用專利和技術(shù)筑成的“高壁壘”是能夠吸引資本的有利抓手
? ? ? 引言
一轉(zhuǎn)眼,假期余額告急,我們來聊點(diǎn)輕松的話題。
今天的文章和“增長”有關(guān),適道祝大家在新的一年持續(xù)增長!
說到增長回報(bào),近二十年來,規(guī)模經(jīng)濟(jì)和網(wǎng)絡(luò)效應(yīng)下的“贏家通吃”一定是大殺四方。
規(guī)模經(jīng)濟(jì)(Economies of Scale),原意是指企業(yè)隨著生產(chǎn)規(guī)模擴(kuò)大,平均成本逐漸降低的經(jīng)濟(jì)現(xiàn)象。
但如果按照亞當(dāng)·斯密賦予的原始含義,你會(huì)發(fā)現(xiàn)“規(guī)模經(jīng)濟(jì)”不僅不會(huì)呈現(xiàn)增長遞增,反而會(huì)增長遞減。
例如,一家培訓(xùn)機(jī)構(gòu)招了1名老師,5名學(xué)生。隨著招生規(guī)模擴(kuò)大,學(xué)生變成了20名。假設(shè)1名老師的精力有限,最多只能教20名學(xué)生。此時(shí),培訓(xùn)機(jī)構(gòu)達(dá)到了“規(guī)!睒O限。如果繼續(xù)擴(kuò)大招生,培訓(xùn)機(jī)構(gòu)還要再雇1名老師,從而承擔(dān)更多的成本。
在這種情況下,增長從“規(guī)模經(jīng)濟(jì)”變成了“規(guī)模不經(jīng)濟(jì)”。最終市場競爭達(dá)到動(dòng)態(tài)平衡,每家企業(yè)都依據(jù)自身競爭力,獲得相應(yīng)的市場份額。
但這似乎與我們認(rèn)知中的“贏家”世界不同。
原因在于,以知識(shí)為基礎(chǔ)的經(jīng)濟(jì)世界,產(chǎn)品為知識(shí)密集型,自然資源比重小,可以實(shí)現(xiàn)遞增收益。例如,微軟公司花了5000萬美元研發(fā)出Windows系統(tǒng)第一張軟盤,而第二張和隨后的軟盤只需花費(fèi)3美元。而且,單位成本隨銷售量增長而降低。
誰能先占領(lǐng)高地,并通過早期用戶的正反饋快速迭代,誰就可能以“微弱的優(yōu)勢”吃下整個(gè)市場,實(shí)現(xiàn)“贏家通吃”。
當(dāng)這個(gè)現(xiàn)象疊加互聯(lián)網(wǎng)時(shí)代的“網(wǎng)絡(luò)效應(yīng)”,“贏家通吃”被進(jìn)一步放大。
網(wǎng)絡(luò)效應(yīng)(Network Effect),指某種產(chǎn)品(或服務(wù)),每增加一名用戶,都會(huì)對(duì)該產(chǎn)品的其他用戶產(chǎn)生新的價(jià)值。最典型的例子是電話,世界上裝電話的人越多,能通話的人就越多,電話的價(jià)值也就越大。
但電話只是初代網(wǎng)絡(luò)效應(yīng)——“直接網(wǎng)絡(luò)效應(yīng)”。
互聯(lián)網(wǎng)時(shí)代則是“交叉網(wǎng)絡(luò)效應(yīng)”的天下——一個(gè)平臺(tái)上,至少有一組相互依附,但利益不同的用戶。例如某寶的買家和賣家;某程的酒店和房客;某滴上的司機(jī)和乘客;某紅書的博主和粉絲。
平臺(tái)的作用就是幫雙邊(多邊)用戶牽上紅線,織出千絲萬縷的網(wǎng)絡(luò)。哪個(gè)平臺(tái)“紅線”牽得越到位,就越讓用戶著迷。例如,字節(jié)的算法推送就建立在這一邏輯上。
