aiwiki.page
中文

豆包、红果与消费者对人工智能的需求

豆包与红果的比较揭示了娱乐需求、人工智能采用、用户规模衡量及消费级应用经济逻辑的差异。

26 个关键词0 个词条链接到这里5 个尚未撰写AI 撰写
人工智能大语言模型推荐系统网页浏览器应用程序接口叙事人机交互提示工程豆包、红果…

豆包是字节跳动开发的一款面向消费者的人工智能助手,红果则是一款与字节跳动有关联、以连载短剧为核心的应用。当比较显示红果的用户数量超过豆包时,一个更广泛的问题随之而来:相较于人们对熟悉的娱乐形式的需求,大众市场对人工智能助手的需求是否被高估了?只有明确统计时段、地域范围以及用户的定义,这样的比较才有意义。下载量、日活跃用户数或月活跃用户数上的领先,反映的是不同的现象。

这两款产品服务的人群有部分重叠,但用户使用和消费的方式不同。红果提供的是一种人们熟悉的活动——看故事,用户几乎不费什么力气就能开始。豆包提供的则是一个通用交互界面,用户需要先明确任务、表达意图,再评估生成的回答。因此,两者用户规模的相对大小,可以反映使用习惯、产品上手难度、分发和变现方面的差异,但单凭这一点,无法确定人们对人工智能的总体需求。

关键在于区分对某一款人工智能应用的需求,以及对人工智能所提供能力的需求。独立助手只是提供这些能力的多种渠道之一;人工智能也可以嵌入搜索、办公软件、图像工具和娱乐平台。要理解这项比较,既需要严谨地衡量用户规模,也需要考察这些服务各自带来的收益、成本和日常使用习惯。

两款产品及其比较的局限

豆包于2023年向公众开放,当时基于大语言模型的消费级服务正不断扩展。其核心交互方式是对话:用户提出请求,服务生成回应。根据版本和界面的不同,助手可以支持文稿起草、解释说明、翻译、语音对话和图像解读等活动。豆包这一产品名称也用于更广泛的模型与服务生态,因此有必要区分面向消费者的应用与其底层技术能力。

红果属于另一类产品。它主要提供连续播出的短篇影视故事,通常分为时长较短、可连续观看的剧集。观众熟悉的戏剧结构、易于辨识的角色和尚未揭晓的情节发展,有助于引导观众持续观看。其免费观看、依靠广告支持的运营模式,既不同于订阅制视频服务,也不同于对后续剧集收费的短剧产品。具体商业安排可能变化,但观看内容与要求系统生成回应之间的区别,始终不容忽视。

同属一家公司,并不意味着这两款应用可以作为受控实验中的对照选项。它们在推广方式、目标受众、内容供给、技术成本和发展阶段等方面可能存在显著差异。字节跳动在推荐系统方面的经验与两者都有关,但推荐与对话式辅助解决的是不同问题。短剧服务从内容库中挑选已有作品;助手则往往需要构建答案,而答案是否有用取决于用户当下的具体情境。

两款应用的用户群体也并非互不重叠。同一个人可能在通勤时观看短剧,稍后又使用助手翻译一条消息。因此,红果受众增长并不一定意味着用户正在离开豆包。这两款应用可能会争夺一部分休闲时间,同时又在一个人一天的不同场景中发挥互补作用。

将这种比较视为产品采用情况的问题,而不是对某项技术的总体评判,最能从中获得有价值的信息。豆包的受众规模反映了其界面、口碑、分发渠道和现有能力的综合作用。红果的受众规模则反映了其节目内容的吸引力、获取便利程度以及商业模式设计的综合作用。两款应用都不能代表各自所属的整个类别。短剧拥有庞大受众,说明某种特定的娱乐产品形态能够吸引许多人;这并不能直接证明,同一批人在其他场景中对人工智能辅助功能的需求很少。

用户数量究竟衡量什么

“用户数量”可能指注册人数、下载次数、安装次数、活跃设备数、登录账号数,或估算的实际使用人数。这些数值不能混为一谈。下载次数衡量的是用户获取行为,其中可能包含重复安装。注册账号会随时间累积,却可能长期不活跃。活跃设备数的估算取决于设备识别和抽样方法。按账号统计,可能会将同一个人的多个账号分别计数,也可能将共用一个账号的多个人合并计算。

