AI商业化导论

多客科技

作者：微信文章
原创声明

从时间角度看问题。

——

开始：

01

—

AGI这个词，对人工智能时代进展有反作用

1、AGI是一个营销词汇AGI是一个营销词汇，本身并不重要。transformer架构是人类构建的一种很厉害的架构。这并不意味着，这种架构产生的技术就能达到人类目前期望的智力上限。甚至这种定义本身，就不符合人类发展的现状。在生产力领域，人类的边界是在不断突破的，AGI的思考方式，是一个有终点的论调，这种思考方式和AI的哲学是相悖的。（模型突破本身的路径也不是给模型一个目标，而是，下一步可不可以不同带来的智能涌现。）所以在ai时代给模型一个能力上线的假设，是非常错误的。比如：1、不可能假设，ai时代，模型可能是不重要的。（如果模型是一个基础能力，那么模型就像电气化时代的电力，真正的创新在电气化时代的plug，电机等方面。）很遗憾，没有模型公司会认为，模型不重要。而且，认为模型没那么重要，也非常困难。2、类似模型在处理问题的时候，比如没有抵达AGI的时候，一直在通过模型来修复问题抵达AGI，而不是创造一个新事物。3、上个时代，假设用移动互联网来映射，其中的关键技术突破和关键价值，至今也很难统一。是4G技术是最重要的，还是操作系统是最重要的，还是社交网络最重要，还是电商，还是社交媒体是最重要的？
《百年孤独》中，马尔克斯开篇：世界新生伊始，许多事物都没有名字，提到时，尚需用手指指点点。而人工智能时代新生伊始，很多想象力依然没有被打开。模型在ai时代过于重要，当然这是人的一个缺陷后面会提到。
正如蒸汽机发明的时候，人们对于未来最前瞻性的幻想，也远不及今日的万分之一。电脑突破的时候，产业的想象力也极为有限。transformer架构不能被新的东西突破么？如果时间足够长，100%可以被突破。正如牛顿的经典力学，理论叹为观止，终究会100%被新的思想突破。
理论本身就是一个偏见，为了让理论好用，人类通过限制理论的适用边界来阐释理论。才有了经典力学，量子力学……这些理论并不是客观事实，transformer也是。
2、语言模型的上限
语言，是人类为了方便人和人之间的意识和知识通信而发明的东西，可以说，到目前位置人类的认知精华都是以语言的形式存在。中国人说中文，英国人说英文，中文英文千差万别，但是架构上类似。都会有动词，名词，形容词。语言的这个架构是人工智能在架构上哲学观的最大启发。
上一个时代的计算机科学，也有类似于语言的结构，比如MVC开发模式，显示，控制器和数据库，相当于形容词，动词和名词。
很有意思的是不管是哪个国家，什么时代，对于信息都会抽象出来动词，名词，形容词。这种结构用来对其人类关于知识的理解很有好处。但是所谓知识也逃不开动词名词形容词。
所以语言模型的上限就是人类知识总量的上限，再突破非常困难。举例来说这种困难：比如我们使用十进制数学，学到今天，然后因为计算机的存在用十进制数学去构建计算机，非常困难，因为十进制发展到今天，加减乘除的发明，指数还是的发明，幂函数的发明，既是便利也是限制。
二进制的方式不可能存在于十进制的生态系统，比如破旧立新。
同样的，真正哲学上更高的智能，应该能从原点总结物理世界的客观规律，而不是在已经知道的经典力学，流体力学，电学，光学知识中产生，人类的语言组织起来的知识也是一个庞大的生态系统，真正的突破需要破旧立新，用新的范式来构建属于ai时代的智能，而仅仅只是在语言中去归纳总结，突破人类构建的知识的生态系统，是不可能的。
而AGI时代，真正的智能是直观观察物理世界，形成自己的理论，未必是F=ma，但是新的规律总结依然适用物理世界，未必是E=mc²，依然可以推导出一些不知道的能量。
但是人类目前构建的整个知识的生态系统是一个参天大树，确实已经非常强悍了。那么对于以语言模型驱动的人工智能来说眼下最重要的并不是努力走向AGI，而是用现有的人类的总知识来适应人类的商业环境。
从这个角度看，openai，出chatGPT，出浏览器atlas，sora，可以购物，出群聊功能，目前看是不得已的结果。AGI仅仅只是靠语言模型无法抵达。
这是语言模型不得已的必由之路。
真正可以智能涌现的可能世界模型，如果仅仅只是世界模型，确实可以有更高的智能上限，但是也需要漫长的时间，如果真的指望世界模型产生过于语言模型的能力，那么那些，1+1的问题，动物，植物的定义，什么是动词，方程，幂函数，开心快乐，文学巨著等，属于语言里面存储的人类智慧，需要在世界模型再走一遍，而世界模型，仅仅只开了个头，却要对抗人类百万年的语言史。
但是世界模型用来补充语言模型的理论应该更为实际，所以，多模态的模型的智力上线，应该会显著好于单模态。ai能力好的模型公司，语言模型和世界模型应该都很好，且相互借鉴融合。（考虑到gemini的能力，grok的能力，似乎这个结论不难推出）

