夜雨聆风AI竞争的当前态势
找场景
AI的使用场景，就是AI的销售市场。AI最先冒出来的使用场景是与搜索网站的对位优势，并一路拓展至独立的AI chat应用（此过程中通用AI对话中显而易见的AI幻觉逐渐消减或隐蔽），然后在此基础上丰富交互场景，如豆包的打电话、视频通话等。通用性的用户侧产品创新，虽然能获取大量客户，但用户付费意愿低或无，所以得寻找具有付费意愿的AI使用场景。
巨头没有率先发布openclaw这类产品，因为它本质是与模型无关的执行框架，且以本地优先设计，与巨头侧重模型竞争和云端优先的关注点不匹配。但openclaw/小龙虾给AI装上手脚的定位，让人有相当大的想象空间，成为算力变现的显著路径。市场上各梯队的AI公司都纷纷推出自己的小龙虾，并顺势普及基于redict、Coding Plan的收费模式。小龙虾这个场景在热潮持续一段时间后，就显示出了它的缺陷：相当规模的用户发现自己也没啥要龙虾做的事情，或者不必特意养个龙虾做，且AI同行间无法靠小龙虾占据竞争性优势。
对大部分用户来说，行业性Agent产品的使用比较，能直观的感受出AI产品间的实力差距或差异。行业性Agengt帮助使用者解放脑力与体力，因为有了明确的价值标的物，所以付费接受性上也更好。软件开发、金融、法律、财会，是比较靠前的Agent产品发力行业。
AI巨头们，不局限于大模型开发与通用的Agent研发，各行业中各工作场景的Agent化会不断的拓展与深入，并会碾过以“行业场景+AI”为路线的中小型创业者。Anthropic公司的“巴拿马项目”在斥巨资购买书籍扫描成电子版后，将纸质书销毁；同时也在推动 Claude Code 与 GitHub 的深度集成，并且明确将其定位为赋能不同行业场景的开发工具。OpenAI则成立DeployCo公司，并收购英国AI咨询公司Tomoro，并以给客户驻场办公的方式推动AI在具体行业场景中的应用。
拼性价比
AI产品的使用粘性并不强，工具间的切换成本很低，用户基本没有忠诚度，更看重性价比。而国外AI工具对国内使用者的封锁，也使用户被动面临AI产品随时可能用不了的局面，被动短择的情况也使用户在为AI产品付费时，更看重性价比。
在谈AI竞品间的性价比前，首先各家AI公司得能活下去。目前AI企业面临的局面是当开源的Deepseek在模型更新+极低token价格的追赶下，自家的产品是否还能吸引用户，这个比赛中赢者没有奖励，输者面临企业价值快速清零的风险。这个淘汰机制，使得有领先身位的头部AI企业在产品定价上相对谨慎，水平相似的竞品间的服务范围与定价上都相差无几。
AI企业提供的商业服务，主要有两种形态，一种是API调用，一般以每百万token调用量的花费进行比较。主要比较单价和大模型的“智力”，调用大模型做什么，或者接到什么Agent中由自己决定；第二种是提供AI平台的会员服务，开通会员，获得该档会员能使用的Agent通用和专项深化场景（如编程、绘图等）的能力、以及CLI(命令行界面)、token用量等。目前20美元这条线，对大多数非深度用户来说，是比较各家AI会员性价比的参考线(20美元这档会员，较免费版在token可用量上有质的提升，且能给的产品能力基本都会开放，再高价格的会员，则更多的是token用量和性能上的提高)
分输入与输出，两个矩形一组，上面的是输出价格，下面的是输入价格
首当其冲的行业
先感受到AI冲击或效率提升的行业有如下特征(一个或多个)：
1、从“生产”到销售之间的工序/环节少；
2、“生产”过程涉及的学科单一；
3、行业临近AI研究的基础方法或研究课题(如翻译、图像生成、特征分析等)；
符合这些特征的行业，若当前并没有感受到多大影响的，不要着急，这只不过是时间问题。特征符合项越多，受到的冲击将会越明显。AI在有这些特征的行业里，对供给侧与消费侧之间价值传递的覆盖率和连贯性更高。
冲击/差异性不同的原因
部分企业管理者在AI上的错落感在于：在社交媒体、新闻等环境中感受到了AI对生产力的大幅提升，和自己所在企业对AI也持开放态度但未见企业整体提效或拿到更多结果之间的差异。
AI提效与否对企业管理者来说，是从整体的交付结果角度去看的：
1、如果交付物不变，看生产投入时间有没有缩短或总成本没有降低；
2、如果投入时间和总成本基本没变，看交付物没有更多或质量更好；
3、在投入和产出上有没有都获得增益。
企业管理者在结果和宏观体感上没有显性的感受到这种提升时，这种错落感就出现了。
企业各部门的交付物或整个企业最终的收入获得，中间会经过许多环节。管道的整体输送效率，制约在最窄处，并且当交付物的生产环节越多，AI在单一或局部环节的提升带来的增益越不明显。只有在整体上达到一定规模的效率提升，才能实现质变。不同复杂度的行业/企业，就像不同体积的天体，对环绕/逃逸速度的要求就会不一样。
AI对行业冲击/提效的核心
AI是对人智力、记忆力（知识储备）、体力限制的解锁，但沟通、认知、判断力仍然需要人提供。原有的以智力、记忆力为核心组建的团队结构、构建的流程、资源与问题处理的优先级都在被行业性Agent消解，这种行业性Agent的影响程度，就像NBA球队里，建队基石（核心球员）或建队思路的改变发生的震动。
1、Agent能力对端到端(从生产到消费)覆盖的完整性；
2、Agent自主完成动作的连贯性/持续性（即一次输入能完成的工作复杂度与工作量）；
3、Agent使用者能力角色的集成性；
以上三种性能越高，效率提升越明显。零散的单点AI使用能带来的增效程度，粗略来说，大概在增加1个非对口专业实习生，到2个对口专业实习生这个区间范围。
AI的工程化使用
无论是使用通用的AI产品，还是使用行业性的Agent、亦或者使用定制化的Agent。也不能因为工具的提升而在使用时懒惰，就像都是一把菜刀一个砧板，但是人和人之间厨艺的差别很大，所以工程化系统性的使用必不可少。
to be continued
