文 | 周鑫雨
編輯 | 蘇建勳
若將中國的AI發展看做是一本小說，你會發現，2023年用一頁的篇幅，幾近寫完了曾經計算機視覺（CV）的三年：起風，落地，再到危機暗湧。
2022年末，太平洋對岸的ChatGPT石破天驚，拉開了名為AI大模型的全球競速——熱錢和人才集中湧向這個賽道。
這一年，中國模型層一共誕生了5家獨角獸：智譜AI、MiniMax、、零一萬物、月之暗面。無論是從頭訓，還是基於現成模型微調，國內約200個大模型加入“百模大戰”，AI領域融資事件數比2022年增長了145%。
AI的技術突破，也為這個賽道吸納了不少頂尖人才：來自國內外最高學府的知名學者教授下海，網際網路老兵出山，、微軟等海外大廠出身的華人回國。
但與熱鬧和振奮人心的技術突破相對的，是疲軟的資本市場和緊缺的資源。美元基金的退出、晶片的禁運，倒逼AI企業內修功力、外尋新機：找場景快速落地，出海拓展商業機會。
從錘鍊技術，到快速的商業化落地，也將更為抽象的問題擺到AI廠商面前：如何找準落地場景？如何實現資料飛輪？
從Copilot到AI Agent（智慧體），熱門概念和demo的不斷湧現，讓市場對AI的能力充滿了想象。但較為殘酷的現實是，囿於底層模型的能力，AI能落地的場景仍然有限。
從模型層相關的多模態、幻覺問題，到硬體層面的NPU（神經元計算處理器），AI產業上下游要解決的技術難點還有很多。對於應用廠商而言，則要根據技術現狀將落地場景加以細分，或者找到具有獨特價值的落地場景。
即便度過了機會和危機並存的2023，沒人懷疑，2024年，AI依然會是舞臺上的主角。
開年的“王炸”，依然來自OpenAI——北京時間2024年2月16日，OpenAI推出了可以生成60秒連貫流暢、超逼真的高畫質影片的影片生成模型Sora。對於不少影片模型的創業公司而言，“滅霸”OpenAI的開年響指並不好受。但業內更多人認為，影片等多模態模型，將在2024年創造新的商機。
而市場，也已經做好了迎接AI商業化的準備。經歷三年疲軟的消費市場，在2023年Q3終於復甦。在硬體層面，手機、PC等消費電子的銷量回升有目共睹。在軟體應用層面，根據移動市場分析平臺data.ai的統計，2023年全球移動市場使用者的支出同比增長了3%——截至2023年末，生成式AI應用的月使用者支出也突破了1000萬美元。
2023年下半年以來，出海淘金，也成了不少AI廠商拓展商業機會的方式。無論是在新環境中尋求資本，還是尋找具有更高付費能力和意願的客戶，不少國內的AI廠商提起出海，都給予36氪同樣的答覆：“Why not？”
2024年，關於大模型的機會、應用落地的方向、做ToB還是ToC、本地化還是出海，36氪總結了6大趨勢。
一、語言日漸擁擠，視聽乘風起勢
即便模型層短時間內誕生了5家獨角獸，但企名Pro的資料顯示，2023年AI領域的融資總額比2022年少了4.5%，甚至還不到2021年的一半。
這意味著，熱錢集中地湧向了少數團隊背景和技術實力強大的公司。從資源分配的角度而言，後來者想要再擠進模型層創業，空間已經不多。
智譜AI CEO張鵬認為，從商業競爭的角度而言，2024年LLM賽道已經接近紅海：“一，算力等資源緊張的問題還沒有解決；二，從市場空間的角度而言，不需要重複造輪子；三，模型能力很大程度上依賴先發優勢，積累使用者反饋、行程資料，從技術迭代的角度，後來者很難跟上主流的水平。”
即便零一萬物內部的模型訓練研究顯示，模型引數量還有很大的提高空間，在零一萬物技術副總裁、Pretrain（預訓練）負責人黃文灝看來，目前模型層的困難主要是在算力資源上：
“從GPT3.5到GPT4有大量的技術挑戰要解決，算力資源限制會減少迭代試錯的機會，大家都會選擇確定性較高的路徑，就錯過了一些創新的機會。”
