文章转载来源：AIGC
来源：三维漫游
作者：梁家升
图片来源：由无界 AI生成
周三一起床看到新闻，说Jasper.ai裁员了。
“这也太快了吧，本来以为还能撑一会” -- 我跟好友都发出感慨。
我对Jasper.ai的关注，最初源于一篇文章（Jasper.ai 15 亿美元的 GPT 套壳？有护城河么？）。Jasper这个公司特别有意思，在一众AI新贵中鸡立鹤群：一群小伙子，其中一个Ph.D都没有，没有星辰大海的梦想，也没有力大砖飞的决心，一心想着搞个公司赚钱 -- 真实用主义。早期做了个「营销服务分销公司」，顾名思义，提供的是营销服务，但做法是分销给外包干 -- 表面上是营销服务，实际做的是Agent，核心能力是推销。不得不说，有时候一个公司的基因就是出生的时候写下的（笑
后来的发展路线非常互联网：做AI营销写作，靠早期的社群运营拿下宝贵的测试用户，然后顺着用户喜好一步步迭代 -- 任鑫说，这是脚踩西瓜皮，滑到哪里算哪里。所有满怀主观意志的尝试，他们都做崩了；所有顺势而为的小步迭代，意外地都做得还不错。
在AI爱好者里，我是其中对Jasper.ai过度关注的类型。究其原因，是我觉得它对我而言是建立对于AI应用认知体系的一个绝佳的例子：
我觉得AI时代ToC产品的killing feature的核心是：「高需求 + 有壁垒」；而其中“有壁垒”是目前最难分析的部分，什么样的AI应用有壁垒呢？哪些是短期/长期壁垒呢：
1.基于用户使用流程拆解的交互和界面设计是壁垒吗？
2.针对垂直场景和意图理解的prompt engineering是壁垒吗？
3.针对垂直场景的embedding方案是壁垒吗？
4.只有LLM的能力才是壁垒吗？
5.还是说，LLM的能力都不是壁垒，只有私有化数据 + 数据飞轮 + LLM fine tuning才是壁垒？
6.又或者说，到最后只有能力强大LLM + plug-in生态 + 开发者用户社群才是壁垒？
这么一层层想，越想越乱，没有结果。
回到Jasper.ai这个例子，它做到了什么呢？
1.给任务选择相应模型的能力
2.联网实时信息，一定的检索功能
3.全局prompt：记录足够长时效的客户信息、偏好、风格和设定
4.模版和局部prompt：基于不同平台的营销文案prompt
5.更易用的界面和基于工作流拆解设计的交互方案
6.极致的用户教育和产品引导
7.铺天盖地的达人营销
不得不承认，目前Jasper.ai做到的，只是一个科技公司1~3个月工作量的成品：ChatGPT套壳 + 工作流拆解型UI + prompt engineering；另外还赌对了行业窗口期，以及在窗口期上的进一步加码（客户拓展和营销）。在AI时代，这确实不是什么牢固的壁垒。但我之前认为它的工作流拆解能力是可贵的 -- 这代表着团队对「营销文案」这个行业的理解足够深刻，这可能足够支撑他们用一段时间积累一批用户，然后建立起数据飞轮，再建立下一步更牢固的数据壁垒：
这一套商业模型：高毛利吃行业红利 —> 重营销推广 —> 占领用户心智(预算) —> 打击竞品/垄断；在传统行业，飞轮转起来了就所向披靡。
但现在不一样了，Jasper这周裁员了 -- 因为ChatGPT的普及相当于D2C品牌直销，Jasper这种中间商没有活路。
最近有两个最热门的AI App上架了（除了ChatGPT），国内是文心一言，国外则是character.ai；两个产品本质上都是「货架型」产品 -- 将不同调试下（主要还是prompt engineering）的LLM通过货架陈列的方式放在用户面前，让用户挑选使用：
如果将货架上的AI分类，实际上有两种类型：一种是Character（对应图2&4），一种是Tool（对应图1&3）。
Character的核心是性格，提供的是情绪价值和个性化；而Tool的核心是功能，提供的是效率价值的非标化。情绪和性格千变万化，所以Character会很多 -- 截止到3月，Character.ai上已经有270万个角色；但功能是有限的，核心的大需求就那么几个，分化出的细分场景大都有共同性，所以Tool重质而不重量。
这个分类很有意思，也十分自然：大家都说LLM改变的是人机交互模式，将原本的Database和Code都变成Model，将GUI变成LUI…但是从用户视角看，实际上产品是从 Tool —> Character + Tool -- 原本我要借助工具完成的任务，现在可以交给一个人来做了。
