新聞資訊
News and information
-
24
11/28
小程序變“傻”，誰變聰明了？
期待下一個五年，中國資本市場脫穎而出的“獨角獸”，不再是清一色的互聯(lián)網(wǎng)公司，而是還有SaaS服務(wù)公司?；ヂ?lián)網(wǎng)掀起的平民化浪潮，如今已波及到技術(shù)人自己。一個人人都是程序員的時代正在到來。廣西柳鋼一名鋼鐵工人，用低代碼平臺，給全廠7000多名員工開發(fā)了一個核酸登記應(yīng)用程序。四川古藺一名中學(xué)老師，也是用低代碼平臺，給留守學(xué)生開發(fā)了一個宿舍管理應(yīng)用。上海一個11歲女孩，在云棲大會上用8分鐘編出了一個小程序……小程序“傻瓜”化，誰變聰明了？11月17日，中國社會科學(xué)院大學(xué)數(shù)字中國研究院與螞蟻集團(tuán)研究院聯(lián)合發(fā)布《2022中小實體企業(yè)“數(shù)實融合”新趨勢觀察》報告回答了這個問題。01.低代碼開發(fā)極大降低數(shù)字化成本報告總結(jié)了這兩年發(fā)生在中小企業(yè)身上的九個變化，其中一個變化——低代碼開發(fā)極大降低數(shù)字化成本——既是中小企業(yè)“數(shù)實融合”的新趨勢，也是小程序“傻瓜”化的直接原因?！暗痛a”是一種只需要寫很少代碼就可以生成應(yīng)用，并快速配置和部署的一種技術(shù)和工具。這一簡易編程技術(shù)如今在我們的生活日常中已無處不在。我們玩的游戲，每天都會打開的各類小程序，背后都有低代碼的身影。Gartner報告預(yù)測：到2023年，超過70%的企業(yè)將采用低代碼作為他們發(fā)展戰(zhàn)略的關(guān)鍵目標(biāo)之一。到2025年，整體低代碼開發(fā)平臺市場規(guī)模將達(dá)到290億美元，年復(fù)合增長率超過20%。低代碼開始席卷全球互聯(lián)網(wǎng)，始于2016年，微軟首次發(fā)布低代碼平臺PowerApps，次年，微信、支付寶接連推出小程序接口，讓低代碼在中國找到了大施拳腳的應(yīng)用場景。報告數(shù)據(jù)顯示，五年前，一個中等規(guī)模的小程序，開發(fā)周期為2-3周，現(xiàn)在只要10-14天。如果是一個只用拖拉拽來搭建的簡易小程序，最快五分鐘就能完成。一個小程序的年服務(wù)費，最低已降至幾百元。要知道，成本，是中小微數(shù)字化轉(zhuǎn)型最大的障礙。有研究表明，數(shù)字化成本如果超過中小微總資產(chǎn)的10%，他們往往就放棄了。數(shù)字工具越來越輕、越來越“好用不貴”，成為許多中小微邁出數(shù)字化第一步的動力。值得一提的是，報告組在發(fā)布會上說，他們在調(diào)研時還發(fā)現(xiàn)了一個有意思的現(xiàn)象，僅在廣州，就有近兩千家小程序開發(fā)公司。小程序開發(fā)者中，不乏曾在流水線上打過工的“廠哥”。一家受訪公司的HR告訴他們，同等能力和經(jīng)驗下，他們更傾向于招“廠哥”，因為他們比本科生能吃苦，流動性也更小。報告組還采訪過一個叫周一海的“廠哥”，之前在東莞一家電子廠工作，利用業(yè)余時間線上學(xué)習(xí)低代碼開發(fā)，跳槽到深圳一家小程序開發(fā)公司做前端工程師。和深圳許多互聯(lián)網(wǎng)創(chuàng)業(yè)公司一樣，周一海所在的公司要求員工起一個英文名，周一海給自己起了一個諧音名John。John如今一個月稅后一萬元出頭，是在工廠時的近兩倍，比本科應(yīng)屆畢業(yè)生的平均薪資也稍高一些。報告數(shù)據(jù)顯示，僅支付寶小程序開放平臺接入的數(shù)字化服務(wù)商目前就有1.1萬家，拉動的開發(fā)和運營崗位接近80萬人。這是一個值得期待、相互成就的生態(tài)故事，也是報告中指出的又一個趨勢——數(shù)字化服務(wù)商將成下一個風(fēng)口。02.數(shù)字化服務(wù)商將成下個風(fēng)口？數(shù)字化服務(wù)商中的一支主力是SaaS服務(wù)商。SaaS意為“軟件即服務(wù)”，也就是插即用的數(shù)字化小工具。它的特點是基本不需要使用者自己做開發(fā)，在訂閱SaaS服務(wù)后，即插即用。和IaaS、PaaS一樣，SaaS屬于云服務(wù)的一種，三者“長相”相似，所長卻大不相同——IaaS相當(dāng)于水電氣三通的“毛坯房”，PaaS相當(dāng)于“精裝房”，而SaaS則是拎包入住的“酒店式公寓”?？梢?，互聯(lián)網(wǎng)平臺云計算等技術(shù)基礎(chǔ)設(shè)施的成熟完善，是SaaS服務(wù)發(fā)展的前提。而小程序的普及，則讓SaaS服務(wù)市場找到了為中小企業(yè)提供數(shù)字化服務(wù)的重要載體。報告指出，當(dāng)中小企業(yè)的數(shù)字化步入深水期，即不再滿足于單一環(huán)節(jié)的數(shù)字化，而是追求全鏈路的數(shù)字化時，互聯(lián)網(wǎng)平臺企業(yè)開始變得“有所不能”。比如，平臺企業(yè)往往只能提供通用的技術(shù)，以及標(biāo)準(zhǔn)化的獲客和營銷手段，而無法深入到各個垂直行業(yè)，為中小企業(yè)提供制定化、靈活的數(shù)字工具和數(shù)字服務(wù)。而這正是SaaS服務(wù)商的擅長。SaaS服務(wù)商對行業(yè)有多了解？報告組在發(fā)布會上分享了一個細(xì)節(jié)，他們在安徽合肥，調(diào)研了一家叫企邁科技的餐飲業(yè)頭部服務(wù)商，創(chuàng)始人為了了解咖啡館和奶茶店的的經(jīng)營場景和痛點，自己開了一家線下店，從德國進(jìn)口咖啡機(jī)，從星巴克挖來資深咖啡師，就這樣鉆到行業(yè)里，邊賣咖啡邊發(fā)現(xiàn)問題，收集了近100個需要優(yōu)化的需求。螞蟻集團(tuán)數(shù)字化生態(tài)開放運營負(fù)責(zé)人張琤坦誠，支付寶小程序團(tuán)隊剛開始時，什么行業(yè)都想自己去專研、自己去服務(wù)，很快發(fā)現(xiàn)，“無論如何也專業(yè)不過服務(wù)商”。其實，“下場自己干”，是許多平臺企業(yè)擁抱實體的常態(tài)。比如阿里巴巴為了改造服裝制造業(yè)的生產(chǎn)供應(yīng)鏈，自己建了一個智造工廠；京東則將自己重新定義為了“新實體企業(yè)”。但在服務(wù)業(yè)中小微數(shù)實融合這條賽道上，螞蟻集團(tuán)開始“向后退”，但“向后退”不意味著不作為，而是通過在后方為SaaS服務(wù)商開放產(chǎn)品技術(shù)、數(shù)字生態(tài)和平臺“原子能力”，助力SaaS服務(wù)市場發(fā)展，由其向服務(wù)業(yè)中小微提供“好用不貴”的數(shù)字化工具。簡單說，就是平臺和服務(wù)商拿出各自的長板來打配合。梳理支付寶小程序在這一兩年的布局和變化，不難看出他們在不斷向后調(diào)整“站位”，讓市場化的力量自己動起來——推出小程序快速搭建能力，讓服務(wù)商的開發(fā)者乃至商家自己，通過拖拉拽的方式，最快五分鐘就能做好一個簡易小程序并上線。這已經(jīng)不是低代碼開發(fā)，而是搭樂高一樣的零代碼了。推出小程序云托管，以此為載體，為服務(wù)商開放隱私計算、安全風(fēng)控、個性化推薦算法等底層技術(shù)能力。推出“跨平臺框架”方案，以幫助服務(wù)商實現(xiàn)只需要寫一套代碼，就可以同時生成不同平臺上的小程序，降低不同平臺的適配和遷移成本。在餐飲業(yè)頭部SaaS服務(wù)商企邁科技IOT事業(yè)部負(fù)責(zé)人阿祖的眼中，平臺現(xiàn)在越來越像“服務(wù)商”，讓他們在小程序后端的創(chuàng)新開發(fā)中獲得越來越大的空間。他說他曾有一段時間來杭州出差，都是以“月”為單位的。他們和螞蟻的工程師一起，腦暴出了一系列長在支付寶小程序上的，總有一款你用過的爆款小功能——當(dāng)你在小程序上點了一杯奶茶，可以在支付寶首頁上看到取餐進(jìn)度；當(dāng)你在線下單了一杯咖啡，拿到手上時，發(fā)現(xiàn)貼在杯身的單子上印著你的名字，以及一句寫給你的土味情話；當(dāng)你通過小程序下單并選擇“自取”，就能獲得5G螞蟻森林能量球；……報告亦指出，如果中國的服務(wù)業(yè)數(shù)字化要走向縱深，實現(xiàn)高質(zhì)量發(fā)展，必須大力支持發(fā)展SaaS行業(yè)，壯大中國第三方技術(shù)服務(wù)市場。而在助推中國SaaS服務(wù)市場騰飛，長出“獨角獸”這件事情上，互聯(lián)網(wǎng)平臺企業(yè)應(yīng)承擔(dān)更多責(zé)任。03.一個世界級的生態(tài)故事SaaS服務(wù)市場長出“獨角獸”為什么很重要？因為這決定著，中國的產(chǎn)業(yè)互聯(lián)網(wǎng)能否像消費互聯(lián)網(wǎng)那樣，擁有世界級的競爭力，同時還決定著，中小微實體企業(yè)能否規(guī)?；赝瓿蓴?shù)字化轉(zhuǎn)型。而眼下的事實是，中國的消費互聯(lián)網(wǎng)有多領(lǐng)先全球，美國的產(chǎn)業(yè)互聯(lián)網(wǎng)就有多一騎絕塵。報告數(shù)據(jù)顯示，2020年，中國SaaS市場規(guī)模約為50億美元，僅相當(dāng)于美國SaaS巨頭Salesforce一季度的營收規(guī)模。這個差距，直接決定了兩國中小企業(yè)數(shù)字化水平的差異。過去十年，隨著云服務(wù)模式不斷成熟，發(fā)達(dá)市場的數(shù)字化收益群體從頭腰部企業(yè)不斷向中小微企業(yè)下沉。美國餐飲業(yè)頭部SaaS服務(wù)商Toast的客戶，平均只有1.65家門店。美國50人以下的小微企業(yè)，和上千人的大企業(yè)一樣，每個員工平均會使用8個SaaS應(yīng)用。Shopify、Square等市值達(dá)數(shù)百億美元的SaaS公司，客戶中80%是中小微……相比之下，盡管中國的SaaS服務(wù)商站在了風(fēng)口之上，但眼下中小微企業(yè)在SaaS用戶中的占比仍不足10%。我們期待下一個五年，中國資本市場脫穎而出的“獨角獸”，不再清一色是互聯(lián)網(wǎng)公司，而是還有SaaS公司；再下一個五年，中國能出現(xiàn)美國Salesforce這樣千億市值的SaaS公司。這樣的未來可期。過去10年，中國互聯(lián)網(wǎng)公司大量上云，帶動了中國IaaS層領(lǐng)先于SaaS應(yīng)用層快速發(fā)展，也就是說，大量“大樓”已建好，“毛坯房”也變成了“精裝房”，就等著SaaS服務(wù)商入場搞“軟裝”了。此外，在助力中小微企業(yè)數(shù)字化轉(zhuǎn)型的賽道上，隨著螞蟻等互聯(lián)網(wǎng)平臺企業(yè)開始調(diào)整策略和站位，SaaS服務(wù)商在技術(shù)研發(fā)上的資金投入和時間成本將被大大降低。這樣的未來值得努力。要知道，SaaS服務(wù)市場的繁榮，還是一個世界級的生態(tài)故事。Salesforce發(fā)布的經(jīng)濟(jì)影響力白皮書顯示，2019年，Salesforce每賺1美元，其全球生態(tài)賺了4.29美元；2024年，Salesforce每賺1美元，其全球生態(tài)將賺5.80美元。所以，中國小程序“傻瓜化”，是件好事情。它變“傻”，是因為中國數(shù)字化浪潮的參與者們變“聰明”了。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/28
小心這三個坑：用人工智能開發(fā)與傳統(tǒng)軟件開發(fā)有著顯著不同
生成式人工智能的不確定性會給軟件開發(fā)帶來麻煩神譯局是36氪旗下編譯團(tuán)隊，關(guān)注科技、商業(yè)、職場、生活等領(lǐng)域，重點介紹國外的新技術(shù)、新觀點、新風(fēng)向。編者按：鑒于人工智能寫代碼已經(jīng)非常溜了，你很容易會產(chǎn)生這樣的想法，既然臟累活都是人工智能模型干的，那只關(guān)注市場需求和商業(yè)模式就行了。錯，生成式人工智能天生具有不確定性，這個坑可得注意了。文章來自編譯。在我們這里，做的每件事背后都有一個基本循環(huán)：寫作->開發(fā)->重復(fù)。開發(fā)會讓你接觸到以前隱藏的世界。寫作能幫你找到一種精確、簡潔的方式來表達(dá)你知道什么以及為什么。這個循環(huán)未必是線性的——有時候我們會從開發(fā)開始，然后轉(zhuǎn)向?qū)懽鳎袝r候我們會先從寫作開始——但我們認(rèn)為，這種做法確實帶來了一種特別有效的創(chuàng)造新事物的手段。本文深入闡述了用AI開發(fā)產(chǎn)品的方式，為什么新的AI產(chǎn)品的關(guān)鍵風(fēng)險是可行性，以及如何通過快速實驗來應(yīng)對這些風(fēng)險。當(dāng)我開發(fā)第一個AI項目時，所采用的方法跟過去開發(fā)產(chǎn)品是一樣的：明確一個問題，規(guī)劃解決方案，構(gòu)建最小可行產(chǎn)品（MVP），然后進(jìn)行迭代。這是一種相當(dāng)直白的軟件驅(qū)動法：快速開發(fā)，測試，學(xué)習(xí)，然后改進(jìn)。但是，這種方法并沒有奏效——于是我自問：用AI開發(fā)跟傳統(tǒng)軟件開發(fā)究竟有何不同呢？我加入公司的時候是懷揣著一個很有野心的目標(biāo)的：在三個月內(nèi)打造九款產(chǎn)品——也就是每10天打造一個項目。我的第一個項目Mindtune是傳統(tǒng)廣告技術(shù)和社交媒體算法的替代品，用AI驅(qū)動的。我的假設(shè)是，大家對社交媒體推送那些公式化的、冷漠的內(nèi)容已經(jīng)厭倦了，而AI可以提供更相關(guān)、更個性化體驗的機(jī)會。我做Mindtune的時候就考慮到了需求驗證，因為傳統(tǒng)軟件項目這一塊往往做不好。你得做出登錄頁面、跟潛在客戶交流、分析競爭對手，然后才會投入資源打造產(chǎn)品。創(chuàng)始人長期以來一直都是按這個模板走的，就好象是一種條件反射。我們未必會停下來問問自己打造這個產(chǎn)品是否有可能？用人工智能開發(fā)需要我們打破慣例，用不同的方式去做。人工智能產(chǎn)品帶來了一系列的獨特風(fēng)險，如果你不了解這些風(fēng)險，就肯定會犯錯誤。在做Mindtune的過程中，我識別出了三種風(fēng)險模式，這些模式幫助我準(zhǔn)確了解自己承擔(dān)的風(fēng)險類型，更重要的是，讓我了解是什么決定了它是否成功。我會深入探討其中的每一種風(fēng)險、它們之間的關(guān)系以及人工智能是如何顛覆了傳統(tǒng)的初創(chuàng)企業(yè)“風(fēng)險鏈”的。我希望創(chuàng)始人和開發(fā)者能夠更好地了解自己想法存在什么風(fēng)險，以及如何最好地化解這些風(fēng)險，從而避免在創(chuàng)意迷宮中走錯路。▍初創(chuàng)企業(yè)風(fēng)險鏈任何初創(chuàng)企業(yè)都會涉及到三種風(fēng)險：可行性（feasibility）、價值以及生存力（viability）。1.可行性風(fēng)險：是不是確實可以開發(fā)出來？這屬于典型的工程挑戰(zhàn)。比方說，SpaceX在開發(fā)可重復(fù)使用的自著陸火箭時就面臨可行性風(fēng)險。2.價值風(fēng)險：用戶從中能否獲得價值？這是產(chǎn)品市場匹配的核心。Airbnb就是價值風(fēng)險的一個很好例子——大多數(shù)人最初認(rèn)為這個想法很荒謬，認(rèn)為沒有人愿意住在陌生人的家里。3.生存風(fēng)險：我們自己能否從中獲取價值？眾所周知，F(xiàn)acebook與Google早期就面臨生存風(fēng)險。他們知道自己的產(chǎn)品深受人們喜愛，但需要時間和實驗才能找到可持續(xù)的商業(yè)模式。這三種風(fēng)險的相互作用方式至關(guān)重要?？梢园阉鼈兛醋饕粋€鏈條：可行性→價值→生存力。如果產(chǎn)品技術(shù)上不可行，那其他兩種風(fēng)險就不重要了。如果可行但沒價值，你又會陷入困境。而就算用戶喜歡你的產(chǎn)品，你還是得想辦法從中賺錢。這三種風(fēng)險可不是按順序出現(xiàn)的；每種風(fēng)險的大小都會因產(chǎn)品類型而異。傳統(tǒng)軟件的可行性風(fēng)險一般都不高。Facebook的第一版開發(fā)并未涉及任何突破性的技術(shù)飛躍。馬克·扎克伯格是在哈佛的宿舍里寫出代碼的。真正的挑戰(zhàn)在于價值和生存力風(fēng)險：大家會用嗎？它能否成為一項盈利業(yè)務(wù)？相比之下，深度科技——基因療法、聚變反應(yīng)堆和自動化通用智能等項目，它們是將全新的技術(shù)推向市場。這類創(chuàng)新有明確的需求和商業(yè)模式（比方說，一種治療現(xiàn)有疾病的藥物），因此價值和生存力風(fēng)險較低。其風(fēng)險在于可行性：深度科技初創(chuàng)企業(yè)要冒著風(fēng)險，打造一些他們不能100%確定是否可行的東西。我以開始覺得Mindtune可能會像軟件產(chǎn)品，可行性風(fēng)險較低，價值和生存力階段的障礙會大一些。但從我的經(jīng)驗來看，人工智能會給可行性和價值帶來獨特挑戰(zhàn)，需要新的辦法應(yīng)對。首先，風(fēng)險模式不一樣。人工智能初創(chuàng)企業(yè)主要分為兩類：一種是深度人工智能初創(chuàng)企業(yè)，一種是應(yīng)用人工智能初創(chuàng)企業(yè)。深度人工智能初創(chuàng)企業(yè)做的是基礎(chǔ)模型或硬件，比方說Groq的芯片與Figure的人形機(jī)器人。其最大的風(fēng)險是可行性。這些公司通常從事前沿研究，其所追求的突破有無可能實現(xiàn)未必總是很清楚。這屬于高風(fēng)險、高回報的領(lǐng)域。Sparkle和Lex等應(yīng)用型人工智能初創(chuàng)企業(yè)則是利用OpenAI等公司的現(xiàn)有模型和API。其關(guān)鍵風(fēng)險在于價值。應(yīng)用型人工智能公司需要證明自己所使用的AI能創(chuàng)造價值，而且比非AI解決方案更好、更快或更高效。此外這類企業(yè)還存在可行性風(fēng)險：AI模型未必不總能按照預(yù)期的方式運行，需要更多的思考和改進(jìn)才能獲得良好結(jié)果。Mindtune是一款應(yīng)用型人工智能產(chǎn)品：它利用了已有的人工智能模型來提供更個性化的社交媒體信息流。我相信它的價值——用戶對不同的社交媒體體驗是歡迎的——而且這種商業(yè)模式已經(jīng)得到現(xiàn)有產(chǎn)品的驗證。但我現(xiàn)在越想越覺得我錯過了一個重要步驟：那就是沒有把這項技術(shù)的可行性考慮清楚。我一度認(rèn)為，就因為我可以設(shè)計人工智能模型來提供結(jié)果，所以就等同于可始終如一地獲得正確結(jié)果。我低估了用人工智能來開發(fā)的可行性風(fēng)險，甚至連應(yīng)用人工智能的可行性風(fēng)險也沒考慮到。▍人工智能獨特的可行性挑戰(zhàn)傳統(tǒng)軟件從根本上來說是確定性的：如果邏輯和參數(shù)設(shè)置正確，代碼就會產(chǎn)生可預(yù)測的輸出。生成式人工智能有著本質(zhì)上的隨機(jī)性：結(jié)果未必是一致的，輸出質(zhì)量可能會因輸入數(shù)據(jù)和模型本身的細(xì)微差別而波動。所以你得不斷測試，好確定結(jié)果是否可靠，且對用戶來說足夠有價值。因此，傳統(tǒng)的工程直覺并不完全適用。慢慢地，你會意識到人工智能模型能做什么、不能做什么，但這些直覺沒有像對傳統(tǒng)軟件的直覺那么準(zhǔn)確。就算是經(jīng)驗豐富的人工智能工程師也會遇到意想不到的結(jié)果。技術(shù)可行性風(fēng)險比傳統(tǒng)軟件更大，因為模型在測試過程中可能會給你帶來驚喜，或者驚嚇。但這種風(fēng)險不像深度科技那樣令人生畏，深度科技可能需要基礎(chǔ)科學(xué)上的突破才能向前發(fā)展。相反，生成式人工智能的風(fēng)險介于軟件和深度科技之間——可行但不可預(yù)測。由于這種不可預(yù)測性，跟生成式人工智能打交道需要更多的實驗性方法。傳統(tǒng)的軟件開發(fā)，精心打造的第一版可能需要一些細(xì)微調(diào)整——改改按鈕位置，調(diào)整一下文案——而不是徹底改造?？墒牵瑢τ谏墒饺斯ぶ悄軄碚f，第一版可能就需要不斷“調(diào)整”了——調(diào)整提示、合并其他數(shù)據(jù)、調(diào)整參數(shù)——為的是提高可靠性，增加用戶價值。而且每次調(diào)整都會讓結(jié)果略微有所改變，所以不斷迭代、不斷測試對于獲得期望的結(jié)果至關(guān)重要。我在做Mindtune的時候，一開始先是開發(fā)軟件體驗（線框、登錄等），然后測試模型（GPT-4o、Claude3.5Sonnet、GeminiPro1.5和Llama3.2），看看能不能給個性化廣告生成足夠好的內(nèi)容。這是錯的：評估模型輸出的質(zhì)量時我發(fā)現(xiàn)返回的結(jié)果不一致。其實我應(yīng)該先看看輸出的結(jié)果，然后再去折騰軟件組件，因為最終決定項目可行性的是底層模型的質(zhì)量，而不是位于其上的軟件。這個迭代過程還需要用直覺去判斷什么時候該停止或做出調(diào)整。在發(fā)揮模型能力與識別模型上限之間有著微妙的平衡。有時候，盡管已經(jīng)反復(fù)調(diào)整過了，但輸出可能永遠(yuǎn)也無法達(dá)到可接受的質(zhì)量，這時候你就得放棄了?；蛘撸憧赡軙X得再迭代幾次就可以得到想要的結(jié)果。不過，這個階段也有玄機(jī)。有時候，應(yīng)用人工智能缺乏可行性表明這個項目不值得去做。但有時候，盡管可行性較低，可你仍確信是有價值的——因此不該放棄這個項目，而是應(yīng)該換個做法。你可能一開始以為自己做的是一個應(yīng)用人工智能項目，然后意識到自己其實在做的是深度人工智能，而且為了讓項目可行，你得進(jìn)入研究模式，去構(gòu)建自己的模型。這樣一來可行性風(fēng)險會增加，但項目價值也可能變大，因此更值得去做了。▍了解風(fēng)險，找到方向是，不管做什么你都得了解風(fēng)險狀況，但這一點對于人工智能來說尤其重要。如果你知道所需承擔(dān)風(fēng)險的性質(zhì)，就可以確定該優(yōu)先分配資源和精力到什么地方。這還會迫使你在每個階段提出合適的問題：我們能做這個嗎？別人會用嗎？只有這兩個問題搞定后，才可以提出能否圍繞著它建立可持續(xù)發(fā)展的業(yè)務(wù)這個問題。不管是應(yīng)用型還是深度型的人工智能初創(chuàng)企業(yè)，其運營的復(fù)雜程度與傳統(tǒng)軟件產(chǎn)品都不一樣，需要更深入了解風(fēng)險的相關(guān)性，并愿意去探索未知領(lǐng)域。很多開發(fā)者以為用生成式人工智能API就可以消除技術(shù)風(fēng)險，但那只是多套了“一個殼”而已，別自欺欺人了。那怕使用的是現(xiàn)有模型，也需要進(jìn)行大量實驗。低估這種技術(shù)風(fēng)險會導(dǎo)致浪費時間浪費資源。你很容易會產(chǎn)生這樣的想法，既然臟累活都是人工智能模型干的，那只關(guān)注市場需求和商業(yè)模式就行了。但實際上，確保人工智能按需要運行是重大挑戰(zhàn)之一。實現(xiàn)可靠和有價值的結(jié)果需要的不僅僅是接入API，還需要你不斷調(diào)整、測試和深入了解模型的行為。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/28
