為什么品牌應(yīng)該關(guān)注 “內(nèi)容+人工智能”

首先，我覺得內(nèi)容其實(shí)很重要。我原來一直覺得因?yàn)槲覀兿M(fèi)很多內(nèi)容，所以內(nèi)容很重要。后來前兩天我聽到有一個(gè)商學(xué)院的老師講了一個(gè)理論，我覺得對(duì)我挺有啟發(fā)的。他說過去是人找貨，因?yàn)樨浳锊粔颍∪钡慕?jīng)濟(jì)，所以人找貨那個(gè)時(shí)候不需要內(nèi)容，那時(shí)候需要買貨的權(quán)利。

但是現(xiàn)在是貨找人，聽上去好像是你每天在被推薦很多和你相關(guān)的內(nèi)容，事實(shí)上是因?yàn)楣┙o過剩，所以供給過剩的場(chǎng)景下面內(nèi)容力非常重要。所以現(xiàn)在就是我們不停的在被你可能喜歡的內(nèi)容追蹤，追蹤完以后轉(zhuǎn)化，所以現(xiàn)在的這個(gè)過程里，人貨場(chǎng)里一定要加上一個(gè)內(nèi)容，消費(fèi)者和商品也好，品牌跟消費(fèi)者也好，中間接觸的東西都叫內(nèi)容，圖文、視頻，有種草的，有轉(zhuǎn)化的等等等等。

所以內(nèi)容成為了經(jīng)營的杠桿，所以我們也看到這么多的企業(yè)，五年前我們做內(nèi)容的時(shí)候，很多企業(yè)跟我們說，比如藍(lán)色杯子的咖啡，那時(shí)候跟我們說不用做很多次內(nèi)容的，一年做四次就行了，春節(jié)做一次，情人節(jié)做一次，圣誕節(jié)做一次就行了。現(xiàn)在是每個(gè)門店每一天都要做各種各樣的內(nèi)容，其實(shí)這個(gè)過程也是在過去這四五年經(jīng)濟(jì)環(huán)境里不停地卷起來的。

第二個(gè)角度，其實(shí)我們會(huì)看到內(nèi)容真的是很多。圖文視頻不用說了，最近有些品牌開始做播客，我覺得也是很卷的，聲音、氣味其實(shí)全都變成了內(nèi)容，所以這些內(nèi)容事實(shí)上無時(shí)無刻的不在跟我們接觸。如果每一個(gè)品牌、每一個(gè)渠道、每一天、每一分鐘，你都要跟用戶用個(gè)性化的東西來對(duì)話，這不是人干的事情。

第三個(gè)視角，過去這十年 AI 的發(fā)展，尤其是過去兩年的 AI 發(fā)展，我們當(dāng)時(shí)看到 AI 生成內(nèi)容的邏輯，圖可以生成了，文字可以生成了，視頻可以生成了，模型可以生成了，現(xiàn)在聲音可以生成了，但另一個(gè)角度我想告訴大家，其實(shí) AI 的這個(gè)能力也能更好地幫助我們?nèi)ダ斫鈨?nèi)容。我們?cè)诙兑羯习l(fā)了這么多東西，在小紅書上發(fā)了這么多東西，在電商里發(fā)了這么多東西，做這么多SKU 的東西，到底倒過來我們?cè)撛趺慈ダ斫馑?strong>以前這些內(nèi)容是很難被理解，因?yàn)樗麄儽环Q為叫非結(jié)構(gòu)化的數(shù)據(jù)，但是現(xiàn)在有了 AI 以后，其實(shí)可以比較好的幫助我們?nèi)ダ斫馑?/strong>

我給大家看一個(gè)例子，前一段時(shí)間我在朋友圈發(fā)了一張圖，一邊叫 work hard，一邊叫 life hacks，很多人都排隊(duì)排在這個(gè) life hacks 里邊，就是說人生的這個(gè)奧秘是什么?。亢芏嗳硕枷胫溃趺礃游覀兡軌蚨嗫旌檬〉倪_(dá)到人生的彼岸，事實(shí)上沒有人愿意排在這個(gè) work hard 里面，其實(shí)每個(gè)人有不同的解讀哈。然后我就用我們自己公司的這個(gè)最簡(jiǎn)單的一個(gè)模型，通用的讓他來讀這個(gè)圖，大家可以看看他讀的怎么樣？

我發(fā)朋友圈的時(shí)候很多我的朋友沒有完全理解這張圖的意思，但是 AI 解讀得非常好。

這就是我想表達(dá)的，不是 AI 只是不停地幫你生成內(nèi)容， AI 也能在這個(gè)通用的環(huán)境下很好地理解內(nèi)容。我最近我在做一個(gè)嘗試，我們給很多企業(yè)做的系統(tǒng)里面有個(gè)數(shù)據(jù)面板，然后我們小伙伴非常喜歡做數(shù)據(jù)洞察，數(shù)據(jù)洞察就要做研究，我上次跟我一個(gè)小伙伴比，他用人工做洞察，我就截了一張這個(gè)數(shù)據(jù)面板的圖，我讓 GPT 做洞察，然后我讓客戶選，你們知道答案是什么嗎？客戶肯定是選的GPT，做的又完整又詳細(xì)，然后文字還非常的標(biāo)準(zhǔn)，所以也就是說現(xiàn)在 AI 通用能力對(duì)于內(nèi)容的理解是史無前例的，我們不要只把 AI 當(dāng)作“生成式”人工智能，也是關(guān)于內(nèi)容的理解。

