一、AI 绘图背景与趋势随着互联网行业发展和技术的进步，设计师也有越来越丰富的手段来应对多种类型的产品需求；比如说 3D 渲染、各种自定义的插件已经成为设计师的工作日常，在不断的提高大家的工作效率；包括最近火热的 AI 绘图，也时常出现在设计师的讨论话题当中。AI工具大盘点：2023年，让这20款AI工具帮你更高...

一、AI 绘图背景与趋势 随着互联网行业发展和技术的进步，设计师也有越来越丰富的手段来应对多种类型的产品需求；比如说 3D 渲染、各种自定义的插件已经成为设计师的工作日常，在不断的提高大家的工作效率；包括最近火热的 AI 绘图，也时常出现在设计师的讨论话题当中。

AI工具大盘点：

2023年，让这20款AI工具帮你更高效地完成工作~ 2023年，让这20款AI工具帮你更高效的完成工作~ 大家好，这里是和你们聊设计的花生~ 2022年是AI技术大发展的一年，我都快记不清为大家推荐多少种AI工具了。

阅读文章 >

AI 绘图模型令人叹为观止的画作

1. 模型的种类与画风

目前市面上，AI 绘图在商业设计领域，目前还鲜有人尝试。我们团队通过网上大量的资料和学习，针对 AI 的先有几个工具进行了研究和试验，看看高阶的 AI 模型能否满足我们的诉求。

由于市面上存在大量的 AI 绘画工具，每个工具擅长的画风也各有所长；例如 MidJourney；画面注重细节的构建和表达；

Stable Diffusion，画风更偏写实；

Disco Diffusion；笔触较明显，适合油画风格；

包括每一类型里不同的模型也会有不同的效果，例如基于 Stable-Diffusion 开发的 NovelAI Diffusion Models，风格更偏二次元；

基于 AI 绘图具有「低成本、批量输出」的特征，而商业化运营需求也带有「日常、高频」的属性，例如日常大促、节日促销活动的 H5 页面、电商 banner 等；所以我们想将 AI 绘图应用在商业化设计流程之中。尝试打破效率边界，利用低投入高产出的方式为团队提效。

二、商业设计如何拥抱 AI 在进行具体的 AI 绘图实验之前，我们先把商业化运营设计需求分类，以活动类型、周期、对应设计复杂程度，可将其分为为 S、A、B 三个级别。其中 S 级别以专题大促为主，页面以为 banner 和 H5 为代表；A 级别以平台活动为主，同样是 banner 和 H5 需求并存；B 级别为日常促销，以 banner 需求居多；

由于以上几类日常运营图的需求频次较高且生命周期不长，在极快的项目节奏中会较多占用设计人力及项目时间；同时因为 AI 绘图模型具有低成本、批量产出的特征，所以我们尝试用 AI 绘图工具来辅助完成日常的运营设计工作。另外值得一提的是，每类模型的擅长风格不同，我们选用的是时下最火热，也是学习资料较多的 MidJourney 来做尝试。

三、B 类商业运营设计需求：轻量手段快速达成

面对常规运营 banner 需求，之前团队合作流程是由产品、运营同学按固定周期提需求到设计部门，按需求排期，定量投入设计人力逐步交付。

既然工作流程上已是最短路径，那么我们尝试把目光聚焦在需求本质上，将 banner 的结构拆散，可以发现绝大部分的 banner 都由这五类元素构成；那么是否能够利用现有成熟的 AI 类技术平台，直接生成商业运营设计 banner 成品（或半成品）呢？我们接下来就尝试一下。

1. 对比和尝试

我们首先横向对比了国内外智能出图平台的各项能力，以关键功能类型作为衡量指标，得到了一张能力图表；

那么横向来看，各平台的能力可以划分为两大类模版绘制、AI 绘制结合模版设计；

第一类在线模版绘制；大量模版可以供挑选并调整，支持线上编辑并输出；第二类 AI 绘制；优势是速度极快快、批量出图，但图像的质量没有保障，需结合模版能力一起使用才能质量可靠的设计图；综合效率和结果两方面来考虑，我们选择第二类方法，如上图所示网上有多种平台可供选择，大家可以根据需求自行选择恰当的平台来进行实验。

2. 方法总结

在具体操作流程上，跟我们常规的设计作图略有不同；大概分为 2 个阶段；

首先我们需要选择配图主题类型、活动类型、人群，这决定了图片风格和商品素材的表现；并输入对应的文案标题，即 banner 图的文案显示；

随后可得到批量生成的初稿；

点击任一初稿，进入线上编辑环节，利用丰富的在线编辑能力对 banner 图做调整，例如图层查找，替换商品素材、装饰素材，更改字体等等；在智能编辑模块中简单处理后即可得到可用的设计图；经过大量实验后发现，这类方式更适合于电商类型的 banner 图；同时在经过对产品、运营同学的简单培训后，大家也可以非常迅速的做到上手并产出 banner 图；这也与我们的预期判断是匹配的；

四、A 类商业运营设计需求：AI 辅助生成

除了 B 类的日常促销活动外，我们也会经常遇到类似上图的 H5 头图的运营设计，面对这类需求通常需要在探索风格，绘制画面细节上花费较长时间，我们尝试通过 AI 模型辅助出图解决这个难题。

1. 工作流程介绍

在正式开始作图之前，我们需要对 MidJourney 的能力区间、工作模式建立基本的认知。

MidJourney 允许用户以对话的形式，通过以输入描述词的方式，经过 AI 模型运算后得到其返回的图片。

2. 利用 MidJourney 垫图能力辅助设计头图；

针对 A 类平台活动类运营需求的绘制工作共分为四个步骤，分别是风格定义，垫图描述，调整与输出；

首先先通过参考图，明确出我们倾向的风格和特征；

第二步我们需要用到「以图生图」，在 discord 中将参考图发给 MidJourney，并结合意向风格，构图和其他特征添加上恰当的描述，可以得到初稿；

不断调整图像与描述词，最终逐步接近目标效果；

头图生成好之后，搭配上文案的字体设计与装饰元素，可以看到最终的效果如上。利用 AI 模型辅助生图，可以使繁琐的工作量可以得到有效压缩，从而把大家从繁杂的工作中解放出来。

五、S 类商业运营设计需求：AI 智能生成 除了较为基础的 A 类运营设计需求外，面对专题大促的运营需求需求，其展示周期更长，且对于设计质量要求更高，常常会涉及到 3D 场景的搭建和渲染工作，相对于 A 类需求，S 类需求通常排期时间更长，同时对设计师的能力提出更高要求；

那么针对画面设计要求更高阶的运营需求，除依靠设计师个人能力来应对之外，会否有更高效、便捷的办法呢，我们同样可以通过 AI 模型绘制的办法来尝试解决这个问题。

1. 工作流程介绍

基于前面对于 MidJourney 的基础了解，我们接下来看下利用 MidJourney 辅助输出运营设计图的工作流，分别是风格定义、撰写描述、二次调整、输出 4 个步骤；

① 风格定义

首先是风格定义，由于 AI 绘图具有高度的随机性和风格化的特质，而运营设计更注重理性的构图版式。所以在正式进入绘图步骤之前，我们需要提前明确画面大致的风格调性，这样才能保证后续 AI 产出的方向不跑偏，并更准确的获取我们想要的图像；

我们以电商运营广告中最常见的美妆类别举例，通过观察可以发现，美妆类的图像具有明显的风格化特征，比如居中或对称构图、明亮的环境光等。所以这些特质就将成为我们输入的词汇，同时也是输出筛选步骤里的重要依据。

② 撰写描述

MidJourney 模型出图有两种模式，最常见的是 text to img 文本生图；以及 img to img 以图生图；文本生图即通过一段文本描述告诉 AI 模型你想要的画面，由它帮你绘制出来；以图生图是通过一份原始图片，配合文本描述，来绘制跟原始图片类似风格但又不尽相同的图片素材；无论哪种方式，都需要明确一个关键的概念「Prompt」，也就是「关键词描述」。

Prompt 关键词描述可以理解为与 AI 创作沟通的媒介，我们需要将脑海中构想的画面用恰当的提示词（语句）描述出来，并通过它来缩小 AI 想象的空间，它才能听懂、理解并产出令人满意的画面。另外值得注意的是，相同的描述文本内容，词语的顺序、前后词汇的关系对于内容的产出影响差异也会非常的大。所以关键词描述的写法至关重要；

Prompt 的大致写法由几个部分构成，主体部分，环境氛围，构图，风格化，以及其他设定。我们接下来通过 Prompt 描述公式，一步步完成一张美妆运营图的设计。

首先是主体内容的描述，通常可以拆解为，存在几个「什么样的」的主体，在做什么动作，并附带了其他的什么动作。例如：There was a pink lipstick and a glass bottle of perfume；可以得到如上的主体内容，香水口红的图像。

其次是为主体内容添加场景或环境，例如给定某些地点或物件。比如案例中，我们指定背景花朵、自然植物，以及倒影等词汇。通过观察以上四张图，可以发现模型中「Nature Plants」这个词汇对画面有较大的影响，决定了不同风格的背景以及复杂程度。同时也能发现，尽管只相差了一个描述词，但前后结果仍存在较大的差异，所以大家在调试画面的过程中可以从词汇逐个调整，以尽量减少画面的随机跳变；

然后是构图与镜头，比如左侧两张图强调景深，右侧两张图强调了构图位置等；

接下来是风格化与参考方向，可以添加上艺术家名字或平台名字，或直接将图像风格写出来；比如说 3D 渲染还是 2D 画风，可以从上图的结果中明显感觉到两者的区别。

最后是图像的设定，例如--q 5，代表最高图像质量；同时你也可以通过类似「8k, ultra realistic」这样的词汇来对画质做强调。第二点是画幅，--ar 3:2 表示横纵比为 3 比 2 的横幅图像，--ar 9:16 表示横纵比为 9 比 16 的纵向图像；-- v4 代表最新的第四代计算模型；

最终通过以上五个小步骤，我们可以得出一大批风格各异的草图：

再通过第一步的风格调性做筛选，可以初步得出不同类型的初稿，以满足不同的品类需求。

③ 二次修正，进阶调整

当取得满足需求的初稿之后，我们可以使用 MidJourney 的进阶功能，来提升图像质量或对图像画面做调整；以下是几个使用频率最高的的调整功能；

首先是通过点击成图下方的 U 按钮，可以放大对应序号的图片的比例，来提高其分辨率；

第二种，通过点击图片下方的 V 按钮，可以基于原描述词，生成对应序号图片的变体，画面对比母版，图片的细节会出现随机变化，例如上图的花蕊、香水瓶的外轮廓；

第三种是 Light Upscale Redo & Beta Upscale Redo，这两个功能都可以提升画质并细化效果；

最后一种也是变体生成方法，值得注意的是，需在「/setting」中开启「Remix mode」功能后，再次点 V 功能，此时可以二次编辑关键词；例如上图就通过「Remix mode」重置了图像的尺寸比例。

