从信息技术★★■◆■、数字化应用发展的历史上看，技术一直在为人服务、提升个人效率和生活体验，解放人力的方向上发展，特点即是人与技术的链接★★■、覆盖的场景更加紧密，未来，作为AI超级应用这一定位■★，是否有可能在建立与人关系上更为紧密★■★■？笔者认为这是当前■■★◆◆★“知识助手”“智能助理”一类有望进入AI超级应用领域方向产品需要持续探索的问题★■★■◆，在算力和技术预期持续发展的条件下，AI超级应用的发展规划值得我们持续关注。
要全面分析对于AI超级应用，当前既有产品的体验设计是否需改进优化，我们认为仍可从经典的用户体验五要素模型出发，结合用户增长五阶段模型进行分析■★◆★★■，从产品用户增长的目标角度，以及设计体验全流程的过程角度进行问题探索◆■■◆★。
在这4个象限中★◆■，我们会发现当前大部分AI原生应用还很难囊括这四个方向的用户需要，比如像ChatGPT、KIMI等最为知名的AI原生应用，实际上更多被用户视为提升学习、工作任务效率的生产力工具（即便可以为用户分析情感方面的问题，用户往往也不会主动使用）★◆◆■★；而像Character.AI，以角色扮演为切入口，为AI机器人代入了个性化的人设、记忆等，给用户提供新奇的感性体验，获得了海外用户的高度关注◆★★；其次，像国外公司Infection推出的PI（Personal Intelligence），本月已被微软公司收入麾下，创始人期望与用户建立“相互依存■★★★”◆★■、★■■◆◆◆“紧密联系◆■★”（Ever-Present Relationship）的关系★★■■★★，也代表着AI超级应用的另一种发展路径。总体上说，当前在ToC领域★◆★◆■◆，AI原生应用不仅包括生产力工具这一种发展方向，尽管这一类以文生文■■、文生图的大模型更易被用户理解，但在产品体验设计上，还有其他多个方向不容忽视。
当前，部分厂商已经注意到了这一问题，更多还是聚焦在移动端APP中提供智能形象创建功能，为用户与AI交互提供更加沉浸式的体验，如百度文心一言APP，就可由用户创建3D化的数字人形象，我们认为这对于AI超级应用的角度来说◆★◆★◆，是有利于提升对用户吸引力的有效尝试，但未来还需要持续推动营销、以推动用户层面的接受和使用。
本文首先对当前ToC端的AI大模型应用进行了简单分类，并总体上对AI应用存在的体验设计问题■◆★■，从体验战略定位到感知设计均进行了反思，在围绕生产力工具价值+情感价值的基础上，结合用户个人的认知难题进行思考◆■★◆，或为远期的AI超级应用体验设计定位提供了更加全面、深刻的分析见解。
这并不完全是因为当前的AI大模型在产品和技术能力上存在问题★■★◆■■，即便今天的大模型已经可以解答部分专业性的问题■◆■■★★，但用户仍然很难意识到自己想要什么，特别是对于自身深层次的心理■◆■◆、成长或陪伴需求，我们从意识三层次理论来看◆■◆，对于AI超级应用要深入的这部分需求■★◆★◆，实际上用户很难仅凭自身就觉察到★■◆，借用乔布斯曾经说过的一句话◆◆“消费者并不知道自己想要什么★◆★”来概括这种现象是最为浅显合适的了。未来，期望实现AI超级应用定位的玩家，或需重点考虑在体验设计上如何对用户进行有效引导，否则◆◆◆★★，今天业界讨论的如Agent+知识库的设计◆◆★■，寄希望于为用户简单的提高搜索息率，可能在落地生产环境后用户使用意愿也未必高，远远达不到外界原先期望的效果★◆。
