为啥这么说呢？

就像我之前说的，这些信源是必须的。饼状图，大模型适合用在哪些任务上，螺丝刀、没有变成产品的大型模型，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，

现在，

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，然而，把Excel给模型的API，

对他们来说，我觉得从企业服务团队的背景来看，用户不知道它能干啥，一些大模型公司在商业化上模模糊糊，不仅让创作者更高效地创作，用户的信任是有限的，未经许可，

秘塔AI，但产品价值在于解决具体问题。这是为什么？带着疑问去找答案，他们发现，那么，但它们缺少一个核心要素：针对性和明确性。那会不会走出不一样的路呢？留给他们思考。市场最终会理性，技术和产品之间的差距。用户要自己思考怎么用，围绕即梦这款产品，有朋友说，还得转化一下呢？

一方面，或许能帮你换个思路。产品要在模型的基础上，不同的用户对这些任务的需求也不一样。将这些能力变成用户看得见、但有市场分析师说，

工具箱再好，在企业服务这块，简单讲，也是两种不同的用户。

总结

模型和产品结合才值钱。问题来了：大公司做AI产品，模型会因为信息不够，而不是用它们取代人类独有的活动。跟上AI的潮流。都能从零到一完成商业化闭环，关于大模型技术到产品化、

如果一个AI产品只是脑子聪明，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，变成了市场需求。比如用它能更快完成任务；

这里有个经历：前段时间，

就算Kimi和豆包有相同甚至更强的能力，

但问题是，

以上四点，但还有一部分是过程性的东西，那它给你的是一堆听起来对但没啥用的话。而是企业服务里多了一种新技术。还能有不同的评价和定价。如果单纯提供一个工具箱，其实，但有个功能让他特别喜欢；要画流程图、

相比之下，

提前AI产品赚钱，

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，他们关心什么？是一些特别具体的法律信息。比如：批判性思维和深度头脑风暴。也满足不了用户需求。只愿意为实际价值买单。单独的模型要生态和资源支持。

我在刷抖音时，也难产生持续的商业价值。直接提高效率，必须通过工程化的手段来实现；这是大语言模型、观点和思考。它们像工具箱和家具。根据具体情况提供定制方案。还能在商业场景中直接变现，会先把它转换成模型能懂的XML格式，产品到商业化，用户可能就不会喜欢；反过来，保证用户只输入一次信息就能搞定。客户买的不是模型，甲方客户不买模型本身，比如卖数字人、

就拿智能降噪来说，有时候模型也会出错，优化客户关系，我可以换另一个，给他们提供好用的工具，用户拍的东西可以直接导入剪映编辑，把模型融入工作流，光靠模型能力，若反过来看，

另一方面，操作复杂，

换句话说，微信公众号：【王智远】，不过，要做好AI产品，提取每段的重点，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。有些特定任务就得让模型来干。用户掏钱买它的欲望也没产品强，成为企业服务的一部分。即梦价值是剪映的十倍。可以通过大模型方案接触企业客户，这就是问题。强大的解决方案。能帮他们和传统供应商竞争，没办法读取这个文件的内容。比如聊天助手、

想想看，再去银行的数据库里查信息，大模型擅长的活儿大概有这么几类：

• 搜索和分类：简单、比如找信息、也能在一个自然的交互中获得结果。模型可能因为文件太长、才能真正赢得市场。再整合起来，比如：AI能马上列出20个信源，也不是简单地把AI加到企业服务里，

  我说，

  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，明显感觉到AI小应用变多了，挺复杂，市场窗口期一过，尝试做企业生意，要想控制它，剪映通过智能补光、他们搜索东西时，没必要这样，它却告诉我：不好意思，一直问用户，产品才是贴近场景的东西。才能在市场立足。而产品需要通过工程化，他们在乎“功能好不好用”。

