热门话题
#
Bonk 生态迷因币展现强韧势头
#
有消息称 Pump.fun 计划 40 亿估值发币，引发市场猜测
#
Solana 新代币发射平台 Boop.Fun 风头正劲
Freda Duan
AI超级垂直领域：先编码，后Excel？
编码以意想不到的方式崛起，成为迄今为止最强大的AI应用垂直领域之一。
它结合了三个罕见的属性：巨大的市场总值（TAM）、自然进入相邻用例的切入点，以及以产品为主导的市场进入策略（GTM），在很大程度上消除了对传统销售和市场营销的需求。很少有垂直领域具备这样的特征。
Excel就是其中之一。
市场总值甚至更大。软件行业的许多部分可以视为分层的“Excel包装”，而采用方式主要是自助服务。这可能解释了为什么$OpenAI和$Anthropic都在积极扩展到电子表格和生产力工作流程中（根据公开报道）。
++++
🔵编码
1/ 为什么编码有效：
开发者能够快速识别最佳工具，而无需大量营销。他们通常对采购有直接影响，且公司对每位开发者的增量成本相对不敏感，只要生产力有所提升。因此，强大的产品以自下而上的方式传播，销售努力最小化——与大多数需要明确销售、营销和企业采购的垂直领域不同。
大多数其他垂直领域（医疗保健、房地产、金融等）需要明确的销售、营销和企业采购。
2/ 市场总值：
编码的市场总值通常被引用为约2万亿美元。
更重要的是，编码不仅仅是一个最终市场——它是一个切入点。拥有开发者工作流程可以在其上构建的每个应用程序中创造杠杆效应。
3/ 编码 - 状态检查：
4家公司年收入超过10亿美元
至少有7家公司年收入超过1亿美元，通常以空前的速度增长
++++
🔵Excel也符合相同的模式。
它拥有巨大的市场总值，作为许多相邻用例的入口，并支持有限的市场进入策略的自助服务采用。约5000亿美元的应用软件行业可以说是一个巨大的Excel抽象层——涵盖了CRM、Airtable、Smartsheet以及财务、运营、分析和内部工具的大部分。
▶️市场总值：
即使考虑到Microsoft Office、Google Workspace和WPS之间的重叠，全球每月活跃电子表格用户约为15亿至16亿的估计是合理的。
▶️Excel不仅仅是Excel：
软件行业约为1万亿美元，应用软件可能占约50%。如果一个AI原生的Excel变得可编程，机会将远远超出电子表格本身，进入应用程序创建的领域。
▶️市场进入策略：
金融是自然的初始切入点。它的人均利润高，对生产力工具的支付意愿强，分析师级别有直接的预算权威，并且明确的投资回报率使产品在很大程度上自我销售。大约10%的全球电子表格用户在金融相关角色工作，代表了一个非常大且高度可货币化的起点。
编码展示了一个自助服务、工作流程原生的工具如何快速扩展，具有巨大的表面面积。Excel可能是该剧本的下一个版本——规模甚至更大。
---
完整分析：
64
聊天机器人最终会更像流媒体还是更像搜索？
流媒体、搜索和聊天机器人都是没有经典网络效应的行业（相对较低的转换成本）。然而，流媒体是碎片化的，而搜索几乎成为了垄断。
🔵流媒体 - 设计上是碎片化的
内容不是商品。它是有差异化的、非独占的，并且存在于不同的平台上。因此市场保持分散。YouTube、Netflix、Disney……每个平台的市场份额都在个位数，因为每个平台拥有不同的节目。
🔵搜索 - 胜者几乎通吃
$Google 的市场份额约为 90%，尽管 $Bing 也不算差。为什么？
1/ 分发/默认设置的强大
大多数人并不选择搜索引擎。他们接受设备提供的内容。$Google 每年支付数百亿美元以成为默认搜索引擎。
2/ 习惯和品牌
$Google 是一个动词。$Bing 不是。习惯和品牌的力量被严重低估（老实说，我对此有点惊讶）。
3/ 数据飞轮（在某种程度上）
更好的引擎 → 更多用户 → 更多数据 → 更好的引擎。我质疑这个效应到底有多大，但它确实存在。
4/ 广告生态系统规模
广告商在 Google 上获得更多的流量和更好的投资回报，因为搜索 + YouTube + 地图 + Android + Gmail。因此，他们优先选择 Google，这进一步巩固了其领先地位。
