LLM的三个基本特点和对应的应用层思考方向：
1.类人级的智能（之前需要人参与才能进行的流程，现在能不能让AI来做？）
2.超越人类的信息吸收速度（之前人做不了的事情，现在有了AI，还能不能做？）
3.低廉的横向复制边际成本（之前用人来做太贵的事情，现在能不能用AI取得指数级别的成本降低？）

智能指数上升

回顾这两年的AI应用层发展，AI在高思考成本场景下的价值已经得到验证，低思考成本的场景呢？

或许是AI技术发展得太快，总感觉ChatGPT的出现已经过了好久。但是仔细一想，距离2022年11月份也就2年时间。2年前，人类第一次感受到，有一种技术，能够以如此高的相似性模仿人类的表达过程，这种突如其来的眩晕感大面积扩散，形成了一种集体眩晕，引起了非常多的宏观叙事。宏观叙事越多，人们越倾向于看转折性的大机会，习惯于开始讲“未来应该是什么样”，而不是“用户的需求可以怎样更好地被满足”。

诚然，跨跃性的技术往往会对很多领域带来降维打击，比如“AI绘画”之于“视觉设计师”，“大模型”之于“翻译”，但当这些AI应用领域“低垂的果实”被采摘之后，我们往往会发现，在ChatGPT出现的两年后，大多数人的生活并没有感知到AI带来的改变。

AI总结的评论在大多数的购物、团购应用里出现，但用户是否真的买AI总结的“帐”，据我所知，微乎其微。很多应用推出了AI对话功能，就连一嗨租车都推出了一个AI助手，想要帮助用户解答租车中的各种问题，但我们也都很清晰地看到，Chatbot的交互成本远远大于“直接在UI上点点点”，AI在大多数现有业务场景下所带来的便利性，远远不能抵消交互成本的增量，按照俞军老师的用户价值公式（用户价值= 新体验– 旧体验– 替换成本），用户价值甚至是负的。

我观察到一种现象，AI应用目前在高思考成本的场景中广受好评，比如说总结一篇长文、编写代码、优化文章，但是在低思考成本的环节目前没有看到太惊艳的表现。仔细一想，原因也很明显，在前一种场景中，AI所带来的收益，远远大于交互成本的增量。以写代码为例，花个2分钟时间详细描述一下自己想要什么样的功能，就能在1分钟内得到想要的代码，比花1个小时慢慢去搜Google、写代码成本低太多了。但如果我想要在AI助手中挑个外卖，交互成本远远大于打开外卖应用、点点点几下完成下单。

问题可能不是出在AI上，而是出在，大多数人的生活，不需要太多的高强度思考。无论是国外还是国内，从社交媒体上就可以观察到，各种AI助手类应用的用户主要还是学生和白领，因为他们经常要进行各种高思考成本活动，对无论是横向还是纵向提升自己能力都有比较大的诉求。但如果回到大多数人都熟悉的Super App们涉及的领域（微信、抖音、淘宝、美团等），就会发现，这些应用已经尽可能将用户使用APP的思考成本降到了很低，如果想要基于这些应用做进一层的“效率提升”，恐怕没有太大的空间。

让我们换个角度看，以《创新者的窘境》中的理论，颠覆性科技的发展分为两种，增强（Enhancement）或替换（Replacement）。

在高思考成本的场景下，「增强」和「替换」都在发生，一方面让用户做得更快、做得更好，另一方面也在替代一部分的职业。但是， 在面向大多数人群的低思考成本的场景下，根据前文中的推理，「增强」则显得没那么容易，而「替代」却看到了一丝端倪，比如说Character.ai类AI陪伴型应用，有替代互动式游戏的趋势。

随着模型能力提升，在高思考成本的场景下，AI能做的会越来越多。但是，在低思考成本的场景下，即使AI在可预见的时间范围内会变得如此强大，也要对“拿着锤子找钉子”保持警惕，从用户实际需求出发探寻机会。

