2024，AI再出发！超声波俱乐部内部分享会上海场圆满落幕

1月13日，第十五期超声波俱乐部在上海举办的内部分享会圆满落幕，本期的主题是：2024，AI再出发！

到场的嘉宾有：超声波创始人杨子超，超声波联合创始人、和牛商业创始人刘思雨，云九孵化器任鑫，着魔APP创始人杨磊，交个朋友董事、起点资本合伙人、原中科院计算所上海分所所长孔华威，上海财经大学金融学院副教授付时鸣，Tiamat联合创始人姚宇清，考拉基金合伙人戴巍，保观科技COO 吕子睿，太水科技（上海）联合创始人、架构师曾昭毅，ContaAI创始人丹青，治煜科技CTO王骕，Buysmart.ai创始人陈历飞，GGAC数字艺术平台运营总监洪登科，前斗鱼市场总监、AI数字人市场运营专家李芯靓，腾讯安全产品经理张曦盛，某国有行金融科技公司黄新宇，出门问问品牌负责人高佳，成为资本高级投资经理王凯等。

杨子超首先复盘了过去的2023年AI领域创业的特点：

1.To C成本贵

2.To B不精准

3.做大模型的门槛极高

4.做应用的团队需要跨界（大模型、场景、数据）

杨子超预测2024年创业老炮开始入场，2025年AI应用场景大井喷。

2024年的AI创业方向有几个看点：

1.视频的精细化生成（如AI电影、AI游戏、AI广告）：讲故事、做IP、场景共鸣、游戏互动。

2.多模态+IoT：AI+新材料（透明屏体验交互）+IoT、AI+摄像头（各种机器人）+IoT、AI+XR+IoT、AI+手机。

杨子超总结，AI是帮助人类处理知识的。知识是信息的一种，将它结合到某个正确的语义关系网络中，便可以利用它理解某种场景，或针对要实现的目标采取行动。

知识又可以分为常识性知识（场景、人性）、科学知识（物理、生物）、技术知识（行业、工程）、数学知识（数学）。从整体上来看，AI就是机器建模（认知复杂度）分析知识，然后设计（概念复杂度）合成数据的结果。

“涌现”则是不同层次之间的知识相互作用，出现的新属性。好奇心本身也是一种人类的日常涌现，比如我们小时候，没有建立固有的知识体系，对什么都好奇，反而会获得很多有趣的体验和发现。

包括大模型产生的“幻觉”，也是涌现的一种。杨子超认为，幻觉现象反而可以视为一种潜在的能力，这种能力可以给到我们一些出人意料的有趣答案。从另一个角度看，涌现隐藏着创新的机会。

任鑫的分享主题是《AI产品反共识》。他说：“我今天专门跟大家分享一些听起来可能不对的，反共识的东西。这样可能帮大家开拓思路，而不是讲一些‘AI是一场工业革命’的套话。”

任鑫先抛出一个问题，CUI（对话式用户界面）真的比传统的GUI（图形用户界面）好吗？并不见得。从用户层面看，CUI是缺失上下文的。GUI里，用户通过上下滑动看图片、文字等能够理解环境，但CUI很难做到。同时，CUI还存在对用户的意图识别不精准、有些场景操作效率不高等问题。

从创业者层面看，存在赢家通吃，小玩家机会渺茫的趋势。因为CUI界面统一，入口很可能被ChatGPT、Copilot 或者 Siri 垄断了。那么创业者只能依赖自己的能力输出，任鑫建议创业者们可以更极端一点，直接把能力API化。

第二点，UI不是只有GUI和CUI。我们不能被自己固有认知束缚，比如看到手机就想着设计按钮，看到GPT就想着设计对话，但还有很多别的东西，像交互融入视觉感知和常识理解，与环境结合，能带来更多可能性。

任鑫认为，情感陪伴目前是最大的市场。情感方面不一定只有性，可以是任何精神层面的需求。任鑫说：“AI干正事不一定靠谱，但陪你说话真的超级靠谱，尤其现在有精神需求的人群在大幅度增加。”

讲效率，讲生产力，本质上是把人类工具化，但人类的角色应该是Co-Pilot。因为人类不是好工具，有七情六欲，有惰性，我们天然无法按照工具理性上的最优策略行动，但AI可以。

所以很多事不要以人类自己为主导，而是交给AI。比如人类做PPT，会先拍脑袋想一个逻辑，想一个框架，然后到处去搜资料，还不一定搜得到。机器做PPT，直接拍100个逻辑线出来，每个逻辑线可能需要5组数据、5张图片，然后砍掉80条可能资料不全的，最后剩20条给人类挑选。很多事情应该完全换一种思路来做。

