在AI從業(yè)者里有位備受關(guān)注的“網(wǎng)紅”叫Shawn Wang（他推特“swyx”更為大家熟知，同時也是Smol.ai的創(chuàng)始人），今年7月他在專欄“Latent Space”上首次提出了“AI engineer（AI工程師）”的概念。同名播客也是今年聽過最精彩的欄目之一。
這個新“人群”介于傳統(tǒng)機器學(xué)習工程師和為產(chǎn)品服務(wù)的全棧工程師之間，借助成熟的軟件供應(yīng)鏈和API生態(tài)，還有日益開放的模型和開發(fā)工具鏈，AI工程師能夠快速搭建產(chǎn)品原型，利用現(xiàn)有公司的分發(fā)渠道或社媒等方式獲得用戶反饋和數(shù)據(jù)，從而進一步迭代模型本身，就如下圖。
有趣的是，10月Shawn在灣區(qū)舉辦了第一屆“AI Engineer Summit（峰會）”，大會上一位獨立開發(fā)者發(fā)表了一個引起眾多共鳴的事實：
“開發(fā)AI項目的過程中，我的時間80%都花在了UI設(shè)計上。”
AI似乎是最簡單的部分，如何把一個花了兩個小時搭好的demo變成可發(fā)布在生產(chǎn)環(huán)境的產(chǎn)品，才是最難的事情，而這部分工作量與AI無關(guān)。
在灣區(qū)的這段時間里，與正積極實踐將AI融合到已有SaaS產(chǎn)品的AI工程師的交流中，也的確感受到從原型到內(nèi)測，再到邀請種子客戶測試的過程是復(fù)雜且反復(fù)，通常比預(yù)期都要長。
紅杉美國在9月發(fā)表的《生成式AI進入第二階段》新文章里，認為AI從拿著大模型找“釘子”的方式正式進入了“第二幕（Act 2）”，真正的壁壘在“客戶中，而不是在數(shù)據(jù)中”。
這個觀點對新進創(chuàng)業(yè)者來說有點殘酷，如果一開始大模型就無法沖破傳統(tǒng)的無論是面向企業(yè)場景的工作流或消費場景的網(wǎng)絡(luò)效應(yīng)的話，那么大部分創(chuàng)業(yè)公司現(xiàn)在仍面臨“找釘子”的狀態(tài)，而且需要快速轉(zhuǎn)型。
在我看來，對初創(chuàng)公司甚至整個生成式AI的時代，其實大家仍在第一幕或第一階段，并沒有進入所謂的“第二幕”。
總的來說，還有三條鴻溝：
-
AI既可以是feature（功能），也可以是產(chǎn)品，目前邊界是模糊的。
-
AI native對產(chǎn)品經(jīng)理和設(shè)計提出前所未有和更高維度的要求。
-
與其死磕融入或創(chuàng)造”新工作流”，或許不如直接賣“新工作”。
不久前ChatGPT集成了PDF Chat功能，網(wǎng)上就這個功能對一系列相似產(chǎn)品的沖擊展開了很有意思的討論。不少人認為很多初創(chuàng)公司會因此死掉，所有類GPT “wrApper/套殼”類產(chǎn)品都會在未來由于ChatGPT本身能力的延展而受到嚴重擠壓。
沒過多久，PDF.ai的創(chuàng)始人Damon Chen發(fā)表了自己的看法：
“我不認為ChatGPT會把很多PDF相關(guān)的小功能但又是用戶急切需要的都開發(fā)出來。當然，很多比我們規(guī)模小許多或者準備做這個方向的創(chuàng)業(yè)者會退場，而如果有VC投資的初創(chuàng)公司可能會死亡，如果他們還持續(xù)燒錢。
但是PDF.ai一直是bootstrap且盈利的。我們不是為了成為獨角獸，幾百萬美金ARR對我們來說足夠好了，我有1000%的信心可以做到。所以我甚至更樂觀了，我們有能力在Chat PDF類的產(chǎn)品里做到最好。”
更有意思的是，在上周第一屆OpenAI Dev Day當日，Chatbase的創(chuàng)始人Yasser和Damon同時在公開宣稱當日自家網(wǎng)站注冊量的激增，似乎這些所謂的”AI套殼“產(chǎn)品并沒有受到重創(chuàng)，反而讓更多用戶發(fā)現(xiàn)通用型GPT和單點工具的差異而選擇后者。
我非常贊同Damon的想法，也給創(chuàng)業(yè)者和獨立開發(fā)者很多啟發(fā)。
首先，如果要驗證AI是否在假設(shè)場景的價值，不要忌諱先做成“wrapper”。要快速搭建出可用的工具型產(chǎn)品，驗證市場。
經(jīng)過大半年跟許多嘗試想快速在OpenAI的API基礎(chǔ)上搭建一個可用demo的工程師交流后，大家普遍發(fā)現(xiàn)要真正從一個外界看來是“套殼”的demo到變成可用的產(chǎn)品，還要跨越很多障礙，需要反復(fù)做許多實驗。