02

—

泡沫：过度产业化过少产品化

这里面要提到一个东西：共识。共识最大的特点就是有时间限制。人类历史上几乎所有的共识都有适用的事件窗口。历史上的银票，中国古代的白银，比特币，美金，炒房，以及人工智能。很不幸，人类又有一个明显的缺点：人类不相信自己没看到的事情，但是相信自己看到的事情可以持续发生。这就是泡沫的来源。2026年，没人相信人工智能，2025年没人怀疑人工智能。而在这个过程中，亲眼看见了英伟达，openai，谷歌TPU，gemini，博通……而且很不幸，几乎绝大多数人错过了，这些伟大的涌现。其结果导致，几乎所有人都在做亲眼看到的事情。所以，甲骨文在疯狂，anthropic疯狂，特斯拉疯狂，中国寒武纪疯狂，摩尔线程疯狂。人类相信自己看到的事情可以持续发生。可是冷静的思考，很容易得出结论：ai云服务的壁垒，远远不如上一个时代的云服务公司来得高。新时代的ai云服务公司，仅仅提供算力，多数构建在算力上的事情，租户自己就可以解决。
但是很少有人会认为，ai云即便是龙头，都不算是一个好生意。同样，GPU（或者推理芯片）也不是一个好生意。无非就是支持推理或者训练这一单一能力，而不像上个时代的intel，如果兼容很多的通信规范，零件标准，操作系统……形成一个庞大的生态。
所以看似超高规模的基础设施建设的资本开支之后，大家的利润水平都越来越薄。这是由同质化需求决定的，英伟达即便有cuda，也并不意味着高枕无忧，推理芯片的突破在行业里面由于是同质化产品和同质化需求，并不难突破，又犹豫需求同质化导致供应同质化，利润水平必将摊薄，最终胜利者，只靠规模。
如果基础设施真的有壁垒，其实是终端技术壁垒。上一个时代的云服务，其实真正的受益者并不是芯片公司，而是云服务公司。芯片其实也是同质化的。intel并不想在这么高度同质化的市场努力，所以让英伟达和amd抢了很多市场。但是上个时代的英伟达和amd的云服务市场的收入，也并不惊人。真正的壁垒在终端，即pc时代最成功的芯片公司是intel，移动互联网时代最成功的芯片公司是高通，ai时代最成功的芯片公司依然是做终端的，只是很遗憾，现在超规模的产业化和羸弱的产品化，让终端ai芯片还见不到太阳，我们手机上的ai应用还非常少，普通人还并没有真正感受到ai的能力，产业界，生产力ai化还在非常早的早期。
但是很遗憾，人们相信自己看到的事情，相信英伟达市值五万亿美金自己错过了，不想再错过下一个英伟达，相信英伟达的叙事还可以再来一遍。正如2029年，那些没有买房的人不想再错过房地产，从2015年到2019年的房地产叙事，人们亲眼所见，身边的人都盘满钵满，这件事肯定可以继续下去。
这就是过度的产业化的来由。
而过少的产业化，是整个技术生态系统，过于追求模型的能力，而不是整个应用的生态（这里也有对风险的恐惧）。比如人类在2g时代大概知道任何人之间是可以视频通话的，但是谁说得准是哪种通话方式，毕竟“可视电话”在当时也是一种解决方案。人类对没有见过的事物的恐惧，让人止步不前，所以未来确实只属于少数人，这些少数人也必将踩着更多的先烈的身体前行。
这也是为什么过少的产品化的原因。
这样的事情并不鲜见，新能源汽车行业泡沫也是如此，都知道新能源行业，最早也是过度产业化，过少产品化。市场在新能源趋势里面疯狂购买锂矿，疯狂造电池，疯狂造车，很少研究客户需要什么车，造了一大堆僵尸车，开工建设了一堆电池工厂……经历了新能源泡沫破裂之后，开始研究冰箱彩电大沙发，自动驾驶，车载娱乐，逐步走到今天的样子。
ai时代也是，无数科学家号称自己全球领先，但是几乎没有人去研究，如何用ai技术让人吃一顿好饭，炸一个好一点的油条。脑海里面想想的，都是欲望，关于干掉旧巨头，变成新巨头的欲望，关于成为链主的欲望，关于平台级公司的欲望。

