Trendaavat aiheet
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Freda Duan
Tekoälyn supervertikaalit: Koodaus ensin, Excel seuraavaksi?
Koodaus yllätti kaikki positiiviset nousemalla yhdeksi vahvimmista tekoälysovellusaloista tähän mennessä.
Se yhdistää kolme harvinaista ominaisuutta: massiivisen TAM:n, luonnollisen kiilan vierekkäisiin käyttötapauksiin sekä tuotelähtöisen GTM:n, joka suurelta osin poistaa perinteisen myynnin ja markkinoinnin tarpeen. Hyvin harvat vertikaalit jakavat tuon profiilin.
Excel on yksi niistä.
TAM on vielä suurempi. Suurin osa ohjelmistoteollisuudesta voidaan nähdä kerroksellisina "Excel-kuorina", ja käyttöönotto on pitkälti itsepalvelua. Tämä selittää todennäköisesti, miksi sekä $OpenAI että $Anthropic ovat laajentuneet aggressiivisesti taulukoihin ja tuottavuustyönkulkuihin (julkisen tiedon mukaan).
++++
🔵Koodaus
1/ Miksi koodaus toimi:
Kehittäjät tunnistavat nopeasti parhaat työkalut ilman raskasta markkinointia. Niillä on usein suora vaikutusvalta ostoksiin, ja yritykset ovat suhteellisen välinpitämättömiä kehittäjäkohtaisille lisäkustannuksille, jos tuottavuus paranee. Tämän seurauksena vahvat tuotteet leviävät alhaalta ylöspäin vähäisellä myyntivaivalla – toisin kuin useimmat toimialat, jotka vaativat nimenomaista myyntiä, markkinointia ja yrityshankintaa.
Useimmat muut toimialat (terveydenhuolto, kiinteistöt, rahoitus jne.) vaativat nimenomaista myyntiä, markkinointia ja yrityshankintaa.
2/ TAM:
Yleisesti viitattu TAM koodaukseen on ~$2T.
Tärkeämpää on, että koodaus ei ole pelkkä loppumarkkina – se on kiila. Kehittäjätyönkulun omistaminen luo vipuvoimaa jokaiseen sen päälle rakennettuun sovellukseen.
3/ Koodaus – Tilantarkistus:
4 yritystä hintaan $1B+ ARR
Vähintään 7 yritystä on ylittänyt 100 miljoonan dollarin ARR:n, usein ennennäkemättömällä nopeudella
++++
🔵Excel sopii samaan kaavaa.
Sillä on valtava TAM, se toimii porttina moniin vierekkäisiin käyttötapauksiin ja tukee itsepalvelun käyttöönottoa rajallisella GTM:llä. ~500 miljardin dollarin sovellusohjelmistoteollisuus on kiistatta yksi valtava Excel-abstraktiokerros – kattaa CRM:n, Airtablen, Smartsheetin sekä suuret osat taloudesta, operaatioista, analytiikasta ja sisäisistä työkaluista.
▶️TAM:
Vaikka Microsoft Officen, Google Workspacen ja WPS:n päällekkäisyys huomioidaan, ~1,5–1,6 miljardin globaalin kuukausittaisen aktiivisen taulukon käyttäjäkunta on kohtuullinen arvio.
▶️Excel on myös enemmän kuin Excel:
Ohjelmistoala on ~$1T, ja sovellusohjelmisto edustaa todennäköisesti ~50 %. Jos tekoälypohjainen Excel tulee ohjelmoitavaksi, mahdollisuus laajenee paljon taulukkolaskentaa laajemmin sovellusten luomiseen.
▶️GTM:
Rahoitus on luonnollinen alkukiila. Sillä on korkea voitto asukasta kohden, vahva halukkuus maksaa tuottavuustyökaluista, suora budjettivaltuudet analyytikkotasolla ja selkeä ROI, joka tekee tuotteista pääosin itse myyviä. Noin ~10 % globaaleista taulukkolaskennan käyttäjistä työskentelee rahoitukseen liittyvissä tehtävissä, mikä edustaa erittäin suurta ja erittäin kaupallistattavaa lähtökohtaa.
Koodaus osoitti, kuinka nopeasti itsepalveluinen, työnkulkupohjainen työkalu, jolla on valtava pinta-ala, voi skaalautua. Excel saattaa olla seuraava versio tästä pelikirjasta – vielä suuremmassa mittakaavassa.
---
Täydellinen analyysi:
11
Näyttävätkö chatbotit lopulta enemmän suoratoistolta vai enemmän haulta?
