編輯｜峰瑞資本
這篇專欄出自李翔和豐叔在「高能量」播客的一次深度對(duì)話。李翔是《詳談》叢書主理人，得到App總編輯。
對(duì)話發(fā)生在4月中旬，負(fù)責(zé)數(shù)據(jù)基礎(chǔ)制度建設(shè)的國家數(shù)據(jù)局成立一月有余，科技巨頭間的AI競(jìng)賽日趨白熱化。
在此背景下，李翔和豐叔暢談一個(gè)多小時(shí)，從文本信息數(shù)據(jù)化說起，以數(shù)據(jù)化為線串起了互聯(lián)網(wǎng)的過去三十年，并試圖解答關(guān)于ChatGPT的一些熱點(diǎn)問題：
為什么現(xiàn)在出現(xiàn)了ChatGPT？往后還會(huì)發(fā)生什么？
在ChatGPT這個(gè)鏈條上會(huì)有哪些重要公司？創(chuàng)業(yè)公司還有機(jī)會(huì)嗎？
還有機(jī)會(huì)做出中國的OpenAI嗎？
第一波人工智能浪潮興起后，有留下什么好的“遺產(chǎn)”嗎？
醫(yī)療、自動(dòng)駕駛領(lǐng)域如何實(shí)現(xiàn)數(shù)據(jù)化？未來會(huì)變成什么樣？
Web3和區(qū)塊鏈熱潮之后，沉淀了什么？
對(duì)話過去已逾半月，據(jù)第一財(cái)經(jīng)5月6日消息，包括百度、阿里、華為、商湯以及科大訊飛等在內(nèi)，中國目前有40多家企業(yè)布局了大模型。膠著競(jìng)爭下，誰能成為這一鏈條的關(guān)鍵公司？
/ 01 /在ChatGPT這個(gè)鏈條上，會(huì)“長”出哪些重要的公司？
李翔：從你的視角來看 ，在ChatGPT這個(gè)鏈條上，會(huì)有哪些重要的公司？只從新聞來看，它可能有OpenAI這樣的開發(fā)模型公司，也可能有英偉達(dá)這樣提供芯片跟算力的公司。李豐：今天來看肯定還是這三類：數(shù)據(jù)、算法和算力。但是最終，他們?cè)趹?yīng)用層會(huì)演化成不同的東西，應(yīng)用層的東西通常比提供基礎(chǔ)設(shè)施的要更大一些，壟斷效應(yīng)更強(qiáng)一些。
大模型做好做大不容易，如果有的話肯定會(huì)是好的應(yīng)用，但它們其實(shí)作為生產(chǎn)力工具，更容易在垂直領(lǐng)域被結(jié)合出來，尤其是需要用對(duì)話流加上博覽群書的專業(yè)抽象內(nèi)容來提供服務(wù)的公司。
比如說，我們投資了專注做在線心理咨詢服務(wù)的Glowe閣樓，線上的心理咨詢師通過和用戶聊天，為用戶提供基礎(chǔ)的心理咨詢服務(wù)。這大概就是通過博覽群書的對(duì)話流專業(yè)服務(wù)來解決問題。
又比如說可以做金融服務(wù)，因?yàn)檫@里需要非常專業(yè)的理財(cái)師，跟用戶進(jìn)行無微不至的談話，一段時(shí)間之后才把用戶隱藏需求比較具象地挖掘出來。
它會(huì)不會(huì)出現(xiàn)像搜索引擎，但又不是搜索引擎，并且提供廣義文本信息、供需匹配更高效率的商業(yè)模式？也許會(huì)有，如果有了，就具有絕對(duì)優(yōu)勢(shì)。李翔：微軟必應(yīng)也在做這樣的嘗試。李豐：對(duì)。有個(gè)有意思的話題，從搜索引擎到頭條到抖音，本質(zhì)上都是文本數(shù)據(jù)的供需匹配。
但是頭條能做成的最大原因，是交互形態(tài)的改變和新設(shè)備的大規(guī)模普及，使輸入和使用場(chǎng)景都跟上一代（如PC、筆記本電腦）有極大的差別。上一代的人沒轉(zhuǎn)過來，百度當(dāng)時(shí)轉(zhuǎn)慢了，才給了頭條這個(gè)機(jī)會(huì)。
這個(gè)“新”是指用戶交互方式的變化、屏幕的變化、物理鍵盤的消失、移動(dòng)場(chǎng)景下多窗口切換以及輸入不方便等。所有這些因素造成了用戶使用拖拉或點(diǎn)選的方式，而不是用鍵盤輸入關(guān)鍵詞，來進(jìn)行了信息篩選。