紅海中，永恆不變的只有頂級人才的號召力。遠識資本董事Yuca對36氪表示，基金不會把雞蛋放在同個籃子裡，OpenAI、、谷歌這些頂級公司的華人專家，還存在撬動國內資源的可能。
LLM賽道日漸擁擠，但3D、視聽等多模態模型仍是一片藍海。
月之暗面聯合創始人周昕宇向36氪列舉了不少模型有待突破的底層技術，其中不少與多模態有關，比如如何對多模態資料進行統一表示；如何用計算來突破資料的瓶頸；如何研發出更高效的多模態無失真壓縮神經網路架構。他認為，這些技術突破都可能成為2024年模型層公司的機會，但也可能需要更長時間才能取得突破。
多模態能力的突破，也將給大模型的整體能力帶來超預期的提升。“由於大模型的泛化性，能力迭代往往是通用的、全面的提高，不會是單點的突破。”黃文灝告訴36氪，“無論是圖片還是音訊，多模態資料會和文字形成1+1>2的效果。”
不過，3D和視聽生成技術在2023年的迭代速度之快，已讓人瞥見2024年的商業化浪潮。以技術複雜的影片生成為例，2023年初，影片生成模型尚且只能將多個靜止的影象拼接成幾秒長的剪輯。但不到6個月，以Runway Gen2為代表的模型就能生成幾秒長的電影級影片。
時間再來到同年11月，由4名華人創立的動畫影片生成公司Pika，就釋出了可以生成分鐘級高質動畫影片的產品。Pika的估值，也飆升至近2億美元。
而僅僅再過了3個月，2024年2月16日，“滅霸”OpenAI又殺死了影片生成的遊戲，釋出可以生成60秒連貫高畫質影片的文生影片模型Sora。這也意味著，影片生成模型距離商用，已經近在咫尺。
LLM解決的是最基本的交流問題，而3D、視聽等多模態則能讓AI模型擁有超人類的感官，應用創新和模式創新的機會遠多於LLM。
多模態技術能落地的場景，大致可以分成兩類：一類是提供生產力工具，另一類則是提供新場景。
在工作和生產場景下，模型服務的商業模式已經較為成熟，但這也意味著入局者眾多，競爭壓力更大。企業的核心競爭力在於能否建立全流程服務，滿足使用者的細分需求，同時形成資料飛輪。
隨著多模態技術的提升，不少人在智艙、物聯網、XR等場景中看到了新機會。對於新場景的創業者而言，跑通商業模式的先決條件，則是尋找到具有獨特價值的細分場景。
二、模型“瘦身”，先場景後模型
但通用基座的紅海，並不意味著模型層已經失去入局的空間。
一個明顯的趨勢是，隨著應用落地的加速，不少中小模型廠商開始“瞄準釘子揮錘子”，先找到能落地的細分場景，再針對性地訓練模型。
這一現象，與市場的反饋不無關係。應用落地的迫切性，讓下游廠商比起更強大的通用效能，更關切模型呼叫的成本，以及在端側部署的可能性。
由於模型推理需要消耗的算力巨大，來自底層的成本壓力會層層傳導至下游。以OpenAI為例，根據美國金融公司 Bernstein 的分析，如果ChatGPT的訪問量達到谷歌瀏覽器的十分之一，OpenAI 初始需要的GPU價值高達481億美元——這部分的成本也勢必會分攤到下游的應用廠商。
降本最直接的方式，是減少模型的引數量。2023年下半年以來，不少擁有千億級引數基座的模型廠商，都發布了十億級引數的模型。比如百川智慧釋出了7B的語言模型，智譜AI和零一萬物釋出了6B的模型版本，用純CPU就能將模型跑起來。
但光“瘦身”，不足以成為模型廠商的競爭力。其緣由在於，各家大模型的能力尚未產生明顯差距。遠識資本董事Yuca舉了一個例子：在國外，所有應用廠商優先考慮的模型一定是GPT-4；但在國內，應用廠商挑不出一個出類拔萃的，一般會考慮把十幾個主流模型都先試試。
“現在談大模型的競爭力還為時尚早。”網易有道CEO周楓對36氪表示，“核心是要從應用中找到千億級的市場機會，找到‘大模型原生’的產品形態是關鍵。”
他以有道的長項翻譯場景為例，雖然有道自研的百億引數模型“子曰”整體對話能力不如千億引數的ChatGPT，但透過基於向量資料庫的訓練，“子曰”能夠5秒翻譯67頁長論文。