④ 调整输出

将二次修正后的图像，经过设计师轻量化的调整工作，例如修正细节，添加文案后，即可看到最后的效果。

以上就是利用 AI 绘图技术辅助生成 S 类商业运营设计图；可以看到其优势是短时间、大批量生成可供选择的风格背景图；同时能配合需求本身，通过 AI 模型的变体加二次描述词编辑，来满足我们的个性化要求。

结语 以上则是本文的全部内容，如果你也想通过 AI 绘图的形式来辅助提高自己的工作效率，以下几点值得仔细阅读，首先 MidJourney 前期有免费的体验额度，当额度用完后需要付费使用。其次免费用户生成的作品不能商用，只有付费用户才拥有该图片的所有权。由于 AI 绘图的版权政策时常存在变动，所以也请大家关注 Midjourney 官方信息，以免带来困扰。

随着 AI 模型能力的飞速迭代升级，现有的短板能力也会不断补齐，因此我们可以相信在不远的将来，设计师利用 AI 模型来开脑洞并辅助出图是趋势所向，但并不是说我们需要完全依赖 AI，因为设计本身是理性而浪漫的工作，仅靠随机性做设计是完全不可取且不靠谱的。更合适的思路应该是，设计师首先定义好规则与框架，从 AI 模型提供的成百上千个结果中寻找到最匹配我们诉求的结果，从而辅助我们更快更好的达成目标。另外面对日新月异的的智能工具，我们应该保持终生学习的心态，做好时刻接受新事物的挑战，才能在越来越激烈的竞争中立于不败之地。

欢迎关注作者微信公众号：「腾讯ISUX」

一、AI 绘图背景与趋势随着互联网行业发展和技术的进步，设计师也有越来越丰富的手段来应对多种类型的产品需求；比如说 3D 渲染、各种自定义的插件已经成为设计师的工作日常，在不断的提高大家的工作效率；包括最近火热的 AI 绘图，也时常出现在设计师的讨论话题当中。AI工具大盘点：2023年，让这20款AI工具帮你更高...

一、AI 绘图背景与趋势 随着互联网行业发展和技术的进步，设计师也有越来越丰富的手段来应对多种类型的产品需求；比如说 3D 渲染、各种自定义的插件已经成为设计师的工作日常，在不断的提高大家的工作效率；包括最近火热的 AI 绘图，也时常出现在设计师的讨论话题当中。

AI工具大盘点：

2023年，让这20款AI工具帮你更高效地完成工作~ 2023年，让这20款AI工具帮你更高效的完成工作~ 大家好，这里是和你们聊设计的花生~ 2022年是AI技术大发展的一年，我都快记不清为大家推荐多少种AI工具了。

阅读文章 >

AI 绘图模型令人叹为观止的画作

1. 模型的种类与画风

目前市面上，AI 绘图在商业设计领域，目前还鲜有人尝试。我们团队通过网上大量的资料和学习，针对 AI 的先有几个工具进行了研究和试验，看看高阶的 AI 模型能否满足我们的诉求。

由于市面上存在大量的 AI 绘画工具，每个工具擅长的画风也各有所长；例如 MidJourney；画面注重细节的构建和表达；

Stable Diffusion，画风更偏写实；

Disco Diffusion；笔触较明显，适合油画风格；

包括每一类型里不同的模型也会有不同的效果，例如基于 Stable-Diffusion 开发的 NovelAI Diffusion Models，风格更偏二次元；

基于 AI 绘图具有「低成本、批量输出」的特征，而商业化运营需求也带有「日常、高频」的属性，例如日常大促、节日促销活动的 H5 页面、电商 banner 等；所以我们想将 AI 绘图应用在商业化设计流程之中。尝试打破效率边界，利用低投入高产出的方式为团队提效。

二、商业设计如何拥抱 AI 在进行具体的 AI 绘图实验之前，我们先把商业化运营设计需求分类，以活动类型、周期、对应设计复杂程度，可将其分为为 S、A、B 三个级别。其中 S 级别以专题大促为主，页面以为 banner 和 H5 为代表；A 级别以平台活动为主，同样是 banner 和 H5 需求并存；B 级别为日常促销，以 banner 需求居多；

由于以上几类日常运营图的需求频次较高且生命周期不长，在极快的项目节奏中会较多占用设计人力及项目时间；同时因为 AI 绘图模型具有低成本、批量产出的特征，所以我们尝试用 AI 绘图工具来辅助完成日常的运营设计工作。另外值得一提的是，每类模型的擅长风格不同，我们选用的是时下最火热，也是学习资料较多的 MidJourney 来做尝试。

三、B 类商业运营设计需求：轻量手段快速达成

面对常规运营 banner 需求，之前团队合作流程是由产品、运营同学按固定周期提需求到设计部门，按需求排期，定量投入设计人力逐步交付。

既然工作流程上已是最短路径，那么我们尝试把目光聚焦在需求本质上，将 banner 的结构拆散，可以发现绝大部分的 banner 都由这五类元素构成；那么是否能够利用现有成熟的 AI 类技术平台，直接生成商业运营设计 banner 成品（或半成品）呢？我们接下来就尝试一下。

1. 对比和尝试

我们首先横向对比了国内外智能出图平台的各项能力，以关键功能类型作为衡量指标，得到了一张能力图表；

那么横向来看，各平台的能力可以划分为两大类模版绘制、AI 绘制结合模版设计；

第一类在线模版绘制；大量模版可以供挑选并调整，支持线上编辑并输出；第二类 AI 绘制；优势是速度极快快、批量出图，但图像的质量没有保障，需结合模版能力一起使用才能质量可靠的设计图；综合效率和结果两方面来考虑，我们选择第二类方法，如上图所示网上有多种平台可供选择，大家可以根据需求自行选择恰当的平台来进行实验。

2. 方法总结

在具体操作流程上，跟我们常规的设计作图略有不同；大概分为 2 个阶段；

首先我们需要选择配图主题类型、活动类型、人群，这决定了图片风格和商品素材的表现；并输入对应的文案标题，即 banner 图的文案显示；

随后可得到批量生成的初稿；

点击任一初稿，进入线上编辑环节，利用丰富的在线编辑能力对 banner 图做调整，例如图层查找，替换商品素材、装饰素材，更改字体等等；在智能编辑模块中简单处理后即可得到可用的设计图；经过大量实验后发现，这类方式更适合于电商类型的 banner 图；同时在经过对产品、运营同学的简单培训后，大家也可以非常迅速的做到上手并产出 banner 图；这也与我们的预期判断是匹配的；

四、A 类商业运营设计需求：AI 辅助生成

除了 B 类的日常促销活动外，我们也会经常遇到类似上图的 H5 头图的运营设计，面对这类需求通常需要在探索风格，绘制画面细节上花费较长时间，我们尝试通过 AI 模型辅助出图解决这个难题。

1. 工作流程介绍

在正式开始作图之前，我们需要对 MidJourney 的能力区间、工作模式建立基本的认知。

MidJourney 允许用户以对话的形式，通过以输入描述词的方式，经过 AI 模型运算后得到其返回的图片。

2. 利用 MidJourney 垫图能力辅助设计头图；

针对 A 类平台活动类运营需求的绘制工作共分为四个步骤，分别是风格定义，垫图描述，调整与输出；

首先先通过参考图，明确出我们倾向的风格和特征；

第二步我们需要用到「以图生图」，在 discord 中将参考图发给 MidJourney，并结合意向风格，构图和其他特征添加上恰当的描述，可以得到初稿；

不断调整图像与描述词，最终逐步接近目标效果；

头图生成好之后，搭配上文案的字体设计与装饰元素，可以看到最终的效果如上。利用 AI 模型辅助生图，可以使繁琐的工作量可以得到有效压缩，从而把大家从繁杂的工作中解放出来。

五、S 类商业运营设计需求：AI 智能生成 除了较为基础的 A 类运营设计需求外，面对专题大促的运营需求需求，其展示周期更长，且对于设计质量要求更高，常常会涉及到 3D 场景的搭建和渲染工作，相对于 A 类需求，S 类需求通常排期时间更长，同时对设计师的能力提出更高要求；

那么针对画面设计要求更高阶的运营需求，除依靠设计师个人能力来应对之外，会否有更高效、便捷的办法呢，我们同样可以通过 AI 模型绘制的办法来尝试解决这个问题。

1. 工作流程介绍

基于前面对于 MidJourney 的基础了解，我们接下来看下利用 MidJourney 辅助输出运营设计图的工作流，分别是风格定义、撰写描述、二次调整、输出 4 个步骤；

① 风格定义

首先是风格定义，由于 AI 绘图具有高度的随机性和风格化的特质，而运营设计更注重理性的构图版式。所以在正式进入绘图步骤之前，我们需要提前明确画面大致的风格调性，这样才能保证后续 AI 产出的方向不跑偏，并更准确的获取我们想要的图像；

我们以电商运营广告中最常见的美妆类别举例，通过观察可以发现，美妆类的图像具有明显的风格化特征，比如居中或对称构图、明亮的环境光等。所以这些特质就将成为我们输入的词汇，同时也是输出筛选步骤里的重要依据。

② 撰写描述

MidJourney 模型出图有两种模式，最常见的是 text to img 文本生图；以及 img to img 以图生图；文本生图即通过一段文本描述告诉 AI 模型你想要的画面，由它帮你绘制出来；以图生图是通过一份原始图片，配合文本描述，来绘制跟原始图片类似风格但又不尽相同的图片素材；无论哪种方式，都需要明确一个关键的概念「Prompt」，也就是「关键词描述」。

Prompt 关键词描述可以理解为与 AI 创作沟通的媒介，我们需要将脑海中构想的画面用恰当的提示词（语句）描述出来，并通过它来缩小 AI 想象的空间，它才能听懂、理解并产出令人满意的画面。另外值得注意的是，相同的描述文本内容，词语的顺序、前后词汇的关系对于内容的产出影响差异也会非常的大。所以关键词描述的写法至关重要；

Prompt 的大致写法由几个部分构成，主体部分，环境氛围，构图，风格化，以及其他设定。我们接下来通过 Prompt 描述公式，一步步完成一张美妆运营图的设计。

首先是主体内容的描述，通常可以拆解为，存在几个「什么样的」的主体，在做什么动作，并附带了其他的什么动作。例如：There was a pink lipstick and a glass bottle of perfume；可以得到如上的主体内容，香水口红的图像。

其次是为主体内容添加场景或环境，例如给定某些地点或物件。比如案例中，我们指定背景花朵、自然植物，以及倒影等词汇。通过观察以上四张图，可以发现模型中「Nature Plants」这个词汇对画面有较大的影响，决定了不同风格的背景以及复杂程度。同时也能发现，尽管只相差了一个描述词，但前后结果仍存在较大的差异，所以大家在调试画面的过程中可以从词汇逐个调整，以尽量减少画面的随机跳变；

然后是构图与镜头，比如左侧两张图强调景深，右侧两张图强调了构图位置等；

接下来是风格化与参考方向，可以添加上艺术家名字或平台名字，或直接将图像风格写出来；比如说 3D 渲染还是 2D 画风，可以从上图的结果中明显感觉到两者的区别。

最后是图像的设定，例如--q 5，代表最高图像质量；同时你也可以通过类似「8k, ultra realistic」这样的词汇来对画质做强调。第二点是画幅，--ar 3:2 表示横纵比为 3 比 2 的横幅图像，--ar 9:16 表示横纵比为 9 比 16 的纵向图像；-- v4 代表最新的第四代计算模型；

