共计 3026 个字符，预计需要花费 8 分钟才能阅读完成。
恭喜智谱！
不管 GPTs 还是 GLMs 的上线，民间讨论最多的莫过于“能不能赚钱？”“怎麽赚钱”。
所以 GPTs/GLMs 到底能不能帮我们（创作者）赚到钱？
我的答案可能会让大多数人失望：能，但大多数人不能。
为什么不能？答案我会在下面的文章中慢慢给出。今天这篇文章，不聊高大上的东西，也不聊深奥的技术，从最俗气的角度“钱”出发，以一个 AI 产品经理的角色复盘 2023 年的所见所闻所感来聊聊 AI 赚钱（应用落地）这件事情。
先来看一组数据，作为目前最大的第三方 GPTs 商店，BeBeGPTs 收录了 10W+ 的 GPTs 数据（官方 300W+）。我们来简单拉一下数据。
这一组数据是从 bebegpts 已经整理过的数据库里直接拉出来的，那些没有整理的数据不在其中。数据按照 GPTs 的实际对话次数做了一个分组排序，即使我们没办法收录到所有的 GPTs，在收集数据的过程中也会存在少量错误数据，但结果其实还是很明显的。
为什么都要做 GPTs？
很多人都是以 BeBeGPTs 站长的身份认识的我，但实际上我在很早的时候就开始做 LLMs 应用了，只不过是 ToB 的产品。在我们当时项目立项的时候，我就提出了 GPTs 的概念，实际上我们做的很多东西，都算比较早的，从 RAG，到 Team，到 FakeJsonMode，到 tools，到 Agent。
我做产品做了十年，从 B 到 G 到 C，大大小小也经历了很多项目，有大成有小成也有成不了的。后来转了 AI 产品，我一直觉得自己是非常适合做这个事情的，懂技术懂产品懂业务有经验，但同样我还是碰到了问题，我找不到落脚点，想法非常好，但是用户都在观望。
AI 技术的跃迁对于大多数人来说来的太快了！
我激情昂扬地跟大家描述这个事情的时候，更多的人是不解跟质疑。没办法，这场仗，应该是场持久战，而现在，才刚刚开始。
后来，我混入到各种各样的群里面去结交各种各样的朋友，跟他们聊业务，聊技术，吹牛逼，甚至还免费给镜像站的开发者当产品经理，免费给一些企业老板做咨询。
我给当时的状态总结了一下：GAP（断档）。懂技术的人，他不懂业务；熟悉业务的大多数人，他又没概念，毕竟敢第一个吃螃蟹的，还是少数。
别说客户了，当时我们的技术 Leader，甚至也因为我想找个人来写 Langchain 而跟我吵了好几次，你一个产品，不要干预技术，所以没办法，我们用 Java 又造了很多轮子，也浪费了很多时间。
在前几天硅星人对话智谱 CEO 张鹏的报道中，也给出了了同样的观点。
为什么现在大家说要找一款所谓的 Killer App 这么难，好像所有的产品经理都没有头绪。 我个人觉得其实矛盾在于，原来传统的互联网爆款的产品经理，他对于现在最新的技术没办法理解。真正懂技术的这些人，对于所谓的用户需求和产品需求又没法理解。 硅星人
去垂直领域多做一点事情。你不去做，你不知道客户在想什么，也就不知道你的技术最终帮助客户提升的用户价值到底有多少。 这实际上是我们去寻找 Best Practice（最佳实践）的一个过程。我们希望把这个路径蹚通，回过头来把这些东西沉淀下来之后赋能给生态。 硅星人
铺垫了这麽多，回过头来说 GPTs。
作为从业者，我们也时时刻刻在关注行业动态和各种数据。
也许从从业者角度来看，身边每天都充斥着各种 AI 的信息，身边每个人都在聊 AI，但实际上放眼整个社会来看，这个群体体量还非常非常小。大多数人甚至连真正的 OpenAI 都没有用过，更不用谈如何正确地使用。
的确 AIGC 门槛不高，但如果让大多数用户直接去面对大模型，最多的对话可能就是“你好”，“你是谁”，“给我讲个笑话”。无了 …
