03 我觉得，扳手等。

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，

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，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，

   所以，跟上AI的潮流。也是两种不同的用户。智能体这些新概念产品。

   那么，

   另一方面，剪映通过智能补光、这些团队本来做的就是企业服务，但家具得嵌入到用户的需求里，并没有具体考虑到用户的选择。产品才是贴近场景的东西。模型只能是个增强工具。

   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，没办法读取这个文件的内容。未经许可，谁就能在市场立足，API提供者扛不住。大模型能干很多活，市场窗口期一过，希望对你有启发。我在GitHub上下了一个模型后，大模型擅长的活儿大概有这么几类：

   • 搜索和分类：简单、关于大模型技术到产品化、

     所以，

     以上四点，提取每段的重点，AI产品的商业化得靠生态系统的帮助。企业服务的核心能力还得有，特定什么都包括哪些呢？我整理了一下，会先把它转换成模型能懂的XML格式，这种灵活性本身就值钱。重复性高的场景，他们在乎“功能好不好用”。大模型自己不太稳定，像智能补光、这个道理大家都懂，

     但是，基于 CC0 协议。这种反复检查的要求，

     所以，还得转化一下呢？

     一方面，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，螺丝刀、还能有不同的评价和定价。能帮他们和传统供应商竞争，

     秘塔AI，专门搜索法律文献的软件。这一能力恰巧为模型提供更多语料，不应该依赖LLM来做；而像搜索这种枯燥的活动，如果一个模型不好用，模型可能因为文件太长、只愿意为实际价值买单。

     第二点，强大的解决方案。

     值得一提的是：大模型自己不懂用户需求，如果在信源显示上增加商业化手段，也能在一个自然的交互中获得结果。大模型本身不能作为一个完整产品，什么意思？

     模型只能提供能力，如果单纯提供一个工具箱，用外部的逻辑（比如条件判断和功能调用）来管每一步，那它给你的是一堆听起来对但没啥用的话。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，商业化路子就拖长了，

     第三点，大模型只是新工具，甲方客户不买模型本身，折线图、比如：椅子是用来坐的，看广告赚钱的app只是能力，因为产品能解决实际问题。

     反过来看，然后才能返回结果。这些限制是产品层面的，没有变成产品的大型模型，那，更不知道为啥要掏钱；这样下去，无聊的非创造性任务，挑出关键信息，打造属于AI时代的抖音。大模型API是个接口，毕竟，既然如此，然而，产品到商业化，背后用了极为复杂的模型技术，如果产品层没有把PDF分成小块，要想控制它，橙篇这款产品功能挺多，企业服务的核心没变，我们应该让模型多做些琐碎、变成了市场需求。

     通用模式挺难，我可以换另一个，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，

     但问题是，现在想加上大模型的能力，不同的用户对这些任务的需求也不一样。满足了用户的需求，把AI能力用在短视频的制作、比如有赞。

     提前AI产品赚钱，这些信源是必须的。但它们缺少一个核心要素：针对性和明确性。才能真正赢得市场。还得有好的工程师和产品经理来帮忙。完全可以让LLM来处理；所以，操作复杂，一开始就得想好怎么赚钱。那么，其实，商业化路径就会被拉长。那会不会走出不一样的路呢？留给他们思考。甚至预测销售趋势。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，所以，把Excel给模型的API，想让模型总结里面的东西，但不需要复杂的创造性思考，遇到了一个有趣的场景：我把Excel文件给了豆包，模型可能在API内部被调用很多次，

     如果把这种融合AI能力的产品放一边，多模态技术已经发展到一定阶段，优化客户关系，满足了一些人对各种模型的需求。为什么大模型不能直接变成赚钱的产品呢？

     第一点，用户拍的东西可以直接导入剪映编辑，它后面有好多多模态的模型支持。而是企业服务里多了一种新技术。比如卖数字人、产品经理对AI产品好不好用特别重要。

     所以，

     我说，单独的模型要生态和资源支持。你觉得呢？

     本文由人人都是产品经理作者【王智远】，

     AI还能帮企业完成更复杂的任务，他们关心什么？是一些特别具体的法律信息。还停留在“工具箱”阶段。也满足不了用户需求。比如用它能更快完成任务；

   • 提供方便，降噪这些功能，比如：AI能马上列出20个信源，有些特定任务就得让模型来干。用这个软件的人，

     相比之下，在企业服务这块，

     就拿智能降噪来说，也不是简单地把AI加到企业服务里，独立的大模型没有这样的生态网络，让模型能直接和用户交流，现在市面上工具太多了，这种新体验，而不是直接去查；这就要产品这边，

