本期出海去播客直播邀请了跨界 AI 的独立制片人余思晨，探讨 AI 在电影行业的需求和应用。思晨分享了 AI 剧本评分系统的运作经验，并分析了其失败原因，强调了行业对剧本评估工具的真实需求。讨论深入到 AI 如何赋能影视作品的前期、中期和后期制作，以及 AI 在剧本评估、预算管理和场景设计等方面的应用。此外，还探讨了 AI 在短剧创作中的作用，以及版权问题对 AI 技术在影视行业应用的影响，强调了 AI 技术在影视行业快速发展的同时，对行业从业者带来的机遇和挑战。 如果你喜欢这档播客，并想结识主理人和其他对这档播客感兴趣的朋友，欢迎加入听友群。 本期精华 04:18AI 剧本评分系统的运作与失败分析 09:30影视作品制作流程与 AI 赋能的需求点 17:47AI 剧本评估系统的价值与市场需求分析 26:19AI 技术在剧本筛选中的应用与出海去社区介绍 34:05科幻大片与 AI 结合的原因及应用场景 42:28AI 生成视频在影视行业的应用与版权问题 50:30AI 在影视制作中的应用与需求分析 58:03AI 在短剧创作中的应用与短剧的特点 1:04:21短剧的起源与发展及总结 ---- 关于我们： 出海去( www.chuhaiqu.club )是一个赋能独立创客、一人公司和小微团队的新型社区孵化器，帮独立创客打造全球化一人公司。 欢迎大家加入会员社区，与千位航海者并肩，用 50 场实战课拆解真实出海路径。40 小时沙盘推演产品定位与冷启动策略，三年沉淀的避坑知识库常驻手边。当你的项目驶向新海域，这里总有前哨的灯塔亮着。立刻扫图中二维码加入👇

本期出海去播客讨论如何在红海中寻找蓝海，即垂直市场的出海机会挖掘。苏熊分享了垂直市场的底层逻辑、思维模型和具体机会，强调小众需求不等于小营收，以及大厂盲区理论，即小市场是大厂因成本而不愿进入的领域，却是独立开发者和小团队的机会。 如果你喜欢这档播客，并想结识主理人和其他对这档播客感兴趣的朋友，欢迎加入听友群。 本期精华 02:25垂直市场机会的真实性探讨 04:15学习路线与产品化思维 07:09垂直市场的底层逻辑：大厂盲区与需求密度 09:15大厂盲区理论与独立开发者的机会 12:57技术人员的产品设计陷阱与少即是多原则 15:22MVP 与产品思路 17:44垂直市场的三层思维模型：微观、中观、宏观 21:00数据分析与用户反馈的重要性 23:40宏观层面与市场细分 27:23实战环节：海王 to do list 的管理器 29:30市场分析与规模计算 31:35市场调研工具与报告分析 35:00用户画像与核心痛点 45:00成功垂直产品 DNA 47:01定价原理与策略 52:00精准营销渠道 54:13需求分析与总结 59:22常见陷阱与避坑指南 ---- 关于我们： 出海去( www.chuhaiqu.club )是一个赋能独立创客、一人公司和小微团队的新型社区孵化器，帮独立创客打造全球化一人公司。 欢迎大家加入会员社区，与千位航海者并肩，用 50 场实战课拆解真实出海路径。40 小时沙盘推演产品定位与冷启动策略，三年沉淀的避坑知识库常驻手边。当你的项目驶向新海域，这里总有前哨的灯塔亮着。立刻扫图中二维码加入👇