即便認為“現在談大模型的競爭力還為時尚早”的判斷還有待商榷，智譜AI CEO張鵬在模型落地層面，表達了類似的觀點：“落地階段最重要的是找對場景，培養使用者，形成資料飛輪。”
培養使用者，越早越好。月之暗面聯合創始人周昕宇告訴36氪，從新技術的擴散曲線來看，最早期的使用者和開發者會帶動更多的使用者：“2023年可以吸取的經驗教訓是，應該更早點兒給使用者去用，很多使用者自己會探索大模型產品的邊界，發現產品經理想不到的場景和應用。2024年，AI落地的重點是如何與使用者一起成長。”
一個透過找對場景，順利在模型層佔有一席之地的典型案例，是估值達5.2億美元的AI公司Perplexity。Perplexity透過將大模型和搜尋引擎結合，開發出了類似於New Bing的對話式搜尋引擎。
不過，Perplexity的模型，最初是基於一些規模更小、推理更快的模型進行微調而來。直到最近，他們才開始訓練自己的模型。
對於前期“套殼”的決定，Perplexity CEO Aravind Srinivas在播客節目中銳評：“成為一個擁有十萬使用者的套殼產品，顯然比擁有自有模型卻沒有使用者更有價值。”
不過在未來，自訓模型仍然會成為AI應用企業不可缺失的一環。“AI公司的核心競爭力會是模型、應用、infra‘三位一體’的能力。最大的應用公司必須掌握模型訓練能力，模型的推理成本降低對應用是最大的提升。三者缺一不可。”零一萬物技術副總裁、Pretrain（預訓練）負責人黃文灝對36氪表示。
三、可穿戴，家居……AI託舉細分硬體
2024年，將是AI硬體元年——這一判斷，已經出現在國內外不少廠商的年初展望中：
高通總裁兼CEO Cristiano Amon在接受媒體採訪時表示，2024年將成為全球AI手機元年；聯想集團CEO楊元慶將2024年視為“AI PC出貨元年”；OPPO高階副總裁劉作虎在釋出會上直言：“2024 年，不佈局大模型的手機企業未來沒戲。”
不少硬體廠商，將AI大模型視作消費電子低迷三年後的一根“救命稻草”。但廠商們將AI從雲端轉移至終端裝置，有著更為現實的考量——在大模型和終端的適配標準尚未建立之時，押注下一個入口型智慧硬體，爭先建立繼IOS、安卓、Windows之後AI OS（作業系統）。
比如1月10日，榮耀釋出了新一代AI系統MagicOS 8.0，用“端雲協同”作為AI生態的賣點。在CES（國際電子消費展）上，聯想透露預計在2024年內釋出“智慧終端AI OS（作業系統）”。“Windows老家”微軟，也宣佈將AI助手Copilot鍵引入Windows 11 PC，並將其描述為“AI PC的第一步”。
但無論是PC、手機，還是汽車，這些具有複雜軟硬體生態的智慧終端，與大模型的結合仍然差一口氣。
其一，被賦予“高效率、低能耗”厚望的硬體“大腦”——NPU（神經網路處理器）晶片，仍處於研發初期。大模型接入智慧終端後，能耗和執行效率問題依然難以解決。
其二，囿於大模型能力和硬體不統一的適配協議，AI在智慧終端上能落地的場景仍然有限。面壁智慧CTO曾國洋告訴36氪，終端標準協議的建立，是全球軟硬體廠商之間的博弈，很難預判勝者是誰。
相對地，瞄準垂直場景的裝置，在結合AI模型後反而迅速開闢了市場。
在作為“科技市場風向標”的北美，AI硬體迅速崛起的消費趨勢已經證明了這一點。
比如在CES 2024首秀的橙色盒子Rabbit R1，可以代理人類完成對手機的操作。發售首日，第一批的1萬臺機子就迅速售罄。在北美電子產品購物平臺ebay上，甚至有人加價幾百美元，靠拍賣Rabbit R1謀利。
Rabbit R1
事實證明，只要抓住使用者的痛點，再垂直的場景都能帶來巨大的財富。
比如AI+戒指——售價349美元（約2507.31元）的AI戒指Gen3，主打健康檢測，其母公司OuraRing估值高達25.5億美元；