最终通过以上五个小步骤，我们可以得出一大批风格各异的草图：

再通过第一步的风格调性做筛选，可以初步得出不同类型的初稿，以满足不同的品类需求。

③ 二次修正，进阶调整

当取得满足需求的初稿之后，我们可以使用 MidJourney 的进阶功能，来提升图像质量或对图像画面做调整；以下是几个使用频率最高的的调整功能；

首先是通过点击成图下方的 U 按钮，可以放大对应序号的图片的比例，来提高其分辨率；

第二种，通过点击图片下方的 V 按钮，可以基于原描述词，生成对应序号图片的变体，画面对比母版，图片的细节会出现随机变化，例如上图的花蕊、香水瓶的外轮廓；

第三种是 Light Upscale Redo & Beta Upscale Redo，这两个功能都可以提升画质并细化效果；

最后一种也是变体生成方法，值得注意的是，需在「/setting」中开启「Remix mode」功能后，再次点 V 功能，此时可以二次编辑关键词；例如上图就通过「Remix mode」重置了图像的尺寸比例。

④ 调整输出

将二次修正后的图像，经过设计师轻量化的调整工作，例如修正细节，添加文案后，即可看到最后的效果。

以上就是利用 AI 绘图技术辅助生成 S 类商业运营设计图；可以看到其优势是短时间、大批量生成可供选择的风格背景图；同时能配合需求本身，通过 AI 模型的变体加二次描述词编辑，来满足我们的个性化要求。

结语 以上则是本文的全部内容，如果你也想通过 AI 绘图的形式来辅助提高自己的工作效率，以下几点值得仔细阅读，首先 MidJourney 前期有免费的体验额度，当额度用完后需要付费使用。其次免费用户生成的作品不能商用，只有付费用户才拥有该图片的所有权。由于 AI 绘图的版权政策时常存在变动，所以也请大家关注 Midjourney 官方信息，以免带来困扰。

随着 AI 模型能力的飞速迭代升级，现有的短板能力也会不断补齐，因此我们可以相信在不远的将来，设计师利用 AI 模型来开脑洞并辅助出图是趋势所向，但并不是说我们需要完全依赖 AI，因为设计本身是理性而浪漫的工作，仅靠随机性做设计是完全不可取且不靠谱的。更合适的思路应该是，设计师首先定义好规则与框架，从 AI 模型提供的成百上千个结果中寻找到最匹配我们诉求的结果，从而辅助我们更快更好的达成目标。另外面对日新月异的的智能工具，我们应该保持终生学习的心态，做好时刻接受新事物的挑战，才能在越来越激烈的竞争中立于不败之地。

欢迎关注作者微信公众号：「腾讯ISUX」

我知道很多人其实都有参考的习惯，但是经常进入参考的两大误区，最大误区就是从参考变成抄袭，这个是很多人的问题，经常性的抄袭会抹杀自己的创造能力，什么是创意？就是老东西和老东西的新组合，我们可以参考别人组合的思路，但是不能直接用他们的组合。还有一块误区就是我不知道参考什么，看它的画面挺好但是不知道好在哪里，也就是有心...

我知道很多人其实都有参考的习惯，但是经常进入参考的两大误区，最大误区就是从参考变成抄袭，这个是很多人的问题，经常性的抄袭会抹杀自己的创造能力，什么是创意？就是老东西和老东西的新组合，我们可以参考别人组合的思路，但是不能直接用他们的组合。还有一块误区就是我不知道参考什么，看它的画面挺好但是不知道好在哪里，也就是有心无力，或者私下想自行学习却不知道如何解析。如果你有以上的问题一定要认真的看完本文，并积极按照文章的思路进行练习尝试，本文会一次性给你说清楚如何进行合理的参考学习。

更多平面干货：

用好这5个简单实用的海报技巧，特别容易出效果！ 今天给大家分享五种针对海报的小技巧，都是不需要有什么技法基础就可以做到且效果还不错的。

阅读文章 >

欢迎关注作者微信公众号：「视研设」

虚拟直播作为腾讯云渲染的一款新产品解决方案，提供一站式的云端多样化的虚拟空间互动玩法与直播玩法；基于云渲染的 PaaS 技术，结合腾讯云超低延迟音视频技术以及 VGPU 实时渲染，实现在 web 端、小程序端、H5 端进入虚拟世界进行多样化活动的新型音视频直播解决方案。在进行多端体验设计与内容场景模型设计时，我们...

虚拟直播作为腾讯云渲染的一款新产品解决方案，提供一站式的云端多样化的虚拟空间互动玩法与直播玩法；基于云渲染的 PaaS 技术，结合腾讯云超低延迟音视频技术以及 VGPU 实时渲染，实现在 web 端、小程序端、H5 端进入虚拟世界进行多样化活动的新型音视频直播解决方案。在进行多端 体验设计 与内容场景模型设计时，我们进行了相关探索性的研究，本篇文章将介绍此项目设计探索的内容。

更多 直播设计 干货：

直播间怎么设计？细聊直播交互的17年发展史 直播长久以来一直是互联网行业最快速且强大的变现方式，在中国，直播行业起源于 2005 年，爆发于 2016 年，迄今为止尚不足 20 年，但期间已经经历语音到视频、多人交友转向个人秀场、PC 端到移动端 、网红秀场转向垂直精细化的生活领域等多个重大转变。

阅读文章 >

一、设计背景 1. 什么是虚拟直播？

虚拟直播（Virtual Space Live，VSL）是腾讯云自有的一款新的音视频技术产品，基于腾讯云音视频能力和云端渲染技术，搭配合作伙伴内容，网页开启虚拟空间直播间，仅用简单配置即可一键云上开播。

2. 项目难点

虚拟直播产品属于音视频云渲染和云直播结合的技术类 PaaS 新产品，对于客户来说云渲染以及云直播技术能力是比较抽象难懂的，在设计上如何快速展示腾讯自有的技术能力以及优势是难点之一。在客户进入官网和产品的时候如何能够更清晰的了解这款全新产品的功能以及场景也是设计需要考虑的重点。

在视觉方面，我们需要通过可视化的方式，让客户了解我们的技术类产品；并通过体验 Demo 的方式帮助客户更直观的了解到我们技术型产品的特性及优点。那么如何通过可视化的方式和体验 Demo 帮助客户理解呢？我们进行了一系列的设计探索，下面介绍一下我们是如何克服项目中的这类难点的。

二、设计策略 1. 虚拟直播产品的视觉该如何考虑呢？

在了解项目情况后，我们针对性的做了以下设计方向。

产品曝光方面，打造新产品页视觉；配合产品对外进行产品及创新设计的 PR 产品功能方面，建立与打磨 Web 和移动端的虚拟直播间 Demo 基础体验 对客方面，搭建标准化场景内容，跟进大客户设计需求服务，打造标杆案例 归纳为三个层面进行针对性设计：识别-体验-服务

设计策略是：识别层面，对于新产品，我们要树立产品在客户眼中的第一印象，打造虚拟场景互动的科技与技术力感受；体验层面，满足虚拟直播客户与间接用户的用户体验需求，打磨产品的功能体验；服务层面，也是价值核心，是做好虚拟直播间的标准化场景内容的设计。

另外，项目初期通过 PPT 和产品介绍对云渲染的 PaaS 业务做初步了解，与产品沟通了解产品的规划与商业化玩法也是很有必要的。技术产品的理解门槛要搞很多，所以前期需要进行充足的技术储备的学习，以便在技术范围内促进对产品的创新设计。

三、识别层设计 下面介绍如何让客户快速识别并生成良好的第一印象，也就是识别层的内容。

1. 客户识别路径

首先是分析客户的识别路径，以制定不同阶段的设计目标；在视觉方面，影响客户感官的主要是应用场景的图文识别，以及体验 Demo 时候的视觉识别，最终要使客户对虚拟直播产品形成“专业”“前沿”的第一印象。第一印象也是能深远影响客户对于产品使用购买的决策。

2. 认知递进

虚拟直播的客户一般是传统直播行业的客户，为了使客户能逐步了解产品，我们对于客户的感知进行了区分设计。在虚拟场景类型上，我们采用更加抽象通用的场景帮助客户快速识别了解产品内容。在产品 Demo 登录阶段，给予客户更深的虚拟直播“虚拟前沿”感受。

3. 风格象限分析

通过风格参考划出不同象限，确定风格所在象限的位置，定位视觉风格的把控。在视觉风格进行前参考是很重要的灵感来源，而风格象限帮助我们更准确的找到相应的风格的参考方向。

4. 通用抽象场景

腾讯云官网的应用场景延续腾讯蓝配色与科技质感结合，搭建抽象人物与场景。人物制作上使用成熟青年年龄段的人物，助于体现虚拟直播的专业感。

5. 加深虚拟直播风格

考虑产品 Demo 登录页风格时，我们也使用风格象限的方式，并根据“前沿”的关键词进行定位，风格上更靠近宇宙科幻与硬科幻的表现形式。

6. 风格草案

在确立了风格方向后，进行了初步的场景概念设想。由于登录界面涉及观众端和主播端，所以针对两端的用户进行了区分设计。用户侧以用户“传送”的概念搭建场景；主播端侧重展示空间“入口”的功能概念。

7. 模型视觉语言加深

场景模型在基础概念上调整了细节表现，例如硬表面的几何纹理，硬墙体的结构布局，虚拟元素的深入、加入辅助元素与场景模块等模型细化。

8. 材质质感提升

材质质感上也采用了玻璃质感、发光质感、金属反射质感、太空元素等。

9. 登录界面

登录背景视觉确立后，登录的主要操作流程中登录框、loading 等元素也延续风格进行设计，形成完整的视觉效果。

四、体验层设计 我们在体验层主要进行了基础 Demo 的体验搭建以及体验提升的规划。针对 1.0 版本搭建核心功能的体验，在保证了核心流程通畅的基础上，并根据产品的迭代进行了设计的迭代。长期规划是实现标准化的 UIKIT，客户可以使用低代码方案快速接入。

其中直播功能主要涉及基础直播推流拉流设置与开播设置等基础功能，互动功能 UI 涉及轮盘、动作、礼物、表情、视角、设置等虚拟空间内的互动玩法。

1. 主播端&观众端界面效果

积累基础框架与规范组件，产品功能交互目前正在进行更全面的梳理， 视觉设计 后续也会进行迭代。

积累基础框架与规范组件，视觉设计后续也会进行迭代。

五、服务层设计 在虚拟直播产品之前，云渲染相关的场景服务是由合作伙伴来提供的，质量难免会参差不齐，很难满足大客户对质量的要求。因为客户不同的诉求每次都是从零定制开发，客户接入到项目的上线需要 1-2 个月的开发流程，并且没有积累的腾讯自有的数字资产进行使用。这是前期业务遇到的困境，也是我们着力尝试去解决的重点问题。

