Alex Ren, Pendiri Fellows Fund: Penciptaan Nilai AI dari Perspektif Silicon Valley

Sumber: Lei Feng Net

Pengarang: Huang Nan

Pada tanggal 14 Agustus 2023, Konferensi Global GAIR ke-7 tentang Kecerdasan Buatan dan Robotika, diselenggarakan bersama oleh Lembaga Penelitian GAIR, Leifeng.com, Pers Sains dan Teknologi Dunia, dan Grup Konsultasi Kotler, dimulai di Orchard Hotel di Singapura.

Di era ledakan kewirausahaan AI, sebagai forum AI internasional, konferensi ini telah menarik banyak pengusaha dan investor dari Asia. Konferensi ini membuka total 10 forum bertema, berfokus pada transformasi dan inovasi bidang populer seperti AIGC, Infra, ilmu hayati, pendidikan, dan SaaS di era model besar. Pada hari pertama sesi "Kontributor Luar Biasa di Era GPT", Alex Ren, investor perintis Silicon Valley dan mitra pendiri Fellows Fund, membagikan pidato utama tentang "Penciptaan Nilai AI dari Perspektif Silicon Valley".

Dalam enam bulan terakhir, kewirausahaan AI telah berkembang pesat. Untuk bisnis dan konsumen, AI berarti keputusan yang lebih baik, tindakan yang lebih baik, hasil yang lebih baik, dan pengalaman yang lebih baik. Dibandingkan dengan beberapa tahun terakhir, beberapa perusahaan AI saat ini sudah mulai menghasilkan keuntungan, dan prospeknya sangat menjanjikan!

Alex Ren percaya bahwa investasi AI saat ini dapat dimulai dari empat dimensi: satu adalah pelepasan produktivitas, yaitu alat yang digerakkan oleh AI secara otomatis melakukan tugas dan memberikan hasil; yang lainnya adalah perubahan pada industri, yaitu penggunaan kecerdasan buatan untuk mengoptimalkan proses untuk meningkatkan efisiensi, Mengurangi biaya dan meningkatkan hasil; yang ketiga adalah lapisan tengah AI, yang mengacu pada lapisan tengah AI yang menghubungkan LLM untuk membangun aplikasi AI yang dapat diskalakan dan disesuaikan; yang keempat adalah Agen AI ( AI intelligent body), dimana AI menggantikan manusia dan mesin untuk berinteraksi dan belajar.

Selama dialog dengan Qiu Zhun, mitra luar negeri dari China Shadow Capital, keduanya juga membahas bagaimana AI dapat menumbangkan metode produksi konten media sosial dan jalur komersialisasi perusahaan pemula.

Berikut adalah isi pidato langsung Alex Ren, yang telah diedit dan diatur oleh Leifeng.com tanpa mengubah maksud aslinya:

01. Empat arah investasi AI

Kami adalah dana modal ventura yang berlokasi di Silicon Valley. Berbeda dengan perusahaan VC lainnya, kami melihat proyek dari tiga sudut pandang: ruang, yaitu ruang untuk perusahaan pemula; Sejumlah besar tahapan komersialisasi; dimensi , apa kompetensi inti perusahaan, dan metodologi bersaing dengan perusahaan besar.

Berawal dari tiga dimensi tersebut, kami mengusulkan empat arah untuk investasi AI.

Arah pertama adalah melepaskan produktivitas, di mana alat bertenaga AI mengotomatiskan tugas dan memberikan hasil. Saat ini, pengguna umumnya dapat merasakan peningkatan efisiensi yang dibawa oleh alat AI, seperti menggunakan ChatGPT untuk menghasilkan teks, menulis lagu, atau menulis kode, dll., Dan itu akan segera selesai. Di antara perusahaan tempat kami berinvestasi, beberapa perusahaan AI seperti Gamma.app, Taskade, CodeComplete, Opus Clip, dll., model teknis mereka memberikan kemampuan AI melalui kombinasi alat AI, sehingga dapat meningkatkan kemampuan model untuk mengatasi masalah di lapangan dan meningkatkan efisiensi kerja, produktivitas.

Arah kedua adalah transformasi mode industri. Banyak industri akan memiliki datanya sendiri, seperti biologi, asuransi, layanan rumah, dll. Dengan menyematkan AI ke dalam alur kerja industri untuk pengoptimalan, efisiensi dapat ditingkatkan, biaya dapat dikurangi, dan hasil dapat ditingkatkan. Misalnya, kami berinvestasi di Diffuse Bio di bidang biologi, Kyber di bidang asuransi, dan LiveX AI di bidang layanan jiwa.