AI+跑鞋——由AI驅動的跑鞋Moonwalker，能夠在不改變正常步行方式的情況下將步行速度提高250%，即便預售價高達999美元（約7177.09元），在Kickstarter上也有570人參與眾籌，募款額達到目標金額（9萬美元）的近6倍；
AI+徽章——得到微軟和OpenAI投資的Humane，推出了一款內嵌GPT的AI別針AI Pin，主打透過手勢互動呼叫通訊、搜尋、播放音樂等不同功能，預定量已經超過450萬臺。
AI Pin的搜尋功能
以北美為鑑，不少業內人士認為，健康監測、家庭陪伴等被北美市場驗證的場景，在2024年會馬上在國內被複制。
而在具有中國特色的場景中，最被看好的則是學習和翻譯。
回答的準確率，以及情緒價值的提供，一直是大眾對AI教學、翻譯能力的主要質疑點。但真金實銀是最真實的市場反饋：接入“星火大模型”後，訊飛學習機、智慧辦公本、翻譯機等產品在雙十一全週期內銷售額同比增長126%；網易有道首款搭載大模型功能的有道詞典筆X6 pro，產品首發日銷量超4萬臺，開學季銷售額超1億元。
在遠識資本董事Yuca看來，在學習場景下，中國使用者天然處於已經被教育好的狀態：學習硬體的使用者畫像主要為中小學生群體，這一群體的特徵是樂於接受AI科技等新鮮事物，且對授課方式敏感度不高。在知識類資料庫（比如教材、真題）較為透明的情況下，AI的準確率也得以保證，甚至穩定性高於人類教師。
而AI翻譯產品可輻射的使用者，比學生更廣。Yuca認為，隨著旅遊市場復甦、簽證門檻放低，跨國交流成為剛需。隨著AI能力的發展，耳機等不同形態的翻譯裝置也將率先走進口音/特定聲音識別能力、同傳速度這兩個戰場。
“個性化分析和指導、引導式學習、全學科知識整合。”談及AI能給學習硬體帶來的新機會，網易有道CEO周楓認為有三點。在教育場景中，這些功能的提升原被認為只有人才能做到，而隨著多模態能力的提升、Agent的發展，大模型在細分場景中更具有“擬人”的能力。
四、留住使用者，拼全流程服務
2023年，不少AI應用快速起高樓，又迅速如曇花一現：
提供文案、圖片生成等AI營銷工具的Jasper，在2022年底估值一度高達15億美元，擁有100萬總使用者和7萬付費使用者。但僅過了半年，Jasper使用者量銳減，面向員工的股票估值打了8折，並開啟裁員；
在國內紅極一時的AI寫真生成應用“妙鴨相機”，高峰期排隊人數高達4000-5000人，等待時間要十幾個小時。但根據七麥資料，上線不到4個月，伴隨著創始人的離職，妙鴨相機在IOS“社交”應用榜單上的排名，從榜首一路下滑到60開外。
不少AI應用都難以逃脫“倒U型”使用者量曲線的魔障。其核心原因有二：底層技術沒有壁壘，同質化產品易複製；服務鏈條短，使用者難以對工具生態產生依賴。
海外頭部AI影象生成應用下載趨勢，圖源：Sensor Tower
“像妙鴨一樣的AI軟體應用，可以透過巧妙的營銷或者獲客方式快速起量。但想要維持使用者增長，超越美圖、Photoshop這樣的產品，核心在於妙鴨們能否將服務，快速迭代到全流程的水平。”遠識資本董事Yuca向36氪舉了個例子：
妙鴨相機透過更精細的AI寫生生成技術，快速聚集了一波使用者。但妙鴨的服務鏈條僅限於照片生成，具有修圖、編輯等需求的使用者，又會回到美圖和Photoshop的服務生態。
AI應用的使用者留存思路，本質上與任何產品的發展並無二致：找到一個解決剛需的場景，完善全流程的服務鏈條，不斷迭代更新IP，拓展使用場景。
找場景和IP迭代，可以被視作產品不同發展階段的流量入口。比如在《芭比》電影上映期間，AI寫真小程式“45 AI”，靠首發芭比模板在兩天內聚集了2萬多使用者，美圖秀秀等老牌美圖軟體也緊隨其後上線芭比模板。而春節將至，ChatMind、MiniMax等團隊也快速在AI社交產品上，針對年輕人更新了親戚拜年的闖關場景。
對不少產品來說，找到合適的流量入口不難，但用全流程服務和更廣的場景承接流量並不簡單。
