今年被众多 VC 一致看好的 AI 应用，为何是它们？

2023，眼看着只剩下不到两个月的时间了。

在今年兴起的这股 AI 浪潮中，哪种 AI 应用是最有前景，最值得下注？关于这点，投资界似乎已经达成了一致的共识。

最近，一家专注于 AI 的新闻平台 AIbeat 统计出了全球 10 家估值最高的人工智能初创公司。

如果人们对表格中的企业进行筛选，就会发现，其中有超过半数以上的产品，都属于同一类 AI 应用。

在表格中，无论是 ChatGPT、Cluade，还是 Inflection AI 的 Pi，注重写作功能的 Jasper，或是关注于企业服务的 Cohere，都可以统一归类为 AI 助手。

可问题是，在当下的生成式 AI 赛道上，这类以自然对话为主要功能的应用，已经呈现出了一种愈发明显的同质化倾向。

同样的问题，用户既可以用 ChatGPT 来回答，也能用 Cluade 进行协助。

并且，除了少数头部企业外，大部分团队都难以建立较高技术壁垒。

既然如此，这类应用为何仍会被被投资界看好呢？

1 个性化的意义

关于 VC 看好 AI 助手的原因，我们或许可以从初创公司 Writer 的融资过程得到解释。

进入初秋的 9 月，为企业提供全栈式内容创作解决方案的 AI 初创公司 Writer，宣布完成 1 亿美元 B 轮融资，投后总估值超过 5 亿美元。

其主要的产品，就是一款面向 B 端的 AI 助手 Writer.AI。

Writer 本轮融资由 ICONIQ Growth 牵头，同时还有 WndrCo、Balderton Capital、Aspect Ventures 参与。

其中，ICONIQ Growth 在投资界有相当高的地位，被人称为，成功地投资了许多知名公司，如腾讯、Zoom、Send Bird、Flip Kar 等，其意见非常具有代表性。

在谈及自身投资理念时，ICONIQ Growth 提到：公司在最开始时应该注重新客户增长，然而，等到公司 ARR ，即 Annual Recurring Revenue（年度经常性收入）增长到一定份额，过度关注新客户会让不确定性增加，反而导致流失。所以，当 ARR 增长到一定数量后，公司需要注重老客户维护。

而在维护客户方面，Writer 展现出了令人满意的一面。

在过去两年中，Writer 不仅获得了 10 倍收入增长，并实现了 150% 以上的净收入留存率，也积累了 Spotify、欧莱雅、Uber、Handshake、Hubspot、德勤等数百家大企业客户。

而让 Writer 保持用户留存率的关键，正是其核心产品所具有的定制化、个性化的功能体验。

具体来说，Writer 的知识图谱能与客户的关键信息源和文件轻松集成，这意味着 Writer 的不仅能够访问和整合企业的关键信息和数据，而且在回答问题、分析数据、调研业务和创建总结时，提供「量身定做」的富有价值的洞察。

这种连接和整合能力，有助于确保生成的内容更符合企业的业务需求和规定。

同样地，在其他的 AI 助手类应用中，我们也能看到这种「个性化」的影子。

例如，专注于语音转录的 AI 应用 Otte.AI，就可以根据不同的语音对话内容，针对性地提供一些分析、建议。

同时，通过语言识别以及人声分离（diarization）技术，Otte.AI 还能通过声音来辨别某人的身份。一旦检测到一个人的发言，系统就会为该发言者创建一个声纹配置文件，从而分辨同一个人其他所有的语音。

除了 Otte.AI 之外，RewindAI 也是一个靠个性化取胜的例子。RewindAI 最核心的功能，就是提供了一种「记忆助手」的能力。

Rewind 能够在用户同意的情况下自动记录手机或电脑上的所有信息，并支持回顾、检索和总结。

它可以将用户在 Safari 浏览器中阅读的内容以及导入的屏幕截图等进行捕获，并提供浏览和搜索的功能。用户只需滑动时间线，就可以快速浏览之前的内容。

凡此种种，都表明了个性化在当前 AI 助手类应用中的普遍性。这种为用户「量体裁衣」的行为，无疑潜移默化地加大了用户的粘性和使用时长。此外，个性化也意味着「千人千面」，会极大扩展应用的覆盖范围，用户规模的天花板更高。

