导读：AI时代，企业不仅得找到创新的产品形态，也要搭配适合这个时代的商业模式，才能让好产品乘上时代红利。
陈达博是柯布西的创始人兼CEO，创新设计师和图形算法工程师背景。毕业于帝国理工，英国皇家艺术学院的创新设计工程专业与圣马丁的产品设计专业。曾在伦敦Tangerine设计事务所与Nike等公司工作，并在曾在伦敦创立Evercise和Ally Labs等公司。
柯布西是一家由年轻的设计师与工程师组成的AI科技公司，目前致力于打造一款面向互联网、消费、服装、游戏等创意与设计行业的在线协作白板工具—Fabrie，先后获得了来自多家一线美元基金的投资。
Fabrie是一个服务互联网、消费、服装、游戏等创意与设计行业的在线协作白板工具，结合了生成式AI技术，为产品、创意、设计和运营职能的团队提供了服务于团队内部协同沟通，市场分析，设计评审，AI辅助设计探索等多环节的配套功能。
AI功能为设计环节带来了极大的效率提升，结合白板作为承载设计资料与文档的协作空间，成为了团队搭配飞书等协作文档软件使用的核心工作界面。
2、目前产品研发和市场拓展情况是什么样？2023年遇到的最大挑战和收获有哪些？
目前白板已正式上线一年半时间，功能很完备，凭借我们独有的将白板与多维表结合的产品形态，形成了和行业内其他白板工具差异化的定位，同时达到了业界最高的性能水平，能够在同一白板内同时承载近万张图片的流畅渲染，支持超过千人的实时协同。
AI功能上线内测也超过半年多时间，已帮用户生成了上亿张图片。这些功能与模块均获得了大量行业专业用户的认可。过去一年多时间，涌现了许多企业在团队内部用Fabrie取得成功的案例。
2023年最大的挑战是所有从业者都在面对的，也就是能够及时跟上技术发展的脚步，并在生态中找到自己的位置从而建立更适合自己的门槛，以及在不断变化的市场中寻找这个时代的突破点。
3、生成式AI和大语言模型为创业者带来了哪些机遇？这波创业浪潮和过往有哪些不同？
门槛极大的降低是最为明显的新机会，它使得原本更适合技术型创业者的科技行业突然出现了让非技术型创业者也能够更快将想法落地的机会。好的生态需要这样的包容性，而跨领域的想法交换也会反哺生态的多样性，让它持续的高质量发展，这个特性已经是这一轮生成式AI与以前的重要不同之一。
每轮创业浪潮都是新的生产力推动的，都具有很强的颠覆性，这也是为什么科技行业喜欢讨论颠覆式创新，而这一轮的颠覆终于来到了生产力本身。这是最大的不同，公司组织形式与生产力自古以来的存在形式有着密不可分的关系，而AI对于生产力的提效已经让我们看到了11人公司，4人公司和2人公司的形态出现，同时在这些明星公司和科技行业裁员潮夹缝中还孕育着一个隐藏的趋势—solopreneur，这种1人公司的形式也逐渐变得更加走俏。什么是成功也在被重新定义，所以我们可能不能再带着传统科技公司的成功滤镜来判断这一波创业浪潮下的成败。
AI应用的挑战有很多，有幻想问题，有合规和知识产权问题，也有价值薄的问题，但我觉得在国内最值得大家关注的矛盾点，其实是原本人力成本本就不高的行业与市场，也许没有那么适合在第一波AI落地时被颠覆。假设我们经过努力，推出了某种AI替代式的产品，它所替代的1000块的人力成本，大几率只能产出少于100块的收入，甚至是无限接近成本的价格，意味着如果AI公司的商业模式仅仅是赚了这个差价，可能很快也会变成一个很卷的市场。
所以这个挑战可能是，创业者不仅要找到创新的产品形态，也要搭配适合这个时代的商业模式，才能让好产品乘上时代红利。
5、面对巨头可能带来的“降维打击”风险，AI创业公司应该如何保持竞争力？
