临近年关，打算开个新系列，从总结视角聊聊AI领域的新趋势，顺便填坑。第一篇先聚焦产品形态的变化。

2022.11上线的ChatGPT，既实现了2个月过亿的现象级增长，也为后来者刻下了chatbot的烙印。Gemini、Claude、文心一言、通义千问、元宝、豆包、kimi...，无论顶着什么样的名字，其中的设计逻辑都大同小异。

站在巨人肩膀上无可厚非，但chatbot的形态并不完备，和用户侧的具体场景存在割裂。用户不得不使用ctrl+c、ctrl+v往返于chatbot和其他软件之中。模型公司显然也了解这一点，Anthropic于今年6月推出了Claude Artifacts，收获了大量好评。而OpenAI也紧跟对手，于10月推出了Chatgpt Canvas。

除了两家明星初创，我们也可以从其他公司的产品中，观察到类似的理念，比如Cursor。本文将从几个典型产品切入，尝试对这一趋势做点发散和思考。

01

从Canvas和Artifacts说起

Canvas和Artifacts的诞生充满了相互借鉴的痕迹。事情最早可以追溯到2023年3月，OpenAI开始测试Code Interpreter（同年7月发布，后更名为Advanced Data Analysis），主要特性是可以上传文件、执行python代码、自助分析数据、生成可视化图表。Code Interpreter的本质是搭建了一个沙箱环境，所有代码、文件、数据都在沙箱中处理。

通过Code Interpreter调试聚类算法

而Artifacts某种意义上，是对Code Interpreter的换道超车。在持久化工作区的基础上，Artifacts极大地特化了“所见即所得“的可视化功能，被评价为“既懂模型，又懂产品”。无论是代码、文档、网页，还是SVG，Claude都能为你生成Artifacts的预览，分栏的设计也让“对象”的概念从chat窗口中独立出来。chat负责协作，Artifacts负责结果，各司其职。

Artifacts渲染html5小游戏

一度疯传的李继刚的花式prompt，就充分利用了Claude的语义理解和Artifacts的可视化能力，来生成富有内涵和意境的SVG。

李继刚的Claude prompt：一人一句

不过，Artifacts的体验也存在短板。对比Code Interpreter，由于Claude不支持run code within it，初版Artifacts“只能看、不能跑”，所以大家看到的出彩案例也都止步于前端渲染。Anthropic在10月份推出了更新《Introducing the analysis tool in Claude.ai》，开始补全沙箱和数据分析工具，逐步拓展Artifacts的适用场景。

另一方面，Artifacts也无法直接对预览内容进行修改。当你选中某个片段点击“improve”时，你只能回到chat窗口中发送修改需求，而AI的执行难免添油加醋，大大影响了编辑的精准性，比如下面这个例子。

我：合并了吗？AI：如合

（别误会，我的文章都是手打的，不然我直接一天一篇。）

Canvas的出现，明显改进了这方面的缺憾。Canvas进一步优化了主次逻辑，将需编辑的对象提升为绝对的主体，而AI的能力则打包为一个个具体的功能按钮。chat窗口弱化为sidebar，趋近于信息提示和交流辅助。现在，我们终于可以更优雅地编写文章或者代码了。

Chatgpt Canvas的写作demo

声明一下，我并不推荐你为了体验Canvas去专门开个plus会员，因为它也继承了半成品的优良传统，各种毛病是少不了的。比如：部分功能逻辑过于简陋，当使用“suggest edit”时，你可以看到光标上下飞跃，却不知道它具体改了多少；对前辈们的优点也没有充分吸收，沙箱和可视化这些优秀的feature均未体现。看来两家产品在互相借鉴的路上，还需进一步取长补短（低情商：抄快点）。

02

有趣的Cursor，Notion和Flowith

世上并不只有OpenAI和Anthropic两家公司，在聚光灯之外，也有不少产品的idea颇为有趣。其实，早在Canvas推出前，就有人在使用Cursor辅助文字创作了，没错，就是那个AI IDE Cursor。

Cursor

相比Artifacts和Canvas这类由模型方推出的feature，Cursor首先是一款正儿八经的IDE产品。作为VS Code的分支，它的用户基础早已验证。而Cursor的AI功能设计也相当精巧，完全“融入”了IDE之中，体验更胜Github Copilot。

同每个IDE一样，Cursor的主体是编辑器，你可以在coding时快速触发inline的AI辅助，让AI为你修改、补全或解释代码。交流类内容会在右侧chat中出现，你也可以主动发球，和AI研讨思路，再apply到代码中。涉及到代码库和文档，加一个@，就可以将其加入上下文中。这也给读代码带来了很大的方便，你只需要@，剩下的事交给Cursor。

Cursor帮你改代码

这么看来，用Cursor客串写文不完全是邪道。它的UI理念和Canvas共通，并且在功能打磨上有更多积累。代码库就是知识库，补全和修改等同于续写和润色，而旁边的chat依旧是你的小小参谋。毕竟有Claude 3.5 Sonnet加持，coding和writing都不在话下。

Notion

当然，说到知识库和写作，还是笔记软件的血统更为“纯正”。Notion作为其中的翘楚，早在2022年底就开始探索与AI的结合，并在今年9月发布了全新的Notion AI。Logo的设计颇为复古，充满了早年office回形针的调调。

有点像简笔画的Notion AI

Notion AI的功能相比上面所举的应用，倒也没有特别的新意，无非就是问答、总结、改写、翻译等几板斧的排列组合。但由于笔记天然就是个人的专属知识库，所以它可以基于你的数据沉淀，更方便地实现内容和文风的量身定制，为习惯用Notion写作的你，提供更大的生产力。Notion本身丰富的内容格式和组件，也大大扩展了潜在的玩法。

