即刻App年轻人的同好社区
下载
最近关于AI+游戏的一些想法
1、游戏本身就是高毛利+高净利+高创意的产品型生意，因此降本增效不是供需双方的核心关注因素，好创意+稳定交付是核心，而后者是今天的AI不擅长做的。
2、本质上，任何一个B端工具，降本增效的前提都是“不能带来额外的风险”和”可嵌入原有工作流程“，这也是当前生成式AI在B端应用的通用卡点
3、回到游戏，用户除了对于好创意有诉求，另一部分诉求也来自于“掌握技巧”和”对战胜利“，因此内容的过分填充并不一定是解决客户需求的，还是要和游戏原本的机制相结合
4、进一步从供需看游戏：过去数年，无论在国内还是海外，游戏占国民收入的比例都在0.2%左右。换句话说，老百姓腰包是有限的，游戏供给可以发生变化，更多样，更好玩，但终归只是收入分配的一部分。另一方面，如果游戏的分发方式不变，用户的注意力和时间也是有限的，因此可能市场会更卷，技术会更好，但游戏的二八定律依然很难变化。
5、因此如果是AI当前的做法，AI只是加固了头部游戏公司的地位，形不成颠覆，也很难成为第三方工具（头部厂商愿意也必须自己投入来让产品符合自家的工作流和调性）
6、未来AI+游戏的空间，可能来自于1）轻规则、强互动、强社交、强关卡消耗的游戏，换句话说，可能就是所谓的metaverse；2）玩法的创新，但这一命题永远是未知的，因为已经探索的玩法越多，新增玩法的难度越大；事实上过去的一二十年，几乎没太多新玩法出现。3）在过往游戏中，无论设计和策划如何让玩法巧妙，本质上玩家和角色、物体以及环境的互动都有限的，故事的走向也是有限的，在有限的玩法中创造趣味和探索的乐趣。塞尔达等游戏通过规则引擎，让玩家在互动方面可以通过规则和动作的组合形成乘数级别的海量玩法探索，其巨大的成功已经证明了这条道路对玩家的吸引力，但在技术限制下，依然有较大的局限性，尤其是在角色和故事的互动性上。因此AI对于玩法的改变和有限的延展性是我们应该关注的。
1、游戏本身就是高毛利+高净利+高创意的产品型生意，因此降本增效不是供需双方的核心关注因素，好创意+稳定交付是核心，而后者是今天的AI不擅长做的。
2、本质上，任何一个B端工具，降本增效的前提都是“不能带来额外的风险”和”可嵌入原有工作流程“，这也是当前生成式AI在B端应用的通用卡点
3、回到游戏，用户除了对于好创意有诉求，另一部分诉求也来自于“掌握技巧”和”对战胜利“，因此内容的过分填充并不一定是解决客户需求的，还是要和游戏原本的机制相结合
4、进一步从供需看游戏：过去数年，无论在国内还是海外，游戏占国民收入的比例都在0.2%左右。换句话说，老百姓腰包是有限的，游戏供给可以发生变化，更多样，更好玩，但终归只是收入分配的一部分。另一方面，如果游戏的分发方式不变，用户的注意力和时间也是有限的，因此可能市场会更卷，技术会更好，但游戏的二八定律依然很难变化。
5、因此如果是AI当前的做法，AI只是加固了头部游戏公司的地位，形不成颠覆，也很难成为第三方工具（头部厂商愿意也必须自己投入来让产品符合自家的工作流和调性）
6、未来AI+游戏的空间，可能来自于1）轻规则、强互动、强社交、强关卡消耗的游戏，换句话说，可能就是所谓的metaverse；2）玩法的创新，但这一命题永远是未知的，因为已经探索的玩法越多，新增玩法的难度越大；事实上过去的一二十年，几乎没太多新玩法出现。3）在过往游戏中，无论设计和策划如何让玩法巧妙，本质上玩家和角色、物体以及环境的互动都有限的，故事的走向也是有限的，在有限的玩法中创造趣味和探索的乐趣。塞尔达等游戏通过规则引擎，让玩家在互动方面可以通过规则和动作的组合形成乘数级别的海量玩法探索，其巨大的成功已经证明了这条道路对玩家的吸引力，但在技术限制下，依然有较大的局限性，尤其是在角色和故事的互动性上。因此AI对于玩法的改变和有限的延展性是我们应该关注的。
7 00
试了下RunwayML Gen2，还是挺震撼的：尽管有非常多不成熟的地方，例如动态时候的四肢动作扭曲，形体扭曲，抽帧；以及目前只能生成4s的视频非常短；但是可以看到：1）文字和视频很好的对应关系；2）流畅的形体动作；3）光线、渲染的出色效果；4）公测后，类似MJ，快速收集用户信息迭代来强化能力的可能性。
之前觉得AI+3D/视频是为数不多的还没有被攻坚的领域，有可能有中国公司的机会，现在稍微悲观一些了。从二十年前到现在，中国公司在底层技术的机会都是两个：1）本土化；2）技术成熟之后，用copy+开源的方式做一个更好的应用。这次还是么？
这次纯有感而发，没怎么动脑子，回头思考完有可能有不一样的想法。
之前觉得AI+3D/视频是为数不多的还没有被攻坚的领域，有可能有中国公司的机会，现在稍微悲观一些了。从二十年前到现在，中国公司在底层技术的机会都是两个：1）本土化；2）技术成熟之后，用copy+开源的方式做一个更好的应用。这次还是么？
这次纯有感而发，没怎么动脑子，回头思考完有可能有不一样的想法。
3 20
时隔一周，终于觉得有些值得写的东西了，这次的角度，是想从物质世界和数字世界来看AI的未来
1、我四月份的时候写过这么一段话，好像忘记发在即刻了，补上来“AI在目前最适合做的事情应当具有如下特征：1）目标可以被明确分解和执行完成，便于AI完成；2）寻找人无法规模完成的任务：即寻找需要大量人力去生成内容的场景，或者寻找有海量数据而原有人力难以处理分析得出Insights的场景，这样客户价值足够大；3）任务最好是数字原生的，即选择对 human in the loop 的程度要求低的方向。”