服務(wù)即軟件（Service As A Software)為什么會替代現(xiàn)有的軟件？
未來，軟件開發(fā)模式需要從以功能為核心轉(zhuǎn)向以業(yè)務(wù)目標(biāo)為導(dǎo)向。最近全球知名風(fēng)險投資機(jī)構(gòu)紅杉資本發(fā)布了AI行業(yè)年度報告《GenerativeAI'sActo1》，總結(jié)了在生成式AI革命的兩年時間里，AI生態(tài)系統(tǒng)發(fā)生的變化及對未來的預(yù)測。報告中有幾個觀點我非常贊同：1.新的ScalingLaw：推理競賽已經(jīng)開始(1)o1代表通過“推理時計算在一般推理能力上的重大進(jìn)展，給與模型推理時的計算越多，模型的推理能力就越強(qiáng)，這將推動應(yīng)用層的可用性2.SaaS重新定義：服務(wù)即軟件(1)在AI時代，代理推理將“SoftwareasaService”轉(zhuǎn)向“ServiceasaSoftware”3.領(lǐng)域?qū)I(yè)知識重要性(1)將專業(yè)知識與模型能力結(jié)合是構(gòu)建數(shù)據(jù)閉環(huán)、從副駕駛（copilot）到自動駕駛（Autopilot）的關(guān)鍵。再看Gartner10/21發(fā)布的TopStrategicTechnologyTrendsfor2025。其中，AgenticAI名列十大關(guān)鍵字之首。AgenticAI系統(tǒng)會自主的計劃并采取行動來滿足用戶定義的目標(biāo)。當(dāng)前的AI助手和大語言模型能夠完成包括生成文本、總結(jié)內(nèi)容或者使用基礎(chǔ)的工具，但是它們并不能夠主動的采取行動，它們是按照用戶的提示詞或者根據(jù)編排好的流程來行動。AgenticAI以目標(biāo)驅(qū)動的規(guī)劃能力，也承諾能夠交付更有適應(yīng)性的軟件系統(tǒng)，能夠完成在眾多領(lǐng)域內(nèi)沒有被定義過的任務(wù)，而不是只能完成設(shè)計的功能。AIAgent的能力可以被視為一個連續(xù)的光譜，從在特定條件下為傳統(tǒng)軟件提供智能，以完成特定任務(wù)；再到完整的AgentiAI系統(tǒng)——它們能夠在環(huán)境中自主學(xué)習(xí)，規(guī)劃策略，做出決策，并獨立執(zhí)行任務(wù)。那么不同領(lǐng)域的兩個權(quán)威機(jī)構(gòu)做出預(yù)測的背后，反映了怎樣的技術(shù)趨勢？根據(jù)這樣的技術(shù)趨勢，我們又能推測出怎樣的商業(yè)趨勢？數(shù)智化變革的核心瓶頸在“人”LLM技術(shù)的突破，大家都有目共睹，從ChatGPT時刻發(fā)生到現(xiàn)在，我們可以看到的是正如智能摩爾定律所預(yù)測的——隨著開源LLM能力的迅速提升，推理成本則指數(shù)級下降，因此自然語言理解和表達(dá)能力對于任何軟件已經(jīng)觸手可及。而OpenAI今年9月剛發(fā)布的o1模型，則打開了推理能力，大模型的推理能力可以由推理時間的ScalingLaw來提升，這必將帶來的是，隨著時間的推移，推理成本能夠指數(shù)級下降。于是，任何軟件又可以再一次獲得極其便宜的推理能力。這將給企業(yè)軟件市場帶來什么樣的變化？我們試圖從時尚服裝業(yè)過去30年的發(fā)展變化中，發(fā)現(xiàn)一些規(guī)律。從商業(yè)角度來看，互聯(lián)網(wǎng)革命，本質(zhì)上解決了消費者和品牌之間的連接問題；互聯(lián)網(wǎng)時代之前，品牌必須通過媒體或線下觸達(dá)消費者，因此一方面是品牌信號的傳遞速度緩慢，另外一方面，品牌信號的傳播過程也會伴隨很多“噪音”。傳統(tǒng)時尚服裝行業(yè)一般是一年為一季，每年都需要經(jīng)歷對于時尚的判斷、產(chǎn)品設(shè)計、小規(guī)模生產(chǎn)、時裝秀、拿到反饋，然后生產(chǎn)、壓貨，其中的風(fēng)險十分大。而從Zara/H&M，到Shein的品牌發(fā)展來看，由于消費者注意力越來越多地被吸引到線上，以及線下供應(yīng)鏈越來越成熟、敏捷，整個循環(huán)從年，到月再到周維度，在快速迭代周期中，最重要的是能夠?qū)τ谛碌奈锓N構(gòu)建起數(shù)據(jù)飛輪，因為在數(shù)字化的世界里，機(jī)器的運作是可以24小時*7天的，此時，人的生產(chǎn)能力就變成了瓶頸。但是在其它的大部分行業(yè)，從客戶獲取價值的流程中，由于種種原因，他們的業(yè)務(wù)規(guī)劃執(zhí)行周期仍然類似30年前的時尚服裝行業(yè)，是以年或者季度為單位。圖源來自：瀾碼科技以上述業(yè)務(wù)架構(gòu)為例，一般企業(yè)都會有業(yè)務(wù)流程，流程中會涉及到橫向的不同職能部門接力來完成一個決策，縱向則有管理來進(jìn)行管控。而企業(yè)內(nèi)的信息系統(tǒng)只起到了記錄的作用，如過去的大數(shù)據(jù)系統(tǒng)也只具備單一的分析功能。在由不同的角色橫縱交叉組成的決策網(wǎng)絡(luò)中，核心的瓶頸仍然是人。專家知識的數(shù)字化和端到端的交互，是Agent落地企業(yè)并實現(xiàn)數(shù)據(jù)飛輪的必要條件那么，有了生成式AI帶來自然語言理解和表達(dá)能力之后，會產(chǎn)生什么變化呢？圖源來自：瀾碼科技我們發(fā)現(xiàn)，專家知識的數(shù)字化是AI助手落地的必要條件，端到端的人機(jī)交互對于提高AI助手在業(yè)務(wù)場景中的準(zhǔn)確率也是必備條件，因為這樣能夠更好地解決一線業(yè)務(wù)人員對于目標(biāo)上下文理解偏差的問題。但是，在現(xiàn)有的落地場景中，業(yè)務(wù)人員對于業(yè)務(wù)目標(biāo)的拆解、計劃以及在業(yè)務(wù)活動中拿到客戶反饋等任務(wù)，仍然無法由機(jī)器來協(xié)助。而推理時計算的出現(xiàn)，則為這些環(huán)節(jié)的智能化帶來可能。如果只是為企業(yè)提供更多的自動化/智能化的功能，我們?nèi)匀粺o法解決當(dāng)前無論是自行購買算力還是買token的成本問題。畢竟現(xiàn)階段技術(shù)尚未成熟，推理時的scalinglaw也意味著成本的飆升。由此產(chǎn)生的一個問題是，難道只能等模型的成本降低，才能獲取智能化帶來的價值？我們采訪了很多企業(yè)，發(fā)現(xiàn)有一個顯著且具有共性的特點：即使是百年老店或者世界500強(qiáng)企業(yè)，在業(yè)務(wù)能力上仍然是“一招鮮打遍天下”，也就是說它們的經(jīng)營重點大多都是聚焦在放大自己的競爭優(yōu)勢上。因此，在企業(yè)關(guān)鍵業(yè)務(wù)能力方面，業(yè)務(wù)專家就成為了瓶頸。假設(shè)專家將全部精力投入工作也就是“007”，但業(yè)務(wù)專家能力越是作為企業(yè)的競爭優(yōu)勢，則需要業(yè)務(wù)專家并行處理的業(yè)務(wù)任務(wù)或業(yè)務(wù)決策就越多，在此過程中還需要保障業(yè)務(wù)專家的決策質(zhì)量，所以，企業(yè)需要通過增加新的員工來分擔(dān)業(yè)務(wù)專家的工作內(nèi)容和壓力。那么，有沒有可能將消費互聯(lián)網(wǎng)行業(yè)的經(jīng)驗遷移到新時代的軟件開發(fā)中來呢？我們的答案是肯定的。我們認(rèn)為，可以通過優(yōu)先找到企業(yè)主要價值流程中的決策瓶頸環(huán)節(jié)，重新設(shè)計業(yè)務(wù)流——讓業(yè)務(wù)專家設(shè)計的Agent去拆解目標(biāo)，并通過交互收集業(yè)務(wù)信息并給出業(yè)務(wù)決策，讓只有在線下完成的業(yè)務(wù)活動仍然可以由現(xiàn)在的業(yè)務(wù)人員去執(zhí)行。也就是說，企業(yè)仍然可以在數(shù)字世界里面構(gòu)建數(shù)據(jù)飛輪。由于是Agent在處理任務(wù)、決策，因此可以24小時*7天在線，并且能夠永不疲倦且有耐心的輔助業(yè)務(wù)人員，通過這樣的數(shù)字化流程可以幫助專家節(jié)省更多時間成本，對Agent處理的業(yè)務(wù)任務(wù)或決策進(jìn)行分析，并給出改進(jìn)意見。圖源來自：瀾碼科技一方面，我們已經(jīng)看到了o1模型在代碼生成準(zhǔn)確率上的提升，使得我們可以有能力準(zhǔn)確地執(zhí)行數(shù)字世界中的計劃；另外一方面，o1在強(qiáng)化學(xué)習(xí)上，關(guān)于self-play和processrewardmodel的創(chuàng)新，也讓我們能夠通過專家將商業(yè)問題映射到相應(yīng)的數(shù)學(xué)問題之后，可以用數(shù)百條專家標(biāo)注來學(xué)習(xí)到專家的隱性知識。同時，我們還可以通過歷史數(shù)據(jù)來構(gòu)建情景記憶，從而完成規(guī)劃任務(wù)的智能化。最后，也是最難的一步，如何讓專家以低成本的方式讓Agent通過數(shù)據(jù)進(jìn)行反思，并改進(jìn)它的規(guī)劃能力，甚至讓Agent自主的從經(jīng)驗中學(xué)習(xí)，這個部分可能有待o1模型或者新架構(gòu)的模型的推出才能夠得到答案。另外一方面，在已有軟件的改進(jìn)或者新軟件的設(shè)計中，我們需要改變過去以功能為核心的軟件開發(fā)，變?yōu)橐詷I(yè)務(wù)目標(biāo)為導(dǎo)向的軟件開發(fā)，實現(xiàn)從圍繞功能堆砌到圍繞角色的轉(zhuǎn)變。圖源來自：瀾碼科技基于此，我們也就能夠理解為什么軟件商業(yè)模式會變成服務(wù)即軟件。這里簡單引用一下紅杉文章的觀點：紅杉認(rèn)為，由于Agent推理，人工智能轉(zhuǎn)型是“服務(wù)即軟件”。軟件公司將勞動力轉(zhuǎn)化為軟件。Sierra就是一個很好的例子。B2C公司將Sierra集成到他們的網(wǎng)站上，負(fù)責(zé)與客戶交流。Sierra的工作是解決客戶問題，它按每次解決問題的數(shù)量來收費，這里并不存在「按席位收費」的概念。你有一個需要完成的任務(wù)，Sierra完成了這個任務(wù)，獲得相應(yīng)的報酬。從商業(yè)模式上看，還是“上下同欲者勝”。SaaS替代傳統(tǒng)軟件，是因為SaaS模式使得軟件開發(fā)者可以知道不同功能的客戶使用情況是怎樣的，那么通過改變收費方式，雖然一次性收入看似降低了，但它讓軟件公司的功能迭代和客戶的付費關(guān)聯(lián)起來，從而讓SAAS軟件的迭代加速往正確的方向進(jìn)化。同樣的，大模型令軟件可以交付業(yè)務(wù)價值時，新的商業(yè)模式雖然看上去收入變少了，但會由于利益的原因進(jìn)一步加快軟件公司去推動數(shù)據(jù)飛輪的完成。當(dāng)有新的AI原始軟件公司在組織上完成這一步蛻變的時候，那么就是萬億美元的服務(wù)市場向新物種開放的時候。而這場戰(zhàn)爭勢必會像19世紀(jì)末非洲的土著部落遇到歐洲殖民者的馬克沁重機(jī)槍一樣摧枯拉朽。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/28
AI智能體來了，App會死嗎？
手機(jī)廠商VS超級APP，巨頭逐鹿AI時代這個秋天的第一杯咖啡，是智能體幫點的。從9月開始，支付寶旗下AIApp支小寶、智譜的智能體AutoGLM，都能幫用戶下一杯少糖、去冰的生椰拿鐵。榮耀甚至開了個大招——讓智能體YOYO一口氣點上2000杯。當(dāng)多模態(tài)為智能體安上了“眼睛”和“耳朵”，它開始展示出有希望接近人類管家的操作能力——這一代智能體開始學(xué)會幫人類“玩手機(jī)”，從日常購物、朋友圈評論到旅行規(guī)劃，AI都能幫用戶完成。由此，移動互聯(lián)網(wǎng)正迎來一場關(guān)于智能體的新革命嗎？在移動互聯(lián)網(wǎng)時代，超級App通過整合服務(wù)形成流量閉環(huán)，但智能體的出現(xiàn)，有望重新定義人與服務(wù)之間的連接方式。人們開始擔(dān)心這場變革是否將重新定義科技公司的新格局：智能體來了，App會死嗎？答案是，殺不死的App，將借智能體再進(jìn)化。時至今日，超級App遠(yuǎn)遠(yuǎn)不再是一個軟件，而是一種生活方式的入口。比如，用支付寶，不僅是支付，更是理財、出行、醫(yī)療、旅游的生活場景入口；用美團(tuán)，不僅是外賣，更是餐飲、超市、電影等本地生活聚集地；用抖音，不僅是短視頻，更是海量視頻內(nèi)容承載的商業(yè)生態(tài)。過去在移動支付時代，這些超級App下場做“泥腿子”，鋪二維碼、建小程序，通過開放搭建了一張數(shù)字服務(wù)之網(wǎng)。在AI時代，他們同樣可以腳下沾泥，去連接千千萬萬的線下商家和機(jī)構(gòu)，幫助千萬個商家機(jī)構(gòu)從數(shù)字化向智能化升級。當(dāng)智能體和真實的用戶需求連接，才能真正落地生花。誰能搭建起下一個全面滿足用戶需求的智能體生態(tài)，才能成為AI時代的入口之王。從爆冷到走紅，智能體認(rèn)準(zhǔn)“真需求”“可以響應(yīng)自然語言，并且可以根據(jù)對用戶的了解來完成許多不同的任務(wù)，稱為智能體。智能體不僅會改變每個人與計算機(jī)交互的方式，也將是下一個平臺?！北葼柹w茨關(guān)于智能體的這段定義，也是我們想象中AI時代的未來。但在上半年，大廠扎堆押注智能體平臺的1.0階段，真金白銀的投入，卻沒能在流量的池子里快速砸起太大的水花。海外，OpenAI的GPTStore早于今年1月上線，奧特曼曾希望它能成為下一個“AppStore”；國內(nèi)，字節(jié)、百度、阿里等大廠也先后發(fā)布智能體平臺，寄希望于打造“Super智能體”（超級智能體）。但在1.0時代，受限于多模態(tài)能力發(fā)展，彼時的智能體更像是一個能說會道的AI對話機(jī)器人，雖然可以為用戶提供知識，但只能止步于獲取建議。因此，在用戶黏性上，大多人對智能體仍然保持“嘗鮮”的態(tài)度。即便背靠大廠的潑天流量，在后續(xù)的表現(xiàn)上，智能體增長乏力，在平臺上，至今沒有誕生一款Super智能體。歸根結(jié)底，是由AI能力創(chuàng)造出的大量偽需求，沒有切中用戶的真實痛點。而和1.0階段相比，智能體2.0在具體的場景上認(rèn)準(zhǔn)方向，試圖切中用戶的“真需求”。此前，AI智能體的B端應(yīng)用多集中在代碼編寫、輔助創(chuàng)作方面，而在C端，則衍生出了面向用戶的交友陪伴、心理咨詢等智能體。截至今年7月，據(jù)QuestMobile統(tǒng)計，文案寫作、職場辦公和情感陪伴成為主流AIGC產(chǎn)品中智能體落地的常見方向。據(jù)AI產(chǎn)品榜統(tǒng)計，僅今年一年，智能體數(shù)量新增17.9萬，比AppStore的應(yīng)用增速快了1.5倍。圖源：QuestMobile而在今年下半年，智能體在多任務(wù)協(xié)同中展現(xiàn)出了諸多改變。“今天的大模型智能正在從簡單應(yīng)用向復(fù)雜應(yīng)用不斷演進(jìn)，尤其在智能體到o1推理模型的拓展中，使系統(tǒng)逐漸進(jìn)化到能夠持續(xù)與外部交互?！敝亲VCOO張帆說。設(shè)想中的一句話點外賣、訂機(jī)票正成為了現(xiàn)實：9月，支付寶推出首個服務(wù)型原生App支小寶，作為AI生活管家，能夠幫助用戶承包“衣食住行”，只靠指令就能完成點餐、刷地鐵碼、打車等日常任務(wù)，也能智能感知用戶使用的時間和空間，智能推薦新聞播客、快遞查詢、旅游攻略等服務(wù)。10月，智譜推出智能體AutoGLM，它能夠自主選擇多款A(yù)pp進(jìn)行操作，幫用戶完成手機(jī)交互。隨后，手機(jī)廠商也緊跟步伐，榮耀的YOYO智能助手、vivo的PhoneUse，都能通過一句話的指令幫用戶完成跨應(yīng)用操作。過去，用戶需要在復(fù)雜的界面中尋找海量功能，相當(dāng)于增加了用戶的使用成本。現(xiàn)在，只需要通過發(fā)語音或文字表達(dá)需求，智能體就能直達(dá)服務(wù)，把想要的服務(wù)直接推送到用戶面前。至此，切入日常生活的剛需場景，智能體2.0找到了可突破的方向——“管家”智能體。從點外賣、加購物車到取消App自動續(xù)費，廠商試圖讓智能體融入我們的衣食住行，進(jìn)一步簡化人和服務(wù)交互的步驟，把用戶從機(jī)械日常的交互中解放出來。比如“支小寶”，就一直強(qiáng)調(diào)“說句話就能辦事”。盡管目前市面上的諸多“AI管家產(chǎn)品”，能提供的AI辦事服務(wù)數(shù)量還比較有限，還無法執(zhí)行更復(fù)雜、更個性化的任務(wù)，但這個人機(jī)交互的進(jìn)化方向，至少讓我們看到科技正在向一個新方向邁進(jìn)——除了對話，也能讓AI“看我的眼色行事”，讓生活更簡單一些。AI時代，主導(dǎo)者是手機(jī)廠商還是APP？在移動互聯(lián)網(wǎng)時代，流量就是生命。智能體的出現(xiàn)，也將重塑流量分發(fā)的規(guī)則。1.0時代，從海外到國內(nèi)，科技公司都在試圖打造Super智能體平臺，通過智能體聚合流量。但2.0時代的思路變了?，F(xiàn)在，大家正在試圖讓智能體化身手機(jī)里的“智能管家”，成為連接用戶和服務(wù)的新入口。這種變化最明顯的體現(xiàn)是手機(jī)廠商的布局。在2024德國柏林消費電子展上，榮耀產(chǎn)品線總裁方飛說：“如果現(xiàn)在的智慧助手是手機(jī)上的手動駕駛，那么，AI智能體未來就是手機(jī)上的自動駕駛?！被蛟S會有這樣的預(yù)言：當(dāng)手機(jī)上的智能體開始學(xué)會跨應(yīng)用調(diào)取所需功能，比如用美團(tuán)點外賣、打開淘寶買日用品，通過拆解任務(wù)場景，選擇不同App操作完成任務(wù)。相應(yīng)的，超級App只需要將部分接口提供給智能體調(diào)用，長此以往，App將成為智能體能力的一環(huán)，而本該流向超級App的流量，也將歸于智能體。但在多元的商業(yè)時代，競合關(guān)系才是常態(tài)。一方面，手機(jī)與超級App需要打磨AI產(chǎn)品，用產(chǎn)品競爭力贏得用戶，爭奪新入口的主動權(quán)；另一方面，正如移動互聯(lián)網(wǎng)的繁榮是眾人拾柴、日拱一卒的結(jié)果，AI時代的服務(wù)之網(wǎng)，也絕非任何一家科技巨頭所能壟斷，開放和合作仍是AI的未來之路。正如榮耀CEO趙明所說，兩者之間是協(xié)同關(guān)系，在找到邊界點后，大家通過各自協(xié)同完成分內(nèi)任務(wù)。于手機(jī)而言，智能體想要打通完整的服務(wù)生態(tài)，需要大量的服務(wù)資源的整合供給。于App而言，可以深耕垂直場景，借助智能體完成進(jìn)化，煥新AI時代的諸多服務(wù)；同時，可以通過與手機(jī)廠商合作，探索軟硬件聯(lián)動的更多玩法。比如，在廠商搶做AI搜索產(chǎn)品的當(dāng)下，包括小紅書、知乎在內(nèi)的社區(qū)App正在試圖通過長期沉淀的內(nèi)容優(yōu)勢，打造垂類搜索服務(wù)。以知乎為例，它瞄準(zhǔn)了學(xué)術(shù)搜索賽道，在知乎直答中上線專業(yè)搜索功能，成為首家提供AI搜索與正版論文庫一站式解決方案的廠商。當(dāng)下智能體的熱潮中，生態(tài)能力也將成為App的殺手锏與護(hù)城河。憑借400萬的商家機(jī)構(gòu)小程序以及8000多種生活服務(wù)能力，支付寶旗下的AI生活管家“支小寶”就能支持喚起打車、點餐、訂票、地鐵碼、查快遞、交話費、查賬單等各類生活服務(wù)——這種生態(tài)整合能力是純粹的智能體平臺難以趕超的。同時，目前的手機(jī)產(chǎn)商演示的AI點咖啡等操作，仍是采用屏幕識別與仿真操作的技術(shù)解決方案（你會看到AI在幫你查看屏幕和點擊按鈕），對手機(jī)性能要求高之外，還存在速度慢、服務(wù)單一等問題。想要AI做得更好，就需要服務(wù)側(cè)的供給變革——大量的商家機(jī)構(gòu)也能“AI化”，打造自己的智能體，再通過開放接口，推動生活服務(wù)的創(chuàng)新。只有更多商家機(jī)構(gòu)都有智能體，AI才能不停留在點咖啡這樣的簡單操作，而是可以幫你點得更多、點得更快、點得更準(zhǔn)，甚至還能幫你找到最合適的優(yōu)惠券。無疑，就像移動互聯(lián)網(wǎng)時代建起數(shù)百萬小程序一樣，搭建AI時代的智能體生態(tài)，而這正是微信、支付寶等國民App所擅長的。結(jié)合獨有的平臺生態(tài)，App也能成為新的智能體平臺，并借助差異化的服務(wù)從AI混戰(zhàn)中突圍。例如，騰訊繼推出智能助手App“元寶”后，又打造了智能體平臺“元器”；支付寶也推出了智能體開發(fā)平臺“百寶箱”，讓商家機(jī)構(gòu)借助智能體為用戶提供更多更新的服務(wù)。以“黃小松”為例，它是黃山景區(qū)在支小寶平臺上開設(shè)的智能體，能夠為游覽黃山的游客提供實時景點導(dǎo)覽、景區(qū)飯店推薦、充電寶查詢等服務(wù)。此外，App廠商也可以跳出手機(jī)，與更多的智能硬件互聯(lián)互通，比如AR眼鏡、智能音箱、智能車機(jī)等。未來，AI無處不在，服務(wù)一呼即應(yīng)，人機(jī)交互的方式將更加多元和革新。此前，字節(jié)跳動旗下的豆包就推出了AI智能體耳機(jī)OllaFriend，為用戶安排了一位集隨身百事通、英語陪練、旅行導(dǎo)游和情緒加油站等能力于一身的“AI朋友”；下周即將發(fā)布的Rokid新款A(yù)R眼鏡上，也將聯(lián)合支小寶，推出AI打車、AI點餐及聲紋快速支付等功能，覆蓋更多的生活場景。AI時代，洗牌的周期會進(jìn)一步縮短。朱嘯虎曾直言，“當(dāng)大家一窩蜂地涌入風(fēng)口，6個月之后，如果沒躋身頭部，這個風(fēng)口基本上跟你沒任何關(guān)系了。”短暫的風(fēng)口來臨，沒有人想先離開牌桌，AI將催生下一代的新手機(jī)，App也希望借AI再次進(jìn)化，搶先布局的先行者，無疑將贏得下一個時代。但更為重要的是：獨行者快，眾行者遠(yuǎn)，AI時代沒有一家獨大，有競爭，更有合作。開放與連接，原本就是互聯(lián)網(wǎng)的本義，進(jìn)入AI時代，軟件與硬件的彼此開放，無數(shù)智能體的相互連接，才能催生真正的變革。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/08
軟件吞噬世界，我們錯失了什么？
