这篇专栏出自李翔和李丰在「高能量」播客的一次深度对话。李翔是《详谈》丛书主理人,得到App总编辑。
对话发生在4月中旬,负责数据基础制度建设的国家数据局成立一月有余,科技巨头间的AI竞赛日趋白热化。
在此背景下,李翔和丰叔畅谈一个多小时,从文本信息数据化说起,以数据化为线串起了互联网的过去三十年,并试图解答关于ChatGPT的一些热点问题:
为什么现在出现了ChatGPT?往后还会发生什么?在ChatGPT这个链条上会有哪些重要公司?创业公司还有机会吗?还有机会做出中国的OpenAI吗?第一波人工智能浪潮兴起后,有留下什么好的“遗产”吗?医疗、自动驾驶领域如何实现数据化?未来会变成什么样?Web3和区块链热潮之后,沉淀了什么?对话过去已逾半月,据第一财经5月6日消息,包括百度、阿里、华为、商汤以及科大讯飞等在内,中国目前有40多家企业布局了大模型。胶着竞争下,谁能成为这一链条的关键公司?
/ 01 /
在ChatGPT这个链条上,
会“长”出哪些重要的公司?
李翔:从你的视角来看 ,在ChatGPT这个链条上,会有哪些重要的公司?只从新闻来看,它可能有OpenAI这样的开发模型公司,也可能有英伟达这样提供芯片跟算力的公司。
李丰:今天来看肯定还是这三类:数据、算法和算力。但是最终,他们在应用层会演化成不同的东西,应用层的东西通常比提供基础设施的要更大一些,垄断效应更强一些。
我只想到了其中一部分。
第一,由于仪器设备的进步,数据化能力的提升,人们会收集到更高通量、更快速度和更全面的信息。细胞中呈现出的细微差异,可能就是致病的决定因素。
峰瑞已投企业新格元Singleron所切入的单细胞测序,从单个细胞层面,发现基因的轻微变化。就像电脑,当CPU变得越来越好之后,就能处理更精细、更复杂的信息。
第二,随着医疗行业数据化程度提高,致力于发现数据之间关系的科学家可能就逐渐“不够用了”。未来,医疗行业会不会演进到,计算机通过数据和算法,直接预测出基因组信息所揭示出的,和治疗疾病有关的分子以及治疗药物的形态?
峰瑞已投企业晶泰科技、剂泰科技目前在制药的部分环节利用了数据化,理想情况下是发展到全流程智能化的程度。
智能化意味着自觉地把所有数据都发现出来。就像互联网的信息增多之后,出现了Google搜索平台,人们想找什么信息,平台就提供什么。
第三,当收集生命体征的数据设备越来越强之后,变得小型化、家用化、轻量化甚至随身化。设备变化背后,会不会又能帮助我们收集新的数据类型?
随着光电、微流控等技术的发展,智能手表已经能测脉搏和血氧了。峰瑞已投企业心永科技,通过可穿戴设备,实现连续血压检测。彭博社记者爆料称,苹果可能将为Apple Watch配备无创血糖监测功能。
当信息设备从电脑转向手机,衍生出了很多新的模式。那么在医疗领域,生物体征信息的数据化,也会带来商业模式的改变,就像基因测序仪给新药研发行业带来变革一样。
生命体征数据化,还能助力解决中国的养老问题。当设备能够及时监测居家老人的健康状态,子女以及医护人员就能按需而动,而不是全天要有人守着老人。
另一个有意思的例子,也是当下热门的领域——自动驾驶。
从2015年开始到今天,自动驾驶仍然面临一定挑战,尤其是到L4以上级别的(L1到L3可以理解为“人机共驾”,L4则意味着无人驾驶)。其中有一部分原因是车上的智能化程度和传感器都还不够多,汽车系统无法充分掌握此刻的车、周围的环境、其他的车辆是个什么状况。
想象一下,如果今天我们把新车都装上了很多传感器,激光雷达的、视觉的、定位的……我们就把车状态、路况、环境等大量信息进行了数据化,算法和算力就可以在数据输入、反馈、评价的基础上,进行迭代,从而实现自动驾驶。
总结来看,无论是移动互联网里的美团点评、微信、抖音,还是AI制药、自动驾驶,这些都是信息数据化的积累过程当中出现的商业模式。我们可以用数据化这条线,来理解如今的超级应用、超级公司。
李翔:AIGC、ChatGPT,相当于在内容供给侧发生了特别大的变化。几乎每一次丰富供给、创造新供给、提高匹配效率,都会创造新的商业模式。
李丰:回到刚才我们总结那个基础逻辑上,要不然是在中早期的时候大规模地普及了某种信息的数据化,要不然就是在数据化的基础完成之后,如何提高匹配效率。当技术上的进展不足以提高数据匹配效率时,就用其他方法来提升效率。
微软是普及文本数据化的最核心公司,如果回看当初,除了浏览器,微软应该早些布局搜索。在这个基础上,微软加入跟谷歌的战争,从胜率上来看,它有一定的基础。
微软也是这条发展轴上的关键玩家,不管是在雅虎的时代,还是在浏览器时代、搜索引擎时代,它都花了非常大力气追赶。
但这些商业模式具有明显的马太效应,后来者往往很难超越。今天假定供需撮合模式在文本信息上有新的变化,微软从数据总量以及其对这个轴上的事情的理解和积累来看,也许有机会重新做成文本数据撮合效率这条主轴上的关键公司。
李翔:微软的厉害之处在于始终在这条轴线上,即使不是那个领先者,也始终跟在后面。
/ 07 /
Web3和区块链热潮之后,
沉淀了什么?
