NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割 - 3D道路快速建模
在过去的几周里，我遇到了一些令人兴奋的初创公司，它们正在 AI 的应用层中构建。就目前的情况来看，基础的 LLM 层很可能由开源、大型科技公司和 1-2 家超级扩展器（例如 Anthropic）混合主导。提供这些模型功能的云基础设施（计算、安全、保障等）肯定会由大型科技云公司提供服务。
这为初创公司提供了两个类别来对抗这些大型竞争对手——（1）应用程序和（2）开发工具。对于后者，我还不够深入地了解它（目前）。然而，应用层是我了解的东西，因此，我对它有一些可行的观点。
我现在看到的几乎所有 AI 应用层初创公司基本上都在使用 ChatGPT（+ 少数情况下是 Bard 和 Llama）来构建解决特定垂直领域尖锐用例的功能。根据观察，创始人正在追求的一些容易实现的垂直领域包括保险、营销、销售和人力资源科技，其中人工智能生成的内容是这些产品中的大多数横向组成部分（例如自动电子邮件生成、拼接营销视频、制作培训课程大纲等）。
在所有这些情况下，我仍然很难理解这些初创公司如何能够仅仅通过在超大规模 API 之上构建功能来创造竞争差异化或护城河。退一步来说：
新技术的转变要创造可行的创业机会，就需要有相当大的领域，让新公司比现有公司处于明显更好的位置，以利用这项新技术并解决未解决的客户问题。
这一点非常重要。对于一家初创公司来说，仅仅成为酷炫技术的早期采用者并抢先开发新产品是不够的。初创公司还必须能够与根深蒂固的竞争对手形成显著的差异化。例如。苹果在个人电脑领域击败了 IBM，亚马逊在互联网领域击败了线下零售商，Instagram 和 WhatsApp 在移动领域击败了 Facebook，Figma 在云领域击败了 AdobeXD。
在这方面，我正在敦促我遇到的所有 AI 应用程序创始人从第 0 天开始思考和制定战略。这些工作会议中出现了几种可能推动竞争差异化的方法：
1、数据访问
虽然 ChatGPT 非常适合引导特定用例，但最终的产品差异化将来自初创公司使用专有数据集针对行业特定用例微调自己的 LLM（以开源模型为起点）。
简而言之，基础模型将继续在增加横向知识方面做得很好。初创公司需要将深度垂直知识融入模型中。
在这里，访问“正确”的客户数据至关重要。但是，根深蒂固的现有企业已经可以访问比 0 到 1 初创公司多得多的数据。那么，初创公司如何创造数据优势？
一种方法可能是确定大型前 AI 竞争对手不会追求的未解决的客户痛点，要么是因为它们在上下文中不可行（创新者的窘境），要么是无法解决的，要么是由于组织惯性。
在这些情况下，AI 原生初创公司可以利用其速度，先于其他公司获得“正确”的客户数据集，并通过自定义微调和更快的学习周期开始创造优势。
有趣的是，这种差异化的根本驱动力仍然是传统的初创公司执行力，而不仅仅是构建 AI 优先功能。该公司仍然需要经典的软件执行力（创始人主导的销售、确定 ICP、设置 GTM 动作等）才能取得成功。
2、新的产品流程
初创公司可以比老牌竞争对手做得更好的另一个领域是投入工作开发 AI 优先的产品流程。我们在以前的技术变革中看到了这种情况，新功能和形式因素催生了完成特定工作的新方法。例如，苹果破解了智能手机用户体验，而诺基亚却举步维艰。或者 Figma 弄清楚了设计师应该如何在完全托管的浏览器内体验中与其他功能一起工作和协作，而 Adobe 仍然停留在其旧的用户体验中。
鉴于人工智能正在解锁的大量新功能（例如基于聊天的用户体验、人工智能“代理”来执行用例背后的特定任务），可以合理地预期在客户细分市场中会出现大量新的工作流程。其中许多工作需要全新的产品思维来破解，而成熟公司在人工智能出现之前的产品团队可能会遇到困难。
与之前的“数据访问”点类似，这种产品流程差异化的根本驱动力再次是老式的初创式产品管理——保罗·格雷厄姆的“做无法扩展的事情”，从专注于非常具体的客户角色和痛点开始，疯狂地对其进行迭代，用布莱恩·切斯基的话来说，“专注于 100 个爱你的人，而不是让 100 万人喜欢你”。
3、综合考虑……
如果从上述两个潜在初创企业差异化领域来看，AI 最终可能创造可行初创企业机会的方式并不是 LLM 技术本身，后者将成为基础技术，广泛可用（如当今的云），并且可能是开源技术（类似于 Java 和 Python 等编程语言）。
相反，初创企业创造价值的驱动因素在于：
(1) 需要什么才能有效地利用这些 LLM 来解决垂直化、深层次的行业特定问题 - 例如，在 AI 之前，需要 10 倍的后端工程师来利用云。在 AI 之后，需要特定的数据集来利用 LLM。
(2) AI 对产品体验和工作流程的二阶和三阶影响 - Figma 和 Notion 经过多年的新思维和迭代，重新构想了云端的协作用户体验。AI 优先用例将需要类似的不受束缚的、从头开始的产品思维，才能有效地将这些功能交付给客户。
这对风险投资意味着什么？
这意味着，即使在后人工智能时代，投资者也应该继续寻找具有许多经典创业特征的创始团队，其中包括：（1）发掘独特客户洞察力的能力，（2）能够解决问题的产品思维，（3）能够从中创造差异化业务的 GTM 技能，以及（4）在整个过程中坚持不懈的毅力。
从本质上讲，避免过度思考人工智能并继续做更多风险投资的基本工作可能是个好主意。
原文链接：AI Musings #4 – How To Differentiate As An AI Applications Startup?
BimAnt翻译整理，转载请标明出处