Arah ketiga adalah lapisan tengah AI. Jika lapisan bawah teknologi AI adalah model besar, maka antara teknologi dan aplikasi akhir, kita akan membutuhkan lebih banyak middleware, seperti LangChain, LlamaIndex, atau alat middleware lainnya untuk domain atau arsitektur tertentu. Seperti Anarki AI tempat kami berinvestasi.

Yang keempat, dan arahan paling populer dalam satu atau dua bulan terakhir, adalah Agen AI (agen AI). Agen AI telah diusulkan sejak lama, tetapi hingga munculnya GPT, itu membuat semua orang berpikir tentang Agen AI. Saat ini Ada banyak insinyur di Silicon Valley yang berwirausaha di bidang ini. Anothermind.ai, tempat kami berinvestasi, adalah perusahaan rintisan Agen AI jenis baru.

Tinjauan singkat tentang tiga tahap terakhir AI: periode paling awal adalah periode ML Klasik, dan banyak metode statistik untuk belajar dari data terstruktur dan fitur yang telah ditentukan muncul. Kemudian datanglah tahap pembelajaran mendalam, di mana jaringan saraf dapat belajar dari data yang tidak terstruktur seperti gambar, teks, dan audio. Setelah Transformer, kami juga telah memasuki tahap kecerdasan buatan generatif dan model dasar. Berdasarkan metode GPT, berbagai teks, gambar, kode, atau algoritma desain chip dapat dihasilkan. Dapat dikatakan bahwa AI generatif adalah babak berikutnya dari terobosan.

Tim kami telah memperhatikan AI sejak 2016 dan 2017. Kami dapat menemukan bahwa perbedaan utama antara perusahaan AI saat ini dan perusahaan pemula sebelumnya adalah bahwa dalam beberapa tahun terakhir, profitabilitas aplikasi pemandangan yang diwakili oleh pengemudian otonom belum terpenuhi. harapan, tetapi Banyak perusahaan AI saat ini sangat menguntungkan, dan kita sudah dapat melihat beberapa perusahaan AI menghasilkan uang.

Jadi nilai apa yang bisa dihasilkan AI? Kami menyimpulkannya sebagai keputusan yang lebih baik, tindakan yang lebih baik, hasil yang lebih baik, dan pengalaman yang lebih baik.

Yang pertama adalah menggunakan AI untuk membuat keputusan yang lebih baik, seperti menggunakannya untuk menganalisis skor kredit dan menganalisis risiko keuangan dalam skenario pemasaran.

Kedua, tindakan yang lebih baik, yaitu menyimpulkan dari tindakan pengguna dan memberikan layanan yang dipersonalisasi yang direkomendasikan dengan lebih baik.

Ketiga, hasil yang lebih baik, yaitu memperoleh hasil keluaran yang lebih baik melalui optimalisasi.

Yang terakhir adalah memberi pengguna pengalaman yang lebih baik. Misalnya, jika Anda menelepon bank atau maskapai tertentu di Amerika Serikat dan sering harus menunggu lama, pengalaman layanan pengguna sangat buruk, tetapi dengan layanan pelanggan AI untuk mengoptimalkan proses internal, pengalaman pengguna juga bisa sangat meningkat mempromosikan.

Dalam aplikasi tertentu, pengalaman AI yang disebutkan di atas perlu dilengkapi dengan Workflow.

Misalnya, sebuah artikel yang ditulis oleh media harus melalui anotasi naskah, penyuntingan, dan proses lainnya sebelum dapat diterbitkan.Jika AI digunakan untuk membantu dari draf awal, revisi artikel, ringkasan, dll, nilai penggunaan AI dan tidak menggunakan Kurva AI akan bervariasi.

Dengan tidak adanya bantuan AI, dibatasi oleh kemampuan pribadi atau efisiensi kecepatan, batas tersebut akan segera tercapai. Tetapi dengan bantuan AI, bahkan seorang penulis yang tidak memiliki pengalaman dalam menulis dokumen hukum dapat menggunakan model besar untuk menyelesaikan penulisan dokumen yang relevan dan melengkapi kemampuan konten secara efektif. Dalam proses ini, AI membuat kesimpulan dan eksekusi dengan memahami kebutuhan orang, dan akhirnya membantu orang dalam proses penulisan.

