产品设计思考-07
新闻
- Shein 尝试冲刺伦敦 IPO，然而其国籍问题饱受争议，尽管 Shein 执行主席唐伟(Donald Tang)表示“凭借其价值观和大部分资金来自美国的事实，该公司将成为美国公司”。但是鉴于 Shein 的大部分员工都在中国的事实，复杂的政治风险、运营风险、审查风险直接导致了过去两年 Shein 估值的下调，由 2022 年的约 1000 亿美元下降到当前的约 500 亿美元，这注定了 Shein 的上市之路不会顺利。另外有一个数据值得关注，2014 年中国企业通过海外上市筹集了创纪录的 530 亿美元，而今年筹集资金不到 50 亿美元。
- 虽然我们试图尽量少地在科技领域谈及政治，但是科技与政治息息相关的事实无法磨灭。埃隆·马斯克新成立的政府效率部（Department of Government Efficiency, DOGE）宣布希望雇佣“超高智商的小政府革命者”来削减成本，从联邦预算中削减 2 万亿美元。虽然这个目标有些荒谬，但可能的影响是科技发展的监管会进一步放松。这种从人员架构调整带来的影响，大致与特朗普的“弱监管”策略吻合。
产品
Fireside：通过录音方式，使用引导式的问题记录家庭故事，并转化为数字纪念品和黑胶唱片纪念品。黑胶唱片上提供二维码，扫描二维码即可重温录音。这是一个非常典型的心理学产品，属于非常专业的产品门类，产品本身从功能上来讲没有创新点，其产品护城河主要是设计的“引导式问题”。此前有人尝试以 AI 方式记录进行记录，还原当事人的相貌、动作、声音、语气、语言习惯等等，一方面这种方式保守争议，同时具有法律、道德以及诈骗风险；另一方面这种记录方式技术门槛高，定制化程度高，经济成本颇高，可能不是普通的接受范围。Fireside 虽然效果差一些，但明显没有这方面的风险。可能后面也会尝试接入 AI，简化 AI 操作，让用户通过录音，自己生成自己的形象，而企业不获取用户信息。如果这方面监管可以实现，可能会是企业转型的方法。关于接入 AI 的必要性，下文会有描述。
科技
微软总裁 Satya Nadella 在 11 月19 日的公司年会上质疑 LLM 的发展是否已经触达 scaling laws 的极限，Nvidia 创始人黄仁勋正面驳斥，认为模型将进入下一个阶段，scaling laws 仍然适用。
scaling laws：类似摩尔定律(半导体的处理性能大约每两年翻一番)，描述了模型性能如何随着模型规模、数据量和计算资源的变化而变化，该定律反映了近年来人工智能性能每六个月左右翻一番的看法。
没有任何一家公司的命运比 Nvidia 与 scaling laws 的联系更紧密，scaling laws 影响着 Nvidia 的发展预期。黄仁勋认为新技术需要时间来消化，Nvidia 还远未触及 scaling laws 的极限。
思考
《三体》里有一句经典台词“毁灭你，与你无关”，在 ChatGPT 的降维打击之下，同样出现了一批受害企业。在线教育服务公司 Chegg 的股价在四年间下跌了 99%；著名开发者论坛 Stack Overflow 的月度互联网流量在过去两年中下降了一半，该公司已经开始裁员；翻译服务商 RWS 自 2022年11月 ChatGPT 推出以来，其股价已下跌 57%。
什么样的公司或行业容易受到 AI 的威胁呢？主要有两种：
- AI 幻觉造成潜在损害较小的行业。例如翻译或者本科生写论文的场景，AI 幻觉制造出的问题容易被发现并改正；但在起草一份法律的合同或医疗处方时，错误的代价更高。
- 现成的 AI 不需要定制训练，就可以完全执行业务的行业。例如在法律行业使用 AI，需要执行高度定制化的法律专业训练，否则模型可能漏洞百出；但是在翻译或小学教育场景，任何一个 AI 产品都可以拿来即用，而且几乎不会出错。
如果企业不想被 AI 冲击，最好的办法是将 AI 融合进现有业务流程中，而且不要将这个策略视为新的增长点，因为这大概率是制造一定的技术或业务壁垒，在 AI 时代仍然保持竞争力的保活手段。如果承担不起大模型的使用和训练成本，不妨试试小模型，小模型在专精业务领域有良好的表现，这一点我在产品设计思考-06中有提到。