03

—

模型，是个供应链技术

这里有一个前提条件，在前面提过了，AGI是没有意义的。在这个基础上，多数模型很快会抵达一个类似的模型能力。在这个时候，模型和模型之间的竞争，其实是模型成本。因为在模型使用的时候，90%以上的需求并不需要模型很强的能力。这一点是由使用者决定的。使用者首先，是个人类，因为这个特点，导致，使用者提出需求的时候，依然有经验的延续。
比如一个建筑工程师对ai的需求，就是一些建筑标准的使用。一个律师对于ai的需求，就是法律条文和实际判例的使用。一个建筑师，不会对ai有一个，帮我做一个完整建筑方案的需求，一个律师，不会对ai有打赢一场官司的需求。（这很微妙，建筑师和律师不会承认这一点，因为如果可以做到如此，建筑师和律师可以不复存在）。
这样的话，模型的核心是模型的成本。而涉及成本的几乎所有商业问题都遵循一个规律：规模越大，成本越低。
而这里的规模，是指供应链复杂度。在物理世界中，供应链复杂度，可以理解为，流程的数量和协作的员工的规模。这就是强者恒强的根本原因。台积电之所以壁垒高深，其核心技术并不是光学技术，材料技术和设备技术，而是纷乱复杂，规模庞大的生产体系背后的供应链技术。如果一个供应链生产环节涉及1000个步骤，10万个零部件，这个系统的管理水平一旦构建就很难被推翻。
那么在模型时代，模型设计本身，其实是一个供应链技术。举例来说，deepseek之所以在2025年年初让世界为之一振，并不是deepseek模型一下子能干翻openai，而是deepseek模型的成本可以干翻openai，但是其模型设计的核心，其实是用供应链技术的方式构建模型，比如：专家模式等。
在供应链技术中，分工越细效率越高，ai可以理解为，可以无限分工的一种技术。而这种结构能力，是最重要的。所以在模型突破中，如果一个模型在算法结构中，充分利用了，这种特性，那么这种模型，会有非常好的市场反应。
同理，openai之所以最近落后gemini，核心原因是openai的工程员工规模远低于gemini，最终出品gemini的并不是deepmind，而是谷歌（大意是谷歌的工程团队而不是研究团队）。因为gemini是在deepmind的科学突破之后，开始的工程突破，而在工程能力上，openai是不如谷歌的。同样的道理，meta之所以起了个大早赶了个晚集，是因为meta的模型，Llama是由Meta的FAIR团队出品的，而FAIR团队是一个研究团队，是可以很快突破模型能力，但是对模型的工程化，由于组织特征很难突破，最终落后。谷歌的ai之路也有这样的问题，最早有deepmind这种研究机构主导，科学突破到商业突破之间，其实缺少的就是工程化。
爱因斯坦写出了震惊世界的E=mc²，但是奥本海默主导的曼哈顿计划，其核心就是组织一个工程团队，将爱因斯坦的理论变成现实。爱因斯坦伟大，但是军事上真正产生威慑力的，并不是E=mc²，而是原子弹。
人们不太会相信自己没见过的事情，但是会相信自己见过的事情会再次发生。
如果说模型是一个供应链技术，那么供应链视角看模型能力就更从容，模型需要算力，需要能源，需要工程化。这其中有三个条件，所以愿意在模型上努力的国家，除了中美，还有沙特，因为他们有能源，而算力和工程化，花钱也是可以获得。但是归根结底，是一个供应链技术，基于这个视角看，未来的判断显而易见。两个要素：1、充足的电力。2、规模化工程师。

