中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

在每一次的技術浪潮中，初創企業和現有企業在價值、營收、估值、利潤以及人才等多個維度各不相同， 一部分浪潮中初創企業是100%的受益者，另一部分浪潮中現有企業是主要的受益者。本文總結了三波Web浪潮的價值分配，以及對第一、二波AI浪潮進行了分析，一起來看一下吧。

2022 年 11 月 30 日，OpenAI 發布了名為 ChatGPT 的 AI 對話模型，它是 InstructGPT 的衍生模型，是根據 GPT-3.5 系列中的一個模型微調而來的，于 2022 年初完成訓練。ChatGPT 不僅可以解釋代碼，編寫內容腳本，也可以通過對話式回答找到你想問的內容，感興趣的朋友可以在 OpenAI 官網體驗一下，比如我嘗試讓 ChatGPT 創作一篇關于 Steve Jobs 和 Elon Musk 的虛構小說，內容如下：

沒想到故事的最后，SpaceX 和 Apple 居然合并了，喬老爺看了都要流下激動的淚水……言歸正傳，本期分享給讀者朋友們的是編譯自硅谷連續創業者 & 投資人 Elad Gil 的一篇文章《AI: Startup Vs Incumbent Value》，他也是硅谷最多產且管理規模最大的 Solo Capitalist，一個人掌管 6.2 億美元的基金，先后投中 Airbnb、Stripe、Pinterest、 Instacart、Coinbase 、Notion、Figma 以及 Airtable 等知名獨角獸。

Source：Angel.co

文中 Elad 談到了在每一次技術浪潮中，初創企業（Startup）和現有企業（Incumbent）在價值、營收、估值、利潤以及人才等多個維度各不相同，在一部分浪潮中初創企業是 100% 的受益者，在另一部分浪潮中現有企業是主要的受益者，Elad 認為上一波 AI 浪潮主要的受益方是現有企業。這篇文章主要分為 4 個部分闡述他的觀點：

1）三波 Web 浪潮的價值分配

2）第一波 AI 浪潮并不友好

1. 十倍優勢才有機會
2. 數據先發優勢在縮小
3. 難度系數大的賽道

3）第二波 AI 浪潮的新發現

1. 橫跨多個領域
2. 新的基礎設施
3. 新的應用案例

4）寫在最后

1. 專注需求與市場
2. 規?；膯栴}

01 三波 Web 浪潮的價值分配

為了方便理解，我用Web1.0、Web2.0以及Web3.0 代指互聯網的 3 波浪潮：

Web1.0

70～80%的紅利都被當時的新興企業，如 Google、Amazon、Paypal、Ebay、Salesforce、Facebook、Netflix 等獲得，而剩下的紅利則被 Microsoft、Apple、IBM、Oracle 和 Adobe 等當時的明星企業獲得，后者們將自己的競爭優勢（特許經營權）延伸到了蓬勃發展的互聯網浪潮中。

Web2.0

80%的價值被同期的現有企業獲取，如 Apple、Google 以及其它 Web1.0 時代成立的企業，即基于 iOS 和 Android 系統上的相關賽道企業，如支付、企業服務、即時通信、社交和流媒體等，同賽道也相繼出現了新的玩家，例如 Whatsapp 和 Instagram，以及一些新賽道如 O2O 領域，相繼出現 Uber、Doordash 和 Instacart 等初創企業，這個比例大概是 8:2。

Web3.0

加密貨幣領域幾乎 100% 被新的初創企業所占據，例如 BTC、ETH、Coinbase、Binance 和 FTX 等，金融服務和基礎設施方面的現有企業很少參與或創造價值，或許現有企業中的最大受益者是提供挖礦芯片的 AMD 或 Nvidia 等半導體企業。

02 第一波 AI 浪潮并不友好

Elad 認為機器學習領域的情況比較奇怪，第一波浪潮中的機會，例如 CV（機器視覺）、RNNs（循環神經網絡）、CNNs（卷積神經網絡）、早期的 GANs （對抗神經網絡）以及 ML（深度學習）基本歸于現有企業。

1）傳統賽道

雖然過去十年里相繼出現了很多種細分領域 AI 表現第一的企業，但是真正實現落地和良好商業化的還是現有的科技大廠們，例如 Google & Facebook（新聞與廣告）、Netflix（影片推薦）以及 Amazon（Alexa）等，Bytedance 雖然 Elad 有提到，但我認為這是少有抓住第一波 AI 浪潮并迅速崛起的初創企業。

