科技猎在过去大家关心的ROI模式、过去传统的流量入口在AI时代会发生怎样的变化？新的流量模式、信息与数据流将会是怎么样的？收益如何汇聚与分配？AI与LLM在其中扮演什么角色？在新的逻辑下有什么机会？本文对我们的研讨做了整理，分享给大家：
ROI 模型是否会在未来继续？
Glober AI CTO Felix Zhou： 大家好，我是 Felix，是 Global AI 的CTO，我们公司主要帮助客户发现新的市场，然后利用大模型在对应市场生成文字、图片、视频、相关的文案，让当地的客户觉得这个公司是真正地关心他们、懂他们，如果大家有出海需求可以联系我们。
回到 ROI 模型中， AI 生成的有消费价值的内容如何有别于传统内容？我们主要是帮别人做分发，我们不会去做内容方面。但如果真的让我自己去回答这个问题，我自己用得比较多的有消费价值的内容是用 AI 生成的总结性内容，比如说有很多视频很长，可以直接利用 AI 去帮你总结内容，还有 AI 会帮你总结长的电视剧，变成短电视剧。
所以 AI 生成的内容有哪些方面有比别传统内容？就是AI 会更精简，让你吸收内容的方式更快，就像 TikTok 这种模式，但可以用 AI 来自动化帮你生成 TikTok 这样的内容。
Moloco Senior Growth Manager Belinda Zhang： 大家好，我是Belinda，是 Moloco 的高级投放客户经理。针对第一个问题，我比较感兴趣，因为我们对接很多的广告主，他们在做投放。从我们的角度来讲，如果目前没有更有效的模型来预测投放效果的话，ROI 模型还是一个比较稳健的投放方式，因为从广告主的角度来讲，这种投放方式和内部模型已经非常成熟了，他通过比如 day 1、 day 3、 day 7 的一些倍增的预估和自己产品的数据，其实可以短期评估它的投放效果。从我的角度来讲，这个模型在短期应该还会继续的。
福州畅读科技 董事长 邹建峰： 我们原来是做网文出海的，在国内出海排名还不错，现在是在做微短剧的出海。
我觉得ROI 模型肯定还是会继续，因为本质上对企业来说还是投入产出比、获取回报的关系，它是个闭环的关系。我觉得ROI 模型肯定会继续存在的，但是肯定会简化整个投放模型。
举个例子，素材的生产，我觉得未来一定会更加 automatic 投放，很多东西可能是机器自己生成，或者根据内容、摘要等去做。比如像网文这样的模型，国内广告媒体中，巨量模型效率现在已经远远高于 Meta 了，在网文投放这一侧的整个素材比较单一、形态也比较单一。
但是内容上，特别是在国内最近有一个比较流行的趋势是短篇小说，基本上就是可以用 GPT 生存的，我也看了一些同行的做法，内容生产是可以用机器生成，素材生成也都是用 AI 生成。那如果从这个角色去看，我觉得首先是 ROI 模型肯定未来还是会继续，毫无疑问。
第二就是整个投放闭环的话，我觉得会越来越精简。越来越精简的意思是指存在一种可能性，媒体提供的投放模型越来越完善。国内媒体现在已经基本上能保证 ROI，海外媒体如 Meta 或者谷歌在回传付费事件之后，能给你推广更好的用户，但是他们现在不能保证像国内媒体做有效的赔付。这个差别的确非常大，这意味着在保证 ROI 这条线上，媒体给你做出承诺了。
第三，如果从这个角色去看，如果内容也能 AI 生成的话，实际上我有时候一直在想，我能不能薅媒体的羊毛？我能做一个内容生产的社区或平台，就放在那边，薅媒体的羊毛，有没有可能性？这个是我们一直在思考的方向。
Q：刚好提到国内有可以保证 ROI 模型的方式，这个可不可以展开说一下？
邹建峰 ：你可以看一下海外的快手也是这样的。国内是这样的，投放现在是基本上能保证 ROI，比如说你设置的 ROI 是1.0、1.1、1.2 这样子，他就给你想办法给你尝试匹配这样的用户，如果他不能给你，那他就不给你量，连展示都不给你展示。这是国内对素材、对于整个媒体模型非常有意思的地方。
还有一种就是他给你展示，但是量可能在某个时间点质量突然下降了，比如我设的1.0，结果给你了 0.8 的 ROI，在满足某种条件下会给你赔钱。因为国内的流量比较多的都是存量用户，所以说对用户的属性或其他地方都很清楚，他可以给你赔付，拿了赔付你就基本最终保证 ROI 达成你自己设定的目标。
AI是否能重构流量模式，还是只是一个提效的工具？
Product Pub Lydia： 我觉得这个问题比较大，可以跟大家一起拆一下。因为我们在聊流量入口，我们可以先看一下现在互联网有哪些东西可以构成一个流量入口的逻辑。可能我们可以看到大家手机上的 APP 就这么多，可能很多人的脑容量里不能记住 30 个 APP 一次去打开，即使手机记住也没有这个习惯。
我把我们真的会打开的 APP总结成三类：第一种叫做好内容的分发，比如说我们看到TikTok，看到YouTube，甚至看到一些新闻比如头条，都算是好内容的分发。
第二种是社交媒体的分发，比方说Facebook、Instagram、微信等，因为我们 naturally 会有人与人交往的需求，这样的需求我们会去一些集中的平台比如 Instagram、包括一些新的东西，我觉得这个会有一些迭代，但它可以构成一个入口。
第三种叫做聚合器，往往是一些实用案例的聚合器，用 Amazon 举个例子，我们都有买东西的需求，购物我想到的搜索入口可能就是 Amazon，或者如果我想去找一个外卖，我想到的可能是Doordash，如果想要 Grocery 可能是Instacart。