Berikut pengenalan singkat tentang bagaimana model besar menggunakan Agen untuk meningkatkan kemampuannya sendiri.

Karena model besar dilatih pada data historis, mereka tidak dapat memahami peristiwa terkini. Misalkan kita membiarkan model besar memeringkat cuaca dan suhu semua kota di Asia Tenggara saat ini, saat ini model besar membutuhkan beberapa alat untuk dapat berkomunikasi dengan dunia luar untuk mendapatkan informasi ini, dan kemudian menyelesaikan penalaran berdasarkan informasi Ini adalah konsep Agen. Dengan kata lain, Agen adalah mata dan telinga dari model besar, memungkinkan model besar memahami lingkungan dan dengan demikian dapat memproses informasi kita saat ini.

02, paradigma agen inovasi model besar

Pertanyaan selanjutnya yang ingin saya bahas adalah, apa yang bisa AI lakukan untuk kita?

Ini terutama mencakup tiga aspek, yaitu otomatisasi dan AI tambahan, yaitu bagaimana AI dapat mengotomatiskan proses dalam Workflow; melepaskan kreativitas; dan interaksi manusia-komputer yang lebih baik.

Dalam AI otomatis dan asistif, kami dapat membedakan nilainya yang berbeda dalam dua dimensi. Dalam menghadapi masalah dengan kompleksitas rendah dan sejumlah besar tugas, dengan menanamkan AI ke dalam proses otomatisasi alur kerja, efisiensi produksi perusahaan dapat sangat ditingkatkan; ketika menghadapi tugas yang lebih kompleks, AI adalah alat manusia, Memainkan peran pendukung . Misalnya, di bidang pengembangan obat dan desain material, tugasnya sendiri lebih kompleks dan membutuhkan pengetahuan profesional yang lebih tinggi.Oleh karena itu, kemampuan AI yang digunakannya seringkali tidak dapat diselesaikan oleh AI yang dapat menggambar.

Biarkan saya memberi Anda contoh penggunaan AI untuk manajemen proyek yang kami investasikan sebelumnya. Di Taskade, instruksi rencana pemasaran dikirim ke AI, dan berbagai peran pengguna dibuat, dan berbagai paket file PDF diserahkan ke AI untuk analisis dan pemrosesan teks.Ini adalah AI yang digerakkan oleh tugas.

Ini adalah alat manajemen tugas terintegrasi, ditambah dengan penyematan AI, dapat mewujudkan seluruh manajemen proses dari proses produksi yang telah selesai. Poin yang sangat penting dalam alat ini adalah penelitian tentang perilaku pengguna, menggunakan konten untuk berinteraksi dengan pengguna, produksi konten juga dapat dihasilkan langsung berdasarkan perilaku pengguna, dan umpan balik dari sisi pengguna dapat digunakan untuk memberi umpan balik kepada model, dan pada saat yang sama, personalisasi juga dapat digunakan Merekomendasikan mendorong iklan produk kepada pengguna.

Oleh karena itu, kami percaya bahwa ini harus menjadi tren umum generasi berikutnya dari pengembangan e-commerce dan ritel.

Perlu dicatat bahwa rilis produktivitas berdasarkan model besar juga dilakukan oleh perusahaan besar seperti Microsoft saat ini Bagaimana seharusnya start-up bersaing?

Kami menemukan bahwa banyak perusahaan besar sering memiliki masalah tidak dapat mencapai "jarak terakhir" dalam hal pengalaman produk AI. Ini akan relatif buruk, yang dapat menjadi celah bagi perusahaan pemula untuk bersaing dengan perusahaan besar- ulangi cukup cepat untuk memberi pengguna pengalaman yang lebih baik.

Misalnya, Opus.pro, perusahaan pembuat video AI yang kami investasikan sebelumnya, telah mendapatkan banyak pelanggan setia hanya dalam dua bulan sejak peluncurannya. Pengguna hanya perlu memasukkan tautan video YouTube, dan platform tersebut dapat menghasilkan selusin video pendek dalam waktu tiga hingga empat menit, dan mendistribusikan video tersebut langsung ke TikTok, Instagram, dan YouTube. Kemampuan pembuatan konten AI serupa memiliki potensi besar dalam game, film, dan lainnya.