2 壁垒在哪里？

除了个性化之外，AI 助手最大的战略制高点，是其在不断交互中铸就的专有数据壁垒。

在移动互联网时代，无论是百度、腾讯，还是谷歌、亚马逊，都未能像今天这般重视和利用数据。

当时，在各个巨头们看来，只有用户和流量才是最关键的，谁能烧更多的钱，圈住更多的用户，谁就能形成更大的规模效应。

在流量为王，规模为王的残酷逻辑下，整个市场就是一种零和博弈的状态，A 平台用户的增多，往往意味着 B 平台用户的减少。

在这样的存量厮杀中，许多平台之间的赛道往往是重合的，于是大家只好绞尽脑汁地卷应用、卷功能、卷内容。

当大家在应用、功能和内容全都卷到头后，整个互联网的逻辑就很难再走下去了。

AI 助手的出现，让情况发生了转机。

通过对用户行为数据进行实时的调整和优化，AI 助手可以不断为每个用户积累独特的专有数据。

而人类个体的差异性、多样性，决定了一个个建立在专有数据上的赛道，终将不会是拥挤的，内卷的，零和博弈的状态。

因为 AI 助手针对的用户，是一个个具体的「个人」，或是由不同的个体组成的企业，而非被算法抽象化了的几个粗放的标签、群体。

关于【今年被众多 VC 一致看好的 AI 应用，为何是它们？】的延伸阅读

• 重新理解Marlin：AI下半场的可验证计算L0「新基建」

  Marlin是一种可验证云计算服务，利用加密技术保证数据安全，为AI+Web3应用提供低延迟、低成本的解决方案。它基于TEE和ZKP技术，为用户提供通用化的云计算方案，并通过激励机制吸引节点为网络贡献资源。Marlin的愿景是成为AI世界的可验证通用L0，为Oracle预言机、ZK Prover系统、AI人工智能等应用场景提供节点算力和存储等网络资源服务。它可以为AI大模型训练提供安全的计算环境，并为多元化应用场景提供可验证计算中间件。在AI+Web3时代，Marlin有巨大的价值潜力，可能成为未来AI+Web3应用的关键基础设施。

• Sam Altman 围绕 OpenAI 打造出一个致富帝国

  OpenAI首席执行官奥特曼同时经营副业，但只有一份工作让他发了财。他投资了多家想抓住人工智能风口的公司，包括网络安全软件公司和清洁能源公司。他最成功的投资是支付处理初创公司Stripe。奥特曼也投资了使用OpenAI技术的初创公司。他曾因投资引发利益冲突而被罢免职务，但重新担任首席执行官后制定了新的利益冲突政策。董事会正在进行改革，包括强化利益冲突政策和独立审计委员会。奥特曼计划通过全面披露和董事会管理来解决利益冲突问题。

这样的差距，主要是由 AI 和上一代算法之间不同的技术特点决定的。

相较于 AI 助手而言，上一代算法系统依赖于有限的数据集进行训练，在进行算法推荐时，通常依赖于人工设计的特征，但这些特征可能无法充分捕捉用户行为的复杂性和多样性。

举例来说，如果某人是一个男性用户，那他在浏览某个视频 APP 时，就更有可能被推荐一些军事、政治相关的内容，哪怕该用户几乎没点过这样的视频。或者一直推荐相同标签的视频。

与之相比，AI 助手的进步之处，就在于其能够通过深度学习、强化学习等技术，实时收集和处理用户行为数据，不断进行调整优化，从而捕捉到一些非线性的、更加复杂和细微的数据特征。

如此一来，用户便从粗放的，笼统的标签中解放了出来，成了「独一无二」的个体。

即使某些 AI 助手在功能上出现了重合，但由于专有数据的存在，用户也将在一次次优化和反馈中，逐渐习惯并适应与自己磨合已久的 AI 助手，而不会轻易转投别的应用。

因此，建立在这些专有数据之上的 AI 初创企业，也将有着更强的生命力。

3 可能的挑战

既然 AI 助手如此风头无两，前景无量，那它可能遇到的挑战或问题又是什么？

关于这点，此前的 AI 独角兽 Jasper，可谓用自己的惨痛经历当了一次「反面教材」。

作为最先投身 AIGC 领域的公司，Jasper 很早就获得了资本青睐，取得非常高的估值。

早在 2022 年，Jasper 就积累了 100 万用户，当年 10 月，Jasper 获得了由 Insight Partners 领投的 1.25 亿美元 A 轮融资，估值也涨到 15 亿美元，跻身独角兽行列。

