背景介绍
2024年1月24日，非凡资本联合诸多合作伙伴在上海举行了“2024 AIGC应用发展高峰论坛”，近千名AI相关从业者参与了本次活动。本期内容整理自嘉宾主题演讲环节。
嘉宾
造物云 CEO 邱懿武
Fabrie CEO 陈达博
必优科技 CEO 周泽安
Collov 中国区负责人 赵鹭
波形智能 CEO 姜昱辰
非凡资本 合伙人 胡小婧（主持人）
Q：请各位嘉宾简单介绍一下自己的公司、目前专注的赛道，以及简单回顾一下2023年的关键发展历程。
Fabrie 陈达博：Fabrie是一款服务设计行业的产品。目前，我们已经在全球近120个国家和地区上线，拥有数十万设计行业的专业用户。我们主要关注互联网领域，涵盖传统的平面设计、工业设计、服装设计、室内建筑和游戏设计等领域；也因此，我们的产品会更通用一些。
我们的产品主要是一个在线白板，以可视化的文档形式体现，通过与人工智能相结合，使设计和创意团队能更方便地在数字空间中表达想法。
设计师和团队通常使用白板来完成长周期的工作流程，期间产生大量数据，包括沟通过程和设计方案的上下文。而上下文对于人工智能来说是宝贵的信息来源。然而，在过去的设计和创意工作流程中，往往无法捕获到这些数据。因此，白板成为一个完美的载体，能够完整记录工作流程，并帮助人工智能更好地提高设计师们的工作效率。
必优科技 周泽安：必优科技是一家专注于AI生成文档服务的公司，利用大模型+行业模型构建行业文档智能体，可以面向用户提供从生成、美化、辅写，再到演讲、动效等全流程的文档服务。
提到“文档”，人们通常就会想到微软和金山。我们团队就是之前金山AI文档项目的主创孵化成员，我们团队也可以说是国内最早探索纯内容生成的团队之一。我们在2017年开始了AI墨斗项目，即现在的WPS AI，取得了非常不错的用户与商业化验证。后面因为一些业务发展方向原因，我们的团队核心成员决定独立创业。
实际上，在整个AI大火之前，我们已经做了许多垂类文档模型。当前很多大公司背后的文档能力都由我们提供支持。例如AI写简历、AI写合同等细分场景，目前已有腾讯文档、金山文档、讯飞等都厂商进行了接入。
2020年后，大模型的泛化能力得到大幅提升。因此，我们在2022年12月发起了一个项目——UTalk-Doc，作为我们团队的框架项目，其首发的功能是生成“演示文档”。从2022年12月至2023年3月，我们一共搭建了大约13个子模型。
尽管这个项目目前被称为“文档Agent”，但其本质属于文档自动化。今年3月，我们发布了ChatPPT，虽名字听起来有点撞车嫌疑，但我们可能是全球第一个推出ChatOffice产品的公司——比微软Copilot早了12天发布。这个产品也为我们团队带来了许多新的标签，并且在一定程度上重新定义了文档智能体的开发。
Collov 赵鹭：我们是一家总部位于硅谷的公司，由几位斯坦福大学的博士，包括视觉学和机器学习等专业的博士共同创立。我们的业务主要包含AI与居住领域的结合，与空间相关。
我们的产品经历了三次迭代。最初，我们主要专注于AR量房技术。在北美，有许多留学生和DIY用户都有量房需求，但专业人士的费用都很高，因此我们开发了一个小应用，可以通过网站，直接使用手机扫描整个房屋，测量出房间的尺寸。到2021年，我们已经实现了通过此应用在线进行家具软装和基础装修的AR体验。除此之外，我们也是手机科学家的发明者，具备视觉大模型的底层技术能力。
目前，我们的数据量达到20亿张，每天处理的数据量约为5~6百万。我们的业务覆盖全球60个国家和地区，在海外主要以toC模式为主，目前拥有170万用户；在国内主要是toB模式。国内和海外一些上市公司和准上市公司中，很多都在使用我们的底层技术。自进入中国市场以来，已经有几十万注册用户，约有近千家企业用户在后台咨询我们的API开放事宜。
波形智能 姜昱辰：波形智能主要专注于创意写作领域的大型模型。基于我们自研的Weaver大模型，我们还推出了四个不同的型号：Mini、Base、Pro和Ultra。其中，最突出的是Flash Elastic模型。
举例来说，现有的模型基本上都是以一个agent的框架为基础。但在实际应用中，会出现许多简单的场景，这些简单的场景只需使用小型模型即可，无需特别大型的模型。我们提供了一个完整的系统——routing model，因此调用我们的API成本非常低。在我们的routing model中，可以动态地将任务分配给不同大小的模型，以适应所涉及的创意写作任务。