我觉得大家可以一起来讨论的是，我们现在看到了 AI 很明显在某些地方提效，比方说内容的生产，它已经是一个经典的提效案例，那它有一些地方是不是能构成一个聚合器的逻辑？因为聚合器往往做的是匹配的任务，它本质上是个 marketplace，要去做匹配现在是两种形式，第一种是搜索，第二种是推荐，那AI 是不是有可能通过它的能力去做更好的搜索或者不同形式的推荐，颠覆掉以前的方式，让它的匹配变得更加高效？
另外就是除了聚合内容、聚合social，AI 有没有可能去聚合一些新的实用案例？或者去聚合一些新的人、把这些人更好地聚合在一起形成一个实用案例？我其实在这个问题上思考得不是很多，而且我相信大家可以看到很多案例，但因为入口听着比较大，所以想帮着拆解一下，抛砖引玉。
某硅谷硬件大厂 AIML E同学： 大家好，过去 7 年我都是在做 AI 平台。今天也是跟大家学习一下，这是一个新的很有趣的话题。
回应 Lydia 刚刚讲的一点，能否有新的入口？我觉得特别是现在 GenAI 出来了过后，上一周也有 Gpt 4o，包括 Google 的 Astra，他们出来过后我发现AI assistant 可能会成为一个比较大的入口，以后你的模型是跟你的 device 结合的，很多的用户习惯都会完全被颠覆。
比如说所谓的搜索，现在是要从一个 application 进去，但以后你可能完全是语音调动你的device （可能是你的手机，可能是你的可穿戴设备） ，这个也是 fundamentally 改变投放广告的一些方式，因为用户的习惯完全改变了。所以我觉得这个 agent 应该是一个比较大的改动，对这个行业，对很多衍生的上游下游都是一个disruption。
某海外战投 H 同学： 我在跟一些项目和投资人去交流的时候，发现有一种观点会觉得，用户在产品上生产出一批 UGC AI生成的内容后，我只要搭个社区，用户就可以来这个社区去消费这些内容。但实际上，如果生成出来的内容形态归放在 Ins、小红书、TikTok 依然能跑得通，基本上流量红利还是被既有的这个平台吸走。当然如果是交易向的内容，传统的这个交易平台会成为这个东西的最大的受益者。
所以我想问， 有没有办法找到迥异的内容形态，创造出一个新的心智入口？ 当用户想消费这种新的内容形态的时候，就会自然来到这里。不管是 Pi、GPT 4o 还是各种 C.ai式对话产品，都可能会是比较有意思的图文或语音型内容消费入口，这个这种习惯已经形成了。GPT 4o 对我来说是一种对话式的消费级内容入口，甚至在对话中能扮演内容分发的角色。
但是在更丰富的多模态形态上面，我们还挺期待看到有一些完全不一样的东西，这个不一样的形式，可以让 TikTok 们没有办法 capture 它。我们都不知道这个东西长成什么样，但我特别期待在未来的半年一年能够长出新的玩法。
从商业和交易的角度来看，我们确实能感觉到，当一个交易向平台愿意去推广 AIGC 内容时，它会给整个交易链路带来很多优化的空间。交易型平台最大关注点，不是 aigc 内容的可消费性，而是关注 AI 是否能让整个 交易链路的用户的体验变好，能否降门槛让中小微商家也能创造内容、促成交易。
目前看起来结果是正面的，那平台就愿意鼓励商家去使用这些产品。而站在内容平台的视角，可能会担心千人一面，担心内容质量低缺乏创新，所以反而会对这个 AI 内容有流量分配的限制，我觉得这个限制本身可能也会激发一些新的形态入口的出现。
邹建峰： 我认为当前还是提效工具为主，但是未来肯定重构整个流量模型。比如说搜索，AI 搜索一定会大面积被调整掉。实际上搜索的逻辑是给了一批能匹配的内容，然后由人工来进行点开、判断等等路径。未来 AI 重构内容之后，我觉得通过整个搜索模型，肯定直接给你唯一答案，那随着你自己对这个唯一答案更加信任，我相信整个流量模型会发生翻天覆地的变化。我觉得搜索应该以后会极大地变成这样的模式。
其他信息流的地方或其他更多的地方，像刚才那个苹果同学说的 AI 助理，我认为应该是一个非常大的流量入口，但这块因为变化也比较大，我们也不能完全确信这条线 OK 不 OK。
Product Pub Lydia： 刚刚反复提到搜索和推荐，这是一个经典的分发模式。搜索和推荐完全可以用新的 LLM 或者AI 重构。比如我们现在看到 perplexity 是做一个新的搜索，而且做得还挺不错，包括微软的 Bing 可能就靠这个来弯道超车 Google。
我好奇的点是，大家觉得搜索和推荐这样类型的分发迭代，是从内部颠覆，比方说 Google 自己颠覆Google，微软颠覆自己，还是会给创业者一些机会？
我觉得这里有两部分，第一部分是在 marketplace 里面，比方说搜索就是信息和求问者的匹配，信息的爬取本身有一定的门槛，尤其是对于就是整个技术，包括存储上的门槛。第二个其他的一些匹配，比如电商或者一些更小众的 （比如手作人、有道付费课程等等） 领域，除了匹配之外还有聚合的问题，我得先把货给聚合起来了，才能再去做一个marketplace，把它给做成一个生意。
内部的大玩家已经把聚合做好了，无非是接入一个新的逻辑，接入一个新的比如 AI 版本的推荐、AI 版本的搜索，这些可能也不构成一种新的门槛去颠覆。所以我可能就在考虑这个问题，也想看看有没有人在这方面有见解。
ONES Head of US Stacy Wu： 我在 ONES 做 ToB 的工具，负责 SEO 和 SEO 的市场。我想回答一下 Lydia 问题，就是现在有没有人能够颠覆 Google 搜索？