首先，当前ToC端AI应用的发展现状如何★■★？除了对话、文生文、文生图等技术维度理解下的细分领域，或是按写作、设计、翻译等功能维度下理解之外，我们假设未来的ToC超级应用是更加符合用户全场景需求、更加具备用户粘性的设计方向，则当前的分类方向可能是很难对应超级应用这一目标，我们尝试以一个更加宏观的、偏向用户直觉体验的角度来理解C端的AI原生应用的品类格局■■■，包括用户需求的理性程度（是偏向效率还是偏向情绪需要），以及对应用户我认知的层次（是偏向即时性本我需要还是偏向追求自我实现的需要）■■，由此构成了4个象限■★。
月狐数据（MoonFox Data）是中国领先的全场景数据洞察与分析服务专家。凭借全面稳定、安全合规的移动大数据根基以及专业精准的数据分析技术、人工智能算法★■◆◆◆■，月狐数据先后推出移动应用数据（iApp-旗舰版■★★★、小程序版、厂商版◆★、海外版）、品牌洞察数据（iBrand）★◆◆★■★、营销洞察数据（iMarketing）、金融另类数据等产品，以及提供月狐研究院的专业研究咨询服务，旨在用数据帮助企业洞察市场增量，赋能商业精准决策◆◆。
首先★■◆，在产品体验设计的整体定位上就存在关键问题■◆◆◆◆★，这一核心问题在Logenic AI联合创始人李博杰博士在知乎沙龙的分享上已有提及，本文笔者认为从体验设计的角度来看，基于未来AI超级应用的长远愿景，这的确是相当关键的问题。在本文第一部分的介绍中也可显然看出，当前很难有大模型能够真正同时兼顾有趣和高效◆■■◆★◆，这将导致的现象有：
特别声明■★◆■◆★：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
其次，对于交互操作层面■◆◆★★■，我们比较看好语音交互在AI大模型中的充分发挥★◆★★，大模型厂商或需更加在设计上凸显语音交互能力，以引导用户使用，通过语音交互，用户可以更加轻便的与AI应用进行交互★◆★■■■，降低大量交互中的键盘文本输入压力，在更加轻松的交互体验下，用户留存◆■★★、持续使用意愿将有望得到提升。
Science 受孕后1000天内“少吃糖”可降低成年后糖尿病和高血压患病风险
为什么会这样？可见★■■■，如何进一步扩大用户基本盘，让更多用户对AI应用形成使用习惯仍然有较长的道路要走，从当前的情况来看，无论是对于大模型独立厂商★◆、还是端侧大模型厂商而言，重新思考大模型对用户的价值、体验设计是未来实现AI原生超级应用方向中无法回避的问题。
特斯拉公开线束技术方案 ，再次提醒，真正的降本增效，是向技术和创新伸手◆★◆，而非供应商和工人
月狐数据（MoonFox Data）是中国领先的全场景数据洞察与分析服务专家。凭借全面稳定、安全合规的移动大数据根基以及专业精准的数据分析技术、人工智能算法■■◆，月狐数据先后推出移动应用数据（iApp）、品牌洞察数据（iBrand）、营销洞察数据（iMarketing）■■■◆◆、金融另类数据等产品，以及提供月狐研究院的专业研究咨询服务■■◆■■，旨在用数据帮助企业洞察市场增量■◆，赋能商业精准决策★■★◆■。
当前AI原生应用除了在交互框架上集成性很高，对于用户在产品定位上的判断会有所影响外◆★，在交互动作上■◆，对用户的持续使用，留存■★◆◆◆◆，或多或少可能也产生了一些阻碍性的影响◆★，仍然是以ChatGPT类的多轮对话AI应用为例，用户目前仍然需要通过手打文字与AI进行交互，优点是目前的AI可以理解模糊的◆★■、个性化的表达指令■★，从而使用户的操作学习上手门槛大大降低，但相反◆◆■◆，当前绝大多数AI应用在界面设计上，主要的交互方式仍然是由用户每次进行手动打字输出指令，而用户除了在社交场景中★◆■◆★◆，往往很难长时间接受这种操作方式所需要耗费的精力，用户反而会回到刷视频、玩游戏上来。
