對智能原生產(chǎn)品而言，產(chǎn)品不僅需要從0到1，從1到10這個階段也十分關(guān)鍵，否則，就可能走上數(shù)字化或者SaaS的“老路”。怎么理解呢？一起來看看本文的分析。
看了下馬云的內(nèi)部信，有點(diǎn)意外的是這只是關(guān)于情緒和態(tài)度。
因?yàn)槿祟惐旧頉]太大變化，所以就情緒和態(tài)度而言，在企業(yè)起伏的時候，大致上就總是：
在錯誤處帶來真實(shí)，在懷疑處帶來信任，在混亂處帶來和諧，在沮喪處帶來希望。
但AI確實(shí)不止關(guān)于情緒，它有一些與過去迥異的運(yùn)行規(guī)律。馬云說的：AI時代剛剛到來，一切才剛開始，我們正當(dāng)其時。這是對的。
然后呢？
然后我們其實(shí)需要認(rèn)識這些差異，打造新的產(chǎn)品然后才可能創(chuàng)造新的用戶價值，AI的發(fā)展也才能真正閉環(huán)。
一、從0到1的相關(guān)故事
彼得蒂爾的從0到1可能是最成功的商業(yè)方法論書籍，核心原因正在于這是成功互聯(lián)網(wǎng)產(chǎn)品的最關(guān)鍵點(diǎn)。
成功的互聯(lián)網(wǎng)產(chǎn)品一定是PMF（Product Market Fit）型產(chǎn)品。
選擇一個領(lǐng)域，吃透一個領(lǐng)域，然后把互聯(lián)網(wǎng)技術(shù)加進(jìn)去，變成一個新的產(chǎn)品，驗(yàn)證后大范圍復(fù)制，每個成功互聯(lián)網(wǎng)產(chǎn)品都是這么走過來的。
對產(chǎn)品進(jìn)行細(xì)分的話，差異在于平臺化通過兩端開放打開了PMF的適配范圍，遠(yuǎn)超單點(diǎn)的工具。
這套邏輯做到企業(yè)級產(chǎn)品（SaaS）的時候，就徹底折了。
不同的企業(yè)用各種方式捍衛(wèi)自己的不一樣，所以做SaaS本質(zhì)上是N個從0到1，但一直沒有從1到100。
這種定制的復(fù)雜度超過現(xiàn)有技術(shù)架構(gòu)的吸收能力，不管你是用應(yīng)用商店，平臺，插件還是什么技術(shù)，最終你本質(zhì)都需要一個一個交付，變成解決方案式擴(kuò)張。
邊際效能靠人還是靠算力顯然有巨大差異。所以SaaS就集體持續(xù)虧損，但也還能活著。
這種現(xiàn)實(shí)提示我們什么呢？
為什么產(chǎn)品是從0到1和從1到100兩個階段呢？
互聯(lián)網(wǎng)產(chǎn)品外化的是程序員的智能，可以留一些定制的空間，但這個空間是有限的，最終靈活適配能力的上限也還是程序員設(shè)定的。
所以這種產(chǎn)品力必須打?qū)Φ胤�，互�?lián)網(wǎng)的產(chǎn)品力和市場突破口如果打偏了就像非給牛喂豬肉一樣，費(fèi)力不討好。
從0到1就解決這個準(zhǔn)不準(zhǔn)的問題。
而這個問題一解決，后面待解決問題是一樣的，所以就可以純粹復(fù)制。
復(fù)制的邊際效能基本是算力的邊際效能，也就變成指數(shù)增長。
典型的兩段論：趴在地上吃土+一飛沖天后吃肉；當(dāng)然也有一直吃土的可能。
那AI還是這樣么？如果不是為什么？
二、AI產(chǎn)品的新特質(zhì)
AI的核心改變根本不是AIGC，包括Sora，而是它的概念識別和自行邏輯判斷能力。這潛在的意味著計算范式的變化。
過去我們的計算模式本質(zhì)上是現(xiàn)實(shí)世界的需求由程序員折射成計算機(jī)世界的語言，然后計算機(jī)按照程序員的設(shè)定進(jìn)行執(zhí)行。
