4月份之前，我用5个月时间，非常肝的开发了6款轻量 AI 应用，其中一款成功出售，一个稳定的每个月有1-2万收入。
这之后休整了一下，进行了一段时间的复盘，市场也发生了一些变化。于是准备调整下策略，试图回到以前熟悉的做产品的节奏上。也开始认真的思考很多问题，比如：为什么开发 AI 应用会这么难？
做传统的互联网产品和传统 SaaS 产品，其实已经有非常多的被证明过的经验，比如如何PMF、投放策略，SaaS的各种指标也被人总结出来。但是到了AI应用这里，会发现有些一样的又有些不一样的。总之难了很多。
AI产品的四个维度
以前做产品，早期我们只需要考虑PMF（Product Market Fit）问题。现在做产品，既要完成 PMF，又要考虑模型能不能支撑好产品的Feature，还得考虑线性增长的成本（智能成本）。
Product、 Market、 Model、Cost，4个同时得做好，是要比以前要难，考虑的维度多了。虽然技术难度变化不太大，市场变化也不是很大甚至还更容易了一点（AI自带的注意力加成），但产品层面增加的难度很大，对产品经理要求更高。产品经理天马行空设想的Feature要么LLM根本实现不了，要么一算成本太高。
这里面新增的变量是 Model和Cost：
- Cost：智能的成本，包含调用API和使用算力的成本。会随时间推移会持续下降，甚至是对数下降。
- Model：是不可控的变量，但会随时间推移变好。目前能力天花板还是GPT-4，能不能突破，能突破到什么程度，现在是未知。
最大的不确定性来自Model，模型的可控性、能力的边界等问题。对模型能力的不了解，很可能导致做出来的产品PPT很炫，用起来根本不是那么回事。也导致市场热了一年多了，叫好又叫座的AI产品似乎也没几个。
这些想法是在4月份就就一直在想，5月份偶然看到李开复的一篇采访，里面提到了一个TC-PMF的说法，发现想法不谋而合，他们总结的更好：
- PMF 这一概念已经不能完整定义以大模型为基础的 AI-First 创业
- 引入 Technology（技术）与 Cost（成本）组成四维概念——TC-PMF。AI产品需要 Technology-Cost Product-Market-Fit（TC-PMF），技术成本 X 产品市场契合度，需要同时满足。
- 推理成本下降是个‘移动目标’，比传统 PMF 难上一百倍。
