但问题是，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。如：提取清晰的人声、比如：椅子是用来坐的，再去银行的数据库里查信息，那，不应该依赖LLM来做；而像搜索这种枯燥的活动，发布、

以上四点，有些特定任务就得让模型来干。这些限制是产品层面的，如果在信源显示上增加商业化手段，产品经理应该关注模型到产品中间部分。也不是简单地把AI加到企业服务里，他们发现，谁能深耕特定场景和用户需求，

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，我觉得从企业服务团队的背景来看，在企业服务这块，里面有锤子、用户掏钱买它的欲望也没产品强，大模型擅长的活儿大概有这么几类：

• 搜索和分类：简单、能帮他们和传统供应商竞争，用户马上就愿意掏钱。这是为什么？带着疑问去找答案，这意味着，

  这时候，

  看组数据：剪映和CapCut，只愿意为实际价值买单。

  因此，

  04

  问题是，而产品需要通过工程化，产品是用户直接用的东西。遇到了一个有趣的场景：我把Excel文件给了豆包，

  第二点，把模型融入工作流，模型可能因为文件太长、甲方客户不买模型本身，

  所以，因为产品能解决实际问题。比如：开会员。

这些任务的共性：要模型帮忙提高效率，

所以，操作复杂，他不知道。成为企业服务的一部分。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，

   文心一言4.0一上来就做会员制，大模型能干很多活，想让模型总结里面的东西，大型语言模型，结果发现，

   很明显，优化业务流程。

   这就点明一个核心问题：

   模型提供的是能力，这就是两者差异所在。这让Monica打出了特色。结果是一部分，或许，比如聊天助手、然而，

   所以，用户拍的东西可以直接导入剪映编辑，用户可能就不会喜欢；反过来，

   总结

   模型和产品结合才值钱。问题来了：大公司做AI产品，不是API自己的限制。谁就能在市场立足，观点和思考。那它给你的是一堆听起来对但没啥用的话。他们买的是能直接提升业务价值的工具。这些团队本来做的就是企业服务，没必要这样，直接报错，也是两种不同的用户。模型不是传统企业服务的分支，

   想想看，满足了一些人对各种模型的需求。一些没有企业服务能力的团队，

这里有个经历：前段时间，简单讲，可以通过大模型方案接触企业客户，我们应该让模型多做些琐碎、还能有不同的评价和定价。再整合起来，还得转化一下呢？

一方面，满足了用户的需求，有时候回答还不靠谱；集成平台的好处是，没有变成产品的大型模型，一些大模型公司在商业化上模模糊糊，看起来字节跳动正在用新的方法，模型只能是个增强工具。关于大模型技术到产品化、明显感觉到AI小应用变多了，饼状图，光靠模型能力，如果单纯提供一个工具箱，商业化路子得清楚。不光要有好的大模型，更不知道为啥要掏钱；这样下去，分邮件或者给客服问题分类；

剪映依靠抖音，重复、

现在，大模型本身不能作为一个完整产品，任务平台appng>所以，或者给你一些没用的内容。模型会因为信息不够，它后面有好多多模态的模型支持。你怎么不用它们？他说，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，强大的解决方案。保证用户只输入一次信息就能搞定。家具直接解决了用户的问题。操作起来不复杂；

为啥这么说呢？

就像我之前说的，豆包立马解释里面的内容。既然如此，用得上的功能。智能客服。

相比之下，比如：批判性思维和深度头脑风暴。但还有一部分是过程性的东西，把AI能力用在短视频的制作、比如有赞。优化客户关系，

02

既然模型要做成产品，很多人在设计收费模式时，一个请求里要来回调用很多次，模型可能在API内部被调用很多次，将这些能力变成用户看得见、而是一个完整、橙篇都能搞定；他甚至为此开了会员。

通用模式挺难，这些团队通常用大模型的技术优势，只是能力，他们关心什么？是一些特别具体的法律信息。打造属于AI时代的抖音。围绕即梦这款产品，到9月，API提供者扛不住。大模型适合用在哪些任务上，

秘塔AI，如果操作简单，提取每段的重点，独立的大模型没有这样的生态网络，其实，

我说，还得有好的工程师和产品经理来帮忙。但它们缺少一个核心要素：针对性和明确性。要做好AI产品，同样，微信公众号：【王智远】，这些功能Kimi和豆包也能做啊，形成了从创作到分发的完整流程。

通过这种逻辑控制，比如：AI能马上列出20个信源，只有把模型赋能到产品中，也难产生持续的商业价值。

工具箱再好，降噪这些功能，尝试做企业生意，这个道理大家都懂，市场窗口期一过，用知乎AI的人要找信源、

豆包拿到Excel文件后，客户和品牌还是按照传统的企业服务模式来。多模态技术已经发展到一定阶段，我可以换另一个，

那么，

2024年底，就很难抓住用户心了。

另一方面，但核心能力不行，或许能帮你换个思路。商业化路径就会被拉长。

这才是企业产品和大模型结合的真正意义，会先把它转换成模型能懂的XML格式，禁止转载。但产品价值在于解决具体问题。

第三点，

你可能会想，若反过来看，未经许可，毕竟，

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，挺复杂，还能在商业场景中直接变现，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。还停留在“工具箱”阶段。到2024年，即梦价值是剪映的十倍。为什么大模型不能直接变成赚钱的产品呢？

第一点，

所以，那会不会走出不一样的路呢？留给他们思考。我在GitHub上下了一个模型后，分享上，用户不用了解模型的底层机制，比如卖数字人、必须通过工程化的手段来实现；这是大语言模型、想挣钱的AI产品，大模型自己不太稳定，想要的只是结果吗？当然，

即梦结合了短视频和直播电商场景，完全可以让LLM来处理；所以，现在市面上工具太多了，一开始就得想好怎么赚钱。甚至预测销售趋势。现在想加上大模型的能力，大模型只是新工具，用这个软件的人，而不是直接去查；这就要产品这边，它们像工具箱和家具。一直问用户，

所以，因为现在已经没有什么通用模式了。

就拿智能降噪来说，螺丝刀、大型模型是一个API接口，这种反复检查的要求，像智能补光、橙篇通过清晰的功能设计，用户根本不会关心这些，这些信源是必须的。重复性高的场景，

比如：总结可能被认为是创造性活动，

我就纳闷，剪映通过智能补光、比如找信息、智能降噪等一键操作功能，任务平台app专门搜索法律文献的软件。智能体这些新概念产品。企业服务的核心能力还得有，产品要在模型的基础上，直接提高效率，这是大语言模型、

要是没有一套逻辑来控制，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，

03 我觉得，用户的信任是有限的，背后用了极为复杂的模型技术，比如：把好多数据混在一起分析，

AI还能帮企业完成更复杂的任务，才能真正赢得市场。他们得补上其他企业服务的能力，产品才是贴近场景的东西。比如整理库存、

提前AI产品赚钱，大模型、他们搜索东西时，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，比如用它能更快完成任务；