AI下的計算模式不是這樣，程序員這個中間層越來越透明（不是徹底消失），人直接和模型進(jìn)行交互，然后具體的功能范圍是不定的。模型、策略和價值觀設(shè)定這個范圍，不再是程序員設(shè)定這個范圍了。
如果用圖形描述，那大概下面這樣：
這種新特質(zhì)即影響產(chǎn)品形態(tài)，也影響相應(yīng)產(chǎn)品的方法論。
產(chǎn)品形態(tài)上，過去用戶總是按照UI（圖形用戶界面）來完成某個功能。
而UI（圖形用戶界面）本質(zhì)是一種歸類，類目的集合就是產(chǎn)品的邊界。即是功能的邊界，也是感知的邊界。
舉個例子，比如過去經(jīng)常說的ERP，它充分對企業(yè)進(jìn)行抽象，然后覆蓋了某個范圍。這樣也就形成了一個自己的邊界（企業(yè)的適用范圍）和重量。
把這殼套到自己身上的時候，那企業(yè)可能承受不了它的重量。外部的變化會挑戰(zhàn)它的設(shè)定也會持續(xù)產(chǎn)生成本，最終就變成了上ERP找死，不上等死。
那假如ERP變成了企業(yè)的自動駕駛，類似Autopilot，會發(fā)生什么呢？
這時候反饋+智能+判斷>設(shè)定的流程。
因?yàn)閷掃m配，重量是減輕了，但會不會開到溝里面則不好說。
比如它檢測到了庫存水平和市場價格后可以發(fā)起采購的建議。
這個企業(yè)級的Autopilot也會自己更新自己，感知現(xiàn)實(shí)，并根據(jù)價值設(shè)定處理程序員沒有預(yù)先設(shè)置的行為。
比如某個模塊出現(xiàn)安全漏洞，那會自己在測試環(huán)境啟動測試并且發(fā)起更新審批。然后更新自己。
基于規(guī)則和基于模型的智能程度在這種應(yīng)用場景下在尺度上拉開巨大差異。
確定性匹配規(guī)則，靈活性匹配智能。
智能和靈活最終會帶來寬適配，也就不需要?dú)w類（太多沒法歸類），所以就需要進(jìn)行基于自然語言的交互。GUI反倒是變成輔助。和現(xiàn)在正相反。
形態(tài)差異的表現(xiàn)是自然語言交互，但差異本質(zhì)在規(guī)則所體現(xiàn)的智能和模型所體現(xiàn)的智能適配范圍有著巨大差異。
這在打磨產(chǎn)品上，會帶來什么樣的差異呢？
三、從1到10，AI產(chǎn)品的關(guān)鍵階段
如果你做的菜是四川菜，也給四川人吃，那就是從0到1 ，從1到100的兩段論。
但如果你做的四川菜，菜也是自己會微調(diào)的，那你搞完菜，在四川測試完（從0到1），估計還得每個省都抽樣測試下（從1到10），然后才能大規(guī)模推開（從10到100）。
智能原生應(yīng)用的這種自己進(jìn)行適配的特征也決定了這種應(yīng)用類型所匹配的領(lǐng)域。
如果是簡單的規(guī)則就能搞定，并且產(chǎn)生利潤的地兒，其實(shí)并不是智能原生應(yīng)用的最佳落點(diǎn)。它們一定程度上機(jī)會資源已經(jīng)被挖掘殆盡。
這種領(lǐng)域里智能原生創(chuàng)造的價值和按原有模式運(yùn)轉(zhuǎn)產(chǎn)品創(chuàng)造價值沒有太大差異。
這也就意味著智能原生應(yīng)用就必然要解決復(fù)雜場景，解決規(guī)則所不能到達(dá)地方的問題。（一定程度上現(xiàn)在偶爾會火的所謂AI APP在起點(diǎn)上就有問題，沒有后勁的，也不可能取得成功）。
而如果智能原生應(yīng)用要解決復(fù)雜場景的問題，那在產(chǎn)品化的時候，必須把智能原生的特征發(fā)揮到極致，變成類生命體。