在此基礎(chǔ)上，一個(gè)新的文本信息供需匹配的商業(yè)模式出現(xiàn)了（我們會(huì)在下文詳細(xì)展開在互聯(lián)網(wǎng)發(fā)展的過程中，由新變化帶來的新的商業(yè)模式）。如果要再做一個(gè)，下一個(gè)應(yīng)該不會(huì)以相同的搜索形態(tài)出現(xiàn)。
/ 02 /還有機(jī)會(huì)做出中國的OpenAI嗎？
李翔：現(xiàn)在越來越多的大公司入局，也會(huì)有一些比較成功的創(chuàng)業(yè)者想要做中國的OpenAI，這些創(chuàng)業(yè)公司還會(huì)有機(jī)會(huì)嗎？李豐：這其中存在幾個(gè)關(guān)鍵要素是變量。
第一個(gè)變量是，會(huì)不會(huì)有好版本的開源？
硬幣有兩面。在巨頭激烈競(jìng)爭的時(shí)候，反而會(huì)有更多更好版本的開源模型出現(xiàn)，這個(gè)時(shí)候，應(yīng)用就會(huì)變得更突出一些。
不做激烈的模型競(jìng)爭，把開源的模型拿過來，站在巨人肩膀上，在自己專業(yè)領(lǐng)域范圍經(jīng)過適當(dāng)調(diào)整、訓(xùn)練和加工，把它變成專業(yè)服務(wù)勞動(dòng)力中的一個(gè)生產(chǎn)力工具，并不能完全把人替代掉。
我們還需要考慮的是，在非算法邏輯的認(rèn)知邏輯上，有沒有加新的“一小跳”的東西？
這一小跳通常是一層窗戶紙?；剡^頭來看，搜索框就是當(dāng)時(shí)的一小跳，它將當(dāng)時(shí)已經(jīng)成熟的用戶習(xí)慣和設(shè)備，結(jié)合當(dāng)時(shí)的算力和算法，相對(duì)準(zhǔn)確地匹配用戶和需求。
比如Alphafold，能夠根據(jù)人們“投喂”的數(shù)據(jù)，智能預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)。對(duì)于Alphafold來說，除了要考慮分子熱力學(xué)模型之外，還要基于生物、化學(xué)、物理等層面的內(nèi)容，來理解分子的結(jié)構(gòu)。
在算法層面之外，Alphafold這個(gè)模型在認(rèn)知層面有了迭代，能夠更好地近似和模擬分子結(jié)構(gòu)?，F(xiàn)在大家對(duì)Alphafold提供的預(yù)測(cè)結(jié)果瞠目結(jié)舌，因?yàn)樗咏诎l(fā)現(xiàn)了人們未曾發(fā)現(xiàn)過的蛋白質(zhì)結(jié)構(gòu)。李翔：打個(gè)比方，你說電動(dòng)車到底難不難，你說它不難，很難解釋說特斯拉之前就一直沒有人把這個(gè)事情證明是可行的、靠譜的。你說它很難，你也解釋不了特斯拉之后，中國出現(xiàn)了“蔚小理”。李豐：這個(gè)例子也合適，雖然它更像是物理科技。這里邊需要有非常多的非算法知識(shí)和某些抽象層面的認(rèn)知邏輯進(jìn)到了算法里并且融合成算法，使它進(jìn)步。這些事情非常跨領(lǐng)域、跨知識(shí)，需要靈感，要求非常高。
/ 03 /人工智能的浪潮后，有留下什么好的“遺產(chǎn)”嗎？
李翔：2016年前后有一波人工智能浪潮，很多資金投入到這個(gè)行業(yè)，也出現(xiàn)了很多優(yōu)秀的人工智能創(chuàng)業(yè)公司。今天來看，大量資金投入后，有留下什么好的遺產(chǎn)嗎？李豐：在技術(shù)出現(xiàn)新的投資浪潮時(shí)，我們簡單把它總結(jié)為兩波，第一波叫“值錢的時(shí)候不賺錢”，第二波叫“賺錢的時(shí)候不值錢”。
