我對(duì)當(dāng)下的 AI 市場(chǎng)和明年的發(fā)展都極度樂(lè)觀，明年肯定是個(gè) AI 大年，我發(fā)現(xiàn)市場(chǎng)太悲觀了，這就是我拖延了兩周，最后決定一定要做這期內(nèi)容的原因。

來(lái)，我們直入主題，先來(lái)看這兩年 AI 發(fā)生了什么。

23 年，AI 來(lái)了，很多互聯(lián)網(wǎng)人和美元基金就直接沖了，因?yàn)椴还軓氖裁唇嵌瓤矗珹I 這波都和大家熟悉的互聯(lián)網(wǎng)那波機(jī)會(huì)太像了，而且天下其實(shí)已經(jīng)苦互聯(lián)網(wǎng)人久已，從 15 年以后大機(jī)會(huì)其實(shí)就不多了，18 年以后更是幾乎沒(méi)有，我記得過(guò)去兩年漲起來(lái)的到千萬(wàn)日活的產(chǎn)品可能也就是番茄小說(shuō)等極少數(shù)的幾個(gè)。

那互聯(lián)網(wǎng)人發(fā)現(xiàn)我練成一身武功絕學(xué)，江湖卻沒(méi)了，這怎么能忍？

然后市場(chǎng)做了個(gè)判斷，AI 是不是大機(jī)會(huì)？肯定是，是什么量級(jí)先不說(shuō)，是對(duì)標(biāo)電、互聯(lián)網(wǎng)還是云也先不管，但這里又有個(gè)判斷，就是 AI 肯定還在早期，所以很多人有個(gè)結(jié)論，說(shuō) AI 要先投技術(shù)背景的人，所以像清華的教授都被擼了一遍，然后 23 年最多的錢就都流向了大模型公司，很少量的錢流向了做中間層和應(yīng)用的公司。23 年的時(shí)候，但凡你是從 OpenAI 出來(lái)的，都像是神壇上的人，大家到美國(guó)去學(xué)習(xí)也是千方百計(jì)拼誰(shuí)能約到個(gè) OpenAI 的人聊聊。

那沖的結(jié)果怎么樣呢？我們就再來(lái)看 24 年。

24 年要分成兩個(gè)部分來(lái)看，一個(gè)是 9 月前，一個(gè)是 9 月后，為什么呢，因?yàn)?9 月前市場(chǎng)就如一潭死水，我現(xiàn)在幾乎敢斷言，24 年的上半年就是過(guò)去 10 年，及未來(lái)幾年一級(jí)市場(chǎng)的最底部，市場(chǎng)交易非常差，尤其是新創(chuàng)業(yè)公司融資幾乎歸零。

在這期間，幾個(gè)大模型公司漸漸地從熱點(diǎn)頂端退溫，如果一個(gè)人 23 年從 OpenAI 出來(lái)，可能剛開始估值能到幾千萬(wàn)刀，到 24 年也許都不會(huì)有人投，再一直到最近，大家得到一個(gè)結(jié)論，說(shuō) Pre Training 沒(méi)用了，都不做了，都去搞 Post Training 就行，那價(jià)值就更小了，可能要在國(guó)內(nèi)跳槽找工作都性價(jià)比極低了。

這個(gè)時(shí)候，仍然要出手的機(jī)構(gòu)就去了兩個(gè)方向，其中最主要的就是具身智能。如果說(shuō) 23 年 AI 創(chuàng)業(yè)投資的關(guān)鍵詞是大模型，那 24 年的關(guān)鍵詞就是具身智能，在這個(gè)過(guò)程中，也有些不那么相信具身智能的機(jī)構(gòu)同時(shí)兼顧了一些 AI 硬件或者說(shuō)消費(fèi)電子的投資。

那同期來(lái)看 23 年出來(lái)的這些人怎么樣了？大模型的這幾家公司大家討論很多了，我就不再多說(shuō)了，總之現(xiàn)在模型的發(fā)展趨勢(shì)非常符合我們 23 年初的判斷，即