2）新興賽道

Elad 認為第一波 AI 浪潮中的最大成果應該是自動駕駛，但自動駕駛賽道中的許多明星公司實際上是許多現有企業的子公司，例如 Google 旗下的 Waymo、通用旗下的 Cruise 以及特斯拉的自動駕駛團隊。

那么為什么第一波 AI 浪潮中，初創企業的占比那么低呢？Elad 列了三個假說：

1. 十倍優勢才有機會

Elad 提到的第一種假設是，對于某些產品來說，第一波 AI 浪潮中許多企業雖然創造了更好的新產品/服務，但這些新產品/服務并沒有好到一下子擊敗現有競爭者的程度。

進一步說，現有的競爭者擁有在渠道、資本和產品方面的護城河/壁壘，想要擊穿這些護城河/壁壘，就需要初創企業提供前者無法提供的產品/服務，且這種優勢能達到 10 倍的差距，上一波的初創企業在某些情況下雖然提供了好的產品/服務（0.5～3 倍），但稱不上偉大，產品上的差異化也不明顯。

2. 數據先發優勢在縮小

目前而言，AI 的許多大規模落地場景仍然聚焦在 C 端場景，而相關的企業擁有大量積累的數據來進行采集訓練，例如 Google、Facebook 和 Uber 等；此前的 AI 浪潮中，現有企業依靠積累的數據具備先發優勢，但這種優勢正在縮小乃至消失。

因為許多互聯網大廠通過更廣泛的網絡數據作為初始訓練集來訓練一個通用的大模型，但往往在真實的業務場景中需要更加精細與匹配的數據，此前一波 AI 浪潮中海量數據更重要，但目前而言，機會或許正在向天枰的另一邊的初創企業傾斜。

3. 難度系數大的賽道

Elad將 AI 可落地的賽道分為兩類，第一類是從現有企業所在的市場 AI 升級而來，部分初創企業選擇這種競爭方式，但是總的來說勝率大概是 50%，參考 Slack 與 Teams 的產品競爭，后者依靠 Microsoft 積累的大量客戶仍有可能打敗新的玩家。

后來的故事大家也都知道了，Slack 最終在去年 7 月被 Salesforce 以 277 億美元收購，Salesforce 依然是 Web1.0 發展至今的大玩家之一，這項收購補齊了 Salesforce 業務的短板，也能幫助 Slack 灌輸大量的新客戶。第二類則是結構上講不容易應用的市場，比如教育或者醫療領域，存在市場、監管以及企業內部革新決策上的各種問題；這里 Elad 舉了一個 20 世界 70 年代斯坦讀大學名為 Mycin 的項目，工程師開發了一個專家系統來預測某方面疾病，盡管效果上性能優勢明顯，但項目最終還是未被采用，即某些市場，即使在新技術（如 AI）的加持下性能提升到原先的 10 倍，也可能難以商業化推進下去。

03 第二波 AI 浪潮的新發現

此前，Elad 已經在 AI 領域工作了很長一段時間，關于他個人的詳細介紹，感興趣的童鞋可以閱讀「海外獨角獸」此前發布的專題文章《一個人管6億美元，最強Solo Capitalist轉戰“長壽”賽道》，他的個人經歷如下：

• 2001 年，Elad Gil 獲得 MIT 生物學博士學位，此前獲得加州大學圣地亞哥分校數學以及分子生物學學士學位；
• 2004 年 6 月，加入 Google 擔任產品經理，并組建了移動團隊，參與三項收購，同時也是 Google 地圖的產品經理；
• 2007 年 11 月，Elad 創立 Mixer Labs，后來這家公司被 Twitter 收購；
• 2009 年 12 月，加入 Twitter 擔任企業戰略 VP；
• 2013 年， 與 Othman Laraki 共同創立 Color Genomics，這是一家 Biotech 公司，通過大數據、AI 對癌癥和心臟病等遺傳基因進行檢測，Covid-19 期間還生產了新冠檢測試劑盒，每天處理 15 萬次測試；

憑借多年豐富的產品、技術以及創業經歷，Elad 認為這一波 AI 浪潮與此前的 AlexNet、CNN、RNN、GAN 等有所不同，初創企業在新的一波 AI 浪潮中將占據更大的紅利，原因有三：

1. 橫跨多個領域

Elad 表示當前這一波新的 AI 技術浪潮有一個顯著特點 —— 橫跨多個領域的創新速度正在提速，未來可能有類似 GPT 的語言模型（GPT-4 或者 GPT-N）將以更深入的方式提高 NLP（自然語言處理）與 C 端 / B 端的能力、逼真度以及覆蓋程度，甚至也可能顛覆現有的對話與垂直領域的工作方式，為文本相關的領域進行助力。

