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：

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。