3月24日，OpenAI轻描淡写的宣布了两件大事：
一是ChatGPT联网了。
(资料图片)
二是OpenAI开放了第三方插件，任何开发人员都可以自行参与构建。OpenAI甚至还给出了一整套构建流程：“如何在ChatGPT构建你的插件”，并在Github上开源。
这意味着，属于ChatGPT的“APP Store”真的要来了，当天下午，OpenAI也开始广发英雄帖，招聘iOS和安卓工程师。
▲ 图源 OpenAI 官网
正如李开复所说：“在新的AI 2.0时代，会诞生比移动互联网大十倍的平台机会。”这是一个新生态的建设，而非某一块蛋糕的争抢，生态之下，有无数的创业机会等待着创业者们去挖掘。
在文心一言发布会上，李彦宏也提出了大模型下的三大产业机会：MaaS模型即服务的方式、垂直行业模型和应用开发。李彦宏认为相比于MaaS和行业模型，应用生态是一个更重要且更大的机会。
对比从互联网到移动互联网时代，诞生了字节跳动这样的黑马，在数字化向智能化变迁的大时代，已有无数暗夜里潜伏的眼睛，意图搅动着未来所有行业的商业格局。
可以预见的是，当下所有基于互联网和移动互联网的应用都将被重新做一遍，但这也仅仅是第一阶段，“老APP”的重塑将与“新APP”的创新同步进行，是AI 2.0发展的左右脚。
「自象限」整理了当下国外仅基于GPT-3 API接口所打造出的各类应用，并将已知的714个应用进行分类，其中覆盖了底层的AI训练、底层开发、应用开发等各个方面，并已经成长出各类行业应用，包括社交、效率工具、法律、音视频工具甚至还有2B应用的种子开始生长。
▲ 自象限原创，转载请注明出处
参考国外“跑的快”的企业，全球最大的SaaS公司Salesforce已经与OpenAI展开在企业CRM里的B端场景探索，在旗下数字化协同办公软件Slack中对部分企业用户试运行。微软也推出了基于GPT-4的Office全家桶：Copilot，推进智能化办公迈出第一步。
“高能聊天工具、图文创作的AIGC生成、Copilot，以及如今看到的应用都还只是AI 2.0能力的开端。”李开复判断到。
从2月初到3月初，短短一个月内，上述Demo库新增了近200个应用，伴随着ChatGPT能力的进一步外化，从访问最新信息到检索特定的知识库，甚至可以代表用户执行操作，应用量级将迎来指数级爆发。
而每一个细分的能力下与场景的结合，都有可能跑出下一个字节。
拿着锤子找钉子
我们通过对这714个APP的梳理，发现早期，各类应用的发展都并不“成熟”。
在上述714个应用Demo中，大多为工具类型，如电子表格、写作助手、音视频生成、无代码开发等等，每一个产品对应着某一细分功能，但缺乏具体的使用场景。
如ChatPDF，能够对拖拽PDF文件进行资料库搜索、重点提取、逻辑梳理等等，代入互联网产品的模式，这一功能应该出现在某些财报分析类软件的底层，形成一个后端的组合能力，通过对财报的抓取，下载、导入、分析，最终得出分析报告。
▲ 图片来自于ChatPDF
目前成熟的应用主要集中在本身产品发展较早，接入了ChatGPT能力后进行的迭代，如社交领域SnapChat、搜索引擎Bing、办公软件Notion AI。不过，这些成熟应用的智能化是另外一条路径。同为智能办公软件，Notion AI相比于Copilot，明显的对场景的理解不够深刻。
相同在于，二者均在办公场景中，用“空格”或“/”来唤醒AI能力，可以对AI提出问题、下达指令；但不同在于，Copilot的智能化是一个生态能力，打通了Word、PPT、Excel、Outlook等Office全家桶，这让AI真的像一个办公助手。比如Copilot可以通过对Outlook邮件的读取、Word文档的规划、Excel时间表的安排，直接在用户无感的情况下完成一个项目PPT。
▲ 图片来源于Notion
一位资深的产品经理对「自象限」讲到：“说白了，现在是一个‘拿着锤子找钉子’的阶段，工具就在这，谁来用？怎么用？如何提高效率？这是当下创业者需要思考的问题。所有的PM都应该有危机意识，智能化与场景怎么结合落地，是未来考验的一个核心关键点。”
在早期，一方面是产品的不成熟，另一方面则是商业模式的重新探索。
从目前的模式来看，很多人想把互联网和移动互联网的经验套用在智能化产品上，却发现几乎跑不通。
国内某大学生团队，基于API打造了ChatMind产品，前期免费开放使用大概1个月后，目前采用了订阅制的收费模式。其创始人对「自象限」透露到：“网站并不稳定，需要专人维护，抛开人力，每天需要几百块的维护成本，包括在小红书等平台进行推广，这些都是成本。”
目前，ChatMind分为普通版本和Plus版本，按月卡和年卡收费。会员用户不限制使用次数和导出形式。不过从用户的反馈来看，在收费后用户转化率并不高。
“本身是出于猎奇的心态，尝试几次之后发现开始收费了，就开始考虑值不值得了，不如自己用Xmind做。”一位ChatMind用户反馈到。
