惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

月光博客
月光博客
云风的 BLOG
云风的 BLOG
小众软件
小众软件
雷峰网
雷峰网
博客园 - 【当耐特】
V
V2EX
WordPress大学
WordPress大学
IT之家
IT之家
Last Week in AI
Last Week in AI
罗磊的独立博客
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Apple Machine Learning Research
Apple Machine Learning Research
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
V
Visual Studio Blog
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
有赞技术团队
有赞技术团队
The Cloudflare Blog
Jina AI
Jina AI
博客园 - 司徒正美
阮一峰的网络日志
阮一峰的网络日志
博客园 - 聂微东
大猫的无限游戏
大猫的无限游戏
博客园 - 三生石上(FineUI控件)
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
Kimi爆火一周后,从业者走向冷静:厉害,但没有“杀疯了”
知危 · 2024-03-31 · via 人人都是产品经理

最近,Kimi Chat在AI圈里爆火,这背后的原因是什么?当大家都在长文本处理进行探索和深耕时,为什么Kimi可以获得更多关注?在这背后,我们或许需要更纵深地思考大模型的未来。

这几天,AI圈、二级市场的 “ 当红炸子鸡 ” 都是同一号角色:Kimi chat 。

Kimi chat 是国内 AI 创业公司月之暗面在 2023 年 10 月推出的一款 AI 长文本处理应用。今年 3 月,Kimi 宣布自己可以处理 200 万字无损上下文。

比如,你喂给 Kimi《 甄嬛传 》80 集的剧本,它能迅速地为你提炼剧情重点,还能根据你的提问,解答 “ 淳贵人是什么样的性格?”

在 AI 圈红,是因为此前从未有过一款把长文本处理作为唯一标签的应用,更何况是 toC。在二级市场红,是带动了不少概念股,如华策影视、掌阅科技、九安医疗等等,有公司市值在 4 个交易日内大涨近 100 亿元。

不过,穿过狂热的表象,行业者似乎开始对 kimi 持理性态度。一来,Kimi 能力强,背景厚,但技术上远没有极其过人之处,更多的是因为舍得砸钱,并踩准了风口。二来,AI 行业的发展不是只靠偶尔的某个爆款来牵动情绪的,大家该思考的,应该是更纵深长远的事情。

一、Kimi大火,赢在垂直

要说在前面的是,长文本在 AI 领域并不是一个新奇的概念,也不是一块特别难啃的骨头。AI 长文本应用赛道,更是不乏诸多大厂的身影,包括 360 AI、百度文心一言、阿里通义千问,大家都早就在做长文本的探索和深耕。

但,身材轻巧的月之暗面,却第一个把长文本的概念印成了自己的标签,最核心的原因就是月之暗面一直在做垂直的事情。

“ 很多大厂入局就是先把垂类应用都堆上,拼参数,比数据量,布局比较泛,产品线的实用性和宣传的预期差让很多用户感到不好用。有点儿像我们今天的新能源车的发展,上来就是堆各种技术指标参数,不考虑用户是否真的能用到。而月之暗面的产品线就比较专注,按照互联网端产品开发的逻辑来说,首先在定位上,月之暗面和大厂们就有很多不一样的地方。” AI 领域连续创业者、上市公司公共关系顾问王伟男向知危表示。

定位垂直,就赢在了起跑线上。下一步,在技术攻克上,Kimi 虽没有极强的过人之处,但起码技术水平基本与大厂持平。

路奇智能 GenAI 技术产品顾问连诗路对知危分析,“ 从模型的参数技术上来看,Kimi在行业内属于第二梯队,比百川智能、讯飞星火好一些。但Kimi大模型参数的量还是比通义千问、文心一言、混元大模型要弱。”

Kimi 的文本处理长度是 200 万字,长达 80 集的《 甄嬛传 》剧本、几十万字的德州扑克教程、90 万字的《 三体 》,Kimi 都能很快提炼、理解,甚至给出方法论。

听起来确实很恐怖,但实际上 200 万在行业内是个基础水平,阿里、360、百度等互联网大厂能处理的长文本文字范围都在 200 万以上,百度方面称其长文本功能的文字范围会高达 500 万,通义千问则最高可达 1000 万。

