跳到主要內容

消費者如何看待付費與免費的AI服務和工具 - A16Z 不專業摘要翻譯

消費者如何看待付費與免費的AI服務和工具

根據 A16Z 分析報導,自ChatGPT問世以來,它迅速成為生成型AI領域的焦點。在短短9個月內,它以驚人的速度吸引了1億的活躍用戶,預示著一個AI新時代的到來。然而,市場上還有其他哪些AI工具?老牌企業和新進公司又分別站在何處?讓我們深入探索生成型AI的現狀和未來趨勢。

自ChatGPT推出已有9個月,且在7個月內成為最快達到1億月活躍用戶的消費者應用,開啟了生成型AI的新時代。

但除了ChatGPT,消費者如何與生成型AI(GenAI)產品互動?哪些類別是老牌公司主導的,而哪裡又有新公司崛起?誰可能是下一個“大贏家”?

為了回答這些問題,我們查看了SimilarWeb於2023年6月的流量數據,對月訪問量最高的50大GenAI網站產品進行排名。我們還分析了這些產品隨著時間的增長,以及增長來自何處。

我們依賴網頁流量而非應用流量來“確定”公司上榜資格,因為到目前為止,大多數消費者GenAI產品首先是網站形式(下面還有更多相關信息!)。對於上榜且擁有移動應用的公司,我們加入了那些流量,該數據來自2023年6月的Sensor Tower,以確定他們的排名。因此,此排名可作為識別和理解類別趨勢的工具,而不是所有消費者AI平台的詳盡排名。



前6個主要觀察

  1. 大多數領先的產品都是從“零開始”圍繞generative AI建立的。
  2. 目前,ChatGPT擁有巨大的領先優勢…
  3. LLM助手(如ChatGPT)是擁有領先地位,但輔助工具和創意工具正在崛起。
  4. 早期的 “勝利者” 已經浮現,但大多數產品類別還未定論。
  5. 頂尖產品的收購完全基於消費者願意支付意願!
  6. 移動應用仍在作為一個GenAI平台崛起。

其中,特別提到在過去的5年中,許多消費者應用一直陷入了一場收購遊戲中。沒有平台的轉變(例如,從互聯網→移動裝置),很難為新產品帶來興奮感。收購成本也在上升,這意味著大多數消費者公司都必須擔心如生命週期價值和客戶獲取成本等指標。

生成型AI(GenAI)改變了這一遊戲。此列表上的大多數公司都沒有付費行銷(至少,SimilarWeb能夠歸因的那些)。通過X、Reddit、Discord和電子郵件,以及口碑和推薦成長,有大量的免費流量“可用”。

這些GenAI產品的底部四分之一僅有2%的流量來自付費來源。這與非AI消費者訂閱公司的底部四分之一有70%的付費流量形成鮮明對比,根據a16z對150個產品的基準測試結果。



一般的LLM聊天機器人占到了前50名列表中總消費者流量的68%。除了ChatGPT外,這一類別還包括Google的Bard和Quora的Poe,都位於前5名。

然而,最近幾個月兩個其他類別已開始帶來顯著的使用量—陪伴型AI(如CharacterAI)和內容生成工具(如Midjourney和ElevenLabs)。在更廣泛的內容生成類別中,圖像生成是流量最高的使用情境,佔41%,其次是專業消費者寫作工具佔26%,視頻生成佔8%。

Civitai(針對圖像)和Hugging Face都位於前10名。這很讓人印象深刻,因為消費者通常訪問這些網站是為了下載本地運行的模型,所以網站流量可能低估了實際的使用量。




Ref: https://a16z.com/how-are-consumers-using-generative-ai/


留言

這個網誌中的熱門文章

Vibe Coding:為什麼 Junior 更快上手?Senior 要如何追趕?

現象層面(市場觀察) 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變,非常熱門。 身為 Cympack 產品開發團隊 ,我們也一直關注這個議題,在閱讀這篇文章時觀察到一些有趣的現象,對我們來說,這正好反映出 AI 正在改變開發生態,junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位,其中有些啟發(insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding? 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」,反而 embrace 快速迭代、快速出成果 反觀 Senior: 熟悉大型系統設計 有豐富的「工程正統流程」知識(架構設計、測試策略、效能優化、設計模式) 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師,對 prompt engineering 沒那麼熟練,還在觀望 技能面(未來的關鍵能力) Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢? Prompt 撰寫 / AI 互動 Junior 較強(熟悉 chat-based 流程) 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強(能看出潛在問題) 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding,並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力,但若不主動練習 vibe coding,長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享,希望帶給各位的感受, 『與 AI 協...