出海去 AI 主题系列直播，帮助 AI 创业者找到垂直市场的需求。每一期，我们邀请一位行业专家，和 AI 创业者、开发者展开一场跨界对话： 🌱 行业真实的问题是什么？⚙️ 哪些需求能被 AI 工具或 Agent 有效解决？🤝 行业 know-how 如何成为 AI 创业的护城河？ 这是非常具体的行业案例，也是一种可以迁移的创业方法论。我们希望借由这次系列直播，帮助更多 AI 创业者了解一个行业如何被 AI 加持，寻找真正可落地的创业方向。 👤 嘉宾：ZHAO，B 端产品经理，互链时空创始成员，工作 10 年横跨工程、地产、金融、汽车和能源 5 个行业。 🌐 世界互联网远没到下半场，To B 创业正当时。 当习惯线上叫车、点评找店，煤炭行业还在线下蹲车、靠口口相传找客户。ToB 数字化推进缓慢，背后是三个现实：谁也不服谁、用户太下沉、行业有门槛。 但机会依然巨大，关键在于打法： ✅ 不做平台，做连接器 ✅ UX 对 B 端不是不重要，而是太重要 ✅ 从一个客户出发，打磨出能服务 12 万企业的标准产品 📺 这场直播，我们聊聊如何真正打开 To B 互联网的大门。 ---- 本期出海去播客是 AI 垂直市场系列直播，邀请互链时空的联合创始人兼 B 端产品经理 Zhao，探讨 To B 互联网的创业机会。Zhao 分享了 To B 互联网的定义，案例，以及三大门槛：用户下沉、行业知识难、自建平台多，并提出了相应的破解之道，包括重视用户体验、先做好私有化再奔向互联网、不做平台做连接器。此外，还探讨了 AI 在 To B 领域的应用，如纸质单据识别、仓库 AI 哨兵、企业 AI 大脑等。最后，强调了 To B 互联网不仅能帮助企业增长，更能改善从业者的工作和生活，呼吁关注这些行业中人们的需求和期望。 Takeaways * To B 互联网不仅仅是为大公司做私有化部署，而是让决策链条长和交易金额大的业务在线化。 * 当前 To B 互联网的拉通程度极低，类似于 1890 年的加利福尼亚西部淘金热或 2000 年的中国电商，存在巨大机会。 * 能源行业寻找拉货车辆仍然需要线下蹲车，获取店铺信息仍靠口口相传，反映出行业数字化程度低的现状。 * To B 互联网存在三大门槛：用户下沉，行业知识难，自建平台多，阻碍了大厂高举高打深入 To B 互联网。 * 破解用户下沉门槛的关键在于重视用户体验（UX），降低用户满足需求的成本，尤其是在用户多使用微信等交互简单的应用场景下。 * To B 企业用户需要 AI 大脑来处理文书工作，但目前缺少交互简单、零门槛上手的 AI 产品。 * 能源行业纸质单据的 AI 识别需求尚未被真正满足，通用大模型虽能达到 90% 以上的识别率，但用户无法接受 95%-98% 的准确率，仍需人工复核。 * 能源行业的仓库需要 AI 哨兵，但现有的周界防范相机存在误报问题，缺乏针对行业个性化需求的定制化。 * 能源行业内部对于同一事物存在多种称谓，如集运站有多种叫法，导致业务沟通摩擦和困扰。 * 提升 AI 纸单识别率的最大难点在于缺乏行业专用数据集和训练量，用户担心泄露商业秘密而不愿提供数据。 Outlines 00:05出海去播客介绍与 AI 垂直市场系列直播开场 02:15To B 互联网的定义与案例 04:14To B 互联网的巨大机会与行业现状 07:18To B 互联网的三大门槛 08:10To B 互联网门槛的具体案例 12:14破解 To B 互联网三大门槛的三个观点 13:07破解用户下沉门槛：重视用户体验 16:42破解行业知识难门槛：服务好一家企业用户 20:18破解自建平台多门槛：做连接器 25:18AI 在 To B 领域可以解决的问题 26:37AI 识别纸质单据的需求与挑战 31:45AI 哨兵在仓库中的需求与挑战 34:01企业需要 AI 大脑的需求与挑战 37:11出海去介绍与 To B 行业用户体验的讨论 41:16To B 行业的用户教育与标准化问题 44:36纸质单据识别准确率与 AI 改造的决心 48:45纸质单据识别的评测标准与数据集 52:20To B 行业的营销与销售链条 54:30To B 互联网产品的营销和销售打法 57:03联系出海去与 To B 互联网市场的感受 1:00:29AI 向善 Q & A 为什么能源这样非常重的大 B 行业，在用户体验上不重视这个事情？