本文来自微信公众号：琢磨事（ID：zuomoshi）
AI相关的发布会狂欢，有时候会让人想到赵本山的小品《卖拐》。如果我们回想元宇宙的发展过程，你会发现这几乎和“卖拐”的过程一模一样。先是把一个科幻的概念结合新技术进展再包装，再加大输出功率宣讲各种自圆其说的故事，然后扎克伯格扮演了范伟的角色？拐也卖了（Facebook都改Meta了），可元宇宙在那里呢？
AI的发布会也有点这么个意思。
畅想有点多，应用有点少。
AI假如真的那么厉害，那能像互联网那样生活缺了就不行么，它的超级应用在那里呢？
致命的思维模式
从技术看应用和从战略角度看应用，是两种要命的思维模式，要命的原因是这种视角下其实看不到超级应用，甚至很难看到有用的应用。
这里的常识性问题在于，AI再怎么发展也不是整个世界的镜像，而超级应用注定在世界和它的结合处。
也就是说，横跨两个领域才能造就新的超级应用，这就需要一种从外往里的视角。
技术视角正相反，从AI往外看，这时候看到的就是各种简化版本的可能性，看到的是骨架子，而没有血肉的产品怎么可能成为产品。与此伴生的就是纯粹自上而下的战略型思考。
这其实是研究院的模式，研究院可以有伟大的开始，很少有伟大的产品是彻底从研究院出来的。
这时候不要扯第一性原理，第一性原理是个起点，迷惑处在于它会让人觉得自己已经掌握世界的本质，然后被当成终点。
PC、互联网大潮刚过不远，可以简单回顾下。
PC、互联网的简单回顾
是施乐的研究院发明的图形用户界面，但是乔布斯、盖茨看到后把它变成了现在两万亿美金市值事业的根基。这两人做的到底是什么工作？
互联网基础设施相对完备后，国内是马云、马化腾等完成了它的切实落地，他们做的到底是什么工作？
反面教材反倒是Facebook，这家公司早期崛起全是因为基本没技术含量的校园内的社交产品，后面一想发挥自己雄才大略基本就挂了。第一次是App的选择上，它们觉得应该还是H5类网页，然后为了善后大肆收购，包括花190亿美金收购WhatsApp。最近则是元宇宙，改名这事实在是决心下得够大，然后眼看着也是一地鸡毛，眼看着是有点瘸了。
所以这个时候如果真的想去寻找AI的超级应用，真的不必太在意谁说了什么。
核心就是一点：回到现场去感受新技术，然后思考和实践它到底能干什么，形成体验的闭环。
回到现场
回到现场、建立自己的测试集，就会陆续看到很多新的可能性。
现在有什么应用是过去不能做，现在真能做得了的么？
过去，我带队做产品的时候设想了大量产品，有的尝试过后限于当时的技术放弃了，但现在看起来有些产品逐渐变得可以做了。
之前有个产品叫VIPKID，主打就是用外教陪小朋友练习英语口语。很多家长为了让小朋友练习英语口语应该都买过。后来则逐渐销声匿迹了，一说是因为运营成本过高，成本包括流量成本和外教的成本。
那是不是可以把外教换成AI？用AI来做外教能做到什么水平？
过去的麻烦是，如果是AI又必须用小爱同学这样的唤醒词，那整个交互过程就会非常蹩脚。如果不用唤醒词又没法区分到底哪些是交互的内容，哪些是周围的干扰。
不要低估这事儿，真实场景的交互受到环境干扰是很麻烦的。否则也不至于地球上组织了几万聪明人，最终也还是只能选唤醒词。
现在好些了，用模型在后端判断是否在和自己交互的可能性变高了，这样就可以真的打造一种去除唤醒词的交互方式。因为这个场景不像Siri那么开放，相对垂直，免唤醒的交互方式成立的可能性在变高。
类似的，我们是不是可以打造一种真实场景下的“妈妈讲故事”。AIGC生成各种有趣的故事，用妈妈的音色放给小朋友听？
有人也许说，这东西我做过。
这时候就别学扎克伯格了。而是回到现场，打磨细节。
交互真的流畅么，故事真的精彩么？
智能音箱差不多把所有的这些都做过一遍，但现在哪里变了呢？
上面这类应用如果仔细想想，就会发现这类产品的起点都是对某种角色的置换。
妈妈、教师、女友……整个一个AI版的角色扮演。
扮演好一个角色，需要新技术，但画龙点睛的那一笔是要理解角色、理解感受。
所以这种产品先天和研究院模式、战略式的自上向下思维是冲突的。校园社交网络这种创意为什么不是思科的人先做呢，他们显然更理解网络？大致上是这么个意思。（参见：《角色中心式计算：AI大模型颠覆性的起点与终点》）
