在這里我們觀察一下AI繪畫，他的賽道是不是一眼就望到了盡頭？你敢投入其中嗎（此處假裝忽略Diffusion技術(shù)后續(xù)的潛力）？

03

然后，找到新技術(shù)帶來的增量市場。

我們要避免被媒體詞語迷惑。什么是媒體詞語？就是標(biāo)題中的“AIGC”。

事實(shí)上這波狂潮中只有AI繪畫背后的Diffusion和ChatGPT背后的GPT這兩項(xiàng)技術(shù)產(chǎn)生了應(yīng)用端的突破。但是AIGC詞語一造出來，干涸的互聯(lián)網(wǎng)終于迎來了久違的新概念，媒體迫不及待將他扶上王座，繪制出一張張行業(yè)全景圖。

但事實(shí)上真正因?yàn)檫@兩項(xiàng)技術(shù)發(fā)生影響的行業(yè)是哪些？受到影響的行業(yè)就一定存在增量機(jī)會(huì)嗎？我搜集材料時(shí)一般剛開始的時(shí)候是不看投研式的報(bào)告的，很寬很全，但是好像知識從腦子流淌過去，看完什么也沒留下。

特別做過匯報(bào)PPT的人應(yīng)該知道，很多時(shí)候?yàn)榱私Y(jié)構(gòu)式美觀，你會(huì)硬湊信息，比如這個(gè)產(chǎn)業(yè)鏈只有2條不好看呀，我湊夠3個(gè)來個(gè)金字塔布局。這種信息會(huì)誤導(dǎo)思維框架的的建立，我一般是建立了體系化認(rèn)知再去看報(bào)告來補(bǔ)充參考的。

OpenAI CEO對資本造詞“生成式AI”的嘲諷

05

緊接著，讓我們首先瞄準(zhǔn)核心的應(yīng)用場景，暫時(shí)忽略上下游布局。

當(dāng)一個(gè)地方發(fā)現(xiàn)金子，馬上就會(huì)有為淘金者服務(wù)的餐館、旅館、勞保店出現(xiàn)，但這這一切的前提在于必須能發(fā)現(xiàn)金子。核心應(yīng)用場景就是這波浪潮中的金子，只有找到在消費(fèi)端能夠跑通模式的場景，才會(huì)關(guān)聯(lián)延伸出相應(yīng)的上下游產(chǎn)業(yè)。因此在這個(gè)問題的思考過程中，上下游產(chǎn)業(yè)是不重要的，我們不需要投注任何精力去關(guān)注。

06

最后，讓我們基于如上推理，重新構(gòu)筑對這個(gè)問題的定義：“當(dāng)前是否有足夠多的受到兩個(gè)新技術(shù)影響且產(chǎn)生增量機(jī)會(huì)的核心場景能夠跑通生意模式，獲取盈利”。當(dāng)我們收集的知識滿足這些條件，我們就認(rèn)為答案是“是”。推導(dǎo)順序如下圖：

第二步：開始組裝知識框架

在有了思考的方向后，我們需要構(gòu)造知識框架，哪些重要、哪些不重要、哪些要素之間互相關(guān)聯(lián)、影響、先后順序是什么等等。

首先，搞錢是最重要的，即核心場景，第一個(gè)要做的就是盤點(diǎn)應(yīng)用場景，客觀評估其商業(yè)模式及可行性。

其次，場景不是獨(dú)立存在的，有大量因素影響制約。其中影響最大的是技術(shù)，其次可能是政策、道德等。

最后，我們在知識收集過程中，必定面臨一些困難。例如自身的知識洼地?zé)o法跨越，或是元素過多無法窮盡，我們需要應(yīng)用一些抽象、指代的方法來跨過這些障礙。

基于上述原則，形成我們的收集框架：

優(yōu)先梳理商業(yè)部分，并在遇到知識洼地時(shí)采用抽象要素、同理推斷、指代推斷等方法。

技術(shù)現(xiàn)狀決定當(dāng)前生意是否成立，技術(shù)潛力決定生意的上限天花板。作為重要支撐因素進(jìn)行分析。

限制因素如道德、政策、版權(quán)等，對主干不構(gòu)成影響，放到最次優(yōu)先級大概看看就行，對行業(yè)未來可能的限制稍作了解。導(dǎo)圖見下方：

對了，補(bǔ)充一下接下來這篇文章將只分析GPT是否能夠落地，不涉及AI繪畫，這是因?yàn)椋?/p>

1）我做不到

AI繪畫的材料我收集了，但是還未整理，后續(xù)會(huì)有一篇《AI產(chǎn)品經(jīng)理視角下的AI繪畫全解析》。我要等那篇文章寫完了，思路才會(huì)清晰，沒想清楚之前我就不亂說了。

2）其實(shí)也沒必要

兩項(xiàng)技術(shù)雖然都具備突破性，但目前ChatGPT的延伸方向、變革程度，都是遠(yuǎn)遠(yuǎn)高于Diffusion的，所以如果ChatGPT能論證成功，不用等AI繪畫，我們也可以推出標(biāo)題中的答案。

第三步（1）：基于框架進(jìn)行知識填充——商業(yè)篇

我們先說盈利模式和成本控制兩部分，然后帶著相關(guān)認(rèn)知去盤點(diǎn)場景。

1. 盈利模式

互聯(lián)網(wǎng)主流盈利模式無非三種：

1）廣告/流量模式

通過免費(fèi)產(chǎn)品吸引用戶使用，促使用戶投注大量時(shí)長/頻率，再從中切割廣告流量從而盈利。在目前短視頻、中長視頻、游戲、小說的圍剿下，我不看好ChatGPT所創(chuàng)新的應(yīng)用能夠搶奪足夠份額的時(shí)長。邊角料的時(shí)長空間或許可以，但上限不夠大。

