文 | 李智勇
不管海外还是国内，AI很难成功商业化。在企业级产品上海外似乎看到了些希望，国内则还有相对漫长的路要走。
那为什么AI商业化如此艰难
实在不是因为AI背后的商业模式新颖，比如互联网、数字货币，恰恰相反，核心原因是AI足够传统。
技术是新的，上面的商业模式则是传统的，两相复合，反倒是不好驾驭。
每天我们会看到很多新的名词比如Scaling Law等等，可一旦把这些名词的神秘性去掉，放回到某个价值结构中，就会发现它确实会更像电、蒸汽机这些东西（Enabling Technology）。
这类技术以及基于这些技术的产品做商业化更像硬仗，没有那么多取巧空间。
基于它做硬件和做电脑会差不多，基于它做软件会和过去的传统软件差不多，基于它做系统会和Windows差不多，纯做技术那就和过去算法授权差不多。
这就需要回到老的价值通路中，基于新技术的特质寻找新的锚点，否则是不灵的。
没有单点极致，没有网络效应，价值通路全是长链条，任何一个环节的阻塞都会导致猥琐发育，猥琐发育的结果不是死亡也是小老头企业。
奇绩项目上的观点对立
去年我就发现大家闲聊奇绩的项目时，总是会出完全对立的观点，今年还是这样。
即使从外部看这些项目选择标准其实也不复杂：团队、技术、愿景，不怎么关注马上的商业变现。
这些被选出的项目换到另一拨偏业务的人眼里则是完全另一类评价：太不靠谱了，这上哪儿赚钱去！
然后可能还引发很多争论，实际上如果把它看成长价值链条上的起点和原点，那争论可能会少点。
各执己见大概就是各得一偏。长价值链上需要的不是坚持自己，而是分别向对方进化。当年阿里巴巴那有什么技术，和云计算又有什么关系！反过来百度的最终成功也必然不是单纯因为会做搜索的算法。
敢于正视现实大概率就回清晰看到，现在的AI产品基本都还在一个无形的薄膜下面，如果长不上去，不是A会死，B不会死，而是都会死。
只有极少数完成整体性进化的才能突破这种先天薄膜，获得更多的阳光和雨水，成为参天大树。好在AI这片地儿范围足够大，所以即使是大树，也还能多长出几棵。
可不管怎样，结局注定是很残酷的。互联网的空间足够大，可真到今天又留下了多少互联网公司！
AI即使空间大十倍，那也不过是多十倍的剩者为王。
奇技淫巧的诱惑与苦难辉煌
要么来自于业务，这时候企业自身增值，各种企业的利害相关者都可以赚成长的钱。这是最理想的情况，互联网的成功人士们基本赚到了这个钱。这是非零和游戏。
要么来自于资本市场，这时候在科技领域并不是传统思路，没有业务的基数也就没有资本市场的倍数，而是靠预期和业务的某些影子做支撑。
后者想赚钱就会产生各种复杂操作，因为这是零和游戏。
这事如果真追溯可能可以回溯到当年的德隆系，但基本没有成功过。
我们总是可以讲资本市场的钱可以反哺实业，然后再让企业在资本市场上获得更好预期，形成资本-实业/科技产品-资本的循环，可一旦钱生钱成为循环（资本-资本），并且成为赚钱的手段，实业就会变成道具，这个循环就不是正常想象的那个循环了。
这里真的需要企业家精神，没有企业家精神，就没有苦难辉煌，就没有真正的资本-实业-资本的正向循环。
产品创新后的打呆仗
打在技术上，一个是投入产出先天失衡，一个其实和AI的新技术特征犯冲（后面说）。
产品的难度在于必须是真的创新，有个日渐被忽视的关键点：现在我们耳熟能详的大应用，在过去是没有的，电商并不是更好的百货。不管是形式还是价值创造方式都完全不一样。
从这个视角看，绝大部分所谓活跃高的AI APP是不灵的。AI就不是用于做新的App的，也不是用于启动新一轮的移动互联网的。
大模型公司现在设想的很多App其实是解决信息供给问题的，这角色过去分给了搜索和个性化推荐。现在靠内容生成就能让这事发生很大变化么？所以这些并不是真的在做过去没有的App，而是换个样子在做过去有的东西。
举个例子，当前帮你简单回答问题的AI App不是创新型产品（这和搜索大幅重叠），但如果你真能做成英语老师，那就是新的App。
过去的说法叫10倍提升体验才有价值，但10倍提升在过去能做的领域其实没可能，只有是基于新技术特征，全新的产品才可能。
在有的领域里面AI可以干重来没人干过的事，在有的领域里则是能让过去干的事好一点，后者不顶用的。需要的是前者。
通用性的碾压力与应用的本质重构
AI这次一个有趣的、从来没有过的特征是它的能力是往通用方向发展的。
对于一个具备古往今来所有知识的模型，能力往通用方向发展，意味着什么呢？
意味着它本身会吞掉过去我们看到的很多很多工具型应用。非要类比有点像一个捆绑了无数应用的Windows。
比如编辑器，再往下做，Office，Adobe这类应用不是过去的那个给人一堆按钮的应用了。
如果大模型的能力是指数型拉升，这些工具型应用的角色会退化成数据处理、存储的终端。
AIGC可以看成是大模型附带的应用，而通过代码生成能力又可以覆盖更多的领域。所以未来的应用要做的根本不是功能，而是数据。数据定义功能。
如果模型的能力指数型增长，这点就会越来越明显。
这反过来意味着什么？
意味着还在做功能而不是创建自己数据特色或者壁垒的应用是危险的。
在商业模式不变的外壳下，产品的内核其实是变的。最近OpenAI放出来了o1的完整版，基于它的应用怎么可能和过去一样！
脆弱的营收基础
不是B端容易，C端难，海外容易国内难这种视角，而是在当前的技术基础上构建营收总是很难的。真不难那天就是选定的人不难，反倒是没机会了。
如果我们认为简单授权在国内通过提升技术就能发展壮大，如果我们认为通过增加几个销售人员就可以扩大营收，然后扩张、冲锋，那更可能离死亡更近。
如果再加上人员、基础设施的考虑，那么脆弱的营收基础还要加上刚性的成本的支出。
在相当长一段时间，当你没有突破薄膜获取阳光雨露的时候，做AI的会长期在这么一种状态下生存。
这是个复杂选择集中的过程，其实也就是战略思考的过程。
偏于一端的时候其实不需要思考战略的，这时候战略等于信念，比如技术做好就能赚钱，比如渠道做好就能有收入，恰恰是在限定资源前提下谋画产品的时候需要做战略思考。
信念总是可以等于一切，但实际上需要以信念为基础降低信念的比例，这也是个很有意思的话题。
小结
这种糅杂导致了AI的突破需要很不同的方法论。可以很肯定的说，简单尝试的AI类产品没戏的，不管是偏于技术还是单纯的偏于商业。AI商业化的启动的阈值变高了。如果说过去一般App的启动难度大概是1，那一般AI应用的启动难度大概是5，并且发展下去大概率需要变成系统型超级应用。所以看的并非起点在那里，而是谁向完整性进化的更快。