例如，線上服務，需要從滿足單點功能，延伸到涵蓋使用前、中、後的全流程，比如針對想要體驗寫真生成的使用者，企業還要滿足他們後續修圖、美顏的需求。當線上服務場景已經涵蓋全流程，就要考慮往線下場景延伸，比如將AI功能嵌入多形態的硬體裝置中。
在使用者留存層面，2023年能帶給2024年的經驗教訓是：靠一個強大的AI功能並不能一勞永逸。畢竟，人類專業攝影師也難求一稿包過，根據使用者的需求後期精修才是常態。
五、用To C的思維，做To B服務
2023年，大模型落地很快產生了To B和To C的分野。
選擇To B場景，大多離不開企業基因和商業化兩個原因。智譜AI CEO張鵬談及選擇To B的原因，是公司成立初期已經原始積累了一批企業客戶資源，“To B是商業化能夠比較快跑起來的途徑”。
選擇To B或是To C，也有產品迭代和建立資料飛輪的考量。作為為數不多堅定To C的大模型公司，月之暗面的理由是：迭代效率。月之暗面CEO楊植麟曾在公開採訪中表示，這是一個“以終為始”的選擇，月之暗面的“終”是探索智慧邊界，做個性化，反推適合的人才結構、產品策略的“始”，就是To C。
“從長遠來看，成功的商業策略應當是To B與To C並重，構建起既能滿足企業和組織需求，又能貼近廣大消費者的產品和服務生態體系。”零一萬物技術副總裁、Pretrain（預訓練）負責人黃文灝告訴36氪。在他看來，To B和To C業務對模型迭代能力的影響各有側重。
“通常來說，To B業務因其專業性強、定製化需求多等特點，在企業服務方面已經相對成熟。To B業務收集資料的速度雖然較慢，但所處理的資料通常更為結構化、質量更高，對於特定行業知識的學習與積累有著不可替代的優勢。”黃文灝表示，“而To C業務，由於使用者基數大、互動頻繁且應用場景多元化，確實更容易形成資料飛輪效應。同時，由於消費者對新技術接受度高，創新擴散速度快，從而吸引更多的新使用者，形成良性迴圈。”
然而在模型落地的實際過程中，不少廠商發現，To C和To B的邊界正在逐漸模糊。
智譜AI CEO張鵬告訴36氪，大模型To B和以往的To B服務模式並不同。以往的B端服務，主要滿足的是來自企業的業務流程標準化的需求。但大模型的智慧能力提升後，企業對To B服務的需求，擴充套件到了工作提效、員工助手、知識培訓等聚焦於個體服務的場景。
“即便是做業務相關的AI Agent，最終的使用者是員工個體，服務的其實還是C端群體。”張鵬解釋。
什麼叫做To C思維？在月之暗面聯合創始人周昕宇看來，“使用者會為對自己有幫助的產品直接買單。”與傳統To B倡導服務的標準化不同，To C服務需要滿足不同使用者的個性化需求。甚至於，To C產品需要根據使用者的使用習慣進行不斷迭代，個性化的迭代會貫穿使用者完整的使用週期。
不過，對於To B模型廠商而言，想要長久盈利，就必須提供標準化服務。
遠識資本董事Yuca認為，國內數字化預算主要集中在大客戶手中。目前對大模型廠商而言，服務大客戶的定製化服務利潤最高，但付出人力時間成本高，回款週期長，且只有極少部分大客戶能夠承擔。
不少To B模型廠商，開始尋找能實現個性化服務的標準技術路徑。比如，國內外已有不少廠商在To B大模型服務中引入RAG（檢索增強生成）流程，實現對企業的個性化服務。RAG就好似大模型與企業私有資料庫之間的“傳聲筒”，隨著私有資料庫的更新，相應的模型服務也會隨之更迭。
2024年，To B模型廠商抓住金字塔尖的大客戶依然重要，Yuca補充，“不同ToB行業有極高的行業壁壘，如何切入高行業壁壘的大客戶也是需要思考的問題”。但位於塔身的廣大客群，是目前To B模型廠商立身的富礦。
六、出海，淘金
如今，出海成了不少國內AI廠商無奈又為之振奮的抉擇。
中國網際網路公司的海外AI產品
無奈，更多來源於對資源的內憂外患。