回溯看当时写的话，其实隐含的假设是，AI最好的应用场景是在数字世界里，因为数字世界的规则是明确的、理想的、稳定的，因此可以自成闭环让AI去学习、完成工作和不断进化；此外是数字世界中的数据无论是保有量、可获取性和可规模产出的属性看，也都是再理想不过了。再回溯最近火爆的应用：数字人（例如数字人直播）、数字克隆人（例如x eva、glow和character）、AI+游戏（A股炒的很嗨）、AI花式用在广告营销（海报、文案甚至视频），无一不是如此，Midjourney和ChatGPT更不用说。
但…如果这样就够了，那么我现在理应见到遍地黄金，为无数新的AI应用欢呼喝彩甚至all in，但我什么我好像还是对很多事儿都在犹豫？以及不止是我，不少投资人和创业者朋友也都是说起AI跃跃欲试，看到应用愁眉苦脸。君不见今儿的xx创坛1500+的投资人成了大party，但真的有多少人在回去的路上说我发现了一个潜在的独角兽？就在我从齁远的西北四环回家的路上，我突然意识到，可能问题就出在这个“数字世界”上。
2、在讲这个事儿之前，先援引某开水公司的两位王老师的理论：第一位王老师将互联网公司分成了两类，供应和履约在线上完成和在线下完成。前者就是纯数字世界的事情，后者则需要连接数字世界和物质世界。第二位王老师表示，互联网从另外一个角度来讲，或者整个科技从另外一个角度来讲，原子是物质单位，比特是信息的单位。觉得互联网能干两件事情，一个是用移动比特代替移动原子，一个是用移动比特辅助移动原子。两位王老师知行合一，不仅告诉我们互联网一个很重要的价值在于Atom和Bite的AB面互联，而且也确实做出了一家这样的公司。而在我看来，正如其中一位王老师的另一句话，“物质是无法取代的，信息永远无法完全取代物质。”，我认为人类既然生活在物质世界，真正解决客户需求的大事情，还是更多在穿越AB面的事情上。
3、再回到最开始的话题：如果只聚焦在数字世界的事情，AI今天还有足够多的机会么？之前曾经写过“PC和手机都是承载诸多新需求的“场””，那么AI的问题是，在数字世界已经有这么多场的情况下，AI建立新场的机会在哪里，还有多少？其实我觉得不是没有机会，一个不负责任的猜想是，比如说各种AI数字分身的建立后，让分身先建立一个新场，再把真人拉进来，形成新的社交关系？看看有没有创业者能够做出新社交/游戏…，而不仅仅是降本增效的故事。
4、那么AI能够连接AB面，打通数字世界和物质世界么？起码现在看似乎没有见到太多创业者在尝试。
归根结底，还是我们人类对于物质世界的理解和刻画不足。目前的物理定律和化学定律都是理想情形下对物质世界的抽象刻画，但物质世界是充满扰动的。如果我们把物质世界的行为逻辑简化为“观测-思考-反馈”，那么今天的问题是观测现实世界难题高精度/成本太高；对于物质世界的刻画太过理想，到了具体问题必须靠人来微调；物质世界的各种物理化学流程很难完全由人工控制反馈结果。
物质世界无论是数据获取的成本，还是数据获取的质量，都远不如数字世界让人满意，最终就成为了：“缺少数据-人类无法很好的仿真物质世界-希望AI解决-目前的AI能力不行-需要足够数据训练-缺少数据”的死死循环。。到最后，人们训练出的物质世界的AI，又回到了”human must be in the loop”，用人的经验和调整来落地的几年前老路子了。
这个问题有解么，我不知道，希望有解。
这次想了太多，写得很乱，估计阅读体验不会太好，希望过两周，能进一步精简迭代吧。
两位王老师的原文：tech.sina.com.cn
www.itfeed.com
1、我四月份的时候写过这么一段话，好像忘记发在即刻了，补上来“AI在目前最适合做的事情应当具有如下特征：1）目标可以被明确分解和执行完成，便于AI完成；2）寻找人无法规模完成的任务：即寻找需要大量人力去生成内容的场景，或者寻找有海量数据而原有人力难以处理分析得出Insights的场景，这样客户价值足够大；3）任务最好是数字原生的，即选择对 human in the loop 的程度要求低的方向。”
回溯看当时写的话，其实隐含的假设是，AI最好的应用场景是在数字世界里，因为数字世界的规则是明确的、理想的、稳定的，因此可以自成闭环让AI去学习、完成工作和不断进化；此外是数字世界中的数据无论是保有量、可获取性和可规模产出的属性看，也都是再理想不过了。再回溯最近火爆的应用：数字人（例如数字人直播）、数字克隆人（例如x eva、glow和character）、AI+游戏（A股炒的很嗨）、AI花式用在广告营销（海报、文案甚至视频），无一不是如此，Midjourney和ChatGPT更不用说。
但…如果这样就够了，那么我现在理应见到遍地黄金，为无数新的AI应用欢呼喝彩甚至all in，但我什么我好像还是对很多事儿都在犹豫？以及不止是我，不少投资人和创业者朋友也都是说起AI跃跃欲试，看到应用愁眉苦脸。君不见今儿的xx创坛1500+的投资人成了大party，但真的有多少人在回去的路上说我发现了一个潜在的独角兽？就在我从齁远的西北四环回家的路上，我突然意识到，可能问题就出在这个“数字世界”上。