拆解流程，才能用上AI；重构流程，才能用好AI。很多公司说自己用不上AI，因为用AI做出来的东西不行。任鑫提供了一个思路，把一件事情拆成N个部分。

比如写公众号，不叫写公众号，而是叫做找灵感，蹭热点找选题，选题好了出标题，标题好了出框架，框架好了出文章，文章好了，比如说填段子填金句，填完金句之后润色，润色完了发布。把它拆成这些步骤，就会发现这些步骤里面有几步是AI能做的，AI不一定能直接完成写公众号这么一个大任务。但是拆出来了之后，7步里面有2步它能做，即使它不能做的那些部分，你说给我100个方案，再从里面挑一个也是可以的。这样拆解下来，你会发现大部分的工作AI都能塞得进去了。

但如果大家不是传统企业，这样的思路会把我们带到沟里。因为很多时候其实原有的流程要完全重塑，比如游戏制作流程里，有了AI，就可以把开发过程放到策划过程前面了，直接让AI先出各种各样的创意，然后我们再从里面挑。

AI产品经理的第一性原理：当下状态是一种构建，不是一种天经地义。我们习以为常的很多东西就真的合理吗？很多时候，是有人一开始往这个方向定义了，所以大家就往这个方向走了，它们是基于当下历史环境的一个构建，我们需要跳出来，重新去想。

如果这一轮真的像蒸汽机革命一样，是巨大的浪潮，那么我们很有可能看不见需求，因为理念没有变的时候，需求是不会浮现出来的，好像现在你穿越到清朝去，你发现男女不平等，发现女性受压迫，但女性们自己没有被解放的需求，只有当你有了理念叫做男女平等之后，你才能够看到这个问题，识别出这个需求。

当你的理念被当时的时代所局限，你是看不见这个需求的。所以如果我们要做出先进的产品，就必须先要给自己一个先进的理念，不管是哪个方面，甚至有点错的理念，这个理念要跟当下的时代不一致，往前走一步，你才能够看到当下时代有什么需求是大家看不见的，理念先行，才能看到问题和需求。

穷惯了，要学习过富裕日子。说起AI教育，很多人想的是AI如何把这100本书灌给你，但我凭什么要学这100本书？我们应该深入场景，比如你每天遇到的真实问题是什么？比如说你年纪小，你的手下年纪比你大，你刚接手这个工作，有一个刺头不搭理你。这是你当下遇到的一个具体问题，AI应该根据当下具体的问题，从这100本书当中抽取出直接能够解决你这个问题的一段，落地到你具体的场景，教你怎么办。日后如果刺头还在，那么跟这种事相关的三个解决方案，你觉得按照你的个性，最接受哪一种？

没错，这样会很浪费，但我们要习惯这样浪费。以往的一个老师讲课，讲给100个学生听，因为教育资源是宝贵的，但现在有了AI，我们可以重塑教育，比如批改作业，可以从老师花一分钟给你挑错，变成老师用几个小时、多种方式给你示范，根据你的特点进行更人性化的教学。

我们现在应该充分地浪费智能，哪怕把我们的账单爆掉。我们过去所有的工作设计都是基于智能很贵的前提，但我们是要走向未来的，需要洗过脑子重新设计，否则又要掉到传统思维里了。

非用户才是新用户，好用户。我们创业的时候经常会想，我做一个比竞争对手更好的东西，把他的用户抢过来。但最终发现，很多事情并不是这样的。20个创业者都是这样想的，最后大家会卷得不可开交。比如拼多多早期崛起，靠的不是抢淘宝或者京东的用户，而是一批以前没用过电商的用户。

凡是生产力的变革很有可能会导致需求的变革，有一块市场曾经不存在，但现在会存在。比如AI法律服务，你在健身房办了一千块钱的卡，但现在你要搬家，健身房说卡里的钱不退。我们这时候往往不会特意为了一千块去找个律师，但如果AI可以搞得话，那么这一千块就有可能要回来。

很多需求我们都看不见，不仅需求看不见，连人群都看不见。比如盲人不知道自己厨房里的酱油有没有过期，这个颜色的上衣配这个颜色的裤子好不好看。有一大批盲人、聋人的需求，现在AI都可以满足，但这些人根本不在我们大多数人的视野范围内。“我们一定要看到新用户，找到新的解决方案，才能够把路蹚出来。”任鑫总结。

杨磊则从算力的角度出发，分享了一些观察。

算力增长超过摩尔定律。英伟达预测：Transformer模型的算力训练需求每两年增长275倍，所有其他模型的趋势是每两年增长8倍。OpenAI研究表明：自2012年以来，最大规模的 AI 训练运行中使用的计算量（算力）每3到4个月翻一番（相比之下，摩尔定律的翻倍周期约为2年）。自2012年以来，该指标已增长超过300,000倍（2年翻倍期仅产生7倍增长）。