原創：吳老斯基
圖片來源：由無界AI工俱生成
未來難以精準預測，偉大往往超乎計劃
前天晚上在上海組織了一個AI應用創始人飯局，席間大家推杯換盞、侃侃而談，由於參與者都是創始人，討論迅速進入了深水區。
我突然發現，對於某些事情，大家是存在統一看法的，而對另一些問題，則存在明顯差異，看來有必要開篇立題展開講講。
在開題之前，我先拋出一個觀點，來跟各位探討：
未來難以精準預測，偉大往往超乎計劃。
新的生產力革命和交互革命到來的時候，我們往往樂於去預判未來，但過去的經驗無法推斷未來的範式。趨勢可能是顯而易見的，但我們很難踩中未來的每一個節點。
我們需要接受和理解未來的不確定性，同時根據現實數據反饋，來不斷修正和更新我們的信念，快速行動和迭代。
正如這一代人工智能所展現的湧現能力，完全超出了預期和計劃。我們往往高估了AI的能力邊界，又低估了AI的發展速度，與其擔心和焦慮，不如早點躬身入局，普通人去抖音上付一個199，企業則看看怎麼把AI技術應用到自身的業務場景和工作流中。
幹完這碗雞湯，接下來，結合過去半年我跟數百位AI創業者的面對面交易所，以及旁聽公司安排的近千場AI項目路演會議，我們就用提問的方式來試圖展開，對於國內AI應用創業者們，在市場選擇、融資策略、商業模式、未來判斷上，他們有哪些共識與非共識。
大模型創業還有沒有機會？
我在之前的文章（朱嘯虎沒錯，大模型沒有投資價值）裡表達了清晰的觀點：相比通用大模型，我更看好垂直模型和AI應用。
時至今日，大約十來家投資機構已經投資了十來家國內大模型公司，阿里和騰訊也參與投資了其中幾家，他們既無必要也不會繼續投資新的大模型公司，通用大模型的創業窗口已經關閉了，基本上往後已經沒有新的大模型創業的空間和機會了。
而那些已經投了大模型的投資機構，接下來的重點就是看AI應用/infra/agents；沒有投大模型的，也在看應用層；擁有大模型的產業方為了生態佈局，也必然要看應用層。
年初的時候，做AI應用會被嫌棄太薄、太容易被大模型價值碾壓，而現在恰好是AI應用公司開啟融資的最佳時間。
但，融資是AI應用創始人最重要的事嗎？
業務重要，還是融資重要？
業務比融資重要，當然。
這話半年前大家興許還不敢講，時至今日也是被現實狠狠打臉了。有很多AI應用創始人跟我見面，前三句話是：太難了太難了太難了然後問我們現在的融資環境有沒有變好一些。
我則馬上潑上一盆涼水：在國內，對於非硬科技賽道的融資環境，未來可能也不會變好，我們需要接受這種常態。
進一步分析下，市場上主要的幾類潛在投資人：
政府或國資主導的人民幣基金，基本不投AI應用，如果是跟製造和算力相關的AI方向還可以聊聊；
產業方，目前看的非常積極，但大部分會先嘗試業務合作，投資進度推進較慢（也有快的，私聊）；
雙幣基金，對項目有PMF的要求，一般ARR100萬美金比較適合；
個人或家辦，要么投相對成熟的項目要么看你關係熟不熟；
純美元基金，不想多談，時代結束了。
從階段上看，國內可能不缺投種子的，譬如奇績創壇，也不缺投A輪的，譬如金沙江等，但陸奇到朱嘯虎中間沒有接盤俠，這是最尷尬的。
雖然投的人少但並不妨礙看的人多，但凡你是一家做AI應用的企業，特別是AI Native的，相信我，找你的投資人比客戶多了十倍不止。
見客戶和見投資人消耗的時間差不多，但是見投資人的轉化率可能會非常慘淡。我身邊很多AI應用的創始人，從今年年初融到現在，可能見了大幾十家機構也沒融到，或者也只能拿到1-2個TS。
所以，如果你還沒達到投資人認為的PMF（投資人認為的PMF和你認為的PMF可能有差距），與其把時間花在融資和VC身上，還不如把重心放在業務和客戶身上。
創始人最重要的三件事，找人找錢找方向，找錢也不等於找VC，客戶的錢、渠道的錢、代理商的錢、政府的補貼甚至銀行的信貸，都是錢的來源。如果AI創始人想了解我們如何幫助企業做業務加速，歡迎關注吳老斯基加我微信聊聊。
不出海，就出局？
先上一張我個人對AI應用目標市場選擇的理解。這是一個比較老的SaaS目標市場分析框架，我微調了一下，套在AI應用上依然管用。
從這張圖上來看，其實包含了好幾個問題的討論：
問：AI應用創業應該2B還是2C
就AI應用來看，2B會更快邁入商業化，而2C的天花板會比較高，給投資人的想像空間更大。
