专栏名称: 刘言飞语

好的产品总是充满善意。好的文章亦然。

Kimi 试水商业化，年轻产品如何长期主义？

刘言飞语 · 公众号 · · 2024-05-17 21:00

正文

我一直有个观点，即 AI 只是技术，并不存在特定的产品，只要用了 AI 就能成立的。AI 产品包括了是否洞察了用户需求、是否发挥了技术优势，也包括怎样与用户沟通（运营）。这些也都跟 AI 产品背后的团队气质有关。

从 ChatGPT 引起科技行业轩然大波已经过去一年了，国产 AI 产品我也试用过了很多，感受比较强烈的还是 Kimi Chat，这是个很不一样的产品，尤其背后的团队 Moonshot 也很不一样。

这个不一样从名字就开始了，「月之暗面」就是 Pink Floyd 的经典专辑，这个封面可能也是摇滚史上的经典。我自己是黑胶爱好者，也有这张专辑，放在书架上，很喜欢。

技术不是做数学题、不是写多少行代码那么简单；也不是有了好技术，就一定等于有好产品。正好这几天在用 Kimi Chat（下文简称 Kimi）的时候发现他们上线了加油的功能，就趁机以它为载体聊一聊这个话题。

1 需要技术，也需要用户场景

Kimi 是国产 AI 产品里最受关注的之一，根据我看到的一个统计（similarweb），Kimi 的 Web 端访问量在 TOP2，一度超过了文心一言。

在 Apple Store 的免费榜里，也曾冲到过 AI Chat 类应用的 TOP3，另外两家是百度和字节的产品。Kimi 也是「小厂」中最受瞩目的一个。

估计很多没用过的朋友也不太能理解为什么 Kimi Chat 能有这样的热度，有的会认为就是投放的效果（当然跟投放有一定关系）。

大模型本身是技术，并不代表用户场景。跟所有用户产品一样，Kimi 也首先满足了特定的用户场景。

Kimi 能联网获取信息，是搜索引擎的替代品，而且是体验更好的替代品：在原始网页基础上做了初步的整合。

我在之前的文章里聊到过，搜索引擎看似用关键词搜索已经门槛很低了，要找到真正对应的内容，还是有难度的。

如果你去观察身边的老人，就会发现，他们压根不会用关键词去搜索。而是用完整的句子，也就是自然语言表达。

我们随意在国内最主流的搜索引擎输入一个词，从联想出来的常见输入语，就能看得出来。

而这些完整的句子，很多时候未必能搜索到最准确的内容，要仰赖分词技术。对于搜出来的结果，哪些跟搜索语相关，也需要有判断。这也是为什么之前虚假广告大行其道，因为很多人会自然地点击前几个结果页面。

还是不要小看互联网对于多数人的门槛。很多技术出身的朋友恨不得所有人都会写爬虫、自己操作脚本去获取信息，瞧不上看起来没有什么技术含量的 Kimi，认为不存在需求。这是忽视了人群和场景。

当然，现在的联网搜索功能，还没有那么理想。我自己的使用体验，60% 能得到顺畅的结果，不用再切换工具了，在当前的 UI 内就能得到足够的信息。40% 的情况可能还要去原始网页看看，或者在搜索引擎继续搜集材料。

2 需要技术，也需要用户体验

用户体验，看起来是一个很虚头巴脑的说法。但正因为它抽象，很多人也就忽视了。体验实际上是囊括在很多小地方的，很多团队要做用户体验地图，一张图拉出来，一百个用户触点，每个触点都值得推敲、值得深究。

我体验到的 Kimi 的这种小的特点至少包括：

响应快，出字就是比多数别的产品快，等待时间正好在可接受的范围里。
界面简洁。这个有点见仁见智，从我的视角看，首页里塞的东西没有让我很反感；页面也没有一堆边栏。
使用方便。多数 AI Chat 产品需要登录才能使用；有的 AI Chat 产品无法查看信息来源网站；有的 AI Chat 不能读取网址；...
效果不错。从最终效果来看，Kimi 已经能在某些情况下替代 ChatGPT（GPT-3.5）了。不要相信别的国产大模型说早就超过 4 了。能在部分情况下接近 3.5 已经是极限，说明在一线水平。

对我而言，Kimi 能在我对某些问题无从下手的时候，提供非常好的引导作用。比如，我对日元贬值的问题感兴趣，就可以得到这样的回答：

再比如，我对不同的标普基金的涨跌情况不同，有比较大的疑问：

在搜集材料时，效率也的确比搜索引擎要高出很多，比如想了解 Zara 历史上是否有知名的语录：

在播客「半拿铁」的创作过程中，我跟潇磊对 Kimi 的使用率是不低的。潇磊主讲的节目，会用 Kimi 来做全文的摘要整合。

我在之前做的纯主观测评里，Kimi 在搜集信息和整理文稿方面，表现突出。

我在 3 个多月前就发了这么一个贴，说明我不是这两个月 Kimi 火了才要蹭热度的：

3 年轻的技术：长文本

在用户需求和用户体验背后，Kimi 有自己更年轻的想法，这个想法就是长文本。

Kimi 是国内第一个提出和推进长文本概念的。在 Kimi 之后，通义千问、文心一言都纷纷加入了战局，推出了适应长文本的功能。

长文本是对应 RAG 的一种技术概念，RAG 是 Retrieval-Augmented Generation，直译为检索增强的生成技术。

简单理解，RAG 是得到了一个问题（用户的输入），可以去数据中进行检索，把相关的数据做整合，再进行输出。像是查字典的逻辑。当然 RAG 涉及的并不是单一技术，还包括如何切割数据、提取数据、检索数据等等。

