看到馬云內(nèi)部的信，有點出乎意料的是，這只是一種情緒和行為。

由于人本身并沒有太大的變化，所以就情緒和行為而言，在公司起起落落時，大致總是：

錯誤的地方帶來真實，懷疑的地方帶來信任，混亂的地方帶來和諧，沮喪的地方帶來希望。

但是AI真的不僅僅是關(guān)于情緒，還有一些不同于過去的運行規(guī)律。馬云說:AI時代剛剛到來，一切才剛剛開始，我們正好在那個時候。這是對的。

然后呢？

接下來，我們實際上需要了解這些差異，創(chuàng)造新的產(chǎn)品，然后才能創(chuàng)造新的用戶價值，AI的發(fā)展才能真正閉環(huán)。

有關(guān)故事從0到1

從0到1，彼得蒂爾可能是最成功的商業(yè)方法論書籍，其核心原因在于它是成功網(wǎng)絡(luò)產(chǎn)品的關(guān)鍵。

一個成功的因特網(wǎng)項目必須是PMF（Product Market Fit）型產(chǎn)品。

選擇一個領(lǐng)域，徹底了解一個領(lǐng)域，然后加入互聯(lián)網(wǎng)技術(shù)，成為新產(chǎn)品。經(jīng)過驗證，大規(guī)模復制。每一個成功的互聯(lián)網(wǎng)項目都是這樣來的。

如果對產(chǎn)品進行細分，區(qū)別在于平臺化通過兩側(cè)開放打開了PMF的適應(yīng)范圍，遠遠超過了單點工具。

這套邏輯可以實現(xiàn)企業(yè)級商品級商品（SaaS）這時，就完全折疊了。

由于不同的企業(yè)以各種方式維護自己的差異，所以做SaaS本質(zhì)上是N個從0到1，但是從來沒有從1到100。

這種定制的復雜性超出了當前技術(shù)架構(gòu)的吸收能力。無論是使用應(yīng)用商城、平臺、插件還是任何技術(shù)，最終都需要逐一交付，成為解決方案的擴展。

依靠人或計算率的邊際效率顯然存在很大差異。所以SaaS集體持續(xù)虧損，但也可以活下去。

這一現(xiàn)實對我們有什么提示？

為什么商品是從0到1，從1到100兩個階段？

互聯(lián)網(wǎng)項目外化了程序員的智能，可以留下一些定制空間，但這個空間是有限的。最終，程序員設(shè)置的靈活適應(yīng)能力上限仍然是。

因此這類產(chǎn)品力量必須打?qū)Φ胤?，因特網(wǎng)的產(chǎn)品力量和市場突破口如果打錯了就像非喂牛肉一樣，費力不討好。

這一準確性問題從0到1解決。

而且這一問題一處理，后面待解決的問題也是一樣的，因此可以純粹復制。

復制的邊際效率基本上是計算能力的邊際效率，也就是指數(shù)增長。

兩個典型的論點：趴在地上吃土 一飛沖天后吃肉；但也有可能一直吃土。

那么AI還是這樣嗎？要不是為什么？

AI產(chǎn)品的新特性

AI的關(guān)鍵變化根本不是AIGC，而是它的概念識別和自我邏輯判斷能力。這種隱性代表了計算范式的變化。

過去，我們的計算模式本質(zhì)上是由程序員將現(xiàn)實世界的需求映射到計算機世界的語言中，然后根據(jù)程序員的設(shè)置執(zhí)行計算機。

AI下的計算模式并非如此。程序員的中間層越來越透明(并沒有完全消失)。人們直接與模型互動，然后特定的功能范圍是不確定的。這一范圍的模型、方案和價值設(shè)置，不再是程序員設(shè)置的范圍。

假如用圖形來描述，那么大概如下：

這一新特征不僅影響產(chǎn)品形態(tài)，而且影響相應(yīng)商品的方法論。

在產(chǎn)品形態(tài)方面，過去用戶總是根據(jù)UI(圖形用戶界面)來完成某些功能。

而且UI(圖形用戶界面)本質(zhì)上是一種分類，品類的集合就是產(chǎn)品的邊界。它是功能的邊界，也是感知的邊界。

比如過去常說的ERP，充分抽象了企業(yè)，然后覆蓋了一定的范圍。這樣就形成了自己的邊界(公司的適用范圍)和重量。

當這個外殼被覆蓋在自己身上時，企業(yè)可能無法承受它的重量。外部變化會挑戰(zhàn)它的設(shè)定，不斷產(chǎn)生成本。最后，它會死于ERP，而不是等待死亡。

那么如果ERP變成了公司的自動駕駛，類似于Autopilot，會發(fā)生什么？

這時候反饋 智能 判斷>設(shè)置過程。

因為寬度適應(yīng)，重量減輕了，但能不能開到溝里就不好說了。

舉例來說，在檢測到庫存水平和市場價格之后，就可以發(fā)起采購建議。

這一企業(yè)級的Autopilot也將自行更新自我，感知現(xiàn)實，并根據(jù)價值設(shè)定處理程序員未事先設(shè)定的行為。

例如某一模塊存在安全漏洞，那么就會在測試環(huán)境中啟動測試，并發(fā)起更新審核。接著更新自己。

在這一應(yīng)用領(lǐng)域，基于規(guī)則和基于模型的智能水平在尺度上有很大的差異。

確定匹配規(guī)則，靈活匹配智能。

智力和靈活性最終會帶來寬適應(yīng)，所以沒有必要進行分類(分類太多)，所以需要基于自然語言進行交互。相反，GUI變成了幫助。與現(xiàn)在相反。

形式差異的表現(xiàn)是自然語言交互，但是差異的本質(zhì)在于規(guī)則所體現(xiàn)的智能和模型所體現(xiàn)的智能適應(yīng)范圍有很大的差異。

