对内容的操控感是一种即将被LLMs技能激活的潜在需求，这将会成为LLM-Native应用的一个重要差异化体会

关于信息内容来说，一个明显的趋势是新技能将带来基于原有前言内容被解构并增强互动性后构成全新产品形状，其进程分为两个循环替换的环节：

1. 旧的内容方式被解构后用来满足原有用户需求并构成新的产品形状。
2. 新的产品形状在迭代中构成新的内容方式。

一些典型的内容被解构的比如：

• 博客被解构为内容更短、参与门槛更低的Twitter、instgram。
• 电影被解构为电影解说类视频和弹幕。
• 歌曲被解构为其间最好听的那一小部分来作为短视频的BGM。

关于LLM-Native产品来说，咱们信任一定会出现新的信息解构方式及其对应的产品形状，比如，可交互的视频内容也许能够将现有的单位视频的播映时间进一步解构到更短、已有IP内容（如小说、漫画）经过加入生成技能被解构为新的可交互内容。

2. 经过制造稀缺

稀缺性是一切产品和服务都试图去规划的，其主要原由于：

• 从经济学的供需原理来看，稀缺性将提高价格——卖的更贵。
• 从心理学的稀缺效应来看，稀缺将带来更多的关注——取得更多注意力然后取得更高的经济价值。
• 从行为经济学来看，稀缺将带来更简单做出的消费决议计划——更高的付费意愿。

稀缺性是互联网产品一直在尽力寻求但却欠好取得的一种产品特点，由于这一般与互联网技能基因中的「免费准则」、「相等精神」各走各路。

但是在经过稀缺性获取更高的注意力方面，LLMs的技能可能会带来打破：供应完全定制化的内容会比推荐算法带来的个性化内容具有更强的稀缺感（专属产品、服务当然会有更高的吸引力），然后更简单让用户交出自己的注意力。

从这个视点来看，关于LLM-Native产品来说，在单位内容中获取的用户注意力会更高，然后让用户的单位产品运用时长具有更高的经济价值。

3. 满足操控感

寻求掌控感是人类的天性，所以用户对产品的操控感是点评规划好坏的一个根本维度，在《规划心理学》中，操控感被描绘为：

用户心理模型（来源于经历和期望）和体系模型（产品最终供应的功用、形状、内容）的接近程度，越接近则可控感越高。

关于LLM-Native产品来说同样需要遵从操控感的规划准则，经过上面的剖析，咱们很简单发现LLMs将供应全新的操控感：

• 功用的可控性变弱：功用被隐藏在模型才能中了，对用户来说会手足无措。
• 形状的可控性变强：形状上，以自然言语对话为核心的产品形状将增强用户的操控感。
• 全新的内容可控性：与上文提到的信息供应侧逻辑改变相对应，由于内容是模型实时生成的，所以用户第一次拥有了对内容的操控感。

咱们信任，对内容的操控感是一种即将被LLMs技能激活的潜在需求，这将会成为LLM-Native应用的一个重要差异化体会。

4. 需求笼统程度不断提高

一切产品都是围绕某种笼统程度的需求来规划的，而经过调查对解决相同类型问题的产品发展历程，咱们能够看到一个明显的趋势：产品所对应的需求笼统程度不断提高。

两个详细的比如：

• Photoshop面向的需求为如何更好的操控像素点，而到了Canvas、Figma年代需求变成了如何更快的运用模板得到一个可用的规划稿。
• 搜索引擎面向「哪些信息包括我供应的query」的需求，而推荐引擎运用更高笼统程度的user profile作为分配依据，将需求笼统至「哪些信息可能是符合我的偏好」。

明显，LLMs技能将带来更高的需求笼统程度：

• Midjourney面向图画所包括的要素、风格以及其他用户要求来创造图画。
• Jasper等文本生成产品将文本创造需求的笼统程度提高到对内容的直接描绘。
• Perplexity等搜索（或者称之为生成）引擎则将获取信息的需求笼统到了对所需信息本身的描绘（当然也承继了推荐年代的user profile）。

所以，更高的需求笼统程度是LLM-Native产品的必定发展方向，每一个需求都值得用更高的需求笼统程度来重新审视。

5. 加工更高层级的才智信息

LLMs是一种新型前言，那么从前言的视点剖析，咱们能得到一些风趣的确定性。麦克鲁汉在《人的延伸——前言通论》中对前言有两个重要的论说：

• 前言是人的延伸：一种前言总能够映射到某种人类的才能。
• 前言即是信息：前言本身决定其传递的信息内容。

从这两个论说咱们提出以下问题并给出答复：

问：LLMs延升的是人的何种才能？

答：LLMs延升的是人类的一些才智才能，如言语了解、逻辑推理、信息构建等。

问：LLMs作为一种全新的前言，其传递的信息是什么？

答：LLMs传递的是才智化的互联网（或者说信息化）数据。事实上，有一种对LLMs的描绘就是“一个高度紧缩的互联网”。

综合上述内容，咱们似乎能够对LLMs给出一个前言版的界说：经过对互联网信息内容的紧缩来延伸人类的部分才智才能。

结合咱们之前文章反复提到的「紧缩发生智能」观念，如果咱们能够将LLMs所紧缩的信息内容进行才智含量计算，其应与LLMs最终展示的才智才能程度是正相关的。