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

在上一篇文章中，我谈到了如何专注于以前没有 AI 就无法解决的问题是构建成功的 AI 产品的关键。也就是说，挖掘未满足的用户需求。本质上，这是呼吁创建“AI 原生应用程序”而不是“AI 增强功能”。但“AI 原生”到底是什么意思？

早在 2011 年，USV 合伙人 Albert Wenger 就在移动应用程序发生颠覆的背景下描述了“移动原生”应用程序一词：

我们对移动应用程序正在发生的颠覆感到着迷。随着智能手机销量迅速增长，“应用商店”或直接下载成为新的分销模式，运营商似乎已经失去了应用程序守门人的角色。这令人兴奋，因为它为初创公司开辟了一个全新的竞争舞台。以下是我们对此的一些早期思考，目的是展开讨论。

初创公司（和投资者！）面临的挑战是确定新平台“原生”的机会。所谓“原生”是指以前根本不存在、没有手机就不可能存在的机会。例如，我们不会将向移动设备提供突发新闻视为原生机会，因为很少有初创公司比 CNN 更有机会成为“移动版 CNN”。原生机会是利用移动平台独特功能的机会。

在移动世界中，原生应用依赖于移动平台的独特功能，如实时定位服务、触摸界面和多媒体输入（音频、图像和视频）。这些功能为开发人员提供了创新的新基础。例如，如果没有定位服务、连接性和多媒体输入，Uber 和 Instagram 就不可能实现。但正如 Wenger 所观察到的，重要的不是每种功能的独特性。相反，这些技术在单个设备上的融合才是范式转变的原因。

这样的平台转变往往会引发人类行为的变化。例如，快速宽带接入促进了即时消息的广泛采用，这使得电话通话变得越来越过时。同样，Instagram 滤镜也让公开分享照片成为一种社会可接受的行为，甚至成为一种潮流。随着用户越来越适应这些行为转变，初创公司有机会推出能够更快被采用并成为稳固业务的解决方案。

1、AI 原生应用的新原语

那么，我们如何将这一概念应用于 AI？让我们概述一下 AI 和 LLM 带来的能力。

自然语言理解与生成：

  • 对人类语言的理解得到提高，可以更准确地分析文本并提取含义。
  • 增强生成类似人类文本的能力，可实现无缝通信、内容创建和文本翻译。

多模态交互与生成：

  • 集成各种通信模式（例如文本、语音、图像），实现无缝用户交互。
  • 生成类似人类的多媒体内容 e

情境感知与推理：

  • 更好地理解多模态输入周围的情境，从而做出更相关、更准确的响应或操作。
    个性化
  • 超个性化和情境感知体验，根据个人喜好和需求量身定制。

基于代理的任务自动化：

  • 能够根据先前指定的目标执行任务并实现结果。

AI 原生应用依赖至少其中一种功能为用户提供核心价值，或者以独特的方式结合其中几种功能。最明显的例子是真正有效的 AI 个人助理，即 Siri。为了提供真正的突破性服务，它将结合 90% 甚至全部的这些原语。

AI 影响者不会错过将 AI 和 LLM 称为类似于移动平台的新平台的机会。我不同意这样的描述。与移动平台不同，AI 和 LLM 主要作为增强和改造现有平台的底层技术，而不是一个独立的平台。

移动和 Web 为开发各种领域的各种应用程序、服务和体验提供了基础。反过来，AI 是 AR 和 VR 等新兴平台的终极乐高积木，称其为平台与将任何编程语言视为平台是一样的。

2、AI 原生 vs. 现有应用

在构建原生 AI 应用时，首先必须确定哪些问题具有独特的优势，需要利用其提供的功能来解决。正如 Elad Gil 所言，每一次技术变革都会在现有企业和初创公司之间以不同的方式分配价值。了解目标市场的动态以及价值如何在那里积累至关重要。

例如，如果你正在构建会议笔记摘要器，那么你将很难获取价值，因为现有企业控制着实际举行会议的平台。但如果你从第一天开始构建 AI 原生体验，并且事实证明它很有价值，那么现有企业将很难复制你的应用。为什么？因为他们必须从头开始重建他们的服务，这意味着牺牲他们现有的用户群和收入来源——这是创新者困境的典型表现！

简而言之，在 AI 产品领域取得成功的关键在于识别那些诱人的 AI 原生机会，并利用 LLM 和其他 AI 技术提供的独特功能。

祝大家狩猎愉快！

原文链接：WTF is AI-Native Product?

BimAnt翻译整理，转载请标明出处