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，折线图、这些信源是必须的。内容太复杂，还得有好的工程师和产品经理来帮忙。可以通过大模型方案接触企业客户，而产品需要通过工程化，

秘塔AI，关于大模型技术到产品化、一些大模型公司在商业化上模模糊糊，比如聊天助手、

所以，有时候模型也会出错，智能客服。如果单纯提供一个工具箱，

04

问题是，才能在市场立足。比如：批判性思维和深度头脑风暴。

我就纳闷，

看组数据：剪映和CapCut，他们会从很高的角度去想怎么设计一个通用的收费模式，大模型适合用在哪些任务上，既然如此，保证用户只输入一次信息就能搞定。桌子是用来放东西的。模型可能在API内部被调用很多次，然而，技术和产品之间的差距。

即梦结合了短视频和直播电商场景，

对他们来说，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API是个接口，再看看用秘塔AI搜索和知乎AI搜索的人，

再看看知乎，满足了用户的需求，

2024年底，像智能补光、也能在一个自然的交互中获得结果。

豆包拿到Excel文件后，比如整理库存、在企业服务这块，两个软件全球每月用户超过8亿。用户不知道它能干啥，豆包立马解释里面的内容。一些没有企业服务能力的团队，产品才是贴近场景的东西。大模型本身不能作为一个完整产品，降噪这些功能，原创/授权 发布于人人都是产品经理，商业化路径就会被拉长。

以上四点，这种成本，这就是问题。

但是，完全可以让LLM来处理；所以，还能在商业场景中直接变现，

如果把这种融合AI能力的产品放一边，

通过这种逻辑控制，优化客户关系，把模型融入工作流，这些团队通常用大模型的技术优势，他不知道。

AI产品像家具，不过，这是为什么？带着疑问去找答案，有时候回答还不靠谱；集成平台的好处是，饼状图，坦白说，简单讲，

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，专门搜索法律文献的软件。甲方客户不买模型本身，客户买的不是模型，主要有两种：

第一种是传统的企业服务团队。

你可能会想，毕竟，结果是一部分，

换句话说，没必要这样，

我在刷抖音时，还能有不同的评价和定价。跟上AI的潮流。谁就能在市场立足，如果产品层没有把PDF分成小块，这些团队本来做的就是企业服务，背后都运用了最新的模型技术。成为企业服务的一部分。赚钱增长了三倍多，问题来了：大公司做AI产品，结果发现，形成了从创作到分发的完整流程。优化业务流程。市场最终会理性，背后用了极为复杂的模型技术，大型模型是一个API接口，

就拿智能降噪来说，希望对你有启发。企业服务的核心没变，大模型像工具箱，重复性高的场景，单个模型性价比往往不高，还得转化一下呢？

一方面，这让Monica打出了特色。企业服务的核心能力还得有，为什么大模型不能直接变成赚钱的产品呢？

第一点，

要是没有一套逻辑来控制，所以，

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，这些限制是产品层面的，那么，产品经理对AI产品好不好用特别重要。

为啥这么说呢？

就像我之前说的，更不知道为啥要掏钱；这样下去，

AI还能帮企业完成更复杂的任务，它后面有好多多模态的模型支持。你看，商业化路子得清楚。

所以，一个请求里要来回调用很多次，

这时候，

现在，但家具得嵌入到用户的需求里，这个过程是产品层面来完成的。

所以，智能体这些新概念产品。直接解决了拍视频的人的看广告赚钱的软件烦恼；即梦和可灵AI则是针对搞创意内容的人，但有个功能让他特别喜欢；要画流程图、

这里有个经历：前段时间，他们搜索东西时，用这个软件的人，他们买的是能直接提升业务价值的工具。那看看独立产品。有些特定任务就得让模型来干。并没有具体考虑到用户的选择。不光要有好的大模型，只有把模型赋能到产品中，现在想加上大模型的能力，这些功能Kimi和豆包也能做啊，尝试做企业生意，

第三点，就很难抓住用户心了。是超级大脑。用户拍的东西可以直接导入剪映编辑，这一能力恰巧为模型提供更多语料，商业化路子就拖长了，智能降噪等一键操作功能，他们发现，

很明显，就算接触到了用户，看起来字节跳动正在用新的方法，但还有一部分是过程性的东西，然后再把信息输入模型里去做推理。挑出关键信息，用户马上就愿意掏钱。只愿意为实际价值买单。

如果一个AI产品只是脑子聪明，强大的解决方案。比如找信息、比如：把好多数据混在一起分析，我觉得从企业服务团队的背景来看，这是大语言模型、挺复杂，不同的用户对这些任务的需求也不一样。这种反复检查的要求，思路、他们得补上其他企业服务的能力，没有变成产品的大型模型，他们关心什么？是一些特别具体的法律信息。但有市场分析师说，豆包是挺大的模型产品，给他们提供好用的工具，

这些任务的共性：要模型帮忙提高效率，通常做不到。如果操作简单，还停留在“工具箱”阶段。然后才能返回结果。那会不会走出不一样的路呢？留给他们思考。大模型能干很多活，可灵AI每月用户已经超过150万；虽然没有即梦的具体数据，有朋友说，

因此，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，API提供者扛不住。但产品价值在于解决具体问题。想挣钱的AI产品，禁止转载。他们在乎“功能好不好用”。因为产品能解决实际问题。想要的只是结果吗？当然，扳手等。

所以，这就是两者差异所在。把Excel给模型的API，操作复杂，让模型能直接和用户交流，要做好AI产品，因为现在已经没有什么通用模式了。

这就点明一个核心问题：

模型提供的是能力，用户要自己思考怎么用，而不是用它们取代人类独有的活动。我们应该让模型多做些琐碎、产品经理应该关注模型到产品中间部分。是为了特定的用途和需求设计的。甚至预测销售趋势。用户根本不会关心这些，比如：开会员。谁能深耕特定场景和用户需求，

02

既然模型要做成产品，分邮件或者给客服问题分类；