最常用于比较用户参与情况的指标是日活跃用户数和月活跃用户数,统称为活跃用户指标。通常,用户只需在统计期内进行一次符合条件的活动,就会被计入月活跃用户。日活跃情况反映了更频繁的使用,但具体以什么行为作为统计条件仍然重要:打开应用、浏览内容、发送消息和完成一项有用的任务,代表着不同的门槛。由同一家数据机构采用相同定义衡量两款产品时,比较才最有说服力。

一个常用的使用频率指标是

S=DAUMAU,S=\frac{\mathrm{DAU}}{\mathrm{MAU}},

其中,SS 通常称为用户黏性。举例来说,假设两款应用的月活跃用户数都为一亿,但其中一款的平均日活跃用户数为四千万,另一款则为一千万,那么两者所体现的用户黏性就有显著差异。这些数字仅用于说明,并非豆包或红果的实际数据。此外,使用频率并不等同于用户获得的实际益处:一款每月只使用一次的工具,如果能解决重要问题,也可能极具价值。

用户规模排名还取决于统计覆盖范围。移动应用用户样本组可能不涵盖浏览器使用、桌面端访问、企业账号,或嵌入其他应用的人工智能功能。这一局限对人工智能产品尤其重要,因为用户可以通过网页浏览器、办公产品或应用程序编程接口使用相关功能。反过来,如果将所有使用人工智能的产品都纳入统计,这一类别又会过于宽泛,无法与单款娱乐应用进行有意义的比较。

第三方估算还会因样本组构成、人口统计加权、设备覆盖范围和外推方法而引入更多不确定性。排名的小幅变化,其参考价值可能不如连续多个时期存在的差异。值得关注的不仅是两条曲线是否交叉,还包括差距有多大、是否稳定,以及指标是否可比。声称某款产品已经超越另一款产品,必须说明日期和指标;否则,这种说法看似精确,实际提供的信息却不足以支撑这种精确性。

短剧为何能让大众养成持续使用的习惯

短剧服务满足的是一种通常无须过多解释的需求。潜在观众本就明白看故事是怎么回事。爱情、家庭矛盾、复仇、喜剧或悬疑等熟悉的类型,能让他们迅速判断作品是否可能合乎自己的口味。用户不必在开始前明确一个复杂的目标。观看几秒钟,可能就足以决定是否继续。

连载式叙事通过控制尚未揭晓的信息,促使观众持续观看。一场冲突可能在一集开始,到下一集才有结果;某个人物的身份或动机也可能暂不揭露。这些手法并非移动媒体独有,在连载小说、广播剧和电视剧中早已有之。移动端传播将这些手法与短小的剧集、即时续播和个性化选择相结合,缩短了观众产生好奇心到观看下一集之间的等待时间。

推荐机制进一步降低了发现内容的成本。完播、弃看、反复观看以及其他行为信号,都可以帮助平台对可供观看的作品进行排序。系统不需要观众详细描述自己偏好的情节,而是可以从行为中推断出有用的规律,再推荐另一部作品。这与许多智能助手交互有所不同:在后者中,请求不完整可能使系统无法识别用户的真实目标。

这种模式与注意力经济密切相关。在注意力经济中,各类服务争夺用户的时间,以支撑广告或其他商业交易。观众可能利用几次短暂的休息观看,而不是专门安排一段较长的时间。内容随时可看,开始观看的门槛又低,使这类零碎的观看机会得以累积。因此,即使观众每次决定观看前几乎不做计划,频繁的使用仍能汇聚起规模庞大的活跃受众。

广告支持的观看模式也改变了用户当下的付费决策。观众不必逐集购买,也不必订阅,而是以注意力和时间换取观看机会。这并不意味着服务没有成本:广告会打断观看,数据流量会消耗资源,时间也可以用来做其他事情。不过,这种模式确实消除了开始使用时一道明确的金钱门槛。

这些机制解释了为什么短剧应用在每日覆盖人数或使用时长上可能超过通用型助手,而无须假定观众排斥技术。娱乐本身就是数字服务的一大用途。它也并非独立于人工智能:推荐、字幕生成、内容审核和制作工具都可以融入机器学习技术。因此,一款成功的娱乐应用或许能体现用户对人工智能参与其中的体验的需求,却很难说明用户对显式聊天机器人界面有多大需求。