使用Notion AI辅助创作

ima copilot：另一个Notion AI

鹅厂最近出了个新产品ima copilot，被不少人认为是对大热的Google NotebookLM的模仿。实际上，这或许是知识库QA功能造成的错误印象。ima的内核并不像NotebookLM，更接近Notion AI。

区别其实很明显。NotebookLM是document-first的知识交互和共享工具，用AI做二次加工和内容转换。用户无法自由编辑相当于知识库的源文档，只能添加轻量化的备注。每个Notebook是一个独立的主题，也是知识库的组织形式和边界，你无法跨Notebook进行QA和协作。

强调来源的NotebookLM

而ima copilot则糅合了搜索、知识库和笔记。你可以用AI搜索获取外部资料，也可以对知识库做二次编辑（前提是对象为可编辑格式），最后结合二者辅助你的笔记创作。这完全就是Notion的理念——知识生产和管理工具。几字之差，产品逻辑完全不同。

ima copilot：搜索、知识库、 笔记

Flowith

看多了面向代码、文本这些“古板”内容的产品，我们再来看一个异类，Flowith。从形态上，Flowith比Canvas更像Canvas（画布）。它对UI做出了较大胆的改变，并非线性地生成聊天内容或文档，而是在一张无限画布上动态展开节点。这种形式相当适合用来做头脑风暴和知识图谱，节点之间亦可以再次引用和发散，为你勾勒出一张AI驱动的思维导图。

画风迥异的Flowith

Flowith的发布时间是今年4月，先锋的理念在今天看来也颇有启发。要打破chatbox的套路，除了融入现有的生产力场景，也可以选择探索更自由的交互方式。

03

一些分析和预演

从chat到编辑器，再到白板

分析了一圈，不知你是否有感觉，AI产品的形态出现了继chatbot之后的又一个交汇点。无论是Canvas、Artifacts，还是Cursor、Notion、ima和Flowith，这些产品的核心设计，存在着或多或少的共鸣。

我们可以简单地将这个品类归纳为“AI白板”——搭建一个面向用户和AI助手的协作空间。目前大部分的AI白板产品，比如Canvas，有着强烈的“编辑器”风格，主要用于写作、coding等生产力场景。也有诸如Flowith的异类，在边界之外做着更多尝试。

随着产品的迭代，更丰富的内容、更广泛的场景、更有想象力的功能将会被解锁。AI白板也会逐步褪去编辑器的烙印，变成一块包罗万象的真正“白板”。

AI适应人＞人适应AI

产品形态的趋同也折射了各公司对一个关键命题的思考——如何优化人与AI的协作。

早在这一轮LLM浪潮兴起的初期，AI的定位就被赋予了一个恰如其分的名字，copilot。商业叙事的高歌猛进，一度让我们低估这个阶段的长期性。现在看来，copilot仍是当下技术能力和产品体验交集下的最优解。

再仔细打量下Canvas，如果跳出本文的引导，你可能会找到另一个出乎意料又情理之中的参照——浏览器插件。Monica、豆包等插件的UI与布局，和Canvas不能说一模一样，简直是不谋而合。因为它们都是“copilot”，Canvas的主体是文档，Monica的主体是网页。

Copilot的核心是“配合”。化用一下Anthropic对computer use的阐述，让AI适应人，而非让人适应AI。高深的AI使用技巧固然重要，但始终是阳春白雪。更有效的方法是提升普通人运用AI的下限，而秘诀在于，提高“人”的参与比重。

AI是很好的杠杆，但人的创造力，才是协作的支点。

模型公司的产品焦虑

AI产品有一个简单的二分法，“AI+”还是“+AI”。前者通常是模型公司亲自下场，后者多半依托已经存在的产品，本质是增量和存量。短期内，“+AI”比较容易取得优势，长期看，两个路线没有绝对的高下。

虽然用户无所谓，但模型公司挺焦虑。模型层创业公司的生态位天然不利，一不像大厂可以仰仗成熟业务养家，必须更主动地探索产品侧的延伸；二是融资端的输血也有对价，即便是OpenAI，也得向投资者做出营收大幅增长的承诺。

而这种压力也投射在了具体的行为中。模型公司做产品的动机，从最初的打样示范，逐步变成要自己占领市场。算力吃模型的蛋糕，模型吃产品的蛋糕，如此一级一级地下探，对AI生态的共荣似乎不见得是件好事。

另一方面，做产品这事也讲究个基因禀赋。模型公司的产品技能显然还不ready，当下发布的各种新功能，总有点先首发占位的赶工味道。从模应一体的角度，或许Google是最值得看好的选手。NotebookLM的成功也向我们证明，Google仍然有做出好产品的能力。

idea is cheap

这是我今年最常说的一句话。既然竞争已成定局，产品间的你中有我、我中有你，就是必然趋势。好的idea不足以成为壁垒，只能带来一时的流量。大厂摸着小厂过河，系统摸着应用过河，先发者的巧思难免被后来者摘果子。技术力、执行力、增长飞轮、错位突围，这终究是场持久战。

回顾近一年的发展，有基座模型的你追我赶，有视频和语音的多点开花，有pre-train和post-train的东边不亮西边亮，还有AI PMF的众里寻她千百度。除了关注纷繁的现象，也需要思考背后的趋势。本篇为2024 AI趋势总结的第一篇，下一篇计划聚焦执行任务的agent。

酒香也怕巷子深。写这样的内容花费不少精力，如果你觉得不错，请帮我点点三连、做做扩散，谢谢你的支持。

文章来自于微信公众号“左右横眺”，作者“左右横眺”