一、AI 时代，从流量为王，到意图为王
1.平台的价值，不只是拥有流量
要理解AI为什么会影响广告、品牌，以及整个商业化体系，我们需要先弄清楚，过去20年，互联网平台究竟是怎么挣钱的。
移动互联网的本质是链接，不管是链接信息、链接人和链接商品。
把谷歌、亚马逊、Meta这些公司放在一起看，会发现一个有意思的现象：它们看起来在做不同的事情，但从商业模式的底层逻辑看，都在解决一类相似的问题——把用户、内容、商品、服务和需求连接起来，再从这些连接中创造价值。
谷歌，是你现在想知道什么；Meta ，是你可能对什么感兴趣；亚马逊，是你可能要买什么。
亚马逊连接消费者和商家，Meta社交平台连接用户、内容以及其他用户。
它们真正建立起来的，是一套连接系统。
但是，只有流量、内容和用户，并不一定能够挣钱。
比如，一个平台每天有1000万用户。接下来还要问：这些人为什么来？他们在看什么？需要什么？有没有购买意愿？平台有没有办法把这些需求与商业连接起来？
一个人到亚马逊搜索商品，往往意味着他已经准备购买，或者至少进入了购买前的考察阶段。
这时候，广告不是简单地把一条信息放到用户面前，而是在需求已经出现的场景里，把愿意购买的消费者，与愿意付出成本获得客户的商家连接起来。
两边都有比较强的需求，离交易结果也就更近。
广告的发展过程，也在不断接近这个结果。
广告系统在不断地逼近一个问题：我今天所得到的客户，他到底是多少长期价值？这也是为什么现在的广告越来越复杂。
早期卖的是曝光：广告展示了多少次；后来关注点击，再往后关注转化。广告主越来越关心的，不只是“有多少人点了”，而是“这些点击给我带来了多少价值”。
甚至还要继续追问：今天获得的这个客户，长期商业价值有多大？
搜索平台能够通过搜索词理解用户当下的需求；社交平台可能不知道用户此刻想买什么，但可以根据长期积累的兴趣和行为判断商业机会；购物平台则更接近明确的购买意图。
互联网知道用户的兴趣和行为，有可能不知道这个用户当下的需求，但是我可以根据长期的数据去分析，知道这个用户对某个东西感兴趣，这就存在所谓商业化的机会。
亚马逊是最强的，亚马逊的广告是转化率最高的，为什么？因为所有人去亚马逊，已经知道要买东西，已经有买东西的状态，至少是在考察。
因此，亚马逊要去理解这个客户，他可能要买什么，它离真正的商业化结果非常近。
过去，互联网公司变现的方式是流量，流量为王。
而AI正在向更基础的问题走：你真正想解决的，究竟是什么？
这是AI现在的重要变化。如果当机器开始理解内容、理解商品、理解上下文，就从流量为王走向意图为王。
我们正在处在一个过渡时期：从流量为王，走向意图为王。
2.消费者不必先知道搜什么，只需要知道想解决什么
AI 时代的第一个变化，是需求的表达方式。
过去，消费者想在购物平台上买一件东西，需要先把自己的需求翻译成搜索词。比如，我想买耳机，就去搜索“耳机”，再通过不同关键词，一步步缩小范围。
这个过程是有认知负担的，消费者需要知道自己应该找哪类商品、使用什么词，才能得到合适的结果。
有了AI之后，消费者可以直接描述问题：我在什么场景下，需要解决什么事情，希望获得什么体验。
比如，我想在坐飞机的时候舒服一点。这是一个需求，但它不一定只对应某一种商品。消费者不必先把答案想好，再去搜索；只要知道我需要解决什么问题，可以先把问题交给AI。
AI 时代的第二个变化，是购物研究开始被AI接手。
买一件稍微复杂的商品，大家通常都做过类似的事情：花大量的时间找商品、看参数、翻评价、看测评视频，再回来比较价格。
很多时候，真正花时间的并不是购买本身，而是弄清楚“我应该买什么”。
现在，AI可以帮助用户寻找商品、筛选信息、比较参数、汇总评价。
这不只是推荐做得更好了，而是原本需要消费者自己完成的一部分购物研究，被AI接过去了。
接下来，AI还会进一步参与判断。
过去，系统可能告诉你：“这里有10个你可能喜欢的商品。”最后选哪个，仍然要由你来研究和决定。