寻找超级应用
上面这种角色越多，就越可能造就新的超级应用。
举一个开脑洞的例子。
过去我们有一个产品大类叫UGC，抖音甚至知乎都是这种产品。
那假如上面说的各种AI角色已经哪里都是，那真的还需要UGC么？
为什么不是根据偏好判断直接产生内容？
当然可以保留社交属性，可那不是现在的这种产品形态了。毕竟多半以上的人，并不是内容生产者而是消费者。
如果AIGC的水平真的达到一定程度，那所有UGC的产品（包括搜索）其实都要重来。
现在没有，还是智能水平还不够。
角色重组，会导致新的应用形态诞生，不能老盯着过去成立的产品。
回到切实成立的角色，加一点想象力来寻找超级应用可能更靠谱一点。
从以终端为中心到以智能为中心
仔细想想我们会发现，AI其实必然以智能为中心。
这和移动互联网很不一样，移动互联网基本上以手机为中心。
当然所有产品都会有端、有云，但以App为中心的移动互联网和以Web为中心的PC互联网，其实游戏规则是不一样的。
移动互联网差不多把App的重要性提到一个无以复加的程度。
手机这个终端的重要性超过所有其它终端的数倍还多。
AI就不是这样的。ChatGPT是不是App就没有那么关键。小爱同学这种产品是不是智能音箱其实也不关键。
这是什么模式？这是以智能为中心的模式。非要类比会更类似Web，而不是移动互联网。
这种模式决定了很多事，比如：早期AI企业规模恐怕没互联网涨得那么快。
一定程度上除了小品类，恐怕也不会以手机为主战场。不是不行，而是既有力量太强大。
以智能为中心的产品模式，需要找到自己的新立足点。
为什么强调这点呢？
因为我发现即使很有名的人也用互联网术语来描述AI。
DAU这些其实可以扔一扔了。如果非要创造一个，我觉得适合用Value Per Role（VPR）。
我们对比过AI和互联网的差异，AI如果像我们说的那样是打深井，那就应该计量每口井的出水量。计量覆盖多大面积有什么意思？（参见：《为什么说互联网方法论在AI上差不多全是错的》）
智能的价值密度
之前提过“智能的价值密度”这个概念，这次正好结合以智能为中心，再表述下：
就和矿有富矿和贫矿一样。
不同角色的智能成分是不一样的。
以能干为前提，AI不求矿多，求的是富矿。
度量贫富的就是“智能的价值密度”。一个情景里面智能占比越高，如果能做，AI实际效果越好，比如下棋。
反过来比如搬砖，那其实大模型这类智能的价值就没想的那么大。过去的技术也就覆盖了。
所以AI的核心是找得准。
这事并不难想明白，但思维惯性太大，太多人还是在老的模式下思考这事了。
很简单的问题，AI是烧Token的，如果100个人用，90个人每天问“今天天气怎么样”这类无价值的问题，但它花的成本和有价值问题是一样的，这显然就会增加商业模式成立的难度。
假如我们还用互联网那个转化率漏斗，那大概率从点击率到成交率，即使是符合互联网的漏斗也是不赚钱的，因为你成本高了。除非英伟达真的把这种Token生产变得和加减乘除一样便宜。互联网通过硬的基础设施（云等）、软的基础设施（缓存等）优化了这些成本。所以啊，GPU显然比一般服务器还是贵很多。
怎么对冲这类发散导致的问题呢？
显然需要角色的精准，和以智能为中心的应用。（参见：《智能的价值密度》）
一点点方法论
典型的落地方法论其实叫由特殊到一般，再由一般到特殊。（大家自己查是谁说的）
也就是自下向上和自上向下来回穿梭。
当试错成本低的时候，纯粹的感受派（自下向上）就会占绝对上风。但自下向上就看到机会容易，看不到跃迁的可能性。
当试错成本高的时候，战略派（自上向下）就会占上风。但这容易看到框子，却看不到抓手和落地点。
AI产品正好要求变高了。这时候单一维度恐怕是不灵的。先从角色开始，再有整体趋势认知恐怕更合适。
小结
AI这种纯粹硬科技驱动的事业会导致一种迷信，大家会相信一些“似乎知道更多”的人，但这很要命。冷静的人一定会意识到，这个时候大家都所知不多，最多知道一点方法的方法。这点方法的方法有点用，但真说落地的话，重要性远不如回到角色和感受上。而如果回不到角色和感受上，就会很容易变成科技界的卖拐。