产品实战：用户思维与供需思维

在这一期中，我会开始产品实战的分享，以我的一个 side project 为例，以经济学思维进行解释，来看我在关键节点上如何思考。

我的这个业余项目是一个同声传译类的产品，跨语言沟通是一个长期存在的场景，但如果只是我要做一个同声传译的产品的话，很容易被挑战：好像已经有同类型的产品了，有门槛吗，大公司如果复制怎么办？

我非常理解这些顾虑，这也是我们在想要做一个产品的时候，最容易挑战自己和被挑战的问题：但凡能够想到的需求，要么已经有人做了，要么成本和收入很难算得过来账，那如何来进行更深层次的思考，从而开始一段产品创造呢？我会这样思考这个问题。

1. 用户需求与供需分析

首先是用户需求与供需分析。这个需求的缘起是我在工作过程中总需要和日本客户开会，也经常进行跨国的旅行。那跨语言的沟通是这过程中的必须也是最重要的环节。但是经过一番调研发现，同声传译的产品要么只有单向翻译比如讯飞，或者价格非常昂贵，比如Telo翻译一个月需要299元。很多时候，产品的需求来源是来自于自身感受，同时很难找到足够好的解决与替代方案。

用户需求的复杂性

首先我们用常规的用户思维来进行分析。同声传译的需求和产品其实长期存在的，但其中需求并不是单一的，而是存在非常多细化的需求。用户首先需要的是准确性，特别是在专业领域（医疗、法律、金融），同时需要实时性，包括在会议、线下展会和旅游的时候，不希望像谷歌翻译一样等待很长的时间。还需要它是自然和个性化的，希望翻译听起来像“人在表达”，并且有特定的术语习惯和语气风格。

不同的场景带来用户需求的进一步分散，“同声传译”的简单表达很难概括真实用户的需求，这也是即便有翻译软件，在广交会这样的涉外的展会（预计25年春季广交会69万人参加，其中线下展境外采购商预计来自214个国家，人数25.3万人）还需要大量的翻译人员的原因，因为从广交会的官网上看，涉及的行业大类就有数十个，包括电子家电、工业制造、车辆与两轮车、照明及电气等等。

但只是大类的翻译还不够精确，大部分的同声传译人员，都需要针对性的准备展会的热词，比如在工业制造领域的口腔牙医设备，这并不能够被传统的维护的热词组很好的覆盖。这也是为什么即便到现在，也很难讲出在同声传译的领域，有一家独大的产品的原因之一。

像广交会这样的场景，需要的是正式的、准确的翻译，而学术交流，又对高精度的翻译有进一步的要求。而旅行来说，一般来说会被优先覆盖，因为大概能听懂就行，而如果是日常的跨语言开会交流，更加强调的是即时、流畅。而不是逐字逐句的死板翻译。

聊了这些，我想提一点的是，在听到一个用户需求的时候，去进一步追问用户的使用场景的细分，而不是直接否定这个场景：这个场景早有人做过了，大公司一抄就没机会了。做过于轻率的结论。

供给与定价不足

由我们过去了解过的供给需求的视角，同时用定价的视角去看这个问题，也可以有更多洞察。去小红书上关注：翻译软件、同声传译的标签，你会发现有大量的供给需求尚未匹配的情况。有人发帖询问同声传译软件什么好，有人在找寻特定领域的同传翻译临时工作机会。

因为传统的同声传译的软件，主要依赖三部分工作：语音识别（ASR），如果语音识别错了，那么后续的翻译必然不准；机器翻译（NMT），很难理解语境、上下文和前面提到的专业名词；语音合成（TTS），合成的语音听起来不像真人，上面三部分累乘的错误，让同声传译软件的体验不好，很难真正应用到使用场景当中。

同时，语音识别、机器翻译和语音合成，常规的做法的基本成本要做到一个小时单向翻译10元，那么常规的订阅价格，的确会做到10小时像讯飞收费的160，或者海外收费299元。这样的价格门槛让普通的消费者难以接受，即便是商务的用户，在这样的定价和效果下，也很难下决心付费。

相比之下，学生兼职的同声传译最便宜可以到350元/天，常规价格在广交会期间也在500左右，人作为替代方案，传统的同声传译解决方案并不能有竞争优势，所以在没有技术突破的条件下，传统的同声传译软件很难负担得起同声传译研发的费用。

资源禀赋与规模效应不足

然后我们用资源禀赋和规模效应的视角来看看同声传译的场景，在过往的自然语言处理的场景下，同声传译的需求非常碎片化，很难形成规模效应。比如每个行业（医疗、法律、科技、机械）等都需要特定的翻译优化，需要人工的维护无数组专业热词，很难用一个统一模型来覆盖。

人类的语言有7000多种语言，常用的语言也有接近100种。每种语言对的翻译难度也是不同的，比如英语与法语的翻译就比英语与中文的翻译更容易。这也导致常规维护热词组的做法，规模效应不足。