從國內市場來看，2B和2C在商業模式和增長模式上差異巨大，這就會影響到公司的人才需求、成本結構和預算分配，勢必要做選擇；如果是做海外市場，由於是PLG為主，倒不必糾結2B還是2C。
問：不出海就出局了嗎
作為AI Native的2C應用，特別是文娛和社交方向的，大家的統一認知是只能出海；如果是AI Native的2B應用，且以PLG為主的，也建議主做海外市場。
也就是說，如果你服務的是國內中大型及超大型客戶，業務發展主要靠集成商和直銷結合，確實不用考慮出海問題，其他的，要么已經出海，要么正在揚帆出海的路上。
問：國內2B增長只能靠SLG嗎
80%以上的企業級軟件80%以上的銷售增長靠SLG，目前SLG還是主流。所謂：超大B靠集成、大B靠直客，中B靠代理，小B可放棄。
客單價決定了業務增長和銷售方式，5位數及以上的客單價適合SLG，4位數及以內的客單價覆蓋不了首單銷售成本，只能PLG。最近合合信息也上市了，倒是給了國內想做PLG的公司一些信心。
談到PLG，就不得不談到SaaS，雖然SaaS已經是一個投資人嫌棄、創業者賣慘、媒體不嫌事大的笑話，老生常談的話題我們就不展開了，但我個人有一些新思路和新看法。
中國市場到底需不需要SaaS？
前段時間，中國是否需要SaaS之爭，熱鬧了好一陣子，公說公有理婆說婆有理，在我看來有如下幾個原因：
（1）企業高度競爭內捲帶來的相對急功近利；（2）客戶對數據安全和軟件資產的掌控權；（3）國內人力成本還不夠高（千萬不要因為我們身居北上深等一線城市，誤解了中國的人力成本結構）；（4）SaaS的學習、交付和使用成本還是高了。
在我看來，SaaS可以分為三類：管理型SaaS、交易型SaaS和增長型SaaS。管理型SaaS和交易型SaaS在面向超大客戶的時候，容易受到軟件定制和客戶自研的擠壓，面向中小客戶，容易遇到銷售成本高和客戶續費難的問題，但增長型SaaS沒這些問題。
有了AI-based的增長型SaaS，服務的都是營銷或銷售部門的真實需求，對於生產力的拉動肉眼可見，在當下的商業氛圍，幫客戶開源比節流有競爭力，讓客戶一個月後立馬減員比三個月後再減員有競爭力。
歸根結底，SaaS也只是軟件的一種形態，從最早光盤安裝的單機軟件->C/S客戶端軟件->B/S瀏覽器端軟件->SaaS雲端軟件，軟件的需求不會消失，但是軟件的形態會發生迭代。
那麼，有沒有一種軟件形態，在滿足客戶需求的同時，還能夠迎合使用者的低學習和低使用慾望呢？
AI Agents是否是軟件的最佳形態？
話先別說死，互聯網來了，大家說報紙和電視要沒了，現在大家只是在互聯網上看新聞和電視節目，看電影還得去電影院；電商來了，大家說線下零售要沒了，現在商場裡全是人；AI來了，大家說要失業了，現在確實就業難（AI說這鍋不該我來背）；現在AI Agents來了。
首先，大家對於AI Agents的理解上存在差異，Bots、數字員工、智能體、智能代理，名詞很多，大家理解上各有不同，比較標準的定義是：基於LLM驅動來實現對通用問題自動化處理的人工智能代理。
說的通俗易懂一些，你就把AI Agents想像成一家軟件外包虛擬公司。
你給他Brief，他理解規劃、拆解任務、自動執行、反饋優化，而且這家虛擬公司的虛擬員工A可以審查虛擬員工B的代碼，虛擬員工C和虛擬員工D之間還能相互協同，你只需要時不時檢查下代理的工作有沒有跟需求和進度對齊。
其次，大家對於AI Agents在自身產品上能做到什麼程度，也存在認知差異，有一步到位直接奔向Autonomous Agents的，也有先從Copilot開始的。
畢竟Agents從論文到工程化到產品化再到商業化，還是有一段漫長的距離要走的，特別是如果要應用在2B企業裡，集成、可靠、合規、體驗、安全等問題都是需要考慮和解決的。
打個比方，LLM是蒸汽機，Agents是列車司機，而客戶要的是一段美妙的旅程。斯坦福小鎮和西部世界之間可能距離了100個頭號玩家，這是一場冒險之旅，慢慢來不著急。
軟件的需求依然會持續存在，但是，軟件的形態我認為必然會發生變化。下一篇文章，我將重點講述AI Agents如何吞噬軟件。
我個人有個大膽的猜測：中國的企業級軟件市場，可能會跨越SaaS階段，直接邁向AI Agents階段。
你說，有L4了誰還開L1的車呀？
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載