如果从公司获取 leads traffic 角度的话，现在搜索，特别是 paid 搜索可能还是占据公司线索的 80%，剩下 20% 来自于 organic SEO。从 paid 方面，现在 Bing 还是没有办法超越 Google，可能是算法或者其他方面问题，具体技术上我是不太了解。但是AI 对于现在的 organic 获取方式有很大颠覆，比如说它从内容的书写，一个是 Bing 现在 organic 的 traffic 还是能够冲击到谷歌。
之前如果单从 organic traffic 上 Google 和 Bing 的分成来看的话，原来可能 Bing 只能占到 10%～20%，但是现在它能够占到整个的 40%～60%，因为 Bing 的 AI 搜索能力还是很强的。
至于AI 在 traffic 方面有哪些机会？主要在 ChatGPT 上。ChatGPT 的 marketplace 灌入新应用的内容，比如我现在刚开始创业，然后我去向他灌输我的公司是做什么的，通过一些跟他灌输的内容以及一些我模拟问题回答，使得其他用户在搜索我公司应用场景时，能够让我的公司出现在排名前五。
然后就是 ChatGPT 的marketplace 如果能跟现在创业的 APP 去结合，它对于 Google 还有其他的搜索、还有它的一些流量、对于整个的内容还有形式都是比较有颠覆性的。
这是从 To B、从 leads 角度来讲，可能 To C 它会有其他的玩法。
ServiceNow 高级产品经理 李佳鑫： 我只能从我自己作为一个消费者或者一个 user 的角度分享一下。我的工作是在 enterprise software，跟这个关系不是很大。但是刚刚你提到分发模式的时候，我就在想不管是搜索还是推荐，都是提供给消费者现在已经存在的内容。
我不知道 GenAI 会不会拉低 on demand content 的门槛。比如说我现在可能去一个长视频平台，比如爱奇艺或者芒果 TV，我并不想看任何他已经录好的节目，比如说武林外传，我想请他帮我自动生成后面的 80 集，我想要看这些人的脸去继续演。
有一个 Podcast 说比如在 YouTube 或者一些 Podcast 上面已经有人在用 GenAI 写剧，在几个月的时间里面他们已经自己拍了几百集，这些 GenAI 的角色会互相发生一些关系，可能会变成夫妻，然后又 break up。有一些地方不是很自然，它的声音也不是很自然，但确实已经大大拉低了 on demand 的门槛。
Glober AI CTO Felix Zhou： 首先就是说这会不会重构已有的流量？比如说大家会说会不会重构搜索、会不会重构 shopping？根据我自己的经验，其实这个很难，因为AI 现在还是个提效工具。
就比如说 Amazon 上一次财报，说它有一个大模型变成你的购物助手，但是我相信很多同学现在还没有用到这个购物助手。我们知道这个购物助手其实是个很难的东西，难在它要改变用户的购物习惯。
我们再说 Perplexity，这也是个非常热的topic，不敢说它会不会成功，但是我想说，它想改变用户获取知识的习惯，这也是很难的。我自己也有这方面经验，当你有一个非常成熟的 APP 后，你加了一个新的入口，想要用户去使用它、改变他的习惯，这是一件非常难的事情。
所以 AI 改变用户已有的习惯很难，但如果 AI 能生成一个新的功能解决用户的痛点，我觉得重构流量模式是有可能的。
WenWenCool Founder 李玫： 我是 WenWenCool 的一个 cofounder，我们主要致力于 AI 改变人与人之间的关系，现在有一些初始期的产品，比如帮助家长和孩子之间的关系，从辅导作业开始，还有一个是老人陪伴的关系。
回到今天讨论的话题，我觉得前面同学的讨论对我来说挺有启发的。我现在刚好联想到前两天看到的一篇论文，就是美国的一个教授让他的小孩带上了采集器去采集物理世界的新数据和信息，输入到 AI 模型当中。
结合前面同学们的讨论，对我有个启发，就是我会觉得目前 AI 重构流量模型方面，未来可能有的机会在于不仅是现有平台上的数据，包括信息的搜索和分发，有可能一个新的流量模型会出现在从物理世界往 AI 世界灌数据和灌模型的过程。因为训练 AI 需要越来越大的现实世界的数据，但现在可能这个还没得到很好的解决。
从目前论文来看，有一些通过采集的方式。我的观点是，不仅是对于现有数据的分发和搜索，还对于物理世界往 AI 的世界重新输入信息、输入数据的模型上可能会存在流量模型的玩法。比如说大家都是物理世界的玩家，在往 AI 输入数据的过程中，大家可能形成新的一些关系或者互动。这当中可能就会存在人与模型的分发。
Glober AI CTO Felix Zhou： 其实AI 作为提效工具有很大的价值。比如短剧出海，大家做一部短剧一集大概要 30 万人民币，甚至 100 万人民币，那出海时你会怎么做？可能你要重新拍一个剧，用外国的人物模型去拍，又要另外一个 100 万甚至更多的钱，后面还有配音，还有字幕，各种各样的钱都很高。
而这边 AI 如果能提效，根据中国人拍的短剧，可以自动把它变成一个美国的短剧，就同样的剧情，但不同的人，不同的声音，然后不同的字幕，那这是个巨大的成本降低，等于降低了 100% 甚至 200% 的成本。
Newcast.ai 解决方案 周树人： 像 HeyGen 在短剧多模态中先选取了声音模态做了改变，为什么大家发现，在想象场景很明确的地方其实用 AI 实现起来依然好像没有大家那么快，我觉得可能这个幻觉在我们人身上比 AI 模型本身身上会更多一点。
这个技术给了我们很多惊喜，但实际上我们真正把它拆解成要落地的服务时，比如刚刚同学提到的对于短剧的修改，它本质上是在声音、图像、时序，字幕等各个维度上对于原始内容符合要求的修改。但这个事情真正拆解到不同的特征上，需要做到最后能让大众观看的影视产品，这个路还是蛮长的。
