本文汇总了过去一年，我在社群里分享的，
关于AIGC商业化的13个非共识认知
——
1、AIGC的核心指标，不是节省了多少时间/人力（效率属性），而是提高了多少“转化率”（利润属性）。
2、不是技术不够，而是缺乏深度的“行业know-how”。
3、情感AI，可能反而是现阶段的低枝果实。
4、对于转化率的提升，虚拟人很可能会有“巨大”的增量空间。
5、关于Agent：目前主流的“单体智能”思路有隐患，可能的突破口是“多体智能”——类似复杂系统/鸟群，单个智能体可能很简单（不一定要超过单个人类），但整体有非凡的智慧（AI Agent 团队 >人类团队）。
6、AI产品方法论之“由用户来完成AI产品设计的最后一公里”。
7、品类！——现在并没有到AI 2.0 的“iPhone时刻”（那只是行业大佬的PR用语）
8、“场景-用户-需求”之外，需要增加一个关键词，“关系”——定义了关系，就定义了约束条件和需求属性。
9、使用AI时，把AI当成人；设计AI时，把人当成AI。
10、未来AI企业，方向定位将不是按照To C/To B来划分，而是按照To 人/To AI 来划分。
11、AI商业模式，不是短期、一下子能够搞定的——要么是打井模式（足够深、打穿为止）、要么是毛毛虫模式（不断跃迁）。
12、现阶段做AI，要对标的不是互联网，而是通信/IT。
13、未来真正的AI 2.0/元宇宙社交产品形态，核心差异化的点，不仅是人和AI社交，更在于“AI和AI交互、人去看（消费）这些AI产生的内容”——那不是“游戏”，而是“生活”。
下面8000多字，慢慢看，一定是值得的——
ps，其中很多内容源自“
黄钊的AI日报
”，今天是
早鸟价最后一天
，具体介绍和操作入口，详见
文末或“阅读原文”
。
一、背景：去年Lensa日入300万美金、今年妙鸭爆火，但昔日脸萌们的本质隐患，并未解决
去年12月，Lensa日收入300万美元（详见《
Lensa！ChatGPT之后，又一个有破圈能力的AIGC产品
》。
某开发者做的AvatarAI，上线2天、收入1万美元（详见《
一天赚一万美元，这个AI图片生成工具火了
》。
这类产品，其实本质上都是“
AI头像生成器
”，提供的是个性化/炫耀价值，核心是“
社交
”两个字——虽然确实短期容易爆、吸金能力很强，但问题在于，这类产品都需要依附于某个成熟、强大的社交平台（类似QQ秀生长于QQ），才可能“长期”巨额盈利。
要想通过AIGC，自己来沉淀社交关系链到一定数量级，短期是不现实的。
最近“妙鸭相机”的微信搜索指数，已经在大幅下滑了——
当然，如果能够赚一波流的钱，也挺不错的了；但总有人希望更能稳定、长期的赚“系统”的钱。
二、一个非常有价值的案例：PhotoRoom
PhotoRoom具体是做什么的？
服务于二手电商卖家，去掉图片背景、并增加各种细分电商应用场景所需的背景和效果。
PhotoRoom的数据表现如何？去年12月的数据是：下载量4000万，月活MAU 700万，每天处理的图片300多万张；基于订阅费9.99美金/人/月，2020年8月突破100万美金ARR，每个月的增长基本上都在 50%以上（详见
这篇报道
）。
问题是，PhotoRoom仅仅是给用户节省了时间，就能让用户这么心甘情愿的付钱吗？NO——
PhotoRoom的价值，
不仅是节省大量时间，还能提高卖家的销售转化率
——针对各个细分场景，提供具有专业设计感的照片，用户使用后，平均
提高了31%
的转化率！
比如
社交媒体（它还细分出了 Twitter、Instagram 等）、各种电商网站（具体再细分为 Ebay、Poshmark、Depop、Etsy、Shopify 以及亚马逊等各种类型的电商平台）、网络小店、杂志风格（再继续一大堆细分）、直接具有销售文案的图片以及各类风格类型模版，各种模版超过了1000个！
整个优化生成的图片非常的有专业设计感，操作也是非常简单。
这个案例对咱们的“底层参考价值”在于，这是一个AIGC商业化的靠谱思路——
1）切细分场景、切细分用户；
2）AIGC出的东西，要能明显有助于其商业活动——不仅能节省时间，还要能提高客户商业路径上的转化率；
3）基于2，所以一开始就可以收费！（因为用户算的过账，整体是值得的）
4）要做到3，创始团队需要对该行业具备深度know-how（就能够拿着锤子敲钉子了）
三、
AIGC的核心指标，节省了多少时间、人力（不是效率属性），而是提高了多少“转化率”（利润属性）
这里有一个非常微妙的地方：PhotoRoom的功能，既能节省用户时间，又能提升转化率，
到底哪个指标是最core的？？
回忆下那个经典的对比案例：智能手机（iPhone）也有电话、短信等通信功能，但是其真正决定成败的差异化价值，其实是娱乐/社交/购物等等其他功能，重点指标也变成“占有用户时长”等等，而并不是打电话的通话质量等通信指标了！
也就是说，降本增效类指标也有用，但不是“决定成败”的关键，因为人类天然
更愿意为开源付费，而不一定是节流，特别是在中国，特别是小B和大C。
四、相对于传统互联网产品，AIGC如何能“大幅”提升转化率呢？分享4个可能性（关键词）——
1、
不是技术不够，而是缺乏深度的“行业know-how”！
传统互联网的各种网络营销功能，也会通过优化标题、图片来提高转化率，但有一个问题，就是总觉得颗粒度太大，做不到真正的“千人千面”。
为什么做不到呢？我认为，关键不是模型、算法、算力不够，而是因为
真正要做到足够细分人群/场景的千人千面，需要对那个最细分领域具备深度know-how！
比如在9月2号的「AI日报」里（https://t.zsxq.com/11bvl2Gbd ），分享过某篇文章里的这几段话——
a）设计一个直播数字人，如果没有行业理解，很可能是一个端庄、颜值高、说话语气舒缓、手部有一些简单动作的产品，
事实上直播完全不是这样的！
b）
你必须知道大家平均在直播间停留的时间有多长、必须知道直播有忙时有闲时、必须知道什么时候全身出镜/什么时候半身出镜、必须知道直播间里的人的分工和配比，模型训练要结合主播的语气/风格，甚至要跟这个行业相匹配的方式做对应的串联
，这样才能保证大家看到的是一个真实的东西。否则就会出来一个傻傻的主播。
c）
很多专业领域，要知道哪个环节是容错率高的，哪个环节是容错率低的
，这样才能保证是一个好的应用，否则就是一个泛泛的、拉平的东西。
d）做垂类的话，除了模型外，还要了解行业Know-How，否则是做不出来的。
另外，
特看科技CEO
乐乘
最近分享过——
a）做了一个AI生成视频的系统，可以细分为脚本生成、画面生成、声音生成和组装编辑四个层面，对应视频的三个维度和故事线。
b）客户向我们表达需求，或者选择一个参考视频案例，我们给客户生成结构化的脚本、是有语义标签的一套协议，比如分镜一是一个人在讲文化，分镜二是产品展示，分镜三又是讲其他什么，类似给一条视频打码，再加上客户给的一些产品视频，或者我们生成的图片素材，以及数字人，就可以以脚本为依据去，一键组装出一条视频来。
c）我们的脚本，来自过往平台里已经爆了的爆款视频，微调之