過去這兩年里邊發(fā)生的人工智能，事實(shí)上都代表著下一個(gè)時(shí)代的到來。這是 2023 年的一篇論文，叫 GPTs（Generative Pre-trained Transformer） are GPTs（General Purpose Technology 通用目的的技術(shù)）。什么叫通用目的技術(shù)？我們用的互聯(lián)網(wǎng)是通用目的技術(shù)，我們用的手機(jī)就是通用目的技術(shù)，我們用的電就是通用目的的技術(shù)，這些技術(shù)不只是一個(gè)技術(shù)，它也代表著會(huì)改變我們的工作，改變我們的生活，改變我們的未來。

所以在這樣的語境下面，我覺得各位都應(yīng)該關(guān)心內(nèi)容+人工智能這件事情。內(nèi)容是各位生意的抓手，是生意的機(jī)遇。

內(nèi)容+人工智能的三個(gè)最佳實(shí)踐

其實(shí)很多企業(yè)都有一個(gè)很詳細(xì)的圖，這個(gè)圖里邊就是內(nèi)容到底和生意是發(fā)生什么樣的關(guān)系，內(nèi)容在是通過什么樣的渠道進(jìn)到這些生意的里面去發(fā)生作用的，這看上去像一個(gè)管道圖。所有的綠的就代表內(nèi)容是非常通暢，所有的紅的代表是不通的。所以通暢和不通之間也有黃的，就是有時(shí)候通，有時(shí)候不通。

我們其實(shí)幫助企業(yè)在做什么？我們?cè)趲推髽I(yè)其實(shí)搭一個(gè)就像一個(gè)城市的管道系統(tǒng)，大家知道像我們有一些客戶，一年要做生意要用的內(nèi)容大概有千萬個(gè)，這千萬個(gè)其實(shí)就像是一個(gè)城市一樣，下面要有一個(gè)讓城市正常運(yùn)作的基礎(chǔ)設(shè)施，然后我們就幫助企業(yè)去做這樣的一個(gè)內(nèi)容的管理系統(tǒng)。

以前我們一年如果只做三四次活動(dòng)的話，只有少有的幾個(gè)渠道的話，我們確實(shí)不需要這些，我們可能只需要最簡(jiǎn)單的U盤就可以了。但是當(dāng)你現(xiàn)在是千萬個(gè)內(nèi)容，每天無時(shí)無刻的不在跟市場(chǎng)、消費(fèi)者發(fā)生個(gè)性化的engagement 的時(shí)候，你后邊就是要這樣一套精準(zhǔn)化的 infrastructure 既保證流通性，流動(dòng)起來也保證安全性。

防守和進(jìn)攻都是需要用技術(shù)來解決，所以這里不是AI 只是簡(jiǎn)單的做內(nèi)容的生產(chǎn)，也有很復(fù)雜的，比如識(shí)別。我們最近做一個(gè)國企的客戶，他要識(shí)別領(lǐng)導(dǎo)在哪里出現(xiàn)，我們也做互聯(lián)網(wǎng)客戶，也是識(shí)別領(lǐng)導(dǎo)的臉部，知道這個(gè)領(lǐng)導(dǎo)的這個(gè)現(xiàn)在視頻在我在哪幾幀出現(xiàn)，能不能剪出來，這個(gè)過程里面其實(shí) AI 扮演了一個(gè)幫助企業(yè)很方便的去管理它整個(gè)內(nèi)容體系的價(jià)值。

這是三年前的視頻，那個(gè)時(shí)候 GPT 還不是很發(fā)達(dá)，大家看到還是用上一代的機(jī)器學(xué)習(xí)技術(shù)，這當(dāng)然我們都會(huì)來做相應(yīng)的升級(jí)了。其實(shí)這張圖就是一個(gè)企業(yè)從內(nèi)容的生產(chǎn)側(cè)到最后內(nèi)容的調(diào)用側(cè)的一個(gè)流線，每一根線都是一個(gè)部門，每一個(gè)部門可能都有成千上萬的內(nèi)容在里面流動(dòng)，所以大家看到就是就當(dāng)我們把內(nèi)容這件事情真的map出來的時(shí)候，其實(shí)是一個(gè)非常復(fù)雜的系統(tǒng)。就跟地下水的系統(tǒng)一樣復(fù)雜的系統(tǒng)，所以如何更好地去管控其實(shí)是一個(gè)很有意思的話題。