然而，好景不长，今年 2 月，Jasper 预期全年收入为 1 亿 4000 万美元，结果到了夏天就把预期下调了 30%，紧接着在 7 月开启了裁员。

而前不久，Jasper 已经将面向员工的股票估值降低了 20%。

此前，很多人在分析 Jasper 这类 AI 助手失利的原因时，总会将症结归咎于专有模型的缺乏。

毕竟，到目前为止，Jasper 使用的仍然是 ChatGPT 的 API 接口，是妥妥的「套壳」应用。

因为缺乏专有模型，所以无法直接访问和分析用户数据，无法分析用户数据，也就难以形成针对性的调整和优化。

既然如此，那么 Jasper 这类缺乏专有模型的 AI 助手，究竟能否找到自己的生态位呢？

如前所述，尽管 AI 助手最核心的优势之一，是其个性化的定制功能，但这样的定制，也分为了被动定制和主动定制。

所谓被动定制，指的是无需用户进行设置，就能自动收集、分析数据，并进行自适应学习的一类 AI 助手。

这方面的例子，有 Inflection AI 研发的 Pi，以及之前提到的 Rewind.AI。

而主动定制，指的则是需要用户根据自己的需求、喜好，自主进行设置、定制的那一类 AI 助手。

对于各路开源的，或使用第三方模型的 AI 助手来说，在缺乏专有数据的情况下，主动定制的路线显然是一种更好的替代方案。

例如，Polyglot 是一个开源的 AI 口语训练平台客户端，它可以帮助用户练习多种语言的口语技能。Polyglot 通过使用 AI 技术，为用户提供个性化的口语训练建议和反馈。

用户可以根据自己的需求和水平，选择合适的语言和训练难度。

而 Polyglot 会根据用户的发音、语法和词汇等方面的表现，提供实时的反馈和建议，帮助用户提高口语水平。

另一个更明显的例子，就是被人广为熟知的 Poe.AI。

在这个近乎于大模型 APP Store 的应用中，用户可以根据自己的各种需求，主动地定制性格、身份以及功能各不相同的 AI 聊天机器人，从而 AI 更有个性，更符合自身预期。

尽管 Poe.AI 的所有模型，都来自第三方 API 接口，但通过这类「用户自制」的功能，用户的个性化需求同样得到了满足。

4 总结

如果要论 AI 助手在商业上的最大的价值，那就是它为人工智能的「iPhone 时刻」进行了预演。

自本轮的 AI 浪潮兴起以来，无数的企业、VC 或投资人，都在思考和寻觅 AI 的「iPhone 时刻」。而倘若我们回望往昔，就会发现这类「iPhone 时刻」实现的条件，AI 助手已经准备了八九不离十。

2007 年，苹果推出了革命性的 iPhone1，它集合了触摸屏、摄像头、音乐播放器、网络浏览器等多种功能于一体，改变了人们的通讯、娱乐、生活和工作方式，并开启了移动互联网的新时代。

同样的，作为一种集成化了的应用，AI 助手可以通过语音、文字、图像等多种方式与用户交互，并能实现搜索、预订、写作、问答等多种功能和服务，从而满足用户的各种需求和场景。

而比当年的 iPhone 更进一步的是，现在的 AI 助手，不仅能通过不断地学习和进化，改善自己和用户的关系，并且某些 AI 助手所具备的人性化的陪伴和情感功能，更让其超越了一个工具的范畴，成为了一种与用户形影不离的「智能伴侣」。

现阶段，许多 AI 助手的功能，如果单个拎出来看，都有出类拔萃的地方，但这些功能仍然是分散的，未经整合的。

倘若经过了市场的发酵和反馈，某个满怀雄心的企业踏出了关键一步，那么一个融合了之前所有 AI 助手所长的「集大成者」就会应运而生。

到了那时，人工智能的「iPhone 时刻」就会真正到来。

免责声明：本文仅代表作者个人观点，不代表链观CHAINLOOK立场，不承担法律责任。文章及观点也不构成投资意见。请用户理性看待市场风险，以及遵守所在国家和地区的相关法律法规。
图文来源：AI 新智能，如有侵权请联系删除。转载或引用请注明文章出处！

标签：AI