而且一旦涉及時(shí)長爭奪，我們所描述的肯定是C端娛樂應(yīng)用。對于有野心的玩家來說，是很難接受讓廣告突破用戶體驗(yàn)的。

不過小規(guī)模應(yīng)用其實(shí)可以考慮，特別對于獨(dú)立開發(fā)者來說，激勵(lì)廣告變現(xiàn)是一個(gè)很好的方式，雖然我手里沒有數(shù)據(jù)，但AI繪畫在過去的半年內(nèi)已經(jīng)證明了可以實(shí)現(xiàn)收益打正。

AI繪畫暫時(shí)形成一條應(yīng)用-消費(fèi)的小市場，但上限很低

不過我感覺廣告模式應(yīng)該是最不適配的，除非技術(shù)再進(jìn)行突破，或出現(xiàn)意料外的殺手應(yīng)用。例如一個(gè)讓你愿意每天投入半小時(shí)進(jìn)行聊天，并且他放廣告你還不反感的虛擬人……這有可能嗎？

2）商品模式

商品模式是最傳統(tǒng)的，一手交錢一手交貨。只是這種模式下，交易是一次性的。2B端的定制開發(fā)服務(wù)，游戲充值都可以用這種模式概括——當(dāng)然也包括賣實(shí)體商品。

但是商品模式最需要的是“復(fù)購動(dòng)力/頻率”，游戲充值有沉浸心流、社交貨幣、排行攀比等心理方法來推動(dòng)，實(shí)體商品則來自現(xiàn)實(shí)生活的復(fù)雜需求。

Chat的應(yīng)用延伸，如果采用商品模式變現(xiàn)，需要考慮幾點(diǎn)：

1. 是否可以延伸出豐富的商品——例如虛擬人物的劇本，不同的TTS音色，或者虛擬人物本身的購買。
2. 這些商品的邊際成本如何，是否能控制到極低的程度？
3. 這些商品用什么動(dòng)力來推動(dòng)復(fù)購？

B端會(huì)更明確一些，商品付費(fèi)基于明確價(jià)值。例如49.9元1000次SEO文案生成/社媒生成/廣告語生成。而C端提供的價(jià)值不那么商業(yè)實(shí)際，需要考慮其他動(dòng)力來刺激復(fù)購能想到的替代。例如宅男手辦、以及明星周邊/打榜。

3）訂閱模式

用戶周期性支付費(fèi)用，以獲取某種服務(wù)、特權(quán)、功能。這種模式最重要的在于，花錢訂閱的那個(gè)東西對用戶是否具備“持續(xù)價(jià)值”。

2B方向的產(chǎn)品，可以不用討論，訂閱模式已經(jīng)逐步替代商品模式成為最優(yōu)解。我們慢慢看到不管是軟件服務(wù)的定制開發(fā)，還是本地應(yīng)用軟件的license機(jī)制越來越少，取而代之的是訂閱模式。畢竟訂閱模式能帶來更健康穩(wěn)定的現(xiàn)金流，這已經(jīng)是非常大的優(yōu)勢了。

而2C方向的產(chǎn)品，還充滿不確定性。比較經(jīng)典的如視頻會(huì)員VIP所代表的娛樂價(jià)值，交友APP代表的社會(huì)尊重價(jià)值，GTD代表的生產(chǎn)力價(jià)值，2C向的GPT產(chǎn)品能否像他們一樣創(chuàng)造足夠的“持續(xù)價(jià)值”，還需要先行者為我們踩坑。

上述三種盈利模式簡單了解即可，他們之間不是非此即彼的。例如百度云盤限速下載，你可以用訂閱來做，也可以用商品來做，嚴(yán)格來說沒有那么明確的界限，純粹看那種盈利方式在商業(yè)測算上能帶來更大的利潤。

但綜合來看，商品模式和訂閱模式和ChatGPT的延伸應(yīng)用會(huì)更為匹配。

2. 成本控制

成本可以分為三塊：

1）技術(shù)成本

GPT3.0的付費(fèi)接口是3700個(gè)字/元（經(jīng)過換算），這是最明確的成本線。除非等幾個(gè)月成本下降或國內(nèi)大廠跟進(jìn)做出服務(wù)開放，否則這個(gè)成本線會(huì)持續(xù)一段時(shí)間。

此外搭建相關(guān)服務(wù)、開發(fā)產(chǎn)品并維護(hù)也會(huì)產(chǎn)生費(fèi)用，根據(jù)落地的形式不同。

2）運(yùn)營成本

人力費(fèi)用一般而言是大頭。即使排除算法角色（是的，只做應(yīng)用層甚至可以不需要算法，所以這波技術(shù)浪潮對算法同學(xué)而言是非利好），那么也至少需要工程方向、前后端、產(chǎn)品設(shè)計(jì)等角色。

如果你是2B市場，還至少需要配備銷售團(tuán)隊(duì)。整體的上限浮動(dòng)空間非常大，從0人（獨(dú)立開發(fā)者）到幾十人都有可能。

另外還需要考慮辦公場地、器材購買、HR/行政等費(fèi)用，當(dāng)然你可以選擇全體遠(yuǎn)程協(xié)作+服務(wù)外包等多種方式去降低。上下浮動(dòng)空間也比較大。

