一、这波AI浪潮的核心特征
我觉得，这波AI浪潮最重要的特征，是让高度个性化的服务实现规模化成为可能。
过去2年里，ChatGPT的出现让AI又又又一次爆火，关于AI应用层的讨论也有很多，但至今还没有出现Killer App（杀手级应用）。
尽管如此，我仍然坚信这波AI浪潮堪比工业革命，因为它会重新定义供需关系，创造大量全新的可能性。其本质，是智力资源的供给侧变革。
二、供给侧的变革：打破智力资源的稀缺性
在过去，智力资源是专属于人的，是稀缺的，尤其在依赖专业知识和技能的领域，比如教育、心理咨询、法律服务等。这些服务的高成本源于它们依赖人类的智力劳动，而人力是有限的。 因此，许多这样的服务，对于普通大众来说，是昂贵的、奢侈的。
而大模型，正是打破了这一限制。
工业革命与AI浪潮的类比：
如果我们回顾工业革命，会发现很多曾经只属于贵族阶层的“奢侈品”变得普及，举几个例子：
-
纺织品：工业革命前，纺织品依赖手工纺织和织布，生产耗时且劳动强度大，价格昂贵，棉布甚至被称为“白金”。
-
玻璃制品：工业革命前，玻璃制作完全依赖手工吹制，费时费力，导致玻璃窗、镜子等都是奢侈品。
-
书籍：工业革命前，书籍的复制速度慢且成本高，即便有了活字印刷，纸张的生产仍然昂贵，教育资源受限，书籍是富人的专属。有了蒸汽印刷机，书籍才变得可以大规模生产。
-
时钟：只有少数人能够拥有高质量的个人时钟（通常是贵族或富有商人的奢侈品），普通人没有办法随时掌握准确的时间，甚至还有打钟人这样的职业。
就如同工业革命让棉布、玻璃、书籍、时钟等产品变得普及，AI也在逐步打破智力服务的稀缺性，让那些本应由人类智力提供的“高度个性化服务”，能够规模化、普及化，成为普通人可以享受的资源。
三、什么是高度个性化的服务？
以下是一些例子：
-
情感服务：角色扮演、情感陪聊、情感咨询…
-
专业服务：律师咨询、心理咨询、命理占卜…
-
生活服务：个人形象设计、家装设计、职业规划…
-
教育咨询：家庭教师、专业技能教练…
这些场景有一个共性：都十分依赖智力资源，需要结合专业知识和用户的背景，过去只能由人类来提供。
我自己是尝试了从“命理占卜”切入（也许下一篇，我会详细讲讲自己的选择逻辑）首先从需求侧来说，从古至今需求一直存在，没有根本性的变化。供给侧，一直以来是靠人类提供，而优质命理师资源是稀缺。从西周到清朝，每个朝代都有专门负责的官员服务于统治阶级，民间更多时候以口口相传的“口诀”形式存在（比如我属猴，老一辈就会说“猪配猴，泪长流”，告诫我找对象不能找属猪的 = = ），这些口诀源于命理却又极其片面的，某种程度也反映了供需的一种失衡。
2023年初，还只有GPT 3.5的时候，我们做了一款AI+玄学应用“月见塔罗”，纯靠AI做供给，算是比较成功的验证，无论是用户评价和付费都还ok，因为投入很低，几乎仅靠自然增长就达到了盈亏平衡。
这样的实践让我更加坚信AI是一次供给侧变革，正如工业革命一样，正在让高度个性化的服务实现规模化。
上面举的例子里，这些场景有些已经初步达到了交付水平，且大规模落地了（如：角色扮演），但其实更多的都还跑不通。
四、为什么AI应用在很多场景跑不通？
AI应用想跑通，首先得面临几个基础问题：
-
获客成本高昂：AI并没有改变用户获取的方式，获客渠道依然稀缺，成本不低。
-
新增成本压力：大模型带来了新的支出（算力或token成本）。
-
技术落地的复杂性： 大模型并不能直接应用到绝大多数场景（输出质量、稳定性不达标或者大模型本身不能完成交付），需要复杂的工程化改造才能达到实际交付标准。
俞军老师有一个产品价值公式：产品价值 = (新体验 – 旧体验) – 迁移成本。
由于新增了成本，这个公式可能得变成：产品价值 = [(新体验 – 新成本) – (旧体验 – 旧成本)] – 迁移成本。
想跑通PMF，还需要减去获客成本：商业价值 = [(新体验 – 新成本) – (旧体验 – 旧成本)] – 迁移成本 – 获客成本。
核心变量就是新体验与新成本，在一个场景下，如果(新体验-新成本)不能显著大于(旧体验 – 旧成本)，那么这个场景就是难以跑通的。
把新体验做起来需要给时间，新成本降低也需要时间，很多场景现在难以跑通、有困难，但并不代表困难无法克服。
五、从稀缺到普惠
在自己实践的一年多里，我遇到了很多困难，但我仍然对长期保持乐观。
首先，大模型的成本正在快速下降，一年就降低75%很正常。每一次成本的下降，都会让更多场景具备跑通的可能性。
同时，技术栈的成熟和从业者的进步，也让我们能用工程手段创造更好的“新体验”。
就像工业革命让衣服、鞋子、书籍这些原本稀缺的资源变得普惠，AI时代也会让家庭教师、心理咨询师等各种领域的“高度个性化服务”实现规模化，走进普通人的生活中。
