Tech文章上線

Olivia Moore 解釋消費型 AI 為何仍有成長空間

數字匠人
Olivia Moore 解釋消費型 AI 為何仍有成長空間

目錄

你可能會想知道

  • 為什麼 Olivia Moore 認為消費型 AI 仍有機會,即使外界對其營收模式的疑慮日益增加?
  • 哪些以消費者為中心的 AI 應用仍大多尚未被探索?

主題

消費型人工智慧呈現出希望與不確定性交織的獨特局面。這項技術受到廣泛關注,但許多面向消費者的服務,其經濟效益仍難以捉摸。少數公司主導了使用情況,其他許多公司仍在摸索如何負擔提供 AI 工具的成本。與此同時,目前一批知名產品或許只代表消費型 AI 未來可能發展方向中的一小部分。

Andreessen Horowitz(安德森·霍洛維茲)的合夥人 Olivia Moore 專注研究消費型 AI。週一,她發布了一份探討前 100 大消費型 AI 應用程式的報告。ChatGPT 的規模仍遠遠領先其他產品,而 Suno 和 ElevenLabs 等工具則展現出持久的生命力。Moore 的報告也指出,有些類別至今尚未在領先應用程式中真正現身。社交應用程式、交友、市集、零售、旅遊、金融和健康等領域都缺少 AI 產品,顯示消費市場仍未臻完整。

這種看法與外界對消費型 AI 商業前景的疑慮形成對比。OpenAI 再度關注企業客戶,引發了人們對消費型產品能否創造足夠營收的疑問。Moore 認同 OpenAI 已轉向企業市場,但她不一定將此解讀為退出消費者市場。該公司仍持續推出消費型產品,因此她認為,這是業務擴張,而非明確轉向、遠離消費者。

這項區別很重要,因為迄今大多數 AI 營收都來自訂閱和 token 用量。這些付費方式在企業客戶和具備技術能力、使用 AI 輔助工作的專業人士中尤其常見。對更廣大的消費市場而言,這些方式就不那麼合適,因為許多人可能不想再多付一筆定期費用。Moore 的主張並不只是消費型 AI 需要更多付費訂閱者。她關注的是,公司能否建立一種商業模式,讓消費者使用產品時不必為每項服務直接付費。

其中一種可能方式,是透過廣告支持免費使用。Moore 指出,矽谷的人,尤其是高收入者或持有公司付款卡的人,可能樂於付費使用實用軟體,但不應假設大眾也抱持相同偏好。許多消費者可能更喜歡透過廣告支持的免費使用方式,並保留訂閱選項,以便在想移除廣告或使用更多功能時付費。

更廣泛來說,消費型產品的營利方式可以有多種形式。訂閱制或許仍然重要,但不必是唯一的收入來源。廣告、交易或其他模式,都可能協助產品觸及原本不會自掏腰包付費的使用者。對 Moore 而言,核心機會在於讓消費型 AI 得以永續發展,而不必完全仰賴訂閱費和用量費。替代模式能否大規模奏效,取決於產品設計、使用者信任,以及提供服務的成本。

成本是一項特別大的挑戰。AI 服務的營運成本可能高於 Facebook 或 Google 搜尋等人們熟悉的網路產品。每次使用者提出請求,都可能需要大量運算資源,尤其是公司仰賴功能強大的前沿模型時。如果產品以低價或免費提供大量使用,服務這些用量的成本很快就會成為限制。

Moore 認為,成本挑戰可能逐漸變得較容易應對。她以 ChatGPT 的 Go 方案為例,月費為 $8,並推測該方案可能採用成本較低的模型。並非每項任務都需要能力最強的 AI。輕量型模型或許足以處理日常或範圍明確的消費者功能,讓公司在降低營運成本的同時,仍能提供實用成果。

開源模型也可能提供另一條路。消費型公司可以運用價格更低,或更容易針對特定任務調整的模型來打造產品。Moore 表示,創業者最近愈來愈常討論這種做法,她也感覺到業界正逐漸轉向使用更多不同的模型,而不是每次互動都依賴最先進的系統。這種改變可能讓 AI 功能更容易提供給更多使用者。

然而,AI 營收目前的來源,與廣泛消費者採用可能成長的領域並不相符。許多帶來可觀營收的使用者,是用 AI 進行程式設計和其他技術自動化工作。這些任務可能需要前沿智慧,而這類能力成本高昂。以簡單活動為核心的消費型產品,未必需要同等程度的模型能力。如果更多公司為日常使用者設計產品,讓 AI 成為產品的一個組成部分,而非產品本身,便可能採用成本較低的系統。

這項區別也使「消費型 AI」的定義變得更複雜。產品可能從個人使用者起步,後來卻在企業市場找到最大的發展空間。Moore 曾將這種模式描述為更大範圍擴張的一環,在此過程中,消費型與企業軟體的傳統界線變得不再清晰。在 AI 出現之前,Canva 等以消費者為先的公司,可能花上六、七年才推出團隊或企業方案。如今,有些公司從消費市場起步,轉型成以企業業務為主的公司,速度快得多。

Moore 以 Gamma、ElevenLabs 和 Cursor 為例,這些公司從面向消費者的產品起步,並在 18 months 內轉為以企業業務為主。它們的發展路徑說明,個人使用者可以成為早期採用者,而企業之後則為更廣泛的使用權或更進階的功能付費。最初的產品或許看起來像消費型軟體,但最終最主要的營收來源可能是企業組織。

