当前位置：首页 > news >正文

【周输入】510周阅读推荐-2

news 来源：原创 2025/5/15 10:37:17

历史文章

本次推荐

2B SAAS软件

产品方法论

AI提示词

商业化

历史文章

【周输入】510周阅读推荐-1-CSDN博客

本次推荐

2B SAAS软件

一文推演未来5年toB软件的三层架构：AI与赢者通吃的赛道标品

1，企业服务SAAS不再是今天的多烟囱结构，而是，一个企业的全体员工，都使用一个统一的、AI原生的应用，跨系统打通所有业务操作（AI原生应用的灵活度高、快速适配个性化需求能力强）

2，玩家ABC现状、发展趋势预判，竞争优势和关键路径、商业模式建议

3，平台型公司，集成业务层的博弈，需求侧决定供给侧

推演一下，未来几年会如何发生多米诺骨牌似的变化：

SaaS公司更懂行业/领域，个性化的部分由应用层通过AI技术承担。无论是前文所述的A（定制公司）/B（SaaS公司）/C（平台公司），哪方负责“应用层”产品，应用层下、只能由SaaS公司负责的“业务层”都将更容易做出我们梦寐以求的“标准产品”。

当前SaaS公司的主要竞争对手其实不是SaaS公司，而是大大小小的定制开发公司。未来无论大小企业，都会转用上面这个三层架构。也许5年后，90%的定制开发公司都不得不转型，而提供业务层API的SaaS公司会有越来越大的“标准化产品”及数据的积累优势。

做业务层产品的门槛是对业务的深刻理解，这个门槛很高。这与做灵活的应用层产品公司的基因就不同，未来“应用层”与“业务层”更可能会分化为两类公司分别负责。

”业务层“产品的门槛随着数据积累、业务层AI技术的应用（数据分析及预测等），会越来越高。做“业务层”产品的公司，会获得曾鸣教授所说的”黑洞效应“。

在应用层，中短期看SaaS公司有更懂业务的优势，但企微、钉钉、飞书这3家平台公司才是“时间的朋友”——AI技术让通用产品能力越来越强，在“业务层”API的支持下，将逐渐覆盖和碾压SaaS公司烟囱式林立的“应用层”产品。也许5~10年后，大部分企业都会选择平台公司的统一“应用层”产品。而目前我们的SaaS公司更可能会退守“业务层”的能力。

那么SaaS公司能够选择不提供“业务层”API给其他公司的“应用层”产品吗？我们推演一下：这赛道上有第2、3名，你不提供，别人就会提供；这是客户的选择，不是SaaS公司能掌控的。

所以，最终专业的人做专业的事：“应用层”产品会按toB、toC等客户大类型聚合，“业务层”产品也会按行业、按领域实现聚合。赢者通吃，由此而来。

本次推演的最终结果就是：1990s到如今，折腾了30年的中国企业信息化无解的“需求不收敛”难题，最后会被AI灵活的“应用层”产品解决。而且应用层、业务层都会出现非常成功的标准产品

发散思考

1，AI可以解决传统软件的非标准化的问题，升级变为标准化产品服务

2，商业博弈，价值的源头是客户，客户侧存在有价值的应用场景，会逐步使得供应侧配合整合

3，应用层和业务层的分层，应用层更加集成，更加抽象，更加面向用户/客户满足需求；

业务层的行业know-how和核心数字资产，专注业务层面的核心能力

产品方法论

YC合伙人吐槽：今天的AI应用不行，不是AI的问题，而是产品设计能力不行

1,YC合伙人Pete Koomen提出了一个很有意思的看法：当下很多AI产品的困境并不在于模型能力不行，而是产品设计能力不行。

原因在于，这些产品仍然基于过去的产品逻辑来设计，而没有充分考虑到用户的实际需求。

比如，传统的产品开发往往需要程序员预先设计好系统提示符，但这些早被设计好的提示词在实际应用中，却很难真正满足用户个性化的需求，甚至成为了大模型潜力释放的最大阻碍。

这就像19世纪80年代的蒸汽马车，人们只想着用发动机取代马匹作为动力驱动，却没有考虑重新设计车辆以应对更高的速度。

路径依赖限制了AI产品真正的价值。在Gmail AI这个应用场景下，就是系统提示词开发者提供，用户只能输入用户提示词，无法修改系统提示词，甚至无法查看系统提示词；

当Pete修改（按照自己的个性化需求自定义）了系统提示词，得到了自己期望的效果；

AI SlopAI就是AI垃圾，冗长、正式的怪异的东西。

AI助手应该是代表我，用我的方式来写邮件，而不是由谷歌产品经理和律师组成的委员会设计的千篇一律的风格。

相对于生成文本，LLM擅长的是阅读和转换文本

无马马车这个，代表了旧世界的思维

发散思考

1，问题是个性化强的应用场景，如何讲用户的个性化信息和偏好打入系统提示词，不一定要真的开放系统提示词（这样的还是偏技术层面了）；2B企业运作AI化，也是。也有自己在实践中收敛下来的流程、黑话、背景、上下文等等，也需要个性化。

2，基于1，产品的设计路径是什么，用户的参考示范、典型偏好，信息输入；打个比方，刚来上岗的实习生，给他一些参考示范文档，照着写，冷启动时培训下；后续进入正轨，逐步调教优化就好；（但是邮件这个冷启动的成本和无AI的成本可能相差不大，主要看边际成本，AI还是合适复杂场景，提升的场景化价值收益）

3，无马马车，这个时刻提醒我们解放思想，需求还原，设计还原；

4，AI助手，无论是Agent还是自动化，自主性啥的，需要面向用户服务。和以往软件工具性被调用的逻辑，不同。