如上圖，在AI Engineer的大會上對遷移學(xué)習中的領(lǐng)域自適應(yīng)（Domain adaptation），就有了現(xiàn)在集中主流方式的探討，想必RAG（搜索增強生成）是各類需要大模型獲得更多事實性信息的應(yīng)用很關(guān)注的話題。
所以，即便利用了大模型的API，我們也不能籠統(tǒng)地認為“套殼”是一個簡單的工作，至少要做到一個可用的工具，百萬級用戶能穩(wěn)定使用的產(chǎn)品，比大部分沒有0到1做過的人想象中要困難很多。
（那些從未真正build過產(chǎn)品的人總說OpenAI殺死了很多AI套殼產(chǎn)品，而正在做產(chǎn)品的人一直在掙錢）
其次，創(chuàng)業(yè)在海外擁有非常立體的環(huán)境。立體具體表現(xiàn)在：
-
你可以選擇不拿融資或少量融資，做一款擁有幾十萬甚至百萬用戶的小巧工具，同時有幾十萬甚至百萬美金收入。也可以選擇獲得巨額融資，發(fā)展成為能服務(wù)上千家企業(yè)客戶，擁有千萬甚至過億美金收入的企業(yè)級產(chǎn)品。
-
前者一直保持較小團隊規(guī)模，許多時候不超過10人，就能持續(xù)盈利，就像早些時候的Midjourney。后者在通常情況下，會持續(xù)擴張并保持融資和燒錢狀態(tài)，目的是成為行業(yè)第一，并試圖擠壓第二和第三的市場份額。
-
結(jié)果是，大多數(shù)前者很多時候并不會因為后者的持續(xù)擴張而受到嚴重擠壓，除非真的因為本身產(chǎn)品的退步。后者雖然有很大想象和飛躍可能，但要承擔一旦無法取得投資人預(yù)期的成績，就需要做出巨大改變或轉(zhuǎn)型，否則就要面臨因為無法自身造血而徹底退場的結(jié)局。
所以，當下無需過多糾結(jié)AI將是一個現(xiàn)有產(chǎn)品的“功能”還是有機會成為一個獨立的原生產(chǎn)品，因為在不同類型的用戶和場景來看，很可能都會存在。
但接下來，這對產(chǎn)品經(jīng)理和設(shè)計師都提出了一個重要挑戰(zhàn)——如何設(shè)計出下一代AI原生體驗的產(chǎn)品。
蒙眼狂奔了大半年的AI公司的確開始吸納產(chǎn)品經(jīng)理了，比如今年我了解到發(fā)展最快之一的法律科技公司Harvey.ai，不僅獲得了OpenAI和紅杉美國的投資，最近宣布招聘了第一位產(chǎn)品負責人Aatish Nayak，Nayak曾是Scale.ai的產(chǎn)品負責人，工作長達4年時間，也見證了傳統(tǒng)機器學(xué)習向生成式AI演進的重要里程。
同樣幾個月前，演示文稿生成工具Tome也吸納了第一位AI產(chǎn)品經(jīng)理，在灣區(qū)跟他交流的時候，他剛加入不久，跟團隊高層當時討論的核心便是，以對話為交互基礎(chǔ)的體驗到底是不是用戶最能接受的方式？
或者說，作為一位AI產(chǎn)品經(jīng)理，很重要的是如何將“傳統(tǒng)”用戶旅程和AI原生的體驗（目前核心是對話引導(dǎo)）巧妙結(jié)合，包括如何引導(dǎo)用戶盡快上手體驗AI。
一個微妙的發(fā)現(xiàn)是：產(chǎn)品不再是AI初創(chuàng)公司剛開始的必要崗位，AI本身讓創(chuàng)始人成為最重要的產(chǎn)品經(jīng)理。
根本原因是，生成式AI給產(chǎn)品設(shè)計帶來的機會是讓所有產(chǎn)品實驗得以實時進行，讓用戶無感知地反饋甚至參與后續(xù)迭代，包括產(chǎn)品設(shè)計和”產(chǎn)品模型“。
產(chǎn)品模型便是所有實驗的核心，它是作為AI工程師或創(chuàng)始人，需要構(gòu)建的一套完整且能自我迭代的技術(shù)棧，最終像OpenAI的聯(lián)合創(chuàng)始人Andrej Karpathy在他的”軟件3.0“理論中提出的：
讓產(chǎn)品能夠獲得”理解“和”生成“的能力。
無論這套模型是否擁有自己的大模型，無論在領(lǐng)域自適應(yīng)中使用了哪種方法獲得精確的背景信息，無論是否通過自然語言對話來完成用戶的交互，重要的是能否利用現(xiàn)有的任何技術(shù)，設(shè)計出一套能實時產(chǎn)生交互數(shù)據(jù)并能反饋于最終效果和體驗的模型。
這里面最成功的案例莫非Github Copilot了。記得在某期播客中，產(chǎn)品初期的負責人曾說過，最美妙的地方在于用戶是與產(chǎn)品本身實時在交互，交互的過程（刪掉或保留代碼）和結(jié)果（代碼和程序）就是對模型最直接的反饋。甚至都不需要像ChatGPT一樣需要用戶點擊”大拇指
