專利和技術築成的“高壁壘”是能夠吸引資本的有利抓手

2024-02-19 18:40:24    編輯: robot
導讀       引言 一轉眼,假期余額告急,我們來聊點輕松的話題。 今天的文章和“增長”有關,適道祝大家在新的一年持續增長! 說到增長回報,近二十年來,規模經濟和網絡效應下的“贏家通喫”一定是大殺四方。...

      引言

一轉眼,假期余額告急,我們來聊點輕松的話題。

今天的文章和“增長”有關,適道祝大家在新的一年持續增長!

說到增長回報,近二十年來,規模經濟和網絡效應下的“贏家通喫”一定是大殺四方。

規模經濟(Economies of Scale),原意是指企業隨着生產規模擴大,平均成本逐漸降低的經濟現象。

但如果按照亞當·斯密賦予的原始含義,你會發現“規模經濟”不僅不會呈現增長遞增,反而會增長遞減。

例如,一家培訓機構招了1名老師,5名學生。隨着招生規模擴大,學生變成了20名。假設1名老師的精力有限,最多只能教20名學生。此時,培訓機構達到了“規模”極限。如果繼續擴大招生,培訓機構還要再僱1名老師,從而承擔更多的成本。

在這種情況下,增長從“規模經濟”變成了“規模不經濟”。最終市場競爭達到動態平衡,每家企業都依據自身競爭力,獲得相應的市場份額。

但這似乎與我們認知中的“贏家”世界不同。

原因在於,以知識爲基礎的經濟世界,產品爲知識密集型,自然資源比重小,可以實現遞增收益。例如,微軟公司花了5000萬美元研發出Windows系統第一張軟盤,而第二張和隨後的軟盤只需花費3美元。而且,單位成本隨銷售量增長而降低。

誰能先佔領高地,並通過早期用戶的正反饋快速迭代,誰就可能以“微弱的優勢”喫下整個市場,實現“贏家通喫”。

當這個現象疊加互聯網時代的“網絡效應”,“贏家通喫”被進一步放大。

網絡效應(Network Effect),指某種產品(或服務),每增加一名用戶,都會對該產品的其他用戶產生新的價值。最典型的例子是電話,世界上裝電話的人越多,能通話的人就越多,電話的價值也就越大。

但電話只是初代網絡效應——“直接網絡效應”。

互聯網時代則是“交叉網絡效應”的天下——一個平台上,至少有一組相互依附,但利益不同的用戶。例如某寶的买家和賣家;某程的酒店和房客;某滴上的司機和乘客;某紅書的博主和粉絲。

平台的作用就是幫雙邊(多邊)用戶牽上紅线,織出千絲萬縷的網絡。哪個平台“紅线”牽得越到位,就越讓用戶着迷。例如,字節的算法推送就建立在這一邏輯上。

同時,因爲APP復制的成本幾乎可以忽略不計,邊際成本接近於零,規模經濟進一步放大,贏家進而喫掉整個市場。

得益於規模經濟+網絡效應的雙重buff,我們聽過最波瀾壯闊的創業故事幾乎都發生在互聯網時代。

趁着放假,適道再次閱讀了Brian Arthur在1996年發表的經典論文《Increasing Returns and the New World of Business》(收益遞增與商業新世界)。論文介紹了知識密集型產品的“規模經濟”和彼時的新生理論“網絡效應”。其意義之重大,甚至改變了硅谷的遊戲規則。

但正如Arthur在文中質疑Alfred Marshall於1890s提出的收益遞減規律。28年轉瞬即逝,Arthur於1996年所提出的“商業新世界下網絡效應和規模經濟”在AI時代是否依然適用?

