嘉宾介绍:
王庆Ken,布尔向量创始人兼CEO
丰富的全球产品和商业化落地经验,曾任字节跳动多条产品线产品负责人、腾讯高级产品经理,电商创业实现0到数亿增长,具备丰富的跨境电商和全球ai业务经验,香港中文大学理学硕士
陈达博Dabo,Fabrie创始人兼CEO
毕业于帝国理工,英国皇家艺术学院的创新设计工程专业与圣马丁的产品设计专业。曾就职于Nike与Tangerine Design并曾在伦敦成立了一家机器学习硬件公司Ally Labs。
03:58 如何看待AGI带给各个领域的从业者的真实影响和未来行业可能的变化
08:58 个人创业者(solopreneur)的崛起
14:58 AI带来的冲击对产业链的影响
20:28 AGI赋权个人促使社会价值观的变化,重新定义何为成功
23:01 AI硬件的讨论,让人理解又不理解的rabbit
26:16 商业化的大实话,什么坑是可以避免的,做什么赚钱
35:04 出海大讨论,用户行为有什么不同、商业模式如何调整、团队如何设置、如何收费
52:28 商业模式的设计是最关键的
56:26 现在融资的时候观察到投资人现在都在关心什么
1:05:36 做为创业者,如何确保创业公司具有长期价值,而不是等GPT5、6出来就被碾压
1:16:24 大公司主导市场的影响,AGI技术可能带来的中心化趋势
1:19:23 在发布Sora的时候花了很多篇幅讲AI Safety,你们怎么看AI发展带来的伦理问题
1:31:26 从艺术发展的角度看AGI发展
Ken :环境不同,你的商业模式也会不同。国内的用户更倾向于交付式服务,而海外用户则倾向于自己动手,按月订阅服务。这不是AI出现后造成的,而是被无数次证实过的SaaS公司的常识和经验。所谓“交付”,就是对于国内的企业或个人来讲,他们实际上不太乐于自己直接使用软件,更多是希望你能直接提供所需的成品。在海外则完全不一样,海外用户喜欢尝鲜,自己探索,提出各种问题,尝试新的使用模式。这是我们在商业化过程中深切感受到的差异。
两者对于价格的标准也不同。海外用户会参照其他类似软件,比如Runway的价格。而国内用户则是看上次请人制作视频花了多少钱。从生态的成熟度来说,海外市场无疑更成熟,因为他们在持续使用我们的产品,一直在帮助我们改进产品,而国内市场可能慢慢就变成一个以价格竞争为主的供应商选择体系。
所以, 如果你在国内想做AI相关的软件产品创业,你应该考虑如何高效解决传统企业的需求,提供与旧解决方案相比具有成本效率提升的新方案。而在海外,重点是产品是否具有足够的差异性,工程化壁垒是否足够高,产品体验是否足够好, 海外用户的付费点可能并不仅仅是功能本身,而是包括了整个服务体验。他们会很乐意参与到产品的改进里,这对创业者来说是个很好的角度,因为即使有大厂推出类似功能的产品,如果你的用户是因为这种参与感体验而留下的,那么这些用户很可能不会转向大厂的同类产品。
海外按月付费的订阅非常根深蒂固,而国内更加倾向于免费一部分功能,然后设置关键卡点的付费。 我们可以拭目以待,随着这一批中国大厂的软件的出海,也会让海外用户适应这种卡点付费方式。比较典型的案例是剪映海外版CapCut去年收入破了1亿美金 ,它有9块9的订阅,但主要收入还是中国付费模式:卖模板。但这种模式和逻辑到底会未来对全球化的市场造成什么样的冲击和变化,我觉得其实还挺有意思的。
Dabo : 我想谈谈两个我认为挺有意思的观点。 我现在特别后悔的一件事,我们免费提供服务整整一年,之后才开始收费。原因在于我们一直没有信心认为之前的状态可以收费,但是后来我发现这个想法是错误的。 首先,你的产品没有达到你自己定义的能收费的成熟程度,并不意味着你一点钱也收不到。第二,更重要是通过收费这一行为,能感受到你的产品的什么地方能对用户产生付费价值。这实际上是一场对话,是需要你和用户之间发生互动的。如果你对这件事反应过慢,那么就等于是把一切都推迟了。
比如说,我们在付费服务上线后,大约三个月才意识到一些问题需要调整。而这些问题完全可以在一年多前,当我们规模更小的时候就解决。如果你真的去算这个账,从长远来看,我们可能会赚得更多。所以,这是一个当时没有考虑清楚的问题。当时的思路很简单,我觉得我要对我的用户负责,所以我不应该收取一个还不完善的产品的钱。但是否“完善”是个人主观层面的考虑,而非企业层面的。这其实是一种主观的完美主义。你的用户可能并不会觉得你的产品不完美。或者说,他们根本不需要一个完美的产品,只要你的产品能解决他们的问题就足够了。
