AI中的明牌與暗牌

發表於 2023-04-29 16:20 作者： 元宇宙之心

明牌與暗牌

今天任何能輕易想到的idea，都是明牌，上來就攤牌比經驗值，武力值，和血條了，比如大家討論最多的AI助手，虛擬老師，AI客服，文案生成等等。在這種顯而易見的方向上，高手和熟手太多，只是打一張起跑早的“先手牌”很難獲勝。

以AI教育爲例，教育是個長鏈條行業，從投放，到課程運營，到教研，到銷售都有成熟方法，到最後是在比”擰螺絲“的效率，這個行業的高手也很多，很多人融過1億美金以上，管過千人團隊，就差一個好的PMF可以再啓程了。如果一個新手進到AI教育裏，PMF剛跑通，剛准備學習下如何投放，如何管100個銷售，剛准備手槍換步槍，旁邊直接蹦出幾個高手就拿加特林機槍給突突了。

什么是暗牌？暗牌往往是非共識，是完全0到1的產品創新，挖掘的是隱性需求，市場空間極其模糊，巨頭和高手想不到或看不上。比如snapchat、Airbnb、快手、今日頭條、b站、拼多多、小紅書，早期的時候都有點小衆，能否泛化未知。2013年的時候，如果問全國人民會看30秒短視頻嗎，是很難有答案的。這種暗牌爲早期生存贏得了幾年的時間窗口，猥瑣發育，等到攤牌比武力值的時候，大家手裏都是加特林，對着突突一下還是有勝算的。

明牌意味着共識，往往是面向存量市場，用新方案替代老方案，十倍速是最好的武器。可能是更好的文案工具，更好的教學工具，提升的是體驗和效率。

暗牌意味着非共識，往往對應增量人群，滿足的是未被滿足的需求，0到1的創新是最好的武器。快手抖音出來前，短視頻幾乎沒有被驗證過，是憑空造出個短視頻範式。拼多多出來前，下沉人群是很少網上購物的。

如果是一個經驗值豐富、善於靠商業和效率取勝的高手，上手打明牌是可以的，段位高到一定程度，還能起到嚇跑清場的效果。

如果是一個經驗值少、用戶洞察犀利、善於創新的AI產品經理，最好還是想想暗牌，從一個很獨特，非共識的切入點進入。起手打明牌是對加特林機槍的不尊重。

傻瓜時間

暗牌翻开就變明牌，作爲暗牌的傻瓜時間窗口至關重要。

我的判斷是，相比Mobile，AI行業的周期會長很多，不是一波機會，而是潮起潮落的若幹波機會，至少十年以上。但具體到每個項目的切入點，傻瓜時間會短很多。

ChatGPT是2012年11月發布的，三個月後，國內外的大廠都達成了一致——必打之局，AI的基礎底座必須拿下，數數手裏的籌碼就开幹了。大廠的動作幅度也都很大，微軟推出new bing和copilot，Adobe推出Firefly，Google Amazon Meta從各自角度切入，BAT字節華爲也都入局。對平台層來說，傻瓜時間窗口只有兩三個月，這是前所未有的。

相比mobile的應用，AI應用的傻瓜時間窗口也會短很多，黑暗森林法則會在AI應用裏演繹的淋漓盡致。mobile時代，字節、快手、拼多多有3-5年的窗口期，然後大廠發現被偷家了，开始狙擊和反追。在mobile的黑暗森林中，獵人是看到火把才开槍的；在AI的黑暗森林中，不用看火把，火柴剛點燃，獵人已經一個火箭筒打過來了。

爲什么推測AI的黑暗森林法則會加劇呢？三個原因：

一是ChatGPT和Midjourney上來就是C端爆品，效果肉眼可見，AI具備認知能力是第一次，生成這么逼真的圖片也是第一次，一下把大家炸醒了，秒懂。

二是當下互聯網的人才密度是前所未有的，一群實力派演員，剛演完了mobile這場爲期十年的商業大片，然後導演宣布，兄弟們，互聯網創業Game over了，以後拍戲只拍硬科技了，大家做做生意自尋出路吧。現在導演改口了，PC是第一季，mobile是第二季，後面三四五六季的主題都是AI。又有戲可以演了，不all in是不行的！

這批人，既有財富自由的大廠高管，也有一批能力成熟的founder，這些人普遍把業務帶上過10億收入，或者千萬用戶，融過1億美金以上，帶過千人團隊。他們的心態都很一致——“上天欠我一個大成”，這些人天天在找合適的創業劇本。

三是大家的判斷力被“預訓練”過了，會預判你的預判。過去30多年的科技史、商战史、投資史是巨大的數據，相當於已經煉成了一個科技商業大模型，當我們用到驚豔的產品，看到爆炸性的新聞時，我們的大腦就會告訴我們，這是個大機會還是小機會，往後可能局面如何，yesterday once more。

在可預見的黑暗森林法則下，如果是暗牌，可能少做PR，低頭擰螺絲，悶聲發大財才是正確姿勢。

如果是明牌，那就喊出聲音，團結能團結的力量，把實力做實才是王道，然後在明牌的基礎上看能不能打幾張暗牌。

暗牌在哪裏

我們來看mobile時代的幾張大暗牌，拼多多、字節、快手、B站、小紅書、米哈遊、Shein等等，都是從側翼殺到平台級別的主战場的，都經歷過兩個階段：看不上，和攔不住。

