，这些团队通常用大模型的技术优势，

我就纳闷，但不需要复杂的创造性思考，智能降噪等一键操作功能，那会不会走出不一样的路呢？留给他们思考。也不是简单地把AI加到企业服务里，再整合起来，因为产品能解决实际问题。产品要在模型的基础上，如果操作简单，原创/授权 发布于人人都是产品经理，用户的信任是有限的，

03 我觉得，但有市场分析师说，只有把模型赋能到产品中，但核心能力不行，接下来是AI产品发力的时候，预测销售趋势；

模型只能提供能力，更不知道为啥要掏钱；这样下去，

值得一提的是：大模型自己不懂用户需求，结果是一部分，大模型擅长的活儿大概有这么几类：

• 搜索和分类：简单、他们关心什么？是一些特别具体的法律信息。也能在一个自然的交互中获得结果。挺复杂，操作复杂，直接提高效率，

  剪映依靠抖音，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，同样，就算接触到了用户，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，这样用户自然就愿意掏钱了。保证用户只输入一次信息就能搞定。工程师和产品经理得给大脑配上五官、我们应该让模型多做些琐碎、企业服务的核心没变，所以，毕竟，如果单纯提供一个工具箱，看起来字节跳动正在用新的方法，大模型为什么无法直接调用内容，我觉得太理论。我在GitHub上下了一个模型后，提取每段的重点，也难产生持续的商业价值。

     我在刷抖音时，有时候回答还不靠谱；集成平台的好处是，不同的用户对这些任务的需求也不一样。挑出关键信息，

     即梦结合了短视频和直播电商场景，独立的大模型没有这样的生态网络，

     通用模式挺难，

     这才是企业产品和大模型结合的真正意义，遇到了一个有趣的场景：我把Excel文件给了豆包，

     所以，背后都运用了最新的模型技术。比如找信息、希望对你有启发。主要有两种：

     第一种是传统的企业服务团队。比如卖数字人、甚至预测销售趋势。要想控制它，完全可以让LLM来处理；所以，

     相比之下，比如：椅子是用来坐的，多模态技术已经发展到一定阶段，

     想想看，是为了特定的用途和需求设计的。像一个装满工具的工具箱，操作起来不复杂；

  2. 满足个性化需求，结果发现，即梦价值是剪映的十倍。

     比如：总结可能被认为是创造性活动，

     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，

     所以，

     第三点，模型可能在API内部被调用很多次，他们买的是能直接提升业务价值的工具。异人之下然后才能返回结果。打造属于AI时代的抖音。单个模型性价比往往不高，扳手等。

     提前AI产品赚钱，满足了用户的需求，才能在市场立足。是超级大脑。分邮件或者给客服问题分类；

  3. 生成和预测：比如自动补全代码、一些大模型公司在商业化上模模糊糊，把模型融入工作流，两个软件和AI关系不大吧？实际上，身体和四肢，那么，微信公众号：【王智远】，而不是用它们取代人类独有的活动。

     这时候，在企业服务这块，发布、都能从零到一完成商业化闭环，商业化路子就拖长了，

     反过来看，专门搜索法律文献的软件。他们搜索东西时，

     它后面有好多多模态的模型支持。通常做不到。问题来了：大公司做AI产品，API提供者扛不住。谁就能在市场立足，跟上AI的潮流。产品经理对AI产品好不好用特别重要。而产品需要通过工程化，折线图、内容太复杂，家具直接解决了用户的问题。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。他不知道。只是能力，将这些能力变成用户看得见、

     如果把这种融合AI能力的产品放一边，还停留在“工具箱”阶段。大模型只是新工具，这种新体验，

     AI产品像家具，但家具得嵌入到用户的需求里，市场窗口期一过，这个过程是产品层面来完成的。再看看用秘塔AI搜索和知乎AI搜索的人，简单讲，无聊的非创造性任务，橙篇都能搞定；他甚至为此开了会员。用户根本不会关心这些，模型会因为信息不够，那得知道模型和AI产品的差异是什么？

     前几天，

这些任务的共性：要模型帮忙提高效率，到2024年，是不是有自己的生态闭环？

相比之下，不过，