完整经历 AI 四小龙与 RPA 浪潮后,他觉得 24 年会迎来 2B AI 应用的爆发 | 对谈澜码创始人周健

完整经历 AI 四小龙与 RPA 浪潮后,他觉得 24 年会迎来 2B AI 应用的爆发 | 对谈澜码创始人周健

44分钟 ·
播放数16340
·
评论数41

澜码是目前国内 AI 2B 领域的典型代表公司之一。从阿里云创始团队成员、到依图的十号员工、再到弘玑 RPA 的 CTO,周健几乎横跨了国内整个 AI 和 2B 产业的发展历程。去年初,他又是最早的一批出来做 AI Agent 2B 创业的人。

在这期播客中,我和他快速回顾了当年 AI 四小龙的一些发展历程,并和这波大模型的发展做了一些对比,他也给出了为什么不看好 RPA + AI 的一些看法观点。我们还聊了国内 AI 落地的一些场景、局限等,其中周健给出了一个很乐观的观察,即在他眼中目前国内的市场、客户、钱、技术等其实都到了一个很 ready 的状态,需要的就是更多人进来做产品把市场需求打通。

作为一个有着最丰富 AI 相关经验的人,周健在这期播客中的回答都非常实在,我们围绕很多国内 2B 市场核心问题进行了很直接的讨论(比如为什么觉得国内 2B 还有机会、大小 B 的选择、国内 AI 2B 领域的落地场景、一些之前踩过的坑等等),相信这期内容对感兴趣 AI + 2B 市场的人来说会是一个很好的参考。

人类博物馆】

导游:曲凯,42章经创始人

15 号珍藏:周健,澜码科技创始人

时光机】

  • 2:25 现在的大模型与上一波 AI 四小龙有可比性吗?
  • 12:08 RPA + AI 真的是一个很好的结合吗?
  • 14:20 ToB 场景里,AI 的能力已经完全够用了
  • 15:00 上两波周期中一些可复用的踩坑教训
  • 23:56 国内 toB 还是存在结构性的机会的
  • 27:31 澜码已经落地的 AI 应用场景有哪些?
  • 28:21 企业算力管理会是一个极大的刚需
  • 35:53 AI Agent 为什么还都无法落地?
  • 38:55 我认为 24 年会迎来 AI 应用的爆发
  • 40:28 我的竞争者不是太多了,而是太少了
  • 41:24 AGI、世界模型与人机共生的一些想象

The gang that made this happen】

  • 制作人:Celia
  • 剪辑:思娜
  • 片头 bgm:Mondo Bongo - Joe Strummer & The Mescaleros

【Notes】

周健播客中提到的 Inbound 是指通过 SEO/内容营销等手段,吸引有需求的客户主动上门咨询 (区别于 outbound marketing,即企业方更加主动,通过各种渠道接触潜在的客户,推销产品)

最后,我们的 AI 私董会也在持续报名中,目前已经聚集了一批市场上最好的 AI 创始人(本期嘉宾周健也是其中一员),欢迎点击链接报名(里面也有目前已加入的成员名单,可点击查看)

