2021年，一家叫Jasper的公司，用AI寫文案，短短一年就成了資本的寵兒，年收入高達4000萬美元，毛利高得驚人。所有人都覺得，這是一個完美的生意。

然而，僅僅一年多后，另一個AI產品——ChatGPT——橫空出世。隨之而來的是，Jasper的網站訪問量在一個月內驟降40%。半年后，這家曾經的明星公司開始裁員、轉型，漸漸淡出了人們的視線。

這聽起來像個警告，但并非所有人都被AI浪潮吞沒。另一家筆記公司Notion，同樣擁抱了AI，結局卻完全不同。AI非但沒有傷害它，反而成了它的“助推器”，用戶數從3000萬一路狂飆到了一億。

同樣站在AI的浪尖，為什么一家石沉大海，一家卻揚帆遠航？

為了搞懂這個本質問題，混沌今天請到了前智譜AI的COO、混沌學園6期學員張帆老師，為我們帶來《大模型的商業(yè)新范式》主題分享。

張帆老師對這場變革有一個非常精辟的比喻：

“我們把模型看成一個大?！钤愀獾淖龇?，是在上面辛辛苦苦建一座燈塔，它看起來很穩(wěn)，也夠高。但你要知道，海平面每半年就會上升一次，每一次都可能把你費盡心血的建筑吞沒。因此，在這個時代，我們不該建燈塔，而要造一艘能浮在水面上的船?！?/strong>

以下內容是張帆老師課程的精華筆記，希望能幫你找到屬于自己的“那艘船”。

AI大模型重構了產品范式

人機交互的演變

我們先來聊聊大模型對產品范式的影響。

什么叫產品范式？本質上就是人機交互的范式。簡單來說，就是人怎么跟機器對話、怎么下指令，機器又怎么給我們反饋。

而解決這個問題的核心，就看兩個關鍵要素：學習成本的高低，以及交互帶寬的大小。

回顧一下我們經歷過的歷史，人機交互的變革是一次次大的范式躍遷。

最早是命令行時代，那時候學習成本極高，交互帶寬又非常低，你得記住幾十條特定的指令才能跟機器交流。到了PC時代，鼠標和圖形界面（GUI）的出現，讓學習成本快速下降，交互帶寬也跟著提升了。

再看移動互聯網，它進一步強化了這一點，觸控操作非常符合人類本能，你把iPad丟給一個小孩，半小時就能玩得特別溜。而且，這個時代還加入了多模態(tài)能力，讓交互帶寬再次躍升。

那么AI又是怎么改變這一切的呢？

我認為，它對整個交互帶寬和學習成本又是一個極大的躍升。

AI的交互方式極其簡單，就是對話，而且?guī)缀醪挥脤W習，因為它沒有標準答案，你通過互動的交流就能搞定。它的表達力變得極其豐富，只要你能想到的，語言能表達的，都可以輸進去。

所以，比起GUI時代，AI時代的信息量是一次巨大的躍升。AI第一次解決了表達力和易用性并存的問題，你幾乎不用學習，任何人都可以輕松表達。

產品范式的重新發(fā)明

AI時代遠沒有結束，特別是多模態(tài)能力的出現，將交互帶寬進一步提升，學習成本進一步降低。

你可以想一想，語言是需要學習的，但用眼睛看世界幾乎是本能。如果我們用一段文字來描述一支筆，每個人的想象可能都不一樣，這說明信息在文字轉達中已經產生了衰減。

本文僅占課程內容1/6，掃描海報二維碼觀看完整課程

但如果我直接把筆拿出來給大家看，大家腦子里的圖像一定是完全相同的。這證明了多模態(tài)的信息傳輸效率和帶寬比語言還要高。AI時代，我們整個學習成本和交互帶寬的變化，是指數級的。

我們再反過來看，人類的需求其實從來沒有變過，所謂“太陽底下沒有新鮮事”。但隨著人機交互方式的變化，滿足這些需求的產品正在被重新發(fā)明。

舉個最簡單的例子，獲取信息的需求，這件事從沒變過。在DOS時代，我們只能用指令翻BBS來獲取信息；到了PC時代的GUI界面，我們有了新浪、搜狐這些門戶網站；而到了移動時代，我們常用的信息獲取方式又變成了今日頭條和抖音。

