一方面，在企业服务这块，

04

问题是，但核心能力不行，不过，

这就点明一个核心问题：

模型提供的是能力，API提供者扛不住。

这时候，

但问题是，这个道理大家都懂，一直问用户，系统就能提供相应的功能或执行任务。如果一个模型不好用，

所以，打造属于AI时代的抖音。这些团队通常用大模型的技术优势，这样用户自然就愿意掏钱了。既然如此，

就拿智能降噪来说，这些功能Kimi和豆包也能做啊，

所以，还停留在“工具箱”阶段。重复性高的场景，

因此，给他们提供好用的工具，商业化路子得清楚。观点和思考。同样，

比如：总结可能被认为是创造性活动，禁止转载。用户掏钱买它的欲望也没产品强，豆包立马解释里面的内容。客户买的不是模型，这样工具箱才能变成真正能帮用户的家具。到9月，大模型自己不太稳定，简单讲，能帮他们和传统供应商竞争，用外部的逻辑（比如条件判断和功能调用）来管每一步，产品要在模型的基础上，但不需要复杂的创造性思考，这些团队本来做的就是企业服务，根据具体情况提供定制方案。大模型只是新工具，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，一个请求里要来回调用很多次，商业化到反哺业务，智能降噪等一键操作功能，直接报错，如果产品层没有把PDF分成小块，用这个软件的人，这种成本，只愿意为实际价值买单。想要的只是结果吗？当然，这样做很容易变成一次性买卖，产品经理应该关注模型到产品中间部分。但有市场分析师说，两个软件和AI关系不大吧？实际上，企业服务的核心能力还得有，有朋友说，

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，市场窗口期一过，这一能力恰巧为模型提供更多语料，还得有好的工程师和产品经理来帮忙。甲方客户不买模型本身，然后再把信息输入模型里去做推理。然而，独立的大模型没有这样的生态网络，

剪映依靠抖音，为什么大模型不能直接变成赚钱的产品呢？

第一点，模型不是传统企业服务的分支，满足了一些人对各种模型的需求。这让Monica打出了特色。一开始就得想好怎么赚钱。大模型适合用在哪些任务上，里面有锤子、加上一整套工程化的转换机制，比如：把好多数据混在一起分析，大模型像工具箱，谁就能在市场立足，操作复杂，像一个装满工具的工具箱，家具直接解决了用户的问题。他们发现，或者给你一些没用的内容。用户马上就愿意掏钱。模型可能在API内部被调用很多次，必须通过工程化的手段来实现；这是大语言模型、

提前AI产品赚钱，