Suoratoisto, haku ja chatbotit ovat kaikki aloja, joilla ei ole perinteisiä verkkovaikutuksia (suhteellisen alhaiset vaihtokustannukset). Silti suoratoisto on pirstaloitunutta, kun taas haku on lähes monopoli.
🔵Suoratoisto – suunnittelun vuoksi pirstaleinen
Sisältö ei ole hyödyke. Se on eriytynyt, ei-eksklusiivinen ja toimii eri alustoilla. Markkinat pysyvät siis hajallaan. YouTube, Netflix, Disney... Jokainen on yksinumeroisella osuudella, koska omistaa eri ohjelmat.
🔵Haku – voittaja vie melkein kaiken
$Google on ~90 % osuus, vaikka $Bing ei ole niin paha. Miksi?
1/ Jakelu/oletusasetukset ovat uskomattoman voimakkaita
Useimmat ihmiset eivät valitse hakukonetta. He hyväksyvät sen, mitä laite heille antaa. $Google maksaa kymmeniä miljardeja vuodessa ollakseen maksukyvytön.
2/ Tapa ja brändi
$Google on verbi. $Bing ei ole. Tavan voima plus brändi on täysin aliarvostettu (ja olen rehellisesti sanottuna tästä hieman yllättynyt).
3/ Datavauhtipyörä (jossain määrin)
Parempi moottori → enemmän käyttäjiä → enemmän dataa → parempi moottori. Mietin, kuinka suuri tämä vaikutus oikeasti on, mutta se on ehdottomasti olemassa.
4/ Mainosekosysteemin mittakaava
Mainostajat saavat enemmän volyymia ja paremman sijoitetun pääoman Googlessa haku- + YouTube-+ karttojen + Androidin + Gmailin ansiosta. Siksi he asettavat Googlen etusijalle, mikä vahvistaa johtolankaa.
🔵Chatbotit/Agentit – lähempänä hakua kuin suoratoistoa?
Chatbotit ovat enemmän kuin hakua: tulokset tuntuvat hyödykkeiltä, ja haluat yhden avustajan, joka muistaa kaiken (jos chatbotit oppivat muistin, lukituksen pitäisi olla vahva kuin haku). Alueellisia/kielialueita tulee olemaan (esim. Kiina).
Verrattuna varhaisiin $Google hakupäiviin:
- Sääntely on nyt tiukempi (vaikeampi tulla monopoliksi);
- Alustat ovat nykyään pirstaleisempia: $Google, $Meta (ja ehkä MSFT/AAPL/AMZN) työntävät kukin omaa tiiviisti integroitua avustajaansa; meillä on Apple vs. Windows/Android -leiri;
Kaikki tämä tekee yksittäisestä monopolista paljon epätodennäköisemmän.
Käyttäjätasolla: yksi ydinagentti tekee 70–90 % työstä.
Markkinatasolla: ehkä 2–3 mega-avustajaa, ei yhtään $Google-tyylistä 90 % voittajaa.
26.11.2025
Syvällistä pohdintaa rajamallista liiketoimintamallia. Kaikki tämä perustuu The Informationin, NYT:n ym. vuotamiin lukuihin.
🔵Ydin: Se on laskenta-polttokone
Mallin ytimessä on brutaalin yksinkertainen: lähes kaikki kustannukset tulevat laskennasta – päättelystä ja erityisesti koulutuksesta. Koulutus noudattaa jotain skaalauslain kaltaista. Oletetaan, että kustannukset nousevat ~5-kertaiseksi joka vuosi; ja koulutuskustannusten tuotto on kaksinkertainen.
Se luo oudon dynamiikan:
Vuoden 1 koulutuksen kustannukset: 1
Vuoden 2 liikevaihto tästä mallista: 2
Mutta toisen vuoden koulutuksen hinta seuraavalle mallille: 5
Netto: +2 - 5 = -3
Vedä sitä eteenpäin ja tilanne pahenee:
Vuoden 3 liikevaihto: +10
Vuoden 3 koulutuksen kustannukset: -25
Netto: -15
Frontier-mallit, kuten nykyään käytössä, ovat negatiivisen kassavirran lumipalloja. Jokainen sukupolvi polttaa enemmän rahaa kuin edellinen.