Dalam hal interaksi dan komunikasi pengguna, AI juga dapat memecahkan masalah dalam pemahaman bahasa alami, seperti interaksi antara manusia dan mesin, komunikasi dalam bahasa daerah yang berbeda, dll., yang berbeda dari metode interaksi sebelumnya yang terutama berfokus pada panggilan API Munculnya model besar Metode interaksi juga telah mengalami perubahan yang luar biasa Mode pemahaman melalui model bahasa besar, manusia-komputer dan interaksi manusia telah membentuk paradigma interaksi baru yang berpusat pada Agen. Misalnya, dalam penerjemahan, penelusuran, dan skenario lainnya, banyak pekerjaan yang didefinisikan ulang oleh AI.

Namun pada saat yang sama, kita juga harus melihat keterbatasan model besar. Seperti ilusi pencarian, lag informasi dan masalah lainnya. Misalnya, ketika kita mencari berita pengunduran diri seseorang di Google, karena pelatihan model menggunakan banyak data masa lalu untuk pelatihan, ketika informasi tidak diperbarui tepat waktu, jawaban yang dihasilkan oleh model besar akan menghasilkan hasil yang salah. Penting untuk memproses lebih lanjut secara komprehensif dan mengulangi masalah melalui koreksi atau panduan manusia, dan akhirnya kesimpulan yang benar dapat ditarik. Inilah yang saat ini kami tekankan pada inovasi model skala besar dalam skenario pencarian.

Dalam penerapan pengujian otomatis, AI saat ini juga digunakan dalam skrining obat, desain material baru, dll. Misalnya, dalam bidang desain skrining obat, siklus pengembangan elemen obat dulu selama 7 hingga 12 tahun. , yang dapat secara efektif dipersingkat dengan bantuan AI siklus pengembangan obat. Misalnya, Diffuse Bio dan Persist AI, yang kami investasikan, masing-masing menerapkan AI pada skrining obat dan pengemasan obat.

Ekosistem AI dan struktur investasi juga telah banyak berubah saat ini. Jika lapisan bawah didefinisikan sebagai sistem operasi AI, sistem operasi ini mencakup berbagai kerangka kerja, seperti TensorFlow, PyTorch, perangkat keras komputer, dan data domain terbuka. Model di beberapa bidang pengembangan dapat diproses berdasarkan data lapangan terbuka, seperti berbagai model umum GPT, model Difusi, dll. Ini adalah definisi kami tentang sistem operasi terbaru.

Atas dasar ini, tambahkan data bidang vertikal, yang merupakan data yang tidak dimiliki perusahaan seperti OpenAI atau Google, dan latih model berskala besar berpemilik berdasarkan bidang tertentu, dilengkapi dengan alat untuk melatih model dengan lebih baik, dan selesaikan basis data dan data vektor Masalah-masalah seperti privatisasi, ditambah Agen Obrolan panas saat ini yang membantu orang melakukan beberapa hal, dan beberapa bekerja menggunakan AI untuk membentuk kembali pengalaman pengguna untuk area aplikasi tertentu.

Dulu, Internet mendigitalkan kita, baik itu orang, adegan, objek, atau perilaku, berdasarkan mesin pencari turunan digital, berbagai platform e-commerce, dll., Dan mengelolanya dalam bentuk Internet. Namun hari ini, yang harus kita lakukan adalah bagaimana menjadikan beberapa tugas atau masalah yang dapat direalisasikan AI menjadi agen untuk mewujudkan otomatisasi dan pemrosesan yang lebih efisien, yang akan menjadi fokus terobosan AI berikutnya.

Melalui AGI (Kecerdasan Umum Buatan, kecerdasan buatan umum), AI akan memungkinkan untuk melampaui manusia di masa depan dan melepaskan manusia ke hal-hal yang lebih kreatif dan berharga. Kita bisa beralih ke sesuatu yang lebih menarik, berharga, atau lebih membutuhkan kemampuan "manusia". Potensi pengembangan AI sangat besar, tetapi saya tidak khawatir, di antaranya, yang kami lihat adalah kemudahan yang dibawa oleh setiap generasi inovasi teknologi kepada manusia, memungkinkan manusia melakukan hal-hal yang lebih berharga. Oleh karena itu, kami juga berharap di masa mendatang, kami dapat mendukung para inovator di berbagai bidang dengan lebih baik dan membantu Anda menciptakan beberapa bisnis hebat di Silicon Valley dan di seluruh dunia!