现在，AI可以综合预算、用途、购买历史、个人偏好以及你描述的条件，直接告诉你：“我认为这个更适合你。”
这意味着系统的方向发生了变化：过去是提供更多选择，现在是帮助消费者减少选择。心智负担一下子几何级减少。
消费者的角色在无形中也随之改变。
过去，消费者是决策的制定者；现在，消费者越来越像推荐的批准者。
你不必重新研究所有商品，只需要判断AI给出的推荐是否符合自己的要求。越来越多购买前的判断，会由AI参与完成。
AI 真正争夺的，是消费者的判断权。
这里最大的一个影响是，过去人们会看十几个商品，买东西的时候取决于推荐系统，现在AI给你推进去。
AI不光是在帮你找商品，不光是在帮你做研究，它开始参与决策，看似是人在决策，其实是它在决策，这是一个根本的变化。
3.AI的下一步发展，是从推荐信息走向执行任务
AI与消费者的关系，还会从“帮你找信息”，进一步走向“帮你完成任务”。
AI，从小的辅助，变成帮你去完成任务，把“搜了什么”、“点了什么”、“比较了什么”、“买了什么”几个环节全部串在一起，从你要找到更多的商品，变成了让你更加轻松地完成一次购买决策。
比如，一件商品现在卖300美元，你觉得合适，但价格有点高。你可以向AI提出一个任务：“等它降到250美元以下，帮我买下来。”
这与一次搜索、一次推荐，已经不是同一回事。你交给AI的，是一个带有条件、需要持续执行的任务。
当然，消费者可以自己设定决策边界。
哪些事情交给AI，哪些事情保留自己的最终决定权，可以根据自己的需求来选择。比如，小额购买不想花时间研究，就让AI完成；另一些购买，则需要自己确认。
这里的核心变化是：过去追求更多商品、更多信息和更多选择，现在越来越强调减少过程，让消费者更轻松地完成一次购物。
二、从争夺搜索排名，到争取AI推荐
1.商家要回答一个新问题：AI为什么推荐你？
AI 时代，当消费端受到影响，下一个受到影响的是商家。AI时代，当流量变成意图，商家应该优化什么？
当消费者从搜索商品变成与AI对话，从自己浏览变成让AI推荐，商家关心的问题也会发生变化。
过去，商家关心的是：我的商品怎样能够出现在搜索结果里？怎样排到前面？不管通过广告还是其他方式，都希望消费者先看到自己。
现在，需要增加两个问题：AI能不能理解我的产品？理解之后，愿不愿意推荐我的产品？
这要求商家改变信息表达的方式。
于是，GEO（获得AI推荐）的概念出现了。
商家的思维要转变，要被AI去理解。
AI要判断一件商品是否适合消费者，需要具体条件，比如用途、使用场景、续航以及各种限制。商家提供的产品和服务信息表达得越具体，就越有利于判断商品与需求是否匹配。
所以，不只是告诉消费者“我有一个好产品”，还要把产品放进具体场景里，说清楚它适合什么情况，能够解决什么问题。
从这个角度看，商家的竞争力也要扩展。
过去，我们更多关注商品本身。进入AI参与购物的环境之后，还要关注商品的数据：属性是否清楚，使用场景是否具体，消费者反馈是否能够被理解。
这些信息不是与产品无关的附属物，而是AI理解产品、判断产品是否适合用户的依据。
过去，我们问的是“消费者看到我以后，会不会买”；未来，还要问“AI理解我以后，会不会把我推荐给消费者”。
对消费者的分析、经营数据的分析、价格与库存等方面的判断，原来需要大量人员参与。随着部分工作交给AI，企业需要考虑的就不只是“用了几个工具”，而是经营系统是否需要相应调整。
广告投放也是如此。
过去，亚马逊的核心属性，是以广告投放来销售自己的产品为核心。商家进入广告系统，考虑的是买什么流量、投哪些搜索关键词。
未来，ChatGPT 这一类的工具，是可以直接去理解到消费者的用户和意图。商家可以更多地向系统说明：我希望找到什么样的消费者？我希望达到什么样的结果？
这时候，人向系统提出的，不再只是具体的投放操作，还包括目标人群与预期结果，更多中间判断可以由AI参与完成。
在未来，从一个购买流量的广告系统，逐渐变成帮助 AI 的决策系统。