想象一下兩家咖啡館：一家在PaloAlto,另一家在北京。在第一家咖啡館里，工程師們一邊喝手沖咖啡，一邊討論API集成。在第二家咖啡館里，運營經(jīng)理一邊喝著奶茶，一邊集思廣益，策劃病毒式營銷活動。2010年代見證了世界兩大經(jīng)濟(jì)體在科技史上最深刻的分歧。硅谷加倍投入企業(yè)軟件，而中國則將賭注押在消費者應(yīng)用上。這兩種策略都以無人能預(yù)料的方式奏效了，也失敗了。共同之處是：兩者以不同的方式完成了社會經(jīng)濟(jì)的數(shù)字化。疫情三年，星移斗轉(zhuǎn)，GPT橫空出世。過去的十年，我們到底錯失了什么，又應(yīng)該如何進(jìn)入下一個十年？一、軟件吞噬一切2011年8月，MarcAndreessen在WallStreetJournal上發(fā)表了WhySoftwareIsEatingtheWorld一文。這篇文章站在2010年代的開端，一方面回顧了互聯(lián)網(wǎng)、智能手機(jī)和云計算對商業(yè)社會的改變，另一方面拋出了軟件在進(jìn)一步重塑汽車、零售、物流、金融、醫(yī)療保健和教育等傳統(tǒng)行業(yè)的觀點。2012年5月18日，F(xiàn)acebook在NASDAQ以1040億美元的市值上市，就募資金額看，是美國歷史上第三大IPO.在資本市場和媒體的一致看好之下，仍然很快跌破了發(fā)行價，到了月底，跌去了四分之一的市值。盡管如此，它還是為早期投資人和員工提供了豐厚的回報。這次史無前例的IPO產(chǎn)生了深遠(yuǎn)的影響，很多早期員工年紀(jì)輕輕就財務(wù)自由，同時又深諳軟件的巨大價值，很多人轉(zhuǎn)身創(chuàng)辦新的軟件公司，Asana、Quip、Cloudera等先后浮出水面，面向企業(yè)提供服務(wù)。而面向消費者服務(wù)的Quora、Path等公司則發(fā)展較為緩慢。另一方面，F(xiàn)acebook在IPO之后的十年中通過自身強(qiáng)悍的執(zhí)行牢牢占住了社交王座，把Twitter和Snap甩開數(shù)個身位，成為唯一能在數(shù)字廣告市場上與Google競爭的科技巨頭。在收購Instagram和WhatsApp之后，F(xiàn)acebook逐漸形成了近乎壟斷性的行業(yè)地位，讓一路看著Facebook長大的風(fēng)險投資人避免在社交賽道上與Facebook直接競爭?？梢哉f，在Google和Facebook/Meta之后，美國科技業(yè)幾乎放棄了在消費互聯(lián)網(wǎng)上再造流量入口的嘗試，轉(zhuǎn)而選擇了一條截然不同的路線，造就了硅谷下一個十年的繁榮。二、美國：SaaS接力移動正如MarcAndreessen預(yù)言的，軟件完美接力上一個十年中的消費移動應(yīng)用，成為新十年的主流投資趨勢。新創(chuàng)辦的SaaS創(chuàng)業(yè)公司在2010年～2015年間，增速成一條45%的直線，每年都在1000家以上，直到2018年以后才逐漸下降。從投資金額來看，在2008年～2017年的十年間，風(fēng)險投資逐漸達(dá)到高峰，特別是在A～C輪的成長期，每年投入的金額都在百億美元的級別。這些投資主要都集中在了北美市場的SaaS公司上。從退出的角度看，面向消費者的名字往往因為家喻戶曉而飽受關(guān)注，但SaaS公司無論是IPO還是并購，退出數(shù)量遠(yuǎn)遠(yuǎn)超過這個時期的消費互聯(lián)網(wǎng)公司?；乜催@些變化的時候，更會感受到MarcAndreessen文章的預(yù)見性。他從Netscape（更像是消費互聯(lián)網(wǎng)）到Loudcloud（企業(yè)云服務(wù)）的經(jīng)歷，以及對2000～2010年間的趨勢變化的理解，讓他更早地認(rèn)知到“這是個巨大的機(jī)會。我知道該把錢投到哪里”。所謂“巨大的機(jī)會”，無非是基礎(chǔ)設(shè)施的普及，成本下降，但當(dāng)人浸泡在這樣的現(xiàn)實中的時候，就會無所知覺。反而是從前個時代穿越而來，才能感受到變化的劇烈，以及未來如何分布不均。從協(xié)作辦公，到銷售營銷，到人力財務(wù)，再到IT安全，軟件裝上了SaaS的商業(yè)模式滲透進(jìn)企業(yè)業(yè)務(wù)流程的每一個環(huán)節(jié)。在Microsoft和Oracle的時代（參考：《Oracle:復(fù)雜性戰(zhàn)爭》），企業(yè)軟件往往以功能的全面性著稱，而在SaaS時代，軟件則以專注于某個環(huán)節(jié)或者某個行業(yè)著稱。自動化平臺Zapier在10年間連接了6000多個企業(yè)軟件的應(yīng)用程序接口（API），成為一家僅融資一輪就盈利的獨角獸公司。API,或者說“接口”，不是為SaaS設(shè)計的，但由于SaaS需要和企業(yè)客戶對接，開放可編程接口是必備特性。同時，開源軟件社區(qū)也逐漸壯大，技術(shù)棧中越來越多的開源代碼也需要通過接口相互連接、調(diào)用，形成了一整套基于“接口”的軟件生態(tài)。在這個生態(tài)下，一家公司努力做好一件事，其他搞不定的事情，就找到其他公司的接口來解決。這既是一種軟件開發(fā)哲學(xué)，也是商業(yè)生態(tài)的網(wǎng)絡(luò)效應(yīng)，更是資本投入的高效杠桿。三、中國：超級應(yīng)用崛起中國的故事發(fā)生在消費互聯(lián)網(wǎng)上。字節(jié)跳動把Facebook的Newsfeed發(fā)揚光大，在沒有社交圖譜的情況下重新發(fā)明了信息流，之后又把短視頻生意做到了全世界。美團(tuán)和滴滴曾經(jīng)是“共享經(jīng)濟(jì)”的代表，現(xiàn)在則是本地生活和交通出行的巨頭。拼多多從水果團(tuán)購起家，現(xiàn)在則以匪夷所思的低價和退貨政策，成為淘寶、Amazon之外的電商新一極。所有這些公司都有一個共同的名字，叫“超級應(yīng)用”。最先獲得這個稱號的其實是微信，而后，中國的消費移動應(yīng)用都開始在產(chǎn)品增加更多相關(guān)或不相關(guān)的功能，依靠各種小紅點、推送通知或游戲化獎勵做產(chǎn)品內(nèi)部的引流和滲透。微信依靠春晚紅包獲得了支付能力，美團(tuán)從團(tuán)購變成了“送啥都快”的生活小幫手，拼多多和支付寶都可以看視頻，抖音和快手則可以購物和打游戲。閉環(huán)，是中國互聯(lián)網(wǎng)上黑話中的黑話；入口，是中國投資人眼中的皇冠上的明珠。順著“閉環(huán)”的“入口”看進(jìn)去，只剩下直播間里賣的新國貨。我曾經(jīng)和一位中國的頂級風(fēng)險投資人交談，他歷數(shù)了自己投資過的中國SaaS公司，這些名字遠(yuǎn)沒有其美國同行響亮，慘淡經(jīng)營，也難以看到上市退出的希望。在GPT橫空出世之后，美國SaaS公司紛紛開始向客戶提供AI功能，過去已經(jīng)建立的客戶基礎(chǔ)和產(chǎn)品場景為AI提供了通路和上下文，大大提升了在AI上創(chuàng)新投入的回報確定性。在中國，AI應(yīng)用卻因為缺乏場景和商業(yè)模式而進(jìn)展緩慢。上一個十年的錯失，會改變未來數(shù)個十年的路徑。四、錯失了什么，為什么？我在《視頻生成：AI的十億消費者機(jī)會》一文中表達(dá)過一個觀點：消費互聯(lián)網(wǎng)（ConsumerInternet）鋪路，企業(yè)互聯(lián)網(wǎng)（以SaaS為代表）造車，后者并不是一個獨立發(fā)展的趨勢，而是前者達(dá)到臨界規(guī)模后的衍生。這句話其實和MarcAndreessen講到的“軟件吞噬世界”的先決條件沒有本質(zhì)區(qū)別：正是因為互聯(lián)網(wǎng)在消費者側(cè)的大規(guī)模普及，才能推動云計算等基礎(chǔ)設(shè)施的快速鋪開，為企業(yè)軟件的成長奠定基礎(chǔ)。在上一個十年中，中國市場長出了短視頻，也很快把TikTok復(fù)制到了美國市場，美國本土的YouTube和Instagram也快速跟進(jìn)。加上疫情居家辦公的影響，短視頻在企業(yè)營銷、教育培訓(xùn)等方向愈發(fā)重要，也催生了大量的衍生基礎(chǔ)設(shè)施。那么，中國市場錯失的是SaaS嗎？從投資回報的角度看似乎是這樣的。但仔細(xì)看，中國的企業(yè)軟件很多沒有以獨立公司的形態(tài)存在，而是作為大廠“閉環(huán)”生態(tài)的一部分而存在的，更具體來講，往往是和云計算業(yè)務(wù)捆綁在一起。這其實很像Google/Microsoft提供的企業(yè)軟件，往往是用來敲開企業(yè)客戶購買云計算服務(wù)的敲門磚一樣。類似的，在騰訊/阿里/美團(tuán)的電商生態(tài)中，也蘊藏著大量與零售、金融、物流等相關(guān)的軟件。這些來自大廠深處的企業(yè)軟件，延續(xù)了消費互聯(lián)網(wǎng)那種燒錢換規(guī)模，然后羊毛出在豬身上的“入口”邏輯。它們用免費+捆綁銷售的形式進(jìn)入市場，憑借自身強(qiáng)大的市場開拓能力跑馬圈地。這種邏輯，不僅僅消耗了大量的資本，也綁住了大量的軟件工程師人才在一個高度集成的項目上，而非通過不同產(chǎn)品之間的“接口”進(jìn)行重新組合。在2010年～2020年中，大廠的戰(zhàn)略投資逐漸崛起，而以LP回報為目標(biāo)的風(fēng)險投資基金則且戰(zhàn)且退。戰(zhàn)略資本的最高目標(biāo)是實現(xiàn)企業(yè)的戰(zhàn)略意圖，如果大廠是在超級應(yīng)用上競爭，那么投資的目的也是如何更好地打造閉環(huán)，而不是打造更多的開放接口。早期創(chuàng)投的價值在于多樣性，而多樣性來源于開放性。這需要生態(tài)里面的玩家抱有“接口”心態(tài)，而不是“入口”心態(tài)。SaaS或許是因為中國企業(yè)服務(wù)市場的整體現(xiàn)狀而未能得到機(jī)會，但其慘淡現(xiàn)狀也反映出中國創(chuàng)投生態(tài)的問題。美國的生態(tài)截然不同，下面分成幾個層面來看。技術(shù)層面：以GitHub為代表，基于開源軟件生態(tài)，出現(xiàn)了一批開發(fā)者工具（DeveloperTools），圍繞軟件開發(fā)的各個環(huán)節(jié)，專門服務(wù)軟件工程師這個成本昂貴的群體，進(jìn)而服務(wù)企業(yè)中的核心數(shù)字資產(chǎn)和業(yè)務(wù)流程。這意味著，軟件開發(fā)的生產(chǎn)效率在不斷改善，軟件工程師的人效在持續(xù)提升，軟件工程的穩(wěn)定性和可靠性也越來越有保障。產(chǎn)品層面：產(chǎn)品講求差異化，不做同質(zhì)化競爭，最終導(dǎo)致的結(jié)果是在垂直領(lǐng)域和業(yè)務(wù)環(huán)節(jié)都會出現(xiàn)細(xì)分。要么選擇一個大的垂直領(lǐng)域，端到端的把業(yè)務(wù)扎下去，要么選擇一個通用性很強(qiáng)的環(huán)節(jié)，做寬度和覆蓋，把客戶在這個環(huán)節(jié)上的需求都吃掉。這一點是和消費互聯(lián)網(wǎng)非常不同的地方，后者規(guī)模經(jīng)濟(jì)極強(qiáng)，最終往往是“一家獨大”的市場格局。市場層面：既有PLG這種以產(chǎn)品特性為主導(dǎo)，更接近消費互聯(lián)網(wǎng)用戶增長打法的路徑，也有SLG以銷售為主導(dǎo)的路徑。很多創(chuàng)業(yè)公司在起步階段就有1～2個DesignPartners,通過一定的股權(quán)綁定，作為“天使”客戶提供產(chǎn)品建議，并鎖定為最初的標(biāo)桿客戶。同時，2010年成長起來的這些SaaS公司也培養(yǎng)了一代在經(jīng)驗、能力、人脈資源都更成熟的銷售、市場人才，成為從技術(shù)到客戶之間的潤滑劑。另外，創(chuàng)投圈也是初創(chuàng)公司的客戶來源，降低冷啟動的難度。財務(wù)層面：SaaS的核心是用標(biāo)準(zhǔn)化產(chǎn)品來替代非標(biāo)準(zhǔn)化的服務(wù)，從而大大提升企業(yè)財務(wù)的經(jīng)濟(jì)性。美國人力成本高昂，軟件公司特為尤甚，本土的核心團(tuán)隊規(guī)模都不會太大，追求人效，不愿意靠堆功能、做外包來贏得客戶。很多做到億級ARR的公司，團(tuán)隊規(guī)模還在500人以內(nèi)。也有很多初創(chuàng)公司在百萬美元ARR的規(guī)模上就開始盈利，對風(fēng)險投資的依賴也在減小。投資層面：風(fēng)險資本也跟隨產(chǎn)業(yè)趨勢逐漸細(xì)分。特別是在早期投資的市場上，以YCombinator為代表的加速器/孵化器大量出現(xiàn)，AngelList上也出現(xiàn)了天使投資的RollingFunds,LP可以按照季度進(jìn)行小額定投（每季度在1萬美元左右），還有一些VentureStudio的孵化模式，以及資金規(guī)模不高、但強(qiáng)調(diào)dealflow的獨特性的Microfunds.融資渠道的多樣化大大增強(qiáng)了資本市場對創(chuàng)新的包容性。在生態(tài)的不同層面上出現(xiàn)的變化，核心在于其開放性，而不是包含在某個大廠的“閉環(huán)”中。一個值得玩味的說法是：中國講“入口”，而美國講“接口”。開放性和多樣性才是中美兩個市場在過去十年最大的差異，而非消費互聯(lián)網(wǎng)與SaaS之爭。開放性和多樣性是持續(xù)創(chuàng)新的基礎(chǔ)。自2022年GPT-3問世以來，美國的AI生態(tài)從芯片和基礎(chǔ)模型開始，到2023年進(jìn)入Infra、DevTools的階段，到了2024年，企業(yè)軟件和消費應(yīng)用也逐步浮出水面。創(chuàng)新的接力賽一棒接一棒，沒有停歇的意思。中國錯失的，正是這種流水不腐的開放性與多樣性。五、如何進(jìn)入下一個十年2020年代有兩個開端。一個是Covid-19的開始和結(jié)束。它對全世界的社會生活和政治經(jīng)濟(jì)都有深遠(yuǎn)的影響。對于科技行業(yè)而言，它一定程度上加速數(shù)字化的滲透率，特別是對更為傳統(tǒng)的行業(yè)而言，僅僅是遠(yuǎn)程辦公一個變化就足以驅(qū)動很多軟件采購的快速決策。另一個是GPT-3的發(fā)布。我們?nèi)匀惶幵谏墒紸I周期的早期階段，它對人類社會的影響仍然有待展開。一個明確能夠做出的結(jié)論是，它至少可以在上一個十年“軟件吞噬世界”所留下的高度數(shù)字化的基礎(chǔ)上，提升整個社會智能化的水平。這兩個開端，一個是把軟件周期推向了最高潮，另一個則在高潮之上再添新力，帶領(lǐng)世界進(jìn)入了AI周期。六、模糊的B/C邊界經(jīng)過上一個十年，中美兩個市場在很多地方開始互相追平。在基礎(chǔ)設(shè)施建設(shè)上，美國通過軟件周期把根深蒂固的傳統(tǒng)行業(yè)進(jìn)行了數(shù)字化，中國則通過移動互聯(lián)網(wǎng)也完成了零售、支付、物流、公共服務(wù)等領(lǐng)域的數(shù)字化。在人才儲備上，軟件工程師供給穩(wěn)定，開發(fā)工具和技術(shù)棧越發(fā)高效。在成本優(yōu)勢上，兩國的人力成本都有不同程度的上漲，但AI周期中也都有明顯的效率改進(jìn)機(jī)會。消費互聯(lián)網(wǎng)的創(chuàng)業(yè)和投資不確定性更強(qiáng)，而最終的回報也更驚人。TikTok的崛起并不能被簡單理解為是短視頻產(chǎn)品形態(tài)的革新，而也要考慮到它突破了Facebook長期占據(jù)的SocialGraph,利用個性化推薦算法建立了全新的興趣圖譜（參考：TikTokandtheSortingHat和Seeinglikeanalgorithm）。AI無論在產(chǎn)品形態(tài)、交互界面和智能算法幾個角度上，都有機(jī)會做到全面創(chuàng)新。難點在于：如何做好用戶增長達(dá)到規(guī)模經(jīng)濟(jì)所需要的臨界點？這是消費互聯(lián)網(wǎng)的基本功，而在過去的十年中，只有Uber這樣的共享經(jīng)濟(jì)公司還存有一些know-how,除此之外，對于大量的SaaS公司，這幾乎是一項失傳的手藝。中國團(tuán)隊反而在這里已經(jīng)經(jīng)歷過更慘烈的戰(zhàn)斗，調(diào)動過更大規(guī)模的資源，也積累了大量的經(jīng)驗。在企業(yè)市場上，中國軟件公司的確需要面對更不愿意付費的客戶或更封閉的商業(yè)生態(tài)。但在“出?！币呀?jīng)成為共識的前提下，這不應(yīng)該成為障礙。真正的難點還應(yīng)該回到產(chǎn)品和市場契合上來，如何深入到使用場景中去，拿到更多的企業(yè)內(nèi)部數(shù)據(jù)和上下文，讓AI能夠因地制宜，做出產(chǎn)品的厚度。以及如何構(gòu)造面向全球的GTM能力，語言、文化、人脈都會成為新的問題。在灣區(qū)和一些AI領(lǐng)域創(chuàng)業(yè)者交流的感受是：AI在效率改進(jìn)上的價值很可能并不會強(qiáng)烈地區(qū)分消費者和企業(yè)。比如生產(chǎn)力工具，很多產(chǎn)品起初的PMF是在專業(yè)消費者（ProfessionalConsumers）上的，但最終賺錢是在企業(yè)客戶身上——后者更有支付能力。而在AIasaService的模式下，初創(chuàng)公司用AI來提升傳統(tǒng)服務(wù)業(yè)的效率，成為AI驅(qū)動的律師和會計師，面向消費者提供服務(wù)。AI周期中的消費互聯(lián)網(wǎng)與SaaS邊界越來越模糊。中國的創(chuàng)業(yè)者和投資人最不應(yīng)該擔(dān)心的，就是過去十年似乎錯失了SaaS的機(jī)會，特別是對于早期公司，這個區(qū)別根本不重要。對于旨在全球市場的AI創(chuàng)業(yè)者和投資人而言，更應(yīng)該調(diào)整“入口”心態(tài)為“接口”心態(tài)，發(fā)揮各自的長處，分工協(xié)作，通過“接口”的網(wǎng)絡(luò)效應(yīng)放大自身的價值；而非在“入口”上同質(zhì)化競爭，降低資本效率。七、從“入口”到“接口”：開放與多樣我認(rèn)為，對于中國而言，還需要做好一件事，就是補充早期投資生態(tài)的多樣性。在上個十年里，一批新投資人出現(xiàn)了，他們以“$500kisthenew$5million”為口號，往往有著在科技行業(yè)的工作背景和人脈，在初創(chuàng)企業(yè)更早的階段介入，最終獲得豐厚的回報?，F(xiàn)在，我們經(jīng)常能在公司融資的新聞中看到一長串名字，其中很多人的投資金額并不高，但這些名字本身就是一種網(wǎng)絡(luò)效應(yīng)，為初創(chuàng)公司提供了大量非現(xiàn)金資源。同時，像SAFE這樣的投資工具也簡化了復(fù)雜的股權(quán)交易，抵消了因為多樣而帶來的額外成本?？梢哉J(rèn)為，這是一種風(fēng)險投資的“下沉”策略，更重要的是，它促進(jìn)了創(chuàng)業(yè)生態(tài)中的連接性和包容性。在灣區(qū)，你很少會覺得一個想法太奇怪，或太愚蠢，或太不符合主流敘事，這不僅僅是對創(chuàng)業(yè)者而言的，也是對投資人而言——他們很多人也認(rèn)為自己是一個創(chuàng)業(yè)者，也會以獨特的投資想法而贏得LP的認(rèn)同。回到中國，在上一個十年中賺到的第一桶金如何能夠以更易得的形式傳遞給AI周期的面向全球市場的創(chuàng)業(yè)者？面向全球市場的天使投資、孵化器、加速器、VentureStudio、Hackerhouse都在哪里？有沒有AngelList、SAFE這樣的投資工具來簡化投資流程？創(chuàng)業(yè)本來應(yīng)該是permission-less（無需許可的）。這是一種截然不同的價值創(chuàng)造方式：它需要站在未來，推導(dǎo)出現(xiàn)在可以做出的重大改變。它需要一些涓涓細(xì)流來滋養(yǎng)，而不是大力出奇跡式的大筆重注。大廠高管據(jù)說已經(jīng)成為現(xiàn)在中國AI創(chuàng)業(yè)里面的半壁江山。他們或許有更強(qiáng)大的資源優(yōu)勢，更容易獲得資本的青睞。但同時，他們也有很強(qiáng)的路徑依賴，產(chǎn)品想法往往集中在少數(shù)賽道上，少了一些想象力。他們動輒千萬美金的融資或許能支撐一個偉大的愿景，但也會打擊生態(tài)的多樣性和開放性。在上一個十年的軟件周期中，美國經(jīng)濟(jì)剛剛從2008年的金融危機(jī)中走出來，資本變得更加謹(jǐn)慎。而互聯(lián)網(wǎng)周期中賺得的“新錢”接替了“老錢”，以更靈活的姿態(tài)、更低的門檻支持了軟件周期中的初創(chuàng)公司。對于AI周期的中國而言，也應(yīng)該出現(xiàn)這樣的創(chuàng)新接力。上一代的創(chuàng)業(yè)者成為新一代的投資人，提供資金、經(jīng)驗和背書，既能做好資產(chǎn)配置，也能支持創(chuàng)新，實現(xiàn)長期愿景。更多的小型基金、個人投資或多種形式的孵化/加速項目，化整為零的滴灌、滋養(yǎng)未來的可能性。資本當(dāng)然會追求最大的收益，但逐利性也會限制創(chuàng)新的可能性邊界。對于十年的周期而言，最壞的開局莫過于對多樣性的破壞。不要錯失本可以想象的未來。本文來源：虎嗅APP文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/08
中國老人愛上網(wǎng)，但為何沒有一款做成功的垂直App？