2、在讲这个事儿之前，先援引某开水公司的两位王老师的理论：第一位王老师将互联网公司分成了两类，供应和履约在线上完成和在线下完成。前者就是纯数字世界的事情，后者则需要连接数字世界和物质世界。第二位王老师表示，互联网从另外一个角度来讲，或者整个科技从另外一个角度来讲，原子是物质单位，比特是信息的单位。觉得互联网能干两件事情，一个是用移动比特代替移动原子，一个是用移动比特辅助移动原子。两位王老师知行合一，不仅告诉我们互联网一个很重要的价值在于Atom和Bite的AB面互联，而且也确实做出了一家这样的公司。而在我看来，正如其中一位王老师的另一句话，“物质是无法取代的，信息永远无法完全取代物质。”，我认为人类既然生活在物质世界，真正解决客户需求的大事情，还是更多在穿越AB面的事情上。
3、再回到最开始的话题：如果只聚焦在数字世界的事情，AI今天还有足够多的机会么？之前曾经写过“PC和手机都是承载诸多新需求的“场””，那么AI的问题是，在数字世界已经有这么多场的情况下，AI建立新场的机会在哪里，还有多少？其实我觉得不是没有机会，一个不负责任的猜想是，比如说各种AI数字分身的建立后，让分身先建立一个新场，再把真人拉进来，形成新的社交关系？看看有没有创业者能够做出新社交/游戏…，而不仅仅是降本增效的故事。
4、那么AI能够连接AB面，打通数字世界和物质世界么？起码现在看似乎没有见到太多创业者在尝试。
归根结底，还是我们人类对于物质世界的理解和刻画不足。目前的物理定律和化学定律都是理想情形下对物质世界的抽象刻画，但物质世界是充满扰动的。如果我们把物质世界的行为逻辑简化为“观测-思考-反馈”，那么今天的问题是观测现实世界难题高精度/成本太高；对于物质世界的刻画太过理想，到了具体问题必须靠人来微调；物质世界的各种物理化学流程很难完全由人工控制反馈结果。
物质世界无论是数据获取的成本，还是数据获取的质量，都远不如数字世界让人满意，最终就成为了：“缺少数据-人类无法很好的仿真物质世界-希望AI解决-目前的AI能力不行-需要足够数据训练-缺少数据”的死死循环。。到最后，人们训练出的物质世界的AI，又回到了”human must be in the loop”，用人的经验和调整来落地的几年前老路子了。
这个问题有解么，我不知道，希望有解。
这次想了太多，写得很乱，估计阅读体验不会太好，希望过两周，能进一步精简迭代吧。
两位王老师的原文：tech.sina.com.cn
www.itfeed.com
5 53
本周的一些思考：
1、AI时代的到底可做什么：凭空挖掘新需求太难，做已经被解决的需求太傻，那是否我们可以换一个思路去思考一下——上个时代，曾经有人想解决但是没解决好的需求是什么；或者说，曾经有人在这个思路/赛道创业，但最后全军覆没，当时归咎于“技术不成熟”的东西是什么？这些是否在这个时代可以被解决？这可能是解决当前“AI迷茫“的一个方式。
2、人类唯一能从历史中吸取的教训就是，人类从来都不会从历史中吸取教训：AI概念很火，AI想象力巨大，AI改变世界，所以好像各行各业都可以AI+。二级必谈AI，一级必谈AI，现在基本上随便找个咖啡厅也都是AI。就摘抄几段别人写的放在最末，大家读读，看看是不是和历史上发生过的事儿有点吻合。“AI泡沫”现在真的有点大了。
3、躲开当前的泡沫，和对未来的乐观，从不矛盾，关键是找到真正的需求。伟大的时代不一定能出伟大的公司，除非有伟大的创业者想明白了做什么。
附录：
“毫无疑问，20世纪末的主角是Internet。Internet给人们的生活方式带来了巨大的变革，也改变了整个企业的运作规律。正如60～70年代的电子、80年代的生物技术一样，90年代的Internet带给投资者新的希望，同时也成为新一轮泡沫的主角。一时间，.com公司被誉为新经济的代表，.com公司的领导被誉为数字精英。网络股的代表Yahoo、Amazon、Ebay的股价在一年内就上涨10倍。所有的人都在做着一夜暴富的美梦，每个人都想拥有自己的.com公司。我们还清晰地记得一些著名商学院的MBA，都希望到网络公司当CEO，一些著名投资银行的高层管理人员也都离职到网络公司当了CEO。”
“众多的风险投资将注意力集中到Internet，投资一切与Internet相关的公司。新的.com公司像雨后春笋般成长起来，造成了这个行业激烈的竞争格局。公司创立到IPO只需要一年时间，新发股票的浪潮再次掀起，新的概念层出不穷，门户网站、电子商务网站、网络公司的股价飞涨，在发行的当日就上涨500%已不是稀奇的事。一家没有任何盈利的网络公司的股票可以涨到100美元以上，有些公司的股票竟然涨到300多美元。众多投资基金的追捧使得泡沫越吹越大，美国纳斯达克指数在今年的高点达到5132点。“
“没有人否认Internet给人类社会将带来巨大的进步，电子商务也将是未来商务发展的趋势。然而，对于这样一个高度竞争、进入壁垒很低的行业，用企业潜在的收入作为市销率评估的基础是十分危险的。虽然终归会有一些网络公司存活下来，但大部分公司会在希望中消失，带给投资人巨大的损失。”
详细推荐看看这篇文章mp.weixin.qq.com和读一下漫步华尔街。
1、AI时代的到底可做什么：凭空挖掘新需求太难，做已经被解决的需求太傻，那是否我们可以换一个思路去思考一下——上个时代，曾经有人想解决但是没解决好的需求是什么；或者说，曾经有人在这个思路/赛道创业，但最后全军覆没，当时归咎于“技术不成熟”的东西是什么？这些是否在这个时代可以被解决？这可能是解决当前“AI迷茫“的一个方式。