怎么去看商家的竞争力？过去，看的是商品力。因为有AI，扩到四个维度的能力框架：
①商品力：商品能否满足需求；
②数据力：数据力就是你有没有足够的数据，有没有做好的数据，信息是否准确、完整、及时？
③AI可理解性：能够帮助AI去理解商品的属性、使用场景、消费者的反馈，需要正确地给AI去理解；
④AI推荐能力：最终还要进入AI的推荐。
2.亚马逊平台正在把AI放进购物的每个环节
AI 影响了消费端、商家端，那么对平台有什么变化？亚马逊已经上线了7款AI产品功能。
①Alexa for shopping 购物助手。
以前消费者要买双鞋，亚马逊会发一些信息做对比，现在消费者直接跟AI讲这个事，AI直接全流程完成。
这是亚马逊AI的一个拳头产品，从做对比，到筛选，再到推荐，自动给你做全流程。可能100元以内的产品，消费者就不想去参与决策了，AI直接给消费者干了就可以了。
②AI shopping guide AI购物指南。
主要帮助消费者研究品类和关键参数。
消费者有时知道自己想研究哪个品类，但还不清楚应该怎么选。比如购买护肤品，需要考虑皮肤类型、使用部位、敏感情况、品牌和价格等条件。
它只有三页，你可以去选。你可能不知道自己想要什么样，或者在还不是很清楚的情况下，你只要把你的具体需求说出来。
这类功能的价值，就是先帮助消费者理解一个品类，再逐步明确自己的选择，而不是一上来就要求消费者知道具体型号。
比如，你现在坐飞机想要更舒服一点，可以让你舒服的方式可能有很多不同的品类，AI给你推出来，你可以戴眼罩，或者其他小工具。
③review highlights，可以理解为评价摘要。
过去，消费者看到一个商品下面有3000条评价，通常只能挑一些来看。现在，你买一个产品，AI可以汇总这些评价，提炼出用户反复提到的特点，这样就可以很快地让消费者更快理解商品的优点和不足。
④Interest，围绕兴趣持续发现商品的功能。
这与“我现在就要买一件东西”不同。你可以把你的想法需求，你对什么感兴趣，甚至你说我想变美，我想变瘦，把你的一个想法放进去，它可能会持续给你兴趣爱好，继续帮助你发现商品，长期激发你的购买意向。
前四个AI功能，单独看，它们像是不同工具；放进购物流程里看，就能发现共同方向：亚马逊平台正在把AI放进购物决策的各个环节，逐步让人的心智负担越来越低，越来越懒。
⑤和⑥Shop direct（跳转购买）/buy for me（代购）。
过去，亚马逊的搜索是“我有什么，我卖什么”。
ChatGPT一出来，亚马逊担心沦为ChatGPT的小弟。因为，原来亚马逊是购物流量的入口，现在很多人在ChatGPT搜商品。
所以亚马逊Shop direct产品的野心，就是如果你在亚马逊想买一个东西，但是亚马逊没有，亚马逊说我帮你跳转到第三方的其他网站，我来帮你去购买。亚马逊现在想打破边界，突破自己的边界。
Shop direct（跳转购买），是你点了之后跳转到其他品牌网站页面上看产品，再购买。
buy for me（代购），是你直接在亚马逊把钱花完，给它付钱，它再去给你购买，你就不用再跳转过去这么麻烦。
这已经无限接近Agent，就像今天 Meta 推出的Muse（个人生活助手 AI），从信息服务变成AI帮你弄，完全执行。
从最初的认知，到研究，到分析，到对比，到决定，把research（研究）、 comparison（比较）、 decision（决策）、purchase（购买）全部逐渐转给了AI。AI有点统一天下的感觉。
⑦Agentic ads代理广告。
理解网络广告，可以先看三个基本概念。
CTR是点击率，即看到广告的人中，有多少人点击，CTR=点击次数/展示次数，越高越好；
CVR是转化率，点击之后有多少人购买，CVR=购买次数/点击次数，越高越好；
CPC是单次点击成本，即广告主为一次点击支付多少钱，CPC=广告花费/点击次数，越低越好。
平台不只是在展示广告，也在预测：这个用户会不会点击，点击之后会不会购买。
