Mercoledì scorso (10 settembre) abbiamo pubblicato un rapporto di confronto con Nano Banana, accendendo direttamente la battaglia di marketing del brand "xx vs Nano Banana" nel settore: Due giorni dopo, LoveArt ha iniziato a investire massicciamente in pubblicità, puntando su "integrare Nano Banana", mentre ha intensificato le valutazioni KOL; e Dream ha invece aumentato gli sforzi venerdì e nel weekend, promuovendo a tutto campo Seedream 4.0 e confrontandosi direttamente con Nano Banana in vari scenari. Come testimone, anche se grazie a un'azione rapida sono riuscito a evitare la battaglia di marketing, questa volta "vs Nano Banana" mi ha fatto sentire per la prima volta la pressione dell'investimento massiccio di LoveArt e della pressione costante di Dream. Alcune riflessioni: 1. La narrazione deve essere il primo mover. Noi avevamo già completato i preparativi il 3 settembre, impostando in anticipo i punti di vendita e il quadro di confronto. Quando l'interesse è esploso, altri stavano ancora preparando le campagne pubblicitarie, mentre noi avevamo già beneficiato della prima ondata di vantaggi di traffico. Rispetto a seguire gli eventi, prendere l'iniziativa e impostare il ritmo narrativo è la strategia più conveniente. 2. Le startup devono evitare il confronto diretto. LoveArt vs Dream sembra vivace, ma dietro c'è un consumo di risorse. Entrambe le aziende hanno investito in media quasi 200 annunci/valutazioni, un budget già di livello mondiale, con funzionalità che puntano su pubblicità/design. Per Dream potrebbe non essere un problema, ma la pressione su LoveArt è evidente. Un team di startup che si scontra con grandi aziende in momenti di marketing cruciali rischia facilmente di cadere nella trappola "bruciare budget, ritorni difficili da ottenere". Ancora più drammatico è che, anche se l'intento non era il confronto diretto, dopo il lancio della funzione agent, l'opinione pubblica ha persino iniziato a dire che "LoveArt è stata pugnalata alle spalle da Dream". 3. Il mercato delle immagini non elaborate sta rapidamente standardizzandosi, è necessario trovare rapidamente una nicchia. Quando i parametri di confronto sono già fissati su "ripristino dei dettagli / naturalezza dei colori / design con un clic" e così via, senza una nicchia unica, è difficile emergere. Il vantaggio di MyShell risiede nella comunità di creatori, seguendo un percorso di volano da D a C; Dream, sostenuta dalle risorse e dai canali di ByteDance, è nata con il cucchiaio d'oro, non c'è bisogno di dirlo; mentre i prodotti agent indipendenti tendono a enfatizzare la personalizzazione, e la relazione con gli utenti è punto a punto, rendendo difficile sedimentare una comunità e la fidelizzazione. Un esempio tipico: un mese fa raccomandavo vivamente Manus, ma ora è stato abbandonato. In questo mercato competitivo, il punto di partenza della narrazione > il fuoco successivo; i team con risorse limitate devono trovare scorciatoie, trovare la propria nicchia; ciò che può realmente rimanere non è un singolo colpo di scena, ma un ecosistema in grado di auto-sostenersi e formare una comunità.

Ora guardando i risultati del team, le parti fatte bene non si chiederanno se le hai scritte tu o se sono state scritte da AI; in realtà, la vera abilità è saper collaborare con AI per creare buone cose; al contrario, se una persona non riesce nemmeno a scrivere bene collaborando con AI, è praticamente come non saper insegnare.

Zhang Xiaojun ha posto una domanda a Yang Zhilin durante un'intervista: "Volete realizzare un modello generale piuttosto che un modello di coding, giusto?" Questa domanda riflette più profondamente come gli utenti percepiscano un nuovo prodotto AI, compresi tutti i modelli di grandi dimensioni e agenti o altre forme di prodotto, l'uso, la migrazione, fino a formare abitudini, in realtà è molto sfocato. Spesso, un'eccellente prestazione in un settore specifico attira gli utenti, e una capacità generalizzata/universalizzata che raggiunge il punteggio di 60 può trattenere gli utenti. Questo è particolarmente evidente quando uso perplexity e GPT: perplexity è migliore di chatGPT nella capacità di ricerca di mercato (in termini di velocità); e nelle prestazioni pratiche come la ricerca/redazione nella casella di posta di Google è migliore del Gemini di Google stesso. È proprio in una serie di compiti di confronto casuali che le prestazioni di perplexity superano quelle di altri modelli generali, aumentando la mia frequenza d'uso. Lo stesso vale per altri prodotti AI: la discussione su modelli o non modelli, a mio avviso, è un po' superata, o almeno non è una questione su cui riflettono i costruttori di prima linea. Ciò su cui si riflette è sicuramente il punto di ingresso, il punto di adesione. Affrontare piccoli problemi e piccoli scenari uno alla volta, circondando le città, perplexity può essere più utile di GPT e Gemini.