我們以大數(shù)據(jù)行業(yè)為例。2012-2013年，不管是在美國還是在中國，大數(shù)據(jù)都是超級(jí)熱的投資概念。今天大數(shù)據(jù)已經(jīng)不時(shí)髦了，但經(jīng)過這10年的發(fā)展，大數(shù)據(jù)行業(yè)具有了一定規(guī)模，并且有些公司比較賺錢，存活下來了。
一個(gè)新技術(shù)發(fā)生并且變成投資熱潮的時(shí)候，往往是它不賺錢的時(shí)候。等它嵌到應(yīng)用場(chǎng)景里，這個(gè)技術(shù)的普及性就提高了，變成了某種意義上的生產(chǎn)力工具，就值錢了。比如最早發(fā)明電的時(shí)候，大家可以無限想象，但當(dāng)時(shí)很難落地。愛迪生發(fā)明出電燈泡后，當(dāng)它賺很多錢且普及開來的時(shí)候，電燈泡已不是令人激動(dòng)的技術(shù)創(chuàng)新了。李翔：單純就GPT和大模型而言，投資界對(duì)它的態(tài)度是什么樣的？李豐：一部分投資人對(duì)之賦予了巨大的熱情和信任，還付諸了行動(dòng)；一部分投資人對(duì)之持整體偏保守和冷靜的態(tài)度；還有一部分比較積極且縝密地在看，但是還沒有到說服自己過投資門檻的程度。不同態(tài)度的投資人可能差不多各占1/ 3。
/ 04 /從數(shù)據(jù)化這個(gè)維度來看，為什么今天出現(xiàn)了ChatGPT？
往后還會(huì)發(fā)生什么？
李豐：我們?cè)谕顿Y時(shí)，經(jīng)常會(huì)關(guān)注“為什么是今天”、“為什么發(fā)生了”以及“往后還會(huì)發(fā)生什么”。那么GPT是如何一路走到今天的？
從谷歌開始用搜索關(guān)鍵詞為用戶尋找對(duì)應(yīng)的內(nèi)容，到ChatGPT通過對(duì)話為人們梳理內(nèi)容，人工智能在理解和認(rèn)知文本上已經(jīng)獲得了巨大進(jìn)步。
我們可以從信息數(shù)據(jù)化這個(gè)維度，來理解近幾十年，與互聯(lián)網(wǎng)相關(guān)的各種商業(yè)模式和以后可能會(huì)出現(xiàn)的變化。
過去30年，互聯(lián)網(wǎng)最大貢獻(xiàn)之一，是把大量的文本信息變成了文本數(shù)據(jù)。
文本數(shù)據(jù)化過程中，最大的贏家和貢獻(xiàn)者是微軟。微軟借助鼠標(biāo)加鍵盤加圖形化操作系統(tǒng)，讓足夠多的人把文本變成數(shù)據(jù)。
下一步，怎么滿足人們對(duì)于信息的需求？這方面的贏家就是門戶網(wǎng)站，國外最成功的公司之一就是雅虎。雅虎將已經(jīng)被數(shù)據(jù)化的文本信息，用人工的方法進(jìn)行編輯、分類。
上網(wǎng)的人越來越多，貢獻(xiàn)文本數(shù)據(jù)的人也越來越多，在這個(gè)基礎(chǔ)上就出現(xiàn)了BBS。論壇在中國尤為典型，大家在更小的版面內(nèi)進(jìn)行內(nèi)容生產(chǎn)和內(nèi)容消費(fèi)。
當(dāng)互聯(lián)網(wǎng)上文本數(shù)據(jù)太多了之后，搜索排序排得不好時(shí)，甚至要在十幾頁后，用戶才能找到想要的信息。
這種情況下，從文本數(shù)據(jù)化供需關(guān)系上來看，社交網(wǎng)絡(luò)的出現(xiàn)，提供了另外一個(gè)解決方案，就是提供了用戶想要的某類信息。比如海外的Facebook、Twitter，本土的人人網(wǎng)、新浪微博等平臺(tái)，為用戶提供了海量、個(gè)性化的信息。
再后來，文本數(shù)據(jù)化的程度、總量和規(guī)模到非常大時(shí)，人工分類越來越難、越來越低效。這時(shí)就要機(jī)器介入，給有需求的人匹配最合適的內(nèi)容。