恰好最近浅读了一些Tool learning相关的文章（链接），看到了AI作为大脑来使用Tool的潜力。同时又想起了之前和好友讨论过LLM, Agent和Plugin的联系，脑子里突然就开始头脑风暴自问自答，以下全是暴论，欢迎指正：
对于任意一个AI产品，可拆解成 Character 和 Tool：
●Tool即能力，特点是输出稳定，效率高。包含了传统工具（如计算器、闹钟、天气预报等）和AI新能力（如文生文、文生图、理解意图的搜索等），当然也包括现在的一些热门产品（如Midjourney）和一些Plugin。
●Character即角色，是使用能力的主体，特点是具有不同的“性格” -- 类似于不同的人。实现的方式包括训练不同的LLM（如GPT, Claude, 还有Infection-1等），以及建立不同的Agent，还有通过不同数据/不同方式调试LLM和Agent。
Q: LLM一定是Character吗？
A: 不一定，如果某一个大模型做到了完美的压缩和解压，那么“性格”的主要来源就变成了围绕LLM做的Agent，以及指令工程，这样LLM就是Tool了。就像从目前看，ChatGPT是Character，因为相对于Infection-1来说，它博学、冷漠无情、面面俱到又毫无重点、理性至极；但长期看，ChatGPT不一定不能拥有Infection-1的情感能力。
Q: AI产品的壁垒在哪里？
A: 短期看，Character和Tool都能变成壁垒，甚至Tool是主要壁垒。但长期看，AI产品的壁垒主要在Character，Tool会被收到Character里面被Character使用。
Q: 人类就不用Tool了吗？
A: 不是，人类会用Tool，但会在GUI交互下使用，和现在差不多。LUI交互下的Tool都会收到Character里，因为LUI满足的是非标的服务性需求，人们在挑选服务的时候往往不止注重功能性，还考虑与对方的契合度（例如找育儿嫂、聘请服务员、购买咨询服务），所以Character + Tool > Tool。
Q: Character的差异化能力有哪些？
A: Character的终极形态是个人管家。因此首要能力是个性化，个性化的核心是模型记忆力，记忆力够长就能学习用户性格和喜好。其次是鲜明的性格/三观，用于积累早期用户，类似于当代互联网社区的“社区调性”。Character.ai的创始人Noam Shazeer 说：“如果试图呈现一个让所有人都喜欢的公众角色，那这个角色一定会是无趣的”。
这里再深一层的壁垒是私有化的数据，能构建有差异化的“角色”。但拉长时间数据的优势也会被磨灭，毕竟产品一旦上线之后私有化数据这个概念也不存在了，所以更重要的是基于性格来构建数据飞轮的方法。
Q: Tool的差异化能力有哪些？
A: 短期看，Tool的差异化能力在底层技术，比拼的是硬技术能力，目前Midjourney, Runway, Adobe Firefly都是例子；但长期看，技术带来的工具产品一般是两个结局 -- 技术成本高的会实现垄断（如微软办公套件、Adobe套件等），技术成本低的会成为烂大街的基础能力（如计时器、计算器等），百家争鸣的机会不大。
Q: 如果要做ToC产品，做Character还是做Tool？
A: 对于大多数人，做Character比较好。因为Character更加多样，需求更加长尾，有更多产品能活下来，活下来后守住壁垒也更容易。做Tool要有绝对的硬技术能力，以及垄断市场的能力。
Q: 最后来回答，长期看什么是AI产品好搞的路线？需要什么条件？
1.发现优质Character：需要有好的用户需求洞察，或者一个快速筛选的机制（这波Character.ai在大气层）
2.基于目标Character的模型建构：需要有针对目标Character的数据筛选机制（标注）
3.抓住窗口期积累用户/语料：清晰的产品定位和营销能力
4.构建加深Character差异化的数据飞轮：精巧的产品 <—> 数据设计
5.重复以上循环
来源：AIGC
发布人：暖色
声明：该文观点仅代表作者本人，不代表火讯财经立场。火讯财经系信息发布平台，仅提供信息存储空间服务。
如文章涉及侵权， 请及时致函告之，本站将第⼀时间删除⽂章。邮箱：840034348@qq.com
商务合作：840034348@qq.com
媒体合作：840034348@qq.com
投稿合作：840034348@qq.com
微信公众号
iPhone & Android