在以ChatGPT为代表的首批通用大模型问世之后，用户使用热情一度十分高涨，如ChatGPT在2022年公开试用后，其用户数两个月内破亿★■◆★■，成为了史上用户数增长最为神速的应用，但随后用户逐渐度过了新鲜期◆■★★★，开始重新理性思考大模型的使用价值，这一现象在国内AI原生应用中也似乎有所显现，通过大数据监测我们发现★◆，从2023年10月至今，Web端国内头部五大AI大模型用户访问量持续上升，虽然增速明显◆◆■■■★，但头部大模型MAU基本还处在千万水平。
当前◆★★◆◆，AI大模型已经具备长文本、容纳海量知识的特点★★■，但是在用户习惯上，用户是否真正能够、有意识将这些AI能力全面发挥出来■◆？就当下的情况而言★◆■，如果我们希望AI超级应用不仅要让用户感到“有用”,还要让用户感到“有趣”◆◆★★■◆，其实AI大模型现在可以解答很多跨领域、跨专业的问题，但目前，无论是ChatGPT这类偏向生产力工具类的AI原生应用★◆■★，或是PI、Character■◆.AI这类主打感性、陪伴的AI原生应用，我们认为实际上还未能唤醒用户这方面的需求。
一是对于当前主打生产力的的AI应用而言，用户更多会把其当作“用完即走★◆◆■★◆”◆★■◆，甚至是补充性的生产力工具，在没有完全嵌入用户■■★、组织的工作场景的前提下，用户粘性往往不强★★◆，这也导致其很难在当前的短视频、图文社区等内容产品竞争下分得更长的用户时长，当前有很多讨论、研究均希望能够在手机等端侧实现帮助用户完成诸如订票、订会议等日常任务，但即便如此■◆★◆，用户也很有可能仍以一个高效工具对其进行定位，对提升端侧硬件本身的销售（如手机、PC）可能有较大的推动坐拥，但离超级应用的距离还很遥远。
二是对于主打感性、互动的AI应用，如角色扮演类的大模型★◆■★■◆，则缺乏为用户营造出真实可用的直觉体验■■◆，或是只能为用户提供即时性、一次性的情绪宣泄和新奇体验的途径，虽然用户能够尝试沉浸于其中■★★★，平均的用户使用时长更高，但往往用户来的快、去的也快，因为这又脱离了用户日常最高频的工作、生活场景。
当前无论是强调工具性质的◆★■，还是注重感性、角色扮演的AI应用，我们认为第一是两者均很难在■■◆“有用”和“用户粘性★■■”上共同兼顾得上★■，二是对于用户而言，仅仅强调工具能力或强调陪伴，并以“知识助手”★■■★“智能管家★◆★”等产品定位，或仍然很难超越或突破用户的传统认知◆★★◆★■，如果用户已经感觉司空见惯★■◆★■，也就很难为用户创造新的新颖感和尖叫度。
虽然在短期内，“知识助手”定位的产品仍然是必经之路，但本文笔者希望就未来AI超级应用的长远目标进行简略的探讨。笔者认为，在“有用”兼顾“有趣”的基础上，AI大模型具备海量知识存储、快速调用的能力★■◆■◆，最大的价值不仅在于提效★★◆★◆■、陪伴，而在于帮助用户超越认知、解决更多难以解决的问题◆★★。笔者认为★■■◆，我们可从哲学角度来寻找灵感，为AI超级应用的体验定位提供参考的方向：
进入全球和中国发展大模型的第二个年头，海外和中国在大模型发展方向上虽有所差异◆◆◆，海外更多关注追求更大规模模型的尝试，国内则以寻求寻求落地■■◆★■、加速产业赋能为主要方向★■■◆★◆，仅今年1-4月■★◆，国内大模型备案通过数已超过700个。