迭代的過程無非是這三件事，上層是數(shù)據(jù)，中間是算法，底下是算力。被算法學(xué)習(xí)調(diào)教的主要對(duì)象——數(shù)據(jù)開始大量增長，于是就給算法提升的訓(xùn)練空間越來越大。
在算法層面，典型的比較成功的應(yīng)用就是Google。Google 作為搜索引擎，有兩個(gè)非常有意思和重要的貢獻(xiàn)。
第一個(gè)貢獻(xiàn)是搜索框，它讓你把想要的東西抽象成一個(gè)詞或幾個(gè)詞，計(jì)算機(jī)得到了需求，再尋找所有現(xiàn)存的文本數(shù)據(jù)來匹配。
第二個(gè)貢獻(xiàn)是排序。在算法層面，可以找到各種各樣的詞，但哪個(gè)是跟你相關(guān)的、重要性高的？它引入了一個(gè)合理的認(rèn)知邏輯就是相關(guān)性排序。它這個(gè)相關(guān)性最早的時(shí)候跟科學(xué)論文一樣。李翔：是論文的引用次數(shù)。李豐：對(duì)，相當(dāng)于網(wǎng)頁的鏈接次數(shù)。這種排序其實(shí)是有意思的進(jìn)步，和應(yīng)用貼合得很緊。
我們從最早的那個(gè)邏輯線開始，是先完成了數(shù)據(jù)化，在某種意義上開始進(jìn)入自動(dòng)化加部分的智能化。跳到今天的GPT，現(xiàn)在文本信息已經(jīng)有超高的比例和量被做成了文本數(shù)據(jù)，跟 20 年前相比是巨大的量級(jí)飛躍，所以它訓(xùn)練出來的模型非常智能。
這件事還會(huì)再進(jìn)化嗎？
會(huì)的。這個(gè)過程中還有一個(gè)跟 Google 類似的變遷節(jié)點(diǎn)——注意力模型的引入。簡單來講，可以把注意力模型理解為關(guān)注到特定部分，而不是整體，給予它不同的優(yōu)先級(jí)或者資源支持。
在先解決數(shù)字化，再解決部分意義上機(jī)器的自動(dòng)化、智能化的過程當(dāng)中，除了算法本身的數(shù)理邏輯演進(jìn)外，如果在這個(gè)過程中還有新的認(rèn)知邏輯被引入，加上底層算力的持續(xù)進(jìn)步，再加上更海量數(shù)據(jù)的不停訓(xùn)練，它就會(huì)產(chǎn)生出跳躍的小臺(tái)階。比如我們之前提到的Alphafold，不僅有算法層面的革新，還引入了生物、物理、化學(xué)等多領(lǐng)域知識(shí)。李翔：我想提供另外一種視角，來理解文本數(shù)字化的演進(jìn)過程。無論是從內(nèi)容生產(chǎn)，還是內(nèi)容分發(fā)而言，我整個(gè)職業(yè)生涯都受到了文本數(shù)字化的沖擊。
從內(nèi)容生產(chǎn)角度，與紙媒相比，最開始門戶時(shí)代的內(nèi)容生產(chǎn)者仍然是人，網(wǎng)站編輯把已經(jīng)生產(chǎn)出來的文本內(nèi)容數(shù)字化后，搬到網(wǎng)頁上。
往后演進(jìn)，生產(chǎn)這一端就出現(xiàn)了大的變化?；ヂ?lián)網(wǎng)把內(nèi)容生產(chǎn)門檻降低了，用戶開始生產(chǎn)內(nèi)容。這個(gè)時(shí)候也對(duì)應(yīng)出現(xiàn)了博客等新形態(tài)的內(nèi)容形式，門戶網(wǎng)站也開始把博客內(nèi)容整合起來。AIGC出現(xiàn)之前，內(nèi)容生產(chǎn)仍然是機(jī)構(gòu)和個(gè)人。
分發(fā)方面，搜索把內(nèi)容重新組織，然后分發(fā)。又出現(xiàn)了通過社交關(guān)系分發(fā)，也就是分發(fā)邏輯變成社交網(wǎng)絡(luò)，然后出現(xiàn)了社交媒體的說法，如微博、 Twitter。之后，變成了機(jī)器分發(fā)，出現(xiàn)了今日頭條、抖音等。
