即刻App年轻人的同好社区
下载
App内打开
钟十六
845关注2k被关注0夸夸
阶跃星辰 产品 ex 美团 阿里
拥抱新的时代 👣
公众号: 016数据🥳即刻是碎片思考记事本🦉面向自己输出
置顶
钟十六
10月前
战略是预判、取舍、专注
创造是观察、感受、尝试
11
钟十六
5天前
10 ,上线了阶跃 AI 桌面伙伴后犯了一个判断错误:

以为信息爬取和文件处理的 Agent,国内的市场共识和上线速度,会很快。这个判断,甚至基于和很多厂里的人交流下来的反馈。

实际看下来,大家的进展要慢的多,形态也各种各样。组织共识和阻力,还是要比想象中要大。

哪怕是 AI 圈的市场共识,也是在 manus 被收购后,才被更多人讨论、研究和关注,才在逐渐形成的。

这个判断错误,让我把“后面长什么样”提到了更高的优先级,浪费了一个月左右的时间。

短期不太好,长期可能也是好事。
01
钟十六
5天前
国内不用的最大原因是,国内没啥泛工作场景的 agent 产品,以及国内没啥 agent 产品的宣传和市场教育

陈不撕: 到底都是谁在用 manus 和付费?为了理解这个问题,假期尝试做了一些研究,希望有所帮助。 过程中,也能清晰感受到,中美使用 AI 习惯的巨大差异和信息 gap。 首先,看看 manus 官方怎么说,毕竟这不是他们第一次面临质疑了。 在 @hidecloud 涛哥的公众号里晒过一条Twitter,在原推里很多 manus 用户在为产品发声。除了一些硅谷科技/创投圈的大佬之外,原 po 也总结了评论里出现最多的 user case:定量和定性的分析研究,CSV 文件处理和爬取客户信息。 manus 似乎能完成广义的数据处理和分析工作,这对数字化程度不均的社会来说,是一个不错的切入点。 在 @PeakJi Peak 和张小珺的访谈里( 1:43:55),Peak 也回答了该问题。可以笼统被称为 prosumer,并列觉了更清晰的用户画像: 第一类用户是互联网/科技公司里的非程序员岗位,各类白领;第二类用户是美国数量众多的 freelancer 和 solo entrepreneur,自由工作者或者有一摊自己小生意的人;第三类是更符合刻板印象的金融/咨询行业的人员。他们的共性是,有比较强的自驱力,并且他们的任务是高价值的。 这里的两个特点很有意思,自驱和高价值任务。前者决定了这些人可以接触和试用 manus 这一类的 AI 产品,后者决定了他们的付费决策,即用户在 AI 工具上花掉的钱是可以以更高效率/更大概率赚回来的。这几乎是很多拥有高 ARR 的 AI 产品的第一性原理。 这三类用户里,对于中国网友/创业者来说,很容易低估第二类用户的数量,并对他们的画像比较模糊。容易误以为只有独立开发或者个人的数字外包,实际上领域还要宽泛得多。 想要了解这类用户,我们需要知道一个显而易见的前提。manus 的用户是 chatGPT/Gemini 等主流 chatbot 的重度用户的下一阶段。 上面提到的“自驱”和“高价值任务”,正是因为已有的 chatbot 满足得不够好,他们才被说服采用所谓"agent" 的新解决方案。同时 peak 在播客里也提过这个现象(2:34:33 ),安装了 chatGPT/Gemini/Deepseek/Claude 的用户,安装其他产品的概率的最大异常值都是 manus。 Manus 相当于跟随着 chatbot 的普及进程,从中筛选出了高价值需求没有得到满足的用户,重叠度很高。 所以如果我们找不到 manus 的用户访谈,可以去找 chatGPT/Gemini 的重度用户。他们大概率正处在知晓/使用/付费 manus 的过程中。 而在查看 chatGPT/Gemini 的重度用户访谈中,才拓宽了我对 manus 第二类用户的认知。这里分享几个有趣的结论: 1. 最低阶的信息搜索需求被 chatbot 满足得很好,日常生活里已经替代了谷歌。 2. 使用 AI 已经是美国高校生的基本技能,同学之间传播 + 教育优惠。甚至之前反对的教授也开始松口或者自己偷偷用。 3. 通过 AI 获得收益的职业种类,比我想象中的多得多。