可能声音目前来看已经是在能改的 production 里面最离得最近的一条线了。剩下的从我们接触的客户需求来看，大家可能第一反应的就是把以前拍的中国或者是亚洲皮肤的人改成欧美皮肤的人，但换脸在正面没有产生比较多的转身和移动上可能还OK，如果像正常去拍剧，人物在空间位置上的变化比较多的话，想去管理还比较难。所以我觉得伴随着技术本身的持续迭代，我们还得给它更多耐心。
但我觉得这个道理很明确，如果要做出满意的效果，不只是现在纯产品团队或者是工程团队的问题，更多的问题还在底层的 AI 模型本身上。我觉得还是需要等一段时间。
Product Pub Lydia： 我想 echo 一个点，我觉得刚刚李玫讲得特别好，就是现在数据的重要性和价值大大增加。
我们在说 AI 公司在互相卷的时候，他们在卷的壁垒是什么？可能人才是一个，可能模型等技术是一个，但是现在往往大家会提到数据也是一个巨大的壁垒。可能我们不停地去做 scaling law、大力出奇迹的情况下，我们已经逐渐越来越缺数据去 train 下一版模型，把它变得更强大。
在这种情况下，我们如何非线性提升产生的数据量，我觉得这是一个金矿的话题，里面会有很大的机会。这个机会未必是 ToC 流量的机会，可能是 ToB 上面会看到的巨大机会。所以刚刚有同学提到美国教授让他的小孩带上采集器，这个我觉得很有意思，然后我也在想机会到底是什么？是各种各样的传感器让人带着，还是来自机器人，或者一些别的方式？我们以一种更加大量的方式去采集数据，进而可能在这里会生成很多大公司和大机会。
某互联网大厂 产品总监 Janne： 我对生成式 AI 技术特性的理解是，它其实是换一种方式去处理我们今天看到的所有信息，使得这些信息可以更规模化、定制化的呈现。但是，信息不等于内容，和可消费的内容之间更是有很大的鸿沟，例如观点、故事等等都是需要基于信息再做二次提炼才会扣人心弦。所以我的观点是，一个没有通过二次创作的信息是不能变成好内容的。
所以如果去回答 AI 是否可以去孕育新的内容入口，我认为首先这波生成式的、定制化的、可以规模化的信息更好地被创作者用、可以更好地被创作者二次处理并创作出不一样的内容，是诞生新入口的一个必要条件。
我特别的认可刚才一位同学说的，今天在市面上很少有纯AI生成的出圈的内容，至少几乎没见到可以被我们的父母、孩子喜欢的AI内容。因为消费者对内容的需求不会因为它是否是 AI 生成而改变，他们只会对新的、好的、满足自己心灵或者情绪价值的东西感兴趣。
所以我认为新的内容入口一定基于这几个维度，消费者需求、 AI 特性、以及创作者侧，如果这三者之间可以架起更好的桥梁的时候，新的入口就会出现。
目前的流量模式将会如何被AI重构？
Product Pub Lydia： 我们保留最关键的ARR，acquisition、retention 和 revenue 这三块。
Acquisition 这边其实我们比较好奇的是AI 时代流量会更集中、马太效应卷得更加明显、强者更强更多流量结合在一起，还是更分散、各种小的流量入口都会有机会？比方说刚聊的 AI assistant，可能 Google 的 phone 和小米的phone 各自都可以形成一个流量入口，有各自的system，这个流量入口会更聚合还是更分散？
第二个是新的 AI 应用有哪些有效的导流获客模式？我们上次讨论其实聊到几个引子，就是很多时候我们会发现新的 AI 应用是一个 Discord 产品。我们今天做图片生成至今，他们还是在 Discord 里说我付个费，然后跟机器人说我要生成这个图，它就给你生成，可能都不再做一个APP。
我们上一代可能在说小程序，我们也不用自己去做一个真正的APP。可能在这个新的 AI 时代，创业者或者做产品的人在形成一个新的 AI 应用时候，首先应该考虑是什么样的导流模式，是接入Gpt plugin，还是一些新的方式？这是 Acquisition 上的。
Revenue 上，我们刚刚讲 ROI、return 特别重要，那我们的收益从哪里来？我们现在可能看到 subscription 模式特别多，我们看到各种大模型 10 块一个月，ChatGPT、Midjourney 也都是这样。那还有没有一些别的方式？ToB 也好， ToC 也好，怎么样做收益的汇聚和积累？有没有新的变现模式？可能它不一定是这个收益模式，可能某些头部用户会做很多付费等等。我觉得大家可能看到 use case 更多。
那细拆我们刚刚说的 ROI 模型， ROI 有几个部分，第一个是return，第二个是investment，那 return 和 investment 会有什么变化？包括刚刚有一位同学点到，我们有 paid 流量和免费的流量，paid 是买量模型，那 organic 流量会有什么样的变化进而产生收益？第三个是 Retention 也是一个问题，其实现在只有特别大的 killer APP，比如 ChatGPT 的 retention 非常不错。
但是我们去看，比方说 midjourney，它的 retention 其实跟一些传统的企业比如 Netflix 比是没有这么好的，因为其实某些非专业者没有形成习惯每个月都要去做几张 AI 生成图，那可能大家再做比如短剧出海的 AI 落地方案时，我们怎么样保证这个 AI 产品有更好的留存率？比如 Adobe，它就会在它的生成工具里面同时接 Midjourney、HeyGen、Sora 等各种API，是不是 AI 产品做一个 API 可能留存率会更高?