所以，广告本身就包含判断。
还有一个经常被忽略的问题：出价高的广告，一定排在前面吗？
按照竞价系统，谁价格高，谁在前面。
但是亚马逊没有这样做。
比如，用户搜索跑鞋，平台不能因为手机壳广告的出价更高，就把手机壳推给他。这与用户的需求不相关。
在搜索广告流程里，搜索词进入系统之后，要先经过相关性判断，把不匹配的广告筛掉，再进入后续的竞价和排序。
亚马逊宁可牺牲排名，宁可少挣点钱，但是一定要让消费者的体验是最好的。保证用户的体验，才能保证长期的商业价值。
平台需要同时考虑商家收益与用户体验。如果只顾眼前收入，长期商业价值就可能受到影响。
因此，广告并不是卖出一个位置那么简单，而是要在合适的时间，把合适的内容放到合适的人面前。
AI继续进入这套系统之后，可以帮助理解语言、上下文、商品的描述和历史的交互。系统关心的，也会越来越接近最终结果，而不只是一次点击。
亚马逊的第7种广告形式，就是agentic ads（代理广告），消费者可以与它对话。
当广告可以与消费者对话，变化就不只是从图片变成文字，或者从文字变成视频。
过去，消费者看到不同广告位，再从中寻找自己需要的信息。进入对话场景之后，系统可以根据消费者当前表达的需求，调整推荐与广告内容。
你继续说，系统就继续理解。需求发生变化，内容也随之变化。
三、广告和品牌的价值怎么变？
1.广告系统，或许会有大的重塑
未来，还需要广告吗？广告原来的逻辑发生了什么变化？
关键变化，是广告的重点由此从购买曝光，向影响决策易懂，转向参与消费者的决策；从围绕关键词（keywords）判断，转向理解用户当下的意图（intent）；从预测是否点击，进一步走向预测是否购买。
内容生成也在变化。
今天亚马逊已经在做了，可以做到什么程度？同一款商品、同样的价格，面对不同消费者，可以有不同的表达。
有的人更关心产品能带来什么好处，有的人对优惠信息更敏感。系统可以结合这些差异，生成不同内容，而不是让所有人看到同一段广告。
广告系统慢慢进入AI决策系统，从曝光逻辑变成智能决策系统。从原来基于历史数据给一个规则，变成去理解用户当下的意图。
相比“你过去一个月喜欢什么”，更直接的问题是“你现在究竟想要什么”。历史行为仍然有参考价值，但对当下意图的理解，会变得更加重要。
再往前走，就会碰到一个更大的问题：广告还有没有必要存在？
一种可能，是广告变成新的付费推荐。它不再主要依靠曝光和点击，而是在对话与决策过程中，以新的方式出现。
但如果一个系统完全以消费者体验为优先，不考虑广告收费，原有广告逻辑的生存空间就可能被压缩，甚至被逐渐消解。
2.品牌不能只依赖过去的“心智超链接”
品牌也需要重新讨论。
品牌还重要吗？
过去，品牌在一定程度上像一个“超链接”。卡的是消费者的心智。
消费者知道你、认识你、认可你，也信任你。购买时，就可以跳过大量研究，直接作出选择。
比如，一个人认为耐克的跑鞋好，需要买鞋时，就直接买耐克。他不必重新比较所有材质、参数和价格。
品牌帮助消费者省掉了决策过程。
但在AI参与购物之后，消费者也可以直接提出需求：适合跑步、轻一点、预算在某个范围内。
AI接到这些条件，可以重新寻找匹配的商品。此时，消费者不一定先从熟悉的品牌出发，而可能先从自己要解决的问题出发。
品牌，从原来捕获人的心智，变成要捕获agent的心智。
这就要求我们重新审视过去依靠品牌认知，让消费者直接跳到购买结果的打法。
品牌需要考虑，如何让自己的产品信息进入AI能够理解的内容中。
比如，围绕鞋子的材质、不同款式的设计，发布比较中性的讨论，把品牌放在这些具体讨论里，而不是只讲这个品牌有多好。
一些老品牌即使调整了做法，也很难回到原来的地位，更难继续一家独大。因为竞争的环境已经改变了。原来没有机会的小卖家，在这种变化中可能获得新的机会。
不过，这不等于品牌不重要了。
我们仍然生活在物理世界里。我们看到什么、感受到什么、体验过什么，依然会影响认知和信任。消费者也可能带着明确的品牌偏好提出需求。
