对比开始，想清楚更重要
当一件事处于设计阶段的时候，任何的投入，都是收益，因为不可行的结论，也是很有价值的输出，而事情一旦步入到实施，那么每一天的投入，都是成本，需要考虑复杂的投入产出比。
因此想做一些事的时候，最好是先旁观三年看清局势，想一年如何开展，然后踏踏实实，认认真真的做十年。十年并不长，一个人从大学毕业后，需要工作五十年才能达到退休年龄，十年又很长，足够在一个方向上做出纵深的东西。
AI看起来好像来了
两三年前OpenAI的ChatGPT刚出来的时候，我正在关注superblocks这家初创企业，superblocks以一种极简的方式去创造数据商品，每一个商品就是一个小的blocks，一个数据领域的微服务架构的实现载体，把data mesh的很具像化的落地了，尤其是商品的整套交易体系。
然后GPT以一种超乎寻常的热度问世了，用尬聊的方式满足了全世界人和AI顺畅聊天的好奇心，满足了大众的猎奇心理。而此时的模型也仅仅只具备聊天的能力，在通用聊天下表现出非常强的拟人性，给人了一种耳目一新的感受，软件由GUI进入到CUI的风气也由此展开。

似乎真正的强人工智能到来了。

一切AI辅助都是伪生意

我认为，在B端市场下，一切以团队/组织 作为单位的AI辅助，都是伪生意，当一家企业引入一个所谓的AI辅助后，在管理者的视角下，如何度量这个东西产生了价值 ？非常简单，以前10个人的活现在5个人能不能做？如果能，那么被裁掉的那5个人是谁？对于甲方自己来说，如果要推行AI辅助，而又不进行减员，那么这个AI辅助引入就是纯成本，如果要减员，就需要确认AI辅助的引入是真的产生了价值，这本身就是利益矛盾。

老板问：AI有用吗？
员工异口同声回答：有用！
老板说：好，明天团队人员减半！

那么能不能先裁员呢？当然不能，因为这个板很大，并不是谁都敢拍。

所以AI辅助对于企业来说，永远只会是个额外新增成本，不会带来任何收益，这个AI能力没有关系，单纯利益而已。

甚至，AI辅助在B端市场是个双输的局面。

AI应用的平台生意

在我第一次使用GPT的时候，除了尬聊的场景外，如果考虑到工程落地，GPT给我的第一个感受并不是一个应用，而更像是数据库。距离应用之间还缺点什么东西，其次当企业在落地的时候，还面临内部信息需要让大模型感知到，才能准确的回答，这些都是问题。

而紧接着在后续的科技大爆发中，基于工程解决方案的RAG和基于模型本身的微调，都尝试提供一个适配接口，让大模型可以工作在一些特定的场景下，具备更好的灵活性。

然而这还不够，即便有RAG和微调，大模型距离变成应用，依旧有着遥远的距离，如同数据库一般，要做成应用，上层还需要一系列的工程框架，而首先需要的是一个应用平台。随着大模型的发展趋势，越来越多的企业采纳AI只是时间问题，虽然中间会面临非常多的问题，但是并不影响整个趋势的发展。

因此企业需要一个平台来构建和开发AI应用，似乎是一个必然的选项，但是AI应用又和业务应用不太一样，AI应用极度依赖数据本身，而在企业中数据通常又归属于数据平台中，且数据集不一定是为AI而准备。

然而一个AI应用开发平台必然需要打通企业的数据平台，且具备直接消费和加工数据的能力，基于这样的一个基础上，需要提供一套支持AI应用开发的体系，于是我尝试在数据平台的作为基础之上，引入模型管理的概念，且通过应用模板的概念来串通数据，模型和使用场景，而业务模板作为牵引，可直接对齐到业务，会更容易绕过企业IT带来的限制，基于这个思路，初步实现了整套原型验证。

得到一位大V的支持，进行了部分市场的验证，与此同时在北京和另一位老友进行了沟通，他也认可同样的方向，且进行着同样的事情，所不同的是在实施上，我沿着上层的应用往下走，而他更倾向于从下往上做，在寒冷的大冬天在北京的花园里探讨过数次关于整个平台的价值。

然而就算平台的价值非常被认可，在我看来，平台依旧不是一门好生意，因为目前来说平台无论怎么发展，平台的受众始终是企业IT，而企业IT是成本中心，而非利润中心，且非常重要的一点是IT并不控制预算，也不控制需求。和IT部门的合作更像是0.8*0.8=0.64，两两合作，两败俱伤。

也就是平台的价值始终需要间接的以工具的方式加入到企业中，平台本身并不直接创造业务价值，基于平台上做出的东西才是具有业务价值的东西。

要做的不是AI平台，而是用AI去做平台

AI平台本质上还是一门效能工具的生意，只是创造对象从应用系统变成了AI应用而已，并没有打破本身的业务模式，所以必然会面临平台同样的困境。

在AI平台的经验上，我认为似乎我们把AI想的太简单了，AI本身应该作为生产力对待，而非固化的工具箱。即便现在的AI达不到对应的要求，那么未来也必然只是个时间问题，要知道全球从能源到芯片全方位开展军备竞赛搞AI，不可能只是单纯的做一个聊天更好的模型。

AI成为生产力工具只是时间问题，大势所趋。

所以重新思考会平台本身，我认为平台价值并没有问题，但是平台的工作方式和受众应该发生变化，传统平台为什么需要面向IT，而不能直接面向终端使用者？

因为终端使用者不具备需求的实现能力，而IT团队为了实现需求需要一个趁手的工作台，而平台就是这个工作台，工作台加速了IT团队实现需求的效率。平台生意是给IT部门售卖了一个锤子，IT部门用这个锤子去敲出一朵花，这朵花如果不好看，不能满足需求，平台自然也会受到负面评价。

所以未来平台型的生意应该以终端需求方能接受的工作方式直接交付产物，这个产物是平台动态产生的，而能动态产生的核心引擎就是AI作为生产力。

这样会对企业的IT带来影响吗？并不会，因为这样的平台同样需要人来运维和服务，也就是平台从曾经定位成工具，由人去操作，变成了自动生产的引擎，由人来维护，带来的直接价值就是降低了交付周期，加快了业务流转，提升了企业的利润。

让参与方都能获利。

所谓的行业到底是什么

自古以来，对我来说行业知识，领域知识，一直是蒙着一层面纱，似乎总是隔着一层什么，很多时候总以缺乏行业知识聊以自慰，那么到底什么是 行业知识？什么是行业经验？

在这些年的逐步摸索和学习过程中，我认为所谓的行业知识，本质上是需要理解此行业下的商业运作模式和企业经营理念，而这套东西得融入到日常的工作中，才能有深刻的体会，其他途径是无法获取的。

对于很多不接触市场的产研团队来说，似乎销售就是靠吃吃喝喝，发发红包，就能拿下单子，照着吃吃喝喝去聊单子，基本上路子就跑偏了。

而一个AI平台要 发挥真正的价值，必然也得融入到一个聚焦的行业中，而要融入到一个行业中，自然也得贴合此行业的商业模式和企业经营理念。

任何一个通用到任何行业都能用的平台，平台本身几乎没有任何价值。

想了什么，做什么

在AI这个时代，围绕AI而出来的产品生意无数，但是生意模式上并没有发生本质的变化，依旧是用曾经的商业模式，在AI中重新做了一遍。

然而我认为，在一个平台上给不同行业做应用，提供一个通用的平台，显然不如给一个行业做平台，实现一个行业平台。

然而本质的区别还在于，这个平台是自工作的。

扫码手机观看或分享：