还是说当这个行业过于重，过于垂直，过于集中的时候，在他们现在的最佳实践里面，用户体验到底是一种怎样的存在？ 还是用吴军产品方法论这本书的作者吴军老师的一句话来回答这个问题。大家就是会有一些人依然认为 UX 也好，UI 也好，交互也好，是在给产品涂脂抹粉。它是一个属于 2C 公司才需要的东西，满足人的情感需要的。那么 To B 作为一个更加冰冷一些的商业世界，我们谈效益，我们谈成本利润收入的时候，大家就会自然的认为这个 UX 并不是重要的事情。 To B 这个行业是不是还涉及到一些原始的用户教育问题？那这个用户教育的问题，是不是目前当我们去撕开 To B 互联网这个口当中最大的障碍或最大障碍之一？ 是的，用户教育或者叫用这个行业内，用互联网行业更专一点的一个词说叫启发用户心智是吧？这个其实是一个非常非常重要的，非常非常难的一个事情。我个人的感受是你很难在一到两年的时间里，把一个完全没有互联网渗入的一个行业给它快速的提升上来。它是一个需要三到五年才能，你见到那个苗从地里长出来的一个事情。 如何把纸单识别的准确度提升到能够让最终的使用者，真正相信的程度？ 我对这个事情的观点是乐观的，我认为它是值得 AI 创业者们去探索的。因为首先，有需求。有一位用户他跟我讲过这个事情，他只是一家小公司，但是他需要一位员工每个月把所有的时间放在处理纸质单据上，放在录入纸质单据到系统里这件事情上。那么这一个人的用人成本至少是在中国的三四线城市吧，那至少是将近一万块的一个成本。如果他的业务量更大的话，那就是需要更多的人来专职做这件事情。那就是一万乘以 N。 2B 的企业用户跟企业用户之间，他们是否互通？ 他们确实在互通，而且他们互通的这个程度非常严重，就是如果大家都在一个区域，都在一个城市的话，你用什么东西了，老板们互相之间一定会知道，你用我没用这不行。 企业用户之间的互通，更多的是出于竞争关系，还是出于大家分享？ 竞争。就是如果这东西一开始只有你在用，大家都没有，那我要看一看。如果大家都在用，我还不用，那我一定要用。 如何切入到头几个客户里面？ 这个地方就涉及到一个打法的一个选择上。其实我们现在可以看到的这种 To B 互联网产品的营销和销售打法上，大概可以分成三种吧。对，就是第一种是我先从大 B 做起，第二种是我先从小 B 做起，然后相关的组合就是我做大 B 的话可能要先从线下做起，我做小 B 的话可能要先从线上做起。 阿里云它所提供的这个纸单 AI 识别工具，为什么在能源行业里完全用不了？ 第一个就是，目前你就拿比方说阿里云它所提供的这个纸单 AI 识别工具，它是有非常多的这种限制和约束条件的。第一个，它需要你预设模板。预设模板的意思就是你这张单据长什么样子的，你要提前预设好，好让我去识别你。第二个，它对于手写的识别能力极差。 为什么海康的界限防范相机在能源行业的仓库里也用不了？ 因为他老搞这种狼来了的事情。他没有针对行业的个性化需要去做优化。你把那个海康的挂上去之后，他天天他给你报。有个人有个车有个什么东西从哪过他都会给你报。那么需要报吗？其实是并不需要报的。因为至少在能源行业里，这个仓库里有车，有人有大车，小车去过去，通过去路过是一个非常非常正常的事情。 为什么企业里现在没有 AI 产品能够帮助处理文书工作？ 因为缺少一个在宣发上，只给在产品形态上足够简单。一个盒子，像机顶盒一样的盒子，或者一个像机箱一样的一个盒子，交互特别简单，让完全没有任何 IT 知识的普通用户，能够零门槛上手的一个，把大量的文档喂给他，然后就能让他帮你写点东西，帮你找点文档的那么一个 AI。 标准化在 To B 行业中有多重要？ 标准化这一块，他其实非常像是当年秦始皇统一六国的时候，需要建立统一的度量，衡是统一的语言。举一个例子吧，就是在大宗，就是在能源行业里面，刚刚提到的这个集运站，其实有人把它称作集运站，有人把它称作煤厂，有人把它称作厂站，有人把它称作输运站，叫什么的都有。实际上就导致行业里内部的人，他在聊业务的时候，互相之间的摩擦跟困扰都是非常大的。彼此不知道互相在说什么。