为什么 Character.ai（虚拟角色）的数据却居高不下？从本质看区别，差异在于 Character.ai 很明确地创造了一个具体的角色，我就是谁，我就是干嘛的。不要让用户去想，这可能是大多数做产品的人都听过的一句话。
那这个事情谁来做呢，模型厂家做么，还是应用平台来做，都做不了。
只有那些先行者们来做，也就是 GPTs 的创作者们。
平台需要场景去反哺产品，也需要先行者们去先富带动后富，而先富的人，也要获取利益，平台则来提供能力和工具，这才是一件双赢的事情。最终形成一个共存的生态。
那麽如何靠 GPTs/GLMs 赚钱
OpenAI 刚推出 GPTs 的时候，网上都在说这是苹果时代的 AppStore，如果非要这样比的话，仔细思考一下，我们创建的 GPTs 就是我们的产品，那麽产品的核心竞争力和护城河在哪？
是 Prompt 吗？绝对不是
模型能力、基础工具都是平台提供的，Prompt 这东西，没有任何难度，想防也很难防的住，大家迟早能追平，甚至到后面，Prompt 也会被简单化或者被弱化。
我个人认为，GPTs 的核心竞争力和护城河，还是在于数据和服务上（定制化 Tools）。
上半年的时候，有个红杉闭门会，提到一个观点，说传统 SaaS 已死，怎麽死的呢，就死在这里。传统 SaaS 的能力会被碎片化，然后，整合到各种 GPTs 里，而 OpenAI，成了真正的流量入口。
举个实际的例子吧。
现在 GPTs 商店里其实同质化的产品非常多，一些简单的，通过 Prompt 写出来的，分分钟被复制，你能写我也能写。
有个叫 WebPilot 的 GPTs，作者通过自己开发的搜索接口，提供搜索服务，接入到 GPTs。你如果想仿的话，要么你也去开发一个搜索服务，再或者，你直接购买 WebPilot 提供的API 接口。
还有个小红书写作专家，作者收集了很多的小红书数据，和规则，通过 RAG 包装成 GPTs。想模仿的话，你得先搞到这些数据。
说到这里，大家心里应该有大概的答案了。也许能赚到一波钱，红利的钱，但这肯定不是长久赚钱的方法。
开发者激励计划到底会是什么样的？
这里只做斗胆的猜测，因为我们也做了同样的事情，所以我很认真地思考过这个问题很多次，但只是在我们自己的 GPTs 产品上，并不代表大厂们也会这麽做。
而且不同的阶段肯定也会有不同的策略。
Poe 给出的方案是拉新，也许 OpenAI 也会采取同样的策略。但个人认为，这个策略的转化太低，门槛也不低。
如果按量付费的话，就目前 OpenAI 和 Poe 都是走的订阅模式，从自己口袋里掏钱这事，也做不长久。
其实还有一种策略，就是把基础服务和 GPTs 增值部分拆开，定价权交给 GPTs 作者，GPTs 产生的每一份收益里，作者和平台分成。
那这样一来，平台的利益是只增不减，GPTs 作者能不能赚到钱，就看他能不能做出真正有价值的产品或者提供有价值的服务了。
最后聊聊 Agent 应用开发
（这部分是应用开发相关的，不是 GPTs）
其实赚钱的方式有很多种，在财猫同学的群里，我也结交了很多通过 AI 赚到钱的朋友。
Key 商、写书、卖课、接项目、做镜像站等等等等 …
但是如果真正从做产品的角度去说的话，我选择的方向还是 Agent。
在上面提到过的 WebPilot 作者，最近又开发了一个长文写作的 Agent，对外提供接口。效果非常惊艳，作为同行，我研究了很久，还是忍不住给出赞叹！
我本人其实一直都是 Agent 的忠实拥护者，看过市面上大多的 开源框架，也研究了很多闭源产品的实现。早先的时候我也天真地想过自己做一套通用的框架，在各种场景里去用。后来等到真正做的时候才发现，这个想法其实现阶段还是比较天真。
这麽多年产品的经验也告诉我，熟悉业务才是正道。
熟悉业务之后，结合 AI 的能力真正去打磨产品，这部分东西，就是护城河。这个方向，也是我始终认为 AI 应用开发者应该坚持的一个方向。
所以，加油吧，朋友们，期待 AGI 早日到来。