ONES Head of US Stacy Wu： ToB 就还是现在这样的模式，一方面是去买量，一方面去做内容。后面留存可能有些新的体会，就是 Zoom 做 AI 产品留存是通过在 Zoom 的 marketplace，每个月都会去上新的 AI 产品，而且都是免费的。它的收入一直在增长，它就是通过不断地发 AI 新的 feature，以及跟小的 AI 产品做集成来留住它现有的客户。他们的销售的一个指标也是说把这些新的 AI 产品推给客户来让他们保证下一年的留存。
但是现在因为这些是免费的，不知道后续他的 revenue 和他财报会怎么样。比如现在 AI 产品也有很多，可能大部分都是通过 influencer 去买量，然后让用户去注册获得日活和月活，有一些注册之后下一步的 revenue 不知道会怎么样去变现。
即时设计 COO 张杨雪： 这里面我想聊两个问题，第一个是 AI 时代流量入口走向聚合还是分散，这个问题也是我自己在思考的问题。第二个是如何提升 AI 产品的留存率。
第一个问题其实是我提的，我想把我的想法先分享出来，也欢迎大家帮我去校准。第一个流量入口，我会把他们分为两类，一类是偏娱乐和内容，一类偏工具。我觉得工具类的产品流量会走向分散，未来可能不同工具之间通过 API 的连接非常多，它变成了一个网状的互联结构。
比如以我们的 A1 为例，A1 是一个能够做很多文生图的应用，比如上传一张照片就能生成一个陶瓷类的人像，下一个应用是上传了之后就能生成一个小飞象的形象，它有不同的应用。像 Midjourney 要输入 prompt，门槛还是挺高的，我们 A1 相当于专业用户把所有的 prompt 消化之后定制成了一个小的 AI 应用，大家拿到之后就可以上传一张照片输出。
我们发现很多用户来用我们的时候不仅想要用这个应用，他们想要调用我们某一个应用的API，比如说在他的小程序上面去用，或者说他在定制文化衫时想调用这个 API 去把客户的人形画像定制到他的T恤衫里面去。包括我们上周刚发布的 Wegic，通过自然语言就能够生成在线网页的 AI Web designer and Developer。我们在 day one 去构建这样一个工具的时候，就不希望未来往下做很多垂类的业务功能，比如说像 CRM 或者表单等，我们可能都希望连接其他的 AI 平台来解决这个问题。
所以我会认为工具类产品的流量入口会走向分散，会形成一个网状结构，各种不同的工具间会把其他工具通过 API 或者链接的方式串联起来。包括ChatGPT，它可能也是一个这样的分发入口。
但是我觉得在内容和娱乐层面仍然是会走向聚合。因为我觉得内容和娱乐本质上还是要有平台和生态，它是有聚集效应的，就是人越多，内容越多，就能让我停留的时间越长。不管它的内容是怎么产生的，因为人是有限的，精力也是有限的，所以你能聚起来这么多人和内容形成平台效应，去满足内容的愉悦的体验，这本身就是一个聚合的点，他没有办法把现有的人分散到十几二十个类 Twitter 的平台，大家每天去刷不同的东西。
这是我对流量的理解，总结来说，我觉得工具的入口会走向分散，内容和娱乐仍然会是相对聚集的状态。
第二个如何提升 AI 产品的留存率。刚好我们在做两个方向的 AI 产品。一个是 AI native 的，一个是 SaaS 加 AI。
SaaS 加 AI 就是我们原先的即时设计，就是中国版的 Figma，在即时设计上去加各种 AI 能力。一个方向是像 Wegic 和 A1 就是 AI native 的产品。我觉得这两种提升留存率的方法会不太一样，比如说像在 SaaS 加 AI 上面，要去提升用 AI 功能的留存率的话，我会偏向做多场景覆盖，就是很难通过说我现在就给他做 3 个场景做得特别透。
AI 的能力在不断发展的，它不是光靠我们这种应用公司努力就行，它的基建也要不断地往上提升。所以当我们把每个场景提升到一定的值，无法再提升它的上限时，可能做的是多场景覆盖。我把 3 个场景做成 10 个场景，甚至是 20 个场景，包括我看飞书的 My AI，我能看到它也是分散在整个飞书里面非常多的入口，包括 notion 也在不断地做更多入口。
所以我觉得如果SaaS 加 AI 的产品要去提升 AI 模块的使用率的话，一个方式是去延伸它到不同场景，总有一个场景可能会用到它，只要它能用到一个 AI 的部分，有可能它就能为 AI 的 add on 去续费。
另外一个是 AI first 的逻辑，就是 AI native 的产品比如说 Wegic，我觉得这一类的产品和普通的产品提升留存没有什么差别，因为本质上用户来用就是看能不能解决问题，至于你是通过 AI 来解决的，还是通过什么方式来解决的，对用户来说不重要。他能不能留下来，本质还是你解没解决他的问题，以及是不是比别人能解决的好。
所以我觉得全新的 AI native 的产品和普通产品的留存提升是一样的，要提升产品的核心价值，AI 只是你选择的主要解决问题的方式而已。
Product Pub Lydia： 我想补充一下，有两个点想 Echo。第一个是留存和入口有什么关系？我觉得一定要做高留存，它才有可能变成一个入口。如果一个产品的留存很低，可能它做入口并不是一个很好的选择，而是选择做一个比如入口产品的provider。
我举个例子，比如图生成陶瓷应用图生成小飞象等，如果这个是高留存的应用，那它可以生成一个类似于像 Gemini 之类的新应用，可能它的留存也会不错，它自己形成流量入口。但是如果它本身留存较低，那可能把它接入比如美图，然后变成一个 API provider。我觉得可能长期应用反而更广，因为他自己没法做复购或者复访，所以我想点的是不是一定要留存达到某个程度，我们去讨论 AI 产品自己生成一个新入口才是可行的？
第二个我想 Echo 的点是，刚刚杨雪提的这个观点我觉得特别有意思，把它分为工具和娱乐和内容，娱乐和内容杨雪说觉得会走向聚合，工具可能不一定。这让我想到了一个东西，就是 Stratechery 的 Ben Thompson 有一个非常经典的聚合器理论，就是 Google 是聚合器，它聚合的可能是信息，Airbnb 可能聚合的是房屋等，有一些地方做聚合器可以构成一个很强势的壁垒，但有些地方聚合器其实没这么容易。
一个经典被 Stratechery 批的案例就是 Netflix，因为 Netflix 早年可能想做内容版权的聚合器，后来他一家吃不下来，就有很多竞争对手，有Disney 等，所以到现在 Netflix 也没有做到聚合器，它只聚合了少部分的东西，它的利润肯定会被它的竞对打得越来越薄。
