“做AI產品經理太難了。”近期腦極體的同事參加了一場開發(fā)者大會，一位產品經理向我們坦言：“AI時代，做產品的方法論沒變，但以往熟悉的東西幾乎都被清零了?！?/strong>
用戶需求被清零了，大模型到底能用來做什么，用戶自己是不清楚的，需求是空白的，需求調研、產品定義，就要花費好幾個月的時間。
好不容易定義好了，基礎模型的一個更新，就有可能將前期所做的工作、功能規(guī)劃等推倒重來。
“比如GPT-4o出現(xiàn)之后，語音對話的能力是我們完全意想不到的，就又得把產品開發(fā)過程再來一遍……”
而縱觀一年多來推陳出新的數百個大模型，GPT-4o可以說是產品化程度非常高的一個了。
比如OpenAI發(fā)布會上展示的“AI視頻通話”，使用戶與AI進行實時的、跟真人對話一樣自然的視頻交流。國內模型廠商也很快推出了類似的AI視頻通話功能，不少媒體和用戶都表示“體驗炸裂”。
但半年時間過去，發(fā)現(xiàn)在最初的震驚與新鮮感過后，在真正的軟件生態(tài)里，還是沒有看到“AI視頻通話”被大規(guī)模、高頻率地用起來，更別提激活用戶的付費欲望了。為什么會這樣？
我們就從“AI視頻通話”說開去，聊聊AI產品化、商業(yè)化到底要經過哪些磨礪。
鉆石原礦被開采出來，其實并不璀璨奪目，是經由工匠們的切割打磨，被鑲嵌成鉆石首飾，包裝為“愛情象征”，才走進大眾消費市場，價值實現(xiàn)了百倍千倍攀升。
類GPT-4o大模型就類似于原礦，作為“交互天花板”，潛在商業(yè)價值很大，但必須經過產品化的精細打磨與包裝，才能被大眾用戶廣泛接受，實現(xiàn)其真正的價值和應用潛力。
而基于類GPT-4o所誕生的“AI視頻通話”，雖然向產品化邁進了一步，但依然屬于原型的基礎能力。
盡管OpenAI、智譜等模廠已經針對“AI視頻通話”這一應用，打磨了諸如響應速度、具體用例等產品側的細節(jié)，并融入到ChatGPT、智譜清言APP等產品當中。但作為一種軟件應用來說，這種與通用場景相結合的落地模式，還是比較粗陋。
首先，需求過于寬泛。
AI視頻通話，技術上相當于讓AI擁有“眼睛”和“嘴”，具備察言觀色、跟真人對話的能力。這很容易就讓人想到AI陪伴，人與AI談天說地、談情說愛。
直接將AI視頻通話能力嫁接在聊天機器人上，本質依然是AI聊天，能力升級，但無法解決chatbot商業(yè)價值低的核心問題。
AI視頻聊天，用戶容錯率高，不在乎AI偶爾犯錯或出現(xiàn)幻覺，這也意味著對基礎模型能力要求不嚴苛，無法在技術層面拉開差距。曾經的智能音箱大戰(zhàn)、智能助手紅海，也會在AI視頻聊天領域出現(xiàn)，并且由于聊天并不能幫助用戶完成具體任務或解決問題，用戶還得自己琢磨在視頻里跟AI聊什么，沒一會兒就只能跟AI面面相覷，難以帶來確定性的產品滿足和持久粘性，新鮮感過后就會流失。
而一些直接用途，想要普遍應用，也有大量細節(jié)仍待填充。
比如基于AI視頻通話的無障礙功能，是一個非常直接的落地場景。AI視頻通話，可以將設備攝像頭作為“眼睛”，幫助人去理解物理世界，這對視障人群豈不是很友好？
但實際上，大模型APP的視頻通話功能，是無法直接被視障人群用起來的，還有大量的產品細節(jié)需要考慮。比如我們曾體驗過實時圖像識別，AI只能認出“面前有兩張卡”，但哪張是公交卡，哪張是銀行卡，是無法準確識別的，這就需要基于視障群體出行接觸的高頻物體，進行針對性地精調。
而且，在飛機、高鐵、地鐵等弱網、無網環(huán)境下，也要保證視障人群與AI視頻通話的實時性，就需要純端側運行的多模態(tài)大模型，將模型做小、計算效率做高。
產品設計層面，還有大量的細節(jié)，還等待著填充，才能轉化為用戶可以方便使用的產品和服務。
可以看到，沒有更細致的產品化，盡管“AI視頻通話”這一基礎能力很厲害，卻不知道能用來干什么，很可能導致技術找不到市場，倒在了產品化變現(xiàn)的黎明到來之前。
這個“至暗時刻”會發(fā)生嗎？
欣慰的是，我們發(fā)現(xiàn) “AI視頻通話”能力，已經開始向行業(yè)輸送了，意味著這座AI基礎能力的“原礦”，終于開始被打磨成晶光四射的鉆石。
我們就從“原礦”流向的應用領域，來分享幾個“AI視頻通話”的產品化方向。
大模型怎么落地？智能體是方向。
智能體怎么服務？+AI視頻通話事半功倍。
如今，手機軟件承載著我們日常的絕大多數服務，在各個應用中來回跳轉、操作是非常繁瑣的。