所以我們看到，內(nèi)容從原來文科生的考量，現(xiàn)在越來越變成一個(gè)文理兼修的事情。上層，當(dāng)然我們每個(gè)企業(yè)做生意 ToB 的 ToC 其實(shí)都一樣，賣物質(zhì)化的東西或者賣非物質(zhì)化也都一樣。下面就有經(jīng)營陣地，然后再往下就是這些經(jīng)營陣地里你經(jīng)營的所謂的資料，本質(zhì)上都是各種各樣的content。然后再往下其實(shí)就是我們給企業(yè)提供的這套系統(tǒng)。就是這樣的系統(tǒng)，把這些資料、生產(chǎn)資料、營銷資料能夠很好的管理起來。那當(dāng)然就是這些資料里面原來我們都需要自己去研發(fā) AI 的算法。

我們做得最有意思的（也是很荒謬的一個(gè)需求），就我們最早是給過漢堡包公司做漢堡識(shí)別的算法，我們知道這個(gè)是麥樂雞漢堡，然后做完這個(gè)漢堡的目的是什么呢？目的就是當(dāng)企業(yè)，當(dāng)一個(gè)品牌，當(dāng)一個(gè)門店的店長，今天想打折的時(shí)候，可以很方便自己組combo，但原來我們要自己研發(fā)這個(gè)算法，其實(shí)非常非常難的，識(shí)別漢堡的算法不容易了，但現(xiàn)在我們有了大模型以后，有了這個(gè)基礎(chǔ)模型以后，其實(shí)加上一點(diǎn)簡(jiǎn)單的數(shù)據(jù)訓(xùn)練、數(shù)據(jù)輸入匹配就可以做到了，所以大大的降低了成本啊。原來可能百萬級(jí)的訓(xùn)練，現(xiàn)在可能幾萬、幾十萬就可以做到。

所以剛講就是第一個(gè)最佳實(shí)踐，其實(shí)就是相當(dāng)于通過AI，把所有企業(yè)的經(jīng)營資料（內(nèi)容）能夠很高效地協(xié)作和流轉(zhuǎn)起來。這里有大模型干的事兒，有專屬模型干的事兒，有企業(yè)海量素材干的事情。

第二個(gè)最佳實(shí)踐，其實(shí)就和降本增效有關(guān)。

其實(shí)我最早做人工智能和創(chuàng)意有關(guān)的時(shí)候是 2016 年，我當(dāng)時(shí)剛從美國回來，然后我就去阿里走穴，我當(dāng)時(shí)去找業(yè)務(wù)的方式就是分享，分享完線下我就找接待的人要項(xiàng)目，然后他們就跟我說，阿里生態(tài)里邊有 200 萬的設(shè)計(jì)師，有 200 萬設(shè)計(jì)師做什么呢，主要做電商詳情頁，然后我就覺得這件事情好像可以用 AI 多做一點(diǎn)，從而讓設(shè)計(jì)師能不能更好地做點(diǎn)更需要?jiǎng)?chuàng)意的事情啊。

所以我們現(xiàn)在就相當(dāng)于用 AI 在做這樣一件事情。一個(gè)是生成詳情頁上的文案，做成圖片，然后批套上面板，最后變成一張長圖。海外可能是郵件營銷的內(nèi)容，國內(nèi)可能是電商的詳情頁。然后這里邊其實(shí)我們要做一些工作的。因?yàn)槊恳粋€(gè)行業(yè)其實(shí)對(duì)圖的要求是不一樣的。比如說我們做這個(gè)調(diào)味品它要亮一點(diǎn)，奶的時(shí)候要輕快一點(diǎn)，做奢侈品的時(shí)候它要暗一點(diǎn)，要雅一點(diǎn)，每個(gè)行業(yè)不一樣，所以我們其實(shí)要針對(duì)每個(gè)行業(yè)有吸引力的這種內(nèi)容形態(tài)去做一點(diǎn)點(diǎn)的fine tune。我們的銷售同學(xué)總出去說叫模型訓(xùn)練，我一直糾正他們，沒有模型訓(xùn)練那么重的，就是簡(jiǎn)單的fine tune 就可以。

然后我們把這些內(nèi)容嵌到一個(gè)智能的模板上，事實(shí)上每一個(gè)地方就像是一個(gè)占位符一樣，它知道大概要調(diào)用什么樣數(shù)據(jù)，然后就可以把這些內(nèi)容嵌到這個(gè)模板里面去，從而生成的各種各樣的商品圖對(duì)應(yīng)的說明的文字，然后就嵌到這里相應(yīng)的位置上，就可以生成廣告。

這里其實(shí)有一個(gè)很有意思的技術(shù)的變化。大家可能用蘋果手機(jī)的都會(huì)發(fā)現(xiàn)最新的幾個(gè)版本蘋果手機(jī)有一個(gè)功能叫無邊記，其實(shí)就是無限畫布的這個(gè)東西。其實(shí)無限畫布是個(gè)很好的技術(shù)，以前的營銷行業(yè)買不起。營銷行業(yè)以前都是一張圖來編輯的，但無限畫布其實(shí)是交互設(shè)計(jì)里面才會(huì)用的一個(gè)機(jī)制，我們現(xiàn)在把它拿到營銷的這個(gè)場(chǎng)景里面來，其實(shí)也就代表說你不用再關(guān)掉一個(gè)文件，再打開一個(gè)文件，而是你可以 1, 000 個(gè)文件一起來做，所以可以 1, 000 個(gè) SKU 一起來改。所以這個(gè)過程中，其實(shí)我就總在想， AI 做的工作，一方面當(dāng)然幫企業(yè)降本增效，另外一方面真的也是幫像我這樣的人真的能夠回到創(chuàng)意里邊。降本增效完以后，人會(huì)遇到人該干的事。