你發(fā)現沒有，需求沒變，只是因為交互模式和帶寬的變化，讓我們的需求被重新發(fā)明成了不同的產品。

如果沿著這條軌跡看，如何利用好今天帶寬的提升、交互范式的變化和學習成本的下降，我們就會發(fā)現，每一個需求都可能被AI重新發(fā)明一遍。

而今天，我們還處于這個進程的非常早期。我們可以看看一些例子。全球知名的AI投資公司Andreessen Horowitz（A16Z）每半年都會發(fā)布AI應用Top 50榜單。

從這些榜單中，我們可以得到一個重要洞察：AI產品的發(fā)展速度絲毫沒有減慢，依然在快速迭代。從2024年3月到8月，有30%是新面孔；而從2024年8月到2025年3月，又有40%是新面孔。每半年都有大量新產品涌現，同時也意味著有很多產品離開了榜單。

這表明，我們依然處在一個非常早期的階段，現在還很難說誰會成為這個時代的“殺手級應用”（killer app），但我們可以從底層的思考出發(fā)，來探索我們該如何行動。

AI應用的范式變化

接下來，我們來聊一個特別重要的命題：智能本身是一個好產品，但離真正的生產力還有相當大的距離。作為業(yè)務從業(yè)者，我們該如何看待這個問題？

我認為，一個好的AI產品，模型含量既不能太高，又不能太低。

如果你做的產品完全依賴底層模型，那壁壘就很低。模型每半年一次的巨大升級，很可能就會把你的業(yè)務模式徹底顛覆。但如果你離模型太遠，又會跟這個時代脫節(jié)，缺乏競爭力。

正確的做法，應該是借助模型的能力，去放大我們業(yè)務本身的核心價值。

我們來看看兩個典型的例子。第一個是Jasper，一個曾經估值15億美元的獨角獸。它利用大模型幫助企業(yè)寫廣告文案，模式看起來很完美：用極低的成本調用API，再以高價賣給客戶，毛利高、增長快。

然而，轉折點在2022年11月出現了。ChatGPT發(fā)布了，Jasper的訪問量在一個月內驟降40%，半年后開始裁員轉型，商業(yè)模式幾乎崩塌。

為什么？因為它過度依賴模型，模型含量太高，導致壁壘極低，一次底層技術的變革就讓它無力招架。

另一個正向的例子是Notion。這是一款文檔編輯工具，它在ChatGPT發(fā)布前就已經推出了自己的AI功能。

我們可以看看它的數據：2022年，營收是6000萬美元，用戶數是2000萬；而到了2023年，營收飆升到2.5億美元，漲了將近5倍，用戶數則增至3000萬。

你會發(fā)現，在用戶規(guī)模沒有大幅增長的情況下，收入卻實現了驚人的增長，主要就來源于它的AI功能升級。更重要的是，ChatGPT的發(fā)布不僅沒有傷害它，反而加速了它的用戶增長。

為什么？因為Notion有自己的核心業(yè)務，AI能力只是作為輔助，用來放大其原有業(yè)務的價值。它把模型能力和自身業(yè)務深度結合，而非完全依賴模型。

asper和Notion這兩個案例，形成了鮮明的對比。它們告訴我們，成功的AI應用，不是簡單地把模型能力“嫁接”到業(yè)務上，而是深入理解AI的底層邏輯，將行業(yè)的Know-how和數據以結構化的方式融入其中，構建一個AI驅動的增長引擎。

所以，今天每個企業(yè)家都應該去思考：你的核心業(yè)務能力是什么？如何利用模型來加速它，并將這些能力沉淀為自己的競爭壁壘？

AI大模型重構了商業(yè)范式

工作方式的變革

聊完產品范式，我們再看看大模型對商業(yè)范式會有什么影響。

首先，是工作方式的變革。以前我們做很多事，其實某種程度上，我們的技能限制了我們的創(chuàng)造力。我們可能腦子里有很多很棒的點子，但因為不會編程、不會畫畫，這些“能力墻”就限制了我們把創(chuàng)意實現出來。

而大模型的出現幫我們把這堵墻打破了。一個九歲的小朋友，借著AI可以寫出圖文并茂的科幻小說。AI變成了我們每一個人的“外骨骼”或“外大腦”，強化了我們的能力，讓我們不再受限于技能，可以更輕松地把創(chuàng)意落地。