今年以來，榮耀、vivo等廠商都在基于智能體打造一系列創(chuàng)新功能體驗，比如“一句話點奶茶”“一句話訂餐廳”等。用戶只需要向手機助手發(fā)出指令，手機智能體會自動理解需求、拆解任務步驟、調取相關功能，一站到底地完成任務。
Agent手機就很好地解決了數字服務鏈路長、操作繁瑣的問題，但新的問題又來了，那就是智能體還需要“看得懂”“能交流”。
舉個例子，在外賣小程序下單時，遇到廣告是常態(tài)，這時候需要智能體agent執(zhí)行準確的操作，比如“點擊關閉”“跳過”等，來推進到下一步。如果智能體無法識別相關內容，必須用戶自己動手操作，那整個鏈路就被打斷了，用戶體驗會非常不好。有跟智能助手通過文字prompt交流的功夫，用戶自己就能點開程序完成下單了。
Agent手機+視頻通話，就能用戶體驗更進一步。
比起打字的繁瑣、語音尷尬癥，在人機對話時，像跟真人面對面交流一樣，通過語音對話完成下單，更符合直覺，也更有被服務的舒適感。對話之后，大模型對視頻畫面進行實時分析，指導智能體來自動執(zhí)行，整個體驗會從頭到尾絲滑無感。
目前，國內終端廠商在端側智能體方面走得是更快的。腦極體在VDC 2024大會上了解到，藍河操作系統(tǒng)增添了視覺感知能力，讓系統(tǒng)像人類一樣“聽得懂”“看得清”。智能體能夠模擬人類的智能，助力操作系統(tǒng)像人一樣進行溝通、執(zhí)行智能任務。
如果說，智能體可以讓人成為數字服務的最小參與者，那么在智能體手機中打磨的AI視頻通話，則讓人機交互朝著更理想、更符合直覺的體驗靠近，讓數字生活管家走進現(xiàn)實。
將AI視頻通話功能集成到垂直應用軟件中，可以變成擬人化的垂域專家，提供更專業(yè)的服務，解決更具體的問題，從而激活用戶的付費意愿和模型API經濟。
目前，OpenAI為GPT-4o預設了十幾個場景，清言視頻通話API上線智譜開放平臺時，也列出了智能硬件（VR眼鏡）、教育培訓AI私教、文旅場景AI向導、具身智能等落地方向。通過將AI視頻通話API開放出來，鼓勵開發(fā)者在產品中集成“AI視頻通話”功能。
9月24日，多鄰國（Duolingo）在第六屆全球分享大會上，推出了 AI 視頻通話（Video Call）。Duolingo Max 用戶可以與多鄰國的角色 Lily（拽姐）進行視頻通話，進行個性化的互動練習。在對話中，AI會根據用戶的語言水平靈活調整內容。
學習語言最難的就是高頻使用環(huán)境和開口說話的心理障礙，通過AI視頻通話提供實時的對話機會，可以讓小白初學者也能自信開口，進行有效聯(lián)系。據說，多鄰國的這一新功能接入了OpenAI的高級語音API功能。
國內頭部社交軟件Soul，也上線了AI聊天機器人“AI茍蛋”，可以主動跟用戶找話題，并且年底將開啟AI陪聊機器人的視頻通話服務。不同于泛泛聊天，Soul主打的是靈魂交友，平臺用戶傾向于開展深層交流，探討深度話題，尋求心靈共鳴。
在這種較為成熟的社區(qū)氛圍下，用戶在使用AI視頻通話的預期、內容也是較為明確的，不會出現(xiàn)不知道聊什么的情況。
各行各業(yè)都存在大量需要互動的場景，可以跟“AI視頻通話”相結合提供擬人化體驗。但用戶能否由此對應用和AI視頻通話產生黏性，還需要行業(yè)伙伴把使用門檻降到最低，這不僅需要行業(yè)擁有產品開發(fā)的能力與意愿，能夠洞察缺口與機遇，也需要模廠的生態(tài)支持。
從哆啦A夢到阿童木、賈維斯、Her，這些讓人類感覺友好溫暖的AI，都是擬人化的。也許說明，我們更愿意跟更像人類的AI打交道，而不是冰冷無形的機器。
一位智能機器從業(yè)者告訴我們，一開始設計的新車只有虛擬的語音助手，用戶上車之后覺得跟空氣說話很尷尬，激活率不高，所以設計了一個帶有屏幕的車載控件，可以跟車主打招呼、有表情，車主很喜歡跟它對話，逢年過節(jié)還會為它買各種裝飾物，把它當作用車場景中的家庭一員。
從這個思路看，AI視頻通話其實可以被加入各種硬件當中，與用戶展開真人一般的對話，從而成為情感共同體，由此衍生的商業(yè)空間也非常充裕。
透過AI視頻通話，相信大家能夠感受到，無論是AI企業(yè)或普通大眾，對于AI產品化的需求越來越實質。
模型技術只是能力，是原型，而遠不到普遍可用的階段。唯有通過產品化的細致打磨，AI這座商業(yè)富礦，才能真正顯露出鉆石般的光芒。
免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