另一個(gè)例子，這是一個(gè)做洗發(fā)水的公司。別人去分析社媒里的內(nèi)容，是希望做更好的社媒，他除了這個(gè)目的之外，他想分析社媒的內(nèi)容，從而知道什么樣的產(chǎn)品描述是有價(jià)值的。這些產(chǎn)品描述就會(huì)變成一個(gè)產(chǎn)品創(chuàng)新的關(guān)鍵詞的庫，最后能夠變成一系列產(chǎn)品創(chuàng)新的想法，所以他想比做好短視頻這件事再多走一步。后來我也意識(shí)到，其實(shí)真的洗發(fā)水的創(chuàng)新主要就是那幾個(gè)關(guān)鍵字，創(chuàng)新什么香味，什么什么包裝，然后什么什么體積，然后什么造型、什么色彩，所以他的創(chuàng)新確實(shí)是從營銷洞察開始的，所以我們后來給他做了一個(gè)系統(tǒng)，他們叫 Agent Development 系統(tǒng)，其實(shí)里邊就是把包裝、氣味都當(dāng)做這個(gè)內(nèi)容的資產(chǎn)來管理，然后生成詳情頁，它直接可以在自己的電商的一些渠道里來test。原來這些外企做一個(gè)新品兩年，現(xiàn)在可能可以每?jī)蓚€(gè)禮拜就 test 一些新品，可以更快速地去做嘗試。

所以這就是 AI 在里面扮演的，不是一個(gè)純粹的目的，不是今天我的降本增效怎么樣，而是降低了試錯(cuò)的成本。用 AI 來做關(guān)鍵詞的分析，然后由AI 生成一大堆的ingredients，生成一大堆產(chǎn)品的ideation，然后再用 AI mock up 出來這個(gè)造型，甚至直接到詳情頁，然后就可以邊上邊試，效果不好了就下架。當(dāng)然做包裝也是很多產(chǎn)品的創(chuàng)新，我們也做了一個(gè)包裝創(chuàng)新的小工具。

這是第二個(gè)維度，其實(shí)也是一樣，大家看到我的這套路都是一樣的，就是要基于現(xiàn)有的甚至是人工智能基礎(chǔ)模型，然后再加上專屬的東西，包括你自己的模型，比如說剛剛我們說那洗發(fā)水 ingredient 怎么來設(shè)計(jì)??？就是專屬的模型，再加上企業(yè)自己的素材，然后能夠來提高效率。

第三個(gè)是增長問題，我覺得如果人工智能只是卷存量，那最后就是叫卷，人工智能不能帶來新增量。這是我們最近在嘗試的 6 個(gè)月時(shí)間，我覺得 0 到 1 的嘗試應(yīng)該是完成了，就是 it works，但是還沒有規(guī)模化，所以也希望大家感興趣的小伙伴，我們有機(jī)會(huì)再探索一下。

以一個(gè)可能大家都知道的行業(yè)和品牌來舉例子，比如說綠色的咖啡。原來的增長的方式就是開店，只要他開店的速度比他關(guān)店的速度快，那就在增長?，F(xiàn)在有個(gè)巨大的挑戰(zhàn)是每個(gè)店的利潤率在降，所以即使開了更多店，也許總的利潤還是不及原來的。所以現(xiàn)在討論增長，就是花一杯咖啡的錢能不能帶來兩杯咖啡的收入。所以大家如果去綠色的咖啡店，下午兩三點(diǎn)鐘的時(shí)候，你會(huì)看到店長有時(shí)候在門口攬客。現(xiàn)在已經(jīng)做到這個(gè)程度了。所以他們最近在想一個(gè)事情，我只用這個(gè)舉例，他們還沒有開始實(shí)踐，但有別的客戶實(shí)踐，那他現(xiàn)在想做一件事情，能不能每一個(gè)線下的門店都有一個(gè)線上window，線上的店面，這個(gè)線上店就不用變，就是說他買還要到線下去買，但是線上多一個(gè)櫥窗就在抖音上開， 7, 000 家門店，就開 7, 000 個(gè)號(hào)，開7000個(gè)號(hào)是不要錢的，但是裝修是要錢的，做7,000 個(gè)號(hào)的短視頻是要錢的。

剛剛我說了它的算法計(jì)算邏輯是一杯咖啡的投入能帶來兩杯咖啡的回報(bào)，所以線上裝修、做視頻的成本，只能是30 塊錢，然后要帶來轉(zhuǎn)化。30 塊錢做視頻其實(shí)沒那么容易。以前沒有 AI 的時(shí)候，即使很多人做矩陣號(hào)，但是單元經(jīng)濟(jì)能不能算的過來，是一個(gè)問號(hào)。但現(xiàn)在我們真的有可能還是用剛剛的套路，通用模型加專屬模型，加你自己的素材，有機(jī)會(huì)做到 30 塊錢一個(gè)門店的成本。那我們是怎么做的？