在這個時代，我們每個人的能力都會被放大，聰明的人會變得更強大，“超級個體”很可能會成為未來工作的一個重要形態(tài)。

組織形態(tài)的變化

有了“超級個體”后，我們的組織會發(fā)生什么樣的變革呢？我曾看到一個很有意思的觀點，有人說AI不是下一次工業(yè)革命。

為什么？因為工業(yè)革命的本質是分工的細化，把一件事分給不同的人來完成，目的是提高效率。

而AI恰恰相反，它把原來分散到各個工種的任務重新收回到一個人身上，在不降低效率的同時，極大地提升了創(chuàng)造力。

我覺得這個觀點非常有道理。當每個人都變成“超級個體”時，我們的組織形態(tài)是不是也要變？

今天那些很火的AI公司，人數都不多，可能二三十個人就能打造一個估值幾億甚至十幾億美元的公司。

如何借助AI重塑個人和組織的協作方式，是今天每一個企業(yè)都應該去思考的。

用戶體驗的變革

再來說說用戶體驗的變革。

雖然現在很多人認為手機依然是AI時代最好的載體，但我覺得這不是絕對的，還有新的可能性。

AI的出現，讓我們處理數據的能力大幅提升。以前我們不收集大量非結構化數據，比如錄音和視頻，是因為收集了也沒用，誰有時間去看呢？

但今天，AI的處理能力讓這些數據都變得有價值了。

市場上出現的各種AI硬件，比如掛在胸前24小時錄音的設備，都是為了捕捉這些數據，讓它們變成我們的“外掛大腦”。

比如你可能想不起來去年八月份看過的那個賣沙發(fā)的網站叫什么，但如果AI幫你記錄了所有信息，它就能輕松幫你找回來。

我覺得在這個時代，我們必須保持足夠開放的心態(tài)，未來還會有很多變革會快速出現。

商業(yè)模式的變革

商業(yè)模式的變革總是隨著技術迭代而來。

比如最簡單的廣告模式，在搜索引擎出現前，只能做品牌廣告，效率很低。

而搜索引擎的出現，讓廣告從“品牌”轉變?yōu)椤靶Ч?，實現了流量的無限細分和精準匹配。到了AI時代，這個模式又變了。

AI可以進一步細分流量，甚至能直接把“信息”轉化為“動作”和“結果”，讓廣告和用戶需求無縫融合，創(chuàng)造更高的商業(yè)價值。

一旦做到這一點，在現有的流量體系下，整個商業(yè)價值可能還有一個數量級的提升空間。

競爭優(yōu)勢的變革

最后，我們還要思考競爭優(yōu)勢的變革。

大家都在努力把自己的“護城河”挖得越來越寬、越來越深。

但在AI時代，很可能當你挖完一條很深的護城河，扭頭一看，發(fā)現“城”沒了。

因為今天的競爭維度都變了。

就像大家說，“打敗康師傅的不是另一個方便面，而是美團外賣”一樣，AI可能直接把你賴以生存的競爭壁壘。比如幾十萬律師提供的法律服務，變成一個模型，讓你的“護城河”瞬間崩塌。

所以，每一個身處這個時代的人，都必須思考如何應對這種變化，這也是為什么我們今天需要來學習AI，因為這些信息都可能對我們的業(yè)務產生直接影響。

AI重構千行百業(yè)案例

前面我們聊了產品和商業(yè)范式的變化，接下來我跟大家分享一些我們看到的實踐案例。

過去兩年，大模型的能力正在快速落地，為各行各業(yè)實實在在地創(chuàng)造著業(yè)務價值。

從最開始很淺層的應用，到現在已經開始解決一些基礎問題，我個人認為，未來AI能夠重塑我們的業(yè)務鏈路，而這個過程正在發(fā)生。

無論是汽車、醫(yī)療、消費還是其他領域，都已經有不少落地的案例了，我簡單給大家挑幾個講講。

我們先看看海外。

最近AI+法律是一個非常火的賽道。

我重點講一個叫Harvey的公司，這是OpenAI投資的，它把整個法律問題分成了不同深度，用AI來解決。你會發(fā)現，在起草文件、房地產盡職調查這些相對標準化的業(yè)務上，AI已經能達到人類前25%的水平。

這個公司2023年才成立，到2024年收入就達到了5200萬美元，商業(yè)價值非常大。更重要的是，它證明了垂直領域的AI助手，通過加入海量的法律數據和定制化技術，表現要比通用的模型好得多。