品牌需要同时做好两个方面：一方面是在真实世界里形成消费者的认知和体验；另一方面，是建设能够被AI理解的数据资产。
3.不同品类，不能照搬同一种AI布局
品牌受到的影响，与品类密切相关。
以实用性为主要目标的商品，AI有更多机会根据具体需求进行比较和推荐。
但像爱马仕这样的奢侈品，消费者购买的不只是实用功能，还包括身份、地位和社会认知。
一件商品被别人看到后，会产生什么判断，本身就是购买理由的一部分。
因此，不能用同一个结论概括所有品类。我们需要具体看：消费者购买这件商品，到底是为了什么？它的品牌认知，又是从哪里来的？
是否值得围绕AI推荐进行投入，也要看具体的购买场景。
有些商品的决策链比较复杂，消费者需要研究、比较，还会去不同平台寻找信息。
另一些商品，则可能有比较固定的购买习惯。比如儿童牙膏。
对于某些消费者来说，他可能直接购买自己原本想买的产品，不会专门问AI：“你帮我挑一下，我应该买哪个牙膏？”
在这样的场景里，花很大成本做相关内容布局，未必有相应的价值。
不是所有便宜商品，都值得用同样的方式去做。关键还是看品类和消费者的实际决策过程。
再看另一种场景：本地服务。
比如，一个人在某个地方爆胎了，现在需要修车。他要解决的是当地、当下的具体问题，不需要一家远在其他地区的修车厂。
这与面向全国、甚至全球的商品需求不同。
企业不能只问“AI推荐有没有价值”，还要问：在我的品类、我的服务范围、我的客户场景里，它具体有什么价值？
四、AI 时代，重新组织工作
1.不要先问AI能替代几个人，要先看工作怎么变了
讲完AI对消费者、商家、平台和广告的影响，再回到企业内部。
AI时代，组织应该怎么办？岗位怎么办？是岗位在变化，还是岗位工作在变化？
很多人最先问的是：AI能不能替代我的员工？买几个工具，是不是就能减少一些岗位、节省一些成本？
这个问题需要换一种问法：
如果AI能够承担一部分工作，企业应该怎样重新组织这些工作流？
首先发生变化的，未必是一个完整岗位，而是岗位下面的具体任务。可以肯定的是，每个task（任务）在变，而不是岗位整体变化，因为一个岗位不只是是一个单独的任务。
比如，一个市场经理每天要做什么？
他可能要整理数据、写报告、开会沟通、做市场研究、写广告文案、与代理公司交流、分析竞争对手、制定营销策略。
这些事情当中，有些适合交给AI，有些至少在当前阶段，仍然需要人来做。
企业的基础单位是工作。过去，我们把一系列工作任务组合起来，交给一个人，形成一个岗位。现在，要重新看看这些任务能不能拆开，能不能换一种方式组合。
是不是每一个任务（task）要重新去组织，这是一个最核心的点。
这不仅关系到效率，也会影响岗位边界和组织方式。
2.AI做可规模化的判断，人承担目标、取舍和责任
哪些工作适合交给AI？可以从三个维度判断。
首先，是否高度重复。如果每天都在做相似的事情，就适合交给AI。
其次，是否信息密集。大量搜索、整理、分类和总结，AI绝对比人类的优势更大，是AI可以发挥作用的地方。
最后，规则是否明确。输入是什么，判断标准是什么，下一步应该怎样执行，如果这些能够说清楚，就更容易让AI参与。
会议记录、信息汇总、邮件回复、线索整理，以及部分客户问题，都可以放进这样的框架里判断。
另一类工作则不同，AI不适合。
比如，公司应该进入哪个市场？两个核心团队发生冲突，应该怎样解决？要不要收购一家企业？品牌应该怎样定位？重要客户的关系怎么维护？
这一类的工作有什么共同特点？第一，信息不完整；第二，目标不够明确，而且还需要承担后果。
即使AI能够提出建议，也仍然需要人作出选择，对目标、取舍、关系和结果负责。
所以，在当前阶段，有一个实用的分工原则是：AI去做可规模化的判断，人去做需要背锅、承担责任的工作。
AI可以负责搜索、分析、形成执行；人仍然需要负责目标、价值判断、关系以及责任。
这也会改变我们对人才的判断。
3.在 AI 时代的语境下，人才应该怎么定义？