基于Weaver大模型，我们提供以下服务：首先，面向开发者和上层应用开发者的API服务，定价大约在0.008到2分/每千代币之间，是一个相对实惠的API方案。尤其在创意写作领域，我们比GPT 4更快、更优秀，也击败了中国所有其他的大型模型。其次，除了标准化的API方案，我们还提供定制化的企业服务，相当于提供写作agent，为一些企业提供帮助和服务，比如网红营销文案的撰写等。最后，我们还推出了一款C端产品，名为蛙蛙写作，以C端工具的形式为专业创作者和作家提供帮助，每月订阅费大约为29元。
Q：ChatGPT的横空出世开创了LUI新形态，各位结合自身产品，对此是否有独特的观察或者新发现？
造物云 邱懿武：我原本也是学设计的。事实上，全世界的设计师都面临着相似的困境，99%以上的设计师通常都被视为甲方口中的一支笔。这里的“甲方”可能是外部的客户，也可能是公司内部相关部门。自然语言处理给设计领域带来的最大价值之一在于，它将设计师从这支笔的角色中解放出来。一些设计工作无需由设计师亲自完成，而是可以让老板或甲方自己表达。
在这个世界上，由于工业化的细化，许多职业变得高度专业化，就像设计、绘画等作为专业的表达方式一样。自然语言处理和多模态技术在未来将会带来怎样的变革？只要有想象力和一定的逻辑能力，通过自然语言清晰表达，你可能会创造出比设计师更优秀的作品。
对于企业而言，这种技术带来的帮助和价值在于加快了可视化过程。过去大量的沟通成本导致了新产品研发过程中大量的内部摩擦。现在，我们可以通过可视化技术和更自然的语言达成共识，对于很多应用场景来说，都是革命性的变革。
Fabrie 陈达博：有时候，言语并不总能清晰地传达意思，这也是设计行业面临的一项重大挑战。
虽然很多人认为语言用户界面（LUI）非常强大，甚至有人推测它将成为下一代界面，但我认为我们还是要从另一个角度来看待它——它可能需要与现有的一些交互方式相结合。
举例来说，当你需要微调某样产品文档或其他事物其中的一个细节时，通常情况下你直接手动进行更改就可。然而，如果你处于ChatGPT这样的语言用户界面的环境中，你必须用自然语言表达你希望修改的内容，这有时反而更加困难，且交流成本也很高，远不如直接进行操作。
但是，从产品设计的角度来看，LUI（语言用户界面）最优雅，此外一个很有优势的点在于它能够极大地降低交互成本，同时又与大型模型的核心机制非常契合，它是二者非常完美的综合体，有自己很擅长的领域。
举例来说，最近Runway推出了动态画笔，其本质就是在自然语言基础上增加了一些交互元素，让用户能够告诉电脑希望动画朝着什么方向设计，但如果用自然语言解决这个问题，将需要更多的时间成本。因此，我希望在2024年能看到一些新工具更好地将这两种交互方式融合在一起，进一步提高生产效率。
必优科技 周泽安：我非常笃信语言用户界面（LUI）的潜力，我也一直坚持认为必须要百分之百去践行向其转型升级。大家都很熟悉Office套件，拿我们熟知的PPT来说，许多人认为设计和排版很困难，但实际上最大的挑战更在于背后复杂的工具体系。PPT一共拥有1765个功能，但大多数人对其了解甚少，遇到问题时往往需要通过搜索引擎解决；我们曾认为任何工具都越简单越好，但在现今的许多办公场景中，甚至需要花费七天时间上课学习如何使用工具。甚至传统的Office软件在市场上有一种考试叫做MOS，每年会评选全球MVP。
在GUI的时代，复杂的学习过程或许是可接受的。但随着用户需求的不断扩大，我们面临了一个挑战：我们不仅需要生成文档和进行排版，还希望这一切能够迅速且轻松地完成。在庞大而复杂的功能集之上，LUI提供了一种更自然的用户输入方式。坚持使用LUI至关重要，因为它能够降低使用门槛，简化操作流程，这对于任何行业来说都至关重要。
与此同时，当工具类产品发展到一定阶段时，会出现一个通病：遇到问题就只能被动接受工具去学习和“摸索”解决的办法，但本质上我们是指向想要解决问题本身的，不想探索工具的使用方法。如果为了解决问题而先学习一种工具，这其中就存在问题，其背后的逻辑需要我们进行改变。