同時(shí),因?yàn)锳PP復(fù)制的成本幾乎可以忽略不計(jì),邊際成本接近于零,規(guī)模經(jīng)濟(jì)進(jìn)一步放大,贏家進(jìn)而吃掉整個(gè)市場。
得益于規(guī)模經(jīng)濟(jì)+網(wǎng)絡(luò)效應(yīng)的雙重buff,我們聽過最波瀾壯闊的創(chuàng)業(yè)故事幾乎都發(fā)生在互聯(lián)網(wǎng)時(shí)代。
趁著放假,適道再次閱讀了Brian Arthur在1996年發(fā)表的經(jīng)典論文《Increasing Returns and the New World of Business》(收益遞增與商業(yè)新世界)。論文介紹了知識(shí)密集型產(chǎn)品的“規(guī)模經(jīng)濟(jì)”和彼時(shí)的新生理論“網(wǎng)絡(luò)效應(yīng)”。其意義之重大,甚至改變了硅谷的游戲規(guī)則。
但正如Arthur在文中質(zhì)疑Alfred Marshall于1890s提出的收益遞減規(guī)律。28年轉(zhuǎn)瞬即逝,Arthur于1996年所提出的“商業(yè)新世界下網(wǎng)絡(luò)效應(yīng)和規(guī)模經(jīng)濟(jì)”在AI時(shí)代是否依然適用?
?01 乏力:規(guī)模經(jīng)濟(jì)和網(wǎng)絡(luò)效應(yīng)
說說我的一家之言:至少從目前來看,這兩個(gè)增長理論似乎沒有那么奏效了。
先說規(guī)模經(jīng)濟(jì)的“失效”。
ChatGPT每回答一次問題,都要消耗算力。例如微軟的GitHub Copilot,此前平均每月要給每個(gè)用戶倒貼20美元,給有些用戶最多倒貼80美元。甚至用戶越多,虧得越多。除非你的產(chǎn)品足夠優(yōu)秀,用戶愿意為更好的體驗(yàn)買單。不過,即便在這種情況下,高昂成本依然存在,利潤不會(huì)像互聯(lián)網(wǎng)時(shí)代一樣龐大。
再說網(wǎng)絡(luò)效應(yīng)的“弱化”。
第一個(gè)原因,從最直觀的體驗(yàn)來看,當(dāng)你使用AI軟件時(shí),面對(duì)的是一個(gè)個(gè)robot,不是許許多多的people,用戶間的聯(lián)系不再錯(cuò)綜復(fù)雜。當(dāng)然軟件開發(fā)者也可以通過建立AI社區(qū),同時(shí)疊上“網(wǎng)絡(luò)效應(yīng)”的buff,例如Midjourney;
第二個(gè)原因,雖然“數(shù)據(jù)”至關(guān)重要,但其作用可能被夸大了。大家思考一個(gè)問題,產(chǎn)品/模型是否會(huì)因?yàn)橛脩魯?shù)據(jù)越多,而變得更好?還是存在一個(gè)S曲線?
先不說ChatGPT4.0“變懶”。事實(shí)上,訓(xùn)練模型可能并不需要更多的數(shù)據(jù),達(dá)到一定程度就足夠了。例如,A16Z所投資的公司Everlaw開發(fā)了一個(gè)法律軟件。該軟件在對(duì)一百萬封電子郵件進(jìn)行情感分析后,就不需要再訓(xùn)練了。
此外,訓(xùn)練模型的數(shù)據(jù)一定要和實(shí)際問題非常適配。而互聯(lián)網(wǎng)巨頭的數(shù)據(jù)壁壘,更多的價(jià)值體現(xiàn)在數(shù)量,而非質(zhì)量。
?02 變化:萬物摩爾定律時(shí)代
還有哪些“靠得住”的增長理論?