2、人类唯一能从历史中吸取的教训就是，人类从来都不会从历史中吸取教训：AI概念很火，AI想象力巨大，AI改变世界，所以好像各行各业都可以AI+。二级必谈AI，一级必谈AI，现在基本上随便找个咖啡厅也都是AI。就摘抄几段别人写的放在最末，大家读读，看看是不是和历史上发生过的事儿有点吻合。“AI泡沫”现在真的有点大了。
3、躲开当前的泡沫，和对未来的乐观，从不矛盾，关键是找到真正的需求。伟大的时代不一定能出伟大的公司，除非有伟大的创业者想明白了做什么。
附录：
“毫无疑问，20世纪末的主角是Internet。Internet给人们的生活方式带来了巨大的变革，也改变了整个企业的运作规律。正如60～70年代的电子、80年代的生物技术一样，90年代的Internet带给投资者新的希望，同时也成为新一轮泡沫的主角。一时间，.com公司被誉为新经济的代表，.com公司的领导被誉为数字精英。网络股的代表Yahoo、Amazon、Ebay的股价在一年内就上涨10倍。所有的人都在做着一夜暴富的美梦，每个人都想拥有自己的.com公司。我们还清晰地记得一些著名商学院的MBA，都希望到网络公司当CEO，一些著名投资银行的高层管理人员也都离职到网络公司当了CEO。”
“众多的风险投资将注意力集中到Internet，投资一切与Internet相关的公司。新的.com公司像雨后春笋般成长起来，造成了这个行业激烈的竞争格局。公司创立到IPO只需要一年时间，新发股票的浪潮再次掀起，新的概念层出不穷，门户网站、电子商务网站、网络公司的股价飞涨，在发行的当日就上涨500%已不是稀奇的事。一家没有任何盈利的网络公司的股票可以涨到100美元以上，有些公司的股票竟然涨到300多美元。众多投资基金的追捧使得泡沫越吹越大，美国纳斯达克指数在今年的高点达到5132点。“
“没有人否认Internet给人类社会将带来巨大的进步，电子商务也将是未来商务发展的趋势。然而，对于这样一个高度竞争、进入壁垒很低的行业，用企业潜在的收入作为市销率评估的基础是十分危险的。虽然终归会有一些网络公司存活下来，但大部分公司会在希望中消失，带给投资人巨大的损失。”
详细推荐看看这篇文章mp.weixin.qq.com和读一下漫步华尔街。
2 00
这周只有几个散点的思考
1、很多人在考虑AI+数字人的智能生命体，最近也做了一圈调研，感觉很难：1）你的客户价值到底是什么，做一个呆板的直播人/啥销售还是做一个科幻电影中的数字人？前者无非就是降低一些使用门槛，最后杀成智能客服；后者就是——2）chatGPT是个脑+数字人是个身子并不是“智能生命体”，一个完整的生命体是声脑皮动装的结合，且不说每个部分的AI技术都很不成熟，如何让它们结合，今天看起来也是一个高难度命题；3）前者如果打价格战，市场还sexy么；后者不谈技术，如果变成了强运营，又有规模效应么；
2、所有商业本质都是供需，AI是供给（生产力/技术）的极大提升，但好像今天的卡点在需求上，今天的很多产品思路对需求的挖掘都有点理想化：创新者的窘境、跨越鸿沟、商战等书大家也都不陌生，我也就不卖弄，核心就是后来的创新者要么通过供给的进步创造了新的需求，要么创造了新的需求的场景，要么极大降低了需求被满足的门槛使得更多人可以获得此需求。
3、接2；PC和手机都是承载诸多新需求的“场”；互联网是跨越了地理限制构建了新的场；移动互联网在互联网之上由于便携性和LBS让这个场可以承载更多高频需求和基于地理位置的需求。场已经很多了，AI今天能构建的是什么，我没想明白。如果AI不能创造场景和数据，只是基于原有的场景和数据做能力加强，那我可能对这一波AI能出多少创业公司会有点悲观。
4、新需求总是由天才定义的，尽管我有点悲观，但我对天才的出现还是愿意保有乐观。或者说，就算没有创业者的机会又如何，生产力的提升也在确确实实造福我们每一个人，虽然可能造富机会就全在股票了哈哈。
5、前几个月，我明显感觉AI迭代的速度远快于人的认知，因此经常觉得自己被打脸；最近虽然还是经常被打脸，但似乎只是因为自己蠢，而不是AI迭代的快，这可能不一定是好事？
1、很多人在考虑AI+数字人的智能生命体，最近也做了一圈调研，感觉很难：1）你的客户价值到底是什么，做一个呆板的直播人/啥销售还是做一个科幻电影中的数字人？前者无非就是降低一些使用门槛，最后杀成智能客服；后者就是——2）chatGPT是个脑+数字人是个身子并不是“智能生命体”，一个完整的生命体是声脑皮动装的结合，且不说每个部分的AI技术都很不成熟，如何让它们结合，今天看起来也是一个高难度命题；3）前者如果打价格战，市场还sexy么；后者不谈技术，如果变成了强运营，又有规模效应么；
2、所有商业本质都是供需，AI是供给（生产力/技术）的极大提升，但好像今天的卡点在需求上，今天的很多产品思路对需求的挖掘都有点理想化：创新者的窘境、跨越鸿沟、商战等书大家也都不陌生，我也就不卖弄，核心就是后来的创新者要么通过供给的进步创造了新的需求，要么创造了新的需求的场景，要么极大降低了需求被满足的门槛使得更多人可以获得此需求。
3、接2；PC和手机都是承载诸多新需求的“场”；互联网是跨越了地理限制构建了新的场；移动互联网在互联网之上由于便携性和LBS让这个场可以承载更多高频需求和基于地理位置的需求。场已经很多了，AI今天能构建的是什么，我没想明白。如果AI不能创造场景和数据，只是基于原有的场景和数据做能力加强，那我可能对这一波AI能出多少创业公司会有点悲观。
