“ 前天写完这篇文章还没来得及发，昨天连夜看了 OpenAI 的春季发布会。chatGPT-4o 的强大的环境感知力真的惊到我了，同时也更加让我坚信了 AI 未来的应用方向——「 AI 」作为「大脑」感知环境，思考处理方式，调度执行器”
LLM 的爆发已经一年了，在 B 端 AI 席卷了无数的产业链：新媒体、电商、办公、编程……无数行业都带来了业务流的革新。
然而，在 C 端，目前 AI 并没有明显的王炸级应用出现，无数企业、个体都在找、在问，AI 的 C 端的王炸应用究竟路在何方。
作为一个专业的 AI 产品经理，今天基于 AI 应用层的核心能力，结合当下市面上的主流应用，加上我自己的理解来仔细的盘一盘 AI 究竟给我们带来了什么。
01
—
AI 真正的革新性能力是什么？
小爱同学，大家都了解吧，我们可以通过简单的语音指令让小爱同学给我们播放音乐，控制电器。
举一个简单的例子：
场景一：
我们直接向小爱同学发出指令「小爱同学，我有点热」，此时小爱同学会说「你可以去医院看看」
——他认为我们可能生病发烧了
场景二：
我们发出指令「小爱同学，开一下空调」，此时小爱同学会帮我们打开空调
然后我们接着说「小爱同学，我有点热」，此时小爱同学会说「你可以去医院看看」
——他依旧认为我们可能是生病发烧了
然而如果我们对 LLM 发出相同的指令，场景二返回的结果将会是「我帮你把空调温度调低」
PS ：想要了解的可以看以下链接。
https://kimi.moonshot.cn/share/coufi0avk6g8t9jcsdfg
基于以上的场景我们可以看出 AI 的出现与过去所有的技术最大的不一样在于
AI 的具有两大革新性能力：
1.基于场景的自然语言理解
2.基于场景判断调度工具
至于我们我们广泛应用的内容生成能力，从当下的内容质量来看，并不具备有效的创新性，对比过去的场景，它仅可以作为一个提效工具，所以我认为这并不属于 AI 的革新性能力。
02
—
当下 AI 的主流应用形式
一）当下 AI 有两种应用形式
Copilot ——翻译：副驾驶
可以理解为我们的助手、老师，他可以为我们的某个场景情况，提供解决问题的指导、建议，帮助指引我们的行为。
Agent ——翻译：代理人
可以理解为我们的管家，他可以直接的帮我们解决问题。
下面我举一个例子来说明这两者的区别：
二）为什么 Agent 会这么快的被应用
在 23 年年底的时候，我还认为短期（可能一年）内，我们主流的产品可能都还是 Copilot 的形式，因为大家对 AI 的结果仍然具有未知的恐惧性。
但是现在 24 年 5 月， Agent 的应用已经席卷了整个 AI 应用的市场。
原因是什么呢？
这就要回想一下我们刚刚说的 AI 的核心能力——判断调度。
我们发现其实相对的目前 AI 的「弱小」的生成能力——
比方说在上述的场景中，我们直接让 AI 帮我们生成一个下载软件的执行器，那估计我们反复重试执行几千次这个执行器，我们也不可能将这个软件下载成功。
相对来说，开发工程师写的脚本执行器明显是更靠谱的。
所以我们提前开发好下载软件的完整的程序，其实只要发挥 AI 的判断能力，告诉他如果需要下载软件，请将指定的参数按照指定的格式输入到这段程序中并运行，就 OK 了。
在这个过程中 AI 只需要发挥自己的判断调度能力，明白我是要下一个什么软件，搜索到这个软件，在调用程序就可以了。
于是一个满足我们需求的 Agent 就被做完整的呈现出来了。
03
—
当下 AI 的应用现状及原因分析——用户需求
《中国 AIGC 应用全景报告》数据显示，2024 年中国 AIGC 应用市场规模将达到 200 亿人民币，当前， B 端产品占据了大模型产品市场 80% 的营收。在 C 端却不温不火。
我们来分析一下为什么会出现这种情况：
根据 AI 产品榜 aicpb.comAI产品榜·赛道总榜TOP20截止 3 月的赛道总榜数据，除去排名第一通用的聊天机器人，第二的搜索引擎，以及排名十四的浏览器助手，其余的赛道，例如：设计工具，代码生成、写作生成、教育工具等，均是应用 AI 生成能力进行工作效率提升的产品。