除了規(guī)模經(jīng)濟(jì)(Economies of Scale)、網(wǎng)絡(luò)效應(yīng)(Network Effect)。增長回報(bào)主要的獨(dú)立原因還包括:邊學(xué)邊做(Learning by Doing)、觀念重組(Recombination of Idea)。
邊學(xué)邊做(Learning by Doing),指工人在生產(chǎn)時(shí)積累經(jīng)驗(yàn)知識(shí),會(huì)想辦法提高自己的技能,從而形成總體經(jīng)濟(jì)層面的技術(shù)進(jìn)步,擺脫收益遞減規(guī)律的限制,推動(dòng)長期經(jīng)濟(jì)增長。
簡單來說,就是卷王先卷死自己再卷別人。
在這個(gè)“卷王”理論之下,有一條非常著名的定律。
摩爾定律(Moore’s Law):當(dāng)價(jià)格不變時(shí),單個(gè)芯片上可容納的元器件的數(shù)目,約每隔18-24個(gè)月便會(huì)增加一倍,性能也將提升一倍。
比爾·蓋茨曾經(jīng)說過:“我喜歡把摩爾定律作為一種預(yù)測未來的方式。它可以幫助我們了解科技發(fā)展的速度,以及我們應(yīng)該預(yù)測的未來!
不過,摩爾定律不是數(shù)學(xué)定律,也不是物理定律,而是一條基于半導(dǎo)體行業(yè)發(fā)展經(jīng)驗(yàn)的規(guī)律。隨著晶體管數(shù)量逐漸增加,摩爾定律如今也碰到了天花板。有專家預(yù)測,2025年,摩爾定律將會(huì)失效。
真的如此嗎?Ark Invest報(bào)告顯示,2014年以來,AI芯片性能以每年93%的速度提高,這意味著成本每年下降48%,比摩爾定律成本每年下降30%還快。例如,2020年GPT-3單次訓(xùn)練成本是460萬美元,而現(xiàn)在的價(jià)格是140萬美元,約下降70%。2023年初,OpenAI提供的API服務(wù)價(jià)格下降90%。如果趨勢持續(xù),完成同等質(zhì)量任務(wù)的硬件成本,將從2014年的11000美元下降到2030年的5美分。
此外,自2012年以來,AI模型在ImageNet分類中訓(xùn)練神經(jīng)網(wǎng)絡(luò)達(dá)到相同性能所需的計(jì)算量,每16個(gè)月也會(huì)減少2倍。
也就是說,傳統(tǒng)的摩爾定律可能失效,但AI時(shí)代有屬于自己的“智能摩爾定律”。
1)黃氏定律:GPU將推動(dòng)AI性能實(shí)現(xiàn)逐年翻倍。
2020年,黃仁勛提出取代摩爾定律的“黃氏定律”。2023年,老黃又稱:Nvidia的GPU在過去10年中將AI處理性能提高了不低于100萬倍,并將在未來10年內(nèi)再次令A(yù)I性能強(qiáng)大100萬倍。而摩爾定律在其最好的日子里,在十年內(nèi)(僅)實(shí)現(xiàn)了100倍的增長。
2)大模型定律:大模型參數(shù)和與訓(xùn)練數(shù)據(jù)量飛速增長。
根據(jù)OpenAI測算,全球頭部AI模型訓(xùn)練算力需求3-4個(gè)月翻一番,每年頭部訓(xùn)練模型所需算力增長幅度高達(dá)10倍。
如果按傳統(tǒng)的摩爾定律,芯片計(jì)算性能大約每18-24個(gè)月僅翻一番。這種情況下,芯片性能提升的步伐跟不上AI訓(xùn)練模型的胃口。不過,如果按照上述“黃氏定律”10 年內(nèi)翻100萬倍,結(jié)果又是另當(dāng)別論。
此外,高質(zhì)量數(shù)據(jù)似乎也不夠用!堵槭±砉ぜ夹g(shù)評(píng)論》曾發(fā)表文章表示:大模型就像是一個(gè)不斷吸收的“網(wǎng)絡(luò)黑洞”,最終導(dǎo)致沒有足夠的數(shù)據(jù)進(jìn)行訓(xùn)練。