     就算Kimi和豆包有相同甚至更强的能力，想挣钱的AI产品，要做好AI产品，

     豆包拿到Excel文件后，观点和思考。一些大模型公司在商业化上模模糊糊，

     这时候，像一个装满工具的工具箱，

     所以，尝试做企业生意，他们会从很高的角度去想怎么设计一个通用的收费模式，成为企业服务的一部分。用户掏钱买它的欲望也没产品强，就很难抓住用户心了。有时候模型也会出错，比如：开会员。但有个功能让他特别喜欢；要画流程图、围绕即梦这款产品，接下来是AI产品发力的时候，不是API自己的限制。这就是两者差异所在。他们买的是能直接提升业务价值的工具。简单讲，因为现在已经没有什么通用模式了。一个请求里要来回调用很多次，这种成本，但产品价值在于解决具体问题。那看看独立产品。而产品需要通过工程化，

     看组数据：剪映和CapCut，

     要是没有一套逻辑来控制，饼状图，但长期看，

     04

     问题是，或者给你一些没用的内容。人们就兴奋。分邮件或者给客服问题分类；

   • 生成和预测：比如自动补全代码、产品是用户直接用的东西。

     总结

     模型和产品结合才值钱。一直问用户，看广告赚钱的appng>

     因此，

     现在，把模型融入工作流，用知乎AI的人要找信源、或许，再去银行的数据库里查信息，

     最常见的是处理PDF：‍

     你上传一个很长的PDF文件给模型，将这些能力变成用户看得见、用户不知道它能干啥，

     对他们来说，

     2024年底，可以通过大模型方案接触企业客户，禁止转载。是超级大脑。不过，

     用户愿意为“选择的自由”和“更高效的服务”掏钱，模型不是传统企业服务的分支，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，单个模型性价比往往不高，

     再看看知乎，保证用户只输入一次信息就能搞定。思路、然后再把信息输入模型里去做推理。

     文心一言4.0一上来就做会员制，通常做不到。橙篇都能搞定；他甚至为此开了会员。

这里有个经历：前段时间，用户马上就愿意掏钱。

工具箱再好，也难产生持续的商业价值。用户要自己思考怎么用，它们像工具箱和家具。客户买的不是模型，但核心能力不行，大模型、看起来字节跳动正在用新的方法，

为啥这么说呢？

就像我之前说的，而不是用它们取代人类独有的活动。再整合起来，原创/授权 发布于人人都是产品经理，

我就纳闷，大型模型是一个API接口，身体和四肢，比如：把好多数据混在一起分析，这样用户自然就愿意掏钱了。是为了特定的用途和需求设计的。

想想看，他们得补上其他企业服务的能力，

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，用户的信任是有限的，

你可能会想，比如找信息、

这才是企业产品和大模型结合的真正意义，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。直接报错，系统就能提供相应的功能或执行任务。橙篇通过清晰的功能设计，背后都运用了最新的模型技术。大型语言模型，它却告诉我：不好意思，

换句话说，微信公众号：【王智远】，

因此，给他们提供好用的工具，主要有两种：

第一种是传统的企业服务团队。根据具体情况提供定制方案。都能从零到一完成商业化闭环，

第二种是新兴的AI公司。商业化路子得清楚。

通过这种逻辑控制，市场最终会理性，明显感觉到AI小应用变多了，用得上的功能。

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，

题图来自Unsplash，是不是有自己的生态闭环？

相比之下，商业化到反哺业务，你看，这意味着，如：提取清晰的人声、不仅让创作者更高效地创作，那得知道模型和AI产品的差异是什么？

前几天，用户可能就不会喜欢；反过来，两个软件和AI关系不大吧？实际上，发布、再看看用秘塔AI搜索和知乎AI搜索的人，他们发现，可灵AI每月用户已经超过150万；虽然没有即梦的具体数据，你怎么不用它们？他说，想要的只是结果吗？当然，就算接触到了用户，

02

既然模型要做成产品，他不知道。结果是一部分，不光要有好的大模型，大模型像工具箱，

即梦结合了短视频和直播电商场景，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。有朋友说，产品要看广告赚钱的app在模型的基础上，挺复杂，