相信很多人对春节期间的AI红包大战依然记忆犹新,玩家们之所以会愿意在AI身上“撒钱”,其中一个很重要的原因在于,通过这种方式,它们可以快速地获得流量,从而在AI的新战局之中占据优势地位。
经历了春节期间的AI红包大战之后,玩家们的格局业已发生了深刻地变化,那些有着充沛的现金储备的玩家们开始实现一场逆袭。
随着AI发展的持续深入,特别是当流量的争夺不再是简单意义上的依靠“撒钱”就能实现的时候,越来越多的玩家们开始将关注的焦点聚焦在了丰富且多样化的场景之中。
如何将自身的AI工具应用到尽可能多地场景当中,真正帮助场景和行业去解决现实问题,从而将自身在AI新战局里的优势延续下去,成为了越来越多的玩家们的新选择。
以往,在争夺流量的时代,玩家们更多地竞争的是,如何让更多的流量用起来,现在,在争夺场景的时代,玩家们更多地竞争的是,如何让更多的场景和行业因为AI而有所焕新。更为确切地说,如何让AI从“会聊天”到“会干活”,正在成为越来越多的玩家们的新选择。
流量仅是开端,商业化才是终局
在移动互联网时代,我们其实也见到过同样的场景,即,玩家们会通过“撒钱”的方式来获得流量,并且迅速地占领市场上的优势地位,等到优势地位确立之后,它们便会更多地从商业化的视角来寻找新的增长方式。
其实,在AI时代,同样的场景,正在上演。
譬如,在春节期间,我们见到了玩家们之间的“撒钱大战”,但是,有了流量,仅仅只是开始,如何将AI应用到更多的场景当中,在完成了对于流量的培育之后,从供给端给予新的产品和服务来提供给业已完成了培育的流量,成为了玩家们必然需要思考的重要问题。
以神州控股科捷为例,其供应链智能体“捷小果”在上线前,团队花了四个月遍历118个供应链岗位,梳理115项需求,将资深员工的经验整理成百余个可直接调用的技能。在“双十一”期间,13个业务部门员工实际使用该智能体,完成对话1.4万轮,调用工具9.5万次,平均每个问题触发6.8次调用,员工每问一句,智能体就进入系统执行近七次查询和计算,过去跨系统取数需要先提需求再等排期,如今一句话就能直连多个业务系统获取报表。这正是流量培育完成后,从供给端以AI重塑生产方式的典型路径。
因此,流量的争夺,仅仅只是AI玩家们的开始,如何将AI应用到尽可能多的场景之中,通过AI的商业化带来行业和场景的嬗变,从而实现供给侧的转型和升级,最终打通供求两端,建构一套完整的商业闭环,才是玩家们必然需要思考的重要问题。
从这个角度来看,基于流量的“会聊天”仅仅只是开始,而基于商业化的“会干活”才是真正保证AI玩家们可以在未来继续保持领先的关键。
单一场景仅是开端,场景协同才是关键
当AI开始进入到应用为主打的全新阶段之后,几乎每一个场景当中的玩家们都会有独属于自身场景的AI应用。
比如,在教育场景当中有独属于教育的AI工具;比如,在外卖场景当中有独属于外卖的AI工具;比如,在打车出行的场景当中有独属于打车的AI工具……换句话说,现在的AI,早已从仅仅只有少数玩家们的专属,蜕变成为了几乎每一个玩家们的标配。豆包工作近期上线的“工作台”功能,首批就覆盖了金融、医疗、教育、创意设计等21个专业场景,医生可以用它查找临床指南、检索医学文献,教师则可以一键生成教案、课件,甚至把一道题变成可拖拽参数的互动实验。
其实,这是AI开始走向深度应用的必然结果。
只有在每一个场景当中开发出独属于这个场景的应用,才能真正将AI快速且深度地与场景和行业实现深度融合。然而,同样需要看到的是,单一场景的AI应用,仅仅只是一个开始。
单一的场景的垂直AI工具,仅仅只能解决单一场景的问题,想要把AI的功能和作用得到最大的发挥,必然需要建立起不同场景、不同行业之间的深度协同,以此来实现更大的效果。阿里巴巴千问的路径提供了一个参照:千问已全面接入淘宝、支付宝、高德、飞猪等核心业务,试图通过统一的AI界面串联电商、本地生活与金融场景,形成从生活服务到支付履约的端到端闭环。用户无需在不同应用间跳转,一个入口即可调动跨场景的服务能力。
单一场景的落地和应用,仅仅只是开始,它实现的是,单一场景和行业基于AI的焕新,想要把不同场景、不同行业借助AI焕新之后的效果实现最大化,必然需要实现不同场景、不同行业的深度协同,以此才能找到更多新的发展的可能性。
由此观之,单一场景之下的AI应用,仅仅只是实现的单一场景的升级,而想要把AI的效能真正发挥出来,依然还是需要彼此场景、行业之间的深度协同,而非仅仅只是形成一个又一个的孤岛。
场景改造仅是开始,新的平衡才是根本
当玩家们开始将关注的焦点聚焦在AI在场景、行业当中的落地和应用的时候,它们竞争的焦点开始转移到了谁能够将AI落地到尽可能多的行业、场景之中,谁能够让尽可能多的场景、行业实现全面焕新上。
通过这样一种方式,不同类型的场景和行业的确可以实现一场全面的焕新,但是,仅仅只是实现场景、行业的焕新依然仅仅只是一个开始。
对于玩家们而言,如何建构一种基于场景、行业的供给侧,与业已完成了AI培育的需求侧之间的平衡,并且形成一套完整的商业闭环才是真正可以保证它们真正实现了AI完美落地的关键所在。
山东安丘的实践提供了一个来自中小企业的观察样本。当地一家绢花工艺品厂接入工业智能体平台后,海外客户在线提交定制需求,系统几秒钟即可生成高清3D样稿,客户在线微调后自动报价、拆单、排产,过去画图纸、寄样品来回至少半个月的流程被压缩到当场敲定,同样一款产品加上个性化定制后售价较标准品高出一倍以上,综合利润提升超过20%。在这里,AI带来的不仅是生产端的效率提升,更是供给能力与个性化需求之间新平衡的建立。
由此看来,AI在场景、行业当中的落地,仅仅只是一个开始,仅仅只是在场景侧实现了丰富化,并且实现了“AI+C端”向“AI+B端”的改造。
真正想要把AI的场景化落地与现实的商业化结合起来,必然需要建构起来基于AI的供给侧与需求侧的新的平衡。
当这样一种供求平衡建立起来,AI的场景化落地才不再仅仅只是一个没有结果的答案,而是一个有真实的用户需求,并且愿意为之买单的闭环。
不难看出,从C端转向B端,仅仅只是改造对象的转移,仅仅只是AI开始发挥出更大效率的开始,真正建构起来供求两端的新的平衡,才是真正可以保证AI商业化成败的关键。
写在最后
现在,越来越多的玩家们开始将自身的AI从“会聊天”进化成为了“会干活”,甚至还有的玩家们开始将AI工具深入到了越来越多的行业和场景之中。
这是AI发展的必然。从本质上来看,只有实现了AI在场景和行业的落地,才能让AI的根扎得更深。随着AI在场景、行业的落地,新的格局将会呈现,新的方向同样也将会浮出水面。