我在想的问题是在什么情况下它一定会形成聚合器？以及聚合器的逻辑是不是一定能被我们这些新的产品构成？我觉得可以把这个理论放到刚刚杨雪的观点里，比如我觉得工具一定会形成网状结构，但是会不会有一些网状结构中间的节点最后仍旧是聚合器？
比如我们现在看 Adobe，传统来看就是一个流量入口，Adobe 很多时候是 ToB 的，它也不只是ToC，那如果是 ToB 可能的就是你签了几单，有多少客户已经把资产放在了你上面、不愿意轻易迁移，或者类似的 Figma 可能已经是个很强势的流量入口了。对于这些已经跟公司签了单、有很多资产的入口，不太容易被轻易去颠覆。
作为一个 AI 新的工具生产商，可能最优的选择是我给即时设计或者 Figma、Adobe 卖 API，我的 API 做得不会特别薄，所以我形成一定的壁垒来长期生存。那AI 时代是不是有观察到新的流量入口呢？我看到两个案例，第一个就是 ChatGPT，第二是 Bing 可能刚刚是抢到了不少搜索的流量。
我觉得他们建立的前提是它的模型或者技术足够强势，以至于它这个技术本身形成了很强的壁垒，可能是 2 倍、3 倍的壁垒，以至于别人短暂不能 catch up 上，给他机会窗口去形成新的流量入口。如果它的技术或者新的能力没有这么大的提升，想要通过技术或者 AI 产品形成流量入口，是不是有些临界点的关系或者先决条件需要去满足？所以可能回过来我会想工具类到底是长期形成更分散的网，还是会仍旧依附于之前那些大的入口形成一个生态？
Singular 中国区出海新业务负责人 田甜： 大家好，我是Emily，来自于 Singular，Singular 也是一家做归因的公司。目前我们基本上会专注在 ToC 的 APP 上面，专注在移动归因，从 acquisition 到帮助广告主去看整个 ROI、retention 这些数据。
我想 Echo 一下刚刚 Lydia 和杨雪大家讨论的一个话题，我自己会针对第一个问题，因为我们基本上专注在买量这部分的分析。从去年开始，包括到今年有一些 insight 跟大家分享，其实跟杨雪的一些 insight 也是蛮像的。
如果是专注在 AI 工具这方面，我们从国内出海者的大盘来看的话，有关注到越来越多的开发者开始去选择更分散的流量入口。比如之前可能最开始专注在大媒体，后来慢慢向 DSP 买量，但从这两年来关注到他们其实向更多的一些厂商，最开始可能是华为，然后在今年的话我有关注到很多开发者最开始可能已经不会先去谷歌或 Facebook 买量，他开始已经尝试到小米、OPPO、Vivo，因为可能会发现厂商的流量首先相对比较新，整个 ROI 可能会帮他们打正更多，这部分是我们三方归因平台的 insight。
文娱部分的话，的确没有看到说他们去尝试太多分散的流量，可能也是由于文娱类的 APP 在获取新用户上面的确会有一些 preference，比如可能会专注在 TT 或者是 Facebook，因为可能像短视频或者内容方面，他们可能会觉得说这些平台对于他们买量有更多的 ROI 的提升。
某硅谷硬件大厂 AIML E同学： 其实我有一点不太一样的看法，AI 时代流量入口是聚合或者是分散？我的看法是会更加走向聚合。
第一点，我的理解流量入口是指用户第一次从哪里进来，至于它去到哪里可能是 different story。我的 assumption 是说以后整个生态系统，包括用户的使用习惯都会极大地变化。比如说今天你想玩一下，你可能会去一下 TikTok，看一些短视频；比如你要去订个 hotel 之类的，你要去Airbnb。因为你知道 destination 在哪里，你会去第三方的application。
但是明天可能你的用户习惯不是这样，他们可能只会通过手机或者 ChatGPT 说给我一个application，帮我订一张机票，我要求它是几点到、它的价格区间是什么，至于是哪个 service 帮我定的我不 care。基于此，我觉得用户会极大走向集成，它的入口会极大地聚集在几个大厂，比如说Meta、Google 等，或者国内像华为、ByteDance 之类的。
但是这个流量会又出现一个 fan out 的形式，就是说用户会从一个地方进来，但是会去到哪里？我觉得会去到很多不同的地方，你的每个 sector 没有很多 dominating service，你可能有无数的service 都是 highly customized，因为 AI 做的其中一个事情就是 personalization。
AI 会让你的流量进来时极度集中，但是出去的时候是 fan out 的形态，这是我的 assumption。
ToB 是个很有意思的话题，因为ToB 就会涉及到信息安全方面的问题。这个方面我也更加倾向于它会更加聚合，因为以后 ads computation 肯定会是一个很大的方向。
我们现在一个方向是把模型做大，另外一个方向是把模型做小，做小的模型我可以更有效地在一些 device 上面去 run，那这个时候我可以做很多事情，比如今天我要 run 一个 Tableau 的dashboard，我可能需要在 service side 去 run，明天我可能只需要我手机 run，但是所有的数据都是在 client 端，这个就有效地解决了一些 privacy 问题。我比较倾向于它会走向聚合。
Linnk.ai Founder 陈羲： 我之前在国内做 martake 的数据平台和数据分析，现在在做出海的 AI 应用。我现在的产品是一个内容总结型的产品，特别简单。我之前的思考是，内容总结是 AI 的一个比较强的能力，内容总结可以形成一些新的内容和流量，但是发现其实并不是这样的。
我想 Echo 关于是不是有流量入口的这件事，我自己的感受是整个 AI 对话，尤其在去年我觉得 AI 的热度，再到今年实际 AI 赛道的热度下降，本质是我觉得人们仍然发现对话的门槛是比较高的，所以在高门槛的对话下，它真正意义上就很难成为一个流量的入口。
门槛这件事是我在近几个月不断尝试各类应用的核心思考。如果需要把整个量级提升，不管是 B端的应用还是 C端的应用，prompting 和之前的 AI writer 做的事情，还是在试图高效地让一批聪明人和 earlier adopter 运用 AI 的能力做他们自己脑子里的事。
这是一个非常零散的状态，也意味着这群人其实是很聪明且有能力去做好内容的生产和互动，也是和一定程度上消费的人。我们看在移动互联网时代所有的流量入口，它对于用户的要求很低，我只要打开 APP 刷新就可以了。我觉得门槛会阻碍 AI 时代形成新的流量入口。
