在最近几年，由OpenAI等公司推动的大型语言模型（LLM）取得了显著的进展，市面上名为“AI”的产品急剧增多，掀起了一场科技和金融行业的热潮。不论是科技行业还是金融行业，似乎无人不在讨论AI。
但如果深入思考，抛开ToB的基础建设不谈，在ToC领域，到底什么才是真正的“AI类产品”？
正如我在《聊下互联网出海人常出现的三个误区》一文中所提到的，我并不赞同“互联网公司”这一概念。因为大多数所谓的“互联网公司”其实只是利用互联网技术将传统线下业务线上化，从而实现效率的巨大提升。我很难把替代国美/苏宁生态位的京东和替代报刊生态位的今日头条划为一类。
回顾人类历史上的上一次技术革命，电力和内燃机是其核心。假设有一个磨面粉作坊，原来是利用驴子驱动来生产面粉，现在换成了电动机。那么，我们能称这个作坊为“电力公司”吗？再比如，原先使用马车运输的公司，现在改用卡车，我们能称之为“内燃机公司”吗？
AI也是同样的道理。LLM大模型是一项了不起的技术，但技术本身并不能直接满足人类的需求，只有将技术应用到具体产品中，才能在特定场景下提高效率。
比如说，我是Copilot的重度用户，我在使用MS Office时，会让它帮我从大纲和原始文档生成PPT，或者直接处理Excel表格。在使用Edge浏览器时，很多简单的搜索任务也会交给Copilot来处理，从而节省我的时间。
在第一个场景中，产品是MS Office，场景是办公文件处理。在第二个场景中，产品是Edge浏览器和Bing搜索引擎，场景是信息搜索。这些产品无需Copilot也能满足基本需求，但有了Copilot这样的“内燃机”，我的办公效率得以大幅提升。
Google Gemini是我的另一个常用工具，它对我来说是Android系统的一部分，是我的AI生活助手。当我遇到一种不认识的植物或遇到不懂的泰语词汇时，我会通过Google Gemini获取解答。更进一步，如果我想了解哪里可以购买到某种植物，Gemini的处理流程是这样的：
图像识别：首先通过Google图片搜索识别我拍摄的植物照片，确认它是兰花。
语言翻译：然后使用Google翻译将“兰花”这个词翻译成泰语“ดอกกล้วยไม้”。
位置搜索：接着通过Google地图搜索附近销售兰花的商家。
结果提供：最后，Gemini将按距离和营业时间等条件筛选后，提供商家的Google地图链接给我。
在这个过程中，我直接获得的是最后的结果，中间的过程无感知，Gemini哪是什么AI啊，就是我的生活助理，只是利用的LLM技术驱动罢了。
但作为一个消费者，他用什么技术驱动跟我有什么关系？只要能解决我的问题，后面是个大活人在网络另一端远程干活都行。toC领域真正好的产品就该是这样，无感知的完成我的一个又一个需求，而不是把AI两个字直接怼在我脸上，生怕我不知道他是什么技术驱动。
在完全基于AI的新需求出现前，应用层根本不存在所谓AI产品。“AI产品”这个词现阶段更适合作为一个toVC或者消费者的宣传语。
但现阶段糟糕的是，行业从业人员说多了“AI产品”这个词，自己都信了，造成了不少的认知偏差。
另外我还有另一个观点：在这轮AI革命中，那些掌握大场景入口同时又能有效利用AI技术的企业，将拥有无比巨大的优势。例如，Google的Gemini和Apple的Intelligence大概率会成为了智能手机入口的主导者；同样的，Copilot和Apple Intelligence也在PC领域取得了类似的成就。Copilot已经成为办公自动化的新入口，而Gemini与Google Docs的结合也正在逐渐分割这一市场。
此外，亚马逊的Alexa已经成为居家智能设备的主要入口，而车内场景也正被Android Auto和CarPlay这样的系统所主导，进一步也会被Gemini和Apple Intelligence瓜分。
留给其他通用大模型的机会不多了。
在这种背景下，那些尚未建立相应场景入口的企业，如果硬要挤进这些已被大企业主导的赛道，可能并不是一个明智的选择。然而，人类的需求是多样化的，针对细分市场开发“小模型”产品同样可以成为一个成功的策略。例如，专门生成视频广告素材的Creatify、智能生成代码的Cursor，以及专门帮忙阅读论文的ChatPDF，都已在各自的领域实现了突破，小日子过得很不错。
最大的风险是，许多创业者可能选择了捷径，最终搞个AI色聊。
