最近我接了兩個短期的產(chǎn)品顧問工作。這兩個產(chǎn)品所在的領(lǐng)域跨度很大，一個是身心靈產(chǎn)品，另一個是面向?qū)W齡前兒童的產(chǎn)品。

　　這兩個項目和閱覽室以及AI產(chǎn)品并行在做，看起來我似乎需要很多個分身。不過我做事情不太依靠直覺和所謂的靈光一現(xiàn)，我也不覺得自己有什么天賦，工作更多是依靠方法。因此，擔任這種顧問工作，理想狀態(tài)下我還是主要扮演“教練”的角色。創(chuàng)新其實沒有什么神秘的—不能說人人都適合做創(chuàng)造性的工作，但起碼也不是少數(shù)人的特權(quán)。如果通過我短期的參與能讓團隊掌握這些方法，之后即使我不再參與，團隊也可以持續(xù)創(chuàng)新，這就蠻有成就感的。

　　通過這樣的合作，我也可以多向市場上優(yōu)秀的產(chǎn)品團隊學習，取長補短。這兩個團隊的執(zhí)行速度和能力都很厲害，這是我自己很欠缺的。他們對于市場調(diào)研、競爭形勢、增長策略、數(shù)據(jù)分析等等方法也都很擅長。我擅長的，則是通過產(chǎn)品設計的創(chuàng)新帶來突破。

　　這兩種不同的做事方法，可以簡單地歸納為宏觀路線和微觀路線。我最早是在Julie Zhuo寫于2014年的文章中讀到這種分法的，她當時是Facebook的產(chǎn)品設計師。實際上，在成功的產(chǎn)品中，這兩條路線最終總是相遇的，兩種做事方式都很重要。從宏觀出發(fā)，假如能準確匹配“人”的需求，可以誕生像Chrome這樣的成功平臺產(chǎn)品；但假如僅考慮戰(zhàn)略而忽視了“人”需要什么，也可能造成Google+那樣的史詩級失敗。而從微觀出發(fā)，假如從一小群人身獲得啟發(fā)，預見到大眾市場的未來，可以誕生像抖音這樣的產(chǎn)品；但假如少數(shù)人的需求最終無法成長為足夠大的市場，無法在商業(yè)上成立進而失敗，這樣的例子更是數(shù)不勝數(shù)。

　　兩種路線都重要，但出發(fā)點不同，做事風格也會有很大區(qū)別。從國內(nèi)的情況看，好像經(jīng)過這幾年的“內(nèi)卷”，現(xiàn)在大家都只掌握宏觀路線，以至于要感慨“古典”產(chǎn)品經(jīng)理的滅絕—朋友的公司最近在找用戶端產(chǎn)品經(jīng)理，收到的簡歷擅長的都是業(yè)務策略增長之類的，從用戶需求出發(fā)做產(chǎn)品的技藝看起來似乎失傳了。

　　更糟糕的是，市場上流傳的各種產(chǎn)品成功的故事，總會將其成功歸功于某個“神”的靈機一動，以至于人們總以為這些技藝是天賦或直覺，而不是一種可以學習的專業(yè)方法。這也是我做這些顧問工作主要的意義。

　　方法可以習得，有些東西則難以在短期內(nèi)迅速積累。宏觀路線和微觀路線都涉及到“人”。但對于前者，“人”作為一個數(shù)字存在；對于后者，“人”是作為活生生的個體存在的，是探索的起點。我猜，讀者喜歡讀這本雜志，也是因為在這本雜志里能看到看似冷冰冰的商業(yè)故事背后的人。所謂設計，就是創(chuàng)造性地解決用戶的問題。要解決用戶的問題，就需要從“人”出發(fā)，對“人”有豐富立體的了解。這就是所謂的洞察。

　　好的洞察才能帶來好的創(chuàng)新。好的洞察一定可以帶來好的創(chuàng)新—只要掌握了方法。

　　洞察可以通過研究來獲取，但一般來說，不如長時間和同一群人打交道積累下來的直覺。最精彩的那種洞察，就像薛定諤的貓一樣介于共識和非共識之間—說出來的那一刻每個人都會恍然大悟，“難道不就是這樣的嗎？”，但在說出來之前，又從來沒有人認真對待過它。