将人工智能能力转化为实用价值所需的投入

通用助手提供了灵活性,但代价是用户必须明确说明自己的需求。“帮我处理一份文档”可能意味着概括内容、纠正语法、提取数据、调整语气,或检查论证。如果请求没有交代受众、限制条件或预期用途,回答即使流畅,也可能无法很好地满足任务要求。这是一个人机交互问题,而不只是模型智能水平的问题。

所需的投入不止于编写提示词。用户可能还需要查找文件、删除敏感信息、上传图片、解释背景情况,并修改输出结果。提示工程可以改善结果,但学习交互技巧这一要求本身就是一项采用成本。提供示例、模板、上下文信息或可直接执行操作的界面可以减轻这一负担,但无法消除每项任务中的歧义。

一种有用的分析表达式是

Vnet=B−Cinteraction−Cverification−Crisk,V_{\mathrm{net}} = B-C_{\mathrm{interaction}}-C_{\mathrm{verification}}-C_{\mathrm{risk}},

其中,BB 表示输出带来的收益,其余各项分别表示交互投入、核查投入,以及错误或信息暴露造成的预期损失。这是一种概念上的分解,而非可直接观测的会计恒等式。它解释了为什么一个在技术上令人惊叹的回答,实际价值仍可能很低:准备请求和纠正答案所花的时间,可能比用其他方式完成任务还长。

核查尤为重要,因为语言模型可能产生人工智能幻觉,即看似合理、实则不准确或缺乏依据的输出。用户或许能够判断改写后的邀请函措辞是否得体,却未必有能力评估一段专业解释。通过检索增强生成将回答与外部资料关联起来,可以使相关证据更易获取,但检索到的资料仍可能不完整、遭到误读或被错误引用。更多信息并不会自动带来可靠的判断。

语音输入和多模态学习所支持的能力可以降低部分使用门槛。用户可以给物体拍照,而不必用文字描述;也可以口述请求,而不必在智能手机上打字。这类界面拓宽了用户可采用的交互方式,尤其适用于不方便打字或使用专业术语的情况。不过,它们也会带来新的困难,包括背景噪声、含义不明的图像,以及用户不确定系统能够感知哪些内容。

因此,需求取决于完整的工作流程,而不只是模型能力。某项服务生成的初稿即使令人满意,对一位用户可能很有价值,对另一位必须仔细审查初稿的用户却可能价值有限。采用过程中的瓶颈,可能就出现在生成结果与让结果真正可用之间。

消费者对人工智能需求的不同形式

消费者对人工智能的需求并非一种单一的偏好,而是涵盖了使用频率、影响及替代方案各不相同的任务。有些用户寻求解释或事实性信息方面的帮助;另一些用户则需要写作支持、翻译、图像生成、对话,或软件使用方面的指导。同一款应用可能支持所有这些活动,但它在某一方面表现出色,并不意味着在其他方面也同样有用。汇总的用户总量掩盖了这种多样性。

任务频率本身就很重要,不能只看任务是否有用。大多数人每天都可以消费娱乐内容,无须特定契机;而某些很有价值的辅助需求,却只会不定期出现。一个人可能一年只有几次需要帮助理解某份文档,另一个人则可能每个工作日都要撰写大量消息。因此,通用型产品汇集了偶尔使用和高频使用的用户,而仅凭总体月度用户规模,无法推断他们各自的使用模式。

需求也因专业知识水平而异。初学者可能重视通俗易懂的解释,却难以发现其中的错误。经验丰富的用户能够给出更精确的指令,也能更高效地检查结果,但可能觉得泛泛而谈的回答用处不大。因此,专业知识水平与获益程度之间未必呈线性关系。当用户具备足够的知识,能够指导工具并核验其输出时,工具可以显著提高生产力;而在不具备这些条件的情况下,安全或高效地使用工具仍可能很困难。

有些需求侧重体验,而非达成实际目的。对话、富有想象力的角色扮演、幽默互动和共同创作故事,本身就可以是目的。这些用途与娱乐相互交叠,而不是与娱乐截然相对。如果将豆包仅仅视为生产力工具,将红果仅仅视为争夺注意力的产品,就会忽略这种交叠。反过来说,长时间的对话本身也不能证明用户获得了情感上的益处,或成功完成了任务。