因此,Moore 認為,許多被稱為消費型 AI 的產品,更準確地說其實是「專業消費型 AI」(prosumer AI)。專業消費型產品由個人使用,但往往協助使用者從事專業或商業工作。從創造營收的應用程式類型,就能看出這項差異。其中一類協助使用者打造產品,例如 Lovable、Replit 和 Fal。另一類專注於產品行銷,例如 AI 廣告生成工具 Higgsfield 和 HeyGen。第三類則支援一般工作管理,包括 Manus、Fireflies AI 和 Granola 等工具。

這些產品起初可能由個人購買,但其價值往往與工作相關。它們協助使用者開發軟體、製作行銷素材或整理專業工作。這有別於人們主要用來進行個人溝通、娛樂、購物或處理日常需求的消費服務。因此,目前市場看似強勁的表現,或許更多反映的是專業消費者的需求,而非消費型 AI 的全部潛力。

因此,尚未充分發展的類別格外值得關注。Moore 指出,前 100 大名單中沒有社交應用程式、交友、市集、零售、旅遊、金融和健康等領域的產品。這種缺席並不能證明 AI 無法支援這些領域的產品;它可能意味著產品設計、使用者期待、信任要求、法規或技術能力,尚未以令人信服的方式結合起來。

其中一些領域也需要特別謹慎。例如,健康和金融產品可能涉及敏感資訊,以及後果重大的決策。社交和交友服務仰賴人際連結、安全與信任,而不只是生成文字或圖片。零售、旅遊和市集可能需要 AI 協調資訊、推薦和交易。每一種情況下,成功的產品都必須解決真實的使用者問題,而不是只把 AI 當作表面上的功能。

Moore 認為,下一階段的發展或許能揭示公司是否有能力填補這些缺口。她報告中的名單只是目前市場的快照,而非最終版的市場藍圖。既有應用程式目前占據主導地位,不代表未來也會由相同類別定義這個領域。隨著模型成本降低、開發者發現尚未滿足的需求,以及公司試驗新的營收方式,新的產品可能會出現。

被問到業界是否已出現真正的消費型 AI 時,Moore 的回答是,現在仍處於非常早期的階段。這項判斷反映了當前可見的成功與更多潛在應用之間的差異。目前的產品顯示,人們會將 AI 用於創意工作、程式設計、行銷和生產力提升,但它們尚未證明,AI 如何成為個人生活中的日常一環,尤其對那些不靠 AI 從事有償工作的人而言。

因此,核心問題不只是有多少消費者會訂閱 AI 工具,也包括人們會覺得哪些產品實用、哪些模型能以可負擔的成本支援這些產品,以及公司如何創造價值而不把所有成本都轉嫁給個別使用者。答案可能來自多種因素的結合:成本較低的模型、開源技術、廣告、商業合作,以及以特定消費者需求為核心打造的產品。

重點見解表

面向 說明
目前領先者 ChatGPT 的規模遠遠領先,而 Suno 和 ElevenLabs 則展現出較小型消費型 AI 產品的持久生命力。
營收模式 訂閱和 token 用量目前帶來大部分 AI 營收,但 Moore 看好不完全依賴消費者直接付費的模式。
營運成本 成本較低的模型和開源系統,或許能協助公司以更實惠的方式提供實用 AI 功能。
消費市場與企業市場的交集 有些公司從個人使用者起步,逐漸發展成企業業務,使消費市場與企業市場之間的界線變得不再清晰。
專業消費者市場 許多成功的應用程式協助個人打造產品、製作行銷素材或管理工作,因此稱為專業消費型工具往往更貼切。
尚未探索的類別 社交應用程式、交友、市集、零售、旅遊、金融和健康,仍是報告前 100 大名單中缺少領先產品的顯著領域。

後續⋯⋯

消費型 AI 的下一階段,不會只取決於模型能力的提升。研究人員和產品團隊還需要探索 AI 如何自然融入日常服務,尤其是那些仍未充分發展的類別。這項工作應從具體的使用者需求出發,評估 AI 是否能讓產品更實用、更容易取得或更靈敏,而不只是讓產品在技術上更標新立異。

有幾個領域值得持續關注:能以較低成本處理常見任務的高效率模型;賦予開發者彈性的開源系統;適用於敏感應用的隱私與安全措施;以及能在免費使用和永續營收之間取得平衡的商業模式。在健康和金融等領域,審慎評估並適當納入人為監督尤其重要。對社交產品而言,信任與使用者福祉應是設計時的核心考量。

持續追蹤消費者與專業消費者採用情況的差異也很重要。產品初期受到個人專業人士歡迎,並不代表它能滿足更廣泛的個人需求。未來研究應探討誰在使用這些服務、使用目的、回訪頻率,以及最終由誰付費。

消費型 AI 仍是一個尚未成熟的市場。它的發展將受可負擔性、產品品質、信任和使用者獲得的價值共同影響。如果公司能解決這些問題,同時將產品拓展至工作導向應用之外,下一代消費型 AI 可能會與今日市場上的領先產品大不相同。

最後編輯時間:2026/10/9