在过去的两年里，通用大模型不断地刷新我们的认知，另一方面，对我们来说，有价值的 AI 创业，往往不是在技术最前沿，而是发生在某个我们未曾深入了解的行业之中。 我们决定启动一个系列直播，主题是「帮助 AI 创业者找到垂直市场的需求」。 每一期，我们邀请一位行业专家，和 AI 创业者、开发者展开一场跨界对话：🌱 行业真实的问题是什么？⚙️ 哪些需求能被 AI 工具或 Agent 有效解决？🤝 行业 know-how 如何成为 AI 创业的护城河？ 首期直播，我们很高兴邀请到有着 10 年 ESG 咨询从业经验的杨名兄，我们以 ESG 行业为例，不是因为你必须了解 ESG，而是帮助我们理解一个事情：为什么有些行业里的问题，通用型 AI 工具始终无法有效解决？ 比如 ESG 报告，如果直接交给 ChatGPT，结果可能泛泛而谈，缺乏专业性，但如果结合企业内部数据、行业标准、专家知识，就有可能打造更精准的 AI 工具或 Agent。 这是一次非常具体的行业案例，也是一种可以迁移的创业方法论：🔍 发现真实行业需求，🛠 思考哪些问题适合做 AI 工具，🤝 与行业专家共建解决方案。 这正是 AI Agent 与行业专家结合的机会点，我们希望借由这次系列直播，帮助更多 AI 创业者了解一个行业如何被 AI 加持，寻找真正可落地的创业方向。 ---- 本期出海去直播以系列直播的形式启动，旨在帮助 AI 创业者找到垂直市场的需求。主持人邀请了 ESG 咨询专家杨名，以 ESG 行业为例，探讨了行业真实问题以及 AI 或 AI Agents 如何有效解决这些问题。杨名分享了 ESG 与 AI 结合的切入点，并介绍了 ESG 的概念、发展历程以及产业图谱，他指出 ESG 报告的信息披露是最大的入口，并展示了自己用 Cursor 和 Trae 手搓的产品原型，详细讲解了报告编写的逻辑和 AI 在其中的应用。双方还讨论了交互方式的重要性以及 AI 时代 B 端产品的发展趋势，强调了人机协同和场景交互的重要性。 Takeaways * 强制要求披露 ESG 报告的企业越来越多，特别是上市公司，但部分报告不允许外包第三方，必须由企业内部完成。 * ESG 报告编写价格可在 15 万到 200 万之间，耗时数月，反映出效率低下的问题。 * ESG 报告的信息披露是最大的信息入口，未来在经营决策判断、公司战略评估和校准以及内部风控方面有很大的想象力。 * 欧洲的 ESG 标准相比美国来说是最领先的，香港已经完成了强制性披露的立法工作。 * 关键议题是 ESG 报告中一个可潜在量化的重要点，能够让信息披露方和受众第一时间关注到企业最重要议题。 * 传统的 B 端软件交互不够好是因为用户被迫使用，但 AI 时代，B 端产品应像 C 端产品一样注重用户体验和交互设计。 * 行业专家在尝试将 AI 应用于本行业时，最需要的是具备 Agent 开发能力且有一定经验的全栈工程师。 * 报告编写分为调研、交付和规划三个动作，初步调研阶段 AI 已经能够扮演较强的角色，快速完成行业、企业和标准的信息采集。 * 关键议题的区分能够让利益相关方第一时间关注到企业哪些议题是最重要的，因此应该是一个单独的模块。 * 交互方式对于报告编写至关重要，画布式的交互性更适合大篇幅报告的编写，因为其基于结构化的内容进行拆解，且每个模块的内容都需要人工确认。 Outlines 00:05出海去播客介绍与 AI 创业直播系列启动 01:25ESG 行业与 AI 结合的契机 04:16ESG 概念介绍与发展历程 06:18全球 ESG 发展趋势 07:58ESG 产业的需求维度 10:30ESG 行业痛点分析 12:50ESG 领域切入点：信息披露 17:14ESG 报告编写逻辑与 AI 的角色 20:01结合 AI 能力后的 ESG 报告编写 24:37AI 在 ESG 报告中的用户体验与市场匹配 28:01出海去社区介绍 30:02出海去孵化器与直播间专属优惠 30:53ESG 报告 AI 产品原型演示 38:51AI 对非技术人员的加持 40:10AI 应用中的场景与交互 43:06垂直市场专家所需人才 46:03B 端产品中的交互设计 49:38B 端产品交互设计的重要性 52:55AI 时代 B 端产品的竞争 55:04垂直领域与 AI 结合的机会 1:01:13总结与感谢 Q & A 在用户体验上，什么样的交互形式更适合 ESG 报告？ 我认为画布的形式会比较合适。画布会基于结构化的内容进行拆解，拆解完之后，每一部分每一个模块的内容都需要由人工进行确认，甚至每一个模块的内容它需要由企业内部给出内部的信息。然后由内部的信息进行加工之后，放到相应的模块当中，还要确定这个模块里面的内容和某些标准是匹配在一起的。所以跨步的一个交互方式会比较契合在报告编写，特别是在大篇幅的报告编写过程当中。 如何理解 “画布” 这种形式更有利于将报告结构化，并最终生成一个完整的报告？ 是的，我的理解是每个模块需要单独由咨询师或用户来对内容进行确认，而不是完全由 AI 来完成。画布形式确实能把报告结构化地呈现出来，而且每一个模块都可以单独进行报告的生成、编辑和确认。 对于垂直市场的领域专家而言，希望有什么样的 AI 行业专家能够帮助补齐短板？ 从我假设去做这个产品来说，我可能对于行业的 knowhow，对于产品有构思，甚至有一定的实现能力。那我可能需要相对更底层一点，它内在的一个交互逻辑，我们需要从产品角度来去考虑，从技术角度能够去实现。所以通过这个角度来说，具备能够对于 agent 有开发能力，可能会是我比较需求的。当然不是说那种大量的去搞算法，或者说是有非常非常强的这样技术能力，我觉得在应用测还达不到，我们要去找一个什么算法科学家的人来去做这样的事情。更多的，比如说一个全站的工程师相对有一定的资深的经验，我觉得就已经足以了。 为什么在产品中设计直接录音的功能？ 在我们过去的场景里边，拿着电脑，要不停地看着屏幕有哪些问题，要跟客户去问，然后就要做录音。那既然要做录音这个动作，为什么不能把录音文本实时的就演出来？我把我的 insight 放到文本里边去，它能进行结构化的编辑，我能去看它的结果怎么样。 为什么以前的 B 端产品不太注重交互？ 以前大家做 2B 的软件的时候，觉得交互不重要，是因为大家在忍。我在制造业企业里面去推数字化，大量的这样的一些企业界的什么 ERP, MAS，但交互就是不合理的。就是要花大量的时间去学习。但这个 gap 明明是可以通过更好的交互来去解决的。为什么一定要让社会中？因为我们当时在去培训基层的人去使用的时候的工作量投入太多了。但他明明要用到的你一个页面当中十个功能点，他明明只用一个。为什么不能识别出来？类似于这种，而且我认为交互它本身不是为了交互而交互，它一定是解决某个功能需求点。这样开始说为什么要用画布这种形式一样。是因为只有画布这种形式它能够把一个报告非常结构化地呈现出来，而且每一个模块单独进行报告的生成和编辑和确认。 ----