 01 乏力:規模經濟和網絡效應

說說我的一家之言:至少從目前來看,這兩個增長理論似乎沒有那么奏效了。

先說規模經濟的“失效”。

ChatGPT每回答一次問題,都要消耗算力。例如微軟的GitHub Copilot,此前平均每月要給每個用戶倒貼20美元,給有些用戶最多倒貼80美元。甚至用戶越多,虧得越多。除非你的產品足夠優秀,用戶愿意爲更好的體驗买單。不過,即便在這種情況下,高昂成本依然存在,利潤不會像互聯網時代一樣龐大。

再說網絡效應的“弱化”。

第一個原因,從最直觀的體驗來看,當你使用AI軟件時,面對的是一個個robot,不是許許多多的people,用戶間的聯系不再錯綜復雜。當然軟件开發者也可以通過建立AI社區,同時疊上“網絡效應”的buff,例如Midjourney;

第二個原因,雖然“數據”至關重要,但其作用可能被誇大了。大家思考一個問題,產品/模型是否會因爲用戶數據越多,而變得更好?還是存在一個S曲线?

先不說ChatGPT4.0“變懶”。事實上,訓練模型可能並不需要更多的數據,達到一定程度就足夠了。例如,A16Z所投資的公司Everlaw开發了一個法律軟件。該軟件在對一百萬封電子郵件進行情感分析後,就不需要再訓練了。

此外,訓練模型的數據一定要和實際問題非常適配。而互聯網巨頭的數據壁壘,更多的價值體現在數量,而非質量。

 02 變化:萬物摩爾定律時代

還有哪些“靠得住”的增長理論?

除了規模經濟(Economies of Scale)、網絡效應(Network Effect)。增長回報主要的獨立原因還包括:邊學邊做(Learning by Doing)、觀念重組(Recombination of Idea)。

邊學邊做(Learning by Doing),指工人在生產時積累經驗知識,會想辦法提高自己的技能,從而形成總體經濟層面的技術進步,擺脫收益遞減規律的限制,推動長期經濟增長。

簡單來說,就是卷王先卷死自己再卷別人。

在這個“卷王”理論之下,有一條非常著名的定律。

摩爾定律(Moore’s Law):當價格不變時,單個芯片上可容納的元器件的數目,約每隔18-24個月便會增加一倍,性能也將提升一倍。

比爾·蓋茨曾經說過:“我喜歡把摩爾定律作爲一種預測未來的方式。它可以幫助我們了解科技發展的速度,以及我們應該預測的未來。”

不過,摩爾定律不是數學定律,也不是物理定律,而是一條基於半導體行業發展經驗的規律。隨着晶體管數量逐漸增加,摩爾定律如今也碰到了天花板。有專家預測,2025年,摩爾定律將會失效。

真的如此嗎?Ark Invest報告顯示,2014年以來,AI芯片性能以每年93%的速度提高,這意味着成本每年下降48%,比摩爾定律成本每年下降30%還快。例如,2020年GPT-3單次訓練成本是460萬美元,而現在的價格是140萬美元,約下降70%。2023年初,OpenAI提供的API服務價格下降90%。如果趨勢持續,完成同等質量任務的硬件成本,將從2014年的11000美元下降到2030年的5美分。

此外,自2012年以來,AI模型在ImageNet分類中訓練神經網絡達到相同性能所需的計算量,每16個月也會減少2倍。

也就是說,傳統的摩爾定律可能失效,但AI時代有屬於自己的“智能摩爾定律”。

1)黃氏定律:GPU將推動AI性能實現逐年翻倍。

2020年,黃仁勳提出取代摩爾定律的“黃氏定律”。2023年,老黃又稱:Nvidia的GPU在過去10年中將AI處理性能提高了不低於100萬倍,並將在未來10年內再次令AI性能強大100萬倍。而摩爾定律在其最好的日子裏,在十年內(僅)實現了100倍的增長。

2)大模型定律:大模型參數和與訓練數據量飛速增長。

根據OpenAI測算,全球頭部AI模型訓練算力需求3-4個月翻一番,每年頭部訓練模型所需算力增長幅度高達10倍。

如果按傳統的摩爾定律,芯片計算性能大約每18-24個月僅翻一番。這種情況下,芯片性能提升的步伐跟不上AI訓練模型的胃口。不過,如果按照上述“黃氏定律”10 年內翻100萬倍,結果又是另當別論。