我们思考通过建立标准化场景服务的方式来解决这个问题。通过核心场景的搭建及组合就可以生产适配主要应用场景的方案 ，降低了成本与定制场景和开发时间，形成较为稳定的高质量场景。相对于竞品来说，低门槛的接入也更具竞争优势。同时，通过腾讯自有的标准化场景服务也可以积累标准案例与客户，达到双赢的局面。

1. 产品结构

要建立标准化的场景服务，我们先对虚拟直播间的产品结构我们也先进行了分析，以此为切入点来挖掘具体可实现的场景类型。虚拟直播间按照不同的内容类型来提供相应的客户场景的服务，划分为虚拟会议、多人娱乐互动、虚拟人、MR、多人虚拟场馆。我们是从应用比较广泛的虚拟场馆入手来搭建场景的。

在对虚拟场馆标准化内容设计过程中，我们进行了以下内容的设计思考。

2. 应用场景类型

类似于现实中的场馆，多人虚拟场馆不仅可以满足虚拟赛事这类竞技类的虚拟直播，也可以满足综艺、会务、活动等多元化的场景需求，并且腾讯云主要直播类型的大客户斗鱼（直播平台）、B 站（综合视频直播平台）也是对于这类场景项目需求比较大。

3. 提炼场景内容

虚拟场景也是参照现实而来的，主要是需要满足用户身临其境和新奇好玩的体验与视觉感受。我们首先提炼出虚拟场景中需要参照现实场景的内容。场景的承载载体-场馆；场景的视觉焦点核心-舞台屏幕（虚拟屏幕可以播放视频或者直播画面）；用户的参与空间-观众席；场景氛围的烘托-场景道具，包括场景装饰还有礼物特效与场景特效等动态视觉呈现效果等。

4. 设定场馆参数

就像体育馆有大有小，我们在做虚拟场馆的时候也根据不同场景设计了不同的规格尺寸，例如大型赛事适合四面屏（四面观众都能看到屏幕内容）超 2000 名虚拟观众的椭圆形虚拟场馆；小型辩论赛适合中小场景的单面屏扇形场馆。

5. 设定场馆结构

场馆的结构外形和内部结构的设计使用流线型设计，使整体场馆的科技感更突出，在看台方面参照现实场馆的设定，增加了多层空间的设计。此外也增加了虚拟浮空的看台，凸显虚拟场景特点。

6. 虚拟场景内容

根据现实场景，制作相应的虚拟场景内容，大的场馆外形确定后进行内部虚拟屏幕、虚拟观众席、虚拟场景道具的设定。屏幕方面使用主屏幕和辅助屏的方式，采用斜角几何形体构建模型的科技感形体。虚拟道具方面使用点阵、魔方等内容丰富场景的虚拟科技感受。

7. 虚拟场景元素

设计场景中的主要内容划分后并继续拆分，进行元素的设定，氛围灯光，广告牌等辅助元素丰富场馆的可扩展性。由此，对整个场馆的主要内容元素构成解构。

8. 场景角度预设

通过不同角度的场景感受调整设计的内容细节，使场景在不同感官角度中可以展现其特点。在虚拟直播中，通过互动玩法也能感受到不同角度的视觉感受。由此，场景角度预设可以提前预览场景优质的角度效果，为观众带来全面的视觉感受。

9. 场景风格

以”潮流“”赛博“的虚拟感受切入，打造场景的科技虚拟视觉风格。基于虚拟场景的的应用场景特点以及考虑通用性，以科幻赛博的氛围烘托整个场馆的气氛，达到最终虚拟直播活动展示的效果。

10. 材质质感

深色的场景主基调和地面墙面的纹理表现，体现场景的真实感，发光材质突出屏幕区域的炫彩屏幕，反射与薄膜材质应用于地面映射出环境的光线氛围。

11. 场馆效果

场馆全景的视觉效果，通过导播镜头可以看到场景全景氛围。

12. 近景效果

在发光材质、科技元素等视觉元素叠加下，展现屏幕近景的酷炫效果，屏幕中央示意播放的视频素材。

13. 模型优化

对接开发的过程中，还需要对设计的 3D 模型进行面优化与拓扑。优化后的面数减少 60%以上，可以减少开发渲染的内存与流量。模型、材质贴图一起打包后交付开发，导入引擎。

14. 场景适配

针对 B 端的客户服务，定制化需求一直以来是其中的难点之一；我们建立标准场景后就快速帮助斗鱼上线了 CS GO 大师赛项目，并取得了不错的虚拟直播效果。那么不同客户对于场景的需求的差异便是我们下一步思考的内容。针对日益增长的客户场景需求，我们的策略是建立标准化场景体系，根据标准组件内容组合适配不同场景。

在完成基础场景内容后，开始考虑如何满足客户的需求进行场景适配。主要是通过扩展组件与扩展样式进行。

在完成基础场景内容后开始考虑如何满足客户的需求进行场景适配。主要是通过扩展组件与扩展样式进行。

15. 扩展组件组合

扩展的组件进行分类整理，分为氛围道具、屏幕组合、场馆设施、氛围灯光等关键影响因素。对于相应类型的具体模型进行扩展，例如氛围道具中道具扩展有魔方模型，光环模型，突刺模型等。同样，在屏幕组合的时候也是可以将多块屏幕进行组合形成组合效果。

16. 组件组合场景

根据不同的屏幕，氛围道具，灯光等模型的变换，组合场景。形成下图中不同的场景效果。

17. 控制灯光颜色

场景灯光颜色氛围的不同也是渲染不同场景格调的主要元素。除了相应的客户的品牌色之外，同样场景下不同的配色可以用于不同活动的氛围，例如”热闹“”静谧“”科技“”对抗“等颜色情绪的表达。

18. 材质质感扩展

基础材质之外也扩展了其他常用主题的材质质感，例如金融方向的金属与黄金的贵重质感；科技方向的轻透与硬朗的智能感受。

19. 适配主题

通过不同的颜色、质感、组件搭配出适合场景主题的最终效果。

所以满足客户多样化的需求，主要是通过丰富场景组件，设定灯光材质，来生成不同的需求场景效果。

总结来说，场景标准化是需要对场景内容进行解构与标准内容的来设定的，例如基础场馆大小，屏幕组合，道具组件等；通过扩展的方式，对不同的内容进行组合搭配，最终生产不同需求的虚拟应场景，以用于虚拟年会、虚拟演唱会、虚拟赛事等客户的虚拟活动。

目前腾讯云设计中心为虚拟直播间生产的虚拟场景已被 3 家大客户应用，包括央视、斗鱼直播平台、成都电视台。其中央视大客户对于场景设计没有提出修改，也间接印证了客户在场景方面的满意度。我们也为场景的推广进行了图片宣传的设计与 PR 稿部分内容的编写。当然在内部合作上我们也和虚拟人项目进行合作。

六、设计总结 虚拟直播作为一款新场景，新技术，新体验的云产品，腾讯云设计中心进行了从零开始的设计探索，并取得了初步的成效。

通过虚拟直播项目我们也进行了总结，以归此类技术产品售前售后的视觉体验设计探索方法：

1. 识别层

在识别层使客户形成专业、前沿的良好感受；通过主视觉场景快速了解产品应用场景，帮助客户形成虚拟直播产品专业高品质印象。

2. 体验层

在体验层搭建虚拟直播互动体验、建立视觉规范、版本迭代，并规划后续进行 UIKIT 的搭建。

3. 服务层

在服务层帮助客户快速高效高质量接入，形成了标准化高质量的虚拟场景体验，满足客户不同应用场景的需求。助力央视、斗鱼、成都电视台等大客户相应活动的上线，为虚拟直播产品树立了标杆案例，也帮助客户实现了收入与流量的提升，实现设计最终价值。

欢迎关注作者微信公众号：「腾讯设计族」

我知道很多人其实都有参考的习惯，但是经常进入参考的两大误区，最大误区就是从参考变成抄袭，这个是很多人的问题，经常性的抄袭会抹杀自己的创造能力，什么是创意？就是老东西和老东西的新组合，我们可以参考别人组合的思路，但是不能直接用他们的组合。还有一块误区就是我不知道参考什么，看它的画面挺好但是不知道好在哪里，也就是有心...

我知道很多人其实都有参考的习惯，但是经常进入参考的两大误区，最大误区就是从参考变成抄袭，这个是很多人的问题，经常性的抄袭会抹杀自己的创造能力，什么是创意？就是老东西和老东西的新组合，我们可以参考别人组合的思路，但是不能直接用他们的组合。还有一块误区就是我不知道参考什么，看它的画面挺好但是不知道好在哪里，也就是有心无力，或者私下想自行学习却不知道如何解析。如果你有以上的问题一定要认真的看完本文，并积极按照文章的思路进行练习尝试，本文会一次性给你说清楚如何进行合理的参考学习。

更多平面干货：

用好这5个简单实用的海报技巧，特别容易出效果！ 今天给大家分享五种针对海报的小技巧，都是不需要有什么技法基础就可以做到且效果还不错的。

阅读文章 >

欢迎关注作者微信公众号：「视研设」

“内部群已经通知了，京东要上架百亿补贴、9.9包邮、单品秒杀等新营销活动。”某五金商家说着向亿邦发来了截图。 京东即将上线百亿补贴频道的消息引发了电商行业的强烈关注。亿邦从诸多商家口中得知，京东方面已经和商家做过了多轮“严谨”沟通。 “京东的行业小二不止单独和

京东将上线“百亿补贴”的消息在近来引发了网友们的热切关注，那么在“百亿补贴”玩法已经为拼多多带来增量之后，这一电商营销手段又可以为京东电商带来什么效果？电商江湖会迎来新的一轮“价格风暴”吗？一起来看看作者的解读。

“内部群已经通知了，京东要上架百亿补贴、9.9包邮、单品秒杀等新营销活动。”某五金商家说着向亿邦发来了截图。

京东即将上线百亿补贴频道的消息引发了电商行业的强烈关注。亿邦从诸多商家口中得知，京东方面已经和商家做过了多轮“严谨”沟通。

“京东的行业小二不止单独和我们讨论过百亿补贴，应该是和商家们都聊过了。”据参加京东会议的某品牌采销人员透露，事关百亿补贴的宣传内容一律不许拍照，不许外传。

就在日前，京东以直播形式面向商家做了一场有关百亿补贴相关培训，培训开始之前，官方人员同样强调了禁止截图。

2月21日，京东公开发布了《“买贵双倍赔”服务规则》，规则提到消费者在平台购买相关标识的产品，其实付价格若高于特定平台上同款商品的价格，可申请订单实付金额差价的双倍补偿。值得关注的是，规则中的“特定平台”则是点名了拼多多百亿补贴、天猫（含网站、APP、微信公众号、微信商城及小程序等）。

种种迹象和动作都表明，刘强东去年年底内部强调的“以后唯一基础性武器”——低价，将再次发挥“武力值”。

而电商江湖时隔多年，又是否会引发新的一轮价格风暴？

一、京东的决心：“尖刀型”日销 “买贵赔” 亿邦调查得知，即将在3月1日作为独立频道上线的百亿补贴，被京东官方定位为“低价格心智的尖刀型日销场”。其主力客群，面向对大牌标品有明确需求以及价格敏感的用户。