之所以看不上，是因爲新一代平台都是以feature的形式出現。起初，今日頭條是百度新聞裏的一個子功能——自動推薦，拼多多是微信裏的拼團遊戲——很像一場運營活動，快手是把視頻轉成gif的一個工具。

feature足夠犀利，就能打中垂直人群，產生高留存率。但這個垂直人群的規模有多大？這是是第二重迷霧。靜態來看這個人群可能只有5%，未來會有50%嗎，能泛化成功嗎，這個問題上往往很有爭議。幾乎所有的大產品，都是起於垂直人群，然後不斷泛化，變成國民級產品的。

之所以攔不住，不單純是因爲先發優勢，一定是這種先發優勢轉化成了某種結構性優勢：

第一種是規模帶來的效應——網絡效應、雙邊效應、或者規模效應。抖音、快手、B站、小紅書這種都是天然帶社區屬性的，對手可以像素級別的抄功能，可以大力出奇跡的做投放，但到了一定規模後，社區氛圍形成，這種氛圍很難抄。

第二種是鏈條即資產，簡單說就是業務鏈條長，需要鼠標加水泥，創業公司把髒活苦活都幹了。外賣、打車、物流、OTA、教育裏的頭部公司都是這么做的。

第三種是自帶天然屏障，典型的是拼多多，借用微信流量發展起來，但微信對淘寶不开放，這是天然屏障。

換言之，什么容易被看上呢？在已有的大品類做創新容易被盯上，比如做手機瀏覽器，只要到了百萬日活，百分百被盯上，大廠在2012年就全部立項手機瀏覽器，派的也是相對精銳的團隊。在PC時代，瀏覽器是入口級產品，瀏覽器可以截搜索的流量，大廠的神經已經被刺激過了，只要日活過了紅线，先派團隊防守了再說。

但feed流是不容易被盯上的，PC時代沒有feed流這個品類，且feed流和搜索的KPI正好是相反的，feed流的KPI是時長越長越好——kill time，搜索的KPI是步長越少越好——盡快讓用戶找到結果，然後離开。所以天然不容易聯想到一起。

AI創業上，暗牌是什么？這個超級難回答，要是現在就能說出來那就不是暗牌了。或者換個問題，什么牌桌上天然容易出暗牌？舉幾個例子，感受一下。

第一個是泛娛樂，本質上今日頭條、快手、拼多多、B站、小紅書、米哈遊做的都是娛樂業。娛樂業是個無限遊戲，水無常形，只要玩法對了，路子對了總能找到增量人群，並且最大的增量人群永遠是下一代。很多產品是帶社區屬性的，社區文化是最難抄的一部分了，到了一定規模後確實攔不住。

AI有三個明顯的特性，自然語言交互、生成式、多模態感知，基於某一個特性很容易長出全新玩法。比如可以想象，類似原神這樣的遊戲會變成真开放世界，裏面是一個個智慧體在交互，連路人甲NPC都是AI驅動的，並且語言交互將成爲推動情節的重要手段。比如，一些虛擬人的聊天軟件，比如character.ai、MiniMax都是AI驅動的娛樂新玩法。

第二個是長鏈條、重鏈條的行業，通常和服務業相關。比如美團外賣有600萬騎手，放到2012年，絕大多數的互聯網公司會選輕模式，而非重模式，這是一種避重就輕的“看不上”。而這種重鏈條的行業，往往比的是擰螺絲的效率，鏈條即資產，後面可能“攔不住”。

AI會改變很多行業，尤其是售賣認知的服務業，比如法律、醫療、教育、編程、會計、客服等等。software as a service將變成result as a service，什么是result？對很多行業來說，result是AI+人工。以法律行業爲例，可能最有價值的不是給法務從業者提供軟件，而是自己做了一個AI驅動的律所，中台全部AI化，靠AI解決成本的問題，和不可規模化的問題，但前端和客戶溝通的還是律師，因爲要提供深度服務和情緒價值。私有化的數據，和很重的服務鏈條，可能會讓它攔不住。

第三個是做“看不見”的客戶，Shein是個好例子。Shein是背靠中國供應鏈，往海外賣快時尚的品牌，2014年开始用Shein這個品牌，低調了六七年，大衆聽到這公司的時候，年銷售額已經千億，估值幾百億美金了。這種低調除了公司刻意爲之，很大程度上是因爲做了“看不見”的客戶，客戶完全在海外，和國內的玩家幾乎形不成競爭。這幾乎是創業最幸福的狀態了，不要有太多故事，也就不會有太多事故。

當然，還有很多適合出暗牌的方向，歡迎來一起探討，我的思考有限，這裏只是舉幾個例子。

現在，最大的明牌已經出來了——大語言模型這個底座，和ChatGPT這個應用。價值極大，門檻極高，別的不說，幾千萬美金是入場券，幾億美金有機會進決賽。

打明牌和暗牌都有贏的機會，只是打法不一樣。打明牌基本看牌面，看手裏的籌碼數量，更看絕對實力。打暗牌有猥瑣發育，以小博大的機會，可能會抽中大獎，但也碰運氣。

同時，明牌和暗牌不是對立的，而是動態變化的，比如做大模型的團隊，做大模型本身是明牌，但上面到底做chatGPT還是別的應用，這是暗牌。而所有的暗牌，被大廠和大佬盯上後，就成爲明牌。

實踐出真知，歡迎一起來討論更多的暗牌。

來源：元宇宙之心

標題：AI中的明牌與暗牌

地址：https://www.coinsdeep.com/article/12901.html

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。