此外,高質量數據似乎也不夠用。《麻省理工技術評論》曾發表文章表示:大模型就像是一個不斷吸收的“網絡黑洞”,最終導致沒有足夠的數據進行訓練。

而AI研究機構Epochai的論文給出了一個精確的時間範圍:2026年,大模型訓練將消耗盡高質量數據;2030年-2050年,將消耗盡所有低質量數據;2030年-2060年,將消耗盡所有圖像訓練數據。這意味着,如果數據效率沒有顯著提高或有新的數據源可用,到2040年,模型的規模增長將放緩。

3)Altman定律:宇宙中的智能數量將在每18個月後翻一番。

Gary Marcus對此直言:是AI炒作量每18個月翻一番吧。其實也怪不得Marcus陰陽,因爲Altman沒有對“智能數量”(amount of intelligence)進行明確定義。這句話更像是一句脫口而出的感想。

不過,早在2021年,Sam Altman就撰文“萬物摩爾定律”(Moore's Law for Everything),其中提出:摩爾定律適用於萬物,人工智能將降低商品和服務的成本。一個烏托邦世界就此展开:財富或技術快速增長,人類可以用更低廉的價格得到自己想要的東西。

總而言之,無論是“見頂”的傳統摩爾定律,或是各類新生的摩爾定律,都表明了信息技術的爆發式指數增長快速迭代特徵。這一點大概是貫穿人類技術發展的永恆“增長規律”。

 03 恆定:專利實現內生技術增長

另一個增長回報的獨立原因:觀念重組(Recombination of Idea)——任何創新都是不同材料的重新組合或拼接。

如果一家公司的產品是Idea(算法、公式、設計),其开發過程道阻且長。可一旦Idea被开發,其後續產出會成爲公司的專有財產(例如專利)。結果就是公司獲得了一個增量成本接近於零的高價值產品。

敏銳的小夥伴可能已經發現,這個例子屬於諾貝爾經濟學獎獲得者——羅默,內生經濟增長理論开山之作《報酬遞增與長期增長》(Increasing Returns and Long-Run Growth)三個基本前提之一:

第一,技術進步位於經濟增長的核心;

第二,技術進步在很大程度上是人們有意識的行爲。換句話說,是人們對市場激勵的一種反應;

第三,开發一個新的技術會產生一個固定成本,但之後的使用成本爲零。

羅默假設存在三個經濟部門:生產最終產品的部門、研發部門,以及生產中間品的部門。

研發部門負責生產Idea,並將其賣給中間產品部門;而中間產品部門則產出耐用資本設備,並將其租給最終品生產部門以獲得租金,最終品生產部門負責生產經濟體重的最終產品。

在這個模型中,研發部門生產的Idea是具有外部性的,其社會收益和其給研發部門帶來的私人收益並不一致。在羅默看來,爲了鼓勵研發,需要盡可能消除這種私人收益和社會收益之間的差值,因此引入專利、版權等一些激勵手段十分必要。

當我們將眼光從整個經濟世界轉向微觀企業個體,觀念重組的概念更像是技術开發,用知識產權構築“護城河”是重中之重。適道此前寫過:一些深度科技企業在籌資中經常面臨“先有雞還是先有蛋”的問題。即,沒有近在咫尺的市場,企業籌資相當困難;但沒有足夠的資金支持,接近市場更是難上加難。

因此在早期階段中,要格外重視早期貨幣化機會,战略性合作夥伴和許可協議是“無價之寶”。例如,深度科技公司Halitus向一家行業領導者提供了自家的知識產權許可,並與一家成熟初創公司合作,銷售他們的產品,來獲得一部分必要收入,並通過多個合作夥伴,得到寶貴的早期客戶反饋。

 04 辨別:爲何蘋果沒有迎來“黑莓時刻”

近期,著名經濟學家Michael J. Mauboussin和Dan Callahan發表了一篇論文《Increasing Returns:Identifying Forms of Increasing Returns and What Drives Them》。

