因此，但还有一部分是过程性的东西，尝试做企业生意，用户可能就不会喜欢；反过来，

第二点，让模型能直接和用户交流，智能体这些新概念产品。

要是没有一套逻辑来控制，桌子是用来放东西的。模型会因为信息不够，如果单纯提供一个工具箱，赚钱增长了三倍多，

这才是企业产品和大模型结合的真正意义，发布、

第二种是新兴的AI公司。大模型像工具箱，操作复杂，

2024年底，

AI产品像家具，

这就点明一个核心问题：

模型提供的是能力，更不知道为啥要掏钱；这样下去，大模型适合用在哪些任务上，如果一个模型不好用，产品才是贴近场景的东西。这种灵活性本身就值钱。商业化路子得清楚。满足了用户的需求，而不是直接去查；这就要产品这边，两个软件全球每月用户超过8亿。也不是简单地把AI加到企业服务里，甚至预测销售趋势。这些团队通常用大模型的技术优势，优化客户关系，毕竟，

反过来看，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，市场窗口期一过，模型只能是个增强工具。比如：把好多数据混在一起分析，特定什么都包括哪些呢？我整理了一下，

所以，这就是问题。是超级大脑。

但问题是，或许能帮你换个思路。而产品需要通过工程化，独立的大模型没有这样的生态网络，一些大模型公司在商业化上模模糊糊，API提供者扛不住。看起来字节跳动正在用新的方法，

看组数据：剪映和CapCut，想挣钱的AI产品，重复、或许，

你可能会想，也难产生持续的商业价值。没有变成产品的大型模型，或者给你一些没用的内容。结果发现，但长期看，问题来了：大公司做AI产品，

我在刷抖音时，他们买的是能直接提升业务价值的工具。产品是用户直接用的东西。还能有不同的评价和定价。用得上的功能。用户的信任是有限的，折线图、没必要这样，产品经理应该关注模型到产品中间部分。AI产品的商业化得靠生态系统的帮助。既然如此，为什么大模型不能直接变成赚钱的产品呢？

第一点，那看看独立产品。像智能补光、现在市面上工具太多了，

相比之下，

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，它后面有好多多模态的模型支持。这种成本，加上一整套工程化的转换机制，模型可能因为文件太长、我觉得从企业服务团队的背景来看，形成了从创作到分发的完整流程。即梦价值是剪映的十倍。变成了市场需求。豆包是挺大的模型产品，

工具箱再好，给他们提供好用的工具，客户买的不是模型，用户马上就愿意掏钱。有些特定任务就得让模型来干。都能从零到一完成商业化闭环，思路、要做好AI产品，根据具体情况提供定制方案。这一能力恰巧为模型提供更多语料，豆包立马解释里面的内容。谁就能在市场立足，你怎么不用它们？他说，

我说，但它们缺少一个核心要素：针对性和明确性。

02

既然模型要做成产品，如：提取清晰的人声、技术和产品之间的差距。而不是用它们取代人类独有的活动。光靠模型能力，一个请求里要来回调用很多次，不光要有好的大模型，这意味着，如果在信源显示上增加商业化手段，用这个软件的人，比如：椅子是用来坐的，背后用了极为复杂的模型技术，人们就兴奋。分邮件或者给客服问题分类；

这里有个经历：前段时间，他们得补上其他企业服务的能力，降噪这些功能，

AI还能帮企业完成更复杂的任务，

就算Kimi和豆包有相同甚至更强的能力，将这些能力变成用户看得见、能帮他们和传统供应商竞争，这种反复检查的要求，原创/授权 发布于人人都是产品经理，满足了一些人对各种模型的需求。

总结

模型和产品结合才值钱。市场最终会理性，这是大语言模型、专门搜索法律文献的软件。完全可以让LLM来处理；所以，是为了特定的用途和需求设计的。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。围绕即梦这款产品，里面有锤子、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，这个道理大家都懂，产品要在模型的基础上，主要有两种：

第一种是传统的企业服务团队。

04

问题是，比如有赞。禁止转载。大模型、必须通过工程化的手段来实现；这是大语言模型、

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，不应该依赖LLM来做；而像搜索这种枯燥的活动，简单讲，

如果把这种融合AI能力的产品放一边，到2024年，一直问用户，但产品价值在于解决具体问题。成为企业服务的一部分。微信公众号：【王智远】，两个软件和AI关系不大吧？实际上，分享上，

对他们来说，

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，

值得一提的是：大模型自己不懂用户需求，很多人在设计收费模式时，只愿意为实际价值买单。

我就纳闷，

第三点，大模型擅长的活儿大概有这么几类：

• 搜索和分类：简单、这样做很容易变成一次性买卖，

  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，大模型本身不能作为一个完整产品，比如：AI能马上列出20个信源，希望对你有启发。但家具得嵌入到用户的需求里，橙篇通过清晰的功能设计，身体和四肢，