1）大模型是 Commodity，逐漸成為基礎(chǔ)設(shè)施

2）大模型開源進(jìn)展速度仍然超過(guò)閉源

3）實(shí)際應(yīng)用落地時(shí)市場(chǎng)偏向于多模型混合方案，而不是單一模型通吃

4）技術(shù)永遠(yuǎn)是為了解決問(wèn)題存在的，所以好的產(chǎn)品大于一切

那 23 年開始出來(lái)的產(chǎn)品和應(yīng)用的創(chuàng)業(yè)公司的狀態(tài)如何呢？

我們計(jì)算了下，當(dāng)下市場(chǎng)中大概有 20 - 30 家應(yīng)用類公司的估值超過(guò)了 5000w 美金，而所有應(yīng)用公司的 ARR 年收入中，大多數(shù)為 0，因?yàn)檫€在打磨未上線，或者上線了但還在找 PMF，少數(shù)找到了 PMF 的達(dá)到了 100w 美金 ARR，極少數(shù)頭部項(xiàng)目達(dá)到了 1000w 美金 ARR。

所以，我可以說(shuō)我們所有人在 23 年都對(duì) AI 過(guò)于樂(lè)觀，以至于 24 年市場(chǎng)給的反饋又讓大家都過(guò)于悲觀，包括最近我看到很多人在討論和總結(jié)當(dāng)下市場(chǎng)的時(shí)候都是悲觀的基調(diào)。

但我們對(duì)于當(dāng)下和未來(lái)的 AI 市場(chǎng)現(xiàn)在是 極 度 樂(lè) 觀 的狀態(tài)。

這就要從 24 年 9 月后說(shuō)起。

在 9 月后我們發(fā)現(xiàn)市場(chǎng)出現(xiàn)了幾個(gè)核心的變化：

1）融資市場(chǎng)明顯復(fù)蘇，有很多高估值初創(chuàng)企業(yè)出現(xiàn)，這可能來(lái)自于一些機(jī)構(gòu)年底沖 KPI，或明年的募資規(guī)劃等等。

2）各種模態(tài)模型的能力都在默默加強(qiáng)，其中圖片生成本就超過(guò)了人類、語(yǔ)音和歌曲的我認(rèn)為也超過(guò)了人類、視頻和 3D 模型的進(jìn)展速度遠(yuǎn)超大家預(yù)期，基本達(dá)到了 GPT 3 左右的水平，而大語(yǔ)言模型本身的進(jìn)展速度反而是最弱于預(yù)期的，但也已經(jīng)降本到可用，且出現(xiàn)了以 o1 為首的推理模型，這讓 Agent 的落地變得更能實(shí)現(xiàn)。

3）這個(gè)點(diǎn)是很多人忽略，但我們感知尤為明顯的，就是創(chuàng)始人的畫像發(fā)生了明顯的變化，在 24 年中以前，AI 創(chuàng)始人基本都是傳統(tǒng)互聯(lián)網(wǎng)行業(yè)轉(zhuǎn)型過(guò)來(lái)的，但最近幾個(gè)月有大量的我們稱之為 AI 創(chuàng)二代的人出現(xiàn)，比如大模型公司出來(lái)的、大廠 AI 業(yè)務(wù)負(fù)責(zé)人出來(lái)的、甚至是一些中小型 AI 創(chuàng)業(yè)公司的聯(lián)創(chuàng)等出來(lái)創(chuàng)業(yè)，這些人對(duì) AI 的理解、認(rèn)知，講的要做的方向和故事，都給人耳目一新的感覺。

所以，我們是切身體會(huì)到整個(gè) AI 市場(chǎng)的進(jìn)步，而這個(gè)進(jìn)步毫無(wú)疑問(wèn)會(huì)延續(xù)到 25 年，這個(gè)就是我們樂(lè)觀的核心原因。