在美元基金退出、晶片供應受阻的大背景下，AI廠商在國內融資、訓練模型的難度驟增。據不完全統計，在國內，2023年上半年融到錢的大模型企業大概有20多家，但下半年數量驟減至不到1/2——錢早已湧向了少數大模型的早期玩家，後來者的處境並不樂觀。
站在基金的角度，遠識資本董事Yuca告訴36氪，由於時局並不明朗、IPO充滿不確定性，基金更在意如何在IPO前順利退出，並且從中獲利：“海外市場收併購相對國內成熟，出海專案存在收併購可能性較國內高很多，相比走IPO的獨木橋，對基金來說退出更容易一些。”
相較於國內，海外，尤其是北美，企業之間的收併購更為常見。據資料分析公司GlobalData統計，在2016年到2020年期間，蘋果一共收購了25家AI公司，谷歌收購了14家，微軟收購了12家。
被這些大廠收購後，創業者依然能夠選擇二次創業。比如，曾為蘋果員工的Adam Menges，在創辦的兩家公司分別被微軟和Niantic收購後，他又加入了AI設計初創企業Visual Electric，獲得了紅杉的投資。
而出海更令人振奮的原由，莫過於海外有著近中國14倍規模的AI市場。IDC的報告顯示，2022年中國AI軟體市場規模為307億元，全球則為640億美元（約4606.4億元）。
同時，在全球成本差異不大的前提下，由於付費能力和付費意識的差異，同樣產品在海外的利潤率將高得多。以Apple Music為例，同樣的音樂服務，美國的訂閱費是10美元/月（約71.93元/月），是中國訂閱費（10元/月）的7倍。
至於模型服務，智譜AI CEO張鵬認為，海外客戶對標準化的接受程度更高，但國內客戶更傾向於選擇定製化，這導致模型服務在國內的ROI（投資回報率）並不高。不少受訪者的觀點是，只要能和OpenAI、微軟等大廠形成服務或者價格上的差異化優勢，出海對於To B模型廠商而言能夠拓展更多商業機會。
此外，一個不得不承認的事實是，國內大模型與GPT-4的客觀差距仍然存在。但目前，GPT-4等部分高效能模型無法進入國內市場。在海外，依託於更高效能的模型底座，AI廠商能夠實現更多的應用創新和模式創新。
在與國外廠商技術差距可控的前提下，中國AI廠商出海的天然優勢，則在於對渠道和價格的把控能力。
對於AI軟體廠商，尤其是To C應用而言，經受國內社交+電商+影片三位一體的複雜獲客渠道的捶打，面對國外以亞馬遜、Instagram等獨立平臺為主的渠道生態，就從容了許多。“能在國內這麼卷的渠道環境中殺出來的，在國外一定不會差。”一名在北美的AI創業者對36氪判斷。
對於AI硬體廠商而言，極致價效比依然是收割海外客戶的利器。即便全球供應鏈正在往東南亞轉移，但核心部件的生產技術專利仍然把握在中國廠商手中。AI硬體廠商能夠透過供應鏈優勢，在海外市場把握定價權。
不過，廠商們也要清楚地認識到，海外市場與國內市場存在不小的差異，這會全方位地影響產品定位、UI設計、訓練資料、團隊建設。將本地化產品或者團隊1:1復刻到海外，結局大多是水土不服、鎩羽而歸。
比如對於AI繪畫軟體，國內使用者偏愛國風模板，但海外使用者則更偏愛漫威和3D。在國內，To B的AI公司需要建立相當規模的工程化團隊，以滿足客戶的定製化需求，但在標準化接受程度高的海外，AI公司反而要放更多精力在底層技術打磨，以及建立高水平的銷售團隊上。
如今，一批國內大廠已經用AI瞄準了海外市場，而不少AI初創企業的出海財富故事，也已在業內流傳：
由西南財經大學計算機教授段江創立的AI圖片編輯軟體Fotor，在全球超過5000個AI應用中，2023年9、10兩月訪問量排名23，月活高達千萬；MiniMax旗下的海外AI聊天軟體Talkie，自2023年8月釋出以來，就長期位於美國Google Play娛樂應用下載榜前10。
可以預見的是，成功探路的案例越多，AI出海的隊伍將在2024年愈發壯大。
歡迎交流！