不止ChatMind，NotionAI目前也采用类似的收费形式，区别在于NotionAI按照调取接口的次数收费，每位新用户有5美元的备用金，在用完之后，需要进行充值。
“订阅制、按调取次数付费本质上都是在为工具付费，但我认为应该按照结果付费，将智能化能力内化进产品的基因里，不仅产品需要创新，商业模式也需要创新。”上述产品经理讲到。
2C看热闹，2B看门道
“2C场景用个热闹，真的能发挥效用的，还要看在2B场景的落地。”
对于ChatGPT的应用，大公司显然比小公司的想的更明白。某AI上市公司高管，在今年2月初ChatGPT刚刚火爆时，便开始思考如何在B端落地。“B端的应用确定性更高，且2B的逻辑是痛点驱动的，经过了上个数字化时代的教育，AI只要能解决一个环节，企业就愿意付费。”
那么这意味着，在广袤的企业应用智能化战场，面临着数字化还没走完又要开始智能化挑战。
我们以数字化和智能化为两个坐标轴，拉出了一个当下应用的坐标系。（下图中所举例并不全面，只是每个象限中的典型案例。）
▲自象限原创，转载请注明出处 图中坐标只代表相对值不代表绝对值
能够明确的前提是，数字化是智能化发展的基石，数字化程度更高的赛道智能化革新的速度更快，比如搜索引擎、游戏、社交都将在迭代的第一梯队中。尤其游戏设计和制作是对整个AIGC内容的整合和输出，也为元宇宙奠定了环境基础。
当然，在2B赛道中，数字化程度更高的广告、营销、金融、电商四大行业将会率先跑出智能化的新范式。而对于各类数字化工具，一个确定性的趋势是，SaaS的智能化。
无论从任何一个角度讲，云智一体都是未来发展前提，那么在应用端，最先带来变革将会是整个SaaS行业。参考Salesforce的销售端产品Slack，我们可以获得一些启发。
据CNN报道，Slack 可能是迄今为止 ChatGPT 技术最大规模的应用测试。尚在 ChatGPT 处于技术测试期的时候，Slack 便为其提供了大量的用户数据和技术反馈数据。Open AI 官网显示，Slack 目前是 Open AI 唯一的推荐伙伴。
▲ ChatGPT 官网
从 Slack 官网提供的应用解决方案来看，ChatGPT 技术至少已在客户服务、销售、项目管理、营销、人力资源管理等众多商业流程上释放了潜力空间。同时，正在科技、媒体、金融服务、零售、教育等多个行业积累智能化经验。
根据「自象限」的测试，目前ChatGPT for Slack能够对会议的重点内容进行提取、也包括资料重点信息，逻辑梳理；也能够帮助HR筛选新同事简历；为每个员工根据提示回邮件、生成总结等等演示功能。
每一个细分场景都可以深耕。比如在HR SaaS中，ChatGPT可以帮助HR进行特定条件的简历初筛、信息核实并生成一个初步的报告，甚至ChatGPT可以形成一些针对性的问题，对面试者进行初步面试，再根据面试结果反馈给HR进行复试。
这也是当下智能化发展的重点，在于对人效的提升，而非替代人。无论是对个人效率的提升还是组织效率、管理效率的提升，而智能化程度的衡量指标也在于效率提升的高低，并不取决于技术有多炫酷。
从当前的反应来看，钉钉似乎有一些布局动作。在3月初，钉钉收购了类Notion的All-in-one产品「我来Wolai」，也强调想要在智能化产品的道路上逐步探索，打造中国第一款Notion AI。但「自象限」认为，钉钉的重点并不应该只盯在办公场景。
2019年开始，阿里云与钉钉紧密合作，形成了“云钉一体”战略，钉钉是整个阿里云企业应用方向的重要抓手。那么同样，在智能化时代，钉钉更应该参考Slack，如何通过大模型能力为企业进一步提效，加强协同效率，来解决此前一直通过无代码/低代码解决的，技术和业务脱节的问题。
“更懂业务”不是对ChatGPT的挑战，而是对人的挑战。智能化能够打破技术与业务的界限，解决协同不畅导致的效率低下问题，比无代码/低代码更进一步通过技术驱动业务发展。但与此同时，比拼的焦点就完全集中在了“行业Know-how”，单凭工具的先进，可能无法获得核心突围的能力，这也给“飞书们”这样的产品突破企业再设一道难关。
不过，就像很多人知道的那样，当下中国企业的数字化已经到了深水区，甚至更多的企业，连信息化都没有做到，更不要提智能化。
此前，「自象限」与多个中国数据库创业公司讨论过：“为什么在Oracle产品的强压下，国产数据库能够切入”的问题。除了信创政策和国产替代的支持外，更多的是Oracle的产品对企业的数字化程度是有一定要求的，但我国大部分的大型企业接入Oracle时，数据还在账本上。
因此，几家国产数据库都是通过将企业数据信息化的开端切入，把前面的“苦活、累活”干了一遍，才能在Oracle下获得生存空间。
未来有很长一段时间，中国都将数字化和智能化同步发展，而站在AI 2.0的开端，与上个数字化时代一样，中国仍然有很多课要补，大模型建设的 AI Infra 框架下的每一层基础设施都需要快速补齐。这是另一个思路下，潜藏的无限创业机会。
应用生态是向上生长，AI Infra是向下扎根。