3）增長成本

2B的增長成本來自PR費(fèi)用，參會(huì)費(fèi)用，以及銷售費(fèi)用。部分to 小B的例如給電商從業(yè)者的還會(huì)涉及廣告費(fèi)用。2C就更不用說了，除非運(yùn)氣好裂變了，不然買量是離不開的話題。

目前比較好的是這個(gè)方向比較新，競價(jià)價(jià)格會(huì)相對低。不過也存在蹭流量現(xiàn)象，例如完全沒有相關(guān)要素的社交APP，也會(huì)投放含有“虛擬聊天”相關(guān)的素材。

2C還有一個(gè)利好就是一般做娛樂類應(yīng)用，社交的買量價(jià)格起碼不像電商和金融那么恐怖。

帶著上述這些前置信息，我們會(huì)發(fā)現(xiàn)，考慮場景的生意模式的時(shí)候，我們不可能只按3700字/元來作為底線測算。整體的成本線可能要壓到2000字甚至1000字/元，才能抹平其他成本。

即我們需要做到，GPT每生成1000個(gè)字，產(chǎn)品能從用戶身上賺到1元。這樣營收與成本線3700字/元之間的差額就是我們可累積的利潤。

3. 場景盤點(diǎn)

帶著對盈利模式和成本線的簡單了解，我們進(jìn)入場景盤點(diǎn)。

在這一部分我們要注意，我們沒有精力、也不可能將市面上全部的應(yīng)用羅列。因此只能基于技術(shù)線應(yīng)用可能進(jìn)行分類聚合，然后基于各類別的關(guān)鍵要素進(jìn)行分析。

4. 文本創(chuàng)作類

這是目前最火爆的一個(gè)分類。從文本長度來說，可以分為短文本、長文本、超長文本。從專業(yè)角度，可以分為法律、心理咨詢、教育、建筑、小說、公文等。再細(xì)致一點(diǎn)可以列出SEO文案、社媒內(nèi)容、廣告創(chuàng)意、郵件寫作、公文信函、簡歷修改等等等等。

我們不可能把全部的可能組合起來，其結(jié)果將超出我們的分析能力范圍。

我們只抓兩個(gè)關(guān)鍵要素：怎么賺錢，技術(shù)能否支撐。

在這里，舉兩個(gè)例子：

SEO文章生成：在AIGC之前，人工手寫的SEO稿是有明確標(biāo)價(jià)的，大約在千字10元~50元不等，個(gè)別優(yōu)質(zhì)的可以到100元。我們?nèi)∫粋€(gè)最低值，就是千字/10元，離我們前文硬推的千字/1元之間足足有10倍的價(jià)值差額。

電商運(yùn)營提效：我是一名在西班牙的電商從業(yè)者，原本我雇傭了一名本地運(yùn)營，幫助我維護(hù)西語系國家的站點(diǎn)?，F(xiàn)在通過AI的能力，仍然是這名運(yùn)營，可以在多個(gè)不同語系，數(shù)十個(gè)細(xì)分市場中維護(hù)站點(diǎn)。那么這中間的差額就來自1名運(yùn)營人員和N名運(yùn)營人員之間。

我們會(huì)發(fā)現(xiàn)，他的模式本質(zhì)上是AI在內(nèi)容創(chuàng)作這項(xiàng)勞動(dòng)上，制造了剪刀差。只要這場浪潮沒有完全結(jié)束，內(nèi)容創(chuàng)作的社會(huì)必要?jiǎng)趧?dòng)時(shí)間沒有完全進(jìn)入另一個(gè)層面，剩余價(jià)值就會(huì)自動(dòng)從動(dòng)蕩的剪刀差中掉落。

而在技術(shù)層面而言，目前的技術(shù)支撐程度，簡單來說就是：文本越長死的越快，結(jié)構(gòu)越復(fù)雜死的越快，但短文本和通用內(nèi)容方面已經(jīng)是如魚得水，非常成熟。

不過目前已經(jīng)有人在中長文本方向進(jìn)行努力，他的推理能力也在加強(qiáng)，所以技術(shù)的突破和垂直領(lǐng)域適應(yīng)是一個(gè)非常值得期待的方向。

綜上，我認(rèn)為，文本生成領(lǐng)域是一個(gè)完全的增量市場。并且隨著技術(shù)的進(jìn)一步提升，他的規(guī)模更逐步擴(kuò)大。補(bǔ)充：其實(shí)還有一些小分支領(lǐng)域，例如文本糾錯(cuò)、實(shí)時(shí)翻譯等，但是都不如文本生成夸張，所以就略過了。

5. 代碼生成/糾錯(cuò)/Sql/語言轉(zhuǎn)換等等等等

這是目前海外第二火爆的分類，獨(dú)立開發(fā)者很多。不過分析到這里我遇到一個(gè)尷尬的地方。我并不是程序員，無法設(shè)身處地去設(shè)想是否愿意為相關(guān)的服務(wù)付費(fèi)。

哈哈，所以我把問題轉(zhuǎn)手給我的程序媛夫人，讓她在旁邊靜靜思考一下。我們先從這個(gè)領(lǐng)域的技術(shù)情況開始分析。

首先，不要被媒體稿迷惑。就目前而言，GPT無法替代程序員。他的代碼生成能力，在常規(guī)問題上能夠正確，但是一旦你換一些變種，他就會(huì)給出看似正確其實(shí)離了大譜的答案。

這項(xiàng)技術(shù)的應(yīng)用前景，更多在于代碼輔助寫作，例如快速生成一個(gè)簡單模塊，對代碼進(jìn)行自動(dòng)Bug檢查，生成Sql語句、代碼解釋等等。但是都需要人工二次review，他能夠幫助你的主要在于快速的檢索、簡單代碼的快速寫作、自動(dòng)糾錯(cuò)等輔助功能。