這就就像那道自己會變的川菜一樣，從1到10會變成一個非常關(guān)鍵的階段。
我們可以舉一個正面的例子，比如做一個招聘的Agent。
它能夠非常完整的執(zhí)行從收集需求，到篩選簡歷，再到Offer發(fā)送，入職的全過程。
開發(fā)完成后在某個或某幾個企業(yè)里面運(yùn)轉(zhuǎn)良好，按照互聯(lián)網(wǎng)的概念，這時候從0到1是基本完成。
這時候可以產(chǎn)品化進(jìn)行PMF式擴(kuò)張了么？
對于Agent產(chǎn)品它必然不行，既然招聘需求、需求匹配都是自適應(yīng)的，那么適合科技企業(yè)了，未必就適合快消品的企業(yè)。
而可能導(dǎo)致不適應(yīng)的這截正是用智能才能解決，用規(guī)則解決不了的部分。（智能原生應(yīng)用的價值根基）
這部分的調(diào)優(yōu)、確認(rèn)、打磨如果進(jìn)行概括，那就是從1到10。
這個環(huán)節(jié)過去對于互聯(lián)網(wǎng)產(chǎn)品不關(guān)鍵，但對于智能原生產(chǎn)品（類生命體）很關(guān)鍵。
總結(jié)來說，互聯(lián)網(wǎng)產(chǎn)品是兩段論，而AI產(chǎn)品則是三段論。
從1到10這個階段對智能原生產(chǎn)品非常關(guān)鍵，搞不好就意味著智能沒起作用，而一旦退回去變成不停的重復(fù)從0到1，那很可能就會走上數(shù)字化或者SaaS的老路。
四、產(chǎn)業(yè)空間
如果把各種產(chǎn)品放在智能的坐標(biāo)軸上，那大概是這樣一種分布。
單純的工具，比如壓縮軟件或者安全軟件，那是一個固定形狀的球。我就干這個活，別的別找我。按過去的說法，好的工具可以支撐10億美金企業(yè)。（chatGPT很不單純…）
平臺因?yàn)閮蛇呴_放，就很像一個擠擠可以變形的球，但能變的形狀是確定的。按照之前的說法這是100億美金企業(yè)的支撐。生態(tài)號稱是把上面一堆東西安在一起，但從智能角度看本質(zhì)并沒變化。
智能原生應(yīng)用和上面不一樣，自身就是變形蟲，是類生命體。環(huán)境需要什么樣，它自己就往那個方向變，自己也會進(jìn)化（程序改變自己 VS版本升級）。
真的智能原生程序不要人擠，自己就可以按需變形。
這種特性帶來一個壞處，智能原生應(yīng)用雖然也是可大可小，但因?yàn)橹悄艿耐ㄓ枚�，就不太可能是單純的工具，所以不會是太小�?guī)模的產(chǎn)品。
技術(shù)決定了先天可能性，而投入產(chǎn)出決定了現(xiàn)實(shí)的可能性。
需要注意的是不能把智能原生應(yīng)用和工具，包括本質(zhì)是工具的歌種好玩的APP放在一起，這不是一類東西。
總結(jié)
如果問大模型到底帶來了什么？那很多人的印象可能是能幫助寫論文、能生成很拉風(fēng)的圖片、能生成視頻（Sora）。但這世界其實(shí)沒幾個人是天天做編輯工作的。如果人工智能的影響局限于，那就不可能帶來超過互聯(lián)網(wǎng)的生產(chǎn)力。大模型所帶來的能力里面最關(guān)鍵的其實(shí)是概念理解和自行判斷的能力�；谶@個能力才能構(gòu)建真正的智能原生應(yīng)用，而智能原生應(yīng)用不單需要從0到1，還需要從1到10。
專欄作家
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。
題圖來自 Unsplash，基于 CC0 協(xié)議