而AI研究機(jī)構(gòu)Epochai的論文給出了一個(gè)精確的時(shí)間范圍:2026年,大模型訓(xùn)練將消耗盡高質(zhì)量數(shù)據(jù);2030年-2050年,將消耗盡所有低質(zhì)量數(shù)據(jù);2030年-2060年,將消耗盡所有圖像訓(xùn)練數(shù)據(jù)。這意味著,如果數(shù)據(jù)效率沒有顯著提高或有新的數(shù)據(jù)源可用,到2040年,模型的規(guī)模增長將放緩。
3)Altman定律:宇宙中的智能數(shù)量將在每18個(gè)月后翻一番。
Gary Marcus對(duì)此直言:是AI炒作量每18個(gè)月翻一番吧。其實(shí)也怪不得Marcus陰陽,因?yàn)锳ltman沒有對(duì)“智能數(shù)量”(amount of intelligence)進(jìn)行明確定義。這句話更像是一句脫口而出的感想。
不過,早在2021年,Sam Altman就撰文“萬物摩爾定律”(Moore's Law for Everything),其中提出:摩爾定律適用于萬物,人工智能將降低商品和服務(wù)的成本。一個(gè)烏托邦世界就此展開:財(cái)富或技術(shù)快速增長,人類可以用更低廉的價(jià)格得到自己想要的東西。
總而言之,無論是“見頂”的傳統(tǒng)摩爾定律,或是各類新生的摩爾定律,都表明了信息技術(shù)的爆發(fā)式指數(shù)增長快速迭代特征。這一點(diǎn)大概是貫穿人類技術(shù)發(fā)展的永恒“增長規(guī)律”。
?03 恒定:專利實(shí)現(xiàn)內(nèi)生技術(shù)增長
另一個(gè)增長回報(bào)的獨(dú)立原因:觀念重組(Recombination of Idea)——任何創(chuàng)新都是不同材料的重新組合或拼接。
如果一家公司的產(chǎn)品是Idea(算法、公式、設(shè)計(jì)),其開發(fā)過程道阻且長?梢坏㊣dea被開發(fā),其后續(xù)產(chǎn)出會(huì)成為公司的專有財(cái)產(chǎn)(例如專利)。結(jié)果就是公司獲得了一個(gè)增量成本接近于零的高價(jià)值產(chǎn)品。
敏銳的小伙伴可能已經(jīng)發(fā)現(xiàn),這個(gè)例子屬于諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者——羅默,內(nèi)生經(jīng)濟(jì)增長理論開山之作《報(bào)酬遞增與長期增長》(Increasing Returns and Long-Run Growth)三個(gè)基本前提之一:
第一,技術(shù)進(jìn)步位于經(jīng)濟(jì)增長的核心;
第二,技術(shù)進(jìn)步在很大程度上是人們有意識(shí)的行為。換句話說,是人們對(duì)市場激勵(lì)的一種反應(yīng);
第三,開發(fā)一個(gè)新的技術(shù)會(huì)產(chǎn)生一個(gè)固定成本,但之后的使用成本為零。
羅默假設(shè)存在三個(gè)經(jīng)濟(jì)部門:生產(chǎn)最終產(chǎn)品的部門、研發(fā)部門,以及生產(chǎn)中間品的部門。
研發(fā)部門負(fù)責(zé)生產(chǎn)Idea,并將其賣給中間產(chǎn)品部門;而中間產(chǎn)品部門則產(chǎn)出耐用資本設(shè)備,并將其租給最終品生產(chǎn)部門以獲得租金,最終品生產(chǎn)部門負(fù)責(zé)生產(chǎn)經(jīng)濟(jì)體重的最終產(chǎn)品。
在這個(gè)模型中,研發(fā)部門生產(chǎn)的Idea是具有外部性的,其社會(huì)收益和其給研發(fā)部門帶來的私人收益并不一致。在羅默看來,為了鼓勵(lì)研發(fā),需要盡可能消除這種私人收益和社會(huì)收益之間的差值,因此引入專利、版權(quán)等一些激勵(lì)手段十分必要。