如今內(nèi)容生產(chǎn)端又出現(xiàn)了一個(gè)特別大的躍遷，就是ChatGPT。它讓AI生產(chǎn)的內(nèi)容不再“小兒科”，不少人說它在很多方面輸出的內(nèi)容已經(jīng)不輸本科生了。這種先進(jìn)的內(nèi)容生產(chǎn)方式，再跟先進(jìn)的內(nèi)容分發(fā)方式結(jié)合起來，可能會(huì)出現(xiàn)非常先進(jìn)的商業(yè)模式。
/ 05 /數(shù)據(jù)化如何成就了蘋果、微信、抖音？
李豐：我們剛才講的底層全都是基于文本，某種意義上來看，比較重要和厲害的算法和模型還是要到視覺信息上。
剛才舉了注意力模型的例子。我們?cè)谔幚硪曈X信息的時(shí)候，顯然很好地運(yùn)用了注意力模型。一眼看過去，雖有無數(shù)東西，但我有焦點(diǎn)，知道此刻最重要的事情、需要觀察的對(duì)象到底在哪里。這些“無意識(shí)”的行為，已經(jīng)需要比較復(fù)雜、高級(jí)的認(rèn)知。
沒有任何人天生就會(huì)打字，但在今天，小朋友直接用智能手機(jī)上的交互手段就能找到、做到他想要的事情，這和打字是完全不一樣的。拖拽、上下滑等手勢(shì)操控，相對(duì)于文本數(shù)據(jù)化過程中的打字。
最直接的變化就是，用戶依靠視覺可以理解的部分、用直覺控制就可以完成這個(gè)過程。
某種意義上，所有的算法、算力和數(shù)據(jù)的迭代，最難的部分還是要解決各種各樣跟視覺化有關(guān)的信息。
李翔：這也是當(dāng)時(shí)虛擬現(xiàn)實(shí)，包括元宇宙概念出現(xiàn)后，那么多人非常興奮的一個(gè)重要原因。因?yàn)樗_實(shí)不是單純的一維文字互聯(lián)網(wǎng)，也不是單純的二維視頻或圖片的互聯(lián)網(wǎng)。李豐：對(duì)。為什么當(dāng)我們把文本信息變成了數(shù)據(jù)之后，會(huì)產(chǎn)生這么多巨大無比的公司？因?yàn)樾畔⒌钠ヅ?，相?duì)于數(shù)據(jù)的匹配難很多。信息一旦被數(shù)據(jù)化之后，獲取信息的成本變得極其低或者幾乎為0，而信息的流動(dòng)性近乎無窮。
在這個(gè)基礎(chǔ)上，誰能正向促進(jìn)或利用了流動(dòng)成本為0，而流動(dòng)性無窮大，并且在這里完成某種類型的普及或兩種中的任何一種撮合，都會(huì)成為超級(jí)厲害的公司。
再往下，到了熱鬧的移動(dòng)互聯(lián)網(wǎng)階段。智能手機(jī)增加了很多“諾基亞時(shí)代”沒有的東西，比如麥克風(fēng)陣列、跟聲音有關(guān)的芯片、背向光學(xué)可變焦高清攝像頭、GPS芯片……
這些東西是誰先把它集成起來的？
蘋果。蘋果把原來沒有被數(shù)據(jù)化過的新信息——位置、較高質(zhì)量的音頻、較好的視覺信息變成數(shù)據(jù)。這個(gè)過程普及后，蘋果就和當(dāng)年微軟一樣，成為極其重要的節(jié)點(diǎn)。這是第一步。
第二步，我們知道的所有移動(dòng)互聯(lián)網(wǎng)上的超級(jí)應(yīng)用，沒有例外，大概率在發(fā)展中都借助了數(shù)據(jù)化的基礎(chǔ)設(shè)施。
今天的美團(tuán)來自于兩個(gè)公司，一個(gè)是大眾點(diǎn)評(píng)，它讓中小商戶愿意把自己的信息變成數(shù)據(jù)放在互聯(lián)網(wǎng)上，另一個(gè)是美團(tuán)，它讓消費(fèi)者把需求數(shù)據(jù)化。
微信則利用了超高質(zhì)量的通信數(shù)據(jù)，或者叫語音數(shù)據(jù)，進(jìn)行了語音數(shù)據(jù)在人和人之間的傳遞和匹配。
抖音通過高清光學(xué)攝像頭，把視覺信息變成了視覺數(shù)據(jù)。消費(fèi)者得到了完全不同的體驗(yàn)，并且得到了高效的內(nèi)容供給與匹配。