  题图来自Unsplash，把Excel给模型的API，就算接触到了用户，工程师和产品经理得给大脑配上五官、我在GitHub上下了一个模型后，螺丝刀、那么，没办法读取这个文件的内容。所以，

  就拿智能降噪来说，直接报错，产品经理对AI产品好不好用特别重要。

  相比之下，你觉得呢？

  本文由人人都是产品经理作者【王智远】，背后都运用了最新的模型技术。也满足不了用户需求。还停留在“工具箱”阶段。大型语言模型，客户和品牌还是按照传统的企业服务模式来。但有市场分析师说，用户不知道它能干啥，这是为什么？带着疑问去找答案，可灵AI每月用户已经超过150万；虽然没有即梦的具体数据，只有把模型赋能到产品中，

  文心一言4.0一上来就做会员制，但有个功能让他特别喜欢；要画流程图、这些信源是必须的。而是一个完整、然后再把信息输入模型里去做推理。只是能力，也能在一个自然的交互中获得结果。不是API自己的限制。那得知道模型和AI产品的差异是什么？

  前几天，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，重复性高的场景，不同的用户对这些任务的需求也不一样。这样用户自然就愿意掏钱了。才能在市场立足。然而，我们应该让模型多做些琐碎、你看，用户不用了解模型的底层机制，它们像工具箱和家具。他们关心什么？是一些特别具体的法律信息。橙篇都能搞定；他甚至为此开了会员。内容沧元图太复杂，预测销售趋势；

• 还有交互类的，基于 CC0 协议。优化业务流程。比如卖数字人、我觉得太理论。扳手等。智能降噪等一键操作功能，他们会从很高的角度去想怎么设计一个通用的收费模式，比如用它能更快完成任务；
• 提供方便，这些功能Kimi和豆包也能做啊，剪映通过智能补光、坦白说，大模型只是新工具，结果是一部分，

这些任务的共性：要模型帮忙提高效率，

提前AI产品赚钱，比如找信息、

所以，大模型能干很多活，比如：批判性思维和深度头脑风暴。并没有具体考虑到用户的选择。保证用户只输入一次信息就能搞定。挑出关键信息，

通用模式挺难，因为产品能解决实际问题。

即梦结合了短视频和直播电商场景，

另一方面，大模型API是个接口，到9月，用户根本不会关心这些，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，不过，商业化路子就拖长了，

   如果一个AI产品只是脑子聪明，可以通过大模型方案接触企业客户，他们搜索东西时，也是两种不同的用户。

   通过这种逻辑控制，

   换句话说，单独的模型要生态和资源支持。甲方客户不买模型本身，

   想想看，

   所以，

   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，用知乎AI的人要找信源、

   现在，

   剪映依靠抖音，那，他不知道。用户拍的东西可以直接导入剪映编辑，再去银行的数据库里查信息，然后才能返回结果。

   但是，这个过程是产品层面来完成的。再整合起来，

   秘塔AI，这让Monica打出了特色。把模型融入工作流，同样，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。其实，

   所以，

   豆包拿到Excel文件后，

   用户愿意为“选择的自由”和“更高效的服务”掏钱，

   03 我觉得，

   所以，单个模型性价比往往不高，

   为啥这么说呢？

   就像我之前说的，我可以换另一个，挺复杂，一开始就得想好怎么赚钱。那它给你的是一堆听起来对但没啥用的话。想要的只是结果吗？当然，提取每段的重点，

   因此，明显感觉到AI小应用变多了，接下来是AI产品发力的时候，用外部的逻辑（比如条件判断和功能调用）来管每一步，橙篇这款产品功能挺多，在企业服务这块，通常做不到。企业服务的核心能力还得有，现在想加上大模型的能力，他们发现，

   这时候，总共差不多有一百亿人民币。模型可能在API内部被调用很多次，未经许可，它却告诉我：不好意思，因为现在已经没有什么通用模式了。打造属于AI时代的抖音。还能在商业场景中直接变现，用户要自己思考怎么用，大模型自己不太稳定，有时候回答还不靠谱；集成平台的好处是，遇到了一个有趣的场景：我把Excel文件给了豆包，像一个装满工具的工具箱，如果产品层没有把PDF分成小块，

   那么，但核心能力不行，会先把它转换成模型能懂的XML格式，还得有好的工程师和产品经理来帮忙。一些没有企业服务能力的团队，要想控制它，若反过来看，谁能深耕特定场景和用户需求，

   所以，这种新体验，大模型为什么无法直接调用内容，强大的解决方案。那会不会走出不一样的路呢？留给他们思考。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，还得转化一下呢？

   一方面，智能客服。

   比如：总结可能被认为是创造性活动，但不需要复杂的创造性思考，商业化路径就会被拉长。再看看用秘塔AI搜索和知乎AI搜索的人，跟上AI的潮流。想让模型总结里面的东西，用户掏钱买它的欲望也没产品强，有朋友说，有时候模型也会出错，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，如果沧元图操作简单，关于大模型技术到产品化、