并且這方面和文本生成領(lǐng)域不太像，技術(shù)角度產(chǎn)出的結(jié)果質(zhì)量還不夠高，不太能形成巨大的剪刀差。但目前的技術(shù)已經(jīng)實(shí)現(xiàn)了一定的效率提升，以及門檻降低。效率提升：有助于程序員們coding環(huán)節(jié)加快速度。門檻降低：門外漢已經(jīng)可以通過開發(fā)工具+GPT實(shí)現(xiàn)部分專業(yè)領(lǐng)域的簡單設(shè)計(jì)（例如Unity+GPT做游戲）。

好了，回到商業(yè)價(jià)值上，一段時(shí)間的思考后，程序媛老婆給出了堅(jiān)定的答復(fù)——“我們花這個(gè)錢干什么，當(dāng)然自己做一個(gè)啊?！蔽遥骸?.0???”

我有點(diǎn)不太相信，但是找了一圈這個(gè)領(lǐng)域的投融資情況，找不到太多的例子，只看到OpenAI有投資消息：一家代碼編輯，一家開發(fā)工具。但再往下細(xì)探就找不到任何相關(guān)消息了。

好吧，我只能認(rèn)為暫時(shí)而言，這方面的商業(yè)前景可能不太樂觀。2C側(cè)暫時(shí)相信老婆大人的判斷，應(yīng)該比較難創(chuàng)收；而2B側(cè)需要企業(yè)判定對自身內(nèi)部效率有幫助。而眾所周知，提效類的2B服務(wù)，往往比不過營銷類這種能直接創(chuàng)收的服務(wù)……

綜上，這是一個(gè)完全的增量市場，但是商業(yè)化機(jī)會(huì)似乎不太美妙。比起有一個(gè)成熟公司在這里殺出來，我更期待獨(dú)立開發(fā)者或者是大廠做出的自用工具然后開源。畢竟——“當(dāng)然是自己做一個(gè)啊”真的是程序員獨(dú)有的浪漫了吧。

6. Chatbot方向

在說Chatbot方向前，我們先提煉新技術(shù)對這個(gè)領(lǐng)域的影響，然后帶著這些認(rèn)知去做場景盤點(diǎn)。

簡單而言，ChatGPT的技術(shù)讓對話更自然了。這里的自然包括純閑聊部分，也包括QA甚至Task任務(wù)。一個(gè)能夠聯(lián)系上下文，并對知識進(jìn)行整合推理的Chatbot，對以往的機(jī)器人會(huì)是一種顛覆式的升級，能夠跨越以往用戶體驗(yàn)的上限。

整體上，我將Chatbot分為以下方向：

1）客服類

這部分包括目前各個(gè)主流平臺自研的機(jī)器人或者提供相關(guān)服務(wù)的客服機(jī)器人企業(yè)。

從技術(shù)上來看，有非常大的變化，甚至推動(dòng)技術(shù)棧重構(gòu)。但是從商業(yè)上來看，有可能影響寥寥。

客服bot的市場中，仍然有一些競爭者，他不止ChatGPT，甚至連BERT也沒有應(yīng)用，仍然是相當(dāng)老舊的一套系統(tǒng)。而他們既然仍然在這個(gè)市場保有份額，自然有其原因——某些時(shí)候，2B的市場中，技術(shù)不是第一競爭力，服務(wù)、渠道、價(jià)格都會(huì)比技術(shù)重要。

而新一代語言模型技術(shù)的出現(xiàn)，不過是給這個(gè)市場增加了一點(diǎn)擾動(dòng)。已經(jīng)買了產(chǎn)品的，因?yàn)檫w移成本，渠道關(guān)系不一定馬上會(huì)切換。技術(shù)服務(wù)商可能會(huì)緊急跟進(jìn)嘗試，但也不妨礙部分競爭者慢悠悠甚至毫不在意。

并且一個(gè)關(guān)鍵點(diǎn)在于，GPT技術(shù)除非自行部署，否則意味著自身的核心能力轉(zhuǎn)為依托于大廠。這是不是客服機(jī)器人公司所能接受的，還存在疑問。最后ChatGPT模式下，算力成本以及時(shí)延會(huì)變得難以忽視，會(huì)給這個(gè)方向帶來一些陰影。

綜上，我覺得客服方向，屬于舊技術(shù)盤踞的存量市場。技術(shù)蝶變在部分公司會(huì)狂風(fēng)暴雨（但落地會(huì)很謹(jǐn)慎），在部分公司可能進(jìn)展較慢或無動(dòng)于衷。

2）娛樂類

娛樂類即只提供情感/娛樂價(jià)值的方向，上篇文章提及的APP Glow 是一個(gè)典型例子。對于這個(gè)方向來說，技術(shù)上讓情感價(jià)值的提供成為現(xiàn)實(shí)（AI更自然了，沒那么智障了），但是非常需要結(jié)合情感場景的設(shè)計(jì)。

而脫離場景設(shè)計(jì)的結(jié)果，最典型的就是ChatGPT本身。ChatGPT當(dāng)時(shí)在11月30日發(fā)布后，用戶們是情不知所起，一往而深，再而衰，三而竭，僅僅一周左右的時(shí)間就銷聲匿跡。因?yàn)闆]有任何一個(gè)人的需求是“聊天”，以及看一個(gè)AI“賣弄聰明”。