03、Alex Ren berbicara dengan Qiu Zhun dari Huaying Capital

**Qiu Zhun:**Saya telah berinvestasi di Silicon Valley selama bertahun-tahun. Baru-baru ini, saya telah sering bepergian antara China dan Amerika Serikat. Saya lebih memperhatikan beberapa arah perusahaan China yang pergi ke luar negeri. AI adalah bagian terpenting ini. Saya ingin mengajukan pertanyaan pertama kepada Alex. Baru saja Anda banyak menyebutkan tentang AI Value Creation (penciptaan nilai AI). Kami sering mengatakan bahwa bagian dari Value Creation adalah AI. Sebagai faktor kunci dalam startup, bisakah Anda berbagi beberapa kasus bagaimana mendarat? Media sosial dan e-commerce telah memasuki periode kemacetan, dapatkah AI membawa perubahan yang mengganggu? Bagaimana mengevaluasi dari sudut pandang investasi?

Alex Ren: Saat ini, kami melihat banyak diskusi tentang AI, terutama seputar cara mengintegrasikan ke dalam pekerjaan dan kehidupan sehari-hari untuk membantu orang menghemat waktu dan meningkatkan efisiensi. Di sisi lain, ini adalah hiburan dan interaksi.

Salah satu keuntungan besar AI terletak pada kemampuannya untuk menceritakan kisah Baik itu film, novel, atau video di YouTube, produksi konten cerita tradisional dilakukan oleh manusia. Saya sering memberi contoh, seperti Cao Xueqin menulis "Mimpi Rumah Merah", Jia Baoyu menjadi biksu, dan Lin Daiyu meninggal. Kisah ini sudah mapan, tetapi dalam logika naratif era baru, setiap orang harus bisa mengalaminya Dream of Red Mansions, dan hasilnya tidak sama. Misalnya, dalam cerita saya, saya dapat mengobrol dengan Jia Baoyu dan bertanya mengapa dia ingin menjadi biksu, dan saya juga dapat mengubah akhir cerita Lin Daiyu.

Oleh karena itu, Gen AI sebenarnya merupakan peluang yang sangat bagus untuk menghasilkan logika naratif konten di era baru. Setiap generasi media sosial menghasilkan konten dengan cara baru, dan cara baru ini juga menghasilkan media baru.Oleh karena itu, media baru sebenarnya adalah alat naratif yang sangat personal. Hal yang sama berlaku untuk e-commerce.Bisakah platform e-commerce Amazon di masa depan menggunakan model Peer to Peer dan menggunakan model di belakangnya untuk memahami kebutuhan orang, mencocokkannya, dan bahkan memproduksi. Oleh karena itu, bentuk platform besar tradisional ini dapat sepenuhnya ditumbangkan dalam pengembangan AI di masa depan. Yang perlu kita lakukan adalah menemukan dan memperbesar peluang ini untuk menghasilkan media sosial generasi baru dan platform e-commerce baru. Metodenya mungkin benar-benar Berbeda dengan cara kita menggunakannya hari ini.

Qiu Zhun: Ini sangat menarik dan mengingatkan saya bahwa bentuk paling awal dari e-niaga sebenarnya adalah P2P. Memang, dari perspektif Ekonomi Unit (manfaat ekonomi unit), model dengan terlalu banyak intervensi operasi manual ini sulit dicapai, tetapi jika AI digunakan, terutama dalam bentuk model besar, ini mungkin menjadi arah yang sangat inti . Pertanyaan kedua, jika Anda melihat jalur komersialisasi, dapatkah Anda memberikan arahan kepada startup skala besar?

**Alex Ren:**Dari perspektif perusahaan rintisan, kita perlu memperjelas batasan kita sendiri, yaitu, apa yang dapat kita lakukan? Apa yang kamu kuasai?