這種拋光產(chǎn)品，會帶來怎樣的差異？

AI商品的關(guān)鍵階段從1到10。

假設(shè)你做的菜是四川菜，也是給四川人吃的，那就是從0到1。 ，兩段論從1段到100段。

但是，如果你做的四川菜也會自己微調(diào)，那么你做完菜后，在四川(從0到1)之后，估計每個省都要進行抽樣測試(從1到10)，然后才能大規(guī)模推廣(從10到100)。

智能化原生應(yīng)用這種自適應(yīng)性的特點也決定了這種應(yīng)用類型所匹配的領(lǐng)域。

如果是簡單的規(guī)則就能搞定，產(chǎn)生利潤的地方，其實并不是智能原生應(yīng)用的最佳落點。在一定程度上，機會資源已經(jīng)被發(fā)現(xiàn)并耗盡。。

在這一領(lǐng)域中，智能原生創(chuàng)造的價值與商品創(chuàng)造財富的原始運行方式?jīng)]有太大區(qū)別。

這意味著智能原生應(yīng)用必須解決復雜的情況，處理規(guī)則無法到達該地區(qū)的問題。(在一定程度上，所謂的AI偶爾會火起來。 APP在起點上有問題，沒有后勁，也不可能成功)。

而且如果智能原生應(yīng)用要解決復雜場景的問題，那么在實用化的時候，一定要把智能原生的特性發(fā)揮到極致，變成類有機體。

就像川菜一樣，它會從1到10變成一個非常關(guān)鍵的階段。

我們可以舉一個積極的例子，比如做一個Agent的招聘。

從收集需求，到篩選簡歷，再到Offer發(fā)送，都能完全實現(xiàn)入職的全過程。

根據(jù)因特網(wǎng)的概念，開發(fā)后在某一或幾家公司內(nèi)部運行良好，此時從0到1基本完成。

此時PMF式擴張能否實用化？

對于Agent產(chǎn)品，肯定不行。既然招聘需求和需求匹配都是自適應(yīng)的，那么適合科技企業(yè)的公司可能不適合快速消費品。

而可能導致不適應(yīng)的部分只能通過智能來解決，不能通過規(guī)則來解決。(智能原生應(yīng)用的價值基礎(chǔ))

如果總結(jié)了這部分的調(diào)優(yōu)、確定、打磨，那就是從1到10。

這個環(huán)節(jié)過去對網(wǎng)絡(luò)商品來說并不重要，但是對于智能原生商品(類有機體)來說卻非常重要。

總結(jié)來說，因特網(wǎng)項目是兩段論，而AI商品是三段論。。

從1到10這個階段對于智能原生產(chǎn)品來說是非常重要的。如果做得不好，就意味著智能不起作用。一旦回去，從0到1不斷重復，很可能會走上數(shù)字化或者SaaS的老路。

產(chǎn)業(yè)空間

假如把各種產(chǎn)品放在智能坐標軸上，那大概就是這樣一種分布。

簡單的工具，比如壓縮軟件或者安全軟件，是一個固定形狀的球。我會做這份工作，其他人不會打電話給我。根據(jù)過去的說法，一個好的工具可以支持10億美元的公司。(chatGPT不簡單。...）

因為平臺兩邊都是開放的，所以看起來像一個擁擠可以變形的球，但是可以變形是肯定的。根據(jù)之前的說法，這是100億美元公司的支持。生態(tài)聲稱把上面的一堆東西放在一起，但從智能的角度來看，本質(zhì)并沒有改變。

與上述不同，智能原生應(yīng)用本身就是一種變形蟲，一種有機體。環(huán)境需要什么，它會朝著那個方向變，它會進化(程序改變了它自己。 VS版本更新)。

的確，智能原生程序不需要擁擠，自己可以根據(jù)需要變形。

這一特性帶來了一個缺點，智能化的原生應(yīng)用雖然也可以大也可以小，但是由于智能化的通用性，不太可能是簡單的工具，所以不會是太小的商品。

技術(shù)決定了先天的概率，而投入產(chǎn)出決定了現(xiàn)實的概率。

需要注意的是，智能原生應(yīng)用工具等不能放在一起，包括本質(zhì)上是工具的歌曲類別的有趣應(yīng)用程序，這不是一種物品。

總結(jié)

如果問大模型帶來了什么？那么很多人的印象可能是可以幫助寫論文，生成非常吸引人的照片，生成視頻。（Sora）。但是這個世界上實際上很少有人每天都在做編輯工作。假如人工智能的影響受到限制，那就不可能帶來超越因特網(wǎng)的生產(chǎn)力。在大模型產(chǎn)生的能力中，最重要的是理解概念和自我判斷的能力。只有基于這種能力，才能構(gòu)建真正的智能原生應(yīng)用，而智能原生應(yīng)用不僅需要從0到1，還需要從1到10。

本文來自微信微信官方賬號“琢磨事”（ID:zuomoshi），作者：老李話一三，36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com