Jotta tämä voisi koskaan muuttua positiiviseksi kassavirraksi, vain kaksi asiaa voi loogisesti muuttua:
A. Liikevaihto kasvaa paljon nopeammin kuin kaksinkertainen, tai
B. Koulutuskustannusten kasvu hidastuu viidestä vuodessa noin <2-kertaiseksi
Anthropicin toimitusjohtaja Dario Amodei on pilkkonut skenaarion B ("koulutuskustannukset lakkaavat kasvamasta eksponentiaalisesti") kahteen mahdolliseen todellisuuteen:
1/ Fyysiset/taloudelliset rajat: Et yksinkertaisesti voi kouluttaa mallia viisi kertaa isommaksi — ei tarpeeksi siruja, ei tarpeeksi tehoa, tai kustannukset lähestyvät maailman BKT:tä.
2/ Vähenevät tuotot: Voisit kouluttaa isomman mallin, mutta skaalauskäyrä tasoittuu. Kymmenen kertaa lisää käyttäminen lakkaa olemaan sen arvoista.
Mitä OpenAI:n ja Anthropicin luvut paljastavat:
Molempien yhtiöiden vuotaneet talousennusteet vahvistavat käytännössä tämän viitekehyksen.
OpenAI: OpenAI:n suunnitelma käytännössä olettaa, että kokonaislaskentakapasiteetin kasvu loppuu vuoden 2028 jälkeen.
Käännös: katteet paranevat, koska koulutuskustannukset tasaantuvat. Tämä on skenaario B.
Anthropic:
1/ He olettavat, että mallikohtainen ROI kasvaa vuosittain. Käytä 1, saat takaisin esimerkiksi 5 sen sijaan, että ottaisit 2.
2/ Heidän laskentakulujen kasvunsa on myös paljon hillittömämpää. FY25–FY28: OpenAI:n laskentakustannusten kasvu Anthropicin >>
Yllä olevan viitekehyksen avulla he luottavat sekä A-tulojen kasvuun että B:n hitaampiin kustannuskasvuun.
🔵 $NFLX on lähin vertaus
Teknologia-alalla pääomaintensiiviset mallit ovat harvinaisia, vaikkakaan eivät ennennäkemättömiä. $NFLX on hyvä vertauskuva: vuosien ajan kassavirta oli syvästi negatiivinen, joka heikkeni vuosittain. Heidän piti sijoittaa rahaa sisältöön etukäteen, ja nämä varat heikkenivät neljän vuoden aikana. Monin tavoin se muistuttaa datakeskus- ja mallikoulutustaloustiedettä.
Vuoden 2019 huippukäteiskulutus: -3B
Vuoden 2020 kassavirta: +2B
Miksi äkillinen positiivinen swing? COVID keskeytti tuotannon. Sisällön kulutus lakkasi kasvamasta. Kassavirta kääntyi välittömästi.
🔵Loppupeli: Marginaalit saapuvat, kun kustannuskasvu hidastuu
$NFLX ei lopettanut sisältöön investoimista kokonaan – se vain lopetti investoinnin aggressiivisen kasvattamisen, kun se saavutti ~300 miljoonaa globaalia tilaajaa. Tuossa mittakaavassa tarttuvuus on korkeaa, ja heidän tarvitsee vain säilyttää asemansa, ei lisätä sisältöä kymmenkertaisesti vuodessa.
En usko, että OpenAI tai Anthropic koskaan lopettavat koulutuksen kokonaan. Mutta heidän ei tarvitse kasvattaa koulutuskuluja moninkertaisesti ikuisesti. Jossain vaiheessa:
Sijoitetun pääoman tuotto per malli nousee, skaalausrajoitukset astuvat voimaan, tai molemmat.
Ja heti kun vuosittainen koulutuskulut lakkaavat kasvamasta viisikertaiseksi vuodessa, voittomarginaalit näkyvät lähes välittömästi.
Se on outo asia LLM:n taloustieteessä:
Se on polttokone... kunnes yhtäkkiä se ei enää ole.
Lähteistä:
++
Koko artikkeli:
36
Syvällistä pohdintaa rajamallista liiketoimintamallia. Kaikki tämä perustuu The Informationin, NYT:n ym. vuotamiin lukuihin.
🔵Ydin: Se on laskenta-polttokone
Mallin ytimessä on brutaalin yksinkertainen: lähes kaikki kustannukset tulevat laskennasta – päättelystä ja erityisesti koulutuksesta. Koulutus noudattaa jotain skaalauslain kaltaista. Oletetaan, että kustannukset nousevat ~5-kertaiseksi joka vuosi; ja koulutuskustannusten tuotto on kaksinkertainen.