我在10年前投過B站。我們?cè)诜治鯞站時(shí)，有個(gè)有意思的現(xiàn)象，中國沒有自己的YouTube。當(dāng)時(shí)，中國的視頻行業(yè)在人才供給和數(shù)據(jù)供給兩端都不成熟。而B站干回了文本數(shù)據(jù)化的事，除了底層影像之外，大家主要在當(dāng)時(shí)消費(fèi)的是彈幕，也就是文本數(shù)據(jù)。
/ 06 /醫(yī)療、自動(dòng)駕駛領(lǐng)域如何實(shí)現(xiàn)數(shù)據(jù)化？
未來會(huì)變成什么樣？
李豐：在醫(yī)療、自動(dòng)駕駛領(lǐng)域，也有典型的數(shù)據(jù)化的例子。
過去15年，我們可以簡單總結(jié)為，新藥研發(fā)的主要進(jìn)展大多發(fā)生在腫瘤致病基因的發(fā)現(xiàn)，以及腫瘤治療上。
這個(gè)過程是怎么發(fā)生的？它是由于第二代基因測(cè)序儀的發(fā)明與普及。
基因測(cè)序儀可以把基因信息變成基因數(shù)據(jù)，完成對(duì)基因信息的數(shù)據(jù)化?？茖W(xué)家們可以利用大量新出現(xiàn)的基因數(shù)據(jù)，進(jìn)行科學(xué)發(fā)現(xiàn)。相當(dāng)于門戶網(wǎng)站把文本數(shù)據(jù)分門別類，供足夠多的消費(fèi)者來消費(fèi)和瀏覽。
醫(yī)療行業(yè)如果繼續(xù)在數(shù)據(jù)化這條線上演進(jìn)，會(huì)出現(xiàn)哪幾種可能的趨勢(shì)？對(duì)于投資有什么樣的啟示？
我只想到了其中一部分。
第一，由于儀器設(shè)備的進(jìn)步，數(shù)據(jù)化能力的提升，人們會(huì)收集到更高通量、更快速度和更全面的信息。細(xì)胞中呈現(xiàn)出的細(xì)微差異，可能就是致病的決定因素。
峰瑞已投企業(yè)新格元Singleron所切入的單細(xì)胞測(cè)序，從單個(gè)細(xì)胞層面，發(fā)現(xiàn)基因的輕微變化。就像電腦，當(dāng)CPU變得越來越好之后，就能處理更精細(xì)、更復(fù)雜的信息。
第二，隨著醫(yī)療行業(yè)數(shù)據(jù)化程度提高，致力于發(fā)現(xiàn)數(shù)據(jù)之間關(guān)系的科學(xué)家可能就逐漸“不夠用了”。未來，醫(yī)療行業(yè)會(huì)不會(huì)演進(jìn)到，計(jì)算機(jī)通過數(shù)據(jù)和算法，直接預(yù)測(cè)出基因組信息所揭示出的，和治療疾病有關(guān)的分子以及治療藥物的形態(tài)？
峰瑞已投企業(yè)晶泰科技、劑泰科技目前在制藥的部分環(huán)節(jié)利用了數(shù)據(jù)化，理想情況下是發(fā)展到全流程智能化的程度。
智能化意味著自覺地把所有數(shù)據(jù)都發(fā)現(xiàn)出來。就像互聯(lián)網(wǎng)的信息增多之后，出現(xiàn)了Google搜索平臺(tái)，人們想找什么信息，平臺(tái)就提供什么。
第三，當(dāng)收集生命體征的數(shù)據(jù)設(shè)備越來越強(qiáng)之后，變得小型化、家用化、輕量化甚至隨身化。設(shè)備變化背后，會(huì)不會(huì)又能幫助我們收集新的數(shù)據(jù)類型？
隨著光電、微流控等技術(shù)的發(fā)展，智能手表已經(jīng)能測(cè)脈搏和血氧了。峰瑞已投企業(yè)心永科技，通過可穿戴設(shè)備，實(shí)現(xiàn)連續(xù)血壓檢測(cè)。彭博社記者爆料稱，蘋果可能將為Apple Watch配備無創(chuàng)血糖監(jiān)測(cè)功能。
