ToB 没机会、AI 只是工具?
听完前智谱 COO、现原理智能创始人张帆的播客，我发现自己很多「常识」其实站在了旧时代
这篇记下我最有感的 6 个反共识 + 一些个人启发
1. ToC 不再是时代主战场
互联网时代: 线下满、线上空白 → ToC 能靠模式创新抢地盘。
AI 时代: 线下+线上都已经「满了」，体验差被模型快速拉平，很难再靠 ToC 建立护城河。
张帆用携程做比喻:
你做出一个体验极好的旅游 Agent
携程追上你的体验可能只要 1 年
但你要补齐它的供应链，可能要 10 年
👉 对我自己的提醒: 少从「新 App、新交互」找机会，多去看 有哪些行业的底层流程/供应链可以被 AI 重写
2. AI 不是工具，是你的同事
传统 SaaS 的逻辑:
转化能力 = 人 + 工具
预算被人吃满了，再加 SaaS 就变成零和博弈，「你买了工具是不是要砍人」。
张帆的反共识:
AI 的对标不是软件市场，而是 劳动力市场。
「AI 不是工具，AI 是你的同事。」
当你把 AI 当员工设计: 有职责、有 KPI、有考核，讨论的就不再是「多花一笔钱买系统」，而是 整体产出能不能放大。
👉 做 AI 产品时，我开始刻意少说「系统」、多用「数字员工」的叙事和设计语言。
3. 真正的缺口在需求侧，不在供给侧
这几年大家都在卷供给侧: 算力、芯片、大模型参数。
但张帆的感受是:
基础智能到生产力之间有一个巨大的 Gap，需求侧投入严重不足。
他打了个形象的比喻:
我们现在像拿着电线和灯泡去原始部落推销:
「你看这灯泡多亮，我还给你打折，多用点电吧。」
但部落已经摆满灯泡了，他不知道拿来干嘛。
真正需要的是 电器。
👉 对我来说，一个很直接的转变是:
少问「模型还能多强」，多问 「我能帮谁多赚一块钱/省一块钱」。
4. 别造灯塔，要造船
基座模型像不断上涨的海平面。
你在海面上砌灯塔(完全依赖模型能力)，海水每涨一次，你的优势就被淹一次。
正确做法是造船——和模型能力解耦，海水涨，你也一起涨。
Jasper 这类产品，几乎纯靠大模型能力，ChatGPT 一发布，马上被拍在沙滩上；
Notion 拥有自己的协作/编辑体系，AI 只是放大原有优势的一层。
张帆给了一个很好用的判断标准:
「模型含量」最好控制在 50% 左右。
一半是原有业务能力，一半是模型放大。
👉 我现在会反问自己:
如果有一天所有人都能用同水平模型，我还有什么是留得住的?
5. 不再为功能建模，而是为「工种」建模
传统软件问的是:
你要 CRM? 知识库? 我给你一个功能。
张帆的思路是反过来的:
先看业务结果: 哪条关键指标/财务模型要被改变?
再看: 哪些工种(销售、客服、运营…)最值得优先被重构?
他提出一个很有意思的概念:
「工种」是连接通用智能和生产力的桥梁。
基座模型像聪明的高中生，要变成能干活的医生、客服、运营，
需要围绕每个工种设计环境、反馈和学习机制——他们把这套叫「商业强化学习」。
👉 做 AI 产品时，一个很实用的小问题是:
「我到底是在升级哪个工种? 我要如何评价这个‘数字同事’的好坏?」
6. 企业家的认知，是唯一不能外包的能力
张帆引用了一句很戳我的话:
「企业的竞争，本质上是认知的竞争。」
人可以招、技术可以买、算力可以租，
但没人能替你回答:
「AI 对你这门生意，意味着什么?」
AI 对企业不是技术问题，而是业务问题。
你不需要懂 Transformer 的细节，但要理解「模型性」:
这些都直接影响你怎么用它、在哪些场景用它。
最后
对我个人来说，这次对谈带来最大的变化是:
少用旧时代的坐标系(互联网、SaaS)看今天的 AI，
多从「工种、生产力、业务结果」这些一层一层往下拆
如果你也在做 AI / 想做 ToB，可以问问自己:
我现在押的赛道，是不是已经在「海面」上了?
我做的是灯塔式产品，还是一艘能随着海平面一起上涨的船?
在我的业务里，哪个工种最适合先变成「数字同事」?
粤ICP备14082021号
免费POC，
零成本试错
