产品战略框架

什么时候该用 AI

不是所有问题都需要 AI 解决。使用以下框架评估：

AI 适用性评估矩阵

        数据丰富 ─────────────────── 数据匮乏
高价值  │  ✅ 优先用 AI       │  ⚠️ 先建数据能力  │
        │  推荐系统、内容生成  │  冷启动、新领域   │
        │─────────────────────│──────────────────│
低价值  │  🤔 成本是否值得    │  ❌ 不要用 AI     │
        │  简单分类、格式转换  │  规则就能解决     │

不该用 AI 的场景

• 简单 if-else 逻辑就能解决的问题
• 对准确率有 100% 要求的场景
• 无法获得反馈数据的场景
• AI 成本远超传统方案且没有体验提升

构建 vs 购买 vs 混合

策略	适用场景	优势	风险
使用 API（买）	通用能力、快速验证	快速上线、低初始成本	供应商依赖、成本不可控
自建模型（建）	核心差异化能力	完全可控、数据自主	高投入、需要 ML 团队
混合方案	大多数场景	灵活平衡	架构复杂度

模型选型决策树

你的场景需要什么？
├── 通用对话/生成 → 调用 API（Claude/GPT/Gemini）
├── 特定领域知识 → RAG + API
├── 独特的风格/行为 → 微调开源模型
├── 极致的延迟要求 → 小模型 + 边缘部署
└── 数据隐私要求 → 私有化部署开源模型

AI 产品的护城河

短期护城河

• 先发优势：率先教育市场、获取早期用户
• Prompt 工程：精心打磨的 Prompt 和工作流

长期护城河

• 数据飞轮：用户使用产生的独有数据
• 工作流嵌入：深度集成到用户日常工作流中
• 网络效应：用户越多，数据越多，体验越好
• 领域知识：特定行业的深度理解和定制

不构成护城河的

• 使用了某个 API（人人都能调用）
• "我们用了 AI"（不是差异化）
• 单纯的界面包装（套壳产品）

竞争分析框架

在快速变化的 AI 领域，竞争分析需要关注：

1. 模型层变化：底层模型更新是否会颠覆现有产品？
2. 平台方入场：模型厂商是否会做你的场景？
3. 开源替代：开源方案是否在逼近你的能力？
4. 跨界竞争：其他领域的 AI 产品是否在侵蚀你的市场？