當(dāng)信息設(shè)備從電腦轉(zhuǎn)向手機(jī)，衍生出了很多新的模式。那么在醫(yī)療領(lǐng)域，生物體征信息的數(shù)據(jù)化，也會(huì)帶來商業(yè)模式的改變，就像基因測(cè)序儀給新藥研發(fā)行業(yè)帶來變革一樣。
生命體征數(shù)據(jù)化，還能助力解決中國的養(yǎng)老問題。當(dāng)設(shè)備能夠及時(shí)監(jiān)測(cè)居家老人的健康狀態(tài)，子女以及醫(yī)護(hù)人員就能按需而動(dòng)，而不是全天要有人守著老人。
另一個(gè)有意思的例子，也是當(dāng)下熱門的領(lǐng)域——自動(dòng)駕駛。
從2015年開始到今天，自動(dòng)駕駛?cè)匀幻媾R一定挑戰(zhàn)，尤其是到L4以上級(jí)別的（L1到L3可以理解為“人機(jī)共駕”，L4則意味著無人駕駛）。其中有一部分原因是車上的智能化程度和傳感器都還不夠多，汽車系統(tǒng)無法充分掌握此刻的車、周圍的環(huán)境、其他的車輛是個(gè)什么狀況。
想象一下，如果今天我們把新車都裝上了很多傳感器，激光雷達(dá)的、視覺的、定位的……我們就把車狀態(tài)、路況、環(huán)境等大量信息進(jìn)行了數(shù)據(jù)化，算法和算力就可以在數(shù)據(jù)輸入、反饋、評(píng)價(jià)的基礎(chǔ)上，進(jìn)行迭代，從而實(shí)現(xiàn)自動(dòng)駕駛。
總結(jié)來看，無論是移動(dòng)互聯(lián)網(wǎng)里的美團(tuán)點(diǎn)評(píng)、微信、抖音，還是AI制藥、自動(dòng)駕駛，這些都是信息數(shù)據(jù)化的積累過程當(dāng)中出現(xiàn)的商業(yè)模式。我們可以用數(shù)據(jù)化這條線，來理解如今的超級(jí)應(yīng)用、超級(jí)公司。李翔：AIGC、ChatGPT，相當(dāng)于在內(nèi)容供給側(cè)發(fā)生了特別大的變化。幾乎每一次豐富供給、創(chuàng)造新供給、提高匹配效率，都會(huì)創(chuàng)造新的商業(yè)模式。李豐：回到剛才我們總結(jié)那個(gè)基礎(chǔ)邏輯上，要不然是在中早期的時(shí)候大規(guī)模地普及了某種信息的數(shù)據(jù)化，要不然就是在數(shù)據(jù)化的基礎(chǔ)完成之后，如何提高匹配效率。當(dāng)技術(shù)上的進(jìn)展不足以提高數(shù)據(jù)匹配效率時(shí)，就用其他方法來提升效率。
微軟是普及文本數(shù)據(jù)化的最核心公司，如果回看當(dāng)初，除了瀏覽器，微軟應(yīng)該早些布局搜索。在這個(gè)基礎(chǔ)上，微軟加入跟谷歌的戰(zhàn)爭，從勝率上來看，它有一定的基礎(chǔ)。
微軟也是這條發(fā)展軸上的關(guān)鍵玩家，不管是在雅虎的時(shí)代，還是在瀏覽器時(shí)代、搜索引擎時(shí)代，它都花了非常大力氣追趕。
但這些商業(yè)模式具有明顯的馬太效應(yīng)，后來者往往很難超越。今天假定供需撮合模式在文本信息上有新的變化，微軟從數(shù)據(jù)總量以及其對(duì)這個(gè)軸上的事情的理解和積累來看，也許有機(jī)會(huì)重新做成文本數(shù)據(jù)撮合效率這條主軸上的關(guān)鍵公司。李翔：微軟的厲害之處在于始終在這條軸線上，即使不是那個(gè)領(lǐng)先者，也始終跟在后面。
/ 07 /Web3和區(qū)塊鏈熱潮之后，沉淀了什么？
李豐：談到Web3和區(qū)塊鏈，我比較關(guān)注的是，在這一輪熱潮之后，到底沉淀了什么？
10多年前，投資Coinbase和Ripple天使輪時(shí)，我在IDG內(nèi)部做了兩次PPT，來講一個(gè)邏輯——為什么要投數(shù)字貨幣？