當(dāng)然，我知道有很多人擔(dān)心美元基金的問(wèn)題、擔(dān)心宏觀經(jīng)濟(jì)的問(wèn)題、擔(dān)心中美關(guān)系的問(wèn)題等等，但我一直堅(jiān)信最終決定市場(chǎng)的是資產(chǎn)本身的價(jià)值，只要資產(chǎn)好了，其他問(wèn)題總有辦法解決。

那么 25 年我們?cè)趺纯矗珹I 會(huì)往什么方向走呢？

1）首先大的市場(chǎng)環(huán)境會(huì)進(jìn)一步變好，但變好的表現(xiàn)形式不是萬(wàn)眾創(chuàng)業(yè)或者火熱市場(chǎng)的回歸，而是越加的兩極分化。

從資本方向來(lái)說(shuō)，比如美元基金仍然在和人民幣基金分化，目前國(guó)內(nèi)一級(jí)市場(chǎng)明確的兩條路，一條是出海、一條是國(guó)產(chǎn)替代、硬科技等，前者偏美元，后者偏 rmb。

從創(chuàng)業(yè)融資來(lái)看，機(jī)構(gòu)會(huì)更傾向于把錢投給背景非常好的人，并且愿意給更高的估值，而不是低估值撒很多小項(xiàng)目，從 23 年開始很長(zhǎng)一段時(shí)間創(chuàng)業(yè)公司第一輪的平均估值就是在 5000w 到 7000w 左右人民幣，而這兩個(gè)月有很多 3000w 甚至 5000w 美金的初創(chuàng)公司融資成功案例。

所以如果你還沒(méi)進(jìn)入 AI 這個(gè)圈子，你又對(duì)自己的能力和積累有一定信心，當(dāng)下最好的選擇可能仍然不是創(chuàng)業(yè)，而是去加入其他 AI 創(chuàng)業(yè)公司或者去大廠內(nèi)部負(fù)責(zé) AI 業(yè)務(wù)來(lái)進(jìn)行積累和學(xué)習(xí)。

2）像我們之前說(shuō)的，23 年市場(chǎng)關(guān)鍵詞是大模型，24 年關(guān)鍵詞是具身智能，那 25 年的關(guān)鍵詞就是應(yīng)用落地，而且現(xiàn)在這似乎成為了中美市場(chǎng)以及一二級(jí)市場(chǎng)對(duì)于 25 年資產(chǎn)標(biāo)的預(yù)期的共識(shí)。

從具體落地角度，過(guò)去兩年大家探索出來(lái)了一個(gè)最共識(shí)的方向，也是目前最能落地的方向就是生產(chǎn)力工具類產(chǎn)品。

這是過(guò)去一年火起來(lái)的一個(gè)概念，即 Prosumer 或 Pro C 人群，或者也可以說(shuō)是小 B 大 C 的這么一群人，比如專業(yè)的視頻創(chuàng)作者、歌曲創(chuàng)作者、保險(xiǎn)經(jīng)紀(jì)人、券商從業(yè)者等等（甚至也包括 AI Coding 的工程師群體），這里的核心原因是：

1）過(guò)去五到十年，國(guó)內(nèi)市場(chǎng)似乎驗(yàn)證得到了一條結(jié)論，即國(guó)內(nèi) to 大 B 的市場(chǎng)就是不行，做不出來(lái)，這里的問(wèn)題原因有很多，核心的幾條就是人均 GDP 低、人的成本低、以及產(chǎn)業(yè)結(jié)構(gòu)和美國(guó)不同，美國(guó)頭部企業(yè)都是私企，而國(guó)內(nèi)都是國(guó)企，所以最后利潤(rùn)都被渠道賺走了。

2）大 B 不行，純 C 好像暫時(shí)也不行，其中最核心的一個(gè)原因是國(guó)內(nèi) C 端的付費(fèi)意愿和能力都非常低，而 AI 又是一個(gè)一上來(lái)就有 token 成本的事情。