这其中包括了儿童教师、兼职导游、线上的灵学占卜、社区竞选、留学申请、业余作家、当地市政部门/教育部门的数字化小专家等。更不用提各个垂类的自媒体,以及每个人都想有一个自己的 blog 网站。 4. 所有涉及到深度写作、简单 P 图、PPT或表格填写的职业,都逐渐离不开chatbot/Deep research,而以 manus 为首的 agent 承诺可以完成得更好。而且几乎没有一个人是单一职业,年龄段也覆盖到爷爷奶奶辈了。 体感上中美的差距很大,我们还在鼓吹副业和个人影响力,鼓励终身学习和跟上 AI,而对于很多美国中产来说,这似乎是一个常识了。他们热衷于用 AI 解决工作生活上的实际问题,并完成自己的业余创作任务。产品 adoption 的障碍小很多。 那么下一步的问题是,对于这些重度用户来说,manus 真的可以比普通 chatbot 完成得更好吗? 1. 如果看客观指标的话,同为被 meta 收购的“大将” Alexander Wang,经常会提到一个 benchmark 叫 Remote Labor Index (RLI) ,这是 scale ai 用来衡量一个 AI 产品多大程度上能完成真实的有经济收益的远程工作。manus 排名第一很久了,虽然自动化率也只有 2.5% ,按他们的说法叫在座的大家都是 near zero。但注意这是在没有人为干预的情况下,直接交付工作结果。日常更多使用场景是有人工干预和调整,单看提升部分环节的效率, manus 也算是第一了。 2. 如果从主观体验的话,我在假期同时用了 Gemini/NotebookLM,Manus 和某大厂对标的 Anygen 进行测试。测试了两个我的真实需求,1)根据我和对象的年终复盘录音,总结内容和提建议;2)帮我正在思考的产品 idea,开发一个可交互的原型。 在第一个任务上,实际类似会议纪要, Manus 是明显领先的,不管是语音内容识别、双人的声音区分、内容的逻辑和可视化,都让人更满意。NotebookLM 虽然也有丰富的功能,但整体还是太针对课堂学习任务了,有一些无用的信息,飞书会议其实是一样的问题。这里也能发现通用 agent 的优势,不会为特定场景过度优化而在长尾场景里表现欠佳。而剩下的很多AI 连声音识别都整不明白。 第二个任务,实际上是常见的 AI 编程,这个场景太卷了,大家各有千秋。 每个 AI 都在不同程度上做了完善和有aha 的惊喜,但能看出有些 AI 借鉴了更多海外产品的设计,有些更借鉴中国。Gemini/ AI studio 爱用自家的设计语言,Anygen 像国内的活动 H5,Manus 比较对齐硅谷审美,按钮更现代和简洁,默认会更像 IG 和 Notion。 未来,从官网和各家 chatbot 投放的趋势来看,所谓的通用agent ,基本盘是数字化的内容处理 + 研究分析工作;而网站原型和开发、制作 PPT 逐渐成为新的主推场景。 当然也没忘了让 manus 自己分析一轮,自己的使用用户和付费用户是谁?结论有点宽泛和通用,依旧集中在工程师和数字企业主上,推测美国是最大收入来源,巴西和日本也占了很大流量比例。确实没有我自己分析的有启发。 最后,回到最初的质疑,为什么国内用户更难理解 manus 的使用场景和价值?这里可能有三层障碍: 1)需求不够强,所谓的 prosumer 太少,而且集中在互联网/金融领域,很多非互联网的副业和小企业主也没有足够强的提效意识。 2)浅层替代品太多,国内各大免费的 chatbot 和夸张的产品 PR,让人不愿意使用付费 AI 产品或者有过高的预期。 3)非理性偏见,听了很多不靠谱的团队传闻和扣不爱国帽子,拒绝了解 manus 海外市场的情况。 况且,与其挑战实打实的用户数据,我觉得 Manus 被收购后的一些挑战,可能更值得讨论,比如: 1)品牌可以保留,但模型中立性的优势还能保留吗? 2)原本的产品愿景会被改变,来服从 Meta 整体的 AI 战略吗? 3)团队的创业精神和工作方式,和大公司流程可以兼容吗? 不管未来如何,这是 manus 阶段性的胜利,也给了不少华人 AI 团队鼓舞。祝福他们之后的旅途,也希望更多团队,有机会经历这样纯粹的产品过程,最终看到壮阔的风景。

