3 月 24 日，OpenAI 轻描淡写地宣布了两件大事：

(相关资料图)

一是 ChatGPT 联网了；

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。

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。

参考国外 " 跑得快 " 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。

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。

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道：" 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想得更明白。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。）

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。

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 Oacle 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。

"ChatGPT 启示录 " 前一篇请见：全球 AI 大模型一览：中美之外还有谁？

本文来自微信公众号：自象限（ID：zixiangxian），作者：程心，编辑：云天明