第二个我认为更有趣的细节是,双11、618等促销活动期间我们的产品会有折扣。我们团队包括我自己,之前总是会有一种心理负担,担心降价会让之前按原价购买的用户感到不快。基于这样的假设,我们为此付出了很多额外的开发和运营成本试图避免被骂。但后来我发现,根本没有人在乎这些。偶尔会有一两个细心的人提出之前买贵了,询问能否退款。但这样的情况非常少。所以,我后来觉得这件事挺有趣的,因为它跟前一个观点有关联。 我们似乎是在用个人的价值观来衡量一些商业手段,但实际上这两者之间并没有太大的联系,甚至这种做法会阻碍你做好本该做的事情。
Ken :我们发现会有一些变化, 投资人的视角从之前相对比较关注你的增长的量,然后去转移到去会关注你的利润,你的付费,你的留存,这些更加务实的指标。 好处在于对于企业来讲,会更加注重安全性,我先开始赚钱、去成长。坏处对于大部分创新公司会在做某一些大投入成本决策的时候感到压力。但创业其实本身是个偏赌性,在决策上觉得比较ok,逻辑上比较ok的情况下,肯定是希望大胆一搏去试,你本身投入的成本就比较高。
这个时候我观察到一些兄弟公司,其实在去年开始的时候做决策都变得非常谨慎。某种程度上会抑制一些创新或者会错过某一些时机。就是风险和收益,你的风险变得低了之后,你的收益在某种程度上也会变低,所以我觉得是第一个变化。
第二个明显的感触就是大家其实更加关注于出海。大家主观上会判断国内整个的SaaS市场进入到一个相对饱和的时期,希望去做全球化的布局,比如说中东、北美、东南亚,我觉得这个是对创业公司的要求是更高的一个事情。
Dabo :跟21年的时候的火热的状态之间的一个对比,从一个之前求量求规模的这样一个阶段转移到了现在可能先保住你的战场的逻辑。 我可能相对是比较乐观的人,我觉得在这种情况下不是坏事,他会逼着我们这样产品经理出身的创始人做出改变。我们有的时候过度关注,像比如说用户体验产品层面的一些东西,因为这是我们的专业性。但那个时候你脑海当中会认为既然是一个伟大的事情,这里面品牌应该是长什么样子的,我的体验应该达到什么样的标准,所有的东西的预期是一个高配的状态。但这个 高配状态就是有成本的,如果这个成本在今天的大环境下无法被转化成现金流,那么你就要遇到问题。 所以在现在这样一个局面下,在倒逼着你去寻找你的业务当中的核心的模块能有直接的商业转化结果。
Ken :首先,我认为肯定会有很多公司在技术迭代和升级的过程中被淘汰。主要是因为他们正好处在别人的主航道上,基本上就是冲着枪口去了。我之前看周鸿祎也提到了这两个结论,我在操作过程中也有类似的体会。首先, 除非你本身是做大模型的,否则不要在别人的主航道上。 比如说,你想让GPT4因为它不够精准,所以你要让它变得更精准,这个想法肯定是行不通的,因为一旦GPT5出现,你可能就被淘汰了。
第二个结论是 更多的服务于个人,做一些小圈子或私人化的东西 ,比如说某一个领域的模型,GPT肯定不会去做,因为它是生态的问题。所以,更偏向企业化、定制化、私有化部署、私有数据化,这是大家比较认同的方向。
第三点是 竞争不在于你和大模型竞争,而是和同类别的应用层公司竞争 ,特别是和大厂的应用层竞争。工程化有一定的门槛,这正是中国公司的强项。因为美国工程师相对较贵,而中国有工程师红利,加之中国人勤奋,经过互联网时代的洗礼,拥有足够强的经验和产品体验能力。所以,在工程化上建立足够的壁垒,是一个非常大的优势。
Dabo :你应该成为生态圈里的一个角色。比如,当苹果手机发明的时候,如果你跟它竞争操作系统,你肯定输了。但如果你在App Store上做某一个APP,例如游戏APP,苹果这家公司不太可能去做。举个例子,海外的Opus,他们做的是给播客的长视频自动切割成短视频的服务。用户不需要手动的把视频去切成一段一段的对话,Opus理解了你的对话的过程,又把画面映射到了语言的对话的每一秒钟,最后帮你把视频也切好了。它不在主航道上,但完全利用了大模型的特殊能力。
关键是它在大模型的基础上做了一些工程化处理,工程化处理这件事这个词可能有点不一定每个人都理解,但我们可以简单的把它理解为它在这个东西的外面包了一层跟大模型毫无关系的结构,它的软件外面包了一层结构,然后这个结构也给客户带来了价值。我简单算了一下, 按照每秒的成本去算,Opus产品的溢价大概是GPT的40倍。 就是说他每每处理用户的一分钟的视频,他的成本是他收来的钱的40倍,可能不准确,但大概是在这个range里。
Ken :我觉得未来可能 B端C端用户概念会越来越接近,比如很多网红可能自己就开电商公司了。以前做一家跨境电商公司,需要10个人左右的团队起步,设计师、买手、供应链的人,运营等;现在开始诞生很多“个人公司”,自己一个人或者两个人可以把事情都做好,比如说内容的制作、产品商品图的制作、自动化投放等。我觉得现在是为数不多的机会,让我们每一个人能低成本的把自己的兴趣爱好做成一个企业或者做成一个生意的机会。