第一個(gè)我們當(dāng)然要去學(xué)習(xí)這個(gè)行業(yè)里面到底有些什么樣的內(nèi)容。

第二個(gè)部分我們會(huì)用 GPT 或者用各種各樣的語言模型，我們可能在這兒會(huì)選擇性價(jià)比最高的語言模型，把它翻譯成視頻的腳本。

然后第三個(gè)在這個(gè)視頻腳本里面，會(huì)有各種各樣的視頻的結(jié)構(gòu)模型，有些比如說大家看到熱門的歌曲就是卡點(diǎn)視頻，有些可能是娛樂性，有些可能是對(duì)比性，有些可能像是個(gè)人 vlog 型的各種各樣的，大家在抖音上能看到所有的視頻類型，我們都會(huì)把它抽象成叫視頻內(nèi)容的結(jié)構(gòu)模型，然后再用結(jié)構(gòu)模型去對(duì)品牌自己已有的素材進(jìn)行切片。所以所有企業(yè)存在我們的這個(gè)系統(tǒng)里面的內(nèi)容就會(huì)成為再次生產(chǎn)所需要的原始素材資料。

這個(gè)生產(chǎn)的過程是怎么樣的呢？現(xiàn)在我們做的比較多的行業(yè)熱點(diǎn)，生產(chǎn)過程就是把這類素材加上行業(yè)熱點(diǎn)。我們會(huì)拿一些行業(yè)劇情把這兩個(gè)東西混在一起。大家可以試試這個(gè)網(wǎng)站，hot.tezign.com，比如輸一個(gè)產(chǎn)品的名字，他就會(huì)去在網(wǎng)上爬現(xiàn)在的熱榜，會(huì)找合適的熱榜的內(nèi)容和這個(gè)產(chǎn)品之間做關(guān)聯(lián)。做完關(guān)聯(lián)以后，你就會(huì)生成一個(gè)所謂的叫腳本庫，然后腳本一鍵會(huì)生成大量的視頻。熱點(diǎn)再加上賣點(diǎn)，我們就會(huì)生成大量的視頻內(nèi)容，然后配音起來視頻內(nèi)容，看一些例子有這樣的視頻內(nèi)容，我們不把這個(gè)視頻內(nèi)容當(dāng)優(yōu)質(zhì)內(nèi)容，我們叫良制內(nèi)容，優(yōu)質(zhì)內(nèi)容一定是人拍的，但是要經(jīng)營這么多矩陣號(hào)，可能需要的還有大量的別的內(nèi)容，這些就是機(jī)器可以做的，然后一個(gè)門店成本做到一杯咖啡的價(jià)格，這個(gè)過程里邊成千上萬的號(hào)，差異化的內(nèi)容，擴(kuò)大曝光量。

所以我們就要去給這些內(nèi)容來做排期。大家想想 1, 000 家門店每天有不一樣的內(nèi)容排期，這不是一個(gè)人干的事情，我們做了一個(gè)排期的agent，有熱點(diǎn)進(jìn)來，再去換這個(gè)排期，所以我們排期是拿 AI 排的。這當(dāng)然就是一個(gè)企業(yè)可以看到所有的終端賬號(hào)發(fā)布的情況，每一個(gè)號(hào)，每一篇拿到的內(nèi)容都不一樣，好的內(nèi)容有些企業(yè)做的就是曝光量可以達(dá)到 5, 000 以上，公司就會(huì)給一些激勵(lì)機(jī)制，讓終端去做，然后這些信息又會(huì)被收回來。我們就知道哪些內(nèi)容可能是有價(jià)值的。

這樣一來有兩個(gè)作用，第一，交給機(jī)器生成更多這樣的內(nèi)容。第二，交給人拍，能不能用這些已經(jīng)被驗(yàn)證了的方法，來做更有意思的優(yōu)質(zhì)內(nèi)容，再讓機(jī)器去生成良質(zhì)內(nèi)容。這件事其實(shí)就把企業(yè)已有的素材加上 17 個(gè)agent來實(shí)現(xiàn)。然后做完以后，企業(yè)就多了一個(gè)理論上成立，但過去賬很難算得過來的經(jīng)營陣地，就是線上矩陣的陣地。所以現(xiàn)在就可以很低成本的進(jìn)行嘗試，每個(gè)線上的櫥窗每天都有不一樣的內(nèi)容。

內(nèi)容+人工智能在商業(yè)上的三條岔路

通用 VS 專屬

第一個(gè)，是通用和專屬的分叉，General AI 和 Proprietary/specific AI。

我們看到每一次的創(chuàng)新其實(shí)都是一個(gè)這樣的 s 的曲線，都是由一開始很緩慢到很急速，然后再到平臺(tái)期。所以每一次s 曲線之間的這個(gè)部分，就是商業(yè)創(chuàng)新的窗口期。因?yàn)橐粋€(gè)技術(shù)已經(jīng)有一定成熟度了，另外一個(gè)技術(shù)剛開始中間有很多可以做的事情。