　　所以，我很清楚地知道，即使我在擔任產(chǎn)品顧問時誕生了什么了不起的想法，也還是要歸功于團隊自身的洞察。我只是用一些方法把它的能量釋放了出來。獲得之前沒有的洞察，也是做顧問項目的另一個收獲，我還挺喜歡跟著團隊去做用戶訪談的。

　　最近OpenAI發(fā)布了ChatGPT在電腦上的官方客戶端。其實在此之前，市場上已經(jīng)有不計其數(shù)的非官方客戶端了，也就是俗稱的“套殼”，我的電腦上就安裝了差不多10個。由于GPT的官方接口完善，這些客戶端的開發(fā)門檻并不高。大家使用的接口都一樣，只能在界面設計和用戶體驗上“卷”。

　　我原本以為，在這樣的競爭格局下，所有可能的功能都已經(jīng)被人做過了。但ChatGPT的官方客戶端有一個很小的功能—截圖—吸引了我，讓它很快變成了我在電腦上默認使用的客戶端。

　　它的用處是什么？我之前覺得，“聊天”不一定是終極形態(tài)，很大程度上考慮的是把ChatGPT們作為生產(chǎn)力工具的場景。在電腦上使用它們，本來就是為了完成很多工作任務。而這些素材要先交給大語言模型處理，再將其輸出的結(jié)果放回去，過去人們只能來回復制粘貼。像圖片、論文等素材來回復制粘貼還不太方便，得先下載保存，再重新上傳。

　　現(xiàn)在，直接截圖識別就可以。

　　實際上，像GPT-4這樣的大語言模型支持圖像識別已經(jīng)有一段時間了，它不僅可以識別圖片中的文字、物體，還可以解讀一些更深層次的語義。由于這個接口對所有人都是開放的，其實各種非官方客戶端想加這個功能也輕而易舉。

　　這當然是從用戶洞察出發(fā)的微觀路線。即使是這么擁擠的賽道，居然也有這樣的機會沒有被人發(fā)現(xiàn)。

　　其實，如果說GPT這個大語言模型本身是宏觀路線的產(chǎn)物，那么將GPT和聊天結(jié)合，也就是從GPT演進到ChatGPT，就是微觀路線的產(chǎn)物。Sam Altman之前接受采訪時也感慨過，在ChatGPT之前，GPT對應的接口已經(jīng)公開發(fā)布了10個月，OpenAI一直以為別人會把ChatGPT做出來，但也沒有。這個洞察今天說起來實在太顯而易見了，在全球，智能手機上最流行的App都是聊天軟件，那為什么不拿大語言模型來聊天呢？似乎根本不可能有別的答案。但在2022年11月之前，就是沒有人這么做。這就是薛定諤的貓。

　　所有人一窩蜂地都去做大模型，是宏觀路線驅(qū)動下的結(jié)果，市場上涌現(xiàn)的眾多AI小應用，則是微觀路線的體現(xiàn)。這兩條路線，目前相遇的地方還不多。

　　宏觀路線也有宏觀路線的道理，如果用戶需求是確定的，依靠資源、渠道、價格等等優(yōu)勢可以打敗對手，那么采用宏觀路線就可以。例如，Google認為自己能比OpenAI更快地將類似ChatGPT的產(chǎn)品規(guī)?；?、商業(yè)化，那它的確不太需要在產(chǎn)品上做什么創(chuàng)新。在中國市場，我們對類似的故事太熟悉了。假如“大模型需要國產(chǎn)化”是一個準確的宏觀判斷，這就是一個屬于做題家們的解題競賽，不需要花時間去探索用戶需求，不需要花時間去試錯。

　　問題是，今天的AI還沒有到這一步。連聊天界面都還有這么簡單的提升空間，在聊天之外更是大有作為?，F(xiàn)在花時間去復制別人的界面、做別人做過的事情，真的是浪費生命。

