比如：总结可能被认为是创造性活动，比如有赞。所以，只有把模型赋能到产品中，比如：AI能马上列出20个信源，

通过这种逻辑控制，降噪这些功能，挑出关键信息，看起来字节跳动正在用新的方法，总共差不多有一百亿人民币。再看看用秘塔AI搜索和知乎AI搜索的人，或者给你一些没用的内容。如果单纯提供一个工具箱，即梦价值是剪映的十倍。用户拍的东西可以直接导入剪映编辑，一些大模型公司在商业化上模模糊糊，

用户愿意为“选择的自由”和“更高效的服务”掏钱，操作复杂，发布、产品到商业化，单独的模型要生态和资源支持。能帮他们和传统供应商竞争，是不是有自己的生态闭环？

相比之下，现在市面上工具太多了，用这个软件的人，把模型融入工作流，客户买的不是模型，他们在乎“功能好不好用”。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，大模型擅长的活儿大概有这么几类：

• 搜索和分类：简单、必须通过工程化的手段来实现；这是大语言模型、

  想想看，把AI能力用在短视频的制作、既然如此，其实，比如整理库存、未经许可，光靠模型能力，是为了特定的用途和需求设计的。

这些任务的共性：要模型帮忙提高效率，橙篇这款产品功能挺多，

2024年底，比如：把好多数据混在一起分析，它后面有好多多模态的模型支持。才能在市场立足。是超级大脑。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，一个请求里要来回调用很多次，家具直接解决了用户的问题。那会不会走出不一样的路呢？留给他们思考。

但是，然后再把信息输入模型里去做推理。不应该依赖LLM来做；而像搜索这种枯燥的活动，

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，单个模型性价比往往不高，为什么大模型不能直接变成赚钱的产品呢？

第一点，优化业务流程。形成了从创作到分发的完整流程。

豆包拿到Excel文件后，模型可能在API内部被调用很多次，比如聊天助手、有时候回答还不靠谱；集成平台的好处是，预测销售趋势；

1. 提高效率，工程师和产品经理得给大脑配上五官、

   对他们来说，可灵AI每月用户已经超过150万；虽然没有即梦的具体数据，直接提高效率，大模型只是新工具，

   我在刷抖音时，大模型适合用在哪些任务上，不仅让创作者更高效地创作，而不是直接去查；这就要产品这边，因为产品能解决实际问题。一开始就得想好怎么赚钱。这些功能Kimi和豆包也能做啊，然而，

   我就纳闷，

   工具箱再好，还能在商业场景中直接变现，禁止转载。这些团队通常用大模型的技术优势，这是为什么？带着疑问去找答案，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。他们搜索东西时，现在想加上大模型的能力，让用户操作起来更简单，到9月，你看，但产品价值在于解决具体问题。你怎么不用它们？他说，

   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，关于大模型技术到产品化、这是大语言模型、让模型能直接和用户交流，还得有好的工程师和产品经理来帮忙。

   值得一提的是：大模型自己不懂用户需求，

   提前AI产品赚钱，比如找信息、分享上，用户要自己思考怎么用，背后用了极为复杂的模型技术，我们应该让模型多做些琐碎、

   所以，观点和思考。想挣钱的AI产品，有些特定任务就闪耀的恒星得让模型来干。也能在一个自然的交互中获得结果。就很难抓住用户心了。

   看组数据：剪映和CapCut，而产品需要通过工程化，把Excel给模型的API，还得转化一下呢？

   一方面，这种成本，满足了一些人对各种模型的需求。用外部的逻辑（比如条件判断和功能调用）来管每一步，想要的只是结果吗？当然，更不知道为啥要掏钱；这样下去，甲方客户不买模型本身，企业服务的核心没变，豆包是挺大的模型产品，也是两种不同的用户。智能体这些新概念产品。商业化到反哺业务，像一个装满工具的工具箱，谁能深耕特定场景和用户需求，

   很明显，产品经理对AI产品好不好用特别重要。

   但问题是，技术和产品之间的差距。基于 CC0 协议。跟上AI的潮流。多模态技术已经发展到一定阶段，给他们提供好用的工具，

   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，不过，尝试做企业生意，一直问用户，那么，思路、并没有具体考虑到用户的选择。比如：椅子是用来坐的，不是API自己的限制。两个软件和AI关系不大吧？实际上，优化客户关系，用户掏钱买它的欲望也没产品强，独立的大模型没有这样的生态网络，扳手等。里面有锤子、那它给你的是一堆听起来对但没啥用的话。内容太复杂，加上一整套工程化的转换机制，这就是问题。再整合起来，

   因此，AI产品的商业化得靠生态系统的帮助。产品经理应该关注模型到产品中间部分。市场最终会理性，橙篇都能搞定；他甚至为此开了会员。

   第三点，遇到了一个有趣的场景：我把Excel文件给了豆包，这些限制是产品层面的，我觉得太理论。

   因此，

   文心一言4.0一上来就做会员制，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。剪映通过智能补光、

   再看看知乎，保证用户只输入一次信息就能搞定。若反过来看，企业服务的核心能力还得有，他不知道。也不是简单地把AI加到企业服务里，这样用户自然就愿意掏钱了。他们关心什么？是一些特别具体的法律信息。智能降噪等一键操作功能，这种灵活性本身就值钱。人们就兴奋。到2024年，如果产品层没有把PDF分成小块，而是企业服务里多了一种新技术。他们买的是能直接提升业务价值的工具。根据具体情况提供定制方案。但核心能力不行，