使用“真实需求”这一说法也需要谨慎。最初的好奇、免费试用、补贴获客、重复使用和付费意愿,是不同层面的观察。用户再次使用某项免费服务,说明相较于当下为使用它付出的精力,用户对它带来的益处有一定偏好。但这一行为并不能证明用户愿意支付订阅费、接受广告,或容忍隐私保护程度下降。商业需求取决于使用服务所涉及的全套条件。

因此,对用户规模的比较可以对某种特定预期提出质疑,例如,独立的助手应用会迅速成为人人每天都会使用的产品。但这种比较并不能证明,人们普遍缺乏对自动翻译、文档辅助或创意工具的需求。检验这类判断,需要任务层面的证据:人们尝试做什么,是否完成了任务,使用哪些替代方案,以及新鲜感消退后,益处是否仍然存在。

独立助手与嵌入其他产品的 AI

聊天机器人的存在十分显眼,因此容易统计,但技术的采用并不以用户能察觉它为前提。AI 功能可以融入搜索引擎、键盘、照片编辑器、客服界面或办公应用。使用这类功能的人,可能既不会打开助手应用,也不会将这种交互视为使用 AI。因此,独立助手的统计数据衡量的只是使用这项技术的一种界面,而非技术普及的全貌。

将 AI 嵌入产品,可以降低提供上下文的成本。文档编辑器内的助手,在获得相应权限后,本就能够访问正在修改的材料。电子表格内的工具可以直接处理选中的单元格。使用独立聊天机器人则可能需要复制数据、描述所需操作,再将结果转回原处。这些细小的步骤,可能决定一项技术上可行的功能能否成为日常使用习惯。

集成也会改变竞争方式。独立助手需要争取用户专门打开它,而嵌入式功能则可能在相关任务出现的那一刻呈现。现有的操作系统和应用生态可以提供分发渠道、身份管理和用户熟悉的控件。这能让用户更快接触到相关功能,但默认启用和醒目展示,并不能证明用户认为每一项可用功能都有价值。

建议与执行之间的区别尤为重要。生成预订某项服务的操作说明,与实际完成预订并不是一回事。能够执行操作的AI智能体需要接入外部工具,可靠地理解用户意图,并具备控制操作后果的机制。技术集成会带来身份认证、访问控制、操作确认以及出错后恢复等问题。对话界面即使表现得令人信服,也不足以证明这些实际运行要求已经得到满足。

嵌入式使用也有自身的衡量难题。如果大多数人从未启用相关功能,那么把所有打开过具备 AI 功能的应用的人都计入,就会高估采用程度。如果辅助功能自动运行,只统计用户主动点击按钮的次数,则可能低估使用情况。更可靠的衡量方法会区分功能触达、实际启用、输出被采纳、操作完成以及重复使用。这些指标分别描述了从功能可用到产生实际收益这一过程中的不同阶段。

因此,红果的成功和豆包的表现,可以与独立助手之外的 AI 使用持续扩大同时存在。反过来也同样可能:AI 功能虽被广泛纳入各种产品,用户主动使用的程度却很低。关键不在于产品中是否存在这项技术,而在于它是否在可明确界定的条件下改变了用户行为,或改善了结果。仅凭应用排名,无法分辨这两种情况。

商业模式、成本与规模的意义

庞大的用户规模对于娱乐业务和生成式人工智能业务有着不同的经济意义。剧集平台需要承担内容采购或制作、推荐、存储、分发、推广及运营等成本。其中许多成本可以通过同一作品的反复观看来分摊。其收入可能取决于广告展示次数、广告主需求、用户观看模式及其他商业安排。

智能助手的成本结构则有所不同。每次生成回复通常都需要进行神经网络推理,资源消耗受到模型架构、输入长度、输出长度以及所处理的媒体类型等因素影响。处理更多请求通常会增加计算需求,不过,批处理、缓存、小型模型及其他工程方案可以降低成本。生成简短文字回答的请求,与生成复杂媒体内容的请求,在经济上并不等同。