銀發(fā)文娛是僅次于電商、排名第二的銀發(fā)人群互聯(lián)網(wǎng)應(yīng)用熱土，垂直App、微信公眾號、小程序、抖音快手銀發(fā)網(wǎng)紅在過去十年依次迭興。2015年開始出現(xiàn)一批專注老年人的App,主打廣場舞的糖豆、主打圖文編輯的美篇、主打視頻編輯的彩視都是誕生在這一年，并先后獲得知名VC和頭部互聯(lián)網(wǎng)平臺的數(shù)千萬至上億元投資。2016年開始出現(xiàn)大量主打老年人內(nèi)容的公眾號，最常見的主題是養(yǎng)老金調(diào)漲、養(yǎng)生健康、單身老人寂寞情感、社會對老人偏見不公、領(lǐng)袖和明星人物故事。這些內(nèi)容在互聯(lián)網(wǎng)主流視野全放在年輕人身上的2016年，恰好填充了當(dāng)時快速涌入的銀發(fā)網(wǎng)民的閑暇時間，老人分享轉(zhuǎn)發(fā)積極熱烈，10萬+爆文層出不窮，一時間出現(xiàn)許多粉絲數(shù)達(dá)到數(shù)百萬的公眾號矩陣。2017年隨著微信小程序上線，部分App和公眾號向小程序轉(zhuǎn)移，主打功能以相冊影集、小游戲、小說、短視頻為主，又在短時間內(nèi)收獲了大批銀發(fā)流量。2019年抖音快手的年輕用戶增長趨緩，而銀發(fā)用戶的比重開始快速上升，一批個性獨特、思維開放的老年人自己摸索或在MCN幫助下變身銀發(fā)網(wǎng)紅，拍攝各種搞笑段子和換裝視頻。他們的粉絲量在短時間內(nèi)迅速上漲，一批三五百萬粉絲的銀發(fā)網(wǎng)紅開始在短視頻平臺上占據(jù)一席之地。下面將從功能需求、流量紅利、商業(yè)變現(xiàn)三個方面分析銀發(fā)文娛互聯(lián)網(wǎng)的經(jīng)驗教訓(xùn)。一、打磨特定功能需求，鎖定超強(qiáng)粘性銀發(fā)用戶銀發(fā)互聯(lián)網(wǎng)領(lǐng)域最知名的幾個App,在發(fā)展初期就鎖定了銀發(fā)人群某個方面的強(qiáng)需求，比如糖豆聚焦廣場舞的視頻、學(xué)習(xí)、交流，美篇聚焦操作簡便的手機(jī)端圖文編輯工具，彩視聚焦短視頻的拍攝剪輯制作分享。而瞄準(zhǔn)的這個需求越剛性、越粘性，產(chǎn)品功能對這個需求滿足得越好，初期獲得的銀發(fā)用戶就越不容易輕易流失，從而成為下一步發(fā)展起關(guān)鍵作用的種子用戶。當(dāng)然，個案項目要想成功，不能僅僅滿足于人有我有的功能，因為每個賽道方向都會有很多同類競爭者，廣場舞、圖文工具、有聲影集以及以后興起的各種賽道都是如此。但大部分銀發(fā)互聯(lián)網(wǎng)項目做得雷同，只是簡單將現(xiàn)有功能模塊復(fù)制一遍，然后圖標(biāo)放大、字體放大，在銀發(fā)人群中不會留下深刻印象，最終的命運只會是即用即棄。而上述項目在產(chǎn)品功能上確實是有特點的。比如糖豆為便于廣場舞KOL拍攝出銀發(fā)人群眼中的炫酷視頻，開發(fā)出綠幕摳像功能，可以將舞者安放在公園、廣場、山川等各種預(yù)設(shè)的背景中，還可以將單個舞者復(fù)制成三、五甚至七八個，在畫面上呈現(xiàn)出群舞的效果。這個功能至少在2019年就已上線，而主流視頻App幾年之后才上線類似功能。再比如美篇，為了便于銀發(fā)人群圖文創(chuàng)作，App設(shè)計了提供高清圖片、高清視頻、音樂的素材庫，并將其作為會員收費項目。與之對比的是，微信公眾號經(jīng)過多年發(fā)展，影響如此之大，但后臺只提供編輯功能，圖片素材仍需要創(chuàng)作者自己解決。這些創(chuàng)新的功能點，背后蘊含著對銀發(fā)人群的深入洞察，這種洞察決定了產(chǎn)品好不好用、是不是真能擊中銀發(fā)人群的痛點，決定了能不能在銀發(fā)人群中建立獨特的用戶心智，決定了銀發(fā)人群是即用即棄還是來了就不想走，決定了在一堆同質(zhì)化產(chǎn)品中是否能夠脫穎而出，走向下個決勝點。二、抓住流量紅利，順勢起飛2016年后一批專做老年內(nèi)容的公眾號之所以能崛起，流量紅利所起的作用顯然占了更大的比重。在中國老人人手一臺智能手機(jī)之前，銀發(fā)人群接受信息的渠道主要是電視、報紙、雜志，信息來源的主體一般是官方媒體。但隨著智能手機(jī)在老人中的滲透率越來越高，并在2016年達(dá)到一個臨界點，中國老人從傳統(tǒng)媒體平臺大量流失，對互聯(lián)網(wǎng)內(nèi)容的饑渴越來越大，但此時主流互聯(lián)網(wǎng)還將注意力放在年輕人身上，相應(yīng)的老年內(nèi)容供給非常缺乏。此時一批敏銳的內(nèi)容創(chuàng)業(yè)者轉(zhuǎn)戰(zhàn)老年人群，聚焦在養(yǎng)老金調(diào)漲、養(yǎng)生健康、單身老人寂寞情感、社會對老人偏見不公、領(lǐng)袖和明星人物故事等極易引發(fā)老人共情的主題上，無需原創(chuàng)，只要將全網(wǎng)素材整合編輯，就能源源不斷制作出讓老人瘋狂轉(zhuǎn)發(fā)分享的10萬+爆款文。而且單獨一個公眾號顯然不能將老年流量收割干凈，開設(shè)幾十上百個公眾號形成矩陣并互相導(dǎo)流，組織公眾號專屬的讀者社群，再鼓勵群里的老人分享轉(zhuǎn)發(fā)到自己的群和朋友圈，形成進(jìn)一步裂變。這些內(nèi)容本身具有非常高的裂變屬性，再疊加上空閑時間很多、希望以轉(zhuǎn)發(fā)顯示存在感、間接“暗示”子女關(guān)心自己的銀發(fā)人群，最終會實現(xiàn)幾何倍數(shù)的傳播。再加上當(dāng)時微信流量成本很低，大量投放花錢購買粉絲十分劃算，因此許多公眾號的粉絲也在短短幾個月內(nèi)增長數(shù)十萬甚至數(shù)百萬之多。小程序在2017年后的崛起更是抓住了銀發(fā)流量紅利的典范。比如專注有聲影集和短視頻的小年糕，最早于2014年上線App,但一直不溫不火。2017年1月微信小程序面世，當(dāng)年5月底小年糕就推出小程序，并與公眾號綁定，打通公眾號與小程序之間的無縫導(dǎo)流，從而快速擴(kuò)充了小年糕的用戶群體。當(dāng)時一個月之內(nèi)，小年糕用戶量就從1000萬漲到2000萬。2019年時，小年糕的中老年用戶已經(jīng)高達(dá)1.1億，在全體用戶中占比超過80%。類似的小程序還有很多。根據(jù)阿拉丁研究院公布的小程序TOP100榜單顯示，2017年8月開始，小年糕、卡娃電子相冊就進(jìn)入榜單，之后美篇等圖文制作小程序陸續(xù)入榜。2018下半年到2019年，許多模仿跟風(fēng)的流量玩家進(jìn)場，在阿拉丁公布的小程序排行榜里經(jīng)常會看到一些不知名的公司輪番上場。這些小程序的操作非常簡單，相冊類小程序可以直接一鍵更換模板，模板隨著節(jié)假日及時間變化，每到節(jié)假日期間，這種相冊類小程序就會瞬間火爆，帶來大量流量。2019年開始，受快速崛起的抖音快手短視頻平臺帶動，流量玩家又轉(zhuǎn)戰(zhàn)短視頻領(lǐng)域，各種短視頻小程序從2019年開始集中涌現(xiàn)。這些小程序中的內(nèi)容多是來自各個視頻平臺，部分視頻中還留有騰訊、西瓜、火山等平臺的水印。并且這些新進(jìn)入玩家大量鋪設(shè)相同主題相同內(nèi)容的小程序以及公眾號矩陣，目的也是簡單直接，只為盡量做大流量，為下一步變現(xiàn)做準(zhǔn)備。在前述垂直App的發(fā)展過程中，流量紅利也曾經(jīng)起到重要作用，不過場景發(fā)生在手機(jī)上的應(yīng)用市場，時間窗口也比較短。業(yè)內(nèi)人士透露，2015-2017年時在應(yīng)用市場上去做廣場舞App的廣告投放，獲客成本只要1.5到2元，這種方式支撐了少數(shù)頭部廣場舞App的快速起量并接連獲得大筆融資。不過在應(yīng)用市場的投放成本逐漸走高之后，這種模式不再走得通，用戶增量開始枯竭，之后受到抖音快手的虹吸效應(yīng)，更是出現(xiàn)用戶大量流失的情況。三、變現(xiàn)路在何方？變現(xiàn)是銀發(fā)文娛在走過產(chǎn)品、流量兩個關(guān)口后必經(jīng)的第三個關(guān)口。下面就來看看銀發(fā)文娛都走過哪些變現(xiàn)之路，它們的表現(xiàn)又是如何。廣告上面提到過的流量型銀發(fā)文娛項目，一般公司規(guī)模很小，團(tuán)隊只有個位數(shù)，但因為掌握著大量老年流量，通過廣告變現(xiàn)，高峰時一個月能實現(xiàn)數(shù)百萬元的凈利潤。但這個模式能夠成功的關(guān)鍵一是在于流量成本必須很低，二是在于有源源不斷地愿意支付高額廣告費用的廣告主。不過有能力有意愿支付高額廣告費的廣告主是稀缺資源，時常有不正規(guī)的保健品、化妝品甚至詐騙團(tuán)伙隱匿其中，對銀發(fā)文娛項目來說存在很高的法律風(fēng)險。因此一旦流量成本提高或者平臺監(jiān)管趨嚴(yán)，這個模式就很難維持下去。糖豆、美篇等代表性App,對外宣稱用戶過億，如糖豆2020年中老年用戶超2億、55歲以上用戶占比超過50%，美篇2019年累計注冊用戶超1.2億、65%以上中老年用戶。但他們均未披露過廣告收入的數(shù)據(jù)，只能猜測這些數(shù)據(jù)并不像想象中那么亮眼。知識付費/會員權(quán)益美篇在2019年推出過價格29.9元起/本的中老年回憶錄，根據(jù)官方宣稱，2019年雙11期間達(dá)6000單/天，交易額破百萬。彩視營收亦無公開數(shù)字，有媒體報道會員權(quán)益可占到50%，付費人數(shù)在數(shù)十萬量級，包含兩檔68元/3個月和198元/年，權(quán)益包括會員身份標(biāo)識、視頻制作特權(quán)（特殊模板與素材、高清）、社交功能特權(quán)（類似陌陌）等。主播打賞多個App都先后推出過視頻直播和主播打賞。據(jù)了解，彩視的直播分成在高峰期可占營收50%，活躍用戶月支出在五六十元左右。美篇曾向外透露，2018年全平臺的打賞月流水曾達(dá)到千萬級。但真正屬于銀發(fā)人群的知識主播和草根主播并不多，反而是顏值主播貢獻(xiàn)的收入比重更大。這看起來更像是一個成熟的主播團(tuán)隊在做透年輕人平臺后，又選擇一個新的未被開墾的老年人平臺繼續(xù)賺錢。旅游旅居旅游旅居在銀發(fā)文娛的各種變現(xiàn)方式中相對走得比較成功。疫情前的2019年，多個數(shù)百萬粉絲的公眾號矩陣能夠?qū)⒙糜温镁邮杖胱龅角f量級。另外，一家位于上海地區(qū)的老年退休生活平臺，以電視節(jié)目、公眾號、直播間、老年報、線下活動為運營載體，據(jù)稱擁有一百多萬老年會員，2019年旅游收入曾達(dá)到數(shù)億元。變現(xiàn)之路如何打通以上梳理足以說明，銀發(fā)文娛的大多數(shù)變現(xiàn)方式仍未走通，像旅游旅居這種驗證走通的模式在過去幾年又受到疫情的阻擊，仍需要一定時間恢復(fù)。而銀發(fā)文娛之所以如此難以變現(xiàn)，背后邏輯可以用一個簡化的等式幫助說明，即變現(xiàn)收入等于用戶規(guī)模乘以用戶平均收入。一般來說，超大用戶規(guī)模匹配低用戶平均收入或者中低用戶規(guī)模匹配高用戶平均收入，兩種方式都能實現(xiàn)理想的收入，前者代表是雁過拔毛的互聯(lián)網(wǎng)廣告，后者代表是重度氪金的游戲。恰好銀發(fā)文娛在過去十年的發(fā)展里，常常是中低用戶規(guī)模匹配中低用戶平均收入，與上述兩種情況都不相關(guān)，變現(xiàn)收入自然提不上來。在用戶規(guī)模上，銀發(fā)文娛項目在經(jīng)歷前期用戶高增的流量紅利后，不久就會受到同類競爭者和新興平臺的擠壓影響，用戶規(guī)模很容易出現(xiàn)增長放緩進(jìn)而大量流失。上文提到糖豆2020年中老年用戶超過2億，但具有實際商業(yè)變現(xiàn)價值的月活用戶肯定顯著低于用戶總量，而且在經(jīng)歷同為短視頻競爭對手的抖音、快手、微信視頻號的輪番爭奪后，這個數(shù)字無疑會進(jìn)一步降低。根據(jù)QuestMobile數(shù)據(jù)，2022年8月糖豆的銀發(fā)人群月活躍用戶僅為311.8萬。這一數(shù)字顯著低于同期頭部短視頻平臺的廣場舞KOL.根據(jù)QuestMobile,2022年8月銀發(fā)人群用戶在典型廣場舞KOL月活躍用戶規(guī)模，“小帥健身廣場舞”為946.7萬，“華州敏兒廣場舞”為726.4萬，另外還有多位KOL月活躍用戶在300萬-400萬之間。主打視頻制作的彩視也受到新對手的強(qiáng)大競爭。根據(jù)QuestMobile,2022年8月銀發(fā)人群在視頻工具App行業(yè)月活躍用戶規(guī)模排名中，彩視僅排名第五，月活躍用戶僅58萬，而排名第一的是2019年上線、抖音官方推出的剪映，月活躍用戶高達(dá)848萬。微信和抖音、快手上雖然有一大批專注銀發(fā)人群的公眾號矩陣和銀發(fā)網(wǎng)紅，但粉絲量大多集中在三五百萬量級，與動輒千萬粉絲的劇情段子、顏值主播等大號爭搶廣告收入毫無競爭優(yōu)勢，如果選擇直播帶貨，與美妝、服裝大號競爭的專業(yè)度又顯得很不夠，后者百萬粉絲卻可以年銷上億，靠的不只是粉絲數(shù)量，更是對產(chǎn)品設(shè)計和供應(yīng)鏈的掌握。在用戶平均收入上，前文已梳理，大多數(shù)情況下銀發(fā)付費用戶對線上業(yè)務(wù)能夠貢獻(xiàn)的收入在幾十元至一兩百元之間，而且付費用戶在整個銀發(fā)用戶里占比并不高。之所以線上收入提不起來，是因為大多數(shù)App和公眾號、小程序、抖音號、快手號，主要精力都放在內(nèi)容的制作和傳播上，與銀發(fā)用戶缺乏線下場景深度互動，銀發(fā)用戶看完即走，雙方之間缺乏情感維系和信任感，從而無法形成強(qiáng)粘性和持續(xù)變現(xiàn)能力。因此銀發(fā)文娛項目要想走通變現(xiàn)模式，無非是兩條路，一條是做大用戶規(guī)模之路，初期依靠流量紅利、內(nèi)容紅利積攢大批銀發(fā)用戶后，不要留戀這個單一用戶群體，而是果斷迅速向全年齡段尤其是中青年人群進(jìn)發(fā)，就如B站、小紅書初期圈定90后年輕用戶后，果斷向80后甚至70后進(jìn)軍，然后依靠超大用戶規(guī)模賺取廣告收入；另一條是做深用戶信任之路，初期依靠線上方式積攢大批銀發(fā)用戶后，果斷加強(qiáng)線下運營，線上線下雙輪驅(qū)動，做深做透銀發(fā)用戶對平臺的信任感，然后用高客單價的產(chǎn)品進(jìn)行變現(xiàn)。本文來源;虎嗅APP文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/02
校園，超級App下一個必爭之地
超級App,競逐校園。超級App正涌入校園細(xì)分場景。校園，正成為超級App們眼中的“價值洼地”。近日，餓了么APP上線“學(xué)生版”。目前，全國5000多所高等院校的學(xué)生已可體驗新版本功能。當(dāng)學(xué)生用戶將配送地址切換至具體高校，并完成學(xué)生賬戶認(rèn)證后，餓了么APP將顯示定制化的學(xué)生版主頁以及學(xué)生專屬福利：既包括學(xué)生群體特別偏愛使用的甜品飲品、爆紅包等功能，還包含校園食堂、學(xué)生拼團(tuán)、品牌學(xué)生價等定制化功能。此外，作為餓了么APP學(xué)生版的特色核心服務(wù)，餓了么還為學(xué)生提供了配送入校、送到宿舍、校園食堂、校內(nèi)“同學(xué)說”等升級服務(wù)。餓了么學(xué)生版相關(guān)負(fù)責(zé)人鐘朝平透露：“在所有外賣人群中，學(xué)生用戶的需求很特別，一個是他們更關(guān)注價格和優(yōu)惠，另一方面出于校園環(huán)境的特殊性，他們也需要更多特制化的服務(wù)，例如點校園食堂訂單、外賣送到宿舍、同宿舍一起拼團(tuán)下單等。”當(dāng)然，餓了么在校園場景想做、能做的事遠(yuǎn)不止外賣服務(wù)——即時零售是其更核心的著眼點?！凹磿r零售”是指用戶在線下單商品，一小時或半小時內(nèi)即可送達(dá)的業(yè)態(tài)。根據(jù)艾瑞咨詢最新發(fā)布的《中國即時配送行業(yè)研究報告》測算，2023年即時配送行業(yè)規(guī)模約為3410億元，預(yù)計2028年行業(yè)規(guī)模將超8100億元。在線外賣用戶規(guī)模達(dá)5.3億人，占全國網(wǎng)民數(shù)量比重近50%，基于高比例的外賣滲透，消費者即時電商消費習(xí)慣逐步養(yǎng)成。據(jù)餓了么平臺數(shù)據(jù)顯示，最近一年來自高校的訂單已達(dá)超10億單規(guī)模，學(xué)生群體對外賣的需求已經(jīng)不止用餐：從三餐到零售，學(xué)生群體對供給的品類、品質(zhì)需求都在不斷提高，美妝、娛樂等悅己生活服務(wù)消費占比正在快速提升。餓了么于8月發(fā)布“數(shù)字校園生態(tài)聯(lián)盟計劃”，宣布將全面升級“智慧校園”數(shù)字化服務(wù)，并繼續(xù)加大對高校場景的平臺投入。近日，杭州師范大學(xué)資產(chǎn)經(jīng)營有限公司下屬師達(dá)公司與餓了么合作，聯(lián)合上線高校數(shù)智校園生活服務(wù)平臺校園“隨e達(dá)”。據(jù)介紹，校園“隨e達(dá)”平臺整合了校園內(nèi)的各項供給，目前已上線的美食外賣、校園超市、校園文創(chuàng)、師達(dá)云超、隨e行、校內(nèi)商業(yè)等服務(wù)內(nèi)容，涵蓋校園生活飲食、購物、出行等方面。同時，“隨e達(dá)”可以為管理者提供校園數(shù)據(jù)的管理和分析。目前，杭州師范大學(xué)校內(nèi)師生已可通過“釘釘師大生活”進(jìn)入平臺，選擇商品下單后，可以通過支付寶或校園卡進(jìn)行支付，餓了么騎手會將商品或餐品配送至校內(nèi)宿舍樓外賣柜或者辦公樓。通過與餓了么共同推出校園“隨e達(dá)”平臺，除了通過數(shù)字化提升了校內(nèi)的電商購物體驗，也將即時配送的物流網(wǎng)絡(luò)規(guī)范化地引入校園。據(jù)介紹，校園“隨e達(dá)”上線前三天，外賣訂單量已突破10000單。目前餓了么針對校園環(huán)境定制了專屬高校配送方案，比如騎手將身著統(tǒng)一標(biāo)識的工作服，并配戴工牌，便于校方管理人員及師生快速識別身份；騎手將經(jīng)過培訓(xùn)與考核，以掌握安全知識、服務(wù)禮儀、校規(guī)校紀(jì)；在校內(nèi)騎行時，騎手會遵循25公里每小時的限速，并且不得在上下學(xué)高峰期時在人流中快速穿行……同時盯上校園市場的，還有二手交易平臺閑魚。同樣在9月，閑魚正式上線“學(xué)生魚”新功能，這是閑魚為學(xué)生群體打造的專屬交易交流頻道。當(dāng)搜索到“學(xué)生魚”時，點擊頂部入口即可進(jìn)入閑魚的校園頻道?！皩W(xué)生魚”不僅將各大高校的校園集市搬到了線上，還設(shè)置了熱帖、興趣交流、拼團(tuán)、校園新鮮事等特色功能。接下來，閑魚還將與高校大學(xué)生合作，開啟“閑魚校園精英計劃”，邀請學(xué)生參與本?！皩W(xué)生魚”頻道的運營。更早前，針對大學(xué)生群體，一些互聯(lián)網(wǎng)平臺也有所動作。例如，在2021年，bilibili校園便上線。bilibili校園是一個專門為同校同學(xué)推出的校園社區(qū)，它鼓勵用戶討論所在學(xué)校的新鮮事，分享學(xué)習(xí)感悟和經(jīng)驗、展示才藝技能等。自2013年起，長租公寓平臺自如啟動針對畢業(yè)生的“海燕計劃”，至今已有370萬畢業(yè)生受益，自如累計提供的租房支持金額達(dá)12億元。據(jù)介紹，今年的“海燕計劃”預(yù)計將為畢業(yè)生提供超億元租房支持，包括押金減免及安家基金。當(dāng)前，一些線下連鎖品牌也在進(jìn)駐高校。9月19日，老鄉(xiāng)雞的首家校園店武漢大學(xué)校園店開業(yè)，這意味著老鄉(xiāng)雞正式布局高校市場，也是其對年輕消費者市場的一次深度挖掘。更早前，海底撈等品牌也將實體店開進(jìn)大學(xué)校園。由于客流量穩(wěn)定，在校園的商業(yè)業(yè)態(tài)迭代過程中，教輔、培訓(xùn)等教育高相關(guān)度品類最早聚焦校園市場；此后，各業(yè)態(tài)逐步布局。如今，校園人群也日趨注重價值消費、體驗消費、社交消費、個性化消費，以餓了么、閑魚為代表的泛受眾類超級App正在將校園視為典型細(xì)分場景。這背后，是日益龐大的大學(xué)生市場。從用戶體量來看，根據(jù)官方數(shù)據(jù)，2023年，各種形式的高等教育在學(xué)總規(guī)模4763.19萬人，比上年增加108.11萬人，增長2.32%。從消費水平來看，根據(jù)天貓商家成長團(tuán)隊發(fā)布的《青春消費陣線——校園市場的無限潛力與蓬勃前景》報告，中國高校在校生消費規(guī)模預(yù)計在2024年至2028年間從約13000億元上升至約16000億元。同時，人均年消費水平也在不斷提高，從2015年的1.6萬元增長到2023年的2.9萬元，預(yù)計到2028年將達(dá)3.5萬元。另據(jù)艾媒咨詢發(fā)布的《2024中國大學(xué)生消費行為調(diào)查研究報告》數(shù)據(jù)顯示，七成以上的受訪大學(xué)生月均支出水平集中在1000-2000元之間，其中，超四成的受訪大學(xué)生月均收入在1501-2000元。其粗估2024年中國在校大學(xué)生的年度消費規(guī)模約為8500億元。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
11/02
語言模型驅(qū)動的軟件工具思考：可解釋與可溯源
語言模型在軟件開發(fā)的應(yīng)用與挑戰(zhàn)。語言模型正在變革軟件開發(fā)流程的各個環(huán)節(jié)，包括代碼的生成、編輯、測試、調(diào)試等。在開發(fā)和訓(xùn)練代碼語言模型時，人們需要統(tǒng)一的收集清理數(shù)據(jù)、訓(xùn)練模型、更新調(diào)整等。因此，我們預(yù)期，針對模型訓(xùn)練的分析技術(shù)將成為新的一層架構(gòu)來回答“模型是如何產(chǎn)生某個預(yù)測的”、“模型預(yù)測是如何逐漸訓(xùn)練得到的”、以及“我們應(yīng)該怎么做去修改和增強(qiáng)某個預(yù)測”等問題。在今年8月份舉辦的AICon全球人工智能開發(fā)與應(yīng)用大會上，上海交通大學(xué)計算機(jī)系副教授林云做了專題演講分享“語言模型驅(qū)動的軟件工具思考：可解釋與可溯源”，深入探討了如何分析模型、追溯訓(xùn)練樣本，并構(gòu)建數(shù)字孿生環(huán)境來測試代碼編輯模型，最后展望了未來大模型對軟件開發(fā)范式的影響。以下是演講實錄（經(jīng)InfoQ進(jìn)行不改變原意的編輯整理）。非常榮幸能夠在這里與大家分享我們團(tuán)隊的最新研究成果。我們一直在探索如何利用語言模型來生成代碼，并深入理解這些模型背后的原理。目前，語言模型在軟件工程領(lǐng)域的應(yīng)用日益廣泛，已經(jīng)逐步介入到設(shè)計、編程、測試和調(diào)試等多個環(huán)節(jié)。我們的研究團(tuán)隊致力于將語言模型融入這些環(huán)節(jié)中。在語言模型出現(xiàn)之前，我們已經(jīng)有了傳統(tǒng)的代碼編輯的技術(shù)，但語言模型的介入使得編輯過程變得更加智能化，我們稱之為“生成式編輯”。它能夠輔助我們完成整個代碼棧的工作。接下來，我會介紹我們與字節(jié)跳動合作的一個項目，該項目旨在自動定位代碼編輯的位置，并在特定行生成所需的編輯內(nèi)容。在語言模型生成代碼之前，我們也在解決測試用例生成的問題。按照傳統(tǒng)方式，我們會將測試用例的生成視為一個約束求解問題，關(guān)注如何實現(xiàn)分支覆蓋和路徑覆蓋。但語言模型的出現(xiàn)讓我們開始思考，我們是否可以實現(xiàn)需求覆蓋，即不僅僅覆蓋特定的分支，而是結(jié)合需求和分支，生成更符合項目特點的測試用例。此外，我們也在探索如何讓語言模型自動調(diào)試代碼。過去，開發(fā)者常常自嘲說，自己寫的bug含淚也要修復(fù)完。但現(xiàn)在，也許我們要含著淚修復(fù)AI幫我們寫的bug.AI時代的代碼調(diào)試問題也許是一個新的挑戰(zhàn)。因此，我們也希望有新的智能化技術(shù)能夠幫助開發(fā)者發(fā)現(xiàn)并修復(fù)bug.在這項工作中，我們的目標(biāo)是將調(diào)試問題轉(zhuǎn)化為在代碼執(zhí)行軌跡上找到第一個出錯的步驟，然后讓語言模型在這個軌跡上通過交互不斷定位錯誤，并指導(dǎo)開發(fā)者了解錯誤是如何發(fā)生的。訓(xùn)練軟件工程語言模型的“套路”當(dāng)我們深入研究語言模型在軟件工程中的應(yīng)用時，我們逐漸發(fā)現(xiàn)了一個反復(fù)出現(xiàn)的模式，或者稱之為“套路”。在這個套路中，我們是這么做的。首先，我們需要收集和清洗來自Git、JIRA、Jenkins等軟件工具的數(shù)據(jù)，將它們轉(zhuǎn)換成訓(xùn)練數(shù)據(jù)集。這些數(shù)據(jù)集隨后被用來訓(xùn)練代碼模型，最終這些模型被集成到集成開發(fā)環(huán)境（IDE）中。無論是進(jìn)行測試生成、調(diào)試、代碼生成還是測試用例生成，我們通常會遵循這個方式。