當(dāng)我們將眼光從整個(gè)經(jīng)濟(jì)世界轉(zhuǎn)向微觀企業(yè)個(gè)體,觀念重組的概念更像是技術(shù)開發(fā),用知識(shí)產(chǎn)權(quán)構(gòu)筑“護(hù)城河”是重中之重。適道此前寫過:一些深度科技企業(yè)在籌資中經(jīng)常面臨“先有雞還是先有蛋”的問題。即,沒有近在咫尺的市場,企業(yè)籌資相當(dāng)困難;但沒有足夠的資金支持,接近市場更是難上加難。
因此在早期階段中,要格外重視早期貨幣化機(jī)會(huì),戰(zhàn)略性合作伙伴和許可協(xié)議是“無價(jià)之寶”。例如,深度科技公司Halitus向一家行業(yè)領(lǐng)導(dǎo)者提供了自家的知識(shí)產(chǎn)權(quán)許可,并與一家成熟初創(chuàng)公司合作,銷售他們的產(chǎn)品,來獲得一部分必要收入,并通過多個(gè)合作伙伴,得到寶貴的早期客戶反饋。
?04 辨別:為何蘋果沒有迎來“黑莓時(shí)刻”
近期,著名經(jīng)濟(jì)學(xué)家Michael J. Mauboussin和Dan Callahan發(fā)表了一篇論文《Increasing Returns:Identifying Forms of Increasing Returns and What Drives Them》。
文章雖然沒有提出全新的增長模型。但通過追溯規(guī)模經(jīng)濟(jì)、網(wǎng)絡(luò)效應(yīng)、邊學(xué)邊做、觀念重組、國際貿(mào)易,對(duì)Google、Meta、Nvidia、微軟、蘋果等巨頭的增長來源進(jìn)行了區(qū)分。
Google和Meta非常依賴網(wǎng)絡(luò)效應(yīng)。商業(yè)上區(qū)分它們的并不是觀念重組。因?yàn)槠渌疽部梢宰龀龇浅O嗨频漠a(chǎn)品,但無法復(fù)制它們的網(wǎng)絡(luò)。
Nvidia的增長源于觀念重組。未來能否持續(xù)領(lǐng)先取決于公司能否讓自家技術(shù)成為行業(yè)標(biāo)準(zhǔn),就像微軟的PC操作系統(tǒng)。不然,Nvidia會(huì)被更優(yōu)秀或更便宜的競爭對(duì)手取代。借用馬斯克的一句話:“Nvidia不會(huì)永遠(yuǎn)在大規(guī)模訓(xùn)練和推理芯片市場占據(jù)壟斷地位!
微軟雖然得益于網(wǎng)絡(luò)效應(yīng),但更依賴觀念重組。
試想,如果一家公司合法擁有所有Facebook社交網(wǎng)絡(luò)或Google搜索引擎背后的技術(shù),這家公司仍然無法與Meta、Google競爭,因?yàn)槟悴豢赡芤灰怪g搬來龐大的用戶。但如果一家公司能合法銷售和微軟軟件完全相同的副本,它就能立即以價(jià)格與微軟競爭。
而這正是國內(nèi)盜版Win漫天飛,但你卻找不到第二個(gè)IG或小紅書的原因。
亞馬遜的零售業(yè)務(wù)雖然非常依賴網(wǎng)絡(luò)效應(yīng),但其增長回報(bào)卻主要源于傳統(tǒng)的規(guī)模經(jīng)濟(jì)和邊做邊學(xué)。因此,亞馬遜在硬件基礎(chǔ)設(shè)施上進(jìn)行巨額投資,并且不斷嘗試新東西。
同時(shí),亞馬遜也是國際貿(mào)易增長回報(bào)的巨大受益者。公司創(chuàng)建了一個(gè)技術(shù)和物流層,將亞洲工廠的廉價(jià)制成品運(yùn)送到西方的龐大終端市場。不過,從目前來看,跨境電商獨(dú)角獸Shein正在挑戰(zhàn)亞馬遜在這一領(lǐng)域的主導(dǎo)地位。
蘋果驚人的增長回報(bào)則源于以上五大獨(dú)立增長因素的組合疊加。