除此之外，我们做许多工具性软件时会陷入一个误区：往往会先洞察需求，然后再定义界面、UI和交互。然而，这会导致一个最大的问题：需求不一定来自于我们的洞察，而是应该让产品接触用户，让用户告诉你他们的需求。这与访谈和问卷不同——在公开场合进行问卷调查时，用户通常会带着心理上的局限展开回答；而当只有一个框时，用户反而会将所有可能影响效率的需求都输入其中。因此，随着产品的迭代，LUI几乎不可能出现无法满足需求的情况，甚至用户导向能够真正表达出什么是好的需求。
我们团队最初制作LUI的第一版时，花了两个月时间来建立所有指令意图的模型，并通过18万条数据覆盖了用户需求。然而，上线一周后我们发现整体用户采用率只有35%。于是，在用户允许的情况下，我们利用一个月的用户数据进行脱敏参照式标注训练。最终，采样率已经接近90%，而且这个数据一直在持续增长。通过与用户的交互，我们可能会发现许多惊喜和宝藏性的用户需求，我认为这非常重要。
做工具意味着去洞察用户需求，但我认为可以稍微改变一下传统的工具需求洞察流程，这可能会有新的体验。我们的产品通过LUI更贴近客户需求，同时也打破了术语的限制。对于我们来说，也减轻了负担，和降低了风险。
Collov 赵鹭：由于我有从景观设计师、空间设计师转变到阿里的运营，再到产品经理角色的转型经历，所以我深知在这些工具出现之前，在相当长的一段时间内，设计这个工作是多么痛苦。
我上大学时，尽管使用3D类或者Photoshop类工具时，并不是LUI的逻辑；但高手和新手之间，会通过繁琐的动作指令来缩小差距，这与现在的提示很相似，它能够为你节省很多时间。
在Collov AI进军中国市场的过程中，我做出了一系列关键性的调整，以确保产品能够适应本土市场的需求。首先，我采取了简化策略。我深信今年能够打破行业壁垒的公司，绝不会是那些刚成立于2023年的新企业。在过去两年半的时间里，我们经历了数百次迭代，其中三次对用户界面进行了重大更新。随着功能日益增多，如何精简产品，使其更加符合语言用户界面（LUI）的逻辑，成为了我们面临的一大挑战。
进入中国市场后，我们的首要任务是剔除所有非核心功能，保留最本质的设计工具，这也体现了我们的理念：“只要会拍照，就能做设计”。这一理念也与我们对于通用人工智能（AGI）的追求相呼应——我们不仅仅只专注提升专业人士的专业性，更要帮助新手跨越使用专业工具的障碍。
接着，我们引入了“创意光圈”的概念。将大学时期常用的动作执行指令转变为创意光圈，为用户提供了一个全新的创作体验。正如摄影中有无数种调整光圈的方法，但优秀的摄影师往往会根据自己的创意来调整光圈一样，创意光圈成为了用户创造力的“传送门”。也因此我们成为首批在华人团队中实施数据飞轮策略的团队，实现了通过持续产品迭代来推动产品的发展和完善。
我们做到了这两点之后，大多数用户在使用我们中文产品时，都能够快速找到方法，达到高手的效果。在阿里的AIGC大赛上，有评委说用我们的产品在一个星期之内就能达到6~8年专业空间设计师的水平，其实不然，如果你真正使用这个工具，6~8分钟就能找到这种感觉，而这也是LUI对我们的启示启发。
波形智能 姜昱辰：LUI本身是将复杂工作流程简化的过程。我们这些开发大型语言模型的人曾经都遇到一个非常大的问题：我们的语言模型在许多场景下都可以达到80分，但要在特定的行业场景下做到精准，却很难达到100分。而随着时间的推移和多年的积累，我们的语言模型实际上已经可以在每个场景都做到100分了，但用户却往往不知道应该使用哪个场景和功能。
大语言模型所做的实质上是路由，即将用户的意图需求路由给最合适的工具或语言模型，用更时髦的术语来说就是“代理人”。我们试图识别小白用户的意图和需求，并将其分配给非常专业的工具或语言模型，在这个过程中，不仅对消费者端，对企业端整个工作流程都提供了巨大帮助。因此，我认为LUI和代理人本质上都是扮演路由的角色，体现了将复杂工作流程简化的特性。
Q:请各位结合自己所在的行业，谈一谈在未来竞争愈加激烈的形势下，什么企业会是胜出的关键？生产力类型工具有哪些发展趋势？
波形智能 姜昱辰：在大型模型时代，随着AI的发展，通用模型的能力会越来越强，我认为不管是传统行业还是AI领域，每一个企业都要坚持“stay focus，stay vertical”的信条。同时，在整个AI浪潮中，工具会越来越多，生态也会越来越大地体现在各位的面前。