第一个章节我快速总结一下，从用户需求与供需的角度来看，看似简单的同声传译的场景其实存在机会，用户需求的复杂性暴露出这个需求场景并没有得到很好满足，供给和定价不足导致很多场景无法形成有效支付，资源禀赋与规模效应不足，导致目前的同传产品没有形成“赢家通吃”的局面。但一切都在当下，也就是25年年初因为AI大模型的更新发生了变化。

可以这样简单描述：AI语音大模型以及其中的混合专家模型，让复杂专业领域的翻译变成可能。而大模型的规模效应，让实时翻译成本降低为过去的1/10。但开始讲解决方案之前，我们可以再深入看看这个产品，为什么它值得小团队去做。

2. 网络效应与小团队的机会

网络效应的强弱

《创新者的窘境》中有提到，相对于大公司，创业公司的机会常常来自于大公司忽视的领域，这个领域乍一看会觉得想象力平平，大公司会忽视它成长的体量。但现在的大模型尤其是对话式的Agent，或者Coding、图片视频生成，很明显大公司并没有忽视它的重要性，所以大量的机会存在于更加特定的使用场景当中。

同时，我们常讲到大公司的复制的背后的含义，通常是大公司所控制的平台型的公司，比如微信或者淘宝，有很强的双边或者多变网络效应，也就是用户越多、价值越大。这在许小年的《商业的本质与互联网》中有详细的阐述，我们可以这样简单理解：微信的价值在与它的社交网络，用户越多，新用户加入的理由越充分，老用户离开的损失越大，这样小的团队的社交产品很难存活或者生长缓慢。淘宝依赖的是商家和消费者的双边市场，更多的商家吸引更多的消费者，反过来吸引更多的商家，从而形成正向的飞轮效应，这会导致很明显的赢家通吃，再做一个电商平台或者电商独立站的难度很大。

但是同声传译类的产品作为工具产品的分支，虽然不存在太强的网络效应，但存在一定的数据飞轮。我们可以这样理解：同传的用户之间没有很强的社交关系，就像会议软件一样，但是用户更加关注产品本身的质量。所以由于缺乏网络效应，市场就不会向头部玩家集中，就会可以允许多个竞争者而存在，这对于小团队创业者是更加友好的，创业团队当能够产品养活自己后，可以再通过数据飞轮强化自己的优势。

规模经济的影响

对于平台型的产品来说，平台的核心成本可以通过大规模的用户使用摊薄，比如服务器、支付和交易链路等重研发的投入。而底层大模型也具有类似的规模经济效应，当投入更多数据和训练的时候，头部的大模型的能力会更加强，让创业公司的进入更难。

但AI应用不会过多地与底层大模型进行直接竞争，或者需要避免与底层大模型进行直接竞争。因为同声传译类的产品，虽然依赖翻译算法、语音识别和AI混音的技术，但是它更多是依赖现有的模型进行研发，并不存在过大的进入壁垒。

壁垒应该存在于场景当中。很多人还会挑战的是：一个AI应用会不会被大模型自身能力的进化所覆盖掉，让AI应用团队长期的雕花没有意义？这个问题的答案应该是如果足够地深入场景就不会。2025年3月底GPT4o发布了更强的文生图模型，可以用自然语言非常高质量的生成各种风格的图片与广告。这让全球范围内很多做文生图创业的创业者非常焦虑，过去基于Stable Diffusion雕花两年变得没有意义，这对于做文生图社区的公司影响尤其大，模型转换过于容易，社区沉淀的内容资产没有价值。

但是对于足够深入场景的公司的影响其实没有那么多，对于文生图来说，已经深入了AI PPT领域，或者绘本生成、电商详图生成，或者短视频素材生成，并且已经形成了稳定的客户关系时，就能够与大模型本身的竞争拉开差距。对于同传的领域，平台产品和大模型的规模经济在于可以将模型能力进一步提升。但小团队可以专注于更加垂直的领域：比如线下展会时的交互、在线视频会议、线下旅游（或者进一步，日本旅游，再细一点，日本东京探店类自由行），以及不同行业的结合，从而进行差异化的竞争。

用户粘性与长尾效应

对于大公司及平台型产品来说，用户粘性更高，在于需求通用且集中。单一个存在利基且增长的长尾市场，通常来说是小团队的机会。

全球的跨语言服务市场估值在700亿美元左右，每年的年均增长率是4.4%。而覆盖的人数是一个更大的体量规模，企业与个人，预计会参与跨语言沟通的人数在10亿，高频使用的用户，也在亿这个级别。全球化的出行与商务是必然发生的，即便有一些保护主义的抬头，但这依旧是前面讲到的存在利基且增长的长尾市场。

在这些需求里面，需求是存在多样化的，一些用户需要专业术语的翻译，一些用户要求的是低延迟。单就视频会议场景来说，当前的规模在330亿美元，云会议的年均增长率在7.8%。在这个不会向头部集中的长尾市场当中，当下并没有出现赢家通吃的局面，未来如何很难评价。但这个状态的确是一个值得小团队投入的方向。

