ARTICLE · 1053845
AI 应用的保质期越来越短,还值得做吗?
AI 应用的保质期越来越短,还值得做吗?很久没打开 Typeless，今天再打开，看到一条通知：免费计划每周字数，要从 8,000 调整到 2,000。 有点恍惚，回去翻了翻聊天记录。 原来为它花钱、向朋友疯狂推荐，也不过是几个月前的事。后来转去用豆包输入法，再后来，它就吃灰了。 从惊艳到付费，从推荐到替代，整个过程只有几个月。甚至说不清是哪一天开始，自己不再打开它。 当时的喜欢是真的，后来不再使用也是真的。 最近和不少朋友讨论过：AI 应用到底有没有价值？ 今天看到这条通知，忽然觉得，自己这几个月从付费、推荐到不再打开的经历，恰好就是这个问题的一个切片。 而我对这个问题的判断，也经历过几个阶段。 最初，我相信大模型会逐渐变成一种commdity。大家都能调用，差异逐渐缩小，价值会更多地留在应用层。 模型提供能力，应用解决问题。用户最终为解决问题付费，这个逻辑看起来很自然。 后来，我又走向了另一个判断：所有应用会不会最终都被基础模型吃掉？ 今天需要一个独立应用才能完成的事，下一次模型升级以后，可能直接在对话框里就能完成。应用辛苦打磨出来的功能，变成了基础模型顺手提供的一项能力。 沿着这个想法，我一度觉得，AI 应用有快速赚取现金流的价值，却未必有长期投资价值。趁窗口还在，把产品做出来，满足需求，赚到钱。但不要假设这个窗口会一直开着。 现在，我依然觉得，许多 AI 应用的生命周期会很短。 但我开始觉得，前面的判断少算了一件事： 价值持续的时间在缩短，创造价值的速度也在加快。 过去，发现一个需求，到做出产品、交到用户手里，再到有人愿意付费，中间可能隔着很长的开发过程。 一个需求判断即使正确，也可能因为开发成本太高而没有机会验证。还有一些产品，等到终于做出来，才发现用户并没有那么需要。 AI 正在压缩这个过程。 对于有能力发现和挖掘需求的人，一个想法可以更快变成能用的东西，更快获得反馈，也更快找到愿意付费的用户。 找到产品与市场的匹配，也就是 PMF，可以变快；从第一个付费用户，到形成持续的订阅收入，也可能变快。 但让自己做得更快的能力，同样会让别人做得更快。 一个需求被验证以后，可能很快就会出现新的实现方式：更顺手的交互、更合适的价格，或者更贴近某一类用户的产品。 与此同时，基础模型的能力还在扩展。一部分原本需要单独购买的功能，可能被直接包含进去。 应用面对的是两种替代：新的应用，以及不断扩展能力的基础模型。 因此，我倾向于认为，许多 AI 应用很难拥有漫长而稳定的产品周期。即使需求持续存在，承接需求的产品也可能不断更换。 软件尤其如此。硬件有制造、交付和更换成本，变化可能慢一些，但也未必能完全避开这种替代。 当然，不是每个应用都会迅速消失。深度进入工作流程、积累独特数据、建立信任关系，都可能让一个产品持续更久。 但评价 AI 应用时，需要接受一种可能越来越常见的情形： 它确实有用，确实有人付费，也确实可能很快被替代。 这三件事可以同时成立。 一个产品后来吃灰，并不能抹掉它此前创造的价值。我为 Typeless 付费的时候，它解决了当时的问题。后来换了工具，不意味着当时的钱白花了，也不意味着那个产品从来没有价值。 只是这份价值持续的时间，比预想中短。 那么，短到什么程度，就不值得做了？ 这需要回到那条曲线。 假设横轴是时间，纵轴是一个产品在单位时间里创造的价值。生命周期决定了曲线能延伸多远，但最终积累了多少价值，还要看它升得多快、达到多高，以及怎样回落。 一条持续很久、始终很低的曲线，面积未必大于一条快速升起、较早结束的曲线。 生命周期是长度，累计价值是面积。 AI 可能同时缩短前者、抬高后者。最终的积分究竟变大还是变小，不能只凭“生命周期很短”就下结论。 当然，这里的“价值”还需要分清。 用户获得的价值、产品产生的收入，以及公司最终留下的利润，并不是同一件事。对一门生意来说，还需要扣掉开发、获客、推理和维护等成本。 订阅收入增长得快，也不意味着用户会一直续费。把当前的收入折算成年收入，并不能让短暂的需求自动变得持久。 但如果开发和试错的成本下降，收入又能更早出现，一个生命周期不长的产品，仍然可能是一门成立的生意。 同样，生命周期短本身，也不足以直接推出“没有投资价值”。还要看投入多少、回报多少，以及这样的成功能不能重复发生。 这让我重新思考，究竟什么最有价值。 如果只盯着一个应用，就会一直担心：下一个更好用的产品什么时候出现？下一次模型升级，会不会覆盖它？ 但把视角放到创造应用的人身上，问题就发生了变化。 他能否持续发现尚未被满足的需求？能否判断哪些不便值得解决，哪些赞叹不会转化为付费？能否把新出现的技术能力，变成别人真正愿意使用的东西？ 一个应用的机会结束以后，他能否再次做到？ 这里的“持续”，不只是不断发布产品。 做出来越来越容易，选择做什么、理解为什么有人需要，反而更能拉开差距。 同样一种模型能力，有人看到的是又多了一项功能，有人能看到某一群人的某一个麻烦，终于有了成本合适的解决办法。 需求也不总是现成地摆在那里。有时候，需要先做出一种新的使用方式，人们才意识到，原来这件事可以如此简单，原来自己愿意为它付费。 第一次做出受欢迎的应用，可能来自偶然。反复发现需求、验证需求，并把它变成产品和收入，才是一种能够积累的能力。 单个产品的曲线可能很短，但一个人或团队，可以接连创造出新的曲线。每一次当然都需要重新判断，也不保证下一次仍然成功。 不过，经验可以留下：对用户的理解、识别需求的方法、触达用户的渠道，以及把想法迅速变成产品的能力。 这些积累，有机会比某一个应用活得更久。 所以，我现在依然觉得，AI 应用有价值。只是它创造价值的速度和失去优势的速度，都在变快。 几个月前让人惊艳的工具，几个月后就可能吃灰。它曾经创造的价值不会因此消失，但也不能因为曾经有价值，就假设它会一直有价值。 如果一定要说什么最值得长期看好，我会选择那些能持续挖掘需求、创造应用的人。 应用的生命周期可能很短，创造下一个应用的能力，可以持续积累。