4、新需求总是由天才定义的，尽管我有点悲观，但我对天才的出现还是愿意保有乐观。或者说，就算没有创业者的机会又如何，生产力的提升也在确确实实造福我们每一个人，虽然可能造富机会就全在股票了哈哈。
5、前几个月，我明显感觉AI迭代的速度远快于人的认知，因此经常觉得自己被打脸；最近虽然还是经常被打脸，但似乎只是因为自己蠢，而不是AI迭代的快，这可能不一定是好事？
3 21
连着一周+假期没有写东西，一个是确实忙+懒，一个是想跳出AI思考一个问题：大家动辄范式变革，星辰大海，每一个时代都在喊下一个千亿机会到来——那么，千亿美元的公司到底有谁，长什么样子，都活了多久？
本来以为是一个一两天就能完成的小活，结果断断续续整了好几天（假期偷懒也是原因啦）：从Wind爬数据不难，但Wind的公司成立时间实在是扯犊子，一个个用Wiki去验证，也借助ChatGPT和Claude学习了一些历史。而且欧美公司很有意思的是不少都有前身，各种并购重组成为了今天的公司，查起来就有趣+花了更多时间。
左图是统计了按照所有千亿美元公司的成立时间进行了分行业加总，用面积图的形式表示；右图则是为了观察方便，截取了近一百年
看完有什么感想呢：
1）归根结底，消费、医疗、金融，或者说“吃药喝酒花钱”是人类永恒的主题，无论技术怎么变迁，他们总是受益者：可能来自于技术本身带来的产品革新，也可能来自于生产力带动的消费提高。随着技术发展，这些行业永远也有新的大公司出来。
2）任时光纷纷扰扰，好的公司在好的赛道屹立不倒：一半的千亿美元公司诞生于二战前；87%的千亿美元公司是30+的年龄了。换句话说，真想做千亿美元公司，除非各种天时地利人和，否则请奔着至少做三十年去。何况今天的“00后千亿美元公司”，10年后又有多少还在这个图里面呢？
3）再换句话说：就算某个创新机会是系统性的机会，那这个机会肯定也值得跟踪“二十年”，而不是今年明年后年。
4）但不得不承认，互联网确实性感，00后几乎全部是他们，除了宁王。
5）毫无疑问，1850和1980是两个明显起速的时间点，一波是电气化革命，一波是信息化；换句话说，从历史看，没那么多范式迁移。
本来以为是一个一两天就能完成的小活，结果断断续续整了好几天（假期偷懒也是原因啦）：从Wind爬数据不难，但Wind的公司成立时间实在是扯犊子，一个个用Wiki去验证，也借助ChatGPT和Claude学习了一些历史。而且欧美公司很有意思的是不少都有前身，各种并购重组成为了今天的公司，查起来就有趣+花了更多时间。
左图是统计了按照所有千亿美元公司的成立时间进行了分行业加总，用面积图的形式表示；右图则是为了观察方便，截取了近一百年
看完有什么感想呢：
1）归根结底，消费、医疗、金融，或者说“吃药喝酒花钱”是人类永恒的主题，无论技术怎么变迁，他们总是受益者：可能来自于技术本身带来的产品革新，也可能来自于生产力带动的消费提高。随着技术发展，这些行业永远也有新的大公司出来。
2）任时光纷纷扰扰，好的公司在好的赛道屹立不倒：一半的千亿美元公司诞生于二战前；87%的千亿美元公司是30+的年龄了。换句话说，真想做千亿美元公司，除非各种天时地利人和，否则请奔着至少做三十年去。何况今天的“00后千亿美元公司”，10年后又有多少还在这个图里面呢？
3）再换句话说：就算某个创新机会是系统性的机会，那这个机会肯定也值得跟踪“二十年”，而不是今年明年后年。
4）但不得不承认，互联网确实性感，00后几乎全部是他们，除了宁王。
5）毫无疑问，1850和1980是两个明显起速的时间点，一波是电气化革命，一波是信息化；换句话说，从历史看，没那么多范式迁移。
23 35
迟到了一天的本周思考：
我们畅想AI在B端有很好的应用，是基于AI能够很好充当人与机器的“翻译”，极大降低普通用户的使用门槛，并且可以规模化按照人的意志自动执行和完成诸多工作，提升效率。在具体的任务上，我们过去的论断是，“目前的AI能完成的工作的是可以被明确分解，且最终执行比较明确的任务。”这一点目前没有变化。
但对于任务本身，尤其是B端的任务，它的性质我们还需要进一步细化，引用观远数据创始人苏总的一段话：“BI存在的最大意义是为企业的决策提供单一版本的真相(single version of choose)，对于越大的企业来说，这一点尤其重要。”“但是企业中也有很多其他业务，比如跟经营高度相关的、对数据指标要求严谨性很高的业务，这些业务可能就不是GPT擅长的业务。”很多B端业务也是如此，对于最终获得的业务，要求准确率一定是100%或者近乎100%而不能出现差错。正如2012年Hinton小组在ImageNet竞赛一鸣惊人达到85%开启了CNN时代，但CV真正在安防等领域落地是从2014、2015年一样，彼时的CV在ImageNet才能达到准确率90%甚至95%，而进一步则需要CV在垂直场景内准确率达到99%才值得商业场景大规模铺开。
基于现状，AI显然无法达到这个水准，甚至很难有一个指标来衡量，因为目前LLM的功能似乎更在于“给一个大致正确的回答”，AI生成内容则是”给一些大致满足要求的内容供选择”，最终更多是“提供灵感，供人修改”。因此从任务本身看，可明确分解的创意类认为，游戏、数字人、画图maybe更为合适。