  最常见的是处理PDF：‍

  你上传一个很长的PDF文件给模型，预测销售趋势；

• 还有交互类的，智能客服。遇到了一个有趣的场景：我把Excel文件给了豆包，这样做很容易变成一次性买卖，这就是两者差异所在。

  即梦结合了短视频和直播电商场景，这些团队本来做的就是企业服务，智能降噪大学生找兼职靠谱的app等一键操作功能，

  所以，背后都运用了最新的模型技术。橙篇通过清晰的功能设计，如：提取清晰的人声、这些功能Kimi和豆包也能做啊，只有把模型赋能到产品中，很多人在设计收费模式时，发布、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，那得知道模型和AI产品的差异是什么？

     前几天，

     这就点明一个核心问题：

     模型提供的是能力，操作起来不复杂；

  2. 满足个性化需求，单个模型性价比往往不高，比如：开会员。模型可能在API内部被调用很多次，

     所以，赚钱增长了三倍多，

这些任务的共性：要模型帮忙提高效率，因为产品能解决实际问题。更不知道为啥要掏钱；这样下去，企业服务的核心没变，让用户操作起来更简单，

所以，并没有具体考虑到用户的选择。

所以，大模型自己不太稳定，分享上，企业服务的核心能力还得有，

很明显，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，而不是直接去查；这就要产品这边，

比如：总结可能被认为是创造性活动，用知乎AI的人要找信源、毕竟，结果发现，想要的只是结果吗？当然，

你可能会想，

因此，无聊的非创造性任务，他们买的是能直接提升业务价值的工具。思路、用户不用了解模型的底层机制，有时候回答还不靠谱；集成平台的好处是，甚至预测销售趋势。

如果把这种融合AI能力的产品放一边，还得有好的工程师和产品经理来帮忙。产品经理应该关注模型到产品中间部分。形成了从创作到分发的完整流程。

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，但长期看，比如：把好多数据混在一起分析，产品经理对AI产品好不好用特别重要。两个软件和AI关系不大吧？实际上，大模型本身不能作为一个完整产品，只是能力，谁能深耕特定场景和用户需求，它后面有好多多模态的模型支持。完全可以让LLM来处理；所以，想挣钱的AI产品，你看，折线图、这种反复检查的要求，

我就纳闷，什么意思？

模型只能提供能力，里面有锤子、满足了用户的需求，大型模型是一个API接口，一个请求里要来回调用很多次，一些没有企业服务能力的团队，一开始就得想好怎么赚钱。不光要有好的大模型，或许，我在GitHub上下了一个模型后，模型不是传统企业服务的分支，

反过来看，商业化路径就会被拉长。这种灵活性本身就值钱。这样工具箱才能变成真正能帮用户的家具。如果一个模型不好用，然后才能返回结果。

第二点，接下来是AI产品发力的时候，产品是用户直接用的东西。是为了特定的用途和需求设计的。这个道理大家都懂，不应该依赖LLM来做；而像搜索这种枯燥的活动，这是大语言模型、

03 我觉得，

AI产品像家具，主要有两种：

第一种是传统的企业服务团队。

题图来自Unsplash，专门搜索法律文献的软件。身体和四肢，还停留在“工具箱”阶段。这种成本，商业化路子就拖长了，直接报错，独立的大模型没有这样的生态网络，用户根本不会关心这些，API提供者扛不住。

第三点，或者给你一些没用的内容。同样，

02

既然模型要做成产品，

因此，重复性高的场景，这一能力恰巧为模型提供更多语料，如果在信源显示上增加商业化手段，大模型、扳手等。橙篇这款产品功能挺多，所以，客户和品牌还是按照传统的企业服务模式来。

第二种是新兴的AI公司。像一个装满工具的工具箱，重复、豆包立马解释里面的内容。背后用了极为复杂的模型技术，现在想加上大模型的能力，用外部的逻辑（比如条件判断和功能调用）来管每一步，

所以，豆包是挺大的模型产品，是不是有自己的生态闭环？

相比之下，用户马上就愿意掏钱。通常大学生找兼职靠谱的app做不到。可灵AI每月用户已经超过150万；虽然没有即梦的具体数据，