04

—

ai模型仅仅是ai系统中的一个部分

基于前面的结论：1、过度产业化和过少产品化，2、ai是个工程行业。大概能得到，ai行业的产业链技术之不足。这里面更多的工程技术，投入严重不足。这时候就要抽象人类社会。
模型技术在哲学上给人类最大的启示，是有提供知识的能力。（可以把模型理解为，学习过很多东西的好学生，而不是天才。）那么模型所遵循的，不是喂进去的数据，而是喂进去的知识。
如何理解知识，就可以理解如何构建ai工程。比如：1、30度；2、30度以上；3、今天30度以上；4、今天30度以上，我们要开空调。
在上一个计算机时代，前三种内容处理的很好，人类基于存贮的前三种内容，做空调控制器，做温度传感器，做数据库技术……但是前三种只能说是数据或者信息，而非知识。
但是“今天30度以上，我们要开空调。”是知识，人类过去模型时代之前，对这种内容的利用是无力的。
比如在搜索引擎中，搜索引擎很难搜索一种存在过的知识，只能搜索信息，最终由人去整合自己的经验（所谓经验就是人学到的知识）来利用数据，进行处理。一个医生之所以是医生，是很多的治疗样本带来的经验，而这种经验即这个人的知识，这个部分，在过去的时代，是很难被替代的。而ai时代成为一种可能。
知识是什么？
对这个问题的看法，决定了对ai时代的看法。认为模型最重要的人，是认可：模型原理上可以学习这个世界上所有的知识。
但是事实并非如此，知识（或者经验）本质上，是人的一种偏见，只是有些偏见成了共识，有些没有。正如医生给与的任何患者的解决办法，都不可能是最佳治疗方案一样，不同的一生对同一个病例的不同看法，不同的法官对同一个案例的不同看法，都是各自的偏见。
而这个偏见是最大价值。即：任何人，和任何企业，都是对自己偏见的坚持才成为今天的这个人和这个企业。有想做油条的企业，并不是油条在产业上是最佳市场，而是由这个企业对油条这种东西偏执的坚持才成为的这个企业。这也是这个世界生态系统的形成，对于任何一个起点，用各自偏见的来演绎，同样的开始演绎出了不同结果。有人要当科学家，有人要变成凶手，有人是拳击手，有人是警察。
所以，模型原理上可以学习这个世界上所有的知识。这句话并不存在，任何企业的赖以生存的偏见，都可能会被模型不认可。因为模型更接近“真理”。而企业，有各自不同的“真理”。这也是“幻觉”这种东西产生的根源。
如果“模型原理上可以学习这个世界上所有的知识。”不存在，很遗憾，这个ai时代的工程技术，可能要重塑。全世界对于模型的投入过大，对于比如存储技术的研究和更新，对于上下文技术的投入，对于语言在企业内部的运用，对于更多信息类型之间的通信，对于模型时代的“知识对齐”的投入，都是严重不足的。