在上篇文章中，我大概說了一些關(guān)于娛樂類Chatbot的一些想法，這里不再重復(fù)闡述這種方案的細(xì)節(jié)描述，沒看過的朋友可以移步此鏈接：輕松小補(bǔ)充：GTP APP全景地圖+虛擬人構(gòu)造想法+prompt模式詳解，看第二部分就行。

我們重點(diǎn)說說商業(yè)上的問題，先來回顧下上面提及的關(guān)鍵點(diǎn)：

1. 1000字/元的成本線；
2. 基于訂閱收費(fèi)模式所需要的持續(xù)價(jià)值；
3. 基于商品收費(fèi)模式所需要的復(fù)購動(dòng)力。

其中成本線問題需要通過產(chǎn)品設(shè)計(jì)繞開，不能讓用戶的行為時(shí)間大量投注在閑聊中，否則隨著文字互動(dòng)量的上升，成本將急劇飆升。

一種可能的解決的方式是以閑聊交互為核心行動(dòng)線，穿插劇本設(shè)計(jì)、劇情推動(dòng)、用戶自主人設(shè)構(gòu)建等玩法，來減少算力損耗——總之就是不要只能聊天，撐不住。

還有一種比較騷的玩法，可能是在Prompt層面對模型進(jìn)行約束，例如下面這張圖，ChatGPT會(huì)強(qiáng)制在問題中引入一段前綴，以此限制答案長度節(jié)約算力。

而持續(xù)價(jià)值和復(fù)購動(dòng)力可以合并來說，因?yàn)檫@兩種收費(fèi)模式其實(shí)很容易互相搖擺。一個(gè)比較好玩的做法可能是構(gòu)造“角色”的獲取-使用-厭倦-再獲取這種閉環(huán)。這套模式已經(jīng)被諸多集卡類游戲深度驗(yàn)證過，也成功從我手中掏走了不少錢（該死的原神?。。?。

綜上，我認(rèn)為娛樂類BOT是一個(gè)完全的增量市場，技術(shù)的突破成為這個(gè)方向的關(guān)鍵要素。但是市場強(qiáng)依賴對用戶需求的打磨和設(shè)計(jì)，到底應(yīng)該怎么做，還需要摸索，目前大家都在嘗試。

3）工具類（助手類）

工具類包括語音音箱、手機(jī)語音助手、車載語音助手等。從技術(shù)上來看，我覺得非常大的問題在于“實(shí)時(shí)性”，我從圈內(nèi)朋友獲取的信息是，目前接口調(diào)用的時(shí)延在1S以上（不知道是不是因?yàn)榉?wù)器距離導(dǎo)致）。這種延遲很難說可以應(yīng)用在上述場景，他的用戶體驗(yàn)將十分糟糕。

除了這個(gè)缺陷以外，技術(shù)上對工具類BOT的體驗(yàn)提升將是非常大的幫助（上面說過了不再重復(fù)一遍了）。但從商業(yè)上來看，我認(rèn)為這也是一個(gè)舊市場。

或許你會(huì)認(rèn)為，可能有一家創(chuàng)業(yè)公司，依賴全新、更好體驗(yàn)的語音助手殺出重圍，擠占原有語音助手的空間。但需要我們注意的是，這些助手雖然是軟件，實(shí)際上卻非常依賴自身的硬件渠道——小愛依托小米，Siri依托蘋果，車載助手則在各個(gè)汽車品牌之間互相割裂。我感覺這個(gè)領(lǐng)域應(yīng)該是產(chǎn)生不了新蛋糕的。

不過比較有意思的是，雖然看起來和客服類一樣是個(gè)存量市場，但工具類Chatbot會(huì)熱衷于擁抱這些新技術(shù)，因?yàn)檫@將有助于提升他們的用戶體驗(yàn)，從而推動(dòng)他們硬件渠道的增長。綜上，我認(rèn)為工具類方向半舊不舊，沒有增量，但更樂于擁抱新技術(shù)。

4）專業(yè)類

專業(yè)類指需要獨(dú)特領(lǐng)域知識的Chatbot，例如法律咨詢機(jī)器人、投顧機(jī)器人、心理咨詢機(jī)器人等。

這類機(jī)器人有幾個(gè)特點(diǎn)：第一，專業(yè)要求高，需要專業(yè)人員調(diào)教驗(yàn)證；第二，結(jié)果輸出要求穩(wěn)定/高質(zhì)量，需要為結(jié)果負(fù)責(zé)；第三，部分場景使用頻率偏低（例如法律Chatbot，普通人一輩子用不到幾次）；第四，極度需求高質(zhì)量專業(yè)數(shù)據(jù)。

從技術(shù)角度來說，GPT給他們帶來的升級效應(yīng)較小。因?yàn)檫@個(gè)領(lǐng)域最困難的并不是交互過程、理解過程的升級，他面臨的困難始終來自專業(yè)數(shù)據(jù)，低頻場景。不知道GPT是否可能掛載額外的知識庫，而不需要專業(yè)數(shù)據(jù)在預(yù)訓(xùn)練環(huán)節(jié)重新接入。如果可以的話，應(yīng)該有助于提升用戶體驗(yàn)的上限。目前看到一個(gè)法律領(lǐng)域的BOT，如下圖：

在我一位律師朋友看來雖然還會(huì)有些錯(cuò)誤，但已經(jīng)相當(dāng)自然通順，相較過去基于舊技術(shù)的專業(yè)機(jī)器人已經(jīng)有一些提升。綜合來看，對當(dāng)前體驗(yàn)沒有顛覆性升級，場景低頻難以變現(xiàn)。