我们畅想AI在B端有很好的应用，是基于AI能够很好充当人与机器的“翻译”，极大降低普通用户的使用门槛，并且可以规模化按照人的意志自动执行和完成诸多工作，提升效率。在具体的任务上，我们过去的论断是，“目前的AI能完成的工作的是可以被明确分解，且最终执行比较明确的任务。”这一点目前没有变化。
但对于任务本身，尤其是B端的任务，它的性质我们还需要进一步细化，引用观远数据创始人苏总的一段话：“BI存在的最大意义是为企业的决策提供单一版本的真相(single version of choose)，对于越大的企业来说，这一点尤其重要。”“但是企业中也有很多其他业务，比如跟经营高度相关的、对数据指标要求严谨性很高的业务，这些业务可能就不是GPT擅长的业务。”很多B端业务也是如此，对于最终获得的业务，要求准确率一定是100%或者近乎100%而不能出现差错。正如2012年Hinton小组在ImageNet竞赛一鸣惊人达到85%开启了CNN时代，但CV真正在安防等领域落地是从2014、2015年一样，彼时的CV在ImageNet才能达到准确率90%甚至95%，而进一步则需要CV在垂直场景内准确率达到99%才值得商业场景大规模铺开。
基于现状，AI显然无法达到这个水准，甚至很难有一个指标来衡量，因为目前LLM的功能似乎更在于“给一个大致正确的回答”，AI生成内容则是”给一些大致满足要求的内容供选择”，最终更多是“提供灵感，供人修改”。因此从任务本身看，可明确分解的创意类认为，游戏、数字人、画图maybe更为合适。
4 33
给老板写的演讲稿，作为忙了一周思考不足的作业吧
大家今天都在讨论，今天这么多创业者和大厂都在入局做大模型，那AI大模型行业的终局是什么，中国会不会出一家属于自己的大模型公司？那我们就来看看商业本质比较像的其他行业的情况——第一个对标是智能手机操作系统。正如移动互联网时代诞生了许多的划时代应用，大家也期望着AI时代会有新的划时代应用。二者的首要相似之处就是，他们都是应用的基座，他们的出现创造了新的交互方式，使新一代的应用的出现成为了可能。其次，在他们出现的时代之初，都是一个跨时代的玩家带领了技术的变革；当年是苹果，现在是OpenAI，他们都在一定程度上制定了行业标准。第三，如前所说，他们的出现确实都给人带来了颠覆的感觉，也让老玩家有了危机感。
那么如果基于这个对标，似乎最开始的问题的答案就是——行业终局会如同iOS和安卓一样，两大玩家几乎吃掉所有的市场；行业几乎可以认为没有国产玩家的机会，毕竟鸿蒙今天还算不上是主流玩家。那我们可以就此下这个结论么？我们进一步思考二者是否有不同：
首先，毫无疑问，iOS的出现离不开苹果手机硬件上的划时代设计，例如触屏功能。因此手机操作系统和手机制造商有着更强的耦合，但AI大模型似乎没有依托于一个新的划时代的硬件，因此似乎少了一些软硬件结合的壁垒。
第二，AI大模型有很明显的数据飞轮，而这又似乎是手机操作系统没有的。
第三，正如我们看到很多国家在“封杀”ChatGPT，手机操作系统却几乎从未出现此情况。
这些现象都在提醒我们，手机OS尽管给我们提供了一些参考，但绝不能简单停在这里。正如同SaaS我们对比了多个国家，AI大模型我们也在找更多的对比。如果考虑AI大模型的一些其他特征，例如需要调用巨大的计算和存储资源，例如涉及到数据交互和数据安全，就可以提出第二个可对标的商业模式——云计算。云计算的竞争格局就是另一番天地——虽然仍然集中度较高，但不再是二分天下，而且有中国的厂商排在了前列。之所以呈现这个格局，相信大家都会想到，这是因为我们的政企客户对数据的安全隐私都提了很高的要求，因此阻碍了对国外厂商的进入。导致尽管中国玩家同样起步晚，技术未必领先，但却可以基于开源和自研成为市场的大玩家。所以我们发现，一旦类比的例子增多，对于同一个问题，比如AI大模型格局的思考，就会得出不同的结果。但云计算显然也不是完美的AI对标，例如云计算和应用的关系并不紧密，也没有数据的持续迭代，这些都和AI的特征不同。所以关于AI的未来，今天我们依然没有明确的答案，但我们要做的事情就是不断去找这些有相似之处的商业模式，研究他们的历史，并仔细思考他们和我们想研究的事情的异同，最终抽象出商业本质来回答我们想回答的这些终极问题，我们觉得这才是做投资最迷人和考验人的地方。
大家今天都在讨论，今天这么多创业者和大厂都在入局做大模型，那AI大模型行业的终局是什么，中国会不会出一家属于自己的大模型公司？那我们就来看看商业本质比较像的其他行业的情况——第一个对标是智能手机操作系统。正如移动互联网时代诞生了许多的划时代应用，大家也期望着AI时代会有新的划时代应用。二者的首要相似之处就是，他们都是应用的基座，他们的出现创造了新的交互方式，使新一代的应用的出现成为了可能。其次，在他们出现的时代之初，都是一个跨时代的玩家带领了技术的变革；当年是苹果，现在是OpenAI，他们都在一定程度上制定了行业标准。第三，如前所说，他们的出现确实都给人带来了颠覆的感觉，也让老玩家有了危机感。
那么如果基于这个对标，似乎最开始的问题的答案就是——行业终局会如同iOS和安卓一样，两大玩家几乎吃掉所有的市场；行业几乎可以认为没有国产玩家的机会，毕竟鸿蒙今天还算不上是主流玩家。那我们可以就此下这个结论么？我们进一步思考二者是否有不同：
