AI只有Chat？——AIGC产品进化论

从2022年年底到现在，接近两年的时间，AIGC产品从无到有，从简单的Chatbot套壳和单次generate，发展到现在，不仅应用到了各种应用场景和领域，而且产品形态也有了很多的发展。

本文从用户需求的发展来聊聊AIGC产品形态的发展。

AI从Chat开始

自从ChatGPT爆火，很多套壳GPT接口的通用chatbot出现了，因为信息差、网络、价格、OpenAI的限制等等各种原因，这些chatbot，靠着SEO快速获取流量并赚到了钱。

而且，时至今日，这些chatbot依然活的很不错，毕竟AIGC时代，对chatbot的需求，仅仅一两个ChatGPT这样的巨头是远远不够的。

Generator大爆发

然而，通用的chatbot是远远无法满足具体场景的需求的。而且，从ChatGPT的爆火开始，各种Generator的需求出现井喷式的增长，包括文字、图片、视频、音乐等等。于是，各种简单的单次生成的Generator开始大爆发，从去年一直到现在，势头只增不减。

两种基于单论对话的Generator

总结下来，这种基于单轮对话的Generator有两种。

第一种，是基于单个大模型的单轮对话生成结果。

比如，比较常见的文字生成、图片生成等。

第二种，是基于多个大模型的单轮对话生成结果。

就是说，基于一次prompt的提交，多个大模型生成不同的结果，最后组合数据，返回给用户。

最典型的就是音乐的生成，像Suno，提交一段prompt，它不仅会生成音乐，也会生成这个音乐的封面图、标题和歌词。而且，这其中是有流程的。先生成标题和歌词，然后再生成音乐。

基于单论对话的Generator大爆发的原因

其实，基于单轮对话的Generator，以及基于单轮对话的AI Search和AI Answer的大爆发有两方面的原因。

一方面，是用户各种用户场景对AI的需求井喷式增长

但这些需求相对比较简单，只要能简单地生成比较满意的结果就可以。因为只要能做到这一点，就能比以前的方式大幅度地提升效率和提升质量。

比如，写一封邮件，以前需要花上一些时间，思考一下，一句句写出来，但有个AI Email Generator，只要提要求，就能得到一个基本满意的结果，然后，自己稍微改一下就可以了。

另一方面，是开发成本的问题

对于做AI产品的站长和开发者来说，这种单轮对话的generator开发简单，没有多大的开发成本，可以快速做出来，上线，然后通过SEO获得大量的流量，并且变现。

AI回归Chat

然而，今年以来，有一个明显的变化。

针对特定场景和需求的、基于Chat，也就是基于多轮对话的Generator开始强势登场。相对于基于单轮对话的Generator，它的优势非常明显。

基于单轮对话的Generator是有问题的。

做过这种基于单轮对话的Generator的朋友们感受应该会比较明显，用户对这种产品的使用方式是用同一个prompt多次Generate，得到多个结果，然后，如果有满意的，那就结束，如果没有满意的，要么修改prompt再次尝试，要么就放弃了。

无论是文字的生成还是图片、音乐、视频等的生成，都是这样。

如果没有做过这种基于单轮对话的Generator，可以去discord上的midjourney服务器，看一下就知道了。
原因其实也简单，用户使用这种基于特定场景和需求的Generator，目标就是能简单地获得自己想要的结果。

然而，基于单轮对话的Generator，每次生成，其实得到的都是不确定的结果，这个结果，用户可能满意，但更多时候是不满意，所以，用户就只能多次尝试，甚至稍微该动prompt，之后多次尝试，以期得到一个满意的结果。也就是说，这种产品无法给用户一个获得确定的满意的结果的方式。

但，基于Chat（多轮对话）的Generator就不一样了，用户第一次生成后，如果不满意（绝大多数情况下是不满意），可以让AI在这个基础上修改，甚至是多次修改，直到得到一个满意的结果。

也就是说，基于Chat的Generator给了用户一种获得确定的满意的结果的方式。

比如，V0这个产品，基于Chat，生成代码，把代码版本管理加入进来，每一次Chat和修改，就会在原有的代码基础上，生成一个新的版本。

再比如，交互式故事生成器，每一次Generate，生成这个故事的一个段落，然后用户再continue或通过prompt控制情节的发展生成下一个段落。

这些都是基于单轮对话所无法达到的，但却是用户能得到自己想要的确定的结果的方式。

AI只有Chat？

需求是递进的

[pms-restrict]

用户的需求总是递进的。

第一种：

当一个新鲜事物出现时，用户对它的需求往往只是尝试一下、体验一下。

第二种：

然后就会有基于特定场景的需求出现，这个时候，需求往往只是简单和粗糙的。这个时候，一个简单粗糙的产品其实才是最容易成功的。

第三种：

只有体验过了这种简单粗糙的产品，用户才会有更高的需求，对产品的要求也会越来越严苛和细分。这个时候，产品会越来越细分，越来越针对特定的用户和场景，只有这样才能接得住用户的需求。

AIGC，目前，可以说三种都有，而且三种情况的需求强度都很高。但随着时间的推移，我认为以下三种会逐渐脱颖而出。

产品的方向

后续，我认为以下三个方向会出现大量的AIGC产品。

适应各种细分场景的基于多轮对话的chatbot

这个不用说了。

基于各种细分场景的工作流式的Generator

目前，比较典型的就是AI PPT了，先生成大纲，再一页一页的生成，而且每一页都会有文字和图片的生成。

而实际上，很多内容的生产都是需要一个工作流的，比如视频，写剧本、分镜、视频生成、声音、字幕等等。

所以，基于各种细分场景的工作流式的Generator会越来越多。

主动式AIGC

写代码的朋友都体验过cursor了吧。

TAB键，从未变得如此重要和高频。这都是cursor的主动式的补全和修改的提示在不断地出现，而且大多时候，还很正确。

这种基于现有内容的主动式的提示，应该会出现在更多的场景和产品中。

[/pms-restrict]

总结

AIGC时代，我们要如何工作和创作？这是所有AIGC产品都将面临的问题。

推荐大家去看《西部世界》这个美剧。

2018年，我做了一个机器人，而那一年，正是《西部世界》第一季火爆的时候，说实话，这部美剧对我做那个机器人启发很大。

https://www.lyustu.com/%e4%bb%80%e4%b9%88%e6%98%af%e5%89%a7%e6%83%85%e6%9c%ba%e5%99%a8%e4%ba%ba/

https://www.lyustu.com/%e5%85%b3%e4%ba%8e%e5%89%a7%e6%83%85%e6%9c%ba%e5%99%a8%e4%ba%ba/

去年（2023），《西部世界》第四季播出，我看了之后，对一个场景印象特别深刻。

女主在公司，创作一个游戏的场景，她对AI描述了一下大致的情况，然后AI直接渲染出了3D的人物和场景。然后，女主又多次告诉AI如何修改，甚至是否定AI的创作。

这不就是AIGC产品的终极交互方式吗？至少也是终极交互方式之一啊。