所以大家卡出來(lái)一個(gè)小 B 大 C 的概念，就是生產(chǎn)力工具，這個(gè)人群兼具了 C 的用戶和傳播屬性和 B 的付費(fèi)能力。

而這個(gè)概念在 25 年仍然會(huì)是最主流的方向，我相信明年我們會(huì)看到一批千萬(wàn)美金 ARR 的這類創(chuàng)業(yè)公司出現(xiàn)。

除此之外 25 年我們最看好的兩個(gè)方向是 Agent 和多模態(tài)，這里 Agent 大家提的最多，但我個(gè)人覺得多模態(tài)的潛力其實(shí)更大，我們來(lái)分別講下。

Agent 其實(shí)是從去年就開始火的概念，但直到最近推理模型能力提升才真正解鎖了可能性。未來(lái)各種專業(yè)人群、垂直領(lǐng)域都會(huì)有 Agent 的機(jī)會(huì)。

現(xiàn)在很多人認(rèn)為 Agent 會(huì)是對(duì)傳統(tǒng) SaaS 的一次迭代更新，并且市場(chǎng)價(jià)值會(huì)是 SaaS 的十倍，因?yàn)楸举|(zhì)上 SaaS 是提供了軟件服務(wù)，而 Agent 是軟件服務(wù)+人力的打包替代方案。

那這里有一個(gè)核心問(wèn)題，即 Agent 到底是大廠和現(xiàn)存玩家的機(jī)會(huì)，還是新創(chuàng)業(yè)公司的機(jī)會(huì)呢？如果 Agent 是對(duì) SaaS 的更新迭代，會(huì)不會(huì)是現(xiàn)有 SaaS 公司直接加上 Agent 能力即可？

為了回答這個(gè)問(wèn)題，我去研究了 SaaS 當(dāng)年是如何取代傳統(tǒng)軟件公司的，也就是為什么傳統(tǒng)軟件公司沒(méi)有成功轉(zhuǎn)型成為 SaaS 公司呢？

我發(fā)現(xiàn)答案有幾個(gè)：

1）將現(xiàn)有的本地化軟件遷移到云端有技術(shù)門檻且成本高。

2）SaaS 公司更用戶導(dǎo)向，需要持續(xù)交付，而傳統(tǒng)軟件公司更多是強(qiáng)銷售、一次性銷售。

3）最核心的原因是商業(yè)模式上有本質(zhì)的區(qū)別，傳統(tǒng)軟件是開發(fā)完成后一次性軟件付費(fèi)，比如一年數(shù)百萬(wàn)的費(fèi)用，而 SaaS 公司是少量多次的訂閱制收費(fèi)。

所以你可以想象，傳統(tǒng)軟件公司可能是重渠道、重線下、長(zhǎng)周期，不知道要開多少次會(huì)、吃多少次飯，最后敲定一個(gè)幾百萬(wàn)上千萬(wàn)的大單，而與此同時(shí) SaaS 公司的一個(gè)剛畢業(yè)的學(xué)生，坐在辦公室里跟客戶開了個(gè)視頻會(huì)，說(shuō)你看，我們這個(gè)線上可以直接開通，一個(gè)月只要 500 塊每個(gè)人，功能跟你們幾百萬(wàn)買的一樣。

所以 SaaS 公司和傳統(tǒng)軟件公司從開發(fā)模式、銷售模式、到組織結(jié)構(gòu)、人員管理等都有本質(zhì)的區(qū)別，這個(gè)區(qū)別就決定了傳統(tǒng)公司要轉(zhuǎn)型還不如重來(lái)或者收購(gòu)。

那我們?cè)賮?lái)看 AI 公司和 SaaS 公司在這幾個(gè)點(diǎn)上相比如何。

從技術(shù)門檻來(lái)說(shuō)，AI 的技術(shù)門檻和改變，可能沒(méi)有之前變化那么劇烈，但開發(fā)模式是一定需要根據(jù) AI 時(shí)代來(lái)重新變化的。