雖然蘋果的增量單位成本并不低:iPhone15 Pro Max的生產(chǎn)成本在500——600美元。但蘋果可以保護(hù)其回報(bào)率,因?yàn)樗麄兯坪跤肋h(yuǎn)不會(huì)失去定價(jià)權(quán)。而這可能歸功于網(wǎng)絡(luò)效應(yīng)和隨之而來的高切換成本(在這個(gè)背景下考慮iMessage的鎖定效應(yīng))、觀念重組(軟件更新、各項(xiàng)專利)、邊做邊學(xué)和國際貿(mào)易。
因此,當(dāng)人們認(rèn)為終有一天,摩托羅拉、諾基亞和黑莓的命運(yùn)也會(huì)降臨到蘋果身上時(shí),蘋果卻在持續(xù)增長。
從最近來看,在智能手機(jī)領(lǐng)域的創(chuàng)新幾乎枯竭之際,2023年底,蘋果連發(fā)兩篇論文(觀念重組)。其中一篇提出:蘋果通過一種創(chuàng)新的閃存利用技術(shù),成功地在內(nèi)存有限的iPhone和其他蘋果設(shè)備上部署了大模型。而這條“大模型+硬件”的路線或許會(huì)直接改變AI手機(jī)的競爭格局。第二篇詳細(xì)介紹了一項(xiàng)名為HUGS(Human Gaussian Splats)的生成式AI技術(shù)。HUGS僅僅需要一個(gè)約50-100幀的原始視頻,相當(dāng)于2到4秒24fps的視頻,就能在30分鐘內(nèi)生成一個(gè)“數(shù)字人分身”。而該技術(shù)是VR頭顯進(jìn)一步發(fā)展的必然要求。前不久上市的Vision Pro更是突破智能手機(jī)平面計(jì)算的局限性,踢開了空間計(jì)算時(shí)代的大門。
對(duì)于投資者的啟發(fā):“黑莓”們和蘋果存在本質(zhì)區(qū)別——增長回報(bào)是否可持續(xù)?源自不同獨(dú)立因素的增長回報(bào)是否具有不同半衰期?各家公司又是否具備過硬的本領(lǐng)扛過半衰期?
回到文章開頭,適道認(rèn)為,至少從目前來看,網(wǎng)絡(luò)效應(yīng)可能弱化,但觀念重組(專利技術(shù))的力量卻始終熠熠生輝。
原文標(biāo)題 : 網(wǎng)絡(luò)效應(yīng)靠不住,AI時(shí)代的增長還能靠什么?
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長度6~500個(gè)字
最新活動(dòng)更多
-
10月31日立即下載>> 【限時(shí)免費(fèi)下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報(bào)名>>> 【在線會(huì)議】多物理場仿真助跑新能源汽車
-
11月28日立即報(bào)名>>> 2024工程師系列—工業(yè)電子技術(shù)在線會(huì)議
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
即日-12.26火熱報(bào)名中>> OFweek2024中國智造CIO在線峰會(huì)
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
推薦專題
- 1 【一周車話】沒有方向盤和踏板的車,你敢坐嗎?
- 2 特斯拉發(fā)布無人駕駛車,還未迎來“Chatgpt時(shí)刻”
- 3 特斯拉股價(jià)大跌15%:Robotaxi離落地還差一個(gè)蘿卜快跑
- 4 馬斯克給的“驚喜”夠嗎?
- 5 海信給AI電視打樣,12大AI智能體全面升級(jí)大屏體驗(yàn)
- 6 打完“價(jià)格戰(zhàn)”,大模型還要比什么?
- 7 馬斯克致敬“國產(chǎn)蘿卜”?
- 8 神經(jīng)網(wǎng)絡(luò),誰是盈利最強(qiáng)企業(yè)?
- 9 比蘋果偉大100倍!真正改寫人類歷史的智能產(chǎn)品降臨
- 10 諾獎(jiǎng)進(jìn)入“AI時(shí)代”,人類何去何從?
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市