我自己對(duì)于現(xiàn)在這個(gè)大模型的一些基礎(chǔ)的理解，我覺得現(xiàn)在大模型確實(shí)性能提升的瓶頸比較明顯，大家看到GPT4 一直到不了5，原因就是因?yàn)樽罱@些所有的迭代，都不一定真正是訓(xùn)練數(shù)據(jù)性能的提升，而可能是思想方法提升。我只是假設(shè)有可能現(xiàn)在這個(gè)通用模型確實(shí)到了一個(gè)階段，它的紅利會(huì)逐步的減少。

通用模型很厲害，以前我 16、17 年的時(shí)候自己做數(shù)據(jù)集，大概要花很多人去打標(biāo)都達(dá)不到這個(gè)質(zhì)量的數(shù)據(jù)集，現(xiàn)在 AI 直接就能做到，但是有很多我們自己在企業(yè)里、行業(yè)里、產(chǎn)業(yè)里，真真正正對(duì)于這些內(nèi)容的理解其實(shí)并沒有被數(shù)據(jù)化。大家看看這個(gè)通用模型怎么訓(xùn)呢？一張圖片給他，他就變成二進(jìn)制的010101，然后對(duì)應(yīng)一組文字。所以他不知道這張圖背后的商業(yè)目的是什么，受眾是誰？要表現(xiàn)的怎么樣等等，這些其實(shí)都在每一個(gè)企業(yè)專家的腦海里，只是我們沒有把它記錄在那，或者我們沒有一個(gè)地方記錄。所以我覺得下一個(gè)階段有可能機(jī)會(huì)在垂直的行業(yè)的專有的數(shù)據(jù)上，所以這就是為什么我們會(huì)對(duì)要建一個(gè)企業(yè)的內(nèi)容管理系統(tǒng)。

沒有人喜歡管理，大家都是因?yàn)橄胍鲆患虏挪坏貌还芾?，所以現(xiàn)在終于找到了一個(gè)一定要做這件事情的理由。

這個(gè)是我很喜歡一個(gè)導(dǎo)演，大衛(wèi)科波拉《教父》的導(dǎo)演，他有一個(gè) 12 分鐘的紀(jì)錄片，大家可以在 b 站上找到。他講的是導(dǎo)演前期準(zhǔn)備的這個(gè)過程，《教父》這本書 600 多頁，他一頁一頁的把它拆下來，然后外邊加上一個(gè)回字形的框。然后他把自己做的每一頁貼好，然后右邊有三個(gè)孔，因?yàn)轫摂?shù)太多，所以它每一個(gè)孔都會(huì)加固，然后做出一本這么厚的書。那大家看到中間的這個(gè)原著，你可以理解為叫這個(gè)通用模型，要旁邊回字形它做標(biāo)記的。比如說這個(gè)人出來臉上表情是什么樣的，穿著什么衣服，就是原著里面沒有寫的，但是在電影里面都會(huì)被交代的，這都是他自己家的專有的數(shù)據(jù)。

然后這本書、這本冊(cè)子，這個(gè)工作方法有一個(gè)非常有意思的名字叫 prompt book， prompt book，如果接下來現(xiàn)在大家搜索，大家百度一下 prompt book，你會(huì)發(fā)現(xiàn)很有可能是什么 midjourney 提示詞大全或者 GPT 提示詞大全。但在那個(gè)時(shí)候，一個(gè)藝術(shù)家用的工作方法就叫prompt book，就是從你這個(gè)內(nèi)容里面抽取你要的東西，這個(gè)其實(shí)就是為什么我們要專有的，因?yàn)檫@本東西才是你的，剩下的都是通用的，就是人人都能買到的教輔。

一鍵生成 VS 人機(jī)協(xié)作

第二個(gè)分叉，我想講講一鍵生成和人機(jī)協(xié)作。英文一鍵生成就是叫 automation，人機(jī)協(xié)作叫 human in the Loop。我們有很多客戶會(huì)拿著 AI 的系統(tǒng)用，說這個(gè)系統(tǒng)用的不好。但一鍵生成，等一下我會(huì)講一個(gè)研究的結(jié)果，沒有一個(gè)好下場(chǎng)，所以應(yīng)該都要去設(shè)計(jì)人和機(jī)器這樣協(xié)作。

我在 17 年的時(shí)候我就開始講一個(gè)概念，就是叫腦機(jī)比，人和機(jī)器的在創(chuàng)造型工作上的協(xié)作關(guān)系不是一個(gè)零和博弈，不是機(jī)器取代人的創(chuàng)造性工作，而是一種互相促進(jìn)的作用。所以是不是個(gè) ratio 。我喜歡這個(gè)名字，腦機(jī)比，以至于我在公司的辦公室的簡(jiǎn)稱就叫BMR，brain machine ratio，腦機(jī)比簡(jiǎn)稱叫BMR。然后大家看這個(gè) BMR 倒過來是什么？所以我一直覺得在人工智能和商業(yè)創(chuàng)新的年代， BMR 搞得越好， RMB 就搞得越多。