但隨著時間的推移，我們意識到，盡管這個套路在業(yè)界得到了廣泛應(yīng)用，但在實際應(yīng)用中卻并不簡單。例如，當(dāng)我們訓(xùn)練出一個模型后，我們首先想知道的是，模型為什么會做出這樣的預(yù)測。畢竟，模型本質(zhì)上是將大量的數(shù)據(jù)集壓縮編碼到代碼中，然后利用其泛化能力進(jìn)行各種生成任務(wù)。那模型的預(yù)測是如何產(chǎn)生的？我們知道，模型并非一蹴而就，而是經(jīng)過數(shù)小時甚至數(shù)天的訓(xùn)練，經(jīng)過多次迭代才得到的。因此，我們想要了解模型預(yù)測的具體生成過程。最終，我們希望能夠提出一些方案，自動矯正模型中不符合我們期望的行為。上述套路解決的是"AIforSE"，即我們提出了AI解決方案來幫助程序員完成任務(wù)。但隨著AI解決方案的增多，我們發(fā)現(xiàn)需要一個"SEforAIforSE"的基礎(chǔ)框架，以支持和管理這些AI解決方案。案例研究：交互式代碼編輯(CoEdPilot)在具體介紹上述框架解決思路前，我想先跟大家介紹下我們與字節(jié)跳動合作的一個研究案例，這個案例恰恰符合我們之前討論的“套路”。我們稱這個過程為“編代碼、編輯定位”。在現(xiàn)代代碼倉庫中，編寫代碼并不總像Copilot那樣，給出一個注釋后自動生成十幾行代碼。更多的時候，我們面臨的是編輯任務(wù)：根據(jù)需求修改某一行代碼，刪除一行，或者更改一行中的幾個字符串。這種編輯往往是跨文件的，一次編輯可能會影響到多個文件。在我們的案例中，我們首先關(guān)注的是編輯定位問題。當(dāng)出現(xiàn)一個需求或者一個編輯請求時，我們希望能夠迅速定位這個編輯在整個項目中如何傳播。接下來，我們想要解決的是編輯生成問題。一旦我們知道某一行需要修改，我們就想進(jìn)一步推薦出這一行具體應(yīng)該改成什么樣子。我們希望通過人機(jī)交互來實現(xiàn)這一點，利用人的反饋來進(jìn)一步推薦下一輪的編輯定位和編輯生成。我們的工作目前集中在開發(fā)一個VisualStudioCode插件上，這個插件旨在幫助用戶根據(jù)輸入的需求自動定位代碼修改的位置。用戶一開始會輸入需求，插件會生成一個定位提示，顯示整個文件中可能需要修改的地方。在這個提示中，紅色標(biāo)記代表可能需要修改的地方，而綠色標(biāo)記則表示可能需要添加內(nèi)容的位置。當(dāng)用戶選擇某個特定的位置后，插件會通過一個差異比較（DIFF）視圖來展示這一行代碼可能的修改方式。用戶可以從多個選項中選擇。一旦用戶接受了某些建議或者拒絕了某些建議，這些反饋就會被收集起來，作為新一輪輸入和迭代的數(shù)據(jù)。這個插件的核心思想在于，我們通過收集代碼提交的信息來訓(xùn)練模型。每個提交通常包含多個代碼修改，這些修改也被一并收集。通過訓(xùn)練，模型能夠在整個項目中滑動窗口，識別出需要修改的地方，并推薦出具體的修改內(nèi)容。代碼編輯的基本設(shè)計思路我們的基本設(shè)計思路是將代碼編輯任務(wù)分解為幾個小模型來實現(xiàn)，避免直接將整個代碼庫喂給一個大模型，這樣做的原因主要是為了減輕模型的計算負(fù)擔(dān)，包含兩個核心部分：任務(wù)分解和矯正反饋。首先，任務(wù)分解的目標(biāo)是將一個大模型拆分成幾個小模型，這樣可以減少模型的輸入量。例如，輸入1萬行代碼與輸入30行代碼的效果是有很大差異的。我們使用三到四個小模型來完成這個任務(wù)。其次，我們希望通過與用戶的交互來實現(xiàn)矯正反饋。具體來說，我們首先使用一個小模型，通過滑動窗口來預(yù)測文件中可能需要修改的位置。核心思想是比較兩段代碼的語義相似度和依賴關(guān)系，以判斷它們是否會產(chǎn)生協(xié)同變化。在得到這些信息后，我們使用另一個小模型，將問題轉(zhuǎn)化為一個分類問題。給定一個滑動窗口，窗口中有多行代碼，我們根據(jù)之前的編輯來預(yù)測每一行可能發(fā)生的編輯類型。這樣，我們不需要處理一個很大的窗口，只需要對每一行進(jìn)行分類即可。訓(xùn)練模式采用的是指令微調(diào)，即給定一個指令（如替換或保留），然后讓模型預(yù)測每一行的編輯類型。得到編輯類型后，我們使用另一個基于Transformer的編碼器-解碼器模型來生成具體的內(nèi)容。當(dāng)我們確定某一行需要添加或替換時，就讓這個Transformer生成相應(yīng)的內(nèi)容。這樣，我們就大大減少了活動窗口的大小。最后，我們使用另一個模型來學(xué)習(xí)之前的編輯，將之前的編輯作為Transformer輸入和反饋設(shè)計的一部分。通過這種方式，我們在定位的準(zhǔn)確性和生成內(nèi)容的準(zhǔn)確性上都達(dá)到了一個可接受的程度。哪些訓(xùn)練數(shù)據(jù)影響了這次預(yù)測?當(dāng)我們構(gòu)建并訓(xùn)練了代碼模型后，我們希望它能夠自動定位代碼編輯的需求，并最終集成到IDE中。然而，我們發(fā)現(xiàn)在某些情況下，模型的表現(xiàn)并沒有達(dá)到我們的預(yù)期。為了解決這個問題，我們首先需要進(jìn)行訓(xùn)練歸因分析，以了解為什么模型會做出特定的預(yù)測。我們想要回答的核心問題是：為什么模型認(rèn)為某行代碼需要修改，或者需要插入代碼？為了解決這個問題，我們從三個角度進(jìn)行思考：樣本歸因、表征歸因和仿真驗證。歸因問題在機(jī)器學(xué)習(xí)領(lǐng)域是一個經(jīng)典問題。我們想要了解的是，哪些訓(xùn)練數(shù)據(jù)真正影響了模型的預(yù)測。當(dāng)我們面對一個嚴(yán)格的數(shù)學(xué)問題陳述時，我們可以這樣表述問題：給定一個訓(xùn)練樣本Zi,如果我們對這個樣本進(jìn)行權(quán)重調(diào)整（增加或減少?），模型會發(fā)生什么變化？因為模型是在看到數(shù)據(jù)后才進(jìn)行神經(jīng)元調(diào)整的，所以我們想要了解哪些預(yù)測相關(guān)的神經(jīng)元是由哪些數(shù)據(jù)調(diào)整的。在數(shù)學(xué)層面上，這個問題可以通過一個公式來描述。我們有一個測試集_X_test和一個訓(xùn)練集_X_train.我們想要了解_X_train和_X_test之間的關(guān)系。如果我們發(fā)現(xiàn)_X_train和_X_test的值是一個大的正數(shù)，這意味著如果我們更多地訓(xùn)練_X_train這個樣本，模型在預(yù)測_X_test這個樣本時的表現(xiàn)會變得更好。相反，如果_X_train和_X_test的值是一個大的負(fù)數(shù)，比如說-0.9，這意味著如果我們更多地訓(xùn)練_X_train這個樣本，_X_test這個測試樣本的預(yù)測會變得更糟，說明這兩個樣本之間存在矛盾。如果_X_train和_X_test的影響因素是0，那就意味著無論我們增加還是減少對_X_train的訓(xùn)練，對_X_test的預(yù)測都沒有影響。要理解模型預(yù)測的影響關(guān)系，我們可以從理論上推導(dǎo)出三個決定性因素。首先，模型對測試樣本_X_test的擬合程度會影響其預(yù)測。每個測試樣本都有其損失函數(shù)和標(biāo)簽，模型在擬合這些樣本時會朝某個方向移動，這個方向反映了參數(shù)空間的調(diào)整。其次，模型對訓(xùn)練樣本_X_train的擬合方向也是一個重要因素。如果模型在擬合_X_test和_X_train時方向一致，那么它們之間會有正向影響；如果方向相反，則會產(chǎn)生負(fù)向影響；如果方向的夾角為零，則它們之間沒有影響。最后，Hessian矩陣及其逆矩陣代表了所有樣本之間的交互效應(yīng)。Hessian矩陣是損失函數(shù)對所有參數(shù)的二階導(dǎo)數(shù)的矩陣，其逆矩陣反映了樣本間的相互作用。然而，計算Hessian矩陣的逆在實際中是非常困難的，尤其是當(dāng)模型參數(shù)達(dá)到百萬或千萬級別時。為了解決這個問題，我們提出了一種改進(jìn)的想法，即通過多次變異模型來模擬Hessian矩陣的效果。我們可以通過在參數(shù)空間上進(jìn)行抽樣來模擬Hessian矩陣，觀察模型在多次變異后對訓(xùn)練樣本和測試樣本的影響。如果變異后的模型在訓(xùn)練樣本和測試樣本上都顯示出對抗性或正相關(guān)/負(fù)相關(guān)的影響，那么我們就可以認(rèn)為它們之間存在相互影響。通過這種技術(shù)，我們發(fā)現(xiàn)模型預(yù)測中的一些問題并不總是源于模型架構(gòu)，而是可能源自訓(xùn)練數(shù)據(jù)集本身。例如，在開源數(shù)據(jù)集上運行模型時，我們可能會發(fā)現(xiàn)模型的某些錯誤預(yù)測實際上可以歸因于訓(xùn)練數(shù)據(jù)的標(biāo)注問題。例如，在服裝分類任務(wù)中，開源數(shù)據(jù)集可能會將非常相似的服裝款式標(biāo)注為不同的類別，而人類觀察者可能會認(rèn)為這些款式是相近的。這種令人困惑的標(biāo)注會影響模型預(yù)測的性能。為此我們設(shè)計了新的影響函數(shù)在很多開源數(shù)據(jù)集上找到了很多標(biāo)注bug,并發(fā)表在了NeurIPS’22的會議論文《DebuggingandExplainingMetricLearningApproaches:AnInfluenceFunctionBasedPerspective》上。將影響函數(shù)應(yīng)用于代碼編輯生成任務(wù)我們將影響函數(shù)應(yīng)用于代碼編輯生成任務(wù)中，以評估每個預(yù)測背后的有益和有害訓(xùn)練樣本。有益的訓(xùn)練樣本是指那些通過增加訓(xùn)練量可以提升特定測試樣本表現(xiàn)的樣本，而有害樣本則是指增加訓(xùn)練量會降低某些測試樣本表現(xiàn)的樣本。我們發(fā)現(xiàn)，對于任何一個測試樣本，有害樣本和有益樣本的數(shù)量通常都非常少。通過這種方式，我們可以發(fā)現(xiàn)模型預(yù)測的具體影響。例如，當(dāng)我們的模型預(yù)測需要將代碼中的版本號從0.01更改為0.02時，使用影響函數(shù)進(jìn)行歸因分析，我們可以看到與數(shù)字變動相關(guān)的訓(xùn)練樣本，這與模型的表征空間是相關(guān)的。在函數(shù)調(diào)用中添加參數(shù)時，模型應(yīng)該定位到代碼窗口中的某一行，并預(yù)測需要替換的行以添加類似的參數(shù)。對于這樣的測試樣本，模型的預(yù)測和歸因分析將揭示出形狀相似的代碼標(biāo)注，指出在語法上需要添加子節(jié)點。這種歸因分析有助于我們理解哪些訓(xùn)練樣本對預(yù)測有重大貢獻(xiàn)，從而發(fā)現(xiàn)可能存在的標(biāo)注問題。例如，我們可能會發(fā)現(xiàn)原本認(rèn)為相似的代碼樣本實際上在語義上有很大差異，這表明我們的標(biāo)注可能存在問題，或者標(biāo)注的語義不夠豐富。此外，在代碼編輯中，commitmessage的質(zhì)量非常重要。相似的commit或者過長的commit可能會導(dǎo)致信息量減少，從而形成打架效應(yīng)。這意味著，為了提高代碼編輯的質(zhì)量，我們需要確保commitmessage的書寫質(zhì)量非常高，避免使用過于冗長或含糊不清的描述。我們覺得未來可能會有好幾個方向可以嘗試，第一是通過影響函數(shù)，可以幫助我們?nèi)プ鰯?shù)據(jù)分析，判斷到底哪些是臟數(shù)據(jù)，或者說非預(yù)期的訓(xùn)練數(shù)據(jù)產(chǎn)生了壞的影響。第二個是當(dāng)產(chǎn)生壞的影響之后，有可能我們需要對整個數(shù)據(jù)進(jìn)行重標(biāo)注，所以我們也在嘗試在訓(xùn)練過程當(dāng)中動態(tài)地去更新某一些標(biāo)注，因為我們永遠(yuǎn)不能保證人標(biāo)的東西就一定是對的，或者說預(yù)期的標(biāo)注就是我們想要的。最后是想去觀測，如果有些訓(xùn)練樣本有非常高的互影響的話，就意味著整個訓(xùn)練數(shù)據(jù)集有可能是冗余的。我們大量地在收集數(shù)據(jù)集，但是數(shù)據(jù)集過大真的是件好事嗎？對此我們其實也是存疑的，我們有沒有可能利用一個小但質(zhì)量非常高的數(shù)據(jù)集產(chǎn)出一樣的效果？這對模型訓(xùn)練效率的影響其實是非常大的。表征歸因在討論完樣本歸因之后，我們來談?wù)劚碚鳉w因。表征歸因是深度學(xué)習(xí)的核心，因為深度學(xué)習(xí)本質(zhì)上是表征學(xué)習(xí)。無論是處理圖像、聲音還是文本，深度學(xué)習(xí)的目標(biāo)是將這些輸入轉(zhuǎn)換成向量，然后進(jìn)行矩陣運算。以文本為例，深度學(xué)習(xí)模型需要將每個單詞映射到向量空間中。在這個空間里，語義相近的詞匯（如“男孩”和“女孩”）的表征應(yīng)該彼此接近，而語義相距較遠(yuǎn)的詞匯（如“貓”和“狗”）的表征則應(yīng)該相距較遠(yuǎn)。在自然語言處理（NLP）中，我們希望模型能夠通過單詞的embedding來捕捉這種語義關(guān)系。如果我們能夠訓(xùn)練模型，使其對每個樣本或單詞的表征具有這樣的語義效果，那么模型就能逐漸發(fā)展出接近人類的預(yù)測能力，從而能夠進(jìn)行更自然的交流。然而，我們面臨的一個主要挑戰(zhàn)是，真實的表征空間可能是512維、1024維或768維，而人類很難直觀理解高維空間中的變化。模型訓(xùn)練初期，樣本的表征通常是隨機(jī)分布在高維空間中的。隨著訓(xùn)練的進(jìn)行，這些表征會逐漸變化，最終形成一種分布，反映出人類的理解能力。我們可以將模型訓(xùn)練過程視為樣本表征在高維空間中的運動。一開始，這些表征是無序的，但最終會形成一個有結(jié)構(gòu)的分布。我們希望能夠在二維空間中幫助人們理解這些表征是如何變化的，例如，貓和狗的表征是否真的接近。這將能為提供巨大的信息量，幫助我們更好地理解和改進(jìn)模型。在過去的工作中，我們的目標(biāo)是將模型的訓(xùn)練過程可視化。模型訓(xùn)練本質(zhì)上是樣本表征在高維空間中的變化過程，但由于這些維度通常是數(shù)百甚至數(shù)千維，這使得直觀理解變得困難。因此，我們希望能夠?qū)⑦@一過程投影到二維空間，使人們能夠直觀地看到，例如，兩只貓的樣本表征如何逐漸靠近，而貓和狗的樣本表征如何逐漸遠(yuǎn)離。將訓(xùn)練過程轉(zhuǎn)化為二維動畫后，我們不僅可以觀察到模型在表征空間中的運動，而且還可以與動畫進(jìn)行交互和分析。在模型訓(xùn)練過程中，我們通過可視化技術(shù)觀察到了一個有趣的現(xiàn)象，即干凈數(shù)據(jù)和噪音數(shù)據(jù)在表征空間中的運動軌跡存在顯著差異。例如，在某個訓(xùn)練階段，我們可以將橘黃色的點視為干凈數(shù)據(jù)，而黑色的點代表噪音數(shù)據(jù)。如果我們觀察到最后一個訓(xùn)練階段，比如模型學(xué)習(xí)"apple"這個詞匯時，會發(fā)現(xiàn)無論是干凈數(shù)據(jù)還是噪音數(shù)據(jù)，模型最終都能達(dá)到很高的準(zhǔn)確度。然而，它們在訓(xùn)練過程中的運動軌跡卻大相徑庭。干凈數(shù)據(jù)在經(jīng)過一兩次訓(xùn)練迭代后，很快就能定位到它應(yīng)該在的區(qū)域。相比之下，噪音數(shù)據(jù)則表現(xiàn)得像“釘子戶”，在初始位置上停留很長時間，直到訓(xùn)練的后期，由于模型內(nèi)部的某種“拉力”作用，它們才最終被拉回到適當(dāng)?shù)奈恢?。這種現(xiàn)象不僅揭示了噪音數(shù)據(jù)在訓(xùn)練過程中的頑固性，也為我們提供了一種新的思路，即如何在訓(xùn)練過程中有效地去除噪音。通過觀察數(shù)據(jù)在表征空間中的運動，我們可以識別出那些不易被模型正確學(xué)習(xí)的噪音樣本，并采取相應(yīng)措施?；氐酱a任務(wù)本身，我們注意到基于檢索的生成（RAG）是一個非常熱門的領(lǐng)域。在這種情況下，檢索能力變得至關(guān)重要。在這個語義空間中，我們可以觀察到代碼表征的分布情況，同樣也可以觀察到代碼描述的表征分布。這種映射允許我們在給定一個自然語言描述時，在整個語義空間中搜索與其最接近的代碼表征。這樣，與描述最相關(guān)的代碼就可以被檢索出來?；旧?，這是一種在高維空間中進(jìn)行代碼檢索的方法。通過這種方式，我們可以根據(jù)代碼的自然語言描述快速找到相應(yīng)的代碼實現(xiàn)，從而提高代碼檢索的效率和準(zhǔn)確性。這種方法利用了深度學(xué)習(xí)模型的能力，將文本描述和代碼映射到同一個高維空間，使得相關(guān)代碼的檢索變得更加直接和有效。高層語義編輯距離在深入研究模型訓(xùn)練過程中的表征時，我們有時會發(fā)現(xiàn)模型可能只是學(xué)習(xí)到了表面現(xiàn)象，而并沒有真正理解人類所理解的概念。例如，當(dāng)我們探討高層語義編輯距離時，可以通過比較兩個序列或字符串來觀察這一點。我們可以將字符串進(jìn)行匹配，就像在本科課程中學(xué)到的字符串匹配算法那樣。這種方法也可以應(yīng)用于代碼，因為代碼中的每個token也都有一個高維的語義表征向量。例如，return這個詞在代碼中會有一個語義表示，我們可以計算兩個return之間的語義相似度，從而判斷它們在語義上是否大致相似。通過這種方式，我們可以對整篇代碼進(jìn)行理解。如果我們使用像CodeBERT這樣的模型來訓(xùn)練代碼，使用表征距離或高維空間的語義表征來對齊兩篇代碼。但是，在訓(xùn)練的初期，代碼可以被正確對齊，但在訓(xùn)練的后期，模型可能會將versiondownload這個詞與if的表征關(guān)聯(lián)得最近，而將data的表征與return的表征關(guān)聯(lián)得更近。這種現(xiàn)象表明，盡管模型似乎學(xué)習(xí)到了預(yù)測代碼和描述之間相似性的能力，但它的理解仍然與人類的理解存在較大差距。這提示我們在模型訓(xùn)練和評估時，需要更加關(guān)注模型是否真正理解了代碼的語義，而不僅僅是表面形式上的相似性。通過深入分析表征，我們意識到在模型訓(xùn)練過程中需要加強(qiáng)代碼和描述之間的對齊能力。目前，我們主要采用對比學(xué)習(xí)的方法來訓(xùn)練模型，但為了進(jìn)一步提升模型的性能，我們計劃在訓(xùn)練中加入更多的對齊機(jī)制。仿真驗證（數(shù)字孿生）這部分我們想討論的是一種稱為仿真驗證的技術(shù)，也就是數(shù)字孿生。在模型訓(xùn)練完成后，我們經(jīng)常會遇到模型的評估指標(biāo)，如準(zhǔn)確率、召回率和F1分?jǐn)?shù)等，看起來非常高的情況。這些數(shù)字并不總能代表模型在實際應(yīng)用中能顯著提升程序員的工作效率。有時候，即使模型的BLEU分?jǐn)?shù)只差一點點，程序員可能仍需花費大量時間進(jìn)行調(diào)整。另一方面，即使BLEU分?jǐn)?shù)差異很大，也不一定意味著模型的預(yù)測結(jié)果不對。這是一個非常微妙的問題。為了解決這個問題，我們提出了數(shù)字孿生驗證技術(shù)。在我們與字節(jié)跳動的合作中，我們進(jìn)行了用戶實驗，讓學(xué)生實際使用我們的工具進(jìn)行編碼。我們發(fā)現(xiàn)，即使在學(xué)術(shù)環(huán)境中，驗證模型的預(yù)測是否真正有用是一項工作量非常龐大的工作。因此，我們希望通過代碼提交，即編輯歷史的一個結(jié)果，來恢復(fù)過去的開發(fā)過程。我們稱這個項目為“Historian”，就像考古學(xué)家通過文物來還原歷史一樣，我們希望通過已知的代碼提交來恢復(fù)程序員過去的代碼編輯過程。在這個過程中，我們需要解決一些問題，例如兩個編輯之間可能存在的偏序關(guān)系，確定哪個編輯先發(fā)生，哪個后發(fā)生。通過恢復(fù)整個代碼編輯的開發(fā)過程，我們可以在這個過程中引入模型，并觀察在什么情況下模型真正有助于提升生產(chǎn)力，或者是否實際上在拖累開發(fā)。我們需要評估模型的表現(xiàn)是否真的有助于提高效率，或者它是否與不使用模型時的表現(xiàn)相當(dāng)?；舅悸罚簭奶峤粴v史重現(xiàn)“當(dāng)年的”開發(fā)過程在我們的工作中，我們建立了一個復(fù)雜的工作流程，旨在通過提交歷史來重現(xiàn)程序員當(dāng)年的開發(fā)過程。這個流程的出發(fā)點是確定在何種程度的BLEU分?jǐn)?shù)下，模型應(yīng)該采取下一步行動。我們的目標(biāo)是利用歷史記錄來創(chuàng)建一個虛擬的程序員，這個虛擬的程序員能夠基于單個提交（commit）恢復(fù)出多種可能的編輯過程。在這些編輯過程中，我們的模型將被引入。我們允許對這個虛擬程序員的行為進(jìn)行配置，例如：在檢查推薦時需要花費多少時間？如果推薦錯誤，他將被延誤多長時間？如果推薦正確，他將花費多少時間進(jìn)行審查？我們會根據(jù)不同情況來設(shè)定這些參數(shù)。在這個過程中，我們會模擬實際的編輯場景。例如，如果我們輸入一個描述并產(chǎn)生編輯，這個過程可能需要77秒，這包括了第一次編輯、加載語言模型的時間（因為模型不是憑空產(chǎn)生的），以及推薦編輯位置所需的時間。如果我們的推薦正確，我們將計算產(chǎn)生的延遲；如果錯誤，我們將計算延誤的時間。我們還會模擬用戶檢測推薦所需的時間。通過這樣的模擬，我們可以與正常的編輯過程進(jìn)行比較，以確定模型是在幫助用戶還是影響用戶。通過這種方式，我們基本上可以觀察到，當(dāng)模型被應(yīng)用于實際的開發(fā)過程時，所有的性能指標(biāo)，如準(zhǔn)確率和召回率，實際上都會出現(xiàn)一定程度的下降。這是因為在現(xiàn)實世界中，模型的表現(xiàn)受到多種因素的影響，包括與人類用戶的交互。這個就是我們的SEfor（AIforSE）框架，旨在探索和改進(jìn)人工智能在軟件工程中的應(yīng)用。在這個框架中，我們預(yù)見到未來業(yè)界將越來越多地采用這種模式。程序員的工作方式正在發(fā)生變化，他們不再只是調(diào)用和開發(fā)API或修改第三方庫，而是可能會需要收集訓(xùn)練數(shù)據(jù)來微調(diào)模型，就像調(diào)整第三方庫一樣。模型本質(zhì)上是一種特殊的第三方庫，程序員在未來可能需要學(xué)習(xí)如何編寫更有效的提示（prompt）來與這些模型交互。這可能會形成新的工作模式。隨著這些新工作流程的出現(xiàn)，我們面臨著如何進(jìn)一步提升和賦權(quán)這些模式的問題。目前的模型是概率模型，每次輸出可能并不穩(wěn)定，同時還需要解決模型輸出的幻覺問題。為了解決這些問題，我們嘗試提出了一些方法。例如，樣本歸因可以幫助我們追溯并理解對特定預(yù)測產(chǎn)生貢獻(xiàn)的訓(xùn)練樣本。通過分析學(xué)習(xí)后的樣本表征，我們可以在表征空間上進(jìn)行更深入的交互式分析。我們還提出了一個仿真驗證過程，也就是數(shù)字孿生的概念。通過創(chuàng)建一個虛擬的程序員來進(jìn)行編輯操作，我們可以模擬實際的開發(fā)過程，并觀察模型在其中的作用。我們希望這種虛擬仿真的方法能夠幫助程序員或大型企業(yè)驗證模型的實際效用。如果我們想在生產(chǎn)環(huán)境中引入一個新模型，我們需要說服生產(chǎn)團(tuán)隊這個模型確實能夠帶來產(chǎn)能增值。通過數(shù)字孿生技術(shù)，我們可以模擬模型在實際開發(fā)過程中的表現(xiàn)，從而預(yù)估它可能帶來的效益。展望：AI原生的軟件工程實踐隨著人工智能時代的到來，軟件工程的實踐將發(fā)生根本性變化。過去，編程主要是為了交付軟件產(chǎn)品。但在AI時代，編程不僅僅是為了交付，它還具有數(shù)據(jù)標(biāo)注的意義。我們編寫的每一行代碼、提交的每一個commit、撰寫的每一個需求，都可能被用來訓(xùn)練模型。這意味著代碼編輯和整個編輯過程實際上在無形中完成了數(shù)據(jù)的標(biāo)注工作。由于模型訓(xùn)練對數(shù)據(jù)質(zhì)量有很高的要求，我們預(yù)見未來將出現(xiàn)一種AI原生的軟件工程實踐。我們將利用現(xiàn)有的數(shù)據(jù)來訓(xùn)練模型，然后評估這些模型是否符合我們的預(yù)期。有了新模型后，我們可以反向工作，利用模型預(yù)測的好壞來評估過去的編程實踐是否合適。這個過程類似于梯度下降，從模型預(yù)測到生產(chǎn)過程或代碼標(biāo)注的反向優(yōu)化。我們可以通過模型的性能和對數(shù)據(jù)質(zhì)量的分析，反過來指導(dǎo)整個開發(fā)實踐，告訴我們何時應(yīng)該如何編寫代碼、如何記錄代碼歷史，或者如何提出問題。以前，我們通常依據(jù)一些軟性指標(biāo)來推薦最佳實踐，未來我們將有更硬性的理由來證明為何要這樣編寫代碼。因為這樣做可以使模型訓(xùn)練得更好。通過這種方式，我們可以不斷調(diào)整實踐，形成一個AI原生的軟件工程范式，最終推動整個過程的自動化。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