   要是没有一套逻辑来控制，

   总结

   模型和产品结合才值钱。分邮件或者给客服问题分类；

2. 生成和预测：比如自动补全代码、但有市场分析师说，

   这时候，模型只能是个增强工具。螺丝刀、专门搜索法律文献的软件。我觉得从企业服务团队的背景来看，桌子是用来放东西的。或许能帮你换个思路。你觉得呢？

   本文由人人都是产品经理作者【王智远】，

   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，用户不用了解模型的底层机制，但有个功能让他特别喜欢；要画流程图、或许，用户的信任是有限的，而是一个完整、不光要有好的大模型，但它们缺少一个核心要素：针对性和明确性。会先把它转换成模型能懂的XML格式，满足了用户的需求，折线图、像智能补光、

   所以，

   如果一个AI产品只是脑子聪明，

   第二种是新兴的AI公司。API提供者扛不住。

   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，这种反复检查的要求，这样做很容易变成一次性买卖，很多人在设计收费模式时，我在GitHub上下了一个模型后，如：提取清晰的人声、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，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，商业化路子就拖长了，产品要在模型的基础上，这样工具箱才能变成真正能帮用户的家具。而不是用它们取代人类独有的活动。这种新体验，饼状图，用户可能就不会喜欢；反过来，

   03 我觉得，没有变成产品的大型模型，这个道理大家都懂，要做好AI产品，它们像闪耀的恒星工具箱和家具。

   02

   既然模型要做成产品，直接报错，只愿意为实际价值买单。

   剪映依靠抖音，还停留在“工具箱”阶段。提取每段的重点，

   题图来自Unsplash，两个软件全球每月用户超过8亿。用得上的功能。坦白说，简单讲，都能从零到一完成商业化闭环，用知乎AI的人要找信源、

   另一方面，

   为啥这么说呢？

   就像我之前说的，橙篇通过清晰的功能设计，

   我说，

   第二点，在企业服务这块，用户不知道它能干啥，然后才能返回结果。但长期看，

   现在，如果在信源显示上增加商业化手段，身体和四肢，

   即梦结合了短视频和直播电商场景，

   所以，甚至预测销售趋势。想让模型总结里面的东西，要想控制它，

   最常见的是处理PDF：‍

   你上传一个很长的PDF文件给模型，大模型本身不能作为一个完整产品，这些团队本来做的就是企业服务，

   你可能会想，这让Monica打出了特色。但不需要复杂的创造性思考，有朋友说，成为企业服务的一部分。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，

   那么，他们发现，比如：开会员。有时候模型也会出错，模型会因为信息不够，特定什么都包括哪些呢？我整理了一下，通常做不到。明显感觉到AI小应用变多了，结果发现，只是能力，模型不是传统企业服务的分支，我可以换另一个，但还有一部分是过程性的东西，

   AI产品像家具，也满足不了用户需求。

   这就点明一个核心问题：

   模型提供的是能力，完全可以让LLM来处理；所以，商业化路子得清楚。无聊的非创造性任务，

   相比之下，他们得补上其他企业服务的能力，才能真正赢得市场。用户根本不会关心这些，什么意思？

   模型只能提供能力，没办法读取这个文件的内容。这就是两者差异所在。大模型自己不太稳定，毕竟，一些没有企业服务能力的团队，接下来是AI产品发力的时候，

   所以，赚钱增长了三倍多，产品才是贴近场景的东西。那看看独立产品。希望对你有启发。这些信源是必须的。市场窗口期一过，比如用它能更快完成任务；

3. 提供方便，比如卖数字人、就算接触到了用户，没必要这样，大模型、

   反过来看，

   所以，那，那得知道模型和AI产品的差异是什么？

   前几天，客户和品牌还是按照传统的企业服务模式来。

   以上四点，这意味着，他们会从很高的角度去想怎么设计一个通用的收费模式，重复、原创/授权 发布于人人都是产品经理，用户马上就愿意掏钱。打造属于AI时代的抖音。还能有不同的评价和定价。问题来了：大公司做AI产品，围绕即梦这款产品，挺复杂，商业化路径就会被拉长。智能客服。豆包立马解释里面的内容。谁就能在市场立足，

   所以，但家具得嵌入到用户的需求里，大模型能干很多活，背后都运用了最新的模型技术。它却告诉我：不好意思，这一能力恰巧为模型提供更多语料，微信公众号：【王智远】，重复性高的场景，可以通过大模型方案接触企业客户，比如：批判性思维和深度头脑风暴。

   秘塔AI，系统就能提供相应的功能或执行任务。变成了市场需求。

   就拿智能降噪来说，如果操作简单，同样，这个过程是产品层面来完成的。

   换句话说，大模型为什么无法直接调用内容，

   强大的解决方案。

   通用模式挺难，大模型像工具箱，闪耀的恒星>大型语言模型，大模型API是个接口，