　　跟在別人后面“抄答案”，別人的答案也不一定是對的呀。他們只是答題速度比你快一些而已。OpenAI做的一些功能，等到Google們跟上的時候，OpenAI都已經(jīng)要下線了。有洞察，才不會陷入同質(zhì)化競爭；有屬于自己的洞察，也一定不會陷入同質(zhì)化競爭。

　　OpenAI自己革自己命的速度更快。5月到6月正是全球技術(shù)公司密集召開年度開發(fā)者大會的季節(jié)，Google和微軟的年度開發(fā)者大會都已經(jīng)結(jié)束，蘋果的在6月初。

　　OpenAI搶在Google的年度開發(fā)者大會之前一天在自己的辦公室里面舉行了一個很小型的發(fā)布會，發(fā)布了GPT-4o。這場四兩撥千斤的發(fā)布會十分精彩，直接搶走了Google的風頭。前面提到的ChatGPT截圖功能只是利用現(xiàn)有模型能力做的一個小的界面改進，GPT-4o幾乎徹底改變了人和AI交流的方式。除了現(xiàn)場演示，OpenAI也將錄制的十余條演示小視頻放在了YouTube上，這些視頻著重演示的是AI和人類實時對話的能力，以及AI可以“看見”東西后能做的許多新的事情。

　　觀看這些視頻的時候我連連驚嘆。一年多前GPT-4發(fā)布時OpenAI也展示過其視覺理解能力，但只是靜態(tài)圖片識別。當時我想，當這個東西反應速度足夠快、成本足夠低的時候，實際上是可以代替人眼來看世界，或者“待”在屏幕上幫我處理工作的，那時不知道會是種什么體驗—沒想到它這么快就優(yōu)化到這個程度了?？蓜e看不起優(yōu)化，有些東西優(yōu)

　　Insight

　　有態(tài)度專欄

　　閱覽室通訊化著優(yōu)化著，量變就積累成了質(zhì)變。

　　想象是一回事，見到是另外一回事。當用戶可以像和真人視頻聊天一樣和ChatGPT對話，我想，OpenAI自己又重新定義了新一代的AI產(chǎn)品形態(tài)，這離“iPhone時刻”更近了一些?，F(xiàn)在我們用的文本版ChatGPT，似乎一下子就過時了。而競爭對手還在跟隨ChatGPT之前的步伐。

　　看著下一世代的技術(shù)以這種速度被推向市場，我覺得在現(xiàn)有產(chǎn)品形態(tài)上僅僅做一些局部改進的意義實在不大。不需要在這個層面競爭。

　　雖然OpenAI支持同時處理圖像、音頻、文本的GPT-4o吸引了大部分注意力，Google和微軟還是有自己的亮點。Google主推“超大上下文窗口”，一次能處理百萬字級別的內(nèi)容。微軟則強調(diào)直接在電腦上運行的“小語言模型”—我們之前使用的大部分大語言模型都需要在云端運行。

　　大半年前一個大我10歲左右的師兄約我吃飯，認為AI創(chuàng)業(yè)最大的機會就在這里面，要在這一趨勢到來之前準備就緒。走宏觀路線，還是得老姜來。

　　像我這樣對技術(shù)沒有那么了解的，在一年前就很難想象這些可能性。每一次技術(shù)創(chuàng)新，其實都會帶來很多新的可能性。回看過去這一年，最初人們吐槽ChatGPT的很多問題已經(jīng)被解決。回歸用戶洞察，會發(fā)現(xiàn)有很多之前難以解決的問題，今天可以用全新的方式來滿足。今天對于一個“古典”產(chǎn)品經(jīng)理來說，其實是黃金時代。

　　對我們來說，始終不變的定量就是我們所服務的用戶—一群對內(nèi)容品質(zhì)有要求的人。這是唯一需要直覺的，也是我們多年積累所在。

關(guān)注讀覽天下微信， 100萬篇深度好文， 等你來看……