RAG 在处理明确的问题时效果拔群，比如「今天天气怎么样」。在一些严肃的场景中，RAG 也能更好地搜寻到信息，比如法律、医学相关领域。

不过 RAG 有个天然的缺陷，即无论是输入，还是输出，文本过长的情况下，就很难有满意的效果。

长文本相对而言能解决输入和输出长度（token 数量）的问题，因为它是用完整的数据建模的，而不是有了输入再去检索。让长文本模型阅读一本长篇大作、书写一篇论文、帮助思考和推理，都是可以实现的。

我也终于排队排上了 Kimi 的 200 万字长度的长文本功能试用，把多年前的两本书《从点子到产品》和《产品思维》投喂给它，让它分辨异同，以及给出用户场景的案例。从结果的信息看，是相当准确的。

长文本和 RAG 是技术路线的分歧，而选择长文本，自然就是假定了一个用户需求的趋势：用户并不只是简单从搜索引擎搜搜东西而已，可能要用大量的文档里获取信息，也可能完成大篇幅的创作。

坦白说，目前的大模型的内容生成，对我这样的内容创作者来说，还没有达到标准。获取信息是可以的，但要能够直接采用，还有距离。文本的细节相对比较粗糙。

不过我搜集了一些投资人、学术界和工业界的观点，相对一致的是，都认为长文本未来的机会是足够大的。无非是在多大程度上替代 RAG。

我自己的感受是，如果有技术已足够成熟的长文本输入和输出的用户侧产品，那么就可以覆盖一个非常好的场景，即垂直知识库：

博物馆可以自建知识库；
每本书可以有自己的知识库，有多本书的作者也可以整合成一个知识库；
个人自己的日记库，哪里发生了什么，直接讲给对方听；
某地旅游的知识库，或者当地生活信息的知识库；
...

这类产品目前也存在，也有很多开源技术可以用，不过还是话说回来，能够用开源技术自建模型，和使用体验优异的用户产品，门槛高低会直接呈现在用户的规模和商业价值上。

这是 Kimi 选择长文本的逻辑，也是一种长期主义的做法。如果只看当下的使用效果，可能 RAG 就足够了，但要想布局以后，长文本会更有机会。

这是一个年轻的技术，也意味着这是一个有成长机会的技术。

4 年轻的用户沟通方式

了解大模型的朋友就知道，数据是大模型的核心壁垒之一。而为什么 ChatGPT 的产品路线被大家认同，过去 Google 那种在公司实验室里养蛊的方式就不再受欢迎，就是因为有了用户的参与和真实的使用数据，产品迭代就成了有源之水、有本之木。

Kimi 很有意思的地方在于，它也有了特别的社区氛围。你可能会疑惑：没有在 Kimi 的官网看到社区啊，哪来的社区氛围？

我一直认为，社区出现不在于形式，而在于是否有实际的真实成员、以及成员之间的交互。就像某个短内容平台，每天用户上亿，但用户之间从不发私信，只是给网红点赞，就称不上社区。

Kimi 的社区更多发生在小红书、即刻这些内容平台。以我熟悉的即刻为例，就有很多用户自发分享使用方法（篇幅有限，截取部分）：

还有 Kimi 的产品经理自己予以总结和引导（原帖有 31 条，截取部分）：

这些是格外有价值的一些传播。

日常的投放只能做到让人留下印象，更多只是物料。这些自发出现的 Kimi 的用户，能够沉淀很多内容，不光带动更多人关注 Kimi，还能更好地使用 Kimi，乃至参与到其中。官方在即刻出现这些内容后，也动作很快，不少员工入驻，共同讨论。

不止是让 Kimi 有传播，不止是一种低成本的营销策略，也同时能帮助一个 AI 应用层的团队，去研究有哪些真实的场景和真实的问题。这是通往真正杀手级应用不可或缺的一条路径。

这种年轻的状态，背后是年轻的团队。

5 年轻的团队没有包袱

产品的年轻感是个很玄的事情，这背后与团队的年轻有很大关系。可能是我自己接近中年，产生了一些偏见，我始终觉得年龄也与能否在新技术要素出现的时候创新，有很大关系。

我这两年读各种历史故事比较多，发现历史上也不断重演这种故事。只有没有历史包袱的年轻人，才能在新技术要素到来时更没有负担。我认识的几个产品经理就加入了 Kimi，他们在职场上不太成熟，在产品架构上也经验有限，这在创业的时候反而变成了优势，前面说的，不管是选择更有挑战性的技术，还是选择更新颖的用户沟通方式，都是如此。

在 AI 领域也是类似，不同时代的专家，都会被新的专家颠覆。明斯基、麦卡锡这些创立了人工智能的老前辈，就被后来的杰夫·辛顿、杨立昆、本杰奥的技术路线给颠覆了。如今 OpenAI 带来的技术路线又很不同，Llama 3 又作为后来者引起很多轰动。都在验证，创新者还是要更年轻。

是挺残酷的一个认知，毕竟也把我自己划出了圈。总的来说，我个人更喜欢年轻的团队一些，很多经历过移动互联网，甚至有的经历过完整 PC 互联网时代的产品经理，他们主持的项目，我反而可能不太看好。

对于 Moonshot 和 Kimi，值得关注的还有它的创始人杨植麟。对于他的一些介绍，我早先了解的不算多，每次看到标题说「天才少年」「XXX 亲传弟子」就有点祛魅，不愿打开文章细读。后来多了解了一番，发现背景的确很好。我在这里把水分挤干，写几条供参考：

CMU（卡耐基梅隆大学）博士毕业，这是 AI 领域的几座大山之一；
是年轻学者中 NLP 相关领域被引用论文次数最多的之一；
曾经在 AI 最前沿的公司 Meta 和谷歌大脑任职；

Kimi 试水商业化，年轻产品如何长期主义？

正文

请到「今天看啥」查看全文