最近在思考用户对AI总结内容的信任度时有了一个很重要的认知：AI总结的内容很难让用户感受到共识，而人类编写的内容可以。

小红书这几年慢慢成为了旅游内容行业的一匹黑马，有很多人在小红书上找旅游攻略，包括我。我们在小红书上搜攻略时，很少会因为一个单独帖子的正文就决定了整个行程，我们会刷很多目的地相关的帖子，不仅会仔细看帖子的正文，还会看看评论区里“有经验的用户”的回复。在这个过程中，表面上我们是在寻找更多的信息，但实际上，我们是在寻找群体观点中的共识。

从众心理是一种植根于人类基因的底层倾向，当一个人出去旅游时，TA思考的第一个问题是：其他人都去哪里玩？大多数人的旅游是打卡型的，先逛完了大众共识中的网红打卡点，才有心思去追求小众。如果连最大众的景点都没去，很多人会担心回去之后都没有可以跟朋友吹牛逼的谈资。我们对于自己所规划的行程的信心，往往是在浏览了多个反复印证的信息源后才建立起来的。

那有朋友可能就会想，我让AI总结一下“共识”不就可以了吗？这里就又引出了一个很重要的点，我们似乎更信任那些能够积极参与共识建立过程的信息，而不是接受一个现成的共识。这里的核心不在于总结的内容质量如何，而是AI总结的内容没有“人味儿”。当我在小红书上浏览一个个的帖子时，我能看到作者的昵称和头像，这会给我带来一种很明确的感觉：对面写这段文字的人是一个真实的个体，在评论区，我会感觉到有一个真实的人类在分享TA的观点，这种“鲜活感”是非常重要的，它是信任感的根基。在旅游这种重线下体验的场景中，去过那个地方的人的真情实感所传达出的“鲜活感”，远远超越AI，那也就意味着，用户对AI总结的内容的信任度要差几个数量级。

除此之外，对于大多数人来说，一年也就旅游一两次，每次旅游决策往往需要用户用大量的钱来投票，“信任度”在需要谨慎决策的场景中尤为重要。

当然，现在的各种AI应用正在尝试用各种方式来提升用户对于信息的信任感，比如，Perplexity和Microsoft Copilot 会展示某个观点的信息来源，也会在下方列出参考的文献列表。这里我不会一棍子打死，说这种模式不ok，因为不是所有的场景都需要共识。

简单来讲，可以分为两类：事实查询类场景和以经验为基础的场景。

对于总结新闻事件、查询某个编程语言的语法、查询天气预报这种事实查询类场景来说，它其实并不需要共识，只要AI总结的信息足够准确，并且能够列举出信息来源，大多数情况下就可以满足用户的需求。

但是，在以经验为基础的场景中，共识就非常重要。小到餐厅、酒店的挑选，大到教育、职业道路的决策，都需要借助大量信息背后的共识来形成决策意见。与其相信一个AI能给予合适的指引，大多数人会选择在真人的发言中探索答案。

归根结底，共识的背后是信任问题，我们会本能地认为，大多数人都认同的东西，大概率是可信的。那么，除了共识之外，还有什么办法能带给人信任感呢？《影响力》一书给出了一些答案，但这些方法是否还适合这个AI时代，或许需要我们自己去探索。

在用AI生成前端页面时，有个小技巧可以分享，如果想让UI更好看，可以直接告诉它，make UI Apple style and follow Apple Human Interface Guidelines，效果极佳，谁用谁知道😉

AI价值新视角—从“提效”到“降维”

最近在读《乔布斯传》，有一个点很触动我。乔布斯说，自行车可以让人跑得比秃鹫还快，电脑是我们迄今为止最了不起的工具，它就像是我们思维的自行车。
那么，自行车让人类移动得更快，电脑让人类的思考更高效，AI呢？在我看来，AI能让复杂的事情变简单。

我们先来回顾下这两个例子，自行车加快了人类使用体力移动的速度，电脑加快了人类进行脑力活动的速度，这两项技术都是在“速度”这个维度做提升。粗看之下，AI也能提升我们做各种事情的效率，但是仔细想想却不止如此，它不仅让我们做事变得更快，还让我们在很多事情上更加从容，把之前复杂到只有专业人员才能做的事情，或者需要费很多精力才能做的事情简单化，大大降低我们的心智压力。