举一个例子，我们来看对话容器，在去年底的想象空间是对话容器可以容纳很多事情，我可以在里面填各种推荐、搜索，然后给用户做工作流，看上去这个 window 可以解决所有事。但还是回到门槛这件事，拿微信为例，微信的 conversation 或者对话这件事情没有形成了流量入口，当它开放朋友圈之后才形成了流量入口。朋友圈对于用户的使用门槛很低，你发完之后我只要看就可以了。
所以从我现在的思考来看，AI 产生的内容并不会改变一般用户获取信息的能力，所以它并不会改变现在流量的现状，它就是内容的变化。
同步我自己这段时间在做 B 端的应用，就响应刚才同学讲的那个点，我现在希望用户并不知道这背后提供 service 的是 AI 还是人类，这不重要，在这个场景里面他突然发现有一个新的供应商能够以 1/ 10 的价格、10 倍效率提供service，这个场景会在 B 端不管是小还是大的环节中成立。
邹建峰： 我想分享一下对流量入口的看法， 我觉得要成为一个流量入口有两种形态，一种就是有效的自传播，还有个是高留存。
类似于 ChatGPT 是有效的自传播模型，但是它的留存可能不会高于Facebook，我觉得它更重要的还是通过自传播，比如像他们的老板Sam Altman每次在谷歌大会前，做一些有意见的demo等等去获取更高的流量。
从 AI 时代来讲，我觉得流量入口应该会走向聚合，但是随着 AI 时代对于整个工作效率的提升，会逐步地会出现新的流量入口。过去的流量入口对流量的聚集还是会集中，但是会不断出现一些新的流量入口。比如像 ChatGPT 这样的产品算一个新的流量入口，未来 AI 助理也可能是一个新的流量入口。
我觉得不可能用一个产品去改变、颠覆自己，一般来说都是出现一个新的产品去颠覆原有的产品。举个例子，地球上所有人的时间都是固定的，从这个逻辑去讲， AI 提效后节省了人的时间，那剩下大家的时间就会放到更新的流量入口里面去，所以我认为流量入口一方面是走向聚合，另一方面还是会出现新的流量入口。
Q：短剧这方面大家有什么 insight 吗？
邹建峰： 刚才说的流量入口聚合、又会出现新的巨头或者入口，这是一种方案。 对于内容产品来说，垄断的可能性不是特别大。比如像游戏，不断出现新的公司，早年腾讯、后面有网易、莉莉丝等不同的公司，从内容角度上讲，它的风向一直在变动，所以说内容上存在垄断的可能是不是特别大，会以优质内容和媒体的趋势变动为主导。
现在我认为 短剧并不是商业模式的变化，而是内容媒体屏幕的变化， 我经常会称之为横屏向竖屏的转变。用户关注的时间点原来是在横屏上，比如说电视或电影，现在逐步向手机这种载体去演变。以前的媒体大家也分得很清楚，电视电影都是长视频、中视频，手机上可能是短视频，但是现在已经开始在用微短剧这种形态把长视频逐步向手机上去演变了，我觉得这个趋势是不可逆转的。
我认为中国国内每年五一或春节大片的总收入会持续下降，可能总票房会涨一些，因为票价变贵了，但从长期上看，用户的时长关注点都会在竖屏，这个我觉得才是短视频或者说短剧产品长期依赖的趋势，这是第一个逻辑。
第二个，我觉得未来媒体涨价、用户习惯迁移之后，会跟网文一样，有些短剧玩家搞不定ROI的问题就逐步退出，最后能不能形成一个类似于 Netflix 或者一个 PGC 的长期模型，让用户不怎么买量或在其他地方保证商业价值的持续提升？这个我觉得还不完全确定。因为从另外的角度讲，比如 TikTok 等等也在竞争，但我觉得从内容平台上讲，至少一个小而美的平台我认为还是有很大机会，赚钱可能也不少。
Moloco Senior Growth Manager Belinda Zhang： 短剧这一块我们会看到在 Moloco，客户在 CTV （Connected TV） 买量效果会特别好。因为短剧是剧集，它的剧情在电视上看跟在手机上看的用户群体是高度重合的。
尤其电视还可以定制化针对某一些地区进行投放，我们之前也尝试过比如针对美国某一些地区、城市、州进行单独投放，尤其是短剧这块儿，我们在 CTV 这儿看到非常明显的效果提升。尤其 CTV 一个屏幕后面也会有多个玩家、多个用户，可能有三四个人一起在看电视，那看到广告之后，可能一个展示带来了多个安装，所以我们在控制成本方面效果非常显著的。
CTV 就是电动电视广告， 把广告从移动端投到电视上，但是受众在电视看到广告之后依然会从在手机上下载的。
收益如何汇聚与分配？
某硅谷硬件大厂 AIML E同学： 对于变现模式，我个人认为还是在四个方向 （来自于我之前听一个 Podcast） ，第一个是 data，第二个是 algorithm，第三个是 computation，第四个是 application。
Data 的话之前有同学提到数据是不是一个壁垒？我会觉得数据是一个很大的壁垒，为什么 Twitter 会禁 open AI API 爬它的数据？为什么有很多小的创业公司出来一个小的 service 很快就被 ChatGPT 或者其他模型公司 outperform 了？因为你没有他那么多的数据。很多大公司有先天优势在模型方面，所以我个人觉得在 algorithm 这个 sector 是很难去跟大公司去竞争的。
Data 这一块其实很有意思，刚刚也有同学提到有教授让他的小孩背着数据收集器，其实这也可以成为一个很好的创业的idea。包括现在你去训练模型时需要用到很多 synthetic data，那你怎么去把 unskilled data 弄得 balance 一点？你怎么去做一些 preliminary data process？很多围绕着数据的创业idea，我觉得也挺好的。
第三个说到 computation，我觉得这个跟硬件结合了，就是比如说你的芯片、包括 infrastructure 这一块，你怎么去更加地提高你的效率、performance？
最后一块就是 application，我觉得我们很多时候讨论最多的是application，因为这一块最好入手，但是这一块其实是最难做成功的。我非常同意 OpenAI CEO 讲的一句话，你现在要创业，你不是要建一个 AI 公司，你是要建一个公司，你要怎么去 leverage 下面所有 AI 的东西？你只需要有一个商业的想法，我觉得这个是我们 fundamental 要先升级的一个mindset。
Moloco Senior Growth Manager Belinda Zhang： 在变现这块儿，目前我们看到APP 变现的模式还是比较传统，一个是 in APP purchase，一个是广告。我们看到的更多还是内购，尤其像这种图片生成，很多时候就是它一次充值生成一个图片，但是北美买量模型会有什么变化？这个问题我有点困惑，我不太了解为什么会单独针对北美买量模型，还是说考虑到用户隐私条款等隐私的问题。