從銷售模式和商業(yè)化來(lái)說(shuō)，這里可能會(huì)有一個(gè)核心的變化，如果未來(lái) AI 真的能做到按結(jié)果付費(fèi)，而不是按訂閱付費(fèi)，那可能就會(huì)是一個(gè)對(duì)現(xiàn)有 SaaS 公司和模式的顛覆式變化。

即我現(xiàn)在可以賣一個(gè) SaaS 軟件給你，說(shuō)這個(gè)能幫你 100 個(gè)營(yíng)銷人員提效，然后你買了試了，最后到底結(jié)果怎么樣并不好歸因，但 AI 公司會(huì)說(shuō)，你就拿去用，最后幫你省多少錢，你給我其中一部分就行。

如果最后 AI 和 Agent 真的能實(shí)現(xiàn)這個(gè)效果，那我會(huì)傾向于認(rèn)為 Agent 仍然是新公司的機(jī)會(huì)，因?yàn)?SaaS 企業(yè)要徹底變革成這樣實(shí)在是太難了。

隨之而來(lái)的，銷售人員的管理和組織模式等也會(huì)產(chǎn)生劇烈的變化。

在 SaaS 時(shí)代，銷售的作用已經(jīng)弱化，比如我們會(huì)聽到有上千人電銷團(tuán)隊(duì)的例子，所以后來(lái) SaaS 中會(huì)有 PLG 的說(shuō)法，即通過(guò)產(chǎn)品本身的功能和口碑來(lái)吸引用戶，再做商業(yè)轉(zhuǎn)化。

那如果 Agent 成為按結(jié)果付費(fèi)，似乎甚至大多公司都不再需要銷售，只要做好 SEO 等就足夠了。

除此之外，還有兩個(gè)問(wèn)題是當(dāng)下所有 SaaS 公司都會(huì)遇到的，一個(gè)是客戶覺得 SaaS 軟件的定制化太差了，都是通用功能，另外是 SaaS 軟件太多，而數(shù)據(jù)又無(wú)法打通，而這兩個(gè)問(wèn)題都非常適合用 AI、bot、Agent 的方式來(lái)解決。

所以未來(lái)可能一個(gè)公司就使用一個(gè)打通的 bot 平臺(tái)，上面有 N 個(gè) Agent 互相協(xié)同工作就足夠了。

最后，雖然我們分析了這么多商業(yè)邏輯，但我始終認(rèn)為最終最重要的就是人和組織的問(wèn)題。

比如你可以想象到大多傳統(tǒng)軟件開發(fā)者可能是背個(gè)公文包的中年人形象，你不覺得他們懂互聯(lián)網(wǎng)，也不覺得他們能轉(zhuǎn)型成功，那 SaaS 創(chuàng)始人呢，其中有大量的有很深的行業(yè) knowhow 的人，但他們能很快轉(zhuǎn)到 AI 嗎，他們可能會(huì)猶豫一年、自己試驗(yàn)一年、再招人做一年、中間如果發(fā)現(xiàn)人不行還要再換，最后發(fā)現(xiàn)現(xiàn)有組織形式無(wú)法在內(nèi)部產(chǎn)出，這些時(shí)間成本可能已經(jīng)足夠一家新公司跑起來(lái)了。

所以最終，我認(rèn)為市場(chǎng)上創(chuàng)業(yè)者的平均基準(zhǔn)線能力，決定了新玩家的機(jī)會(huì)有多大，在 20 年前這個(gè)基準(zhǔn)線肯定是不及格的，10 年前可能剛及格，而現(xiàn)在在 2C 領(lǐng)域這個(gè)基準(zhǔn)線已經(jīng)極高（比如你不會(huì)覺得今年的張一鳴和十年前有本質(zhì)區(qū)別，也不會(huì)覺得他就落伍了，實(shí)際上他可能更強(qiáng)了），而 2B 領(lǐng)域可能仍然還有大量機(jī)會(huì)。