自行车和电脑主要是增强我们已有的能力（分别是身体运动和认知处理速度），AI将技术对人类的提升，从“速度”这个维度转变为了“抽象”维度。它让我们可以在更抽象的层面与复杂系统互动，从而减少我们需要处理的认知复杂性。这和提升速度是有根本性不同的，更重要的是任务本身的转变。

最简单的一个例子就是编程，在LLM出现之前，编程实际上是一件非常耗费精力的事情。想出一个idea是比较容易的，但真正到了落地的时候，就会发现细节是魔鬼，不仅要求逻辑严丝合缝，而且需要确保语法、算法和系统架构都没有差错，对人的要求相当高。但是近一段时间Cursor、Bolt这些产品的出现，让人很明显地能感知到，我们不再需要过于关注那些实现的细节了，任务本身已经发生了转换，从“写准确的语法”变成了“描述你想要实现的目标”。

就拿最近的一个例子，我作为产品经理，用20分钟的时间，就请AI基于之前写的需求Demo，帮我写了一套简易版的投票系统，让同事们能够对某个需求的对比效果进行盲评，快速进行需求验证。而我所做的，也只是提供背景信息，剩下的都交给了Cursor，我只负责验收系统效果，并提出改进意见。

第二个例子我想聊一聊AI绘画，能画出优秀的绘画作品本身是一件门槛极高的事情，不仅要求作者有多年的绘画训练，还要有一定的天赋。但自打几年前AI绘画开始兴起之后，我们会发现，整个绘画的任务本身已经发生了转换，从“如何画”变成了“如何想象和描述”。

我从小是一个没有绘画天赋的人，只会画蓝天白云和苹果树。但凭借着多年的科幻片和科幻小说的观看经验，脑子里经常会有一些奇思妙想的场景。在AI绘画出现之前，这些场景只能在脑子里一直回荡。去年，我体验了Midjourney之后，突然感觉自己禁锢多年的创作欲被释放，连续画了好长时间，还给自己搞了一个“AI画廊”。

最后一个例子我想聊聊自动驾驶。一直以来，开车都是一件需要耗费大量精力的事情。我们不仅需要操控方向盘、油门刹车、换挡杆，还需要花费大量的精力来观察路况、预测可能发生的情况、提前做出行动。在特斯拉的FSD出现之前，我们很难想象一个汽车竟然能开得如此像一个真人。在FSD的帮助下，开车本身已经发生了转换，从“如何驾驶”变成了“何时接管AI驾驶”，再往后走，这个任务会演化为更简单的“如何设置目的地”。

我最近开着理想汽车搞了几次长途自驾游，很明显的感受是，高速NOA是一个用了回不去的功能。之前，我在开高速的时候，需要紧盯着路面，时刻关注旁边的来车，有时需要超车好几次才能绕过龟速区域，精神高度紧张，开两个小时下来，整个人就已经累得不行。但是，在开启了NOA之后，我只需要观察眼前的路面，它会自动加减速、切换到更快的车道、进闸道，我开车的精力消耗减少了80%以上。这也导致我现在租车基本上都只租有辅助驾驶的汽车，心智压力的降低对消费意愿的改变就是如此明显。

通过上面几个例子，我们可以很明显的感觉到，AI带来的从“速度”维度到“抽象”维度的转变，已经给我们带来了极大的体验优化，而这也只是日常生活中的几个场景而已。期待我们能顺着这个思路，转变越来越多的任务，在进一层的抽象中，体验更美好的生活。

计算机擅长确定性的问题，
AI则擅长于应对不确定性，
而现实世界恰恰充满了不确定性。

—读乔布斯传有感

用AI前：我这个idea太好了，但是我一点技术都不会，哎放弃了放弃了🙁
用AI后：好！开干！Claude，帮我balabala.....🥳

前段时间分享过“感觉”在购物决策中的重要作用。最近一直在读尤瓦尔赫拉利的新书《智人之上》，有了新的视角：人的感觉不只是一个主观感受，还能够塑造新的现实。

怎么理解呢？我们先从一个简单的场景开始，比如说，当你有一天无聊，点进了一个抖音的直播间，正好他们在介绍一款无骨凤爪，主播绘声绘色的描述和实物展示，让你口水直流，在「馋」的驱使下，你下单了。在这一刻，你的感受演变为了一个真实的行动，它产生了一个真实的线上订单，塑造了新的现实。