李丰:谈到Web3和区块链,我比较关注的是,在这一轮热潮之后,到底沉淀了什么?
10多年前,投资Coinbase和Ripple天使轮时,我在IDG内部做了两次PPT,来讲一个逻辑——为什么要投数字货币?
答案比较明确,我们往后无穷远地想,越来越多的东西被数据化之后,在某一个行业或者在某一个链条上几乎都高度数据化之后,数据化就不仅仅只是解决信息匹配,它很有可能要解决权益的流动、交易的问题。
在这种情况下,以往分配利益或者进行交易、结算的机制,就会出现效率上的问题。
直到这一轮之前,数字货币领域,在今天被认为还比较成功的公司,大多都存在于数字货币交易的闭环里。不管你做的是钱包、交易还是提供交易撮合的工具或金融产品,数字货币以及交易本身就是全数字化的闭环,最容易用到数字化和新结算方法。
2013年,硅谷涌起了第一波数字货币浪潮,无数创业公司在尝试把各种各样的事情,有的甚至想把比特币提款机做成商业模式。
但后来一些公司没能得到发展,主要因为它们是做“半开环”的应用。某些环节需要人为强行地,把线下的某些东西转换到线上来。在半开环的商业模式中,除了效率、成本等问题,还有诚信等问题。
今天看Web3,我们往最远处想,如果最终有足够多的行业、链条数字化程度足够高,交易之外,组织管理、沟通形态这些,从效率和成本上看,也会跟当下不一样。所有这些高度数字化的行业中,就会用新的公司形态、新的管理方法、新的沟通工具,也会用新的交易和交换以及权益方法。
10多年前,我非常难解释虚拟货币到底是怎么回事时,用的一个例子是P2P下载。P2P下载就是借别人的计算机暂时不用的算力,当成一个并行下载的节点,来加速下载,极度地节省了网络资源、提高了下载速度,迅雷就是其中的典型公司。
但P2P下载没有诞生出成功的大公司,部分原因是它没法确立经济利益模式:贡献的算力、得到的东西很难被正确和完整地衡量经济价值。所以最后很多这类应用最终变成了盗版下载工具,因为不好追溯。
如果数字货币早发生10年,那当时的P2P下载就可以完美使用数字货币,利用去中心化结算方法来进行的新交易、新商业模式。它能够瞬间完成大量的计量结算,并且在贡献发生时,就把钱给了贡献者。这种事在任何一个现实世界里,都很难出现,所以这是个小闭环。
李翔:我有时候也在想,有了数字货币和区块链技术之后,我们就可以给那些以往没办法去激励贡献值的一方给予激励。但有时候也会想,如果维基百科已经应用了数字货币和区块链技术,给它的内容贡献者以激励,很有可能是不是就不会再有维基百科了?
李丰:第一,很多行业、模式一旦进入了闭环数字化或者全链条数字化之后,它确实有垄断性,变成了越大越好,越好越大。
第二,一旦进入数据化之后,它权益的分配、交易的确认、组织管理和沟通协调等所有的机制都可能发生变化,来匹配这个难以想象的效率提升。
来源 | 峰瑞资本 以早期投资为驱动力,并积极布局成长期及中后期的全链条基金管理公司。围绕消费及TMT、硬科技、生物医药三大方向。
相关文章
猜你喜欢