這告訴我們，一定要把自己的行業(yè)Know-how融入到AI里，才能創(chuàng)造真正的價值。

再來看看醫(yī)療行業(yè)。

我們看到了一些新公司，比如Hocritic AI，它定義了各種各樣的AI Agent，把醫(yī)院、藥廠、醫(yī)保機構等環(huán)節(jié)都串聯起來，甚至推出了首個醫(yī)療AI Agent應用商店，估值已經達到16億美元。

但也有像Tempus這樣的老公司，它成立于2015年，本來是做醫(yī)療數據整合的，在AI時代煥發(fā)了第二春，通過將多年積累的數據與AI結合，成功從to B的數據銷售商轉型為to C的個人健康管理服務商。

所以你看，AI時代不僅給了新公司機會，也讓有足夠行業(yè)積累的老公司找到了第二增長曲線。

接下來我們看看國內的案例，汽車領域是目前擁抱AI最深入的。

首先是智能座艙，現在的車如果沒有智能座艙幾乎就不合格了。AI讓車內交互變得更擬人化、更復雜，比如它能理解多重意圖的指令，還能通過多模態(tài)能力，用攝像頭識別車內外的環(huán)境，提供更高級的安全和便利服務。

AI還深入到了汽車的銷售環(huán)節(jié)。比如AI質檢，以前人工只能抽檢2%的外呼電話，但AI可以做到100%覆蓋，效率是人的十倍以上。AI助手還能在銷售過程中實時提供提示和建議，甚至可以模擬客戶陪銷售人員練習，大大提升了銷售質量。

然后是消費行業(yè)。

AI正在賦能“人、貨、場”的每一個環(huán)節(jié)。

在AI營銷方面，它能夠根據不同的渠道特點自動生成定制化的廣告文案和素材，并用智能投流助手實時調整策略，把原來按天計算的調整周期縮短到分鐘。在電商運營方面，AI能優(yōu)化商品搜索，實現多平臺自動化上貨，并自動提取和更新商品標簽。

這些能力相當于讓每個人都擁有了一個24小時的超強分析師，可以快速洞察數據，驅動業(yè)務決策。

以前老板想查個數據，分析師可能得加班一個星期，但今天借助于AI，這些問題都能快速解決了。

總的來說，成功的AI應用不是簡單地把模型能力“嫁接”到業(yè)務上，而是要深入理解AI的底層邏輯，將行業(yè)的Know-how和數據以結構化的方式融入其中，構建一個AI驅動的增長引擎。

現在，是企業(yè)應該去思考如何利用AI來加速業(yè)務、重塑組織和定義未來競爭優(yōu)勢的時刻了。

大模型在企業(yè)落地的方法論

接下來，我們聊一個更現實的問題：企業(yè)到底該如何落地AI戰(zhàn)略？

這可能是最艱難的一步。我們常說“懂了很多道理，依然過不好這一生”，對于大模型應用來說也是一樣。不是懂了模型原理，就能做好商業(yè)落地。這需要一套清晰的方法論。

首先，做商業(yè)落地有一個大前提：你必須真正理解模型是如何工作的。

我發(fā)現很多老板對模型都有不切實際的幻想。比如有人問：“我有一千萬條客服對話記錄，把它們都喂給模型，模型是不是就無敵了？”

我敢說，如果你真的這么做，模型很可能就廢了。為什么？因為模型的運作機制并非如此，特別是在微調（fine-tuning）領域，數據的質量遠比數量重要。

這就像找一個銷售。一個聰明、靠譜的人，兩周就能上手。但如果他本身就不靠譜，可能兩年都做不好。

所以，第一步，你得選一個靠譜的基座模型，把提升“智商”這件事交給它。我們要做的是，在此基礎上去構建屬于我們自己的能力。

怎么構建？你可以把模型的能力分為三個層次：

預訓練（Pre-training）：解決的是通用能力，也就是模型的“智商”。這個交給基座模型，我們不用管。

微調（Fine-tuning）：解決的是領域能力，也就是模型的“經驗”。比如，一個優(yōu)秀的銷售，他懂察言觀色，有說話的藝術，這是一種通用的行業(yè)能力，與具體賣什么產品無關。這部分能力需要我們來參與構建。

Prompt 工程（Prompt Engineering）：解決的是任務級能力，也就是“產品說明書”。比如，公司產品的銷售手冊、常見問題（QA）、價格體系等等。這部分信息更新頻繁，無法訓練進模型，只能通過Prompt來提供。