当然，这种情况我们都能理解，大多数的购物行为都是如此。

让我们来想一下更复杂的情况，有一天你突然穿越到了远古时代，那个时候没有货币，你需要用贝壳来跟别人交换物品。那这里就有一个问题，为什么贝壳可以作为媒介用来交易？因为你们都认为它有价值。当你们都认为它一文不值的时候，它便失去了交易媒介这个用途。在这个场景中，多个人共同认为贝壳有价值，因此，人们可以基于这种“共同感觉”来塑造新的现实。现代货币、比特币、房地产等等皆是如此。

这种视角不仅可以用来看经济学，还可以用来看社区型互联网产品。

百度贴吧和Reddit在这方面做得比较极致，每一个细分领域的贴吧，都聚集了一群拥有共同爱好的用户。这些用户一开始是怎么聚集起来的呢？是因为有着共同的感受，包括认同感、兴奋感、愉悦感。让我们从「现实」的视角来看社群的演进：
* 一开始，用户因为感觉聚集在一起，形成线上虚拟社群，产生了第一层现实。
* 有些时候，用户们会因为集体情绪的发酵和爆发，产生例如「帝吧出征」的大范围线上行动，这会产生第二层现实。
* 如果继续发展，这种集体认同感可能会产生类似于「内涵段子」用户当年大规模在后车窗贴logo的集体线下行为，产生第三层现实。
* 下一步，可能会诞生集体线下组织，产生第四层现实。
每一层递进，都是在感觉的驱使下创造新的现实，并且越来越具像化。

越具像化，用户对平台的感情就越深， 但是，也意味着平台的触手越来越难以触及，维护成本会越高，甚至可能会脱离平台所能掌控的范围，需要谨慎把控尺度。

从这种视角看「众志成城」这个成语，就发现它不仅是个精神层面的比喻，也可能演变为现实。

NotebookLM最近非常火，从我的角度看，这个应用之所以能够火，从根本上讲是通过科技的革新实现了稀有资源的平民化。

如何理解这一点呢？我们做一个假设，如果现在不存在NotebookLM，我如果要做一期播客，需要哪些资源？

1. 找主播：我得找到两个经过播音训练（或者嗓音不错）的主播，匹配成本、沟通成本都很高。
2. 写稿子：要做这期播客，我还得写稿子，可能得查阅大量的资料、整理语言、反复沟通、斟酌措辞，成本也非常高。
3. 录音：录音需要有录音棚，需要买话筒、买隔音棉、买话筒支架，主播在录音过程中，还需要买点饮料之类的润润口。录音过程中，有可能需要录好几次才能录到满意的效果，需要花很多时间。
4. 剪辑：初步录好的音频是没法直接用的，需要经过精细的剪辑，这就需要有专业的剪辑技巧和大量的时间，成本依然很高。

通过上面的4点分析，我们可以很清晰地感觉到，要做一期相对专业的播客，金钱成本、时间成本、匹配成本、人力成本都非常高。

但是NotebookLM通过多个大模型（Gemini 1.5 Pro和内部audio模型）的组合，由Gemini 1.5 Pro来写稿子，audio模型来生成播客，直接就把上面的4步砍到了2步，而且这2步都是全自动化的，边际成本极低。

那么，我作为一个普通的用户，就有能力以极低的成本创作属于自己的播客。

创作成本的降低，很大程度上会激发创作欲（从抖音、快手的全民化上可以得到很好的体现），从而带来丰富多样的内容。

大众可以通过极低的成本创造以往只有专业人士才有能力创作的内容形式，并且还可以让AI以专业人士的口吻去解读日常生活中的普通内容，让用户感觉“自己被重视”了，或者让AI以一本正经的语气去讲解一个很反常的东西，形成强烈的反差，满足用户的猎奇心理。

无论是NotebookLM还是阶跃星辰上周发布的「歌词爆改器」，核心都是将以往很贵很稀有的服务做到足够便宜、足够快，当试错成本变得足够低时，用户展现出了强大的想象力和创造力。

这或许是一个值得深挖的方向。