10/25
低代碼/無代碼如何打破“雞肋”困境？
前言：??低代碼及無代碼領(lǐng)域從2019年開始被資本市場關(guān)注，在爭議中不斷發(fā)展，至今仍存在諸多尚未厘清的概念有待探討，因此我們?nèi)嫜芯渴崂砹说痛a/無代碼行業(yè)最新情況，試圖探討以下核心問題：??無代碼/低代碼是不是偽需求？??近幾年無代碼/低代碼行業(yè)快速崛起的驅(qū)動因素是什么？??無代碼/低代碼行業(yè)和快速興起的基于云的生意關(guān)系是什么？??國內(nèi)外無代碼/低代碼領(lǐng)域在近一兩年有哪些新的行業(yè)趨勢或變化？??本次Scale?Partners?勢乘資本將力求全面、客觀地分析這一行業(yè)，并在此基礎(chǔ)上闡述我們當(dāng)前的看法，并對未來趨勢做出預(yù)判。??01?核心結(jié)論匯總??總體來說，當(dāng)前無/低代碼行業(yè)在中國面臨專業(yè)編程人員不常用到，業(yè)務(wù)人員不易熟練使用的痛點。但是我們認(rèn)為，在企業(yè)數(shù)字化轉(zhuǎn)型的需求逐步強(qiáng)烈、IT開發(fā)人員的供給越發(fā)呈現(xiàn)出相對短缺的背景下，無/低代碼產(chǎn)品的價值會逐步被市場認(rèn)可。另外，隨著未來適配VR等設(shè)備的虛擬內(nèi)容數(shù)量的劇增，這部分內(nèi)容創(chuàng)作的需求一方面需要依靠AI來滿足，另一部分預(yù)計需要人借助低代碼工具來滿足。??表單驅(qū)動型無/低代碼廠商可能難以解決跨行業(yè)、多場景的復(fù)雜需求，我們認(rèn)為模型驅(qū)動型產(chǎn)品會逐漸成為主流。對低代碼公司來說，提升產(chǎn)品力需要從兩方面入手：一是提升底層技術(shù)實力，豐富數(shù)據(jù)模型的豐富度;同時要通過與專業(yè)的咨詢公司、深耕行業(yè)的解決方案服務(wù)商等機(jī)構(gòu)合作，加深對客戶所處行業(yè)、業(yè)務(wù)開展的具體場景的理解。??考慮到低代碼平臺對用戶的代碼能力有一定要求，把控低代碼平臺上服務(wù)商的數(shù)量和質(zhì)量很重要。良好的ISV生態(tài)不僅有利于企業(yè)低代碼產(chǎn)品的推廣，還有助于企業(yè)在特定區(qū)域市場內(nèi)構(gòu)建壁壘。??在軟件開發(fā)和應(yīng)用領(lǐng)域，開源的勢頭越來越猛，但考慮到行業(yè)內(nèi)無/低代碼平臺的使用者的創(chuàng)新能力在推動產(chǎn)品精進(jìn)方面的能力有限，我們認(rèn)為無/低代碼行業(yè)不太存在被開源產(chǎn)品降維打擊的風(fēng)險。??由于無/低代碼企業(yè)將加強(qiáng)云計算企業(yè)的服務(wù)能力，云計算企業(yè)會繼續(xù)保持對無/低代碼行業(yè)的關(guān)注，并通過投資整合的方式將企業(yè)納入自己的生態(tài)范圍。從獲客和增長的角度看，無代碼企業(yè)傾向于與用戶基數(shù)巨大的平臺合作，低代碼企業(yè)適合與提供定制化程度高的軟件企業(yè)合作。??目前各個無/低代碼平臺上的模型、數(shù)據(jù)和應(yīng)用程序可移植性不佳。這種局面可能是無/低代碼平臺和合作綁定的云計算廠商所樂見的，因為這將增強(qiáng)客戶對自家產(chǎn)品的依賴程度。在無/低代碼企業(yè)之間的競爭背后，我們一定能看到云計算大廠的影子。??眾多國外無/低代碼廠商在2021年初左右宣布進(jìn)入中國市場，2021年互聯(lián)網(wǎng)巨頭也加大了在這個方向的投入力度。我們判斷這個行業(yè)在未來會出現(xiàn)大量深耕特定行業(yè)或場景的“小巨人”，但單個“小巨人”可能不足以支撐起很大的估值，未來行業(yè)內(nèi)的整合并購會非?；钴S。??行業(yè)可能面臨的潛在風(fēng)險有：市場需求不及預(yù)期、技術(shù)研發(fā)進(jìn)度遲緩、市場競爭加劇、數(shù)據(jù)安全和隱私保護(hù)等政策收緊等。??02?市場環(huán)境??1.?無/低代碼行業(yè)的定義及邊界??我們首先明確一下“無代碼開發(fā)”、“低代碼開發(fā)”的具體含義：所謂的“低代碼開發(fā)”是指一種可視化應(yīng)用開發(fā)方法，旨在讓不同經(jīng)驗水平的開發(fā)人員能夠通過圖形用戶界面，使用拖放式組件和模型驅(qū)動邏輯來創(chuàng)建?Web、軟件和移動應(yīng)用。??廣義來說，“低代碼開發(fā)”一詞包括了“低代碼開發(fā)”和“無代碼開發(fā)”。這兩者的區(qū)別直觀體現(xiàn)在完成應(yīng)用程序開發(fā)所需代碼量上——前者仍然需要編寫少量代碼，而后者不需要書寫代碼。因此，低代碼應(yīng)用主要面向企業(yè)內(nèi)部開發(fā)人員，無代碼應(yīng)用主要面向業(yè)務(wù)人員。在后端，低代碼和無代碼的差異主要體現(xiàn)在對代碼的模塊化封裝程度上。??低代碼和無代碼分貝通過程序和封裝模塊實現(xiàn)特定功能??我們很容易看出，低代碼平臺屬于PaaS層，架設(shè)在IaaS上，通過“應(yīng)用程序平臺即服務(wù)(aPaaS,application?Platform?as?a?Service)+集成平臺即服務(wù)(iPaaS,integration?Platform?as?a?Service)”共同構(gòu)建。??2.?行業(yè)歷史及階段??(1)行業(yè)整體發(fā)展歷程概覽??低代碼開發(fā)的理念最早可以追溯至20世紀(jì)80年代第四代編程語言的提出，2000年可視化編程語言(VPL)助推低代碼開發(fā)這一理念進(jìn)一步發(fā)展。2014年，F(xiàn)orrester?Research正式提出“低代碼開發(fā)平臺”(LCAP)這一概念，2018年Gartner進(jìn)一步提出aPaaS和iPaaS概念，讓低代碼行業(yè)受到越來越多的人關(guān)注。??在《2021年中國ICT技術(shù)成熟度曲線報告?(Hype?Cycle?for?ICT?in?China,?2021)》中，低代碼應(yīng)用開發(fā)平臺(LCAP)首次作為新興技術(shù)熱點被納入。根據(jù)Gartner的預(yù)測，到2024年，所有應(yīng)用程序開發(fā)活動當(dāng)中的65%將通過低代碼的方式完成，同時75%的大型企業(yè)將使用至少四種低代碼開發(fā)工具進(jìn)行應(yīng)用開發(fā)。??備注：第一代到第四代計算機(jī)語言??第一代語言(或機(jī)器語言)：一種面向計算機(jī)的程序設(shè)計語言，使用0和1表示各種命令。使用者通過計算機(jī)系統(tǒng)開關(guān)的面板輸入指令到計算機(jī)系統(tǒng)中。??第二代語言(或匯編語言)：程序中的每一行直接對應(yīng)到一條處理器指令，每種語言寫出的程序只能運行在特定的一類處理器架構(gòu)上。??第三代語言(高階匯編語言)：比第一代及第二代編程語言更加的抽象化，一句話對應(yīng)多條匯編語言。高階匯編語言更加接近人類的語言，需要編譯器或是直譯器。??第四代語言(目標(biāo)語言)：目標(biāo)語言的核心在于用清晰、明確、規(guī)范的語言，來精準(zhǔn)地描述出使用者要實現(xiàn)的功能。目標(biāo)翻譯器會自動把目標(biāo)語言翻譯為計算機(jī)的操作語言。??(2)低代碼行業(yè)在國外發(fā)展情況??1999年，Salesforce創(chuàng)立??2001年，Outsystems創(chuàng)立??2007年，MIT將低代碼開發(fā)理念應(yīng)用于兒童編程領(lǐng)域，推出Scratch??2015年，Amazo、AWS、Google、Microsoft等巨頭開始入局低代碼開發(fā)??2018年，Siemens收購Mendix,將其與工業(yè)互聯(lián)網(wǎng)平臺MindSphere整合。同年OutSystems獲得KKR、Goldman?Sachs等機(jī)構(gòu)融資，成為行業(yè)獨角獸??(3)低代碼行業(yè)在中國發(fā)展情況??國內(nèi)部分低代碼平臺廠商最早從事BPM相關(guān)業(yè)務(wù)，自2014年開始逐漸轉(zhuǎn)型。這一時期主要玩家是傳統(tǒng)軟件廠商(如金蝶、用友、致遠(yuǎn)互聯(lián)、泛微等)，使用者更多是懂代碼的開發(fā)者。同時客戶需要購買服務(wù)器、部署環(huán)境、開發(fā)上線，從使用到上線門檻較高。??自2019年開始，國內(nèi)互聯(lián)網(wǎng)大廠開始布局無/低代碼行業(yè)。基于公有云，無/低代碼產(chǎn)品使用門檻進(jìn)一步降低。用戶通常只需要注冊一個賬號就可以使用，產(chǎn)品的易用性、用戶體驗?zāi)苡酗@著提升。這一階段隨著互聯(lián)網(wǎng)基礎(chǔ)設(shè)施建設(shè)不斷健全，很多無/低代碼產(chǎn)品可以直接調(diào)用系統(tǒng)，無需自行開發(fā)。??2010年，奧哲成立，發(fā)布H3?BPM??2012年，伙伴云成立??2013年，明道云成立??2014年，APICloud、IVX成立??2015年，輕流成立，帆軟推出“簡道云”，華炎軟件推出低代碼開發(fā)平臺“華炎魔方”，奧哲推出“氚云”(并于次年與釘釘達(dá)成戰(zhàn)略合作)??2016年，葡萄城GrapeCity推出企業(yè)級低代碼開發(fā)平臺"活字格";同年無遠(yuǎn)、數(shù)睿數(shù)據(jù)成立??2017年，ClickPaas成立，并于次年發(fā)布aPaaS產(chǎn)品??2018年，九章信息科技孵化推出搭搭云??2019年，黑帕云、數(shù)式科技、白碼、維格表成立，并于當(dāng)年上線相應(yīng)無代碼或低代碼開發(fā)產(chǎn)品??2019年，阿里“宜搭”低代碼應(yīng)用搭建平臺上線，與釘釘打通??2020年，華為推出AppCube??2020年11月，字節(jié)推出飛書多維表格??2021年初，騰訊云“微搭”低代碼平臺上線??(4)行業(yè)正在發(fā)生的趨勢與變化??1)由于模型驅(qū)動型產(chǎn)品能夠滿足更加多樣化的需求，越來越多的企業(yè)開始從表單驅(qū)動向模型驅(qū)動轉(zhuǎn)換。在打造模型驅(qū)動型產(chǎn)品時，數(shù)據(jù)安全性、接口多樣性、模型豐富性是客戶較為關(guān)注的維度;??2)隨著產(chǎn)品的完善和模型的積累，無/低代碼平臺將逐漸從企業(yè)管理事項逐步向企業(yè)核心業(yè)務(wù)場景切入，給出標(biāo)準(zhǔn)化的開發(fā)解決方案，實質(zhì)地參與到企業(yè)價值創(chuàng)造的過程中;??3)越來越多的傳統(tǒng)軟件企業(yè)和云計算企業(yè)入局低代碼行業(yè)，并加大了投資力度，防止低代碼企業(yè)侵蝕自身SaaS業(yè)務(wù)和軟件定制開發(fā)市場。部分企業(yè)通過投資、收購低代碼企業(yè)的方式進(jìn)一步增強(qiáng)對客戶的服務(wù)能力，豐富自身構(gòu)建的企業(yè)服務(wù)生態(tài);??4)越來越多的無/低代碼企業(yè)認(rèn)識到了社區(qū)建設(shè)的必要性和意義。用戶的反饋和分享出來的使用心得可以幫助企業(yè)持續(xù)提升產(chǎn)品力，并降低新用戶的使用門檻。在用戶與企業(yè)、用戶與用戶之間的良性互動中，企業(yè)的平臺價值得到提升，用戶對平臺產(chǎn)品的粘性進(jìn)一步增強(qiáng)。??3.?市場需求及價值??只有當(dāng)行業(yè)能夠創(chuàng)造社會價值、行業(yè)內(nèi)企業(yè)能夠解決消費者的需求(Needs)，這個行業(yè)才有存在的意義，值得我們花時間和精力搜尋優(yōu)異的投資標(biāo)的。那么，無代碼/低代碼這個行業(yè)到底解決了什么需求、創(chuàng)造了什么價值呢？??(1)幫助中小微企業(yè)低成本、快速地完成信息化建設(shè)??盡管越來越多的企業(yè)已經(jīng)意識到信息化建設(shè)的必要性和緊迫性，中小型企業(yè)由于人才短缺、信息化基礎(chǔ)差、研發(fā)投資預(yù)算有限等現(xiàn)實因素的制約，無法高效、高質(zhì)量地推進(jìn)信息化建設(shè)。對中小企業(yè)來說，無代碼/低代碼開發(fā)平臺提供了一個更加低成本且相對可靠的解決方案。??(2)幫助中大型企業(yè)快速滿足臨時性、邊緣性的需求??由于中大型企業(yè)的開發(fā)人員往往無法快速響應(yīng)業(yè)務(wù)人員大量、多變、長尾的需求，業(yè)務(wù)人員或是在日常工作中使用過時、低效的業(yè)務(wù)工具，或是不得不尋求外包服務(wù)商的幫助。無/低代碼開發(fā)平臺可以提高開發(fā)人員對需求的響應(yīng)和處理速度，甚至直接賦能業(yè)務(wù)人員，使其借助無/低代碼開發(fā)平臺自行進(jìn)行應(yīng)用程序開發(fā)。??(3)幫助企業(yè)打通已經(jīng)使用的多套軟件，實現(xiàn)數(shù)據(jù)互聯(lián)互通??一般規(guī)模較大的企業(yè)通常應(yīng)用了OA、HRM、CRM、ERP等多套軟件系統(tǒng)，這些系統(tǒng)彼此之間可能存在信息不互通的問題。無代碼/低代碼平臺通常具備“連接器”模塊，可以幫助企業(yè)打通、集成已使用的多套軟件。另一方面，同一個低代碼工具/平臺可以開發(fā)出面向不同業(yè)務(wù)或場景的應(yīng)用，這些應(yīng)用之間天然能夠?qū)崿F(xiàn)數(shù)據(jù)互聯(lián)互通，將潛在問題解決于無形。??(4)幫助軟件企業(yè)更高效地交付產(chǎn)品、服務(wù)客戶??軟件企業(yè)經(jīng)常面臨這樣的局面：目前已經(jīng)推出的產(chǎn)品無法滿足客戶的部分需求，而如果企業(yè)使用定制化方式進(jìn)行開發(fā)，效率低且成本高。這類對定制化軟件來說“太重”、對SaaS產(chǎn)品又“太輕”的需求特別適合通過無/低代碼開發(fā)來滿足。軟件企業(yè)可自行搭建具備可配置、可變動的“樂高式”工具的開發(fā)平臺，幫助企業(yè)員工快速地在標(biāo)準(zhǔn)產(chǎn)品上開發(fā)客戶的個性化功能。除此之外，無/低代碼平臺還可以幫助CRM、ERP等軟件企業(yè)的商業(yè)伙伴、代理商的實施團(tuán)隊快速搞定二次開發(fā)，加快整體交付節(jié)奏。??根據(jù)ClickPaaS的測算，無/低代碼開發(fā)相較于傳統(tǒng)軟件開發(fā)模式，可平均縮短創(chuàng)建周期75%、平均縮短集成周期90%，大幅降低代碼出錯風(fēng)險。??4.?市場規(guī)模及增速??如果無代碼/低代碼行業(yè)的市場規(guī)模有限且增長緩慢，那么在這個行業(yè)中誕生獨角獸的概率就小很多，創(chuàng)業(yè)者與投資人也不會過多關(guān)注這個領(lǐng)域。因此，我們需要對全球的無代碼/低代碼行業(yè)市場規(guī)模及增速有一個數(shù)量級層面的正確認(rèn)知：??根據(jù)首次于2014年提出“低代碼”這一概念的估算，2017年全球低代碼開發(fā)平臺市場規(guī)模為38億美元，2022年市場規(guī)模將達(dá)到212億美元，五年CAGR為41.03%;??據(jù)測算，全球低代碼市場規(guī)模在2020年達(dá)84億美元，預(yù)計2021年超過百億美元，2025年將達(dá)到471億美元，五年CAGR為41%;??據(jù)估計，全球低碼開發(fā)平臺市場預(yù)計將從2020年的132億美元增長到2025年的455億美元，CAGR為28.1%。??當(dāng)然，我們還需要對中國的市場規(guī)模和增速有所了解：根據(jù)Statista的統(tǒng)計和預(yù)測，2020年中國無/低代碼市場規(guī)模達(dá)到15.9億元，預(yù)計在2025年將突破131億元?？紤]到目前國內(nèi)無代碼/低代碼企業(yè)數(shù)量有限，頭部公司年營收大致在千萬到億這個量級，我們認(rèn)為這個估算結(jié)果較為合理。??綜上所述，盡管無代碼/低代碼行業(yè)在中國的市場規(guī)模目前較小，但全球市場規(guī)模在百億美元量級，且增速飛快，是一個足夠大的市場。因此，對這個行業(yè)進(jìn)行嚴(yán)謹(jǐn)?shù)姆治鍪潜匾矣幸饬x的。??5.?市場增長的驅(qū)動因素??那么，究竟是什么原因讓無/低代碼平臺在過去的幾年里持續(xù)獲得關(guān)注，并讓諸多機(jī)構(gòu)對市場規(guī)模和增速有著相當(dāng)樂觀的預(yù)期呢？概括起來我們認(rèn)為原因主要有如下幾點：??(1)企業(yè)信息化和數(shù)字化進(jìn)程不斷深入??在經(jīng)濟(jì)增速放緩、行業(yè)競爭加劇的大背景下，越來越多的企業(yè)意識到數(shù)字化和信息化建設(shè)的必要性和緊迫性，并愿意為之付費。由于無/低代碼開發(fā)平臺能夠有力促進(jìn)企業(yè)的數(shù)字化轉(zhuǎn)型，因此這個行業(yè)在過去幾年里快速發(fā)展。??(2)軟件開發(fā)人員供給相對短缺??與日益增長的應(yīng)用開發(fā)需求相比，軟件開發(fā)人員的數(shù)量顯得嚴(yán)重不足。根據(jù)Gartner預(yù)計，2021年全球市場對于應(yīng)用開發(fā)的需求將是IT公司產(chǎn)能的5倍。Microsoft估計，未來?5?年將有?4.5?億款新應(yīng)用程序?qū)⒈婚_發(fā)出來(這一數(shù)字超過過去?40?年的總和)，IT人才產(chǎn)能嚴(yán)重短缺。??(3)互聯(lián)網(wǎng)基礎(chǔ)設(shè)施不斷完善??一方面，越來越多的企業(yè)開始使用云計算廠商提供的產(chǎn)品和服務(wù);另一方面，很多成熟的應(yīng)用程序都開放了接口，其他產(chǎn)品無需自行開發(fā)，可直接調(diào)用系統(tǒng)或者功能。因此，無/低代碼產(chǎn)品應(yīng)用的基礎(chǔ)條件越來越成熟，行業(yè)開始加速發(fā)展。??(4)WEB?應(yīng)用的前端技術(shù)和模型化設(shè)計的基礎(chǔ)越來越成熟??從歷史演進(jìn)過程看，軟件編程語言的發(fā)展主脈絡(luò)就是高級語言對低級語言的抽象封裝復(fù)用(例如C?對匯編、C++?對?C、Java?對?C++)。在云時代，我們有理由認(rèn)為新的趨勢是可視化編程語言(VPL)對傳統(tǒng)編程語言的抽象封裝復(fù)用。??03?產(chǎn)業(yè)鏈與行業(yè)格局??1.?玩家分類與行業(yè)圖譜??(1)應(yīng)用衍生類??軟件應(yīng)用企業(yè)建設(shè)無/低代碼平臺的動機(jī)有非常強(qiáng)的業(yè)務(wù)屬性，即用以提升企業(yè)內(nèi)部人員開發(fā)效率，補齊標(biāo)準(zhǔn)化產(chǎn)品的短板，或是幫助客戶和集成商(或代理商)更好地進(jìn)行二次開發(fā)。在此基礎(chǔ)上，部分企業(yè)將平臺開放給第三方的應(yīng)用開發(fā)商(ISV)，突破企業(yè)自有的SaaS產(chǎn)品和服務(wù)聚焦的業(yè)務(wù)領(lǐng)域以實現(xiàn)“破圈”，最終形成一個更大的應(yīng)用生態(tài)。??SaaS廠商衍生類的企業(yè)代表有Salesforce、Zoho、銷售易、北森等。??(2)廠商轉(zhuǎn)型類??部分軟件公司曾長期深耕某一特定業(yè)務(wù)場景，積累了深刻的認(rèn)知和相關(guān)技術(shù)能力。這些企業(yè)可通過遷移其原有的業(yè)務(wù)引擎，快速拓展和建設(shè)自身的無/低代碼產(chǎn)品能力。軟件廠商轉(zhuǎn)型類的代表企業(yè)有做業(yè)務(wù)流程管理(BPM)起家的的奧哲、用友、Appian等。??(3)代碼原生類??國內(nèi)外大部分創(chuàng)業(yè)公司都選擇了低代碼原生的路徑，即跳過具體的行業(yè)或場景，直接構(gòu)建通用型無/低代碼開發(fā)平臺，代表企業(yè)有?OutSystems、Mendix、ClickPaaS、簡道云、輕流等。??我們按照企業(yè)類型，整理出供大家參考：??中國無/低代碼企業(yè)行業(yè)圖譜??2.?行業(yè)兩大技術(shù)路徑??(1)表單驅(qū)動??表單驅(qū)動型產(chǎn)品與雕版印刷術(shù)有些類似，強(qiáng)調(diào)“所見即所得”。這類產(chǎn)品開發(fā)的核心是，通過工作流在軟件系統(tǒng)中模擬業(yè)務(wù)開展的情景，分析可能遇到的業(yè)務(wù)問題，并設(shè)計可供用戶調(diào)用的模塊和組件。??在表單驅(qū)動型產(chǎn)品中，數(shù)據(jù)的層次關(guān)系相對簡單，比較適合打造輕量級的，行業(yè)或場景屬性不強(qiáng)的應(yīng)用，如OA審批、資料歸檔、客戶管理等，一般面向業(yè)務(wù)人員。??表單驅(qū)動型產(chǎn)品以“所見即所得”為主??