我觉得巨头带来的降维打击不是风险，而是必然，所以创业公司如果不是只想赚一波钱就跑的，那就一定要去做巨头不做的市场和场景，这和是否是AI没有太大关系，一直以来创业公司都应该遵循这个逻辑。只是之前可能创业公司还有更明显的先发优势与灵活性，但在AI这个所有事情都加速的语境下，这个预判可能就不成立了。
6、一些创业者认为大语言模型目前能力还不够，限制了AI应用/产品的发展。您对此怎么看？
大趋势下，还有关键性小节点，比如移动互联网作为大趋势，周期内也是先后出现了图片和视频两个技术节点，不同的节点孕育了不同的机会。我们不能从抖音的角度去判断2010年就没有任何机会了，只是视频技术还不成熟，视频的机会还没来而已。
2023年我们去看文字，图片，视频，3D，多模态其实都在自己的节奏上发展，我们不能认为只有AGI来了才有事可做，那个时候可能才是真的没事可做。所以现在的大语言模型能力，我们必须把它拆开看，才能看到机会。
比如我们其实不会那么关注其生成能力，而是更多关注其推理能力，因为在当下的GPT4看来，其推理能力其实蕴含的价值会更大，也更成熟一些。
但如果我们带着时间维度看这个问题，创业公司不能只看眼前的技术状态，尤其是结合AI的发展速度来看。Sam Altman有暗示过，GPT5的能力会比GPT4提升非常多，这意味着，现在去做局部优化，比如某些微调（fine-tune），其实都只是解决阶段性大模型的不足，但如果我们带着AGI视角去看，应该想的是，什么产品能够在AGI状态下创造巨大价值，即使是现在能力还不够，我们也应该这么去布局，等到大模型本身有巨大提升之时，我们的产品也会成倍的进步，这种跃迁会远大于微调的优势。
7、如何看待大模型和GenAI 带来的“人机协同”新范式？企业如何适应和革新自动化流程业务升级的变化趋势？
新范式下我觉得最有意思的地方是，原本的人机交互设计是建立在“机器”不变的情况下，设计出适配人的界面的学问，但现在的AI其实是一个会因人变化的界面，所以我们要去学Prompt Engineering这种“提问学”来更好的完成交互。但随着AI再发展，其实我们的交互就变成了人与“人”的交互，科技行业会觉得这是越来越简单了，因为我们不再用学习复杂的软件了。但我的视角是，人其实是最复杂的，人与人的交互不见得比人机交互简单。因此新范式可能并不是简单的投直球逻辑，就是无限的接近人，而也许是让AI保持某种机器的特性，达到最佳平衡。
对于企业端来说，最近比较流行的一句话是“AI不是代替工作，而是代替任务”其实能够很好的回答这个问题，我们在和大部分企业的交互中发现，最后能落地的，都是企业自身在做自我分析的过程中，识别到了可以被拆解出来的“环节”，把这些环节给到AI去做，一开始可能是婴儿学步，需要有人扶着，但很快就能看到自动化跑起来的任务了。
我们看到两个常见的方式，一个是公司内部往往会有一个人，比如是一个设计总监，因为他的专业能力强，综合能力也强一些，他会扮演推动这个企业和内部团队AI落地的关键性角色，另一种就是企业会专门聘请一个这样的角色融入团队中，研究内部流程，然后寻找AI落地的机会。
目前阶段的AI落地是一个穿针引线的活，很少有大刀阔斧的情况，很多能够被优化的场景，其实在管理层都不一定有感知，这也就更需要“总监”级别的人同时具备高低两种视角，他们其实是最适合去做这件事儿的人。
Vision Pro快出了，虽然我个人没有那么看好，但还是值得关注一下这个领域的发展。
AI方面可能就是关注端侧推理，这个技术带来的可能不只是成本降低，而是让商业模式变得更加灵活，会带来很多新的场景。
非凡产研