Album
时长:
46分钟
播放:
1,395
发布:
4天前
简介...
https://xiaoyuzhoufm.com
本期节目是一期“单口”篇。任鑫跳出“AI 产品怎么用”的工具层面,深入剖析了“AI 产品是怎么做成”的商业逻辑 。通过复盘三家增长迅猛的海外 AI 公司——Crescendo (AI Rollup 模式)、Mercor (从招聘平台转型数据军火商) 和 Open Evidence (医疗 AI 的信任构建),揭示了在后 AI 时代,如何通过商业模式设计、信任构建和精准的市场切入点,构建真正的护城河。这不是简单的“套壳”分析,而是关于如何利用 AI 重塑传统服务业、抓住巨头博弈红利以及在高壁垒行业落地的深度商业洞察 。
� 关键结论 (Key Conclusions)
AI Rollup 是当下的一个新风口 (Crescendo 案例):不再是从 0 到 1 做 SaaS 去求着传统企业用,而是由资本(VC)主导,直接收购线下的服务外包公司(BPO),注入 AI 技术提效,然后以“保证结果”的方式降维打击传统竞争对手 。这种模式避开了大企业内部复杂的政治阻力和转型困难 ()。
要做巨头博弈中的“军火商” (Mercor 案例):在 AI 巨头(OpenAI, Google, Meta)的“军备竞赛”中,高质量数据是核心弹药 。Mercor 成功从萎缩的传统程序员招聘市场,转型为向大模型厂商提供专家级数据标注(代码、法律、医疗等),踩中了预算无限增长的红利期 。
高壁垒行业的 AI 落地首重“信任” (Open Evidence 案例):在医疗等严肃领域,AI 产品的首要任务是解决“敢不敢信”和“能不能甩锅”的问题 。通过引入权威信源(如《新英格兰医学杂志》)作为背书,并通过 PLG(产品驱动增长)直接切入医生个人的高频工作流,绕开漫长的医院 B2B 销售流程,是快速扩张的关键 ()()()()。
� 关键认知 (Key Insights)
Service as Software > SaaS:当下的 AI 工具往往只能做到 70-80 分,但客户需要 90 分的结果。Crescendo 的打法是用“人”去补齐那 20 分,直接交付结果。对于客户来说,买的是“省心”,而不是买一个需要自己学习和配置的“工具” 。
重新定义“数据飞轮”的有效性:并不是只要有数据就能形成飞轮。传统招聘反馈周期太长(招人后一年才知道好不好),数据无法闭环 。Mercor 转型做数据标注后,反馈周期极短(模型跑分立竿见影),数据飞轮才真正转动起来 。
商业模式的本质是设计“交易结构”:Open Evidence 证明了在某些 B2B 场景下,使用者(医生)不付费,受益者(药企)付费是更合理的模型。它售卖的不是“答案”,而是医生做决策时的“临近权” (Proximity to decision) 。
被巨头“当枪使”是一种红利:你的价值往往取决于你被谁“当枪使”。当年滴滴快滴大战是由于被阿里腾讯当枪使去抢支付入口;现在做高质量数据是因为被大模型厂商当枪使去抢模型能力高地。找到神仙打架的战场,做那个递子弹的人 。
� 行动指南 (Action Guide)
寻找“深水区”的机会: 不要只盯着浅层的工具优化(提升10%效率没人在乎),关注那些劳动密集、分散且利润率低的服务行业(如客服、财税、法律),思考是否可以用 AI Rollup 的模式重做一遍 。
验证你的“飞轮”速度: 检查你的商业设计中,从服务交付到获得数据反馈的周期有多长?只有快速、客观的反馈才能支撑起真正的 AI 护城河 。
设计信任与利益链条: 如果你在做 ToB 产品,思考能否绕过决策层直接服务一线员工(PLG)?能否通过“羊毛出在猪身上”的方式(如广告、数据变现)解决付费难的问题? 。
拓宽信息摄入量: 不要只盯着自己的点子,要多看市场上已有的成百上千个产品的起盘逻辑。“熟读唐诗三百首”,见过足够多的打法,才能在实战中组合出适合自己的招数 。
⏱️ 时间线 (Timeline)
00:00 - 02:52 开场与背景
为什么要读懂商业模式?熟读“唐诗三百首”对创业者的意义 。