一條可靠的路徑可能是先做給專業(yè)人員的輔助工具，然后在使用中積累數(shù)據(jù)優(yōu)化再開放。我認(rèn)為他暫時(shí)是一個(gè)有一點(diǎn)潛力的增量市場，需要結(jié)合技術(shù)演進(jìn)和專業(yè)落地嘗試再細(xì)看。補(bǔ)充：專業(yè)領(lǐng)域太多了，非常需要行業(yè)經(jīng)驗(yàn)逐一盤點(diǎn)，所以這段判斷僅供參考，存在較高錯(cuò)誤可能。

7. 游戲方向

頭部的應(yīng)用方向基本就是Chatbot、文本生成、代碼這三個(gè)領(lǐng)域，而游戲其實(shí)暫時(shí)我看不到太多優(yōu)秀的例子。這是我目前唯一找到的case：AI地下城，文字交互類游戲。但是我畢竟是20年+的游戲玩家，為愛發(fā)電也要強(qiáng)行聊一波：

1）NPC流水線

NPC制作的幾個(gè)制約因素都被本輪技術(shù)升級覆蓋。包括NPC背景故事的生成（短文本），NPC自由對話（基于人設(shè)的對話），NPC頭像、3D建模生成（頭像比較容易，3D建模有點(diǎn)困難，但NPC外貌重要性弱一些），NPC好感度機(jī)制等。其中自由對話模塊已有現(xiàn)成的case，一名玩家為《騎馬與砍殺2》制作了一段實(shí)驗(yàn)性demo，見下圖：

詢問NPC村民能否鑄劍，得到肯定回復(fù)并詢問預(yù)算及材料

2）任務(wù)流水線

任務(wù)制作的影響范圍相對較小，因?yàn)樗麜?huì)涉及到數(shù)值設(shè)計(jì)、關(guān)卡設(shè)計(jì)、上下游依賴任務(wù)等問題。但在單環(huán)任務(wù)，一次性任務(wù)上，新技術(shù)將在任務(wù)文本生成，任務(wù)選項(xiàng)等方面起到幫助。這方面我勉強(qiáng)看到一個(gè)例子，不過他是劇情式游戲，僅供參考。

中間那個(gè)>You gogogo 就是我的命令，可惜寫這篇文章太累了，投不進(jìn)心思玩

3）交互模式

傳統(tǒng)的游戲交互方式是界面（傳統(tǒng)鍵鼠或觸控）、體感（Switch或VR），奇葩一點(diǎn)的可能會(huì)加入聲音觸控（音調(diào)、音量、或者少數(shù)ASR識別關(guān)鍵詞）。

而GPT可以讓自然語言交互成為可能，即延伸出來的文本交互&語音交互會(huì)相當(dāng)成熟。

但是并不是說更新的交互方式就一定更好，大家可以借鑒上一輪Chatbot的發(fā)展歷史來看。在Chatbot剛出的時(shí)候，極度追求極端的VUI交互（語音交互），但發(fā)展到后面都妥協(xié)了，采用VUI+GUI（圖形界面交互）的方式。這是因?yàn)檎Z音或文本，天然是有其缺陷的，需要根據(jù)實(shí)際需求選擇組裝。

具體內(nèi)容可以參見我2017年的一篇產(chǎn)出，現(xiàn)在回過頭看有一些更新的理解，不過我只剩個(gè)PDF了修改不了，就將就著看一看吧哈哈。

From《VUI設(shè)計(jì)方法分享》

不過游戲方向是非常特殊的，技術(shù)能夠?yàn)樗麕砀淖?，但他的成功絕不會(huì)只靠技術(shù)。事實(shí)上，全智能NPC、全智能任務(wù)只是一種新穎的設(shè)計(jì)。真正一款游戲好不好玩，能不能打動(dòng)人心，還有非常多題外的因素。

另外技術(shù)是否還能應(yīng)用到其他領(lǐng)域呢？例如NPC決策邏輯，世界背景構(gòu)建，新語言創(chuàng)造等——我不知道，但對技術(shù)永遠(yuǎn)抱有期待。希望綠洲早日來臨！為了部落，waaaaagh！

最后收尾總結(jié)一下：游戲領(lǐng)域是一個(gè)100%的舊市場，但又和客服機(jī)器人、工具機(jī)器人不一樣，新技術(shù)可能讓這個(gè)領(lǐng)域出現(xiàn)顛覆性的新玩家。補(bǔ)充：或許MUD類型游戲會(huì)重新閃亮出場？這種類型可以甩開音樂、UI、建模等諸多成本，最先吃到這波技術(shù)升級的紅利。利用好玩家們對新技術(shù)的新鮮感應(yīng)該會(huì)有一波流量，但后續(xù)留存就難說了。

8. 是否還有其他方向？

在上文列舉的文本生成、Chatbot、代碼生成，其實(shí)是ChatGPT演示中直觀帶給我們的靈感，只是在落地過程中，隨著參賽者的選擇，逐步延伸向了各自的細(xì)分方向。而游戲方向則是典型的，GPT技術(shù)+其他行業(yè)邏輯構(gòu)造出的延伸方向。因此我們可以想象類似游戲這樣的擴(kuò)展行業(yè)還有很多，只要他的行業(yè)中有大量關(guān)于文本的應(yīng)用——哪個(gè)行業(yè)不是呢？

例如教育行業(yè)，能不能用GPT梳理、查找關(guān)聯(lián)知識點(diǎn)？金融行業(yè)，能不能用GPT閱讀會(huì)計(jì)報(bào)告、合同文件進(jìn)行分析？我不知道哈哈，暫時(shí)沒有case，等待新玩家們涌現(xiàn)。