Se luo oudon dynamiikan:
Vuoden 1 koulutuksen kustannukset: 1
Vuoden 2 liikevaihto tästä mallista: 2
Mutta toisen vuoden koulutuksen hinta seuraavalle mallille: 5
Netto: +2 - 5 = -3
Vedä sitä eteenpäin ja tilanne pahenee:
Vuoden 3 liikevaihto: +10
Vuoden 3 koulutuksen kustannukset: -25
Netto: -15
Frontier-mallit, kuten nykyään käytössä, ovat negatiivisen kassavirran lumipalloja. Jokainen sukupolvi polttaa enemmän rahaa kuin edellinen.
Jotta tämä voisi koskaan muuttua positiiviseksi kassavirraksi, vain kaksi asiaa voi loogisesti muuttua:
A. Liikevaihto kasvaa paljon nopeammin kuin kaksinkertainen, tai
B. Koulutuskustannusten kasvu hidastuu viidestä vuodessa noin <2-kertaiseksi
Anthropicin toimitusjohtaja Dario Amodei on pilkkonut skenaarion B ("koulutuskustannukset lakkaavat kasvamasta eksponentiaalisesti") kahteen mahdolliseen todellisuuteen:
1/ Fyysiset/taloudelliset rajat: Et yksinkertaisesti voi kouluttaa mallia viisi kertaa isommaksi — ei tarpeeksi siruja, ei tarpeeksi tehoa, tai kustannukset lähestyvät maailman BKT:tä.
2/ Vähenevät tuotot: Voisit kouluttaa isomman mallin, mutta skaalauskäyrä tasoittuu. Kymmenen kertaa lisää käyttäminen lakkaa olemaan sen arvoista.
Mitä OpenAI:n ja Anthropicin luvut paljastavat:
Molempien yhtiöiden vuotaneet talousennusteet vahvistavat käytännössä tämän viitekehyksen.
OpenAI: OpenAI:n suunnitelma käytännössä olettaa, että kokonaislaskentakapasiteetin kasvu loppuu vuoden 2028 jälkeen.
Käännös: katteet paranevat, koska koulutuskustannukset tasaantuvat. Tämä on skenaario B.
Anthropic:
1/ He olettavat, että mallikohtainen ROI kasvaa vuosittain. Käytä 1, saat takaisin esimerkiksi 5 sen sijaan, että ottaisit 2.
2/ Heidän laskentakulujen kasvunsa on myös paljon hillittömämpää. FY25–FY28: OpenAI:n laskentakustannusten kasvu Anthropicin >>
Yllä olevan viitekehyksen avulla he luottavat sekä A-tulojen kasvuun että B:n hitaampiin kustannuskasvuun.
🔵 $NFLX on lähin vertaus
Teknologia-alalla pääomaintensiiviset mallit ovat harvinaisia, vaikkakaan eivät ennennäkemättömiä. $NFLX on hyvä vertauskuva: vuosien ajan kassavirta oli syvästi negatiivinen, joka heikkeni vuosittain. Heidän piti sijoittaa rahaa sisältöön etukäteen, ja nämä varat heikkenivät neljän vuoden aikana. Monin tavoin se muistuttaa datakeskus- ja mallikoulutustaloustiedettä.
Vuoden 2019 huippukäteiskulutus: -3B
Vuoden 2020 kassavirta: +2B
Miksi äkillinen positiivinen swing? COVID keskeytti tuotannon. Sisällön kulutus lakkasi kasvamasta. Kassavirta kääntyi välittömästi.
🔵Loppupeli: Marginaalit saapuvat, kun kustannuskasvu hidastuu
$NFLX ei lopettanut sisältöön investoimista kokonaan – se vain lopetti investoinnin aggressiivisen kasvattamisen, kun se saavutti ~300 miljoonaa globaalia tilaajaa. Tuossa mittakaavassa tarttuvuus on korkeaa, ja heidän tarvitsee vain säilyttää asemansa, ei lisätä sisältöä kymmenkertaisesti vuodessa.
En usko, että OpenAI tai Anthropic koskaan lopettavat koulutuksen kokonaan. Mutta heidän ei tarvitse kasvattaa koulutuskuluja moninkertaisesti ikuisesti. Jossain vaiheessa:
Sijoitetun pääoman tuotto per malli nousee, skaalausrajoitukset astuvat voimaan, tai molemmat.
Ja heti kun vuosittainen koulutuskulut lakkaavat kasvamasta viisikertaiseksi vuodessa, voittomarginaalit näkyvät lähes välittömästi.
Se on outo asia LLM:n taloustieteessä:
Se on polttokone... kunnes yhtäkkiä se ei enää ole.
Lähteistä:
++
Koko artikkeli:
37
Johtavat
Rankkaus
Suosikit