展开Show Notes
veinwei
veinwei
2024.3.24
知识问答,指标查询,任务完成,流程提醒
——有价值,账算不平
嘉宾的这个先验概率很有参考意义
NOKORI
NOKORI
2024.3.25
这期是我听到现在关于AI最落地的内容。听了太多非常前瞻的预设,消费互联网转AI的投资人们的侃侃而谈,这期坚定了我的一个假设:AI商业化落地可能是一个长期且难的过程,哪怕技术相比现在更有极大突破。
张宝_2024
张宝_2024
2024.3.24
很有启发。但对国内的 To B 市场没有那么乐观,国内 To B 软件的采购逻辑跟美国有很大差异,产品只是一个维度,甚至不是最重要的维度。
NOKORI:你认为美国AI 2B市场很乐观吗?😂都一样的。难的不是采购流程,是产品落地真正产生价值。聚焦采购这个点还是看得太浅了
AngusLong:你没看懂他想说的,和你说的不是一个东西。中国企业服务市场存在大量劣质需求和旺盛的供给,最后出现了软件厂商被迫当总集成商的困局。此外政企大客户普遍习惯了私有化部署和贴身服务,直接导致软件厂商的边际收益递减,增收不增利。国内的PMF困难,最本质的原因在需求端。
3条回复
JASting
JASting
2024.3.25
40:3840:13 Ai-native时代缺少产品经理素质,定义“数据集”的能力,才能让端到端准确率更高。
JASting
JASting
2024.3.25
35:48 Agent1️⃣落地难点:预训练的训练材料让Agent对应用场景的世界模型理解不够。2️⃣解决方法:感知环境了解上下文环境的变化,和已存储的数值类结合,作为中间层关注持续变化的模型层的兼容能力。
JASting
JASting
2024.3.25
25:24 to B领域的结构性机会:1️⃣中国to B领域企业规模过小(benchmark:o C和to B领域 中美头部企业体量的比例);2️⃣中国更多转向了向管理要效率的时代
JASting
JASting
2024.3.25
20:30 创业要区分慢变量和快变量,对于慢变量重要的是提前预判做出准备。B端就是慢变量,包括1️⃣平台业务里,用户是快变量,商户是慢变量;2️⃣To B服务领域客户是,企业对“社会、技术、行业竞争”的预判和组织力更重要。
JASting
JASting
2024.3.24
06:17 目前AI企业内部落地的四大场景“知识问答,指标查询,任务完成,流程提醒”,这些场景目前用AI仍然帐算不平,所以目前企业应用AI实际是政策引导不是价值付费。
37:52 我们就是做嘉宾说的这块,汽车行业saas产品,利用我们在行业的理解,把非结构化如文本和结构化如画像标签数据整合,做了一个数据查询和分析的产品,其实大语言模型对我们价值提升相当大,可惜我们不懂,也找不到团队愿意一起搞,文心和通义都聊过,不了了之
代号 9527:然后你们怎么解决的呢
王波_podcast:解决不了
雨眠714
雨眠714
2024.3.25
37:08 37:15 求这里嘉宾提到的关于“AI Agent现在还缺一个精确的世界模型”文章!
JASting
JASting
2024.3.25
28:25 To B领域重要领域是 大型央企国企的企业级管理,目前的机会是以CPU为核心的价值链会迁移到GPU。如应用和模型的适配,不同应用场景模型的调度和编排。
JASting
JASting
2024.3.25
23:17 toB行业新技术出现早期很容易变成“咨询+服务”。但AI时代差异是,社会对要用AI的共识更高,同时企业会先买算力(有代价),所以算力本来应该作为Ai应用的一部分但是变成驱动因素。
L_Bvb7
L_Bvb7
2024.4.19
00:35 打卡
31:15 联网检索和知识库检索
很有启发 回去搜了澜玛公众号发的文字版 再看一遍
SofiaLi
SofiaLi
2024.3.26
RPA:爬虫高级版 哈哈
JASting
JASting
2024.3.24
03:08 AI 1.0应用在计算机视觉,work的原因:技术演进➡️解锁新场景➡️技术领先方的高毛利,天花板也是技术到达了天花板。
赵程_IuPS
赵程_IuPS
2024.4.19
四小龙是哪四小龙呀?
吃毛嗑:商汤、依图、旷世、云从
MiuMiu_iH9a
MiuMiu_iH9a
2024.4.03
怎么能联系到嘉宾,我有一个项目机会
琳琳Celia:澜码科技官网有联系方式~
JASting
JASting
2024.3.25
34:25 现在的核心产品是“AI agent做技术流程自主化”(过去是RPA,现在是AI agent)。 必要条件:1️⃣agent进入环境解决能力;2️⃣对企业内部数据,文档,流程的变化有感知能力,作为解决任务的上下文;实现自动化生成任务,不需要人来问。