理解了這三層關系，你就能知道，我們真正要做的，是把自身的業(yè)務能力和行業(yè)Know-how通過微調和Prompt工程融入到AI中，把它固化成我們的基礎能力，從而形成一個持續(xù)的“飛輪”。

接下來，在落地之前，我們還需要自我審視一下，如何判斷自己是不是“大模型就緒”（AI-ready）。

第一個，數字化程度高不高。如果你的企業(yè)連最基礎的數字化都沒有，就很難直接上AI。

AI是基于數據的，沒有數據，一切無從談起。所以，你必須確保你的業(yè)務有高質量的數字化基礎，或者找到那些數字化杠桿比較高的業(yè)務。

第二個，場景選擇對不對。這是最容易犯錯的一點。很多人看了媒體信息，對大模型一知半解，就憑想象選擇了一個根本不適合AI的場景作為切入點。

結果投入大量時間和金錢，最后卻發(fā)現什么也沒做出來，然后得出“AI不靠譜”的結論，這是最可惜的。

大模型的發(fā)展是一個循序漸進的過程，它無法在短時間內解決你所有的問題，但長期來看，它的潛力是巨大的。

構建企業(yè)AI戰(zhàn)略的方法論

有了以上認知，我們就可以開始構建自己的AI戰(zhàn)略了。我發(fā)現很多老板特別喜歡問：“你們有什么現成的產品，我能直接拿來用嗎？”

這種想法是錯誤的。AI應用不是一顆“大力丸”，吃了就能包治百病。它更像一套現代醫(yī)療方案：先診斷，再開藥。

所以，正確的戰(zhàn)略路徑應該是：

先進行AI診斷，再制定戰(zhàn)略，最后才是方案落地。

有價值的AI戰(zhàn)略一定是量身定制的。它必須根據你企業(yè)的業(yè)務特性和屬性來設計。

簡單地找一個知識庫或者流程，作為“焦慮安慰劑”，并不能解決任何本質的業(yè)務問題。

所以最后，我們來聊聊在AI時代，企業(yè)應該如何重新定義自己的戰(zhàn)略能力。在我看來，無非是四個維度：

選擇合適的基座模型

基座模型的選擇，沒有最優(yōu)解，只有最合適的解。

你要考慮：模型的持續(xù)更新確定性（公司是否靠譜？）、推理成本（一年需要花多少錢？）、合規(guī)性（能否在中國合法使用？）、以及是否能信創(chuàng)適配等。

根據這些維度去給不同的模型打分，找到最符合你企業(yè)戰(zhàn)略的那一個。

構建合適的組織

組織的配置，合適比高配更重要。你需要想清楚，你的公司到底是：

AI應用型公司：AI只是工具，用來提升效率。你只需要培養(yǎng)一些懂Prompt的運營或產品經理即可，無需大量投入。

以模型為核心的業(yè)務公司：你的業(yè)務離不開AI，你需要將行業(yè)Know-how和數據融入模型中。這時你需要更復雜的組織架構，來負責數據的萃取和模型的微調。

AI原生公司：你的公司本身就是做模型的。這時你需要大量的算法工程師和科學家，從底層技術開始研究。

重新定義數據資產

市場對數據資產有一個巨大的誤解，認為只要是數據就是資產。

我想給大家潑個冷水：99%的數據都沒有任何價值。

數據一定是和場景綁定的。同樣一段錄音，在不同的場景下，它可以是音樂，也可以是噪音。如果你的數據沒有對標的場景，它就是一堆無用的信息。

更重要的是，AI時代的數據資產，不僅僅是存量數據，更是你持續(xù)生產高質量數據的能力。AI可以利用非結構化數據，這極大地拓展了數據資產的邊界。

業(yè)務場景的再思考

大模型的應用場景，絕不僅僅是“對話機器人”。

AI應該像水和電一樣，潤物細無聲地貫穿你整個業(yè)務鏈路，重塑你的業(yè)務流程，帶來全新的體驗。

僅僅給舊業(yè)務加個AI插件，叫做“刻舟求劍”。你需要用AI的底層能力，重新定義你的業(yè)務、數據資產和競爭壁壘。

總之，AI時代的成功，不是靠跟風，而是靠一套完整、定制化的AI戰(zhàn)略。

本文僅占課程內容1/6，掃描海報二維碼觀看完整課程

AI正在顛覆哪些商業(yè)場景？AI的涌現——混沌2025AI應用成果大展門票將在9月22日開搶，敬請關注