Dabo : 我觉得这种超级个体宣传的更底层的点是让我们重新审视如何定义人生的成功。 在过去,成功的标准可能是加入一家顶级企业并拥有百万年薪,或是通过创业融资并最终上市。然而,现在对于广大群体来说,只要思维活跃,就可能开辟一条新的道路,这种方式减少了对社会资源的依赖。
从竞争的角度看,只需专注于一个细分领域。观察那些从事独立项目的创业者,你会发现他们手中的项目既小又精致,这些项目虽然不足以吸引风投公司的注意,但对个人而言,它们确实能带来可观的收入。更重要的是,这些项目大多设计为超级被动式收入,几乎不需要维护,以无人值守的方式运行。
所以如果有意进入这个行业,首先应该思考如何定义自己的成功。借助新兴的机制和技术,你可以设计出自己的生活方式,真正实现对个人命运的掌控。从这个角度来我觉得是挺值得期待的。
Dabo :我看到的一些新技术,比如可以换嘴型的算法,我觉得太可怕了。这意味着现在可以模拟任何人说任何事情,这将对社会产生怎样的影响?但我觉得不用担心,因为这个问题太大了,它一定会被解决。但是在解决的过程当中,谁最后会因此而获利,那么我觉得大几率是规则的制定者,这也是为什么openai想要去融那么多钱的原因,对吧?他们融的资金规模是史无前例的,这在一定程度上是为了奠定他们行业领袖的地位,但我觉得更深层次是成为规则制定者。现在伊隆·马斯克现在跳出来,不是因为钱,他不差那些钱,他是因为担心规则制定者的角色被别人抢走,而他想成为规则制定者。山姆·奥特曼现在闭源了openai,是不是他也可以变成和马斯克平起平坐的规则制定者。
对于我们普通人来说,可能最终看到的是,大概率是规则的制定者在这场没有硝烟的战争中为自己获得史无前例的权力。而我们,作为普通人,可能已经无法感受到这一切了,我们是被管理被制约的那个人。但一个超大的巨无霸会客观地存在于整个生态体系的背后。 所以我们现在感受到其实就是下一场世界大战,战争本质上是为了抢夺权力和管理的空间的范围。只是说这场世界大战不是说给对方头上扔炸弹,有一些人突然发现我不用抢物理世界了,我现在抢的是一个智能的空间,抢的是一个虚拟的关系,这些东西都是权力的一种载体。
Ken :我觉得很有意思的是我们接下来可能要持续探讨的是个人的安全、国家的安全和人类的安全。这是一个层次递进的过程。个人安全是关于是否会被诈骗,国家安全是关于开源还是闭源,使用的是美国的大模型还是中国的大模型?人类安全则是更大的问题,比如机器是否会取代人类。这就引发了一个问题:我们优先解决哪一个问题?如果从上到下解决,还是从下到上先解决个人的问题?按常理,应该先解决个人问题再解决国家问题。 但现在似乎有种趋势,大家想站在更高的位置解决更大的问题,或者去改变规则。 假如说现在世界上有个神去制定规则,这个神的一念之差其实会决定很多人的命运,它是一个毁灭性的或者是一个创造性的,它是一个非常极端的两面,就这个问题还是挺挺可怕的一个事儿。现在世界是没有神的,但万一哪天世界上就出现了一个神,或者出现了几个神呢?
Fabrie 是一款基于在线白板的AI辅助设计工具,旨在服务于设计行业。它提供专业格式支持和AI辅助设计功能,通过稳定的白板界面支持大量图片展示和实时多人协作。Fabrie AI能显著减少设计渲染成本和时间,加速方案探索,帮助团队快速完善产品方案,具备强大的可控性和完整的工作流程承载能力。
「Fabrie本地版app软件」下载链接: https://www.fabrie.cn/fabrie-lite
本文来自微信公众号“火山石投资”(ID:VolcanicsVenture),作者:小火
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址:https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。
项目地址:https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。
项目地址:https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目
项目地址:https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。
项目地址:https://github.com/TaskingAI/TaskingAI