所以BMR是什么樣的？一個(gè)想法，就是我們其實(shí)如果簡(jiǎn)單地把工作分為這樣四個(gè)象限，有些難，有些容易，有些你愿意交給機(jī)器，有些你不愿意的時(shí)候，你會(huì)發(fā)現(xiàn)左下角是最容易想的，都會(huì)用自動(dòng)化來干，但是右邊這幾個(gè)到底該怎么干?。咳缓笤趺礃幽軌蜃?AI 幫助我們把右邊的做好呢？

最近我看到一個(gè)商學(xué)院的研究，一個(gè)沃頓的教授叫Kartik Hosanagar。這個(gè)教授其實(shí)挺有意思的，也是搞創(chuàng)業(yè)的。研究就是專門研究右邊的這個(gè)象限的事情。他說那個(gè)人和機(jī)器關(guān)系它設(shè)計(jì)了三種：

• 第一種就叫一鍵生成 human confirmation，就是我寫一段提示詞產(chǎn)生一個(gè)結(jié)果，然后你選擇 yes or no 的話再生成一次，就是人不干預(yù)到生成過程，人只選擇 yes or no。

• 第二個(gè)叫 human creativity，比如說我自己如果遇見填表這種事，就我填完以后讓機(jī)器幫我去 Edit 或者refine，這段文字能不能再官方一點(diǎn)，能不能響應(yīng)一下新質(zhì)生產(chǎn)力的相關(guān)的號(hào)召，會(huì)幫我改。這叫 human creativity。

• 第三種叫Copilot，就是人做一點(diǎn)機(jī)器做一點(diǎn)。所以我如果做一些工作，我會(huì)讓機(jī)器幫我一起腦暴，那就是Copilot。

然后這個(gè)教授他做了一個(gè)很簡(jiǎn)單的實(shí)驗(yàn)，我覺得這個(gè) methodology 還挺有意思，他就是創(chuàng)造新工作當(dāng)中他選了最簡(jiǎn)單的工作叫寫作，第一天他選了一堆學(xué)生，讓他們不用 AI 寫作，來測(cè)試他們的水平。第二天用 AI 寫作，就用這三種方法。他研究得出了三個(gè)結(jié)論。

• 第一個(gè)結(jié)論叫完成的時(shí)間，那用了 AI 完成時(shí)間是多了還是少了？那肯定是少了，但是如果我們說寫作這個(gè)創(chuàng)造性工作過程分為四個(gè)階段，第一個(gè)叫有想法，第二個(gè)有提綱，第三個(gè)叫寫，第四個(gè)叫編輯。那其實(shí)第一、第二個(gè)沒省多少時(shí)間，第三個(gè)寫的過程確實(shí)省了很多時(shí)間，但是為此你付出的代價(jià)是在編輯上面要花更多的時(shí)間。所以很多人用 AI 來做圖，一鍵就做了個(gè)圖，但要花很多時(shí)間做二創(chuàng)，這就是你要付出的代價(jià)。所以總的時(shí)間減少，但是有些地方你會(huì)要發(fā)付出額外的代價(jià)才能得到目標(biāo)的結(jié)果。

• 第二個(gè)，質(zhì)量就是 writing quality，有兩個(gè)質(zhì)量是上升的，一個(gè)質(zhì)量是下降的，大家猜猜都能知道哪個(gè)質(zhì)量下降。就是一鍵生成，所以就當(dāng)你無法介入到創(chuàng)造性的工作當(dāng)中的時(shí)候，這個(gè)質(zhì)量你是不滿意的，但是另外兩個(gè)質(zhì)量都是上升的，而且大家看到copilot 的值上升最多。

• 第三個(gè)是叫用戶體驗(yàn)，就是如果在一系列有創(chuàng)造性的工作當(dāng)中，你發(fā)現(xiàn)人無法控制這個(gè)創(chuàng)造力的過程，你就會(huì)覺得體驗(yàn)很差，所以一樣就跟前面的質(zhì)量是正相關(guān)的。

一個(gè)企業(yè)，當(dāng)我們開始用 AI 的時(shí)候，我們不能指望我們要把工作 outsource 給AI，我們只能指望用 AI 重塑我們的組織。當(dāng)你想著要把 AI outsource 后，那時(shí)候你考慮只是生產(chǎn)的問題，不是解決開放性問題的一種方法。

他還講了一個(gè)延伸的觀點(diǎn)，我覺得這個(gè)對(duì)我們每個(gè)人有幫助。還記得他的這個(gè)實(shí)驗(yàn)第一天是所有的學(xué)生在沒有 AI 幫助的情況下，是有人寫作能力差，有人寫作能力中的，有人寫作能力好的，但有了 AI 以后，明顯好壞的差距被拉小了很多。所以也就是說其實(shí) AI 沒有辦法，幫我們?cè)黾娱L板，但一定有辦法幫我們補(bǔ)齊短板。我們每個(gè)人都一定會(huì)有地方是短板的，有人可能邏輯很好，創(chuàng)造很差，所以在這個(gè)過程里邊 AI 能幫我們把我們的這個(gè)能力樹建得更平整，但是 AI 永遠(yuǎn)都超不過這個(gè)行業(yè)里最牛的那個(gè)人。所以這個(gè)也給我很多啟發(fā)的，就是我們有時(shí)候去試著突破這件事，試著創(chuàng)新的時(shí)候，會(huì)很容易放大我們的短板，比如說我有很多做教授的朋友說我可能不會(huì)做生意，也許 AI 能幫你提高你生意的水平。