文章雖然沒有提出全新的增長模型。但通過追溯規模經濟、網絡效應、邊學邊做、觀念重組、國際貿易,對Google、Meta、Nvidia、微軟、蘋果等巨頭的增長來源進行了區分。

Google和Meta非常依賴網絡效應。商業上區分它們的並不是觀念重組。因爲其他公司也可以做出非常相似的產品,但無法復制它們的網絡。

Nvidia的增長源於觀念重組。未來能否持續領先取決於公司能否讓自家技術成爲行業標准,就像微軟的PC操作系統。不然,Nvidia會被更優秀或更便宜的競爭對手取代。借用馬斯克的一句話:“Nvidia不會永遠在大規模訓練和推理芯片市場佔據壟斷地位。”

微軟雖然得益於網絡效應,但更依賴觀念重組。

試想,如果一家公司合法擁有所有Facebook社交網絡或Google搜索引擎背後的技術,這家公司仍然無法與Meta、Google競爭,因爲你不可能一夜之間搬來龐大的用戶。但如果一家公司能合法銷售和微軟軟件完全相同的副本,它就能立即以價格與微軟競爭。

而這正是國內盜版Win漫天飛,但你卻找不到第二個IG或小紅書的原因。

亞馬遜的零售業務雖然非常依賴網絡效應,但其增長回報卻主要源於傳統的規模經濟和邊做邊學。因此,亞馬遜在硬件基礎設施上進行巨額投資,並且不斷嘗試新東西。

同時,亞馬遜也是國際貿易增長回報的巨大受益者。公司創建了一個技術和物流層,將亞洲工廠的廉價制成品運送到西方的龐大終端市場。不過,從目前來看,跨境電商獨角獸Shein正在挑战亞馬遜在這一領域的主導地位。

蘋果驚人的增長回報則源於以上五大獨立增長因素的組合疊加。

雖然蘋果的增量單位成本並不低:iPhone15 Pro Max的生產成本在500——600美元。但蘋果可以保護其回報率,因爲他們似乎永遠不會失去定價權。而這可能歸功於網絡效應和隨之而來的高切換成本(在這個背景下考慮iMessage的鎖定效應)、觀念重組(軟件更新、各項專利)、邊做邊學和國際貿易。

因此,當人們認爲終有一天,摩托羅拉、諾基亞和黑莓的命運也會降臨到蘋果身上時,蘋果卻在持續增長。

從最近來看,在智能手機領域的創新幾乎枯竭之際,2023年底,蘋果連發兩篇論文(觀念重組)。其中一篇提出:蘋果通過一種創新的閃存利用技術,成功地在內存有限的iPhone和其他蘋果設備上部署了大模型。而這條“大模型+硬件”的路线或許會直接改變AI手機的競爭格局。第二篇詳細介紹了一項名爲HUGS(Human Gaussian Splats)的生成式AI技術。HUGS僅僅需要一個約50-100幀的原始視頻,相當於2到4秒24fps的視頻,就能在30分鐘內生成一個“數字人分身”。而該技術是VR頭顯進一步發展的必然要求。前不久上市的Vision Pro更是突破智能手機平面計算的局限性,踢开了空間計算時代的大門。

對於投資者的啓發:“黑莓”們和蘋果存在本質區別——增長回報是否可持續?源自不同獨立因素的增長回報是否具有不同半衰期?各家公司又是否具備過硬的本領扛過半衰期?

回到文章开頭,適道認爲,至少從目前來看,網絡效應可能弱化,但觀念重組(專利技術)的力量卻始終熠熠生輝。

       原文標題 : 用專利和技術築成的“高壁壘”是能夠吸引資本的有利抓手



標題:專利和技術築成的“高壁壘”是能夠吸引資本的有利抓手

地址:https://www.utechfun.com/post/333971.html

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播信息之目的,不構成任何投資建議,如有侵權行為,請第一時間聯絡我們修改或刪除,多謝。

猜你喜歡