我们应该关注什么逻辑下的机会？
某海外战投 H 同学： 我觉得刚才很多同学的总结得特别好，如果想要做成入口级别的机会，那可能在留存、功能、独占性等方面确实要做到比较高的高度。但是如果先是想做一门生意的话，借用高配入口帮忙做分发，也能做得挺好的。
我自己还在观察思考，从投资角度来看，剔除掉投资流动性、比如以后怎么退出这些问题，关注点还是得要回归到 growth 基本面：产品是不是有独占性？有没有机会找到快速爆炸的起量窗口？整个增长模型是不是能支撑？本质还是得回答这些问题。
我对这件事的难度很有同理心，我们自己也有一些团队在探索AI 应用新机会。不同于基建，越往应用侧走，就越多需要做主动选择，有很多岔道往左走往右走的判断。AI 原生应用都只跑了一两年的时间，没有特别多的先例，所以有可能一个模式不成功、经济模型不行，但微微调整几个前端的选择后，这个事就火了。
所以别无他法，就是keep watching， keep learning，keep testing。
SIG Partner 王雪晶： 我在 MIT 读一个program，所以不在第一线。MIT 有很多创业组织，类似于 incubator，大家活跃度还是很高的，但是我观察校园的创业更多偏所谓硬科技类的创业，大部分都是一些在实验室的技术他们认为可能可以应用到某些行业。其实 AI 相关的，我看到的，商学院同学创业都说是 AI 相关的创业，但他们因为没有产品能力，所以还都在 idea 阶段。
从一个原来投资人的角度去看学校的创业机会，我觉得投很早期天使的机构可以密切关注他们。像我们以前关注的可能需要有一个比较具体或者成型的产品阶段。学校这边对我们来说比较难直接参与，没有太多像我们现在讨论的这些创业者 （产品已经很落地了） 。
ONES Head of US Stacy Wu： 我 2018 年前是做投资的，大概分享一下 AI 从 2018 年到现在看到的一些机会，但是可能已经比较老了。
比如说 2018 年的时候，那个时候刚兴起的时候，我们是投一些 camera，放在汽车和安防领域；还有一些手势识别，当时主要是机器人会比较火一些；还有一些智能网联车的，像 FPGA 的芯片，还有一些 Sensor，硬件机会比较多。大概 2018～2020 年的话，就是集中的软件 SaaS，还有一些 Toc 的会更多一些。
因为我也不做投资很多年了，我个人可能觉得还是内容方面，比如说短剧、TikTok 这些，还有做流量方面数据处理的 AI 解决方案，包括对数据安全的处理，可能会有一些新的机会。还有就是AI 的生物医药，因为之前制药进程很久，现在 AI 可以模拟整个测试药，还有它的实验能够快速地生成最后的结果，可能够快速地去通过审批。
另外可能还是芯片，因为 2018 年算力还有硬件的支持都跟不上，所以当时 training 的算法都比较古老。那现在有特定的 AI 的芯片，还有算力，它可能能够更快、更低功耗地去处理，可能说对于硬件，特别是晶圆厂商也有新的机会。
Product Pub Lydia： 刚刚各位大家的发言让我想到一个问题，之前我们很火的风口是 Web three，我觉得 Web three 解决的是归属权或者记账这样类型等问题。现在我们在讲AI，我在想的是AI 和 Web three 之间会不会有一些需要共同共生的机会。
举一个例子，之前用户的数据都要回归给公司。但如果数据变得更加重要，那是不是数据应该回归给个人？如果数据回归给个人，那可能就会需要一些的解决方案让个人可以使用自己的数据进行变现。我听说的一些创业者可能会在做 general 的推荐，它对接的不是公司的数据，而是个人，比如自己移动端之类的数据可以选择授权给这个公司让他来做一些推荐。
其实短剧也是类似，如果之前 UGC 你要发一个片子或者一个小视频，它的归属权在不自觉中可能就变成了公司的，可以去用它产生商业价值。那在现在这个时代，有没有可能因为你变得更加专业等，使这个数据或者版权的归属权，因为走到了 PGC 或者 OGC，更多是由公司所有。
另外 AI 产生内容的归属权会怎么算？因为我们要去做 Sora 之类的模型，一定有一个问题是上游数据都是有版权问题的，那它生产出来数据是否有版权问题？所以我就在想说，结合大量的数据应用和一些比如模型的加工和生成，在数据归属上会不会生成一些 Web three 类公司的机会？
GenBeings 李国洪： 我是 character AI 的对齐工程师 Ted Li，我想 Echo 一下 Lydia。我想用同样的方式提出一个观点供大家思考。
我也在想如果上一代 AI、Web 3 各自有一个底层的逻辑、有一个特殊性的话，我感觉这一次大模型的底层特殊性或者底层逻辑可能是对于稀缺性和普适性的重新定义。它让很多原来的能力，比如说生产图片、生产文字、生产视频的能力变得更加普适了，这很容易吸引很多投资人的目光。通过技术加持再加上大模型能力再加上数据，让大量的人都能获得原来少部分人才能拥有的东西。我觉得这是一件很好的事。
但是如果再往后想，大公司也会有更强的能力做到这件事情，这一类的能力会更廉价、更普适地普及到所有的人。假设再过一两年之后，我们真正关注的会不会反而是因此相对变得更加稀缺的东西？那这些东西到底是什么？比如说物理世界的体验，比如米其林三星的餐馆，它可能会变得更贵，因为这个东西相对来说会变得更加的稀缺；原来顶级的教师可能会变得更贵，因为拥有教师资源的人会加入到斟酌资源的竞赛中，这一部分也会变得更加稀缺。
但是在这此之外，我觉得是有一些东西可以通过创业者人为把控稀缺性、产生新的价值，我个人觉得这会是目前比较被忽略的一个领域。尤其是现在 4o 出来之后，你可以感觉到每一个模态的能力好像都很民主化了，不像之前说视频图片还有一点缺口、音频还有点缺口，这些能力好像离民主化的距离都不是很远。给大公司时间、给 OpenAI 时间，可能所有人都能体验到这些能力。
但这之后难道所有人体验到的东西就是这些吗？因为最后价值还是来自于稀缺，并不是来自于谁都能拥有，你可以想象往前 10 年、15 年当时会觉得一个流畅的视频聊天是非常稀缺的东西，最后大部分都变成了一个基础功能，大家都得有。
所以我就觉得现在会不会有些正在创业的公司，其实跟当年一样在赌最终会变成普遍需求的功能，并不能变成大生意，反而是稀缺性会因此变得更有价值。我也没很好的答案，提出来给大家做一个思考。
本文来自微信公 众号： 出海同学会 ，整理：莎莎，Xinyun