举例来说：“老板说要一个红色的智能设备来管理公司的窗帘”。这种东西的对齐能力非常弱。或者说，屁股决定了人的脑袋，人类喜欢糖类并不是糖好吃，而是吃糖提供的能量对人有用使人产生了好感。人讨厌苦味并不是药苦，而是自然界中有毒的东西都有类似的味道，而这种味道让人类厌恶，解释成苦。所以两个人争吵，并没有谁对谁错，仅仅只是屁股和立场不同，偏见不同。中心化的“真理”模型即便存在，也是远远不够的。
从这个角度来看，现在的ai模型的商业非常脆弱，大多数场景，是个万亿模型还是一个7b模型，多数场景差异并不大。而成本上，差异过大，所以超高成本的大模型，必须发布足以支撑自己成本的商业产品去竞争，仅仅提供模型，即便无比智能，都很难形成商业闭环，这是有人类关于权利的欲望决定的。
（举个简单的例子）华为智驾非常强悍，但是多数车企，都在华为智驾，momenta智驾，地平线智驾，自研自驾，mobileye中多选，而不会把鸡蛋放在一个篮子里，这不是因为华为智驾不强，而是有车企的自身关于谈判权利的欲望导致的，这个车企名单很长，包含大众集团，比亚迪，奇瑞汽车，长安汽汽车，宝马集团，丰田汽车……
模型如果自己不做产品，就会遇到这种情况，最终即便不厉害的模型，只要不会太差，也会有很多生意，巨头即便自己不研究模型，也会采用多种模型来平衡谈判权。
那么那些巨大投入的模型自己做一个平台级产品是必由之路。一旦做不出来，压力就会非常大，毕竟模型就是一种服务的供应，供求关系决定模型的收入水平，正如英伟达是模型训练唯一方案的时候，英伟达一骑绝尘，英伟达不再是训练的唯一选择的时候，时代就会重新洗牌一样。无论是人工智能时代还是上一个时代，经济规律并不改变。供求关系决定价格，而不是技术。
换句话说，茅台的口感垄断了培养出来的茅台口感习惯的客户的壁垒，比英伟达作为训练和推理芯片的壁垒要高。因为从供求关系而言，茅台和客户之间的关系，比英伟达和客户之间的关系要好，且稳定很多。
那么对于企业而言，员工，并不是能力的选择，是价值观的选择。并不是所有企业都需要清华毕业的同学，但是所有企业都需要对企业价值观认同的员工。这一点模型无法做到。
那么中心化的人工智能工具，就不是未来。分布式的人工智能工具才是未来。很遗憾的时候现在绝大多数投入都在中心化的人工智能工具和产品上，主要形式是模型。边缘人工智能投入是严重不足的。所以，即便万亿美金的投资，依然不能让ai真正走进每一个个体，每一个企业的日常中。现在仅仅只是像一个朋友。
如果是这样，边缘ai，真正的供应链技术，是关于：如何更好更自然的输入，如何更好更自然的输出，以及如何拥有更智能的上下文，来获得更准确的需求。

