AI创业新机遇：产品趋势与定价变革

当前，AI领域正孕育着哪些创业良机？未来用户期待的AI产品又将如何演变？近期，OpenAI的两位高层——董事局主席Bret Taylor与首席产品官Kevin Weil，在采访中分享了他们对AI创业市场及下一代AI产品发展方向的独到见解。与此同时，科技作家Kyle Poyar通过分析240余家软件公司的数据，揭示了AI定价的五大趋势。让我们一同探究他们的洞见。

AI创业的三类市场机遇

7月底，OpenAI董事会主席Bret Taylor在Lenny’s Podcast的访谈中谈及他对AI未来的看法。他认为，人工智能有三个方向最终将形成具有重大意义的市场。

第一个方向是前沿模型或基础模型。这个领域最终将仅属于少数超大规模企业和大型实验室，如同云服务和基础设施市场，因为创建前沿模型需要巨额资金投入，只有大公司才能支撑。当前尝试此领域的初创企业多已合并或被收购，对初创公司而言，这几乎是一个无利可图的商业模式，而且这类资产的价值会迅速贬值，只有规模化才能带来回报。

第二个方向是工具市场，特别是数据平台。尽管像亚马逊、Azure等大公司也有竞争产品，但真正能立足的公司并不多，很多被基础设施提供商自家技术取代。尽管可能有很多人需要你的工具，但如果大型基础设施提供商推出竞品，用户为何会继续选择你？这个市场虽好，但已近饱和。

第三个方向是AI应用市场。例如，Sierra等公司利用Agent提升客户服务质量，而Harvey等公司则为法律、反垄断审查等提供代理服务。这些公司可能利润率更高，因为它们销售的是能带来商业成果的产品，而非建模副产品。它们会向模型提供商缴税，这也是模型提供商虽规模庞大但利润较低的原因。随着时间的推移，产品比技术更重要。

此外，Bret Taylor还强调了Agent的自我反省观念的重要性，认为让AI监督AI非常有效。他期待人工智能能大幅提升生产力，但目前工具和产品的成熟度不足，相当反直觉。

下一代AI产品的四个信号

8月22日，OpenAI首席产品官Kevin Weil在《Moonshots》访谈中分享了下一代AI产品的四个关键信号。

信号一：推理突破，从“知道”到“会想”

Kevin Weil指出一个误区：人们总认为AI聪明是因为它知道得多。但真正的变化在于它能开始“会想”。

它不再仅仅提供现成答案，而是能串联多个步骤完成整个推理过程。例如，以前问你“多少人能爬上这座山？”它会直接给出一个数字；现在它会反问自己：这山有多高？有路吗？天气如何？再给出推断。这是GPT-5的重要变化之一：从调取答案转向构建思路。这种能力并非靠更多数据实现，而是模型进化出“思维链”能力。

Kevin Weil强调，这种推理让模型更像人思考，也能应对更复杂的任务。

信号二：界面重塑，主动服务成标配

大多数人认为ChatGPT是等提问后回答的工具。Kevin Weil表示，OpenAI的目标是让ChatGPT成为真正的智能伙伴。要让AI主动服务，它必须了解你的习惯和偏好。

他提到几个关键能力正成为标配：Memory（记忆）、Vision（视觉）、Voice（语音）。这背后不仅是技术实力，更是体验设计：能听懂你的话、感知你的习惯、补充你没说出的部分。

在Kevin Weil的产品规划中，语音是关键拐点。团队测试了大量语音细节：语调、节奏、情绪等。这种“共处感”设计让你无需刻意组织语言，AI能在你迟疑时补充，并根据语气判断下一步行动。

信号三：产品闭环，任务完成度决定价值

Kevin Weil透露一个重要信号：“多数用户开始不关心AI多聪明，只关心事情能否做成。”这反映市场成熟：AI从“技术展示品”变成“生产力工具”。衡量标准不再是能力边界而是交付质量。

“把事做成”意味着AI不仅能写好邮件文案，还能调动CRM系统数据、套用邮件模板并发送记录。这背后不是单个模型工作而是调用外部工具组合解决问题。

信号四：全球落地，普惠能力成分水岭

Kevin Weil反复强调：“我们最在意的是模型能否尽快被使用。”这是OpenAI的全球部署思路：不等技术更完美而是普及当前能力。

他提到一个对比数字：今天全球约3000万程序员；未来AI可能让30亿人具编程能力。因为“编程”定义被改写为用自然语言告诉AI要什么。

AI定价的五大趋势

AI深刻变革软件行业同时带来问题：传统定价方式失效尤其是原生产品。Kyle Poyar收集240余家软件公司数据揭示五大趋势：

1. 传统定价方式挑战大 混合式定价成主流

以前软件定价主要是席位收费和固定费率订阅。这些模式提供价格可预测性并带来经常性收入（ARR）。但由于价值错位和成本压力它们被混合式定价取代即订阅和使用组合。

2. 混合式定价组合多 各有优缺点

随着越来越多AI产品转向混合式定价新模式挑战出现：构建混合式定价方式有无数种但并非每一种都合适。

3. 基于结果定价 短期不适用

当AI智能体被定位为“执行任务”角色时按完成工作量或相关收益定价顺理成章。

4. 价格透明化价值或被高估

公开定价能抓住部分买家需求但很多企业未全面采纳。

5. AI定价快速变化 多公司未做好准备

随着定价决策成为战略性且复杂任务企业需要投入资源包括深入理解成本结构、竞争对手动态及客户感知价值。