(2)模型驅(qū)動??如果用雕版印刷類比表單驅(qū)動型產(chǎn)品，那么模型驅(qū)動產(chǎn)品更像活字印刷。這類產(chǎn)品開發(fā)的關(guān)鍵是將業(yè)務(wù)流程進(jìn)行抽象呈現(xiàn)，在實操層面對業(yè)務(wù)領(lǐng)域進(jìn)行建模，通過邏輯判斷語句支持完善的業(yè)務(wù)模型，靈活性較高，能夠服務(wù)于企業(yè)的復(fù)雜場景開發(fā)需求和整體系統(tǒng)開發(fā)。??模型驅(qū)動型產(chǎn)品本身的研發(fā)考驗的是企業(yè)“把書讀薄”的能力，即剝離各個行業(yè)的特性，去尋找實際業(yè)務(wù)開展中的共性。但要想使用模型驅(qū)動型產(chǎn)品，用戶還需要具備“把書讀厚”的能力，即能夠從沒有顯著行業(yè)特性的邏輯關(guān)系圖中，還原出企業(yè)業(yè)務(wù)人員面臨的具體使用場景，并在此基礎(chǔ)上開發(fā)應(yīng)用。因此，模型驅(qū)動型產(chǎn)品主要面向?qū)I(yè)開發(fā)人員。??模型驅(qū)動型產(chǎn)品以面向?qū)ο蟮哪Ｐ驮O(shè)計為主??3.?行業(yè)的決勝要素??(1)解決多場景下的需求的能力。企業(yè)對用戶所處行業(yè)、業(yè)務(wù)場景理解的深度直接決定了企業(yè)的低代碼平臺能夠搭建怎樣的應(yīng)用，因為平臺上的封裝模塊越多、數(shù)據(jù)模型越豐富和細(xì)致，用戶在復(fù)雜和個性化場景下的需求越容易被滿足;??(2)易用性決定使用門檻，可擴(kuò)展性決定是否付費。好的產(chǎn)品應(yīng)當(dāng)讓使用者能夠快速地解決當(dāng)下的問題，并滿足其未來潛在的需求。只有兼顧了便利性以及可拓展性的產(chǎn)品才能夠在商業(yè)化的過程中走得更穩(wěn)、更遠(yuǎn);??(3)私有云部署能力和接口集成能力。前者決定了無/低代碼企業(yè)能否滿足大中型企業(yè)數(shù)據(jù)安全相關(guān)要求，后者則決定了無/低代碼平臺的開放性有多高、應(yīng)用場景有多全;??(4)響應(yīng)速度和服務(wù)質(zhì)量。無/低代碼企業(yè)之間的競爭不僅僅是產(chǎn)品力層面的競爭，還包括在服務(wù)商實施、產(chǎn)品培訓(xùn)、售后支持等維度上的競爭。在服務(wù)項中，售后支持(尤其是服務(wù)響應(yīng)速度)是企業(yè)差異化的關(guān)鍵。??04?國外相關(guān)公司??1.?公司一：Outsystem??(1)發(fā)展歷程：??2001年成立于葡萄牙里斯本，最早為電信運營商提供敏捷開發(fā)服務(wù)??2006年推出低代碼開發(fā)工具及平臺??2011年開始逐漸推出云服務(wù)，并在2015年正式轉(zhuǎn)型為云廠商??2017年發(fā)布低代碼平臺新版本，引入DevOps及API??2020年和AWS達(dá)成戰(zhàn)略合作，加快將先進(jìn)的云服務(wù)集成到應(yīng)用程序中的能力??(2)業(yè)務(wù)簡介：??采用模型驅(qū)動的技術(shù)路徑，提供企業(yè)級低代碼開發(fā)平臺。??(3)特點：??產(chǎn)品具備高開放性和可拓展性。Outsystems提供的平臺可以與數(shù)據(jù)庫、系統(tǒng)、開源接口對接，通過OutSystems開發(fā)的APP可以直接發(fā)布至App?Store和Google?Play;??社區(qū)生態(tài)建設(shè)完善。公司構(gòu)建了社區(qū)，讓使用者可以發(fā)布自己開發(fā)的應(yīng)用或插件，供其他用戶使用。在日常經(jīng)營中，公司把公民開發(fā)者(citizen?developer)的數(shù)量視為僅次于收入的第二關(guān)鍵指標(biāo);??重視戰(zhàn)略合作伙伴的開發(fā)和維護(hù)。Outsystems與Accenture等咨詢機(jī)構(gòu)、Everis等IT解決方案提供商維持良好的合作關(guān)系，這些合作伙伴幫助Outsystems開拓企業(yè)客戶。??(4)財務(wù)及業(yè)務(wù)數(shù)據(jù)：??公司2018年收入突破1億美元，目前客戶數(shù)量超過30萬;??截止2021年，OutSystems社區(qū)已有超過43.5萬名成員，應(yīng)用下載量達(dá)到100萬，有超過35.7萬相關(guān)課程。??2.?公司二：Mendix??(1)發(fā)展歷程：??2005年成立于荷蘭，為荷蘭大型郵政公司提供數(shù)字化轉(zhuǎn)型服務(wù)??2010年推出敏捷開發(fā)一站式服務(wù)，并推出可視化構(gòu)建應(yīng)用程序平臺??2011年推出Mendix3.0版本，上線云門戶管理部署功能??2015年，Mendix實現(xiàn)模型共享??2018年，Mendix實現(xiàn)邏輯流程的AI化，同年被西門子以6億歐元收購。西門子將Mendix與MindSphere工業(yè)物聯(lián)網(wǎng)系統(tǒng)相結(jié)合，完善企業(yè)數(shù)字化解決方案??2021年1月進(jìn)入中國市場，4月初與騰訊云達(dá)成合作。Mendix?9于2021年11月在騰訊云Mendix低代碼開發(fā)平臺正式上線??(2)業(yè)務(wù)簡介：??提供模型驅(qū)動的可視化低代碼開發(fā)平臺Mendix?Studio和可視化低代碼開發(fā)平臺Mendix?Studio?Pro,分別面向業(yè)務(wù)人員和專業(yè)開發(fā)人員。兩款產(chǎn)品內(nèi)置了敏捷開發(fā)的功能，并提供各種數(shù)據(jù)庫以及典型核心系統(tǒng)的連接組件，讓使用人員通過調(diào)用和參數(shù)配置就可以把多個垂直業(yè)務(wù)系統(tǒng)的數(shù)據(jù)通過Mendix連接起來，并單鍵部署到任何云上。??(3)財務(wù)及業(yè)務(wù)數(shù)據(jù)：??2020年收入超過1億美元，預(yù)計18個月后收入翻番??社區(qū)活躍用戶超過20萬??3.?公司三：Appian??(1)發(fā)展歷程：??公司成立于1999年，2004年發(fā)布BPM(Business?Process?Management)軟件平臺??2004年開始進(jìn)行業(yè)務(wù)轉(zhuǎn)型，由傳統(tǒng)的BPM軟件服務(wù)商逐漸向圍繞BPM的PaaS平臺過渡，先后上線Case?Management、RPA等功能??2014年開始，公司大幅增加對訂閱收費模式的產(chǎn)品的投入，逐漸降低對定制化服務(wù)的依賴??2017年公司在納斯達(dá)克上市??2019年進(jìn)軍AI領(lǐng)域，加強(qiáng)產(chǎn)品生態(tài)建設(shè)，推出低代碼+AI產(chǎn)品平臺??(2)業(yè)務(wù)簡介：??目前Appian的低代碼自動化平臺主要提供以下四項服務(wù)：??BPM:業(yè)界領(lǐng)先的智能業(yè)務(wù)流程管理系統(tǒng)，幫助客戶設(shè)計、執(zhí)行、管理和優(yōu)化復(fù)雜流程??Case?Management:通過自動化的協(xié)作工作和異常處理，更快地解決客戶的項目??RPA:通過使用Appian或第三方軟件商的RPA工具，幫助客戶在集成的工作流中將例行任務(wù)自動化，提高生產(chǎn)力??AI:集成谷歌、AWS和Azure的人工智能能力，讓用戶的應(yīng)用能夠智能化地挖掘信息、分析數(shù)據(jù)??(3)財務(wù)及業(yè)務(wù)數(shù)據(jù)：??2020年收入超過3億美元，毛利超過2億美元??客戶超過690家，政府和非商業(yè)組織數(shù)量超過140家??平均客單價在50萬美元左右，近三年客單價在100萬美元以上的客戶占比超過10%??05?推薦標(biāo)的??1.?ClickPaaS??業(yè)務(wù)簡介：??ClickPaaS是一家模型驅(qū)動的低代碼開發(fā)平臺公司，旨在幫助SaaS企業(yè)、咨詢公司以及企業(yè)級客戶降低復(fù)雜業(yè)務(wù)需求場景下的數(shù)字化響應(yīng)時間和成本。??融資歷史：??2018.1?天使輪?云研資本??2019.8?A輪?數(shù)百萬美元?五源資本??2019.12?A+輪?數(shù)百萬美元?明勢資本??2021.3?B輪?數(shù)千萬美元?BAI資本?SIG海納亞洲創(chuàng)投基金?明勢資本?五源資本??2021.10?B+輪?數(shù)千萬美元?紅杉中國?BAI資本?SIG海納亞洲創(chuàng)投基金?明勢資本?五源資本??推薦理由：??ClickPaaS在關(guān)鍵業(yè)務(wù)系統(tǒng)和核心業(yè)務(wù)系統(tǒng)上完成了建模實現(xiàn)和國產(chǎn)化替代，擁有頂尖的全場景模型驅(qū)動設(shè)計能力，同時也是國內(nèi)在開源、開放生態(tài)系統(tǒng)建設(shè)上最為領(lǐng)先的企業(yè);??客戶涵蓋金融，政務(wù)，工業(yè)，物流，能源，醫(yī)藥等行業(yè)，團(tuán)隊有豐富的大客戶經(jīng)驗，在工程施工、人力資源管理、MRO采購和項目管理系統(tǒng)等領(lǐng)域和場景有知名的合作伙伴;??2019年營收達(dá)千萬元，2021?年營收有望翻倍。??2.?輕流??業(yè)務(wù)簡介：??輕流一個無代碼系統(tǒng)搭建平臺。用戶在無IT人員幫助開發(fā)的情況下，通過輕流即可搭建應(yīng)用，做到“隨搭”、“隨改”和“隨用”。??融資歷史：??2017.01?種子輪?60萬人民幣?龍沛資本??2017.08?天使輪?未披露?創(chuàng)新馬槽??2018.12?Pre-A輪?近千萬人民幣?小苗朗程?新進(jìn)創(chuàng)投??2020.10?A輪?數(shù)千萬人民幣?源碼資本?小苗朗程?新進(jìn)創(chuàng)投??2021.03?A+輪?數(shù)千萬人民幣?騰訊投資?源碼資本??2021.10?B輪?啟明創(chuàng)投?零一創(chuàng)投?騰訊投資?新進(jìn)創(chuàng)投??推薦理由：??已服務(wù)超過20萬家海內(nèi)外企業(yè)、政府機(jī)關(guān)單位及學(xué)校，行業(yè)涵蓋互聯(lián)網(wǎng)、制造、零售、教育、工程建筑、金融、生活服務(wù)、娛樂傳媒等數(shù)十個行業(yè);??針對企業(yè)資源管理、生產(chǎn)管理、項目管理、訂單管理、客戶關(guān)系管理、人事行政管理等近百個業(yè)務(wù)場景，輕流都已經(jīng)開發(fā)了解決方案;??連續(xù)3年營收增長4-5倍，盈利模式以訂閱式年費為主，客單價在十萬到百萬數(shù)量級;??騰訊云合作伙伴，曾獲得騰訊兩輪投資支持。??3.?行云創(chuàng)新??業(yè)務(wù)簡介：??行云創(chuàng)新是一家一站式云原生開發(fā)平臺產(chǎn)品和解決方案提供商，為企業(yè)提供項目管理、架構(gòu)設(shè)計、代碼編寫、測試運行、運維運營等環(huán)節(jié)所需的一切支持，助力獨立開發(fā)者和企業(yè)實現(xiàn)容器、DevOps、微服務(wù)架構(gòu)落地，顯著提升開發(fā)效益。??融資歷史：??2018.07?天使輪?近千萬人民幣?國投東興??2019.08?A輪?3000萬人民幣?正軒投資??2020.01?A+輪?深圳高新投??2020.06?Pre-B輪?中云創(chuàng)投資?正軒行云創(chuàng)投??2021.07?B輪?阿里巴巴??推薦理由：??阿里云和行云創(chuàng)新將通過產(chǎn)品組合的方式為企業(yè)客戶提供云原生應(yīng)用開發(fā)、業(yè)務(wù)智能運維等服務(wù)，進(jìn)行深度合作;??兩位創(chuàng)始人技術(shù)實力過硬，同時有商業(yè)敏感度。CEO吳笛曾是美國戴爾風(fēng)投發(fā)起人，就職于戴爾和華為期間負(fù)責(zé)企業(yè)的云業(yè)務(wù)和物聯(lián)網(wǎng)業(yè)務(wù)戰(zhàn)略規(guī)劃;CTO馬洪喜曾設(shè)計和交付華為桌面云，并曾在Rancher?Labs,、Citrix?Systems、甲骨文、微軟等公司擔(dān)任總架構(gòu)師、研發(fā)經(jīng)理、技術(shù)總監(jiān)等職務(wù)。本文來源：比特網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
10/25
多模態(tài)技術(shù)，釋放垂直AI軟件潛力的關(guān)鍵
多模態(tài)技術(shù)正在改變垂直AI應(yīng)用??不久前，Bessemer提出了一個很有價值的觀點：垂直AI軟件將成為未來。說起B(yǎng)essemer,熟悉SaaS行業(yè)的人可能并不陌生。它是美國SaaS領(lǐng)域最專業(yè)的投資機(jī)構(gòu)之一，在過去10年投資了200多家SaaS企業(yè)。為了更好講清楚垂直AI軟件的價值，Bessemer發(fā)布了垂直AI路線圖，總共四個部分。本文是Bessemer的垂直AI路線圖的第二篇文章。在這篇文章中，Bessemer會分享其對以下問題的思考：多模態(tài)的垂直AI應(yīng)用的落地究竟有哪些影響？現(xiàn)在基于多模態(tài)技術(shù)的垂直AI應(yīng)用又有著哪些不錯的落地案例？01多模態(tài)技術(shù)正在改變垂直AI應(yīng)用??在過去12個月中，全球出現(xiàn)了許多新模型，它們在理解語境、減少幻覺以及整體推理能力方面進(jìn)步很大。尤其在語音識別、圖像處理和語音生成等方面，AI的能力正在逐漸接近人類。這為AI解鎖了很多新的應(yīng)用場景。▍語音功能在對話語音領(lǐng)域，模型發(fā)展取得了快速進(jìn)展：語音轉(zhuǎn)文本模型（自動語音識別）和文本轉(zhuǎn)語音模型（生成語音）。目前，市場有數(shù)十家公司提供基于這些模型的語音服務(wù)，這推動了大量新的語音AI應(yīng)用程序的出現(xiàn)。這些應(yīng)用程序大都依賴于所謂的“級聯(lián)架構(gòu)”，即先將語音轉(zhuǎn)錄為文本，然后將該文本輸入到LLM中以生成響應(yīng)，最后將文本輸出反饋到生成語音模型中以產(chǎn)生音頻響應(yīng)。直到最近，這一直是構(gòu)建對話語音應(yīng)用程序的最佳方式。然而，這種方法有一些缺點，比如它會有一定的延遲，同時失去用戶對話中表達(dá)的情感。而現(xiàn)在，新一代語音原生模型已經(jīng)發(fā)布了，包括OpenAI的RealtimeAPI（它支持通過GPT-4o進(jìn)行語音對語音交互），以及Kyutai的Moshi等多個開源項目。與之前的模型相比，語音原生模型的延遲明顯降低（<500毫秒）。它們還可以捕捉更多來自用戶的語境（即語氣、情緒、情感等），并生成反映該語境的響應(yīng)，使交流感覺更自然，并更有可能滿足用戶的需求。在未來幾年內(nèi)，隨著越來越多的對話式語音應(yīng)用基于這些全新改進(jìn)的模型構(gòu)建，我們預(yù)計對話式語音應(yīng)用的速度和質(zhì)量將大幅提升。▍語音應(yīng)用案例現(xiàn)在語音轉(zhuǎn)錄的應(yīng)用已經(jīng)非常成熟了，端到端對話語音代理也取得了顯著的早期進(jìn)展，我們認(rèn)為這是語音AI解決方案的未來方向。接下來，我們就來看看4個AI語音的應(yīng)用案例。1）轉(zhuǎn)錄功能讓用戶有更多時間完成工作流程中的后續(xù)步驟：Bessemer投資組合公司Abridge率先推出了一款一流的醫(yī)療轉(zhuǎn)錄應(yīng)用程序，該應(yīng)用程序可以根據(jù)臨床對話生成醫(yī)療記錄，并確定適當(dāng)?shù)暮罄m(xù)行動，包括購買處方藥、專家預(yù)約等，醫(yī)生可以把更多注意力轉(zhuǎn)移到患者護(hù)理上。另一個很好的例子是Rillavoice,這家公司將人工智能引入了家庭服務(wù)垂直領(lǐng)域。Rillavoice的轉(zhuǎn)錄應(yīng)用程序記錄銷售人員和客戶之間的對話，用于培訓(xùn)目的，這樣銷售經(jīng)理仍然可以提供有價值的指導(dǎo)反饋，而無需進(jìn)行非常耗時的面對面“陪同”。2）用AI來承接銷售線索：到目前為止，我們看到的端到端語音代理最引人注目的用例之一是入站銷售。在很多特定的垂直場景（如家庭服務(wù)企業(yè)或汽車經(jīng)銷商）里，語音代理可以在下班后或其他銷售代表忙碌時接聽客戶電話，從而確保企業(yè)不會錯過有價值的潛在客戶。這些功能比之前的語音機(jī)器人更智能和高效，無需銷售的代表的參與。3）AI客服提升客戶體驗：AI客服一直是應(yīng)用比較多的場景。但許多用戶發(fā)現(xiàn)，早期的交互式語音應(yīng)答(IVR)技術(shù)體驗并不好。事實證明，現(xiàn)代語音代理更有效。因為傳統(tǒng)的IVR產(chǎn)品只能理解客戶對特定措辭的回應(yīng)意圖，但現(xiàn)代語音代理不同，無論客戶如何提問或提出請求，現(xiàn)代語音代理都能提供正確的答案。這樣讓客服人員更有時間對應(yīng)付復(fù)雜的客戶問題。4）自動撥打外撥電話以增加漏斗頂端：現(xiàn)在已經(jīng)出現(xiàn)了多種解決方案來自動撥打銷售和招聘團(tuán)隊的外撥電話。通常，語音代理使用客戶陳述的標(biāo)準(zhǔn)來識別最有潛力的銷售線索或候選人，對線索進(jìn)行首次呼叫，然后將他們引導(dǎo)到與銷售人員或招聘人員的下一次會議。讓人工智能接管外撥工作流程可以顯著增加可以聯(lián)系的線索數(shù)量，從而增加公司的漏斗頂端。隨著時間的流逝，銷售人員和招聘人員有更好的機(jī)會獲得最有潛力的線索。唯一需要注意的事，有必要出臺相應(yīng)的法規(guī)，規(guī)定AI只能向潛在客戶撥打電話，以避免AI銷售的濫用。在所有語音用例中，我們預(yù)計低延遲和理解用戶的情緒和情感將成為一件很重要的事情。此外，由于應(yīng)用場景的差異，AI語音解決方案在其他維度上也略有不同，例如實時協(xié)調(diào)跨多個底層模型的對話以優(yōu)化成本和性能；支持全渠道通信、多種語言和實時翻譯。在視覺方面，我們已經(jīng)看到了GPT-4withvision(GPT-4V)等模型的發(fā)展，這些模型可以解釋圖像并回答有關(guān)圖像的問題，以及處理原始圖像和視頻的多模態(tài)模型。比如，谷歌的多模態(tài)模型Gemini1.5Pro已經(jīng)可以理解圖像和視頻中的輸入。我們預(yù)計，這些和類似的模型將繼續(xù)提高性能并降低成本——這對應(yīng)用程序構(gòu)建者來說是個好消息。▍視覺和視頻的用例垂直應(yīng)用中視覺的應(yīng)用案例通常分為以下四類：數(shù)據(jù)提取、視覺檢查、設(shè)計和視頻分析。雖然數(shù)據(jù)提取是迄今為止視覺模型最成熟的用例，但我們在其他領(lǐng)域也看到了新的應(yīng)用進(jìn)展：1）從圖片、PDF或其他非結(jié)構(gòu)化文檔的圖像中提取數(shù)據(jù)：分析和處理當(dāng)前的非結(jié)構(gòu)化數(shù)據(jù)，AI可以減輕人類繁瑣的數(shù)據(jù)輸入任務(wù)程。例如，Raft針對貨運代理行業(yè)的平臺結(jié)合使用計算機(jī)視覺和LLM從PDF發(fā)票中提取關(guān)鍵信息，填充其客戶的企業(yè)資源規(guī)劃平臺(ERP)，并自動執(zhí)行發(fā)票核對和準(zhǔn)備海關(guān)申報單等下游任務(wù)。2）提升目前人工檢查的效率：許多公司已經(jīng)使用AI來幫助簡化人工檢查流程并更快地提供結(jié)果。比如，人工智能建筑平臺xBuild為住宅建筑和修復(fù)項目生成工作范圍包，然后與保險公司合作獲得報銷批準(zhǔn)。xBuild使用受損屋頂?shù)恼掌头课菟{(lán)圖來生成報告，概述根據(jù)當(dāng)?shù)亟ㄖ?guī)范將屋頂恢復(fù)到正常狀態(tài)所需的修復(fù)范圍。其他應(yīng)用程序已使用人工智能和計算機(jī)視覺來自動化施工圖中的質(zhì)量保證審查過程，幫助盡早發(fā)現(xiàn)錯誤，以防止后期施工過程中出現(xiàn)代價高昂的項目變更。3）生成2D和3D設(shè)計：為建筑、工程和施工(AEC)行業(yè)服務(wù)的AI平臺數(shù)量急劇增加。一些公司正在使用AI進(jìn)行可行性評估，將擬建場地（建筑物、停車場等）的視覺描述與相關(guān)供應(yīng)成本相結(jié)合，根據(jù)后者的成本限制調(diào)整前者，反之亦然。Snaptrude等其他解決方案可以創(chuàng)建建筑物的詳細(xì)3D設(shè)計圖像，接管通常由結(jié)構(gòu)工程師完成的重復(fù)性工作，讓他們有時間專注于更高級別的設(shè)計工作。詳細(xì)產(chǎn)品和基礎(chǔ)設(shè)施設(shè)計的自動化不僅可以節(jié)省客戶寶貴的工程時間，還可以加強(qiáng)銷售提案并提高項目成功率。4）視頻分析：生成和理解視頻的模型是視覺模型中最不成熟的，但它們正在迅速進(jìn)步。在對象跟蹤、分類甚至視頻內(nèi)容的自然語言搜索方面，視頻理解模型已經(jīng)變得相當(dāng)強(qiáng)大。這些模型甚至有些已經(jīng)完成商業(yè)化落地，比如用AI監(jiān)控視頻源以發(fā)現(xiàn)制造或工業(yè)環(huán)境中出現(xiàn)的安全違規(guī)行為。但考慮到視頻模型的進(jìn)步的速度，未來幾年我們將看到更多令人印象深刻的AI應(yīng)用，并擴(kuò)展到更多的用例。尤其在機(jī)器人領(lǐng)域，視頻理解是機(jī)器人感知的關(guān)鍵組成部分。在所有視覺用例中，創(chuàng)始人都應(yīng)避免將復(fù)雜性誤認(rèn)為價值。雖然AI解決方案總被認(rèn)為應(yīng)該應(yīng)用在自動化特別復(fù)雜的工作流程中，但歸根到底，用戶價值還是看現(xiàn)有場景的工作流程適不適合自動化。如果設(shè)計自動化解決方案需要與難以替代的核心系統(tǒng)（如Revit）進(jìn)行繁瑣的集成，并且初始投資回報率較低，那么無論解決方案多么強(qiáng)大，都很難推動銷售和采用。早期公司應(yīng)該從技術(shù)復(fù)雜程度較低、范圍較窄的產(chǎn)品開始，然后再從那里延伸。當(dāng)然，最佳路徑會因行業(yè)和用例而異，但要牢記權(quán)衡利弊。02人工智能代理的前景雖然早期的人工智能代理多少有些炒作的意味，但現(xiàn)在人工智能代理開始有一些真正的落地進(jìn)展。隨著OpenAIo1模型的推出，代理能夠處理更多復(fù)雜的推理任務(wù)。如今，代理在涉及重復(fù)任務(wù)和通信的文本、語音和視覺工作流中發(fā)揮著重要作用。但在未來一年，我們預(yù)計基于較新的推理模型構(gòu)建的應(yīng)用程序?qū)霈F(xiàn)，并發(fā)揮AI代理的真正潛力：自主處理復(fù)雜的工作流。1）銷售和營銷：許多公司都推出了AI代理，可以為銷售團(tuán)隊尋找和聯(lián)系潛在客戶。這些代理的優(yōu)點在于，它們能夠進(jìn)行大量研究數(shù)據(jù)，來識別高質(zhì)量的潛在客戶（通過對目標(biāo)公司、其員工和相關(guān)行業(yè)新聞進(jìn)行詳細(xì)的網(wǎng)絡(luò)搜索），然后使用這些研究結(jié)果來撰寫相關(guān)且高度個性化的電子郵件。由于代理可以有效地執(zhí)行工作中的研究和推廣部分，同時保持相對較高的質(zhì)量，因此它會讓銷售人員將自己時間更多投入到跟蹤熱門銷售線索。2）談判：AI代理在自動完成多方談判方面展示了不錯的前景。Pactum等公司已經(jīng)開發(fā)出能夠就供應(yīng)鏈案例協(xié)商法律和商業(yè)條款的人工智能代理。Pactum的代理可以與供應(yīng)商進(jìn)行談判以優(yōu)化交易條款。我們也看到其他垂直AI公司在銷售和促銷領(lǐng)域采取了類似的方法。在這里，代理根據(jù)既定標(biāo)準(zhǔn)與買家和供應(yīng)商進(jìn)行談判，例如批量購買的折扣或快速付款計劃。3）調(diào)查：企業(yè)網(wǎng)絡(luò)安全團(tuán)隊經(jīng)常被大量安全警報壓得喘不過氣來，但現(xiàn)在有AI代理可以協(xié)助完成警報調(diào)查的初始階段。這包括：從多個不同的系統(tǒng)收集有關(guān)事件的信息，研究可能涉及的惡意行為，總結(jié)事件并評估其嚴(yán)重程度。雖然大多數(shù)團(tuán)隊傾向于使用代理來處理風(fēng)險較低的工作流程，但很明顯，隨著時間的推移，更復(fù)雜的代理可以處理越來越多需要信息收集和綜合的工作流程。我們相信，與不需要這些解決方案的解決方案相比，處理需要跨多種模式進(jìn)行更復(fù)雜推理的任務(wù)和工作流程的代理將更有價值。特別是，我們看到，通過巧妙的架構(gòu)決策以及將正確的模型、反饋回路等拼接在一起以提供一致的結(jié)果，可以提高代理工作流程的性能。代理性能并不完全取決于問題中數(shù)據(jù)和計算的規(guī)模，因此對于早期創(chuàng)業(yè)公司來說，這是一個更具吸引力的機(jī)會。在所有情況下，鑒于底層模型的快速發(fā)展，在構(gòu)建技術(shù)護(hù)城河和確保靈活性之間取得適當(dāng)?shù)钠胶鈱⑹顷P(guān)鍵?？偟膩碚f，越來越多垂直AI的創(chuàng)始人開始研究利用AI多模態(tài)能力，來解決更廣泛的實際任務(wù)。與文本一樣，語音和視覺的底層模型將日益商品化，使公司在強(qiáng)大的基礎(chǔ)模型之上構(gòu)建應(yīng)用程序更具可持續(xù)性。我們相信，這波垂直AI應(yīng)用不僅會改變它們所服務(wù)的行業(yè)和垂直格局，也將從徹底改變我們工作和與世界互動的方式。本文來源：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