第三步（2）基于框架進(jìn)行知識填充——技術(shù)篇

技術(shù)篇非常簡單，我們不再科普技術(shù)原理，技術(shù)原理已經(jīng)在前文萬字長文：AI產(chǎn)品經(jīng)理視角的ChatGPT全解析中大篇幅講過了。我們重新基于應(yīng)用角度，梳理當(dāng)前技術(shù)的現(xiàn)狀及潛力。現(xiàn)狀決定短期內(nèi)哪些能做哪些不能做，潛力決定未來橫向、縱向的擴(kuò)展可能。大家可以用這些認(rèn)知來掃描任何新出現(xiàn)的應(yīng)用場景。

1. 技術(shù)現(xiàn)狀

1）結(jié)果不穩(wěn)定，需要review需要Review，就意味著大部分場景不能脫離人，只能輔助人。除非你在做一些完全不在乎質(zhì)只在乎量的市場，例如營銷號、SEO、刷評論。

2）推理能力弱，容易推出看似正確的錯(cuò)誤答案結(jié)構(gòu)復(fù)雜、邏輯復(fù)雜的場景無法適配，例如長篇小說容易顛三倒四，教育應(yīng)用也要謹(jǐn)慎用在理工科方向的問題上。

3）知識更新困難，成本巨大知識無法通過Prompt獲取，源頭只來自LLM中的1750億參數(shù)，更新一次知識成本高，速度慢。所以無法適配需要緊跟時(shí)事的場景——但這不意味著不能用來摘要新聞，畢竟天底下無新鮮事。

4）延遲較高，實(shí)時(shí)場景不適配截止昨天2月3日我已知的信息是接口延遲在1~2S（可能有誤），所以暫時(shí)語音助手這種實(shí)時(shí)響應(yīng)要求高的會(huì)不適配。但我覺得這個(gè)問題應(yīng)該很快會(huì)被解決，工程問題無法求解是沒看到蛋糕，只要看到蛋糕性能迭代是非?？斓模珹I的演進(jìn)歷史本身就是一部效率迭代的歷史。

5）垂直領(lǐng)域表現(xiàn)未達(dá)最佳這里的垂直領(lǐng)域包含兩種解釋，一種是技術(shù)側(cè)的垂直領(lǐng)域，例如自然語言理解類的任務(wù)，暫時(shí)仍是BERT更優(yōu)。另一種是行業(yè)側(cè)的垂直領(lǐng)域，例如法律、心理、金融等。我猜想一個(gè)原因可能來自原始訓(xùn)練數(shù)據(jù)中缺乏高質(zhì)量的文本數(shù)據(jù)。

From《Language Models are Few-Shot Learners》模型預(yù)訓(xùn)練訓(xùn)練中所用到的數(shù)據(jù)集

6）可掛載其他模塊，但目前沒有標(biāo)準(zhǔn)方法目前看到的一些方式是，用GPT作為輸入端，再用其他工具作為邏輯端，例如GPT+unity，GPT+Wolfram | Alpha。

一方面是這些掛載目前都是自發(fā)行動(dòng)的，后續(xù)有可能會(huì)出現(xiàn)標(biāo)準(zhǔn)規(guī)范的GPT引用方式，甚至可能大部分應(yīng)用會(huì)以“本店支持GPT-3”做為榮譽(yù)標(biāo)識。另一方面我還沒看到更深層次、更觸碰GPT底層邏輯的實(shí)踐。

現(xiàn)在的實(shí)踐本質(zhì)上和ifttt有點(diǎn)像，是兩個(gè)應(yīng)用的解耦式聯(lián)合。是否能實(shí)現(xiàn)更深層次的呢？例如我們前面說的知識更新困難，有辦法通過掛載一個(gè)小規(guī)模的實(shí)時(shí)知識庫來實(shí)現(xiàn)嗎？不知道，等待玩家們的表現(xiàn)。

2. 技術(shù)潛力

1）更通用說白了就是從Text-Text到Text-everything。GPT已經(jīng)證明了在NLP領(lǐng)域的統(tǒng)治力，而圖像、語音、視頻等多模態(tài)，其實(shí)只需要Text-多模塊的若干轉(zhuǎn)譯通路。我沒有針對性地搜集信息，但至少Text-image的通路是現(xiàn)成、成熟的。Stable Diffusion中一個(gè)關(guān)鍵技術(shù)就是OpenAI所提供的CLIP（Contrastive Language-Image Pre-Training）。

2）更便宜經(jīng)過商業(yè)模式部分的分析，我們可以相信這個(gè)方向的應(yīng)用潛力是巨大的。當(dāng)應(yīng)用可行時(shí)，配套的上下游產(chǎn)業(yè)鏈會(huì)快速出現(xiàn)，包括芯片、算法平臺、專屬云服務(wù)等等。不過前面就說了，上下游產(chǎn)業(yè)鏈不做分析，整個(gè)結(jié)果是不證自明的。我們只需要知道，按照邏輯推理，更便宜是100%會(huì)出現(xiàn)的就可以。

3）更強(qiáng)大一方面的提升來自于多種GPT方向大模型的嘗試落地。目前大廠們哪怕在短時(shí)間內(nèi)會(huì)與OpenAI展開合作，但除了微軟以外，應(yīng)該都無法忍受上游關(guān)鍵技術(shù)握在其他人手里。因此可預(yù)見的GPT的最上游會(huì)出現(xiàn)復(fù)數(shù)玩家來一起嘗試。