据介绍，此次京东百亿补贴的竞价模式为公开竞价，平台在后台发标后，自营和POP商家以“盲标”形式自主参与竞价。平台会设置最高起拍价和起拍库存，商家出价不能高于最高竞拍价，竞拍数量不得低于起拍库存，价低者中标。若是竞拍价格一样，平台则会重点考察库存情况。据悉，即将开始的百亿补贴一期中，商家不可以添加库存，迭代后则会增加相关功能。

“中标需要满足的条件方面，核心点就是看你的价格竞争力是否为全网低价。”与会商家称，“买贵赔”的对标核心包括当下市场中能想象到的主流电商平台，“这个是中标的核心因子。”

（培训直播画面截图）

在这场时长1小时的培训中，答疑环节则占了41分钟。可见商家对于“百亿补贴”的积极性之高，商家重点关注的问题涉及扣点、中标条件、是否包邮、参与门槛、流量扶持等。

据悉，现阶段POP部分大部分品类的扣点为0.6%，自营没有相关政策。平台尚未设置相应的坑位费和坑产要求。

“流量方面不用担心。”商家称，京东承诺会在首页的核心频道区以独立入口呈现，同时在搜推场提供曝光，会突出“官方补贴” “买贵必赔” “全场包邮”三个核心利益点。

“买贵双倍赔”规则于21日正式发布后，被京东放到了更重要的位置，即将作为重要玩法参与到京东3·8节。

“对于百亿补贴，头部商家的意向会很大，这是在建立用户心锚。尤其是购买大件或是大家电类产品时，用户的强心智还是在京东。”某中腰部商家认为，“在3·8节前上线一系列低价策略也相当于给京东新的一年开个好盘，3·8促销作为电商领域的第一场重要活动，这之后电商市场就热起来了。”

据商家透露，小二已经陆续与商家展开沟通，希望上架极致性价比的新品。“我们店平时客单价上千元，现在想让我们在新店售卖99至199元的商品。”

也有业内人士发出疑问：“京东这几年好不容易保持了品质服务的气质，客单价都提升了，为什么突然搞‘价格战’呢？”

二、在2012年已埋下“伏笔” 百亿补贴是电商行业以价格刺激用户，实现平台拉新和GMV增长的有效手段。此前只是在双11等关键营销节点中，作为活动玩法出现在京东主站。京东特价版和京喜则是发布过有关超级百亿补贴活动的规则。

但京喜的百亿补贴并未采用竞价模式，而是商家设置拼购活动，再根据在活动期间以约定价格达成的有效单量，京以营销费用分阶梯补贴给商家。2022年上半年，京东拆分了京喜事业群。

据圈内人称，京喜曾是刘强东亲自下场带队的业务。而刘强东本人向来都习惯扮演消费市场的“价格杀手”。

自2010年起，京东连续三年主动挑起了价格战，前两年向当当“宣战”，2012年则是向苏宁发起“815价格战”。

在与当当竞争图书品类的过程中，刘强东直接喊话：每本书价格都要比竞争对手便宜20%。“三年内给公司赚了一分钱的毛利，或是五年内赚了一分钱的净利。我都会把你们整个部门人员全部开除！”

而京东与苏宁在家电领域的价格战则是电商商战史教科书一般的存在。

刘强东三条微博直播，直接击穿苏宁股价。“只有大家电才有足够的价格战空间，要打就几百几百元的降。”

而后公开招收5000名国美、苏宁价格情报员，天天跑到苏宁门店去跟踪价格，迫使苏宁被迫跟进。电商第一次向传统零售巨头发起挑战，一度奉为行业佳话。

当时有网友向刘强东提问：“东哥用什么标准衡量这次价格战是胜利的？”刘强东回答道，一天的战争是不可能分出胜负的，三年之后胜负自分。

三年后，苏宁营业收入为1356.76亿元，被京东1813亿元反超。而后者全年核心交易总额（GMV）也飙升至4465亿元，同比增长84%。彻底奠定了电商自营大哥的江湖地位。

如果你仔细品味，刘强东的每一次高调进军，似乎都将矛头指向体验与价格。

“价格战永远没有结束那一天” “我向对手进攻永远都是比拼低价和用户体验”。刘强东在2012年的喊话，像是他2022年底回归京东前埋下的伏笔。

十年之后，刘强东痛批高管偏离了经营战略核心，也就是成本、效率、体验。

在刘强东看来，低价是 “1”，品质和服务是两个“0”，失去低价优势，其它一切所谓的竞争优势都会归零。

在2023年开年，京东3C品类又现“几百几百元”降价的现象。

而价格竞争的效果显而易见。京东作为Apple授权经销商，针对iPhone14Pro系列产品，在线上实行800元优惠力度。数据显示，活动首日iPhone 14 Pro系列在京东渠道的销量环比降价前日均增长了5倍。

三、除了价格竞争力，百亿补贴还能为京东带来什么？ 百亿补贴用iPhone、美妆大牌等硬通货在用户心智中树立了认知。但经历了2022年的品牌企业，则会更加慎重地将利润摆在第一位。

这也让更多电商从业者重新思考价格战对零售消费行业的价值与意义。

有母婴商家表示，快消品在百亿补贴中ROI表现会更加抢眼。但不是每个品类能获得预期的效果。

“低价竞争要建立在成本优势的基础之上。”上述商家指出，大部分消费品公司今天正在遭遇原材料、人力、物力成本上涨的挑战，因此是否要为了百亿补贴而牺牲利润，是要思考清楚的。

百亿补贴也许更适合那些需要做爆款，希望借平台之力走向大众的品牌。而对于这部分品牌则需要注重产品组合。“整盘货下来，要赚够眼球，也要赚够利润。”

如今平台之间的低价竞争更像是“抢人大战”。

2019年，拼多多凭借“百亿补贴”，将这个一级入口的日活用户数拉升至1亿，进而带动国内外2800家品牌的积极参与。

京东此前曾公布数据，2022年618期间，下沉市场的新用户占比达到67%。据QuestMobile的《2022中国移动互联网年度大报告》显示，中国移动互联网中，51岁以上用户群体占比达到26.4%；三线及以下城市用户群体占比达60.6%。

这部分人群也许京东希望寻求的增量。

这份报告中的“移动互联网巨头系App使用时长占比”表格中，腾讯系、抖音系、快手系、百度系、阿里系位列前五，京东并未被提及。此外，中信证券的一份报告显示，2022年3月（一年前），手机淘宝、拼多多、京东三个平台的日活跃用户数量分别为3.37亿、2.40亿、0.85亿。京东仍有提升空间。

百亿补贴之后，京东能否如愿以偿？

作者：郑雅；编辑：石航千

来源公众号：亿邦动力（ID：iebrun），消除一切电商知识鸿沟。

本文由人人都是产品经理合作媒体 @亿邦动力 授权发布，未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

给作者打赏，鼓励TA抓紧创作！

{{{path> 赞赏

为什么微信是免费的，以后会收费么？ 为什么360杀毒软件要免费，为什么免费之后反而赚的盆满钵满？ 为什么爱奇艺影视剧资源有的免费，有的付费？ …… 他们是怎么做到免费的？又是怎么赚钱的？难道在做慈善事业，赔本赚吆喝？阅读这篇文章，它能告诉你答案！ 一、免费的发

在现在的互联网世界里，由于产品生产的边际成本大幅降低，我们可以看到免费模式的流行与应用。那么，为什么“免费模式”可以成立于互联网的世界里？在实际商业环境中，免费模式的应用又发生了哪些演变？一起来看看作者的解读吧。

为什么微信是免费的，以后会收费么？

为什么360杀毒软件要免费，为什么免费之后反而赚的盆满钵满？

为什么爱奇艺影视剧资源有的免费，有的付费？

……

他们是怎么做到免费的？又是怎么赚钱的？难道在做慈善事业，赔本赚吆喝？阅读这篇文章，它能告诉你答案！

一、免费的发展及特点 20世纪是原子经济时代，免费是作为一种“营销手段”存在。即通过免费送东西，创造另一种需求，但并不是真正的“免费”，需以另一种补贴形式付钱。因为在原子经济时代生产产品，边际成本不为零，复制产品的成本巨大。正是因为这个原因，随着经济的发展，原子经济时代的产品主旋律是通货膨胀。

21世纪进入比特经济时代，免费却变成一种“商业模式”存在。随着互联网技术的发展与应用，比特经济时代生产产品，边际成本[1]可为零。即产品使用用户越多，单均成本越低，可以真正做到“免费”。因此，在比特时代的产品主旋律是通货紧缩。

[1]边际成本指的是每一单位新增生产的产品（或者购买的产品）带来的总成本的增量。

二、免费的模式及作用方式 现实商业环境中，是原子和比特经济混合态。我们将免费模式归为如下四大类型，但归类边界会存在模糊地带，因为现实中免费是多种模式的组合，需要读者灵活思考和应用。

免费模式一：直接交叉补贴。 免费的产品吸引你购买其他付费产品。 免费模式二：三方市场。 使用免费的内容、软件等，第三方付钱给生产商，你可能购买第三方商品。 免 费模式三：免费加收费模式。 低级产品免费，高级产品需要付费，此种模式在互联网行业非常常见。付费人群支付的费用，支持不付费人员的使用。 免费模式四：非货币市场。 全部免费，更多的关乎声誉和关注度。 通过以上免费模式，我们洞察到这个世界是一个“交叉补贴”的大舞台。如何理解交叉补贴？从以上免费模式可以看出，虽然模式变化，但无外乎以下三种作用方式：用付费产品补贴免费产品、用日后付费补贴当前免费、付费人群给不付费人群提供补贴。即各种维度、层级、用户等在进行交叉补贴。

三、免费模式的案例 以下免费模式的划分，只是从单一方面进行划分归类，实际商业环境中，会存在交叉情况。

免费模式一：直接交叉补贴 中国移动，赠送手机，承诺固定消费费用。赠送宽带，承诺固定消费费用； 康师傅牛肉面，买五连包泡面送碗； 超市门口免费试吃； 逛商场，免停车费； 电商平台，满99元免运费； 小浣熊方便面，赠送卡片。 免费模式二：三方市场（一类顾客补贴另一类客户） 免费杂志，广告公司投放广告； 酒吧女士免费，男士收费； BOSS直聘，用户免费注册简历，找工作，招聘单位付费查看； 微信读书，非会员读免费图书，会员可读全部图书； 爱奇艺、腾讯视频，非会员免费看部分电影，会员可看部分电影。 免费模式三：免费加收费 印象笔记、股票分析等软件，基础版免费，高级版付费； 游戏免费，游戏道具、装饰、装备收费； 行业研究公司免费提供基础信息，付费提供稀缺信息； 探探、婚姻介绍等软件，免费查看基础信息，付费查看详细信息； 微信读书，非会员可额外充值购买电子图书或按章节购买； 爱奇艺非会员投屏为480P，会员投屏可为1080P。 免费模式四：非货币市场（关注度和声誉） 维基百科，完全免费获取信息，共同维护； 我的微信公众号，泽哥手记，免费分享信息，获取关注度和声誉； 四、互联网为什么可以免费 首先，比特经济重要的三要素是电脑处理器、数字处理器、带宽。这三种生产要素都遵循摩尔定律，即随着时间和技术的迭代，三要素价格持续下降，而存储空间更大，处理速度更快。随之，编程人员不必再关心存储成本等问题，转而开发更多用户端功能。最终，因电脑成本的下降和软件功能的丰富，吸引更多用户，使得互联网的边际成本逐渐降低，并最终趋于零。