可以发现◆■★，在哲学探讨中★■★★，人要充分认识自己是非常困难的◆■★，不知道自己不知道什么，比知道自己不知道什么还要棘手得多，而这恰恰才是常态，因此■■■★★■，笔者认为或可将AI超级应用的定位往上再推一步，AI超级应用的定位提供基于用户个性化的、有认知成长性的建议见解■★◆★，主动帮助用户发现自己不知道什么■★■■★★，而不仅仅是给用户提供已知的提效工具、提供认知期望内的陪伴价值★◆◆，这对于未来的用户而言，或将有可能提供出更有新颖性■◆★★、更有尖叫度的用户体验。
24小时104分！约基奇狂轰48分14板8助3断 昨天刚破生涯纪录砍56分
围绕以上提到的AI超级应用愿景验设计的几个问题，本文也在此尝试提出一些未来的设计思考，仅供参考。业界对于AI超级应用应该如何设计，已经有不少讨论，比如MiniMax的创始人闫俊杰提出，其产品留下用户的核心是给用户提供一个能够发挥创造力和想象力的平台，Logenic AI的创始人李博杰认为未来的AI超级应用应该兼顾有趣+有用，本文笔者对这两个观点也深感认同■■■◆■★，但笔者还希望能进行一些有益的补充，帮助我们更好地理解用户体验的深层次需要◆◆■◆。
苏格拉底就提出过■★“认识自己”这一人类自我探索和个人道德修养的核心任务，可见认识自己本身的定位之高◆■★、难度之大，可谓成为终身任务；其次，如尼采也有相同的看法，他在《道德的谱系》一书中就提出：◆■■◆■“我们无可避免跟自己保持陌生，我们不明白自己，我们搞不清楚自己，我们的永恒判词是★◆◆：‘离每个人最远的，就是他自己’◆■★◆；笛卡尔则提出过★◆★■“我思故我在”，只有进行普遍性的怀疑（包括怀疑自己），才能充分的获取认识◆★■■◆。
韩执政党提出“总统退居二线”计划，李在明谴责：这是★◆“换汤不换药◆◆★◆■■”的第二次内乱行为
但在高度集成所带来高效体验的同时，我们也认识到其背后实际潜藏的弱势。市场上的大部分用户并非★■■“先锋人群★★■■★◆”（这里指代探索欲望、好奇心◆★★■★★、学习和操作水平非常高的一类用户）★★★，大量的用户属于“中间人群”（学习能力★◆■◆、操作能力、主动探索欲望均普通的一类用户）★★★★◆■，当产品难以直接提供所见即所得的功能给用户进行选择时，这类用户往往难以被调动起兴趣，这类用户可能会浅尝辄止，简单进行内容的查找尝试后即离开，使得ChatGPT类应用变成一个大号的■★★■■、临时性的★★◆■、补充性的搜索工具（指当常规工具无法解决的问题时■◆，才轮到使用ChatGPT）★★■★◆，例如，ChatGPT其实可以为用户提供情商■★■◆■★、情感问题的解答引导，但我们基于现在的情况就会发现，用户如果生活中真实出现了相关问题■★★■★，很可能不会去ChatGPT提问，因为过于高度的集成能力，让用户很难形成直观的定位印象，当生活中真实出现了相关问题★◆■■■★，用户也难以唤醒使用的直觉■■。目前的发展模式是创建大量垂直领域的Bot◆◆★，负责不同的能力、知识，但效果如何还有望持续观察★★■★。
越南大力精兵简政，政府机构由30个缩至21个，事业单位减少15-20%
因此首先，我们认为提供更多主动性、个性化的使用引导是十分有必要的■■■◆■，这些引导不仅在于传统的界面步骤式指引，实际上还可以建立用户社区■★，结合短视频、使用经验贴子等方式进行宣传，让更多同类型的用户快速地知道先锋人群在使用大模型做什么◆◆★■◆，如何运用在自己的工作、生活当中，通过运营手段在前链路建立用户认知。
