夜雨聆风- AI增强型："给自行车装个发动机"——产品本来就有，AI是加上去的
- AI原生型："设计一辆电动车"——没AI这产品就不存在
- Adobe Photoshop Firefly：生成式填充、扩图，传统PS用户已有的功能之上加的AI能力
- Salesforce Einstein：在CRM里加智能预测，后台运行
- 飞书AI：会议纪要、文档生成，嵌入在现有办公流中
- Office Copilot：在Word/Excel里加AI写作和数据分析
识别核心场景 → 选择高频痛点 → 封装AI插件 → 用户灰度验证 → 逐步扩展- LLM调用成本在侵蚀毛利。每次AI调用都要花钱，但你能因为加了AI就涨多少价？客户不觉得这值多少钱。
- 用户价值感知低。加了AI功能，用户觉得"还不错"，但流失率照样高——因为隔壁竞品也加了，大家都加了，谁也不比谁强。
- 护城河为零。你接GPT API，竞品也接。你调Claude，竞品也调。没有自己的数据、没有自己的模型、没有自己的工作流，复制起来太容易了。
- Cursor：AI编程工具。没有AI，Cursor就是一个普通的VS Code。但有了AI，它变成了"用户审代码"而不是"用户写代码"。
- Harvey：法律AI。不做"律师助手"，直接生成法律文书初稿。没有AI，Harvey就没产品。
- OpenEvidence：医疗AI Agent。基于医学文献做循证回答，带引用来源。医生只验证不搜索。
- Notion AI：AI原生笔记。写文章、整理想法、头脑风暴，AI融入每一个操作。
垂直领域选择 → 标准化工作流梳理 → 高质量数据积累 → AI核心能力构建 → 用户从操作者变编辑者> 用户操作 → AI辅助 → 用户完成
>
> 用户是"操作者"，大部分工作还是自己干
> AI先做 → 用户审核 → 用户修改
>
> 用户是"编辑者"，AI已经干了大部分活
| 维度 | AI增强型 | AI原生型 |
|---|---|---|
| 用户体验 | 命令式：用户点击，AI执行 | 意图式：AI预测意图，用户确认 |
| 用户角色 | 操作者，手动完成大部分 | 编辑者，审核已完成的工作 |
| 数据使用 | 表层，仅汇总当前视图 | 深度集成，整合历史数据 |
| 记忆能力 | 会话级，刷新即忘 | 持久记忆，越用越聪明 |
| 定价 | 按席位收钱 | 按Agent/按结果收钱 |
| 护城河 | 无（API可复制） | 高（数据飞轮+工作流绑定） |
- 对：AI根据用户意图自动填好表格，用户审核修改
- 你已有成熟的、付费用户稳定的产品基座
- 客户对现有操作流程有深度依赖，不宜剧烈改变
- 你需要用最低成本试探AI落地的可能性
- 但一年内必须决策：是转原生还是维持增强
- 你正在做一个新产品，从零开始
- 你所在的领域工作流已高度标准化（有成熟的SOP）
- 你有海量结构化数据可用
- AI替代的ROI清晰到不需要解释——客户一眼就能看出"这能省我多少人工"
- 你愿意花6-12个月去打磨底层数据架构
| 维度 | AI增强型 | AI原生型 |
|---|---|---|
| 开发周期 | 2-4周 | 6-12个月 |
| 初始投入 | 10万级 | 100万级 |
| 护城河 | 无 | 数据飞轮，越久越深 |
| 一年后 | 竞品抄完了，你还在加功能 | 别人追不上你的数据积累 |
| 三年后 | 被AI原生产品替代 | 成为行业标准 |