在过去的互联网时代，中国企业倾向于垄断市场，但在人工智能时代，垄断是不可能的。相反，我们将看到一个更大的生态圈，每个企业都在这个生态圈中以合作共赢的心态运营。同时，工具型产品领域专业度及其非常分化，每个企业在不同场景上都有自己的优势。只有当这些优势被联结到一起时，才能产生更好的协同效应。
Collov 赵鹭：去年，我从技术的第一线和底层开始，逐渐发现了一些事实。首先，你根本不需要过多关注表面的事物，多出来的时间反而会成为你真正的竞争力。其次，在产品层面，从运营的角度来看，去年用创意的点子或者宣传型的产品宣传片在一定程度上可以吸引一批用户，但在今年显然行不通了——今年已经进入了更为复杂的境地。今年无疑是需要更加重视运营的一年。
此外，尽管人们可能认为AI已经到了可以轻松形成一个超级个体的时代，但实际上并非如此。要想真正打造一个百万用户甚至千万用户级别的平台，仍然需要进行精细化的分工。举例来说，在海外，我们经常听到两个人做一个产品，就可以创造十亿美元的收入的案例；而在国内，与其这样，还不如让两个人服务好一个大客户，或者让十个人先赚到100万。这样更加务实。
必优科技 周泽安：我的从业经历一直都在文档领域，随着人工智能的时代来临，我的心态也一直很平稳。早在2020年，我们开始着手开发垂类小模型，例如我们的图库框架Utalk以及Chat PPT等。这些成就并非突如其来，也不是天上掉下来的馅饼；我们并没有超强的洞察力，而是靠着一股闷头干、极度专注的精神。
未来，随着AI大模型基础的不断提升，唯有持续Focus，才能实现量变引起质变；大型模型对你的帮助不是一蹴而就的，而是需要不断积累基础、不断聚焦。
除此之外，更要专注于自己——找到自己擅长的领域，比如文档就是我擅长的领域。你只有专注于自己，不被竞争对手左右，专注于自身基础之上，才能保持产品质量的稳定；只要专注于自己，也一定会有机会的。
Fabrie 陈达博：专注于应用层的公司，通过致力于工程层面的深耕，能够构建起技术壁垒。以白板应用为例，用户可能只看到一个简单的白色画板，但不见其背后的工程积累是何等耗时。去年，涉足AI应用、文本生成图像、图像生成文本等领域的众多公司纷纷寻求与我们合作，希望在白板上展示他们的生成结果——白板为查看和迭代结果提供了理想的空间。在合作跟进中，这些公司曾考虑自行开发白板应用，但很快发现，要在短时间内打造出与我们相媲美的用户体验几乎是不可能的。因此，对于我们这样的公司而言，专注于自己的专业领域，最终积累的成果才是我们专注的真正价值所在。
然而，做工具/生产力工具的公司很容易陷入一个陷阱：只满足马斯洛需求层次中最基本的物理需求。但实际上，要想建立更高的技术壁垒，需要进一步满足情感和精神层面的需求，才能累积起更高的门槛，走得更长远。同时，我认为现在大家都太过于专注于最先进的技术迭代，但作为产品人，我们可以将目光放得更远一些，去探索更高层次的需求，以何种产品形态来满足这些需求。
造物云 邱懿武：当前，AI工具的开发似乎变得越来越像生产快速消费品——简单拼凑即可投入市场。但展望未来几年，我们可能会发现，除了那些专注于中间件和基础设施的产品具有深厚的工程背景和价值之外，其他产品在国内市场的竞争将异常激烈。对于那些不需要大量代码或仅依赖工程师堆砌技术的问题，像阿里、百度这样的大公司凭借其庞大的优势和高KPI压力，往往能够占据上风。因此，我认为，大多数国内的应用工具最终都可能不敌这些巨头。
经过深思熟虑，我相信商业的本质将回归到沃伦·巴菲特所强调的几个核心竞争壁垒——知识产权、品牌、规模效应、网络效应、以及客户转换成本。基于这个认识，我决定削减我们的中间工具，专注于两个关键领域：一是确保我们的模型质量卓越，因为强大的模型本身就是最佳工具；二是利用轻量级工具，借助AI的优势，将其应用于新的客户场景。
例如，许多财富500强企业的CEO都渴望了解AI在实际应用中的潜力。他们可能会参加培训课程，深入理解AI后，尝试开发一些轻量级应用，通过交流寻找新的商业机会。这与当年SAP推出ERP系统时的情形颇为相似，带着新的认知和工具集成能力/AI能力进入全新的应用场景。最终，成功的关键在于两点：一是拥有独一无二的资产能力；二是融入客户的采购体系，建立稳固的合作关系。只有这样，企业才能在市场中获得持续的商业机会。