答案比較明確，我們往后無窮遠(yuǎn)地想，越來越多的東西被數(shù)據(jù)化之后，在某一個(gè)行業(yè)或者在某一個(gè)鏈條上幾乎都高度數(shù)據(jù)化之后，數(shù)據(jù)化就不僅僅只是解決信息匹配，它很有可能要解決權(quán)益的流動(dòng)、交易的問題。
在這種情況下，以往分配利益或者進(jìn)行交易、結(jié)算的機(jī)制，就會(huì)出現(xiàn)效率上的問題。
直到這一輪之前，數(shù)字貨幣領(lǐng)域，在今天被認(rèn)為還比較成功的公司，大多都存在于數(shù)字貨幣交易的閉環(huán)里。不管你做的是錢包、交易還是提供交易撮合的工具或金融產(chǎn)品，數(shù)字貨幣以及交易本身就是全數(shù)字化的閉環(huán)，最容易用到數(shù)字化和新結(jié)算方法。
2013年，硅谷涌起了第一波數(shù)字貨幣浪潮，無數(shù)創(chuàng)業(yè)公司在嘗試把各種各樣的事情，有的甚至想把比特幣提款機(jī)做成商業(yè)模式。
但后來一些公司沒能得到發(fā)展，主要因?yàn)樗鼈兪亲觥鞍腴_環(huán)”的應(yīng)用。某些環(huán)節(jié)需要人為強(qiáng)行地，把線下的某些東西轉(zhuǎn)換到線上來。在半開環(huán)的商業(yè)模式中，除了效率、成本等問題，還有誠信等問題。
今天看Web3，我們往最遠(yuǎn)處想，如果最終有足夠多的行業(yè)、鏈條數(shù)字化程度足夠高，交易之外，組織管理、溝通形態(tài)這些，從效率和成本上看，也會(huì)跟當(dāng)下不一樣。所有這些高度數(shù)字化的行業(yè)中，就會(huì)用新的公司形態(tài)、新的管理方法、新的溝通工具，也會(huì)用新的交易和交換以及權(quán)益方法。
10多年前，我非常難解釋虛擬貨幣到底是怎么回事時(shí)，用的一個(gè)例子是P2P下載。P2P下載就是借別人的計(jì)算機(jī)暫時(shí)不用的算力，當(dāng)成一個(gè)并行下載的節(jié)點(diǎn)，來加速下載，極度地節(jié)省了網(wǎng)絡(luò)資源、提高了下載速度，迅雷就是其中的典型公司。
但P2P下載沒有誕生出成功的大公司，部分原因是它沒法確立經(jīng)濟(jì)利益模式：貢獻(xiàn)的算力、得到的東西很難被正確和完整地衡量經(jīng)濟(jì)價(jià)值。所以最后很多這類應(yīng)用最終變成了盜版下載工具，因?yàn)椴缓米匪荨?/p>
如果數(shù)字貨幣早發(fā)生10年，那當(dāng)時(shí)的P2P下載就可以完美使用數(shù)字貨幣，利用去中心化結(jié)算方法來進(jìn)行的新交易、新商業(yè)模式。它能夠瞬間完成大量的計(jì)量結(jié)算，并且在貢獻(xiàn)發(fā)生時(shí)，就把錢給了貢獻(xiàn)者。這種事在任何一個(gè)現(xiàn)實(shí)世界里，都很難出現(xiàn)，所以這是個(gè)小閉環(huán)。李翔：我有時(shí)候也在想，有了數(shù)字貨幣和區(qū)塊鏈技術(shù)之后，我們就可以給那些以往沒辦法去激勵(lì)貢獻(xiàn)值的一方給予激勵(lì)。但有時(shí)候也會(huì)想，如果維基百科已經(jīng)應(yīng)用了數(shù)字貨幣和區(qū)塊鏈技術(shù)，給它的內(nèi)容貢獻(xiàn)者以激勵(lì)，很有可能是不是就不會(huì)再有維基百科了？李豐：第一，很多行業(yè)、模式一旦進(jìn)入了閉環(huán)數(shù)字化或者全鏈條數(shù)字化之后，它確實(shí)有壟斷性，變成了越大越好，越好越大。
第二，一旦進(jìn)入數(shù)據(jù)化之后，它權(quán)益的分配、交易的確認(rèn)、組織管理和溝通協(xié)調(diào)等所有的機(jī)制都可能發(fā)生變化，來匹配這個(gè)難以想象的效率提升。