3. 成本分析与关键择时

最后一个部分，我来讲讲择时。有很多我们习以为常的工具很早以前都被发明，但是可能等待了几十年才最终被用上，总而言之只有一个原因：太贵。

微波炉是一个好例子，微波炉原理与二战时期雷达技术的微波辐射现象一起被发现，1940年代，人们发现微波可以加热食物，但是当时的技术还需要等待更多的能力：更便宜的微波发射装置，更便宜的微波炉外壳，早期的微波炉体积很大，成本很高，加热也很不均匀。

等待大概是20年时间，新材料、电子控制等的改进，微波炉在1960年代开始以一个大家能够接受的价格进入到家庭厨房，快速加热食物的需求始终存在，它只是过去太贵了。

与它同时期的还有光纤通信，它的原理也在20世纪60年代被提出来，原理并不复杂，光导纤维能够更好地实现高速、长距离的通信。但是产业化还需要很多人的工作：早期的光纤支持参差不齐，信号损耗大而且容易断裂，而且它还依赖激光调制技术的发明，在高精度激光调制与检测技术发明前，光纤的制造成本极高而且技术复杂。

这个等待也是20年，光纤制造技术和激光技术在1980年代得到突破，光纤的传输损耗和成本都迅速下降，让它的成本甚至比铜缆还低，当前我国1km光纤的价格在30元左右。这又进一步让全球通信网络骨干建设，以及互联网和数据传输的爆发性增长成为可能。

电动汽车的例子就更不必说了，电动车在19世纪末就已经投入生产和运营了，当时宣传的卖点都和今天很像：加速很快，不需要加油等等。但是早期的电动车的动力、电力控制、电池能量密度和充电问题都没有被解决，导致它的制造和维护成本远高于燃油汽车，说到底还是贵。一百多年后，锂电池技术、超充技术甚至环保法规的落地，才让电动汽车快速普及。

关键择时其实并没有那么复杂，其实也就一条：在持续增长的利基市场（利基市场 Niche Market 是指在市场中被大企业或主流企业忽略的、规模较小但具有特定需求或特征的细分市场。）中，观察那些本来很贵的解决方案中的关键因素（制造工艺、材料成本、计算能力等），是不是变得便宜了。随着这些技术的突破、规模效应的出现以及成本的逐渐降低，那些原本非常贵而且看起来不切实际的技术开始能被应用，这是关键择时的机会。

对于同声传译的场景就有这样的关键择时：AI语音大模型在API的供给时，就相对于原来的解决方案成本降为1/10。这个主要首先来自于技术突破：基于Transfomer架构的语音大模型，大幅度的提升了对于自然语言处理和机器翻译的能力，这让模型能够很好的捕捉上下文和专业领域信息，翻译得更加准确和流畅。同时神经网络让语音识别、多说话人的区分，以及语音合成都更加的自然和流畅。这些串联起来端到端的架构，让语音的识别、翻译和语音合成在一个端到端系统当中完成，减少了环节之间的延迟和误差传递。

成本的下降主要来自于计算资源的成本降低，GPU、高性能云计算是这些的前提，这一波大模型本身的持续迭代和投入的规模效应，天然的让这部分语音模型的成本也降低了。语料库和标注数据的注入，也让它的准确率进一步提升，降低了研发去适配专业术语与不同语言对的难度。

这是关键择时的原理：为什么不是过去，不是将来，而是现在。过去的时候技术、硬件和数据量都不足，我通常称之为“硬搞”，确实能做出产品，但是最后算账只能定价到299元/月，但现在成本是1/10时，产品化的前提条件就已经具备，创业者最重要的是对于用户使用场景进行优化，从而满足用户长久存在的实时翻译的需求。

但也不是在未来再做的原因是，任何的产品化都需要积累和持续的迭代，未来可能用户会有更多的要求，比如实时会议中的翻译，更加丰富的场景等，研发也需要周期和时间，这都需要有先发优势，重要的是，用户使用和心智也需要时间的积累。

4. 总结

最后总结一下，运用产品的用户思维，以及经济学的供需思维，我们可以分析许多个和同声传译类似的市场。同声传译的市场需求长期存在，但是由于需求比较碎片化，过去的应对方式通常表现为价格过高（就像当前的Agent类的定价一样，Manus普通版定价39美金/月）。这个市场网络效应较弱，规模经济没有那么强的影响，为小团队提供了比较好的入场机会。

成本分析和择时是最关键的，在科技史商业史上，永远都不缺发现需求的眼睛和应对这些需求的奇妙的发明，但是只有一个原因让它没有快速地普及到全世界：那就是太贵。关键择时需要敏锐地观察市场和技术的状态，当关键影响因素的成本快速下降时快速地开展行动。既是经济学思维的应用场景，也是产品方法的必要实践。

参考文献

• 《创新者的窘境》（The Innovator’s Dilemma）.克莱顿·克里斯坦森（Clayton Christensen）
• 《商业的本质与互联网》. 许小年
• 《技术与文明》. 张笑宇