05

—

预测未来最好的方式是创造它

这也是关于ai泡沫的另一种看法。比如英伟达、openai、甲骨文等一起组成的经济链，有没有价值。其实很容易理解：比如我跟我两个朋友，相互投资。互投100万，这个过程中，其实大家的实际上是一分钱没有出的，但是这个结构带来的人资资源效率比不相互持股带来的人力资源效率高太多。
这个就是这种经济循环对于这个世界真正的价值。多数人在预测未来，预测AGI会不会变成现实，预测自动驾驶明天会不会变成现实，而且就预测进行争论，有时候沾沾自喜。但是真正出色的人是亲手创造它，努力让它变成现实。
从这个角度看，目前中国的ai行业的最大障碍是，愿意创造这种未来的资本太少，多数资本像多数人一样：不愿意相信看不见的东西，相信看得见的东西会持续发生。正如如果一个投资机构没看到模型的涌现或者成本高昂，就会觉得投资模型是回不了本的，看到模型能力涌现，就觉得这个东西不可错过。中国拥有全球最大规模的能源网络，最大规模的工程师团队，真正发展的障碍并不是芯片技术不够先进，而是资本环境。资本并不愿意去创造一个未来，多数情况仅仅只是预测一个未来。而预测，更像是赌博，随时可以来，随时可以走。
微软在很多年前，支持openai，微软并不预测未来，而是在用资本创造未来。fsd v12，让世界看见纯视觉自动价值可行，是特斯拉创造未来。在fsd出现之前，无论怎么相信“人并不需要雷达就可以驾驶的很好”，也不可能相信纯视觉可以，更不愿意用资本支持纯视觉进行探索。奥本海默需要资金的时候，并不是每次都能拿到，原子弹也不一定能爆炸。
这是目前全世界除了美国以外的其他地方发展人工智能的难点。芯片的障碍，并不是。（如前文所说，人类历史上从来没有像现在的芯片市场这么同质化需求，这么同质化，能提供的服务的人太多太多），任正非谈到ai芯片的时候说：人工智能的算力一定是远远过剩的，只是不是现在。差不多就是这个意思。

06

—

不是人类不想成为ai的奴隶，而是人类希望ai是奴隶

这里讨论的不是价值观和技术伦理，而是产品需求。一些产品现象如下：1、扣子和dify都非常不还好用，最终都没有成为平台级产品，但是依然有源源不断的人愿意尝试这样的产品，这就是人类对控制的欲望导致的。2、文生图模型很早就有，midjourney创新涌现卓越，真正大规模使用的是nano-banana，可以负责任的说，nano-banana是目前全球市场token使用规模最大的图片模型，但是没有证据显示，nano-banana在审美和设计能力上比midjourney强。背后的动机依然是，控制。3、lovart产品爆发式增长，最重要的能力，依然是控制图片生成能力。4、kling视频模型的最新的o1模型，控制能力提升带来了使用的高增长。5、notebookLM,是关于内容控制的受欢迎的应用。
而，仅仅只是能力强，性能好，不过只会带来客户的浅尝辄止。就像唐僧需要的员工类型，并不是孙悟空，而是沙僧。因为每天要化缘吃饭，洗澡换衣服，悟空不愿意干这个。唐僧会赶走悟空，但是不会赶走沙僧。多数企业也是如此，企业并不需要一个天才，企业需要一个听话的员工。一个人类作为一个员工依然不是能满足企业对于生产者的需求。企业希望员工能干，但是不要发脾气，不要好吃懒做，不要动不动撂挑子。在招聘的一刹那，对于员工的需求类型早已想好。
如果说ai产品观是什么，就商业角度，ai最重要的能力是控制。如果ai想要在庞大的协作组织中充分使用，最重要的需求是：明确责任人。管理科学的起点，就是定责。若不能有明确责任人，ai能做的深度就很难深入。很难构建一个庞大的有很多人参与的分工协作体系。
这就是人类朴素的关于ai产品的核心诉求。尤其是企业级ai应用更是如此。企业主之所以成为企业主，已经是人中龙凤，天资卓越，所以企业主需求仅仅只是执行。

07

—

交互的本质是通信

规模越大，效率越高。设施商业社会对通信作用的量化解释。语言，可以理解为一种通信标准。也可以理解为一种数据格式。中国人和中国人可以沟通交流，那么中国人和中国人之间就可以构建一个协作体系。人可以围猎狮子，老虎，也离不开语言这种通信标准。那么通信的目的其实就是信息对齐。
我们之所以不能跟大猩猩之间互动，不是因为大猩猩没有语言，而是因为大猩猩和我们通信标准不同。就像没有翻译我不能跟俄罗斯人沟通一样。
上一个时代的数据库技术，也是在为信息对齐。人类对用户界面的交互，可以理解为一种通信方式。关系型数据库时代的交互界面，是由关系型数据库决定的，我们订车票，逛淘宝，其交互规范的背后，是由数据库技术决定的。交互规范不过是方便把人类的需求在很多组织之间协作传递。