首先，毫无疑问，iOS的出现离不开苹果手机硬件上的划时代设计，例如触屏功能。因此手机操作系统和手机制造商有着更强的耦合，但AI大模型似乎没有依托于一个新的划时代的硬件，因此似乎少了一些软硬件结合的壁垒。
第二，AI大模型有很明显的数据飞轮，而这又似乎是手机操作系统没有的。
第三，正如我们看到很多国家在“封杀”ChatGPT，手机操作系统却几乎从未出现此情况。
这些现象都在提醒我们，手机OS尽管给我们提供了一些参考，但绝不能简单停在这里。正如同SaaS我们对比了多个国家，AI大模型我们也在找更多的对比。如果考虑AI大模型的一些其他特征，例如需要调用巨大的计算和存储资源，例如涉及到数据交互和数据安全，就可以提出第二个可对标的商业模式——云计算。云计算的竞争格局就是另一番天地——虽然仍然集中度较高，但不再是二分天下，而且有中国的厂商排在了前列。之所以呈现这个格局，相信大家都会想到，这是因为我们的政企客户对数据的安全隐私都提了很高的要求，因此阻碍了对国外厂商的进入。导致尽管中国玩家同样起步晚，技术未必领先，但却可以基于开源和自研成为市场的大玩家。所以我们发现，一旦类比的例子增多，对于同一个问题，比如AI大模型格局的思考，就会得出不同的结果。但云计算显然也不是完美的AI对标，例如云计算和应用的关系并不紧密，也没有数据的持续迭代，这些都和AI的特征不同。所以关于AI的未来，今天我们依然没有明确的答案，但我们要做的事情就是不断去找这些有相似之处的商业模式，研究他们的历史，并仔细思考他们和我们想研究的事情的异同，最终抽象出商业本质来回答我们想回答的这些终极问题，我们觉得这才是做投资最迷人和考验人的地方。
4 23
近期的几个零碎的想法
1）如果将这一波AI和互联网类比，现在是哪一年：一个视角是渗透率。根据data.ai（前app annie）的数据，ChatGPT的月活大概在1.5亿，new Bing在1.4亿，Midjourney Discord频道人数1363万，Character.ai月活809万。考虑到这些应用在目前没有什么显著竞品，大部分“新AI人口”（如果我们把使用过LLM的人类定义为“新AI人口”，并与互联网时代的“网民”对应）都集中且活跃在这些应用，但也有可能有部分人口因为各种原因使用过一些轻应用（例如AI画图小程序）但没有接触过上述应用。考虑到应用间的重合，可以粗略认为新AI人口的数量大约在3-4亿（甚至有可能小于3亿，但几乎不可能超过4亿）。根据联合国在2022年11月15日的公布，全球人口已经超过80亿。因此“新AI人口的渗透率”大约在4%，很难超过5%。而这个渗透率，根据international communication union的数据，对应大约是1998-1999年互联网的渗透率（3.1%-5%）。而从应用的视角来考虑，正如互联网泡沫前很多“互联网公司”都是在拿互联网前的应用硬套互联网概念，没有真正做出创新应用，今天似乎也和那个时代很像。
2）如何理解AI：本质上是通过对人脑机制的理解，不断用数学算法和统计学模型去拟合这些机制。但这个拟合又具有一定的偶然性，即可能多个统计学方法都近似拟合这个机制，人们不断的尝试和调优，并且把各自认为最合适的拟合方法最终工程化组成模型。今天看来，decoder-only+auto-regression的机制有了强大的拟合效果，并且在大模型下诞生了“乌鸦时刻”。
但这个拟合方式在逻辑推断上今天看也存在局限性：自回归大语言模型本质是串行，逻辑推断可以是并行，因此GPT-4对于需要阶段性完成的任务效果就很差，虽然可以用提示链的方式去完成。因此AI的机制还是在不断进化，这是一个变量远大于不变量的领域。
3）AI带来的范式变化：计算机出现之后，各类技术的进步都是一方面机器的性能在不断进步，另一方面人类在尝试更好地利用机器。这一波AI确定能看到的变化是，AI成为了相对完美的链接人和机器的“翻译官”，人类应用机器的门槛被降低，人类使用机器的边界在拓宽。
4）AI投资机会的粗分类：1）底层——如果类比IaaS，可能是比IaaS更需要持续资金、资源、生态投入的生意，IaaS层并没有出现足够优秀的创业公司；2）中间层——中间层往往会被底层和应用层双向挤压，任何一波IT浪潮中间层都很难是大赢家。此外，过往应用层对底层的依赖不强，因此有中间层去优化开发、运维的机会，这一波很可能应用都会极度依赖底层（AI大模型平台），中间层的意义可能更小；3）应用层：应当选择如下两类机会：1）用AI将传统软件改写，提升软件的能力（过去能做的人只有专业技能者，成本过高，AI降低人使用的门槛和成本），这一类创业者可能是开放性较高的传统SaaS创业者；2）全新的Interface（人过去做不了的事情），这一类创业者可能是年轻人。
5）怎么看AI是否会取代人类：历次工业革命和信息革命，都会是大规模的失业，但最终人口仍在持续增加，人们总是找到了更多发挥人的创造和组织能力的工作。以及生产力增长-人口增长-需要更多人来承担协调工作这一规律不会变化，人依然要承担缓冲人性和情感的职位。