这期内容:分析 AI 产品是如何做成的,而非怎么用 。
02:52 - 19:05 案例一:Crescendo (AI Rollup 模式)
03:15 - 04:19 什么是 AI Rollup?VC 直接并购传统 BPO 公司进行 AI 改造 。
04:19 - 07:43 商业模式创新:不卖 AI 软件 (SaaS),卖“结果交付” (Service),用人力兜底解决 AI 的 20% 不完美 。
07:43 - 10:00 为什么传统 AI SaaS 在大企业推不动?组织转型的阻力与“用不好”的困境 。
14:56 - 16:08 降维打击逻辑:为什么洗服务商(乙方)比洗甲方更容易?
19:05 - 30:15 案例二:Mercor (AI 招聘与数据平台)
21:00 - 22:19 招聘市场的本质:将 $N \times M$ 的低效匹配优化为 $N + M$ 的智能筛选 。
22:19 - 26:30 关键转型:从萎缩的程序员招聘市场,转型为大模型厂商的“数据军火商” 。
26:30 - 28:43 真假“数据飞轮”:为什么传统招聘没有飞轮,而专家数据标注能形成极速反馈闭环 。
30:15 - 42:37 案例三:Open Evidence (医疗 AI 搜索)
31:42 - 32:22 核心痛点:医疗 AI 的最大障碍不是智能,而是“信任”和“甩锅”需求 。
32:22 - 34:15 借势策略:如何通过《新英格兰医学杂志》等权威背书构建冷启动信任 。
34:15 - 37:54 增长策略:PLG(产品驱动增长)绕开医院决策层,直接切入医生个人的床旁检索场景 。
37:54 - 40:41 盈利模式:羊毛出在猪身上,向药厂卖“决策临近权”广告,而非向医生收费 。
42:37 - 45:45 总结与复盘
三个产品的核心启示:资本运作(Crescendo)、选对战场(Mercor)、精巧设计(Open Evidence)。
一切成功看似偶然,但我们需要学习底层的“遣词造句” 。
欢迎订阅「AI 炼金术」的播客,以及同名公众号、视频号
「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地,我们会邀请一线创业者、产品产品和科研学者,深入探讨 AI 如何重塑行业、变革生活,以及如何从 0 到 1 打造 AI 原生产品。
我们的讨论会涵盖多个话题:从 AI 如何改变世界的未来,到如何找到 AI 创业的 PMF;从如何利用 AI 降本增效,到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣,这里有满满的干货和一线实战经验,欢迎关注并推荐给你的朋友,共同探索未来的无限可能!
商务合作:公众号 「AI炼金术 」菜单栏中【商务】获取联系方式
节目主理人:
徐文浩:某AI创业公司联合创始人,正在面向全球市场开发AI应用。连续创业者,参与过多家创业公司,拼多多早期员工。广告科技公司MediaV的算法和数据负责人,后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。
任鑫:云九资本合伙人,主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者,曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房;被京东并购后内部创业“京东到家”开展本地即时零售业务;2015 年再次创业 Get 探索对话式人工智能助理成为先烈;2021 年出售公司,2023 年重新回到 AI 世界。
BGM:
片尾:Zac Crook - you wouldn't know
评价...

空空如也

小宇宙热门评论...

暂无小宇宙热门评论

EarsOnMe

加入我们的 Discord

与播客爱好者一起交流

立即加入

扫描微信二维码

添加微信好友,获取更多播客资讯

微信二维码

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的节目添加进来吧