交互设计建议：语音交互或成ToC超级应用增长关键，设计需更加关注认知前链路的引导
因此◆★◆◆，这就导致了用户虽然在尝试上手AI应用的门槛很低，但持续使用、提升用户时长的交互成本就会变得比原来更高，未来，假设AI超级应用的价值在于快速帮助用户完成碎片化★★、重复性的任务，比如订机票、订外卖◆★■■、订会议等，我们认为，考虑突出语音交互能力、任务快速调取等交互操作将会十分必要■★◆，在未来Agent能力的成熟和加持下■■■，大模型厂商不应忽视这一问题。
在交互设计上，本文笔者也尝试提出一些建议，在上文分析中★◆★■◆，笔者认为当前的AI大模型应用在结构层★★★◆■■、交互操作层存在的矛盾点是上手门槛降低，但持续使用操作费劲，集成度高反而影响用户对产品的功能认知■★★◆◆，因此◆★■，我们借用唐·诺曼的用户目标和行为步骤模型进行分析◆◆，当前，大量市场用户对于大模型的认知还处于认知早期阶段，许多用户还并不能全面认识到如何正确■◆◆◆、充分使用大模型。
在感知设计环节，目前绝大多数AI大模型还是以对话框+输出结果的简洁设计模式进行展现，作为纯生产力工具定位的大模型而言，这种设计能为用户提供更加简洁高效的体验，特别是在早期ChatGPT刚刚推出的时候，这种设计和输出效果的体验尚且能够向用户提供新奇的体验◆◆，但当首次使用热潮退去之后，这类设计往往很难再次形成用户吸引力◆◆，这也将影响相当多非专业用户的持续使用、体验兴趣，尽管有业界专家提出过3D形象不能规模化，会给用户带来非常奇怪的感觉■■◆★★■，但从我们的角度来看■■★◆■，实际上，在ChatGPT后来出圈的像Character.AI等大模型，也是因为它能够提供多种虚拟名人形象（如果没有这种代入感，用户沉浸程度将明显降低）■◆，为用户创造了更加新颖◆■、奇特、个性化的AI交互体验。
另一方面，用户粘性也还有较大的提升空间，数据显示★■■，国内Top10的AI大模型应用平均访问时长为3分半钟◆★◆，跳出率达45%，总体而言，头部AI大模型的用户使用粘性仍有待提升。
诺基亚贝尔实验室公布 PatchKeeper 传感器，人类宠物家电都能用
但无论是海外还是国内市场，面向C端的AI原生超级应用发展均是头部厂商的长远愿景■■■◆◆，也是商业空间最具备想象力的发展方向，如月之暗面公司曾提出KIMI的未来方向是ToC的超级应用，除此之外，端侧大模型也在加速发展，包括PC、手机、VR■■◆、音箱等品类参与者均在尝试以大模型为基础，为消费者提供入口级的AI助手★◆◆■。但从当前海内外ToC的AI原生应用发展现状来看，虽然当前需要“杀手级应用”成为业界共识，但离该目标仍有相当的距离◆★★，随着MoE、Agent、多模态、端侧模型等关键技术日渐发展，AI超级应用应如何设计这一问题，十分值得我们思考◆■■■◆，尽管部分观点已有业界专家提到过，但是本文希望开启更深入的讨论。本文观点更多来源于笔者研究过程中的主观感受，仅供参考，欢迎读者的批评指正★★★■◆。
以ChatGPT为代表的多轮对话式大模型火热出圈的一大原因就是颠覆了原来基于用户任务流程的设计模式，AI原生应用在框架层面具备高度的集成性◆◆，用户在产品使用的体验链路被高度压缩，节省了用户大量寻找识别★★★■■★、点击的过程性动作，实现了用文字对话指令大模型完成不同任务的高效体验。
