产品二姐
读完需要
8分钟速读仅需 3 分钟
[上一篇文章有名称错误，改了之后重新发一遍]
周一晚上从阿里创客松比赛归来，处理了手上积攒的事情，今天终于缓过神来复盘这次创客松之旅，一个强烈的感受是：
AI 应用已经开始着陆，因为—— 现场有业务方直接开始问价格了。
这一点值得所有的 AI 应用开发者注意，全程直播回放搜阿里云创新中心 视频号可以看。
今天我就拿创客松中的几个项目来聊聊落地的产品具有什么样的特点，为大家构建应用提供参考。我按照实现产品落地所需要的团队大小来分成三类，大家结合自身特点可以探索：
小团队和独立开发者，落地小产品，适合做 PMF。
已有 SAAS 业务团队，落地 SaaS + AI 应用，达到锦上添花。
已有技术实力的团队，落地 AI Native 应用，为你的锤子找到合适的钉子。
1
小团队和独立开发者，落地小产品 PMF 后再扩张
首先分享两个独立开发者或者小团队的作品，毕竟我们向他们学习起来会更容易。
1.1
BuyScout
https://www.buyscout.app/ ( https://www.buyscout.app/ )
这是一款面向欧美 C 端消费者的产品，以浏览器插件和苹果 App 应用的方式实现，目前 app store 中已经有 10000+用户，在同类产品中排名第七。
使用场景是用户在浏览亚马逊等网站时可以给消费者购买建议，包括产品问答、比价和库存报警。产品问答包括这个产品的综合评价，与其他产品的对比，与用户自身特点的匹配（比如某用户的脚面过宽，在购买鞋的时候会给用户建议这个鞋子是否适合脚面宽的用户）等。
你可能会说，这样的应用在国内电商平台都已经通过传统的 AI 方式给到了，比如淘天系的 app 里可以看到由系统生成的评价标签，用户也可以输入个人身高等信息自动匹配商品尺码，更别说什么库存提醒，降价提醒，但在海外电商并没有这么细致的服务。坐在我旁边的有 10 年北美生活经验的同学说这个在北美确实很实用。所以，我们其实看到了 AI 走向应用落地的关键一点：
没有最好的技术，只有最适合场景的技术。
而另外一个小团队的浏览器插件“寻找你的平替”就比较适合中国场景。
1.2
寻找你的平替
同样也是面向 C 端的购物建议类产品，也是以浏览器插件的形式实现。主要就是应对国内的消费降级诉求：寻找那些功效和大牌类似，但价格是大牌的 N 分之一的平替产品。举例：
同样是瑜伽垫，你搜“瑜伽垫”， 和“男性瑜伽垫” 价格会差两倍。
与某大牌护肤品含有相同成分的平民护肤品，价格会差十倍，因为大牌的成本主要花在广告上。
背后的原理是我们常说的“多 AI agent 的决策流”（如下图）：
通过需求分析 Agent 抽象出需求，
通过搜寻 agent 使用平替商品分析模型搜到平替商品（我觉得更准确的应该说是匹配需求 agent)
最后通过联网搜 Agent 在各大电商平台搜到对应的链接，推送给用户。
这里需要注意的是：多 agent 工作流是 AGI 应用的通用架构。
在我的理解里，每一个 Agent 就是一个函数，放在具体工作中就像是生产线上不同工种的工人。每个 agent 里我们需要为它定义输入， 输出 和计算逻辑（也称为模型）。
以上两个项目我觉得是比较适合独立开发者去借鉴的项目，技术门槛、开发成本都不算高，当然也可以是大公司以小成本的方式实现 PMF 的方式。 与之相反，接下来说的项目相对门槛比较高。
2
2. 已有 SAAS 业务团队，落地+AI 应用
对于已经拥有大数据分析业务的团队，可以把现有的大数据标签作为提示词，实现”生成“ 功能，也就是我们经常说的+AI 而不是 AI Native 产品。
以获得二等奖的数说风向为例。在这一轮 AI 爆发之前，主要做大数据分析，他们实时读取近 2 亿条内容，可以获得全网的实时媒体风向并提取出关键词和标签(如下图的四象限图)。
在这一轮 AI 之后，他们使用这些关键词和标签可以立即生成相应的营销话术和图片。
这是 SaaS+AI 的典型代表，毕竟他们更多的是依靠大数据分析时代打下的良好基础，在生成式场景中，他们丰富的标签扮演了提示词的作用，使得产品在原有分析、决策的基础上，加上一个新特性：“执行”。
这个产品当时所有产业评委（做业务的专家）给到的评分是：全票通过。第三类就是已有技术实力自然生出的 AI Native 应用。
3
3. 已有技术实力、懂业务的团队，落地 AI Native 应用
这类应用受益于去年 chatGPT 对市场的教育作用，同时又有自己 1-2 年的沉淀，自然爆发出来的 AI Native 产品。如果没有 chatGPT，这些技术可能还在角落里”默默“生长，当机会来临之时，这些在默默准备的团队自然会有收益。
我举两个例子。
3.1
Collov: 家装效果一键出图
https://collov.cn/ ( https://collov.cn/ )
他们主要做家装行业的应用，简单来说你给它传一个毛坯房的图片，能立马生成不同风格的效果图，能基本保证图片尺寸基本一致，结构一致。
创始人是 GNN 作者的 zhangxiao 博士，2021 年 xx 投资，到 2022 年都是默默无闻，直到去年 2023 年 AIGC 大火，才开始受到重视。目前在北美的市场已经初具规模。
今年 10 月他们开始进入中国市场，主要面向设计师使用，每个注册用户可以免费获得 5 个 credit 的试用体验，大家可以自行体验，以下是我体验的结果。
3.2
The Sea：直接可用、无需 PS 的品牌商品图
第二个项目是 AI 生成电商图片，这个主题说实话已经听腻了，目前没有听到可以直接让大品牌使用的 AI 生图。但 The Sea 在这个单点上似乎是达到了大牌标准，现场有商业评委的第一个问题就是：你们是怎么收费的。这源于两点：
技术实力
懂用户诉求，创始人中有两个人都曾从事过高端、大牌的品牌服务，所以 技术+艺术的结合在他们身上体现得非常好
他们没有 App，和 MidJourney 一样目前只支持在 Discord 里生成图片，目前按图片张数收费。以下是他们的效果图，当然作为一个非专业审美人员来说，我看不出来一些细节的不同，我选择相信商业评委的眼光。
除了这两个团队之外，我也看到了 2 个年轻团队在 3D 建模方向的商业落地案例：
一个是仅需要一张图片就能生成 3D 模型的 SayCheese
另一个是仅需一分钟就能将平面设计转为 3D 模型的 AVAR
这两个案例我个人认为也是可以直接商业落地的。
4
总结
最后，不知道上述的几个应用对你是否有启发，从我个人八月份开始参加各种线下活动以来，看到的几个现象是：
基座建设越来越完善，“百模大战”变为了“十模共生”。
AGI 应用从最初的 Chat 走向了 Work (AI agent)
AIGC 从好玩走向了好用（直接商用）和多元（视频生成，3D 生成
独立开发者从怎么用走向了怎么做
应该说 AI 应用落地的确定性越来越强了，我也期待 2024 年能有自己的应用诞生，也会通过公众号来记录这些进展，和大家一起进步！
我是关注 AI 产品的产品二姐，致力于带来丰富的 AI 学习分享、体会，欢迎你和我一起学习，如果你觉得文章有用，欢迎关注、点赞、转发。