另一方面的提升來自模型結(jié)構(gòu)的改進(jìn)，2023年學(xué)術(shù)界的關(guān)于這方面的paper肯定會(huì)爆炸的。唯一限制他們的就是學(xué)術(shù)界如何繞開大模型訓(xùn)練成本這一難關(guān)。應(yīng)該會(huì)形成企業(yè)-學(xué)術(shù)這樣的合作通道。最后一方面來自各種垂直方向的適配調(diào)優(yōu)，前面在分析商業(yè)模式盤點(diǎn)場景的時(shí)候已經(jīng)舉了很多例子了。

第三步（3）基于框架進(jìn)行知識填充——限制篇

在國內(nèi)其實(shí)限制部分不用太快關(guān)注。畢竟我們現(xiàn)在是全面落后的狀態(tài)，整體的趨勢肯定是先追趕，再監(jiān)管。反而海外因?yàn)镺penAI一枝獨(dú)秀，對相關(guān)方面的限制其實(shí)已經(jīng)初現(xiàn)波瀾。下面大概展開說說：

1. 道德方面

1）有害言論。訓(xùn)練數(shù)據(jù)質(zhì)量+模型不可控性導(dǎo)致AI的回答像一個(gè)定時(shí)炸彈。目前的優(yōu)化方式一方面是基于RLFH技術(shù)進(jìn)行針對模型的道德訓(xùn)練，另一方面是在答案輸入輸出時(shí)加裝敏感過濾器。

2）教育危機(jī)有一些美國大學(xué)封禁ChatGPT之類的新聞，事實(shí)上這不是一個(gè)噱頭。盡管模型的有很多缺點(diǎn)，但至少在社科人文類上表現(xiàn)還不錯(cuò)。這個(gè)情況有點(diǎn)像當(dāng)初的“以圖搜題”，后續(xù)可能會(huì)有政策要求對這方面進(jìn)行限制。

3）內(nèi)容泛濫這個(gè)問題是在AI繪畫領(lǐng)域、虛擬人領(lǐng)域都出現(xiàn)過的。抖音、小紅書等平臺，已經(jīng)在限制基于AI繪畫的賬號。視頻號之前也禁止完全虛擬人直播，只允許中之人類虛擬人直播（現(xiàn)在還限不限不清楚）。本質(zhì)上這是每個(gè)內(nèi)容社區(qū)都會(huì)做的事情，內(nèi)容質(zhì)量和內(nèi)容數(shù)量之間，永遠(yuǎn)會(huì)傾向質(zhì)量。

但是對AI生成內(nèi)容的檢測，現(xiàn)在還沒有太好的方法。anti-spam這個(gè)領(lǐng)域如果不成功，以后的信息搜集將讓人絕望。感覺都可以看到營銷號改名機(jī)器號的那一天。

某平臺賬號限制說明

2. 技術(shù)代差/封鎖

1）技術(shù)代差在這方面我不是專家。但看大廠PR稿，全是樂觀，看技術(shù)大神的言論，全是焦慮，我也看不懂了。我還是相信大神們多一些，但也對國內(nèi)跟進(jìn)速度抱有期待。畢竟上一輪AlphaGo浪潮所代表的落后，最后也迎頭趕上了。

2）技術(shù)封鎖DDDD。

3. 政策、版權(quán)

有一個(gè)法規(guī)：《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》，我從里面找到了一些兩句相關(guān)的話，貼給大家參考一下：“發(fā)現(xiàn)未作顯著標(biāo)識的算法生成合成信息的，應(yīng)當(dāng)作出顯著標(biāo)識后，方可繼續(xù)傳輸”“不得生成合成虛假新聞信息”而版權(quán)方面目前沒有相關(guān)消息出來，炒得最多的還是AI繪畫領(lǐng)域，大家搜一搜就有新聞了，我就不多說。

重點(diǎn)說說GPT的版權(quán)問題。先跟我看下面這張圖：

模型訓(xùn)練的語言分布，中文5%左右

在ChatGPT的體驗(yàn)中，我們并沒有太發(fā)現(xiàn)他有摘抄、洗稿的痕跡。是否有一種可能是，他的原始素材中，中文占比僅為5%？

如果國內(nèi)基于中文語料重新訓(xùn)練屬于我們的GPT后，是否有導(dǎo)致AI直接抄襲語料中的答案，或者稍微洗稿后吐出？

這個(gè)答案只能等待國內(nèi)的GPT模型落地我們才能看到結(jié)論了。但如果基于這種猜測，中文高質(zhì)量語料會(huì)變得炙手可熱，比如知乎社區(qū)以及百度百科，另外人工標(biāo)注訓(xùn)練也可能會(huì)迎來一波春天。

第四步：推理出最終答案

經(jīng)過上面的知識填充，我們最終得到這樣一張圖：

我們接下來就要基于我們上述所有收集到的知識進(jìn)行判斷。而我的判斷結(jié)果也很簡單，就是開篇那個(gè)——“我相信他能夠成功落地，并且將是一個(gè)時(shí)代的開始”。當(dāng)然，會(huì)附帶一些小補(bǔ)充、小限制：小心舊技術(shù)市場，小心媒體詞語的迷惑，關(guān)注技術(shù)的更新等等。

是的，這一步就這么簡單哈哈。事實(shí)上做決策最難的永遠(yuǎn)是信息收集，當(dāng)擁有足夠信息時(shí)，答案近在眼前——是的我說的就是拉普拉斯妖。我相信能看到這里的朋友，應(yīng)該心中也有自己的那份判斷了。