RAG 和 Prompt 原理超簡單解說!想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務,甚至是 Siri (嘿丟,他也是一種 AI 應用服務喔) 簡單來說是非 技術人員, PM,小白,想要趕快惡補的人 ,直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於,AI 這東西會幻想,會有誤差,會對於生活有些幫助但沒有幫助的人們,做個簡單又不是太簡單的介紹,希望用一個非常入門的方式讓你們有個了解。 當然,這篇文章目的很簡單, 就是引流 ,如果你身邊有已經對於 Web 技術開發的人員,歡迎報名分享給他,年末出國不如學一技在身,參加今年我們舉辦最後一場 RAG 實作工作坊,報名連結 , https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意: 接下來每個大段落結束都會有一段工商導入,但文章絕對精彩,請注意! 為了讓各位容易想像,我們將整個世界的資訊,先濃縮到這本『西遊記』的世界觀當中,我們整個世界都在這個 『西遊記』 ,而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位,應該都有聽過,西遊記!如果沒有聽過西遊記的,請右轉出去,謝謝! 先來談談向量 在《西遊記》的世界裡,我們可以把 向量想像成一種「內容座標」 ,讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說,唐三藏的 「位置」(向量)會接近「佛經」和「取經」 的概念,因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念,因為這些是他的特徵。 相似內容靠得更近:像「佛經」和「取經」會靠近唐三藏的向量,因為它們彼此有很強的關聯。 相差較大內容會離得較遠:像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠,因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置? 簡單來說,這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊,觀察哪些詞語經常一起出現,根據「共同出現的頻率」來決定它們的關係,並且自動生成向量。例如: 如果模型看到 「唐三藏」 總是和 「取經」 一起出現,它就會讓「唐三藏」的向量靠近「取經」。 ...

Vibe Coding 協作到自建 Dev Agent?從 Claude / Codex 到 OpenHands

過去一年,越來越多工程師開始 把 AI 真正帶進工作流程 。從一開始用 ChatGPT、Claude 來問語法問題,到後來很多人愛上 Cursor,直接在編輯器裡讓 AI 幫忙改 code、補 test case、甚至自動整理 PR。這樣的開發體驗,已經大大改變了我們寫程式的方式。 更現實的是,在很多企業內部、政府單位、或涉及機密資料的專案裡, 其實根本不能直接用 Cursor 或雲端 LLM 工具。   畢竟這些服務通常會把資料傳到雲端模型做處理,萬一專案裡有未公開的技術、敏感客戶資料,或是受限於法規 (像金融、醫療、政府標案) ,直接用雲端 AI 工具就會踩 紅線 。  因此,許多團隊反而更希望 「自己架一套 Dev Agent」 ,可以在內網執行,資料完全掌握在自己手上,該整合的內部工具、該讀的私有 repo、該串的 CI/CD pipeline,全部客製化、安全可控。 這時候,像 OpenHands 這樣的開源 Dev Agent 框架就特別有價值。它的出發點不是單純的 AI 助手,而是讓你能夠打造出一個真的可以跑在自己環境裡、可以理解整個開發流程的 AI 工程師。從建置到部署,從 CLI 操作到瀏覽器查詢, 從多檔案編輯到自動測試,全部都能自己完成,甚至還能針對不同專案調整專屬的工作流。 對很多開始探索 AI 協作開發的團隊來說,這是一條 從 「AI 幫你寫一段程式」,走向「AI 幫你解決一整個任務」 的進化路徑。而且,還是在可控、可自定義、安全的環境裡完成的。 🧩 主要概述 OpenHands 是由 All‑Hands AI 開發的開源「軟體開發代理人平台」,能模仿人類工程師從建立程式、修改程式碼、執行指令,到瀏覽網頁、呼叫 API……等一整套開發流程 它提供雲端(OpenHands Cloud)與本地 Docker 運行版本,用戶能配置 LLM(如 Claude、OpenAI、Gemini…) 📚 核心特性與怎麼使用 代理人的工具能力 支援代碼編輯、命令行、執行環境、網頁瀏覽、API 呼叫—接近人類開發者完整技能。其中 OpenHands Cloud 版本提供 $50 試用額度讓大家方便使用,又或者如果自己本機有 docker 的話,可以自己Local 版本透過 Docker 自架環境。 ...