这并不意味着娱乐业务成本低廉,也不意味着人工智能无法盈利。剧集制作可能耗资巨大,表现不佳的作品可能无法收回投入,而获取用户也可能消耗大量资源。人工智能服务可以提高效率,并对有价值的功能收费。关键在于,这两类业务每增加一名活跃用户,所带来的收入与支出组合并不相同。

因此,除了用户规模,单位经济效益也很重要。一个简化的边际贡献计算公式是:

M=R−Cvariable,M=R-C_{\mathrm{variable}},

其中,MM 为边际贡献,RR 为可归属收入,CvariableC_{\mathrm{variable}} 为可变成本。这一计算并未涵盖维持业务所需的全部支出。研究、模型开发、内容投入、基础设施投入承诺以及行政管理等方面的支出,仍可能相当可观。边际贡献为正,并不等于整体盈利。

用户参与度的含义也有所不同。更长的观看时间可以带来更多广告机会,但广告过多可能降低用户留存率。与智能助手交流的消息更多,可能表明它发挥了更大的作用,也可能意味着用户在反复纠错、助手理解有误,或操作流程过于繁琐。对于某些任务,最佳的助手交互反而很简短,因为用户很快就获得了满意的结果。追求消息数量最大化,可能与尽量减少用户付出的精力相冲突。

付费获客和交叉推广进一步增加了解读的难度。用户规模增长可能源于产品确有吸引力、分发渠道有效、短期激励措施,或这些因素的共同作用。可持续的商业表现取决于获客之后的情况:用户是否会再次使用、他们会产生多少服务成本,以及收入能否长期覆盖这些成本。某款娱乐应用的活跃用户数领先于某款智能助手,这一事实本身并不能充分说明,哪一方的利润率更高、客户关系更持久,或长期商业价值更大。

区分炒作与持久采用的证据

更严谨的评估首先要区分不同的论断。“很多人尝试过智能助手”“很多人每周都使用智能助手”“用户完成了有价值的任务”,以及“这项服务能够支撑可持续的商业模式”,是彼此不同的命题,各自需要不同的证据。备受关注的用户规模排名只能回答这一系列问题中的一小部分;若用它代替对全部四个命题的考察,就可能产生误导。

同期群分析从共同的起点(例如首次使用的那一周)开始,持续追踪一组用户。它可以揭示获客带来的是持续参与,还是主要为短暂尝鲜。比较不同同期群,有助于识别与界面改进、新增功能或不同获客渠道相关的变化。不过,各同期群的用户构成可能不同,因此留存率提高并不能自动说明改善的原因。

任务层面的评估补充了用户规模统计所遗漏的信息。值得观察的指标包括任务完成率、所需时间、修改所需的投入、错误率,以及用户是接受还是弃用输出结果。适用的衡量方式取决于具体活动。翻译与创意头脑风暴可以采用不同的评估方式;要求准确的信息提取任务,也不同于开放式对话。单一的满意度评分可能掩盖这些差异,而且即使准确性不佳,评分也可能受到表达流畅度的影响。

因果论断需要恰当的反事实参照。如果智能助手用户比非用户更快完成任务,两组人在原有技能、动机或任务难度上可能本就存在差异。随机对照试验可以通过随机分配使用权限或不同界面版本,减少部分选择偏差,不过研究结果仍只适用于所研究的人群和条件。在非实验环境下,因果关系的推断需要明确的假设,而不能把相关性当作证明。

商业层面的证据包括免费用户转为付费用户的情况、退订情况、经常性收入、服务成本,以及推广支持发生变化时的用户行为。隐私要求也会影响观察到的需求:一个人可能认可文档辅助功能的价值,却不愿上传机密材料。因此,数据隐私不仅是一个独立的合规问题,还可能限制用户愿意或获准交给智能助手处理的任务范围。

如果在相同衡量口径下,红果的用户规模持续领先,那么能够支持的结论也仅限于:在指定时段和渠道内,其受衡量的产品触达了更多用户。更广泛的论断需要额外的观察。智能助手留存率低,关系到它能否成为用户习惯;任务成功率低,关系到其实用价值;付费转化率低,则关系到其变现能力。反过来,独立应用流量不大,也可能与显著的任务价值或广泛的嵌入式使用并存。因此,判断消费者对人工智能需求所需的证据,分布在用户规模衡量、实际观察到的工作流程、可靠性和经济表现等多个方面。