其次，依据伯特兰的竞争理论，即“在一个竞争市场中，价格等于边际成本”。互联网是一个充满竞争的市场。

因此，综上所述，我们可以预见， 随着边际成本趋于零和竞争的加剧，互联网的免费将是必然。

五、如何理解互联网的免费 三要素价格的下降，导致电脑价格下降，使得电脑能更大范围的普及。扩大用户规模的同时，软件的边际成本趋于为零。但是基于互联网上的信息，却可能是免费或付费的。因为互联网公司是商业组织，需要盈利。所以互联网的数字化信息，一般情况下，充裕的是免费的，反而定制化、稀缺的是昂贵的。

因此，并不是大部分人理解的完全免费，如果完全免费，那么互联网公司一定是赔本的买卖。

互联网的免费需要理解成双层结构，即基础业务和增值业务。 基础业务泛指互联网公司的平台资源共享，如基础设施、百度搜索能力、游戏软件、抖音、QQ、微信等。增值业务泛指不被共享的资源，如游戏的付费装备、Q币、热门影视资源等。

但是，在实际中，有一部分人认为互联网应该完全共享和免费的。例如：开源软件Linux、维基百科、公益性质网站等。因此，在 互联网中存在三种收费模式：完全免费、购买免费但需要得到付费支持、性能好但完全付费。

六、互联网为什么选择免费+收费的模式？ 比特经济下，产品推广不再使用传统渠道，转而使用线上分销，导致软件分销成本和边际成本为零。此时，将产品价格定为零，既可以快速扩大用户规模，又可以进一步分摊固定成本。

此种方法被Google称为“ 最大化战略 ”，是全世界互联网企业最常用的手段。当未来用户规模足够大时，再为用户提供“增值服务”，攫取利润。

七、免费模式对传统行业的冲击案例及思考 1. 传统媒体 首先，传统媒体用户流失，日渐衰退，被迫以免费赠送或付费+赠品的形式挽留用户。但是在互联网环境下成长的用户，已经抛弃传统媒体，例如报纸、杂志，趋势不可挡。

其次，传统媒体传播原则发生改变。传统媒体编辑时原则：文章内容不能与广告具有关联性。两个原因：其一，避免编辑人员与广告商存在利益关系，抵制不住金钱的诱惑。其二，更多获取用户信任，让用户认为杂志与广告商无利益关系。

但是，互联网媒体传播规则却与之相反。倡导文章内容与广告具有相关性，并精准推荐给用户。我认为以上两种方式都没有错误。用户的需求是多样化的，即需要媒体公正，又想获取有效信息。

可是，在中国有一家“科技与狠活”的搜索巨头公司，为什么被用户诟病？为什么会走向末路？就是因为没有公正的处理信息，抵制不住金钱的诱惑。反而将虚假广告、诈骗广告等信息强推给用户。最终，造成震惊全国的魏则西殒命、西门子虚假维修电话等事件。作者顺便吐槽下，我现在用百度，只用于查生僻字、查汇率、查百科等基础信息，其他需要的信息，在百度根本查不到或者也是多年前无用的信息。

我们再看下互联网公司广告推广形式和收费方式。

以Google为例，营销有两种玩法：赞助商链接（AdWords）和广告联盟（AdSense）。AdWords相当于用户搜索什么，就推荐相关广告。例如：搜索自行车，推荐的广告也和自行车相关。需要赞助商付费给Google。AdSense相当于，你有个网站，也想通过广告挣钱，那么就可以加入AdSense，把代码嵌入到自己网站，每次客户点击网页，都会依据网页内容，为用户推荐广告，可以与Google一起分成，Google也扩大了自身广告位。

互联网广告的收费形式，第一种方式叫CPC（cost per click），即按点击付费，点击一次收取相应的费用。第二种方式叫CPS（cost per sales），即按销售付费，也就是分成。销售费用的百分比抽成。第三种方式叫CPM（cost per mille），也叫千人成本，千人次计费方式。

2. 杀毒软件 传统的杀毒软件，类似瑞星、卡巴斯基等，售价在几百到几千元不等，且需要购买只读光盘（CD-ROM）进行安装。但随着互联网技术的发展，出现软件在线下载和安装能力，不再需要CD-ROM。

过去，受制于CD-ROM的限制，传统软件的销售模式，需要分销渠道，由分销商进行分销售卖，存在渠道分销成本，层层加价。例如：一级代理商、二级代理商、零售门店等。

现在，用户从互联网下载，使得软件销售模式也彻底改变。不仅不再需要分销渠道，将分销成本变为零，还使得软件的边际成本趋于零。

以360杀毒软件为例，假如开发成本1000万元，1000万个用户使用，人均成本为1元，若变为1亿用户使用，人均成本变为0.1元，即用户越多，人均成本越低。

最终，360杀毒软件采取“免费”商业模式，使得用户规模达到4亿，并将个人杀毒软件行业推向免费模式。

那么，360公司靠什么挣钱呢？主要有预装软件和软件市场。预装软件：安装360后，电脑被动安装其它软件，软件厂商就需向360支付预装软件费用（类似模式：购买安卓手机，手机自带各种预装软件）；软件市场：360公司的软件市场，是一种线上分销渠道。当用户从软件市场下载软件，软件厂商就需要向360支付费用。

但时至今日，360公司却被用户嘲讽，一边帮用户清理垃圾插件和软件，同时逼迫用户安装360公司推销的插件和软件。360公司的功过是非，我们只能笑而不语，让用户用脚投票吧！

八、延展思考 1. 为什么微软不免费，依然可以高额收费？也没有被Linux打败？ 微软在网络效应下，垄断了市场。主要因为用户替换微软成本很高，比如你身边的朋友全是微软办公软件，而是你其他办公软件，你们之间就无法便捷的共享文档。类似你身边朋友全是微信，而你是支付宝的来往。

谷歌、抖音、快手虽然也具备网络效应，但广告收费一般都比较低，主要因为可替换性强，广告商可随时更换平台投放广告。

2. 为什么微信不收费 微信采取的是“免费”商业模式，目的是为了获取更多用户。在具备较强的网络效应，后续通过其它流量变现方式获利。假如微信突然改为收费模式，可预见的是，其它互联网公司，会立刻提供免费社交软件，抢占用户。对于微信来讲，巨大的用户流量更为重要。所以，微信现在不会收费，未来也不会收费。

来往不能打败微信，最重要的就是微信获取大规模用户后，形成了强网络效应，再叠加马太效应，使得强者愈强，和微软案例相同。

3. 免费心理研究 人类对“免费”的看法是相对的，而不是绝对的。例如：

“免费”影响对产品质量的印象。一直免费的产品，你不会认为产品存在质量问题。但产品由收费变为免费，你可能会认为商品质量降低了。 “免费”影响对产品的重视程度。付费产品可能你会更加重视，免费产品反而造成浪费。 “免费”影响交易。因“心智交易成本”的存在，付费时你会思考值不值、买不买。免费时你可以“偷懒”，无需思考，直接交易。 “免费”带来“社会领域”的压力。免费商品，让你在“金钱领域”无需思考，但在“社会领域”可能带给你压力。例如：担心免费的东西造成浪费、污染环境、遭人歧视等。 作者：泽哥产品笔记，微信公众号：泽哥手记（id：xmind1016）

本文由 @泽哥产品笔记 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

给作者打赏，鼓励TA抓紧创作！

{{{path> 赞赏

小科普：尤里卡，希腊词汇，是发现真相时的感叹词，在游戏文明6中，当你触发尤里卡，你的科技会缩短40%的研究时间（中国文明缩短50%） 再小科普：AI绘画的尤里卡时刻有两个，Stable Diffusion让成本下降到可用，ControlNet让绘画可控性大大提

在ChatGPT领域，哪个方向是它的未来趋势，能更快地“接近真相”呢？本文作者从商业的角度，对7个方向进行了总结分析，希望能给你带来一些启发。

小科普：尤里卡，希腊词汇，是发现真相时的感叹词，在游戏文明6中，当你触发尤里卡，你的科技会缩短40%的研究时间（中国文明缩短50%）

再小科普：AI绘画的尤里卡时刻有两个，Stable Diffusion让成本下降到可用，ControlNet让绘画可控性大大提升，踏入更广阔的应用领域。

在前面的系列文章中，我们讲了LLM的技术原理、商业应用、社会影响等方面。但这些都是聚焦当下或较近的未来，那么更遥远的趋势呢？

就像Diffusion的ControlNet模型一样，如果你更早发现他的趋势，你就不会花费精力在语义理解、稳定控制等方面，而是直奔可控性（我与很多朋友聊天，发现他们的团队或多或少都有可控性方面的尝试，但因为趋势错判，而没有全力All IN）。

或者哪怕你不是做技术的，你提前预判到，你也能在产品角度、商业角度做前置的思考和布局。

不过接下来我的分析不会那么偏技术（因为不懂），而是从更商业的角度来看这些方向。毕竟商业利益催生应用，应用催生技术涌现，有时候跳出技术思维（刚好我没有），或许更能看到一些盲生的华点。

希望对大家有所启发，也欢迎拍砖讨论。

以下是全部内容：

降低门槛 ⭐️⭐️ 万物终端 ⭐️⭐️⭐️ 思维链CoT ⭐️⭐️ 反作弊 ⭐️ 文本外应用 ⭐️ 私有化 ⭐️⭐️ GPT4来了？⭐️⭐️⭐️ 下面每个方向的介绍都比较简洁，不会穷举所有案例，也不会长篇大论讲解原理。

方向一：降低门槛 ⭐️⭐️ 我说过技术涌现是需要“人数基础”的，参与的玩家越多，这个领域的发展才会越快。同时我们本身也需要关注门槛的降低速度，以预判更多玩家涌入对商业生态的影响。基于这两个因素，重要性2星。

第一个例子 以FlexGen为例，目前GitHub 5K Stars，实现了大模型推理中的显卡平替（推理就是回答问题）。

简单介绍：

1）用更大的吞吐量掩盖低延迟（你可以慢，但做多一点）；

2）工程上优化了效率，不仅可以用16GB T4 的显卡去替代又贵又稀缺的80G A100。并且实现了这种方式相较以往框架的100倍效率提升。——说白了，推理的时候你不一定要用A100了！喜大普奔！

如果需要比较通俗的科普，看这个：https://zhuanlan.zhihu.com/p/608279479如果需要看GitHub原链接，看这个：https://github.com/FMInference/FlexGen

第二个例子 是ColossalAI（看名字就知道，专门对付大模型） ， Github上17.5K Stars ， 他在解决训练成本、推理成本的问题。他的实现方案太复杂了，大概是更高效的并发策略、更好的工程结构等我还没深入研究的东西哈哈。大家感兴趣follow下面链接做深入学习。科普性报道（可能有PR成分）如下：https://zhuanlan.zhihu.com/p/606397774GitHub链接如下：https://github.com/hpcaitech/ColossalAI#GPT-3