所以作為結(jié)論，我們覺得 25 年的 Agent：

1）主要在 2B 領(lǐng)域落地

2）一些存量的 SaaS 公司會(huì)基于已有的渠道快速利用 AI 概念攻占一些市場(chǎng)，先見到收入

3）更多的主打新商業(yè)模式的 Agent 創(chuàng)業(yè)公司會(huì)開始冒頭，并在未來(lái)反攻現(xiàn)存 SaaS 企業(yè)

然后再給大家留一個(gè)問(wèn)題，或者說(shuō)是一個(gè)思路，如果說(shuō)未來(lái)好的產(chǎn)品經(jīng)理可能來(lái)自 Post Training 背景，那好的 SaaS 創(chuàng)始人會(huì)不會(huì)是來(lái)自客戶成功團(tuán)隊(duì)？

討論完 2B Agent，這里再提一個(gè)很容易被大家忽視的問(wèn)題，比如我們以 Perplexity 這家公司為例，大家提到 AI，就會(huì)想到幾個(gè)最大的場(chǎng)景和代表公司，比如陪聊的 Character.ai 和搜索的 Perplexity。

但如果我說(shuō) Perplexity 實(shí)際上是一家 Agent 公司，你會(huì)如何反應(yīng)？

Perplexity 創(chuàng)始人前陣子在斯坦福做了一個(gè)對(duì)談，其中主持人問(wèn)他，Perplexity 最終如何成為一家偉大的公司？

他的回答是：如果我們能夠幫助人們找到所有問(wèn)題的答案，并幫助他們完成所有任務(wù)，我們肯定能躋身于此行列。

這個(gè)回答看起來(lái)很普通，但卻開啟了我的一個(gè)認(rèn)知升級(jí)，即原來(lái) Perplexity 的目標(biāo)不在搜索，而是在完成任務(wù)。

其實(shí)想來(lái)也是，用戶搜索是為了得到一個(gè)問(wèn)題的答案和解決方案，Google 已經(jīng)把信息檢索和推薦做到了極致，但用戶仍然是跳轉(zhuǎn)出去來(lái)尋找答案，那如果 Agent 可行，是否能在搜索的同時(shí)自動(dòng)幫助用戶提供解決方案呢？

比如 Perplexity 已經(jīng)上線的電商搜索就是一個(gè)類似的嘗試，與其我在各個(gè)平臺(tái)搜索商品和評(píng)價(jià)，再跳轉(zhuǎn)下單，為什么不能在一個(gè)平臺(tái)上完成所有呢？

所以從這個(gè)角度來(lái)說(shuō)，是否也可以說(shuō) Perplexity 最終就是個(gè) Agent 公司，那這就解釋了為什么它能有這么高的估值，可以說(shuō) Perplexity 很可能是下一代 AI 的最大入口和平臺(tái)。

我們?cè)侔堰@個(gè)邏輯推而廣之。

前微軟 CEO 納德拉曾經(jīng)講過(guò)一個(gè)點(diǎn)，他說(shuō)比爾蓋茨在他整個(gè)職業(yè)生涯中一直強(qiáng)調(diào)的一件事是，數(shù)字領(lǐng)域只有一個(gè)類別：信息管理。（我相信張一鳴可能也是同樣的觀點(diǎn)。）

那如果信息管理都最終指向一個(gè)行為 action，有沒(méi)有可能 AI 時(shí)代最終就是信息管理+行動(dòng)，而 Agent 就是一個(gè)完成體呢？

所以可能當(dāng)下所有做信息類、輔助類的 AI 產(chǎn)品，尤其是 2B 或 2 Prosumer 的未來(lái)就都要往提供結(jié)果角度去思考和發(fā)展了。

好了，終于講完了 Agent，最后我想講一個(gè)我覺得最重要，卻很少人提的方向，就是多模態(tài)。

大家這兩年一直在討論 AI Native，討論是不是所有的 APP 都值得被重做一遍，目前為止似乎還沒(méi)有答案，而我覺得這個(gè)答案就藏在多模態(tài)之中。