过去，招聘时常看专业知识、行业经验和执行能力。现在，可能会特别关注五种能力：定义问题、作出判断、沟通交流、理解行业，以及有效使用AI工具。
第一，定义问题是核心；
这个能力占80%，问题能不能问对、问清楚，决定了后面的工作能不能展开。AI能不能理解，也首先取决于你是否把问题表达清楚。
第二，是判断力；
AI给你5个方案，你能不能知道应该选哪个？
第三，沟通交流；
沟通也很重要。对上能不能与领导讲清楚，对下能不能与团队讲清楚，能不能让人和AI都理解同一个问题？
第四，对行业有一定的了解；
行业认知同样不能缺少。尤其在面向企业客户的业务（B2B）里，客户有什么习惯、他愿意怎样决策、为什么购买你的东西，仍然需要通过这种人来深入理解和解决的。
第五，要把 AI 放进工作流程。
能不能有效使用AI工具，把它真正转化为工作效率。使用AI的工具，是否有效？
4.使用AI，不等于AI已经进入业务流程
这两件事，本质上不一样。
使用AI，可以是某个员工偶尔用它写一段内容、整理一份材料。
让AI进入业务流程，它是一个标准化，需要明确输入、输出和执行方式，让AI能够系统性地参与工作，帮助你自动执行，这才叫一个流程，而不是每次都临时安排。
这样的流程还可能打破岗位边界，不同岗位原本分别做的重复工作，可以重新考虑是否有必要继续分开。
以销售线索为例。
从获得线索，到研究、评估，然后草拟并人工审核，再到后续记录和跟进，里面包含许多不同任务。
有的环节需要人参与，有的研究和草稿工作，可以由AI帮助完成。企业需要重新看这条流程：哪些地方应该交给AI，哪些地方保留人的判断，任务之间怎样连接。
因此，企业可以思考的是：我们的业务流程，有没有机会重新设计？
客户体验也是一个很直观的场景。
过去，客户遇到问题，可能先打电话、发邮件、找一线客服。一线解决不了，再升级到二线、技术团队、销售，甚至管理层。
这个过程需要很多人参与。
AI进入之后，可以承担其中一部分工作。比如，理解客户在问什么，查询订单在哪里，沟通产品为什么不适合，或者协助更换一个型号。
工作开始从单纯回复信息，走向AI理解问题、参与决定，再进一步执行。
但这里真正要比较的，是在节省人工开支的同时，AI能不能帮助客户把事情解决。
5.企业购买的，也可能从软件功能变成实际工作量
如果AI可以直接参与执行，企业软件的付费逻辑也会受到影响。
过去，企业采购CRM（客户关系管理系统）等软件，主要是在购买功能。软件提供工具，员工使用工具完成工作。
很多企业软件按照账号或使用席位收费：有多少人使用，就购买多少个席位。
但在AI参与工作的情况下，企业可能直接提出一个任务，让系统理解需要调用什么功能，再把工作完成。
企业软件未来可能从卖“席位”，进一步走向卖“任务”和实际消耗的工作量。
企业关心的不再只是系统提供了多少功能，而是它具体完成了多少工作、消耗了多少资源。
这会改变企业软件原有的思路：从围绕功能收费，走向围绕实际执行的工作计量。
过去想要争夺的，是在搜索出来之后的排名；现在，要争夺的是在AI的角色。
6.在AI 时代，还有六个问题，要放回自己的企业
在AI 时代，我们仍然有很多问题没有统一答案，但企业可以先从六个问题开始。
第一，客户为什么愿意付钱？不要只回答自己卖什么，而要看客户为什么愿意为这件事付费。
第二，企业有哪些环节在处理信息？其中哪些搜索、整理、分析和判断，可以借助AI加速？
第三，AI会不会改变客户的决策方式？过去客户怎样找到你，有了AI之后，还会不会用同样的方式找到你？
第四，如果客户越来越多地通过AI决策，企业还能不能掌握客户关系？对于咨询、品牌和企业服务等业务，这尤其值得思考。
第五，企业哪些环节只是在借助AI降低成本？还是创造新收入？
第六，假如今天重新开始做这门生意，不是在原有业务上继续修补，会设计什么模式？
这些问题，最终都指向同一件事：AI会不会进入你的价值链？如果会，它将从哪里进入，又会改变什么？
本文来自微信公众号“笔记侠”（ID：Notesman），作者：笔记侠，36氪经授权发布。