第三个例子 是各类开源组织，例如EleutherAI（Stable Diffusion，GPT-3的开源组织），LAION（数据开源组织）等，他们对模型或者对数据的开源，推动了更多参与者加入这个方向的研究。

整体来看，有非常多关于降低门槛方面的努力，包括模型开源、模型优化、工程优化、算力降低、显卡平替等，说不定有一些我没发现但正在进行中的（例如定制芯片、稀疏化模型等等）。

方向二：万物终端 ⭐️⭐️⭐️ 我们现在使用ChatGPT可以让帮我们生成视频脚本，甚至按API字段要求生成一个可执行的入参命令。但是这种生成 永远停留在文字程度 ，我们要做最终的生产，只能自己打开其他的应用（如PS、如其他APP的API接口）才能将生成结果转变为最终产物。

如果ChatGPT能够使用工具呢？ 当我让他帮我收集海外SaaS公司2022年财报，他将结果整理为列表，同时标识引用的财报PDF，并将PDF下载到我的桌面（且新建文件夹并自动重命名）。你觉得如何？想要吗？

甚至更复杂一点（短期不太现实哈哈），你跟他说帮我画一张“醉后不知天在水，满船星梦压清河”的水墨画（用AI绘画），并在右上角用草书写上这两句古诗（用PS）。你想要吗？

这将是颠覆式的开始，就像当初IOS诞生一样，围绕一个终端，全世界的应用都会按照他的标准接入，并涌现出无穷的智慧。 GPT不再是一种工具，而是新时代人人都离不开的终端——替代手机/电脑，更强大的虚拟终端 。

在这种刺激下，巨头对LLM的争夺会进入一个更剧烈的，更白热化的阶段：新时代的诺亚方舟，不上船者必死。

这一切的开始， 来自Meta AI发布的Toolformer ，他让LLM连接工具成为可能 。

简单介绍：

1. 让AI明确有些问题，可以调用工具（例如知识，计算，查询日程）；

2. 让AI合理地转化自然语言命令为API命令（即调用工具的入参）；

3. 让AI在组织回答时，正常回答，但部分需获取的答案，去调用API获得结果后再嵌入回答中。

下面是一个论文中的例子（括号内即API命令+调用后的结果）：

Q：拜登在哪里出生

A：拜登在（调用搜索引擎查询“拜登在哪里出生”，获得答案斯克兰顿）斯克兰顿出生。当然论文中的例子还较为简单，离我的狂想还有一段距离。但这种思路揭示了一种未来：我们可以训练LLM模型对工具使用的理解，包括何时应该使用工具，自然语言如何转化为使用工具的API命令。

等他进一步完善之后，所有的应用都必须按照LLM定义的标准提供接口，并跪着求LLM收录他们作为可调用工具（例如都是查询日历行程，我是查Google日历，还是查滴答清单呢？）

科幻未来就在眼前，三星好评！

简单科普看这个：https://www.zhihu.com/question/583924233/answer/2900129018论文看这个：https://arxiv.org/pdf/2302.04761.pdf

方向三：思维链CoT ⭐️⭐️ 第一个例子 有点搞笑，但我发誓是真的：

第一步，让AI回答最终答案之前先拆解问题：“Think step by step”第二步，然后再让AI基于这个推理结果给出最终答案：“so the answer is ?”拆成两步后，准确率从17.1%飙升到78.7%

无图无证据，论文《LargeLanguage Models are Zero-ShotReasoners》原图

第二个例子 来自小冰的X-CoTA。

直接上图，大家仔细看看：

在图中，小冰面对问题“北京到苏州相当于跑了多少个马拉松”，他拆解成了“北京和苏州的距离”，“一个马拉松有多长”两个问题进行推理。并最终基于两个小问题的答案给出最后答案。

一方面，复杂问题拆解为多个子问题提升了最终回答的正确率，另一方面，更加关键的是——这让AI的推理过程可视化。而可视化，就意味着人类可以进行过程纠错，接下来请看第三个例子。

第三个例子 ：LangChain 的memory功能。

下图中右侧，模型弄错了Similar to的意思，被用户教育校正。这个校正会存入Memory中，当AI下次在遇到累死问题，他就会来寻找曾经的memory并避免犯错。

这个功能本身是和CoT思维链毫无关系的。

但是如果你把LangChain的这个功能，与第二个例子结合起来。

你就会发现，所谓的用户反馈（即大名鼎鼎的RLHF）不仅仅能够出现在训练/微调环节，更能直接在用户使用过程中发挥作用，快速积攒大量的优质人类反馈，从而进一步提升模型效果。

这个方向一方面本身就可以提升模型效果，另一方面为强化版的用户反馈机制提供了可能，因此给2星。

方向四：反作弊 ⭐️ 大家可能看到过最近的这个新闻：《科幻世界禁止使用ChatGPT投稿》，或者更早之前的大学禁止ChatGPT的一些新闻。还有针对GPT监测的工具，例如GPT-Zero，OpenAI自己开发的AI-Text-Classifier等。

我的看法是：政治噱头。

第一，AI生成的本质是什么？就是洗稿，例如我写作中会阅读大量的报道、文章、论文，然后总结归纳后转写出来——是的，技术侧的知识我毫无产出，一行代码也没敲过，我只是在学习总结而已。

但这种洗稿问题，在内容时代从来没被解决过，不要说我这种高级洗稿，就算是低级洗稿也是毫无办法。

第二，目前的检测方式是基于模型有监督学习的文本分类模型，在现在LLM模型起步初期，行文还有点生硬时，准确率都不高，何况更进步更拟人的未来？

第三，还有一些从源头控制的方法，例如添加密码水印（例如h字符的出现率比平均值高11%~13%），例如应用侧主动标识“来自LLM”的证明。但这些手段仍然可以通过多段拼凑，黑市LLM，离线二次处理等方法绕开。

这个领域是政治、商业上推行下去必须解决的问题，但他的解决方式很可能是表面解决——LLM公司出存在性手段（AI-Text-Classifier），应用侧公司做保证性声明，政府拟定生成类内容法规，但一切对现实毫无影响。

方向五：文本外应用 ⭐️ 经过很长一段时间的狂欢后，大部分人（或许只有我哈哈），可能都忘记了LLM的一个颠覆性变革——AGI通用人工智能的雏形。

这个雏形怎么往下推进呢？他势必要将当前集中在文本领域的能力向更大范围辐射。

典型的例子如 ProGen ，用大规模语言模型来定向预测蛋白质结构

简单介绍：

1.复习一下预训练语言模型，把N多语料喂给他，让它自己学习世界知识、语法知识、代码知识。2. 好，模仿这个过程，现在我把蛋白质的结构喂给ProGen，让它自己学习，让它明白原来要具备杀菌性，结构是这样的，具备耐寒性，结构得是这样的；

3. 现在我可以要求他定向预测蛋白质结构了——例如我要杀菌性好的蛋白质。

这个模型现在的参数规模是12 亿，使用包含2.8 亿个蛋白质序列的公开数据集——如果他像GPT一样不停地往上堆数据呢？是不是也会像GPT模型一样实现能力的涌现？

科普性文章看这篇：https://zhuanlan.zhihu.com/p/603784945

那么其他领域呢？图像、视频、3D？很抱歉，我觉得很难看到突破。

我的判断和技术一点关系都没有（我不懂），纯粹从商业角度、利益角度看这个事情。

第一，Diffusion在多模态领域狂飙突进，他的爆发远不到停止的时候，在这个阶段，由于他的前景明确、介入成本低，集中了大量的研究人员在推进技术发展。

第二，GPT为代表的LLM，他现在也不太关心文本外应用，他有更着急的事情要去做（例如我前面说的那几个方向）。——并且，由于他的介入门槛高，在这个领域能够实操的研究人员还远远比Diffusion少。

这就像特斯拉的交流电遇到爱迪生的直流电一样，当你有一个还不错，甚至很不错的竞争对手时，你不能只是优秀一点，你必须优秀非常多！

在产品领域有一个公式描述这种现象：产品价值=（新体验-旧体验）-迁移成本。

综上，对于广阔的图像、视频等领域，我不是特别看好LLM短期内在这个方向的发展。

方向六：私有化 ⭐️⭐️ 我之前有一个判断，LLM的诞生不会摧毁小模型公司，这里的小模型公司指以前靠卖模型服务吃饭的企业，因为他们的模型比起1750亿参数实在太小了，就叫小模型公司哈哈。

这方面的考虑来自几个方面：实时性（车载/直播等），安全性（金融），成本敏感（客服），答案稳定（金融），道德风险（心理咨询）。

但是，新闻来了！OpenAI将考虑允许企业私有化部署模型，最低26W美元/年

如果这个消息不是FakeNews（建国兄摇头.JPG），那么至少安全性问题解决了，成本、实时等问题可能也会缓解，小模型公司将迎来前所未有的冲击。

但是私有化也有好处：

首先，私有化大概率是部署小参数规模的LLM居多（比1750亿参数少一个量级），那么这将导致后续LLM的优化方向不仅仅只是参数规模的追逐（例如传说中的万亿参数GPT4），也会回头关注小参数级别LLM的表现。

其次，更多的应用催生更多的技术升级，并且小参数级别的LLM也降低了进入门槛，会让这个领域更加百发齐放（其实又和门槛降低方向有点关系了）。

因此，基于对现有商业环境的扰动+技术的有益促进，这个方向的重要程度是2星——哪怕他一点技术含量也没有（或许还是有一些的）。

方向七：GPT4来了？⭐️⭐️ 各种传言说GPT4已经在路上了，23年就要出来了，但都没啥证据。而Twitter这位小哥不仅爆料了私有化信息，还提供了GPT4可能到来的一种猜测。

首先，我们看这张图，text-davinci-003就是目前OpenAI开放的最先进的模型，可以看到图中只支持4Ktokens。（告诉大家一个冷知识，ChatGPT是不开放商用API的，只有GPT-3开放）

而Twitter小哥爆料的图中，大家看这张图中，DV就是davinci——目前OpenAI真正开放商用的GPT3系列名词。

在图中，DV最高支持32K的上下文长度，是当前的支持的4K的8倍。

这个莫名其妙的DK（32K max context）是不是传说中的GPT-4呢？或者哪怕不是，至少也是个GPT-3.6、3.7吧？毕竟翻了8倍的上下文理解能力，实在有点离谱——他从19年到22年也就翻了2倍。

不过，毕竟只是猜测，所以只给2星，安慰一下自己的小心脏。

本文由@马丁的面包屑 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

给作者打赏，鼓励TA抓紧创作！

{{{path> 赞赏

科技圈的悲欢并不相通。 ChatGPT狂飙之际，XR领域正在迎来至暗时刻。 岁末年初，就在罗永浩重返高科技创业，计划进军XR（扩展现实）类领域的时间段前后，接连出现了押注元宇宙的Meta裁员，Meta旗下VR工作室Ready At Dawn永久关闭《Echo