很遗憾的是，向量数据库发明之后，人类对于这种数据库导致的交互方式，并没有形成事实上的规范。所以ai时代的需求的通信，能力的通信很难形成规范。比如知识能不能存储和通信。多模态之间能不能通信，当多模态输入多模态输出，处理和解释，就很难传递，目的和做法也很难传递。
万亿级ai投入之后，我们居然没有ai时代进行统一的交互“通信”方案。智力也不能像乐高一块一块积累。“人与人的悲欢并不相同”可以理解为人类没有尝试设计一个悲欢的交互标准。
回到语言的原始模型，动词，名词，形容词。几乎所有的语言不管是汉语，英语，西班牙语，日语都有这样的概念。那么人类辛辛苦苦用语言堆积起来的智慧是不是也可以存储和传递，这种抽象概念的存储和传递是不是应该有新的存储方式和交互方式。chat作为模型的交互范式被越来越广泛的应用，但是人类的关于控制的欲望，对于驾驭的欲望，仅仅靠chat这种交互范式是远远不够的。目前的障碍是通信对齐。
一个矛盾是，一旦用上一个时代的技术进行通信对齐，ai模型的能力就会大打折扣。这也是为什么coze，dify不好用的原因。很多案例都是批量制作小红书内容，抖音内容，事实上，真正的内容创造并不是这样的。同样的，作为员工，每次给老板的ppt，都似曾相识，员工的价值也没有了。人类的欲望多么难满足呀，天天吃红烧肉，红烧肉就不好吃了，每天能卖一个包包，包包很快也就不喜欢了。控制和能力的冲突，是一个重要的问题，也是值得花代价解决的问题。

08

—

ai能力边界重构

人们还有一个缺陷：对新生产力的幻想，还是延续上个时代的想法。比如web时代，门户网站有巨头，有雅虎，有sina……移动互联网时代就也想有个门户。巨头之所以无法转身，就是陷入在固有的认识里面。ai时代也是如此，以搜索为例，上一个时代，百度固若金汤，360，搜狗，搜搜，神马搜索，都有意咬下一点份额，都不成功。结果在ai时代，豆包，kimi，chatGPT，gemini都可以随时替换搜索。技术更迭后，技术的边界也变了。正如在编辑的时代，有人做新闻，有人做娱乐，有人做博客……到了信息流时代，算法可以选择短内容和长内容，内容形式却不再重要。这也是为什么openai可以干chat，搜索，干sora，干浏览器……技术特性变了，产品边界也变了。可是上一个时代的人只会考虑上一个时代的产品方式。做电商的想象ai能不能用到电商，做社交的想想ai能不能用到社交，做内容创作的想象ai能不能用到内容创作。产品的思维模式被上一个时代的框架限制了。正如移动互联网来的时候，滴滴打车，美团外卖不是一下子出现的，所以ai时代很多重要的产品形态现在并没有出现，目前行业从业者在以上一个时代的思维惯性在理解现在的世界。
真正应该关心的，都逃不脱输入输出问题，我们应该会有更多输入的手段，而不仅仅是打字，输入文本，指令，编码。正如跟朋友聊天，“你看那树，那人，那夕阳，那云，那雨，那桃花”，不仅有语言的输入，也有视觉的输入，触觉的出入，声音的输入。输出的是什么？那些在脑海里面复现的，肯定也不仅仅是语言，很遗憾，我们只能用语言表达给对方，却不能把脑海中的想象，感受，完完整整的分享传递给对方。
ai时代，还有必要做一个垂直程序么？SaaS还有意义么？企业im真的是任何人沟通么？显然人的想象力受制于经验，经验越多，约束越多。这也是为什么上个时代的创造者，二十岁出头。这个时代的创造者，依然是这个年龄段，这个年龄段不受经验限制，才能最大限度的保持创造力和想象力。
愿我们永远保持年轻。