00
钟十六
12天前
纯暴论:
抖音、小红书更方便的 AI 问答,会加速手机系统 AI 的渗透
00
钟十六
17天前
美妙

歸藏: “我们总是通过后视镜驶向未来” 推荐读一下 Notion CEO 这篇内容,AI 一定会跨过这个阶段,就是不知道会有多快 知识工作的两个瓶颈:上下文分散和可验证性,这点分析得很准。 这也是为什么程序员最先受益,因为他们的工作环境天然解决了这两个问题。 其他知识工作者要等到什么时候?可能取决于谁先把散落在几十个工具里的上下文整合起来。 从佛罗伦萨到东京的隐喻有点残酷但真实:规模跃迁必然带来失控感。那些习惯"人类节奏"的组织会觉得很不适应,但这就是代价。新世界不是旧世界的放大版,它有自己的运作逻辑。 ------------------------ 每个时代都有它的奇迹材料。钢铁塑造了镀金时代,半导体点亮了数字时代,现在AI以"无限心智"的形式到来了。 Notion创始人Ivan Zhao用历史隐喻说清楚了一件事:掌握这种材料的人定义时代。 为什么AI是"奇迹材料"? 因为它解决的是规模问题。19世纪前建筑只能盖六七层,铁太重太脆,楼层一多就塌。钢铁改变了一切,骨架更轻、墙体更薄,摩天大楼拔地而起。 AI对知识工作的意义和钢铁对建筑一样。人类沟通一直是组织的"承重墙",每周两小时对齐会、三级审批流程,都是在用人类尺度的工具解决工业规模的问题。 个人层面:什么时候能开上"汽车"? Ivan的联合创始人Simon原本是10×程序员,现在同时指挥三四个AI编码agents,变成了30-40×工程师。他午饭前排好任务,agents在他离开时继续工作。 这就像从踩自行车进化到开汽车。但为什么只有程序员能开上车? 两个问题必须解决。第一是上下文分散,编程工具集中在IDE和代码库,但一般知识工作散落在几十个工具里。AI要写产品简报得拉取Slack、战略文档、仪表盘数据,还有只存在脑子里的institutional memory。人类现在是粘合剂。 第二是可验证性。代码能用测试验证对错,AI能用强化学习改进。但怎么验证项目管理得好不好、策略memo写得行不行?没法验证就没法训练模型改进,人类只能继续监督。 一旦这两个问题解决,几十亿知识工作者会从自行车进化到汽车,再从汽车进化到自动驾驶。 组织层面:我们还在"替换水车"吗? 工业革命初期,蒸汽机刚出现时,工厂主只是把水车换成蒸汽机,其他都不变。生产力提升很有限。 真正的突破是工厂主意识到可以完全摆脱河流了。他们把工厂建在更靠近工人、港口和原材料的地方,围绕蒸汽机重新设计整个厂房。生产力才爆发。 现在的AI聊天机器人就像"替换水车"阶段,只是附加在现有工具上。我们还没重新想象:当组织可以依靠永不疲倦的无限头脑时,应该长什么样? Notion在做什么实验? Notion现在有1000名员工,但同时有超过700个agents在处理重复性工作。 它们记会议纪要、回答问题综合tribal knowledge、处理IT请求、记录客户反馈、帮新员工办入职、写周报省去复制粘贴。 Ivan说这只是起步,真正的收益只受想象力和惰性限制。 从佛罗伦萨到东京意味着什么? 钢铁和蒸汽不只改变建筑和工厂,它们改变了城市。 几百年前的城市是人类尺度的,你能在40分钟内走完佛罗伦萨。然后钢架结构让摩天大楼成为可能,蒸汽铁路连接市中心和内陆,城市在规模和密度上爆炸。东京、重庆、达拉斯都不是更大的佛罗伦萨,它们是完全不同的生活方式。 知识经济现在占美国GDP近一半,但大多数还在人类尺度运作:几十人的团队,会议和邮件控制节奏,组织超过几百人就开始变形。我们用石头和木头建了佛罗伦萨。 当大量AI agents上线,我们会建造东京。数千个agents和人类组成的组织,工作流程跨时区持续运行,不用等人醒来,决策在适量人类介入下合成。 会更快、杠杆更高,但起初也更迷失方向。周会、季度规划、年度评估的节奏可能不再有意义。新节奏会出现。我们失去一些可读性,但获得规模和速度。 来源:x.com/ivanhzhao/status/2003192654545539400

00
钟十六
25天前
缺少增长和商业化的产品思考,确实还是不够的
01
钟十六
1月前
买了豆包手机后让我真实 aha 的场景很意外:

是用语音操控手机的短任务:

在早餐取出来的同时,用语音快速打开想看的 app(手不方便)

在用一个 app 的时候,按住快捷键,语音控制打开另一个 app(完全不动脑)

这两个场景居然比我想象的高频很多,好奇他们的测试用户有没有也比例很高

btw,蝗豆包手机有个好处,两个手机同时拿手上时,即使不用,当在用主手机要做某件事时,也会下意识联想到用豆包手机可以怎么做

还是得蝗
12
钟十六
1月前
AI 眼镜们长得都太像了
51
钟十六
1月前
产品早期,系统看数的欲望要克制
00
钟十六
2月前
同样产品,海外的视觉审美,和品牌感受,确实比国内的要好一点🤔
00
钟十六
2月前
视频流+主动
00