可以这样理解,Kimi 火热的背后,没有极其未来感的技术神话。Kimi 更像是个 “ 更会学习的好学生 ”,在如今长文本应用层赛道的混战中,首先要把成绩拉到和大厂这类优等生持平,然后再通过 “ 偏科能力 ” 提升辨识度。更何况,Kimi 主攻 C 端用户,一个能获取大量民心的好学生,不可能当不上班长。

跳出产品本身,月之暗面也无疑是一家会营销的公司。

不久前,有 AI 领域投资人透露,目前 Kimi 投放广告的获客成本约在 10 元,如果算上拉新后用户问答互动产生的算力成本,每个用户的获客成本达到 12-13 元。按照近期的下载计算,Kimi 每天的获客成本至少要花 20 万元。

连诗路也表示,月之暗面确实是在营销上下了功夫,这也是其优势之一。“ 去年 10 月,Kimi 就已经推出了。但早期月之暗面和杨植麟本人都是闷头在研发上,没做什么推广。” 连诗路说,去年下半年,他参与了 Kimi 的小规模试用,“ 那时候的话仅仅就是在 AI 行业圈子内让大家用一用,没有对外推,直到今年 3 月份才开始发力营销。”

所以,在行业人士看来,Kimi 是一条鲶鱼,但不是横空出世的紫薇星。

Kimi 的火爆更是天时地利人和的共同作用。一方面,大模型应用层鏖战已久,各家的技术水平都已经成熟,到了该跑出一款大热应用的时机。另一方面,Kimi 自己从初始定位,到技术深耕、产品打磨,再到舍得在营销上砸钱,这一系列动作环环相扣,跑出来也是必然。

二、成本和获客,不是Kimi最该操心的事情

定位 C 端、重前期营销,站在这两个让 Kimi 一战成名的制胜点上向后望,光景也许不太一样。

因为,C 端的定位有利有弊。不可否认的是,Kimi 的火爆证明了大模型在 C 端是有庞大真实需求的,只是过往没有被大厂们重点强调。大厂不缺技术,更不缺成熟的产品思维,也正因如此,大厂才会一直死磕 AI +产品的逻辑,技术能力上乍一听颇为性感,但在 C 端并没有建立起稳定的认知,所以才会被 Kimi 抢先。

王伟男举例,比如 Kimi 很早就提供了联网搜索功能,后来大家也都开始做了。“ 但实际上最开始的时候,很多大模型的这个应用定位上都是走大而全,而不是走那个最实用的路线。而且,如果不做一个垂直产品的话,就根本不会知道大模型这个新物种对于自己的意义是什么,自己的用户需求又是什么。

需求确实存在,但怎么做,还得摸索。月之暗面创始人周昕宇也曾表示:“ 如果要做 AGI 通⽤⼈⼯智能的话,需要与用户共创。如果只是闲聊的话,对模型的反馈会比较弱。所以我们希望 Kimi 可以帮⼤家来做很多对智商要求比较高的事情,这样模型的上限会更高。”

连诗路指出,“ 做 C 端是有可能盈利的,但是时间会比较长,不如 B 端可以通过直接赋能企业变现。” 再者,Kimi 也需要多次试错之后找到一个最适合自己的商业场景,毕竟仅仅靠与用户的一问一答,对于单款产品来说,变现的周期无法预估。

再说营销投入这一环。Kimi 每日获客成本要 20 万元的消息一出,引来了不少人的质疑。毕竟,前期为了铺开声量,烧钱投放还可以理解,但 AI 的特殊在于,每一个用户进入之后,还要产生源源不断的算力成本,月之暗面能承担得起吗?