除了文本之外，圖像生成、語音到文本、文本到語音、音樂、視頻以及其它領域的進展也正在發生，可以想象圖像生成領域將有 4～5 個明確的商業用例，從更好的設計工具，再到電影故事版制作，而這些場景中哪些是初創企業的機會，哪些有歸功于現有企業，這個 Elad 認為還有待觀察。

由于這一波的技術加成較為顯著，意味著新的創業者和大廠團隊將更容易創造出比以往好 10 倍的產品，這也是 “Why Now ”在技術上的一個顯著變化。

當然，這一技術加成的前提—— GPT-4 （或其它大模型 API 平臺）會比現有的 GPT-3/3.5 有更顯著的性能提升，雖然目前看來 GPT-3 表現很好，但并沒有突破性地成為許多初創企業顛覆現有商業生態的基礎能力。

Elad 的言下之意 —— 一個比 GPT-3/3.5 好上 5～10 被的模型將很有可能創造一個全新的創業生態系統，同時也將增強現有的產品，是一個對增量和存量商業生態都有益的底層能力，而 1.5～2 倍的提升并不足以誕生這樣的創業機會。

2. 新的基礎設施

與上一波 AI 浪潮不同的地方，以基礎設施為中心的公司正在不斷涌現 —— OpenAI、Stability.AI、Hugging Face、Weights 以及 Biases 等等，它們以一種開源 / API 為中心的商業模式快速增長，雖然它們的營收并沒有跟上這種增速。

OpenAI 目前是這個領域的領導者，而在 4 年以前則是 Google 占據著這個位置，這就像是 Xerox PARC 發明了變壓器，為整個行業提供開創性的基礎設施，然后出現一家有代表性的初創公司，如同蘋果一樣推動整個行業的演進。

除了 OpenAI，HuggingFace、Weights 以及 Biases 等初創企業正在為整個 AI 行業提供工具，而現有的開發工具企業到今天都還沒有做到。

3. 新的應用案例

新一波 AI 初創企業似乎在具備高度重復性、高利潤的場景（代碼、營銷文案、網站圖像等），例如營銷文案（Copy.AI 與 Jasper）、圖像生成（Midjourney 與 Stable Diffusion等），以及代碼生成（Github Copilot 與 Replit），新的初創企業正在以不錯的滲透率和增速發展，這在上一波 AI 浪潮中并不存在。

AIGC 相關的文本或圖像生成是有機會的，這是因為新的 AI 相比以前擁有更好的效果；到目前為止，具有這些特征的公司似乎享受到技術的甜頭，其它諸如如語音轉錄、機器人、視頻等領域也都在演進的路上，這將擴大下一代 AI 技術落地。

04 寫在最后

1. 專注需求與市場

從技術角度來講，我們能看到技術的提升明顯，但 Elad 依然提示我們要避免拿著錘子找釘子的問題，對于創業團隊來講更重要的是確定實際的末端用戶需求以及那些未被很好滿足的市場，它們將從這一波 AI 浪潮中受益。隨著技術逐漸成熟，整個行業的引導者從技術建設者（科學家）向產品建設者（創業者與產品經理）轉變，期待能夠看到更多基于 AI 技術且有意思的應用開花結果，如果云計算發展的歷程一般，況且云計算領域當前仍在快速發展。

2. 規?；膯栴}

最后，Elad 提到在比對初創企業與現有企業的價值時，重要的是關注現有企業的體量規模。例如，Google 現在的市值是 1.3 萬億美元，如果增加 10% 那就是 1300 億美元，這相當于是 7 個Figma，4 個 Snowflake，17 個 Github，或是 130 個 Stability.AI ! 現有玩家的市值已經非常大了，即使是小的增長，也將增加整個生態系統或細分市場。鑒于AI可能到來的影響，我們可以想象一個或多個真正大規模的初創公司被創造出來，即使現有企業這次由于累計的優勢與體量規模而獲得大部分紅利，初創企業應該以一種重要的方式參與到新的市場容量和對世界的影響中去；另外，某些細分市場，例如搜索將會首次變得疲軟，Elad從自己多年的行業經驗來看，認為這一次將有更多的初創企業獲得技術發展的紅利。

參考 & 推薦：[1] 《AI: Startup Vs Incumbent Value》，Elad Gil；

免責聲明：在任何情況下，本文信息或表述，不構成任何投資建議；若有侵權，請后臺聯系刪除。