1）如果将这一波AI和互联网类比，现在是哪一年：一个视角是渗透率。根据data.ai（前app annie）的数据，ChatGPT的月活大概在1.5亿，new Bing在1.4亿，Midjourney Discord频道人数1363万，Character.ai月活809万。考虑到这些应用在目前没有什么显著竞品，大部分“新AI人口”（如果我们把使用过LLM的人类定义为“新AI人口”，并与互联网时代的“网民”对应）都集中且活跃在这些应用，但也有可能有部分人口因为各种原因使用过一些轻应用（例如AI画图小程序）但没有接触过上述应用。考虑到应用间的重合，可以粗略认为新AI人口的数量大约在3-4亿（甚至有可能小于3亿，但几乎不可能超过4亿）。根据联合国在2022年11月15日的公布，全球人口已经超过80亿。因此“新AI人口的渗透率”大约在4%，很难超过5%。而这个渗透率，根据international communication union的数据，对应大约是1998-1999年互联网的渗透率（3.1%-5%）。而从应用的视角来考虑，正如互联网泡沫前很多“互联网公司”都是在拿互联网前的应用硬套互联网概念，没有真正做出创新应用，今天似乎也和那个时代很像。
2）如何理解AI：本质上是通过对人脑机制的理解，不断用数学算法和统计学模型去拟合这些机制。但这个拟合又具有一定的偶然性，即可能多个统计学方法都近似拟合这个机制，人们不断的尝试和调优，并且把各自认为最合适的拟合方法最终工程化组成模型。今天看来，decoder-only+auto-regression的机制有了强大的拟合效果，并且在大模型下诞生了“乌鸦时刻”。
但这个拟合方式在逻辑推断上今天看也存在局限性：自回归大语言模型本质是串行，逻辑推断可以是并行，因此GPT-4对于需要阶段性完成的任务效果就很差，虽然可以用提示链的方式去完成。因此AI的机制还是在不断进化，这是一个变量远大于不变量的领域。
3）AI带来的范式变化：计算机出现之后，各类技术的进步都是一方面机器的性能在不断进步，另一方面人类在尝试更好地利用机器。这一波AI确定能看到的变化是，AI成为了相对完美的链接人和机器的“翻译官”，人类应用机器的门槛被降低，人类使用机器的边界在拓宽。
4）AI投资机会的粗分类：1）底层——如果类比IaaS，可能是比IaaS更需要持续资金、资源、生态投入的生意，IaaS层并没有出现足够优秀的创业公司；2）中间层——中间层往往会被底层和应用层双向挤压，任何一波IT浪潮中间层都很难是大赢家。此外，过往应用层对底层的依赖不强，因此有中间层去优化开发、运维的机会，这一波很可能应用都会极度依赖底层（AI大模型平台），中间层的意义可能更小；3）应用层：应当选择如下两类机会：1）用AI将传统软件改写，提升软件的能力（过去能做的人只有专业技能者，成本过高，AI降低人使用的门槛和成本），这一类创业者可能是开放性较高的传统SaaS创业者；2）全新的Interface（人过去做不了的事情），这一类创业者可能是年轻人。
5）怎么看AI是否会取代人类：历次工业革命和信息革命，都会是大规模的失业，但最终人口仍在持续增加，人们总是找到了更多发挥人的创造和组织能力的工作。以及生产力增长-人口增长-需要更多人来承担协调工作这一规律不会变化，人依然要承担缓冲人性和情感的职位。
9 01
和@马丁的面包屑 马丁老师讨论了下bloombergGPT后，仅从我自己的维度做一些总结，也可能有很多错，先写了再说
我们大概看了下论文，几个层次来看：1）从技术上这件事儿没有一开始我们以为的那么难，因为用的并不是GPT3.5加上RLHF的思路，实质上用的还是GPT-3的思路，基于有人做的开源版GPT-NeoX微调做出来的，所以其实并不是这一波chatGPT在垂直领域的复现，难度本身并不大；2）从论文的测试结果看，确实在多种金融垂直任务上做到了一定提升，包括a）对社交媒体和新闻标题或内容的情感分析（正面、负面、中性等）；b）基于财务数据做一定的风险评估、数字推理和对话式问答，需要对财务数据的内涵有理解和逻辑推理能力，以及多轮对话能力；以及c）有一定的类似GPT-3的通用知识理解能力、语义和阅读理解能力。
总的来说，Bloomberg GPT并不能证明大模型的门槛真正变低，部分证明了基于开源模型+中等参数训练一个垂直领域有效的模型是可能的。遗留的问题是：1）因为 GPT-4暂时没有开放此类型的能力，未来随着GPT的进化，是Bloomberg数据的稀缺性带来的壁垒更强，还是GPT的能力能突破数据壁垒？2）由于Bloomberg并未放出实际demo，产品效果也有待观察
我们大概看了下论文，几个层次来看：1）从技术上这件事儿没有一开始我们以为的那么难，因为用的并不是GPT3.5加上RLHF的思路，实质上用的还是GPT-3的思路，基于有人做的开源版GPT-NeoX微调做出来的，所以其实并不是这一波chatGPT在垂直领域的复现，难度本身并不大；2）从论文的测试结果看，确实在多种金融垂直任务上做到了一定提升，包括a）对社交媒体和新闻标题或内容的情感分析（正面、负面、中性等）；b）基于财务数据做一定的风险评估、数字推理和对话式问答，需要对财务数据的内涵有理解和逻辑推理能力，以及多轮对话能力；以及c）有一定的类似GPT-3的通用知识理解能力、语义和阅读理解能力。
总的来说，Bloomberg GPT并不能证明大模型的门槛真正变低，部分证明了基于开源模型+中等参数训练一个垂直领域有效的模型是可能的。遗留的问题是：1）因为 GPT-4暂时没有开放此类型的能力，未来随着GPT的进化，是Bloomberg数据的稀缺性带来的壁垒更强，还是GPT的能力能突破数据壁垒？2）由于Bloomberg并未放出实际demo，产品效果也有待观察
4 10