10/19
AI正在讓協(xié)同辦公越變越糟糕
這個看法源于一個觀察，國內(nèi)在協(xié)同辦公領(lǐng)域過度強(qiáng)調(diào)AI,但實際應(yīng)用中，像飛書、釘釘?shù)裙ぞ叩闹饕δ埽ㄈ缭诰€文檔、多維表格、打卡簽到等），實際上與AI關(guān)系并不大。這兩年軟件領(lǐng)域新生眾多，大多創(chuàng)業(yè)公司都是奔著AI去的，無論是搜索類、生成類、對話類，不一一列舉，產(chǎn)品一般都是基于某個大模型去發(fā)揮應(yīng)用價值，這些公司因此被抬上了很高的估值。不過在協(xié)同辦公領(lǐng)域，當(dāng)前的AI應(yīng)用似乎多作為噱頭，而非實際賣點。因為對于大多數(shù)協(xié)同辦公場景，AI并未帶來顯著的效率提升或成本降低，現(xiàn)實中接觸到的客戶公司也表示，他們對AI的實際需求有限，很多所謂的AI功能并未被廣泛接受或認(rèn)可。試想一下，在某些情況下，引入AI反而使工作流程變得更復(fù)雜，如使用AI進(jìn)行信息檢索后仍需人工驗證其正確性。由于AI的智能性取決于原始數(shù)據(jù)的準(zhǔn)確程度，用戶對AI的信任度有限，這就限制了AI在協(xié)同辦公中的廣泛應(yīng)用。事實上，我們也對國外的協(xié)同辦公領(lǐng)域進(jìn)行了一番研究，發(fā)現(xiàn)國內(nèi)外所面臨的問題，一定程度上都有共性。比如Zoom,放在三四年前，這是一家不折不扣的明星公司。全球范圍內(nèi)的疫情爆發(fā)使得人們的生活和工作方式發(fā)生巨大變化。Zoom主打線上視頻會議，功能極簡、易用、小而美，成為了遠(yuǎn)程辦公、學(xué)習(xí)和社交的首選工具，市值一度逼近1600億美元。Zoom的成功讓市場看到了協(xié)同辦公的想象力，同期的MicrosoftTeam、Slack、釘釘?shù)葒鴥?nèi)外同行也迎來了上升期。不過高光期之后，Zoom的發(fā)展曲線并不性感：截至目前，股價、市值，和以往對比明顯，有游資曾評價，“幾天前，Zoom出現(xiàn)了反彈趨勢，我認(rèn)為它可能會卷土重來。然而經(jīng)過幾天的觀察，它并沒有真正改變之前的下降趨勢?！盳oom為什么會呈現(xiàn)頹勢？原因可以歸結(jié)為疫情紅利消退、市場競爭加劇、客戶增長放緩以及營銷和研發(fā)費用增加等方面共同作用的結(jié)果，但也讓人逐漸認(rèn)識到，決定一家公司增長曲線的，不僅僅是產(chǎn)品如何，也取決于它的商業(yè)化路徑。有意思的是，對于疫情期間的瘋狂增長，袁征并不覺得是好事，為了應(yīng)對激增的用戶，Zoom不得不快速擴(kuò)招，但影響了公司的文化。競爭對手在疫情期間也加速了對遠(yuǎn)程辦公和視頻會議的支持，給Zoom帶來了更大的競爭壓力?！叭绻麤]有疫情，現(xiàn)在的Zoom可能會發(fā)展更好”，對于這家公司來說，當(dāng)下的境遇也并不意味著回到了合理區(qū)間。產(chǎn)品小而美，但護(hù)城河低，Zoom的創(chuàng)始人袁征將希望寄托于AI,這點和國內(nèi)玩家殊途同歸。據(jù)媒體報道，這款原先聚焦視頻會議的產(chǎn)品，如今卻呼吁大家不要用視頻會議了，目前AI已應(yīng)用到幾乎所有產(chǎn)品線，終極目標(biāo)是提倡用AI分身來代替人處理大部分工作，參加會議、決策，甚至是回郵件。袁征還打算將Zoom進(jìn)行綜合化發(fā)展，推出協(xié)作平臺Workplace,以及文檔、電子郵件和其他工具。在他看來，AI對Zoom的護(hù)城河起到了重塑的作用，關(guān)鍵詞在于：完全免費、不使用用戶數(shù)據(jù)訓(xùn)練AI、低成本，他們的AI戰(zhàn)略不僅關(guān)注當(dāng)前的性能和成本，通過結(jié)合多種技術(shù)來源、針對不同場景與不同第三方模型互換使用，以及推理過程，在不斷變化的AI領(lǐng)域中保持競爭力。Zoom推出包括ZoomAICompanion和ZoomDocs在內(nèi)的多項生成式AI功能，這些功能嵌入在Zoom的各種工具中，如ZoomMeetings、TeamChat和Whiteboard等，旨在提高企業(yè)生產(chǎn)力和企業(yè)間團(tuán)隊協(xié)作效率。從這些例子來看，大多數(shù)AI功能起到的是對原有功能的輔助作用，但“免費”卻幫助Zoom建立更深的護(hù)城河。一方面，在競爭激烈的SaaS市場中，提供額外且免費的功能可以增加用戶粘性；另一方面，免費提供AI功能可以讓用戶無門檻地嘗試和使用這些新功能，長期吸引更多用戶，進(jìn)而通過其他方式（如增值服務(wù)、企業(yè)訂閱等）實現(xiàn)盈利。以Zoom的ContactCenter為例，這是一種現(xiàn)代化的客戶服務(wù)解決方案，與其他產(chǎn)品的最大區(qū)別在于其結(jié)合了視頻通話和AI技術(shù)。購買ContactCenter的決策者與之前購買視頻會議產(chǎn)品的人不同，但由于他們本身也是Zoom的用戶，對Zoom的信任有助于ContactCenter的銷售。再看一個例子，明星軟件Notion近期也有重大更新，特別是其在AI功能方面的全面重構(gòu)。升級的板塊主要在三個方面，對話機(jī)器人的交互改進(jìn)、寫作輔助功能優(yōu)化，以及盤活知識庫，使AI助理與用戶的交互更自然。新升級的NotionAI能夠在不同頁面和應(yīng)用間調(diào)取知識庫，這種跨應(yīng)用的調(diào)取能力，使用戶可以更便捷地獲取和利用各種資源，從而提升整體的生產(chǎn)效率。作為較早一批接入ChatGPT的產(chǎn)品，NotionAI在今年初完全開放給所有用戶，并正式將AI功能作為單獨的付費產(chǎn)品。其定價策略是每人每月10美元，包年則每月8美元。NotionAI可以協(xié)助用戶完成寫作、編輯、總結(jié)等多種任務(wù)，還提供了跨平臺搜索功能，可以無縫連接Slack、GoogleDrive等應(yīng)用，快速從多個來源匯總信息。據(jù)報道，截至2023年，Notion的用戶量達(dá)到了3000萬，其中約400萬為付費用戶。內(nèi)部一開始的評估是NotionAI一年會帶來額外的1000萬到3000萬美金ARR,但這個目標(biāo)只用一個月就完成了，意味著最終NotionAI一年可能會帶來1億美金的ARR.此外，NotionAI在推出后也迅速吸引了大量用戶，短時間內(nèi)就突破了400萬。不得不說，這個商業(yè)化增長幅度，國內(nèi)大多數(shù)辦公軟件都望塵莫及。典型的例子，盡管釘釘擁有龐大的用戶基數(shù)（截至2023年末，用戶數(shù)達(dá)7億，企業(yè)組織數(shù)達(dá)2500萬），但真正付費的用戶數(shù)量其實很少，此前CEO葉軍表示，企業(yè)用釘釘真正付費的可能連1%都不到。為了推動商業(yè)化進(jìn)程，釘釘通過接入阿里的“通義千問”大模型，通過AI將產(chǎn)品重做一遍，完成了多條產(chǎn)品線和功能的AI化。例如，一鍵輸入“/”，就會智能生成職場中大部分工作內(nèi)容，包括文檔創(chuàng)作、聊天摘要生成等。釘釘在提供免費的標(biāo)準(zhǔn)版之余，也推出了專業(yè)版、專屬版和專有版等年費服務(wù)選項。釘釘引入AI功能，主要是想給這些付費版本增值，好讓用戶覺得高級功能更值得花錢。另外，釘釘還通過平臺分傭和硬件開放的License授權(quán)模式來增加收入。借助AI技術(shù)為企業(yè)帶來個性化服務(wù)，比如智能分析企業(yè)數(shù)據(jù)、定制工作流程等，釘釘認(rèn)為這樣企業(yè)更愿意付費，并且關(guān)系也會更緊密。但從內(nèi)部人士了解到，實際愿意為此買單的客戶，規(guī)模還并不算龐大，目前釘釘仍未實現(xiàn)盈利。另一邊的飛書，同樣在多個產(chǎn)品中融入了AI,如多維表格、字段捷徑、儀表盤等，以提升產(chǎn)品的智能化水平。最直接的體現(xiàn)是推出了自家的AI助手"MyAI"（飛書智能伙伴），用戶可以讓它寫工作總結(jié)、會議記錄，在辦公時喚醒進(jìn)行協(xié)作問答。而在具體的商業(yè)化方面，隨著AI功能的不斷補充，或許會推出基于AI功能的增值服務(wù)或訂閱模式。例如，為用戶提供更高級別的AI助手，飛書更傾向通過提供專業(yè)化的服務(wù)和定制化的解決方案來吸引客戶。整體來說，國外協(xié)同辦公工具多采用按功能付費的模式，用戶可以根據(jù)自己的需求選擇相應(yīng)的功能并支付費用。而在國內(nèi)，盡管釘釘、飛書等工具也在積極探索商業(yè)化路徑，但面臨的商業(yè)化難題依然不少。這背后，既有國內(nèi)外市場環(huán)境的差異，也有用戶對協(xié)同辦公工具價值認(rèn)知和付費意愿的不同。根據(jù)現(xiàn)有報道，在國外市場，用戶的隱私問題對Zoom布局AI產(chǎn)生了顯著影響。然而，隨著Zoom采取了一系列措施來確保用戶數(shù)據(jù)的安全和隱私，這個問題得到了一定程度的緩解。Zoom是否因AI實現(xiàn)了更大的增長？根據(jù)多方數(shù)據(jù)，我們發(fā)現(xiàn)，AI技術(shù)的融入的確提升了其企業(yè)端銷售額，例如，在2024財年第三季度，Zoom的總營收同比增長3.2%，企業(yè)端營收規(guī)模同比增長7.5%至6.61億美元，嵌入AI技術(shù)后，Zoom的季度客戶流失率明顯收窄，顯示出更高的客戶留存率。為什么同樣布局AI,國內(nèi)外的協(xié)同辦公領(lǐng)域，Zoom、Notion、飛書和釘釘?shù)纳虡I(yè)化差距這么大？是國產(chǎn)軟件的AI功能還不夠強(qiáng)大，還是市場對AI的期待過高？這只是一方面。對比發(fā)現(xiàn)，AI的確是一種強(qiáng)大的技術(shù)，但它在協(xié)同辦公中的作用并非萬能，當(dāng)下的使用場景還很有限，更多是作為智能助手的形式出現(xiàn)。其實就像袁征所說的，一款好的產(chǎn)品不一定能夠?qū)?yīng)好的商業(yè)價值，研發(fā)成本、商業(yè)模式、付費環(huán)境也會起到?jīng)Q定性的作用。很多協(xié)同辦公公司投入了大量成本去研發(fā)AI,但并沒有可觀的ROI,反而成為給企業(yè)客戶提供數(shù)智化解決方案的項目商，或是軟件外包?；氐缴虡I(yè)的本質(zhì)，客戶需求和市場定位依然是決定產(chǎn)品成功的關(guān)鍵因素。盡管AI技術(shù)迅猛發(fā)展，為行業(yè)帶來了前所未有的變革，但商業(yè)的核心原則并未發(fā)生變化。然而，過度的AI投入有時的確會讓企業(yè)迷失方向，對“究竟應(yīng)該做什么”產(chǎn)生疑惑。本文來源：R艾瑞網(wǎng)文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
-
24
10/19
AI讓代碼變得廉價，品味正在蠶食軟件
就像上個時代軟件蠶食世界，讓行業(yè)發(fā)生重大變革一樣，品味現(xiàn)在正在蠶食軟件。2011年，馬克·安德森(MarcAndreessen)發(fā)表了著名的軟件正在蠶食世界的宣言。有那么一段時間，這是不可否認(rèn)的現(xiàn)實。軟件是變革的引擎，徹底改變了從科技到金融、從零售到醫(yī)療保健的一切。在當(dāng)時，技術(shù)實力意味著占據(jù)市場主導(dǎo)地位。作為硅谷的精神中心，YCombinator將技術(shù)創(chuàng)始人視為天選之人。而那些能夠召喚并駕馭軟件的人則被視為神祇。風(fēng)投家給那些能將代碼大規(guī)模擴(kuò)展的人提供資金。畢竟，只有軟件才能迅速而有效地改變龐大的傳統(tǒng)行業(yè)。如今情況已大不相同。軟件已經(jīng)被商品化——這是技術(shù)進(jìn)步、成本、復(fù)雜性降低以及編程技能普及的結(jié)果。人工智能進(jìn)入主流推動了這一轉(zhuǎn)變。技術(shù)與文化之間的界限正在變得模糊。因此，光靠打造出色的技術(shù)已遠(yuǎn)遠(yuǎn)不夠。▍大家的軟件都已足夠好。軟件曾經(jīng)是武器，現(xiàn)在只是工具。在資源匱乏的世界里，我們珍視工具。在資源富足的世界，我們看重品味。進(jìn)入門檻很低，競爭很激烈，有太多的關(guān)注焦點已經(jīng)轉(zhuǎn)移——先是從技術(shù)轉(zhuǎn)移到分銷，現(xiàn)在又轉(zhuǎn)移到了其他方面：品味。▍品味正在蠶食軟件。品味就是新武器。不管表達(dá)方式如何，不管是靠產(chǎn)品設(shè)計、品牌還是用戶體驗，品味現(xiàn)在定義了產(chǎn)品被感知和感受的方式，定義了產(chǎn)品被采用，也就是分發(fā)的方式——無論是軟件也好，硬件也罷，或兩者兼而有之。技術(shù)已經(jīng)與文化緊密交織在一起。如今，人們無論身在何處、從事什么職業(yè)或處在什么地位，都將技術(shù)視為生活的一部分。▍現(xiàn)在要服務(wù)的市場是文化市場，實用加上品味是基礎(chǔ)。在這個新時代，功能性產(chǎn)品日益變成文化大潮的配角。因此，創(chuàng)始人們意識到他們需要的不僅僅是會寫代碼或掌握技術(shù)了。雖然實用性依然是關(guān)鍵，但創(chuàng)始人還需要在設(shè)計、品牌、體驗、講故事、社區(qū)以及文化相關(guān)性上進(jìn)行精雕細(xì)琢。史蒂夫·喬布斯和埃隆·馬斯克之所以備受推崇，不僅是因為技術(shù)創(chuàng)新，還因為他們把產(chǎn)品和個人塑造成了文化偶像。競爭已經(jīng)不再局限在科技行業(yè)——創(chuàng)始人們現(xiàn)在還要跟那些在分發(fā)、社區(qū)建設(shè)及文化共鳴上占據(jù)優(yōu)勢的名人和網(wǎng)紅競爭，盡管這些人不一定具備同樣的技術(shù)能力。品味的提升將各種體驗和視角引入到競技場——這不僅從內(nèi)部挑戰(zhàn)著“傳統(tǒng)”的硅谷，也會從外部發(fā)起沖擊。你可能會覺得，像蘋果、特斯拉和Airbnb這樣的公司，因為它們是面向消費者的典型企業(yè)，所以品味對它們來說尤其重要。但這并不是全部——消費者驅(qū)動的“品味”特質(zhì)已經(jīng)滲透到了科技世界的每個角落。那些曾經(jīng)以實用性優(yōu)先的B2C板塊，甚至B2B軟件行業(yè)，如今都感受到用戶體驗、設(shè)計、美學(xué)以及講好故事的影響。Arc以設(shè)計和品牌作為核心賣點，與傳統(tǒng)網(wǎng)絡(luò)瀏覽器展開競爭。Linear等工具是一款面向軟件團(tuán)隊的項目管理工具，它們以公司建設(shè)的原則性方法和大量抄襲的登陸頁面設(shè)計而聞名，也以產(chǎn)品功能而聞名。Arc和Linear等公司建立了一個完整的美學(xué)生態(tài)系統(tǒng)，邀請用戶和擁護(hù)者成為他們版本的世界的一部分，并產(chǎn)生大量的數(shù)字和文字口碑。（他們的故事尚未結(jié)束，但他們在硅谷的這個領(lǐng)域中脫穎而出。）Arc以設(shè)計和品牌作為核心賣點向傳統(tǒng)web瀏覽器發(fā)起挑戰(zhàn)。像Linear這樣的項目管理工具，不僅因其獨特的企業(yè)文化和備受模仿的登錄頁設(shè)計而聞名，也因其產(chǎn)品的功能性而備受認(rèn)可。4Arc和Linear等公司建立了完整的美學(xué)生態(tài)體系，吸引用戶和支持者成為他們世界的一員，并在線上和線下獲得口口相傳。▍即便在最前沿的技術(shù)領(lǐng)域，品味也和技術(shù)本身一樣塑造著未來。在通用人工智能聊天機(jī)器人領(lǐng)域，OpenAI的ChatGPT成為了市場的領(lǐng)導(dǎo)者。此后，Anthropic的Claude、谷歌的Gemini、Meta的Llama、微軟的Copilot、Perplexity、Poe等公司各自以不同的角度加入到這場競爭。是，他們是在技術(shù)戰(zhàn)線上展開競爭，但隨著人工智能的快速進(jìn)步，感覺他們會在類似的功能上趨于一致。那該怎么競爭呢？？答案在于它們的外觀、使用感受，以及它們帶給用戶的情感體驗。交互上的微妙之別（界面是否直觀、友好、流暢）以及品牌美學(xué)（從趣味橫生的網(wǎng)站設(shè)計到營銷信息）都會變成新的差異化因素，用戶往往會選擇那些與其個人價值觀更契合的工具。所有這些元素應(yīng)該無縫地融合到產(chǎn)品之中，但這依然是值得關(guān)注的區(qū)別。投資者再也不能找到最優(yōu)秀的工程團(tuán)隊去資助，然后坐享其成了。他們得去尋找這樣大的團(tuán)隊，那種能捕捉文化相關(guān)性，并反映其日益多樣化的市場價值觀、美學(xué)和品味的團(tuán)隊。投資者如何在這個新環(huán)境中找到自我定位？他們把寶押在那些能抓住文化潮流的，品味驅(qū)動型的創(chuàng)始人。他們也在打造自己的個人品牌和公司品牌。去重新設(shè)計網(wǎng)站，撰寫宣言，推出播客，并與文化巨頭合作。（當(dāng)然，人們?nèi)匀粫|(zhì)疑風(fēng)投是不是真的“了解”品味。）▍代碼不值錢了。金錢現(xiàn)在追逐的是用品味包裝起來的實用性、以優(yōu)美的形式塑造的功能，以及以藝術(shù)性為框架的技術(shù)。但品味究竟是什么東西？字典上說，品味是辨別什么是高品質(zhì)的能力，或者一種很高的審美標(biāo)準(zhǔn)。但誰來制定這個標(biāo)準(zhǔn)呢？在個體層面，品味是主觀的——每個人對品味都有自己的個人理解——但在特定的文化或社區(qū)當(dāng)中，品味是可以校準(zhǔn)的。品味是設(shè)計、用戶體驗與情感共鳴的結(jié)合，它決定了產(chǎn)品如何與人建立聯(lián)系，并與他們的價值觀和身份保持一致。這些東西單個拎出來并不等于品味；那只是表達(dá)個人品味的表現(xiàn)形式。最基本的標(biāo)準(zhǔn)是，品味絕不會平淡無奇——它會有自己的主見。就像阿諾德·貝內(nèi)特的名言所說那樣：“好品味勝過壞品味，但壞品味勝過沒品味?！报吥阍谑褂卯a(chǎn)品時，產(chǎn)品會讓你產(chǎn)生某種感受，而且產(chǎn)品也會讓其他人對你產(chǎn)生某種感覺。產(chǎn)品不再只是功能性工具，而變成了情感接觸點。越來越多的產(chǎn)品被設(shè)計為自我表達(dá)和社交信號的載體，反映出你的價值觀、生活方式與身份。以技術(shù)為核心的產(chǎn)品與藝術(shù)的距離之近前所未有。果真如此的話，這也意味著其他玩家對生態(tài)體系至關(guān)重要：比如藝術(shù)家、設(shè)計師、創(chuàng)作者、創(chuàng)意總監(jiān)、媒體公司等。這不可避免會引出更多問題：誰是品味的擁王者，誰是看門人？對品味的更大關(guān)注會引發(fā)什么樣的文化戰(zhàn)爭？公司所在的城市或文化的影響會不會更加重要？沒人可占有“品味”，但肯定會有足夠多的人想嘗試一下。▍就像上個時代軟件蠶食了世界并改變了各個行業(yè)一樣，現(xiàn)在品味正在蠶食軟件，緊接著要蠶食的將是硅谷。在硅谷的新時代，品味不僅是一種優(yōu)勢，更是未來。最吸引人的創(chuàng)業(yè)公司將是那些能將卓越技術(shù)與精致品味結(jié)合到一起的公司。就算是在追求技術(shù)突破，也必須考慮品味與文化共鳴，而不僅僅考慮技術(shù)本身。單靠品味不會成功，但如果沒有讓品味發(fā)揮重要作用的話，你也贏不了。隨著品味滲透到各個領(lǐng)域，創(chuàng)始人與風(fēng)投家的角色也在發(fā)生變化。創(chuàng)始人如今不僅需要掌握技術(shù)創(chuàng)新，還必須具備文化共鳴的能力。而投資者呢？他們必須將寶押在那些會在未來創(chuàng)新浪潮中引領(lǐng)潮流的公司，在這些公司里，技術(shù)與文化不再是獨立個體，而是合二為一。有些人也許不喜歡這種趨勢，有些人會反對，而有些人則會選擇觀望——但這無疑是時代的象征。▍創(chuàng)始人必須成為品味的引領(lǐng)者，而風(fēng)投家則必須成為品味的仲裁人。挑戰(zhàn)：實用性仍需得到尊重。理論仍需付諸實踐。自認(rèn)為有好品味的人要多于確實有好品味的人。本文來源于：36氪文章轉(zhuǎn)載于其他網(wǎng)絡(luò)，如有侵權(quán)請聯(lián)系我們及時刪除！