巨头们在VR行业来来去去，比如前段时间国内外科技公司就对旗下的VR业务进行了优化或调整，这也让不少人猜测VR行业是否会走向“凉凉”。那么，苹果进场VR行业，是否会带来提振效果？当下束缚着VR行业发展的，究竟是哪些“枷锁”？一起来看看作者的解读。

科技圈的悲欢并不相通。

ChatGPT狂飙之际，XR领域正在迎来至暗时刻。

岁末年初，就在罗永浩重返高科技创业，计划进军XR（扩展现实）类领域的时间段前后，接连出现了押注元宇宙的Meta裁员，Meta旗下VR工作室Ready At Dawn永久关闭《Echo VR》服务器，谷歌旗下的VR游戏工作室Owlchemy Labs高层离职，微软将关闭旗下 VR 社交平台《AltSpaceVR》，字节跳动旗下PICO“组织优化”，腾讯XR（扩展现实）业务线“转换发展方向”……一大波动荡，令罗老师“行业冥灯”的刻板印象雪上加霜。

这里给不太了解该领域的读者简单说明一下，VR、AR、MR、XR是提供沉浸式体验的不同技术，XR是一个总称，指代所有相关技术；MR支持虚拟和现实交互，一般通过VR+AR切换实现；AR硬件（轻便的眼镜）技术挑战较大，目前还处于早期探索，苹果已经无限期搁置了AR眼镜项目。所以， VR是现阶段该领域的核心战场。

“行业冥灯”只是调侃和玄学，两个头部大厂的动向，才是VR的生死线：一个是Meta，一个是苹果。

业内人士流行一句话，“如果哪天Meta/Oculus不做VR了，那VR行业就真的完了；如果哪天苹果推出VR了，行业的春天就来了。”

现在的形势，可能有点混乱。前面提到了很多坏消息，而好消息是，苹果VR这张支票，屡次爆料但一推再推之后，终于终于终于要兑现了。

来自彭博社和著名苹果消息人士郭明錤的消息显示，苹果首款AR/VR设备将在今年发布，售价约为3000美元，同时在研发一款价格更为亲民的头显版本，对标售价1500美元的Meta Quest Pro。

VR究竟是要凉还是要火？苹果进场之后，我们能期待VR行业的崛起吗？

一、VR的四年魔咒 先说结论，不会凉也不会火，苹果进场也不会带来飞跃式的改变。

想追风口的可以洗洗睡，关注技术本身的咱们接着唠。

大约四年时间，VR就会经历一个技术炒作周期：萌芽、沸腾、巅峰、寒冬。

上一个炒作周期，从2014年Facebook斥资20亿美元收购Oculus开始，次年中国的VR投资规模就翻了8倍，2016年来到巅峰，BAT巨头入场，乐视、暴风、爱奇艺、小米等互联网公司纷纷布局，VR硬件、VR内容的初创公司更是不胜枚举，“VR商业化元年”、“引领下一轮技术革命”，盛况空前。但是元年刚过，2017年便骤然降温，投资规模从2016年的49.8亿，直降到14亿，疯狂落幕，进入寒冬。

你是不是以为，寒冬期会非常漫长，就像人工智能寒冬那样持续十多年之久？不得不说，VR领域是有点子资本运气在身上的。

寒冬期仅仅过了一年的时间，2018年一些大厂和老牌上市公司又开始买“船票”了，沃尔玛、欧莱雅、Snap、埃森哲、PTC等，开始收购AR/VR创业公司。从2019年下半年开始，一些AR/VR创业公司逐步调高了估值，到2020年底，你可能已经听到很多媒体报道，说VR又要复兴了，市场又火爆了。结果呢，即使2022年出现了“元宇宙”这样的概念为之添了一把火，但VR行业依然难掩消费不振的现实，裁员、瘦身、消减项目、改换赛道，又进入了冷静期。

为啥VR从火到凉，总是四年一届呢？

二、凉热自有天意 从两个起伏周期中，我们可以发现一些规律：

第一，行业热度跟着明星产品走。

PC VR是整个VR产业技术迭代升级的核心，而一款PC VR头显从立项到上市发售，需要花费4-6年时间，一旦有大厂的明星产品即将问世，前期都会引发炒作热潮和资本入场。

比如2016年的国际消费电子展（CES），索尼PlayStation VR，Oculus的Rift，三星Gear VR，HTC Vive 等产品正式亮相。2019年，第二代PC VR逐渐登场，Oculus Quest 2、Hololens 2等新设备，吸引一波关注和带资进组。

第二，概念推陈出新，问题老生常谈。

新设备上市发售后，销量猛增，然后就是泡沫破裂的时候。用户（主要是游戏玩家）很快会发现新设备是“依托答辩”，实际体验并没有突破性提高，VR产品的老大难问题，眩晕、延迟、画面模糊、内容有限等，依然存在。于是，销量下滑，产品负面评价增多，甚至直接被否定，接下来就是资本回撤，大厂断尾自保，大量初创企业关门大吉。

但是，VR相关技术的更迭实在太快了，总会很快冒出一些新的概念为VR续命，并且能够自圆其说。比如2019年5G正式商用，就被认为能将移动网速提升到光纤级别，解决VR头显的延迟问题。2022年元宇宙如火如荼，VR作为虚拟世界入口，又火了一把。

第三，亮眼CP孤军奋战。

对VR来说，硬件和内容缺一不可，撬开商业市场和大众消费，需要高性价比的内容和硬件共同发力。

比如2016年兴起的VR体验店，通过“共享经济”的模式降低了大众体验VR的门槛，火爆一时，但有限的内容难以保证复购和消费频次，加上初代硬件的现实问题，很快乏人问津。

2020年3月，Valve发布了VR历史上第一部3A级别的游戏《半衰期：爱莉克斯》，吸引大量玩家购入一体机，随后问世的Oculus Quest 2以较强的综合实力和299美元的亲民售价，良心游戏和良心头显，组成了一对支撑VR复兴大业的CP。可是，谷歌、索尼、微软、HTC等厂商的VR产品却没什么变化，整个VR硬件市场未能承接优质内容带来的硬件需求。

每隔几年，总会有那么几个硬件、内容、模式，让人眼前一亮，但独木难支，孤军难胜，靠少数明星产品，是无法照亮VR行业的整片天空的，行业最终还是归于暗淡。

总的来说，投资者和创业爱好者总是能周期性地看到趋势、看到机遇、看到明星产品背后隐含的价值，从而押注VR的火爆，但现实中的用户体验和消费习惯，却无法超越技术发展的规律一步登天，又会给过热的VR泼下一盆冷水。

换言之，用“非火既凉”来审视VR行业，用Meta和苹果的动向作为标尺，本身就带有某种追逐风口的思维惯性。

三、“苹果信号”背后的VR枷锁 巨头纷纷撤退，VR要凉了吗？不，Meta、索尼、微软并没有放弃VR研发，相关技术和专利竞赛还在持续，100+款PSVR 2游戏正在开发之中，VR社交《Horizon Worlds》即将迎来13至17岁的“元宇宙公民”……

苹果头显问世，VR要火了吗？显然也不是。定价550美元起的索尼PSVR 2，都被媒体批评偏离了消费者市场，不可能成功，苹果头显高达3000美元的售价，未知的体验，叠加全球经济下行的外部环境，商业成功的可能性真的不大。一个最直观的表现就是，市场已经释放了苹果VR的消息，但VR相关的投融资规模并没有大幅增长。

不热不凉，半死不活，当前VR行业的尴尬局面，也说明“风口思维”正在破产，“狼来了”的故事已经传唱了两个周期，不仅消费者不太相信，投资者也开始疑虑了。

当整个行业已经无法再把明星产品的利好消息，当作速效救心丸，未来又该往何处去呢？

VR的核心突破肯定是在硬件上，但VR硬件注定是一个巨头游戏。AR/VR/MR的烧钱程度超乎想象，投入几乎是无底洞，还经常促销、补贴来售卖，Meta统筹AR/VR元宇宙业务的Reality Labs已经用连年亏损，2022年更是喜提136.17亿美元的亏损。打个比方，爱奇艺的总市值也才67亿美元（2323/2/24数据），相当于Meta做VR一年能烧掉两个爱奇艺。

所以，硬件游戏，得是Oculus、苹果那种虎鲸级别的巨头，拥有完整的闭环生态，再加上核心技术、硬件、软件、内容、渠道等各方面的重金投资，才能杀出一条血路。

硬件是枷锁，但不是所有企业都有资格套上这个枷锁。大部分投入VR产业的项目，如果专注于硬件，底层技术/专利上没有优势和积累，当然会在行业寒冬洗牌时，成为资本的弃子。

既然如此，为什么大家还在期盼苹果, 将苹果VR的亮相，当作是春天的信号？

由于人性的软弱和侥幸，越是缺少什么，就越是期盼什么，苹果所承载的，才是当下束缚VR行业的枷锁：

1）成熟的消费级硬件

苹果被认为比较擅长打造成熟的消费级硬件，很多VR头显设备定价昂贵、体验粗疏，只有热爱玩票的极客群体能够忍受。而这类极客文化的厂商，很容易交付一个概念超前、但完成度只有百分之二三十的产品，无法形成商业闭环，一旦开发者或企业押注这种厂商，很可能投入的时间和精力都打了水漂。

如果苹果能带来成熟的消费级VR硬件，和理想的人机交互体验，让其他厂商“模仿借鉴”，再把价格打下来，产品形态成熟、各价位配置百花齐放，才是从业者和潜在用户所希望的。

2）低门槛的开发平台

VR游戏影视内容的研发成本高，要靠内容回本，非常困难的。比如高端VR设备主要面向PC 游戏群体，需要较强的大型游戏开发能力，研发成本达千万级，限制了很多内容厂商的参与。

人们普遍认为，苹果有着优秀的内容和应用生态，成熟的渠道分发平台，苹果头显上市发售时就能提供较为丰富的内容应用给用户，除了影视、游戏，还包括社交、健康、教育、家庭娱乐等多种应用，从而让VR内容创作者、应用开发者、游戏开发者，有更大的挖掘空间。

有了群体智慧的参与，也能为VR平台提供持续的吸引力和使用价值。

3）较强的付费群体

To B、To G的商业模式比较复杂，对行业资源的要求多，运作和执行难度也很大，是很难快速突破的。所以，很多初创企业还是将重点放在To C市场，这就要求个人用户具有较高的消费能力和消费习惯，这是苹果用户画像较为突出的特点，也是资本市场关心的重点。

这并不是对VR的前途感到悲观，也绝对不是说VR行业走到了寒冬。之所以VR一会儿冷一会儿热，源于太多人的一厢情愿。

一厢情愿地以为，冒出一些新概念，几个明星产品，苹果入局了，就会很快好转，而选择性地忽视了，整个行业的商业土壤贫瘠、创新门槛高企，或许就不会有那么多“追风口”了。与其年复一年地猜测苹果的步伐，不如认真去做好改善土壤、抗击意外的准备。

作者：藏狐

来源公众号：脑极体（ID：unity007），从技术协同到产业革命，从智能密钥到已知尽头。

本文由人人都是产品经理合作媒体 @脑极体 授权发布，未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

给作者打赏，鼓励TA抓紧创作！

{{{path> 赞赏