可以看出， AI 在当下我们主要的应用就是基于生成能力的工作提效。
对于 B 端用户来说有无数现有的重复但相对技术含量较低的工作，他们的需求很简单就是解决自己的工作场景：
用户：一名抖音短视频的视频剧本写手
用户故事地图：日常的主要工作内容就是写剧本，通过写作生成的 AI 应用就可以简单的快速大量的生成剧本。
用户：一名互联网软件的程序开发工程师
用户故事地图：每天要从网络找很多通用的代码方法，应用到自己的代码中，现在通过代码助手类 AI 应用，可以快速的在编辑器中直接生成。
但是 C 端用户的需求是什么呢？
我们看拿当下几个王炸级的 C 端应用来看一下他们满足了用户的什么需求：
用户故事地图：「作为一个年轻用户，我希望通过抖音快速找到有趣的视频来打发时间。」
满足核心需求：抖音满足了用户的娱乐、社交和自我表达需求。
用户故事地图：「作为一个忙碌的上班族，我希望通过美团快速找到附近的餐厅并下单外卖，节省时间。」
满足核心需求：美团满足了用户对便利性、多样性、性价比和安全性的需求。
用户故事地图：「作为一个经常加班的职场人士，我需要一个可靠的出行方式，以便在深夜安全回家。」
满足核心需求：滴滴提供了快速、方便、多样化的出行服务，满足了用户的出行需求。
C 端用户的需求则更倾向于直接的产品或服务体验，核心需求是便利、娱乐。
对于 B 端用户来说，仅仅需要应用 AI 的生成能力就可以对需求进行满足因为他们明确知道自己需要用 AI 来做什么。
但是 C 端用户不一样， C 端用户不知道自己需要什么。
打个比方：
「我要一匹更快的马」，本质是「我想要更快的到另一个地方」
在这里我并不想要表达「我们需要从第一性原理的角度分析需求」
我想要表达的是：C 端用户并不清晰自己的核心需求
所以针对 AI 这个像「电」一样的东西，用户是不知道他能用来做什么的
因此 C 端目前看起来没有什么应用场景。
04
—
C 端王炸应用，路在何方
回顾一下全文：
我们先探讨了 AI 的革新性能力究竟是什么：
1.基于场景的自然语言理解
2.基于场景判断调度工具
然后我们我们探讨了 AI 的当前的主流应用形式：
1.Copilot——翻译：副驾驶
可以理解为我们的助手、老师，他可以为我们的某个场景情况，提供解决问题的指导、建议，帮助指引我们的行为
2.Agent——翻译：代理人
可以理解为我们的管家，他可以直接的帮我们解决问题
最后我们又聊了 C 端用户的核心需求：
便利、娱乐
显而易见，到了这里我们可以直接的得出结论：
最近支付宝灰度测试 AI 智能助理，真的给了我很大的启发。
支付宝的 AI 智能助理集成在首页，提供服务办事型功能，如医疗问诊、查办公积金、买机票、找厕所等，可推荐功能或直连小程序，支持语音和文本输入。
支付宝拥有庞大的遍布在我们日常生活每个场景角落的生态应用，但是之前他们都以小程序、功能点等看似集成其实本质是驻在支付宝这个平台的独立应用。
而现在，我们只需要告诉 AI 每个小程序、功能用途是什么，再分别开放对应的执行器接口给到 API：
且他完美的满足了我们的结论：
应用 AI 革新性能力，满足用户需要便利的场景，并使用 AI Agent 的形式来实现了这个产品
同样的如果小米的生态在做出一样的产品：
美团也是一样：
难以想象我们的生活将会变得如何便利、舒适。
当然这个例子更多的是生活助理的角度，大家也可以一起发掘更多角度的赛道。
只要记得核心——从便利 or 娱乐的场景利用 AI 的判断我们当下所处的场景，主动的调用当下已经很成熟的产品「照顾好」我们即可。
05
—
总结
当下太多的人都在拿着 AI 这把「锤子」在找钉子，找不到结果。
我们是否应该尝试换种思路
我们接着分析一下在电力这条赛道了赚钱的有什么人
那在 AI 场景下，我们现在最迷茫的就是第三部分，这第三部分的钱应该怎么来赚呢，试想一下，你现在会想你要如何来使用电力来赚钱吗，显然不会。
我们需要，也必须要了解 AI 的能力及其边界。
依旧保持我们以前关注需求的嗅觉。
在合适的需求中打出 AI 这张牌即可。
不要纠结于为「锤子」找到合适的「钉子」，我们只要为「钉子」找到合适的「锤子」即可。
