在这一轮AI在技术产品化的过程中，我们看到了技术和产品相互成就和螺旋上升的过程。在这个过程中，作者从三个阶段来看AI产品的成熟度是产品是否通过了技术验证、产品验证和商业化验证。让我们在文章中看看。

投产比怎么算投产比怎么算在多少内算盈利

一、AI技术验证产品

AI技术，我们只看以深度学习为代表的所谓新一代人工智能技术。然而，以深度学习为代表的人工智能技术分为两个阶段。第一阶段是监督第二阶段是自我监督大模型多模态阶段，这里就不说了，有兴趣可以等我总结一下《AI产品经理看两代深度学习技术的产品化落地之路。

无论AI如何划分技术，企业依靠AI技术的产品化和商业化不能避免解决技术验证问题。什么是技术验证？为什么需要技术验证？我们经常听到产品着陆POC（proof of concept）我们称之为概念验证，我们暂时认为是AI在产品验证中，POC是技术验证。

技术验证的目的是技术在场景应用中的可行性验证。例如，算法可以支持人脸识别，但非洲的人脸识别是否可以，必须找到相应的场景或数据进行验证。最后，可能没有足够的精度或数据来满足客户的场景需求，所以这就是AI算法不可行。

再比如L4自动驾驶，假设政策标准的要求是在一定的评价标准下达到100%的行人检测召回率，即不能遗漏，可能包括雨天、夜间、夜间暴雨，覆盖数万公里，如此苛刻的评价标准，所以在某个阶段，一些公司的技术可能不那么先进，所以对于这些企业，这是技术不可行，不能通过技术验证，更不用说产品验证和商业化验证了。

虽然有一些技术不好的产品确实实现了产品化甚至商业化，但事实上，技术不好导致了极其糟糕的使用体验。例如，我很早就看到人脸识别被用作锁，但我经常无法识别它。幸运的是，密码输入功能已经保留，这本质上是一个密码锁，大多数时候，它是一个纯手动密码锁。

如何实现技术验证？最重要的是一套符合商业场景需求的评价基准，我们通常称之为benchmark，这也是一种常见的学术方式，但这里我们谈论的是满足商业场景需求的评价基准，这是不同于学术评价基准的本质区别。毕竟，我们的目标是产品化和商业化，而不是写论文。(详细介绍后续《实现商业场景技术验证-构建符合商业场景需求的评价基准》)

二、AI产品验证

技术可行吗？当然不是。技术产品化有两个主要问题。一是成本问题，二是闭环应用。成本问题很容易理解。技术应该产品化和商业化，不能太贵。闭环应用是指从简单的核心技术到整个产品化过程的闭环。这两个问题将在下面讨论。

技术的早期阶段伴随着高成本。毕竟，技术突破的早期阶段，技术、人才和生态都是稀缺的。以自动驾驶汽车为例激光雷达，通常数十万，比汽车本身更贵，但随着近五年自动驾驶的发展，激光雷达的成本急剧下降到1000元，已经安排在一些新的力量汽车中。这就是边际成本的下降效应。产品验证需要做的是明确主流的技术路线生命周期要实现产品边际成本的降低，还要注重解决用户问题本身的技术成本价值。

在我的职业生涯中，我曾经看到一个团队制作了一个非常昂贵（数百万）的算法平台，并希望这个产品能够落地到预算只有10w在客户群上，市场上有很多类似的产品是10w等级价格。

闭环应用是技术到产品100公里的最后10公里。为什么是10公里而不是1公里？因为没那么简单，尤其是在业务门道多的领域。

在AI在早期阶段，算法单可行。但事实上，技术可行性验证了很多时候，数据是理想的输入，输出也很简单，但大多数时候，业务要求，如何获取数据，或通过不同系统的数据，如何管理中间数据和结果，结果面对不同的业务使用什么业务逻辑处理等，这些都是典型的AI工程问题。但这些问题往往不考虑技术验证，但却很麻烦。

例如，在产品化过程中，行业有特定的严格标准。即使在今天，对本地化的要求也很高，这可能会扼杀通过的技术验证。在我经历的过去，当一个产品提供给一家大工厂时，由于其严格的安全要求，产品的技术部件几乎发生了很大的变化，产品的加密方案也得到了重构。从技术到考虑业务场景的真实需求，设计满足流程要求、安全保护、授权、漏洞、运维要求等的产品。这是一个闭环应用程序，真正实现产品从0~1。

三、AI商业化验证产品

在AI技术产品化，面向G端和B端，有时产品往往成为单一项目交付，或小规模项目交付，产品商业化泛化能力不足。一方面，缺乏对产品商业设计的考虑，另一方面，它也与产品着陆的场景和特点有关。

例如，G端安全相关部门的业务很难通过saas很多时候，收费是私有化的，这种模式对不同的客户群体有不同的影响。对于G端的一些项目，产品经理会发现，在产品化的道路上，仍然很难摆脱繁重的定制、运营和维护。项目体系负荷向前发展，人力、维护和管理非常困难。没有良好的销售渠道和售后支持，如何玩？显然，产品可能有很好的功能，但如何让下游集成制造商或运营商使用您的产品，减少人力投资和维护管理。问题多多。

如果产品在这些方面经不起商业验证，产品仍然难以生存。

举个例子：AI早期企业码隆科技沃尔玛做了一套AI称重系统在沃尔玛得到认可。严格来说，它是一个很好的功能和不错的产品，但在商业化上并不顺利。再举个例子，早期格灵深瞳有一行为分析产品投入了大量资金，但制作后无法实现。直到一个偶然的项目被用于银行场景安全的一个极其特殊的操作。然而，在产品设计之初，并没有这样的想法幸运的是，它找到了商业场景。

商业化验证主要通过商业模型或商业模式，从支付模式、渠道渠道、合作生态、价值主张、时机、客户关系等维度验证产品的商业化可行性，当然，商业模式也包括最核心的是生产比ROI，简单来说，最后要算账。

在商业化验证环节，还有一个有趣的案例，那就是百度的robotaxi。百度在robotaxi以上是中国最领先的。在出租车的商业模式中，一旦取代了人，汽车本身就一直在接待客户并赚钱。经过核算，商业模式逐渐看到了可行性的希望，如百度的最新一代robotaxi成本已经达到25w，粗算只需2.5年即可回本，与目前的出租车司机相比，还需要支付费用，节省出租车司机后成本可以大大降低。当然，百度还在继续试运行，但可以看出，这种商业模式在不久的将来可能会成功。

做一个好的AI产品，道力长，成功通过技术验证、产品验证、商业验证测试，真正进入良性飞轮状态的人很少，来吧AI产品经理。

本文由 @k-AI产品经理每个人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议

本文的观点仅代表作者本人，人人产品经理平台只提供信息存储空间服务。

今天的文章就分享到这里，如果你也网赚副业项目感兴趣，可以添加维信：beng6655 备注：副业！

本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至 526323532@qq.com 举报，一经查实，本站将立刻删除。
如若转载，请注明出处：https://www.haoxue2.com/10933.html

投产比怎么算投产比怎么算在多少内算盈利

一、AI技术验证产品

二、AI产品验证

三、AI商业化验证产品

相关推荐