连诗路解释,运营投入实际上是有可控度的。“ 后续算力投入的话,主要分为两部分。一是购买算力本身,二是购买算力跑起来所需要的能源,也就是电力。长远来看,Kimi 的确需要更多的辅助。不过,现在 Kimi 已经接受了阿里的投资,而且这个投资不是以现金的形式进来的,而是以算力服务的方式进来的,这就是比较适合 Kimi,也比较漂亮的一次融资。

目前来看,Kimi 走的还是一条标准化的路子,危险系数也不高。面向 C 端的定位能更高效地切入行业,虽然变现效率不及 B 端,但长文本现在还算 C 端的 “ 大杀器 ”,或许足以支撑 Kimi 在实践中找到一个最佳的商业场景。成本更不太需要 Kimi 操心,备受瞩目的“清华系”出身,也能让月之暗面有更多故事可讲。

连诗路分析,Kimi 后期的运营将分为两个阶段。“ 第一个阶段,基础模型要做得比一般的模型好,因为对标国内大模型来说没有特别领先。第二个阶段是打磨产品,到底是学习、模仿并超过 ChatGPT,还是做一个 AI 搜索引擎,这些都需要团队更仔细地考虑。如果还要做 toB,对于 Kimi 这种 toC 出身的团队来说,基因不一样,那么就需要跨越行业的 Know-how,处理不同的数据集等等,这可能还需要重新搭建团队。

三、Kimi的未来,也是大模型的未来

更多时候,惯性思维还是会引导我们把大模型当作一个孤立的 “ 产品 ” 来看,讨论它怎么获客,怎么以传统的互联网产品逻辑变现。但如果跳出这个逻辑,大模型的发展空间肯定不仅仅是紧盯着一个两个用户的引入。

月之暗面创始人杨植麟就认为,长文本本身的可扩展空间非常大,他提到,不能只看数字,因为今天是几百万还是多少亿的窗口没有意义,要看的是 “ 它在这个窗口下能实现的推理能力、the faithfulness 的能力( 对原始信息的忠实度 )、the instruction following 的能力( 遵循指令的能力 )——不应该只追求单一指标,而是结合指标和能力。”

Kimi 的个体命运刚刚开始,长文本也是。或许在 AI 进入真正的成熟发展期之时,长文本早就是不被单独提及的技术壁垒了,它会在自我迭代和外部进程的双重作用下,产生更多价值。

想象空间更大的还在于长文本可能带来的商业机会。创业者们非常乐于看到 Kimi 的出现,说白了,Kimi 最直截了当地解决了长文本这一个痛点,让很多创业者都看到了新的应用方向。

作为创业者,王伟男也认为,Kimi 的影响更加纵深,大家因它而更加对 AI 应用的落地充满信心。“ 以前互联网创业的逻辑是,做一个新的产品到互联网上获客,然后产生经济效益,这种创业生态已经非常卷,非常成熟了。经过一波厮杀,留下来赚到钱的人,接下来的课题无非就是提升生产效率和降低成本,大模型的本质就是在解决这些课题。我们的创业土壤的成熟度决定了,在某一个点,一定会有大模型爆发一个指数级增长。”

多位行业人士对 Kimi 的形容是 “ 万里长征才刚刚开始 ”,我们很难用过往的互联网经验看待大模型,看待看似朴素的 Kimi,就像我们很难在过去预知互联网的诞生,更无法预知短视频、直播电商一众新兴行业的崛起。

“ 去年开始,一些跟模型应用上下游相关的行业都在做同一件事,就是囤很多应用类人才和团队,因为当时大家所有的人都默认,谁掌握了平台生态,谁能快速构建起多场景落地能力,谁就会拿到晋级票。” 王伟男举例,类似于移动互联网的发展历程,一开始很多研发者聚集在平台里,做出了产品,拿到了流量,然后有了美团、腾讯、淘宝。后来在这些平台孤岛上,又有更简单的小程序出现了,一大部分研发生产力被释放,也让更多的创业机会涌入,“ 过去十年间在移动互联网发生的一切,也会在大模型的世界里重现。”

Kimi 的惊艳之处更多的在于,它的思路有可能在未来牵起某一种新产业,或者是在旧的产业中注入生机。只把 Kimi 当作一个 “ 工具 ” 或 “ 产品 ” 来看,获客成本、商业化能力肯定是最重要的,但假如把它当作一个类似 “ 互联网 ”的契机来看,意味完全不同了。

大厂卷 toB 应用场景未必是绝对正确的,万一 toC 才有更广阔的未来呢?

撰文:粥粥;编辑:大饼

来源公众号:知危(ID:BusinessAlert),提供敏锐、独到的商业信息与参考,重点关注TMT、出海、新消费、新能源。

本文由人人都是产品经理合作媒体 @知危 授权发布,未经许可,禁止转载。

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。