尤其在 2C 領(lǐng)域之中，如果 AI 只是產(chǎn)品的一個(gè)附屬功能，比如在產(chǎn)品中加入 AI 總結(jié)、AI 提示、AI bot 等，產(chǎn)品的交互形態(tài)、界面都沒(méi)有大的變化，那自然不可能出現(xiàn) AI Native 的產(chǎn)品。

但在多模態(tài)視角之下，產(chǎn)品的組織形態(tài)和使用邏輯都是有可能發(fā)生徹底的變化的。

比如我們以 NotebookLM 為例，這個(gè)產(chǎn)品能夠讓用戶把一篇文章變成一段兩個(gè) AI 的對(duì)話，并且用戶還能隨時(shí)插入對(duì)話之中進(jìn)行互動(dòng)或改變對(duì)話的走向。

這里用到了 AI 的理解能力、語(yǔ)言能力、也引入了多個(gè) AI 人格，并且完成了跨模態(tài)的內(nèi)容組織，還加入了用戶的互動(dòng)，可以想象這類產(chǎn)品的最終形態(tài)和使用行為肯定是現(xiàn)有產(chǎn)品無(wú)法承接的。

那如果我們把這個(gè)例子再泛化，用多模態(tài)中 Any to Any 的思路來(lái)推衍呢？即未來(lái)用戶的輸入可以是任何內(nèi)容，不管是發(fā)一段話、拍一張圖、還是上傳一段視頻，而 AI 可以把這類內(nèi)容變成任何最適合的形式。比如我要討論一個(gè)課題，AI 直接生成了一段辯論類視頻綜藝來(lái)幫我理解，我還可以作為其中一方的辯手隨時(shí)加入，那這是否顛覆了現(xiàn)有的內(nèi)容獲取和人類接受教育的方式？

所以，我認(rèn)為 Agent 的路徑是相對(duì)有標(biāo)準(zhǔn)答案的，而 AI Native 的答案可能就藏在多模態(tài)之中，當(dāng)然，我現(xiàn)在只能給個(gè)大概的方向和思路，并不能給出完美的 AI Native 的答案，這個(gè)也不該是我的工作，而是需要無(wú)數(shù)勇敢和天才的創(chuàng)業(yè)者和產(chǎn)品人來(lái)探索，在這里我只能給大家?guī)讉€(gè)可以持續(xù)思考的建議。

1）雖然是 Any to Any，但從歷史經(jīng)驗(yàn)來(lái)看，是否視頻類型內(nèi)容的輸出才是多模態(tài)的最終歸宿？

2）人們未來(lái)的內(nèi)容消費(fèi)會(huì)不會(huì)都從被動(dòng)接收信息，轉(zhuǎn)變?yōu)楸粍?dòng)接收與主動(dòng)參與的結(jié)合？

3）Any to Any 仍然是生產(chǎn)力的變革，如何通過(guò)新的 AI、bot 和人的組織形式，真正變革生產(chǎn)關(guān)系？可能這個(gè)答案出現(xiàn)的那一天，就是下一個(gè)抖音將要出現(xiàn)的時(shí)候。

我知道很多人這兩年不好過(guò)，做不做 AI 的都差不多，但我明確看到早入場(chǎng)的人，和堅(jiān)定樂(lè)觀的人也獲得了回報(bào)，比如今天有一批高估值的公司基本都是 23 年初就勇敢進(jìn)場(chǎng)的創(chuàng)業(yè)者，比如去年聊的比較多的人，今天也都遇到了各種機(jī)會(huì)，成為了各個(gè)大廠的 AI 負(fù)責(zé)人。

所以，我們還是要：

在巨大的不確定性面前保持樂(lè)觀，

在腳踏實(shí)地賺錢的同時(shí)保有夢(mèng)想。

42章經(jīng)

思考事物本質(zhì)