Seperti yang saya katakan sebelumnya, ketika startup bersaing dengan perusahaan besar, keunggulan mereka bukan pada model pelatihan atau melakukan Infra, tetapi pada realisasi nilai pelanggan. Pengusaha Cina memiliki keunggulan khusus, yaitu, di era Internet, mereka telah belajar cara mengulang dengan cepat dan menemukan kelemahan pengguna. Internet konsumen bukanlah model "Anda memberi tahu saya apa yang Anda butuhkan, dan saya akan membuatnya untuk Anda", tetapi model "kita semua mengucapkan sepatah kata pun, melemparkan banyak lumpur ke dinding, dan melihat bagian mana yang dapat tongkat, dan kami akan memilih hal itu", Model ini juga berlaku untuk AI saat ini. Selain itu, kita harus memperhatikan kecepatan adopsi (pendaratan). Ada tiga pelanggan berbeda di pasar, satu To C, satu Prosumer (konsumen profesional), dan yang ketiga adalah perusahaan. Sejauh menyangkut pasar saat ini, jelas bahwa To C dan Prosumer akan diimplementasikan lebih cepat, tetapi adegan perusahaan akan lebih lambat. Oleh karena itu, dalam proses ini, perusahaan start-up perlu mengetahui skenario pendaratan Anda, siapa pelanggan Anda, dan apa pain point mereka? Seberapa cepat adopsi Anda? Jika kecepatan pendaratan relatif lambat, akan lebih menyakitkan bagi perkembangan perusahaan, dan yang dapat dibangun perusahaan adalah ambang batas teknis. Tentu saja, ini juga bisa dilakukan, tetapi relatif lambat.

**Qiu Zhun:**Izinkan saya juga menambahkan sesuatu. Padahal, saat ini kita melihat banyak proyek yang berhubungan dengan komersialisasi, kita tetap lebih memperhatikan pengusaha itu sendiri, latar belakang industrinya, dan pemahamannya tentang skenario aplikasi. Dari perspektif model skala besar, ada dua perbedaan utama dalam jalur startup Cina dan Amerika: satu jalur realisasi, dan yang lainnya adalah status adopsi. Dari pengamatan Anda, apakah ada perbedaan antara keduanya?

**Alex Ren: **Saat ini, apakah pengusaha di China atau Singapura umumnya memiliki keunggulan di To C dan To SMB, tetapi To Enterprise lebih sulit, karena pemasaran pelanggan korporat di Amerika Serikat juga menjadi masalah besar. Setiap orang Amerika Perusahaan To B perlu membangun tim penjualan dan tim pemasaran yang besar.Ini bukan hanya tantangan bagi perusahaan China, tetapi juga bagi semua pengusaha di luar negeri.

Perbedaan antara keduanya adalah bahwa sebagian besar startup di Silicon Valley jarang berbicara tentang strategi makro sebelum putaran A, dan lebih fokus pada bagaimana produk mengatasi masalah pengguna.Ini yang paling kritis, dan yang lainnya adalah tren pengembangan, sehingga akan lebih membumi. Silicon Valley sering menekankan PLG, Power Lead Growth, untuk menarik pengguna melalui peningkatan fungsi produk.Ini adalah jalan pintas inti yang memperhatikan umpan balik setiap pengguna pada produk, dan kemudian melakukan iterasi cepat.

Qiu Zhun: Saat ini banyak sekali perusahaan AI di China, baik itu application layer, bottom layer termasuk Infra layer, semuanya sangat aktif. Sebaliknya, bagaimana kemajuan adopsi startup Amerika diukur? Pada tahap apa?

**Alex Ren: **Yang lebih matang pada tahap ini adalah diagram teks dan Vincent. Dari perusahaan paling awal Jasper AI, hingga ChatGPT, dan Midjourney di bidang Wenshengtu, nyatanya semuanya mendarat dengan sangat cepat. Tetapi kesamaan yang mereka miliki adalah bahwa mereka semua berorientasi pada konsumen C-side atau Prosumer.

Ada fenomena yang sangat menarik di perusahaan-perusahaan Amerika, misalnya Midjourney dipanggil melalui platform seperti Discord, yaitu efek jaringan yang kita bicarakan di era Internet. Lihat, saya juga bisa melihat bahwa saya juga bisa menghasilkan kasus orang lain. Efek jaringan ini adalah belajar dari satu sama lain di antara pengguna. Oleh karena itu, Discord juga merupakan platform distribusi produk yang sangat penting, terutama bagi Prosumer. , semua orang dapat dengan cepat membentuk komunitas.

Model ini sangat penting bagi perusahaan tahap awal, efek jaringan yang terbentuk di antara pengguna dapat mempercepat penyebaran produk, menyebabkan kelompok pengguna meledak dengan cepat. Tentu saja, sejauh menyangkut saat ini, aplikasi eksplosif saat ini sebagian besar masih berupa pembuatan dan pemrosesan teks dan gambar dua dimensi, dan teknologi lain belum cukup siap dan masih dalam pengembangan.