工具VS結(jié)果

第三個(gè) forks 就是工具和結(jié)果，這是我最近想的很多的，大家知道現(xiàn)在絕大多數(shù)在提供 AI 的企業(yè)都是原來的所謂的工具公司，做軟件的公司，軟件上加上 AI 很自然，但是很有意思，我拜訪了一個(gè)客戶，那個(gè)客戶今年的業(yè)務(wù)增長大概60%，然后他在我這好像沒有多花60%的錢。

當(dāng)你提供工具的時(shí)候，你永遠(yuǎn)在 address 一個(gè)大市場(chǎng)里面很小一部分。但是這個(gè)市場(chǎng)看上去很大，其實(shí)好像跟你又沒有什么關(guān)系，但我覺得 AI 有機(jī)會(huì)幫我們解決一些問題。

這是我們自己公司內(nèi)部在做的一個(gè)工具，我們叫 CreativeSKU Agentic Workflow，名字很長，其實(shí)就是說我們?cè)趺礃幽軌驇椭覀兊臉I(yè)務(wù)服務(wù)人員通過 AI 幫助他們更高效地提供內(nèi)容的結(jié)果。所以原來可能一個(gè)人能夠做的事情，現(xiàn)在我們可以用 AI 來幫助他更標(biāo)準(zhǔn)化。

這里邊就講的是原來為什么有軟件或者有工具和服務(wù)，因?yàn)楣ぞ呦胱屝枨笤絹碓綐?biāo)準(zhǔn)，服務(wù)又不得不接受每個(gè)人的差異化，原來這兩者很難調(diào)和。服務(wù)的毛利低，工具的毛利率高，但是現(xiàn)在有了 AI 以后， AI 是很擅長于做 personalize 的，你真的有可能用 AI 加上工具來給每一個(gè)人提供這個(gè)personalize，從而依然獲得一定的毛利。

第二個(gè)角度，我們自己投的一個(gè)公司給我一些啟發(fā)，大家看到我前面講那個(gè)第三個(gè)視頻的那個(gè)例子的時(shí)候，我們沒有告訴客戶，我們給你一個(gè)軟件，我們告訴客戶，我們直接給你內(nèi)容，也就是說我給你軟件的時(shí)候，你做1萬條內(nèi)容，1億條內(nèi)容，你還是付給我軟件這個(gè)錢。而且你內(nèi)部要建團(tuán)隊(duì)，你內(nèi)部要改SOP，要改績(jī)效機(jī)制，你覺得這個(gè)轉(zhuǎn)型的成本， transformative 的這個(gè)成本非常高，但如果我直接給你內(nèi)容的時(shí)候，你就沒有這個(gè)考慮了，所以我們就有可能真的能夠有了 AI 以后，我們就能夠把 personalized service 和 tool 的好處結(jié)合在一起。從而原來我們是一個(gè)軟件很小的市場(chǎng)，就可以變成整個(gè)市場(chǎng)，擴(kuò)大我們的 addressable market。

我們投資的一個(gè)公司給我的啟發(fā)是什么呢？原來他覺得有了 AI 以后，他就要做一個(gè) AI + CRM 的軟件。后來發(fā)現(xiàn)中國的所有 CRM 公司好像活的都不咋地。然后我再用 AI 再做個(gè)CRM，感覺也就是不好里邊好一點(diǎn)的，所以他后來換了個(gè)思路，他說能不能 AI + CRM 直接交付銷售結(jié)果?。克运湍娩N售提成了，但是因?yàn)樗桓朵N售結(jié)果，所以他又不能做一個(gè)通用的工作，然后他就會(huì)不得不要去做某些垂直這個(gè)商品場(chǎng)景里面的售賣，所以其他CRM 公司是一個(gè)坐席幾塊錢、幾十塊錢，他現(xiàn)在是在每一單那里拿銷售提成。所以他從第一天開始就是個(gè)盈利的生意，而我們做軟件，可能第九年有機(jī)會(huì)盈利了，所以我覺得這個(gè)會(huì)大大的改變。從 sell tools 到 sell work 直接出結(jié)果。

我的分享講完了，我們公司在上海，也歡迎大家有機(jī)會(huì)到上海來，去我們那逛逛，然后我們是在徐匯濱江，中國大模型和人工智能的聚集地，我們作為一個(gè)創(chuàng)業(yè)公司，每天干的事情就是找錢做產(chǎn)品、找市場(chǎng)，現(xiàn)在最大的痛點(diǎn)是找市場(chǎng)，我們合作的都是行業(yè)里邊很優(yōu)秀的企業(yè)，也很感謝這些企業(yè)給我們帶來了很多行業(yè)的最新的支持。我們做好技術(shù)這一塊，然后希望能夠幫助更多企業(yè)做好增長這一塊。

謝謝大家。