Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

人工智能问题矩阵:最大的机遇隐藏在哪里

Posted on 2026-04-24

并非所有人工智能问题都具有相同的价值。有些问题会无事可做,而有些问题则永无止境。这种差异决定了机遇的大小。

我一直在从两个维度来分析人工智能业务。第一个维度是:开环与闭环。闭环系统会验证其输出。人工智能编码代理会运行测试,检查代码是否编译,并确认功能是否正常工作。而开环系统则无需验证即可生成内容。人工智能撰写的营销文案无法证明其能够促进产品销售。第二个维度是:有限需求与无限需求。有限需求终会耗尽。客户支持团队每天处理的工单数量是固定的。而无限需求永无止境。总有更多的软件需要开发,更多的内容需要创作。

这种组合形成了四个象限。闭环加上无限需求:编码。每家公司都需要更多软件。待办事项清单永远不会清空。GitHub Copilot、Cursor 和 Devin 都在追逐这个市场。它们解决实际问题,并带来可衡量的结果。测试通过或失败。功能发布或不发布。反馈循环非常紧密。

闭环加上有限需求:客户支持。Zendesk 每天处理 1 万个工单,而不是 100 万个。工作量受限于客户群。人工智能助手可以降低每个工单的成本,但无法扩大市场规模。机会受限于需求,而非技术。

开放式循环加上有限需求:包括活动设计、演示文稿制作和一次性创意工作。营销团队每个季度需要的活动数量有限。人工智能生成方案,人工审核,最终完成工作。商业模式良好,但规模有限。

然后是第四象限:开放循环加上无限需求。这里蕴藏着最大的机遇。哪些工作永无止境,且需要不断进行创意产出?答案是:内容创作、市场调研和创意构思。每家公司都需要更多的博客文章、更多的社交媒体内容、更多的思想领导力、更多的市场分析和更多的竞争情报。需求永无止境。验证标准却很宽松:它能引起共鸣吗?它能提升用户参与度吗?虽然有相关指标,但往往滞后数周甚至数月。

为什么这个象限如此重要?原因有三。首先是市场规模(TAM)。内容、研究和创意工作的市场遍及所有行业和所有公司。其次是可防御性。开放式系统需要判断力、品味和领域专业知识。它们比封闭式工具更难商品化。第三是利润率。成功的创意作品可以获得高价。一个优秀的营销活动的效果是普通营销活动的十倍,而不是百分之十。

在这里创业的初创公司将会与众不同。他们不会以完成的任务数量或通过的测试数量来衡量成功,而是会关注用户参与度、覆盖范围和影响力。反馈周期更慢,验证过程也更模糊,但市场需求却是无限的。这就是我关注的象限,也是下一波估值超过100亿美元的人工智能公司将会涌现的地方。

模式很清晰。闭环模式引领了第一波浪潮:代码助手、客服机器人、数据分析工具。而拥有无限需求的开环模式将引领第二波浪潮。永无止境的工作,大规模生成,并由人类的判断参与其中。这就是未来。

原文: https://www.tomtunguz.com/2026-04-08-ai-problems-2×2-matrix/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • A List Apart
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Alin Panaitiu
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brent Simmons
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • PostHog
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Slava Akhmechet
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2026 搞英语 → 看世界 | Design: Newspaperly WordPress Theme