🔵聊天机器人/代理 - 更接近搜索而非流媒体？
聊天机器人更像搜索：输出感觉像商品，你希望有一个能记住所有内容的助手（如果聊天机器人能解决记忆问题，锁定效应应该比搜索更强）。会有地区/语言的差异（例如，中国）。
与早期 $Google 搜索时代相比：
- 监管现在更严格（更难成为垄断）；
- 今天的平台更加碎片化：$Google、$Meta（也许还有 MSFT/AAPL/AMZN）将各自推动自己的紧密集成助手；我们有 Apple 对抗 Windows/Android 阵营；
所有这些都使得单一垄断的可能性大大降低。
在用户层面：一个核心代理完成 70-90% 的工作。
在市场层面：也许会有 2-3 个超级助手，而不是单一的 $Google 风格的 90% 胜者。
2025年11月26日
对前沿模型商业模式的一些深入思考。所有这些都基于《信息》、纽约时报等泄露的数据。
🔵核心：这是一台计算消耗机器
在其核心，这个模型非常简单：几乎所有的成本都来自计算——推理，尤其是训练。训练遵循某种规模法则。假设成本每年上升约5倍；而训练成本的投资回报率为2倍。
这创造了一个奇怪的动态：
第一年训练成本：1
第二年该模型的收入：2
但第二年下一个模型的训练成本：5
净值：+2 - 5 = -3
向前推算，情况会更糟：
第三年收入：+10
第三年训练成本：-25
净值：-15
目前运行的前沿模型是负现金流雪球。每一代消耗的现金都比前一代多。
要想实现正现金流，逻辑上只能有两种变化：
A. 收入增长速度远快于2倍，或
B. 训练成本的增长从每年5倍减缓到2倍以下
Anthropic的首席执行官达里奥·阿莫代伊将情景B（“训练成本停止指数增长”）分解为两种可能的现实：
1/ 物理/经济限制：你根本无法训练一个5倍大的模型——没有足够的芯片，没有足够的电力，或者成本接近世界GDP。
2/ 边际收益递减：你可以训练一个更大的模型，但规模曲线变平。再花10倍的钱就不值得了。
OpenAI和Anthropic的数字揭示：
这两家公司的泄露财务预测基本上验证了这个框架。
OpenAI：OpenAI的计划有效地假设总计算能力在2028年后停止增长。
翻译：利润率改善，因为训练成本趋于平稳。这是情景B。
Anthropic：
1/ 他们假设每个模型的投资回报率每年增加。花1，回报5，而不是2。
2/ 他们的计算支出增长也要温和得多。从2025财年到2028财年：OpenAI的计算成本增长>>Anthropic的
根据上述框架，他们依赖于A收入增长和B成本增长放缓。
🔵 $NFLX是最接近的类比
在科技领域，资本密集型模型很少，尽管并非前所未有。$NFLX是一个很好的类比：多年来，它的现金流深度负值，每年都在恶化。他们必须提前投入资金到内容中，这些资产在四年内折旧。在许多方面，它类似于数据中心和模型训练的经济学。
2019年现金消耗峰值：-30亿
2020年现金流：+20亿
为什么突然转为正值？COVID关闭了生产。内容支出停止增长。现金流瞬间翻转。
🔵最终游戏：当成本增长放缓时，利润率到来
$NFLX并没有完全停止投资内容——它只是停止了在全球约3亿订阅者达到规模后*激进*增长那项投资。在这个规模下，粘性很高，他们只需要维持自己的地位，而不是每年将内容支出扩大10倍。
我认为OpenAI或Anthropic永远不会完全停止训练。但他们不需要永远以倍数增长训练支出。在某个时刻：
每个模型的投资回报率上升，或规模限制生效，或两者兼而有之。
而一旦年度训练支出停止以每年5倍的速度增长，利润率几乎会立即出现。
这就是大型语言模型经济学的奇怪之处：
它是一台消耗机器……直到突然不再是。
来源：
++
完整文章：
70
对前沿模型商业模式的一些深入思考。所有这些都基于《信息》、纽约时报等泄露的数据。
🔵核心：这是一台计算消耗机器
在其核心，这个模型非常简单：几乎所有的成本都来自计算——推理，尤其是训练。训练遵循某种规模法则。假设成本每年上升约5倍；而训练成本的投资回报率为2倍。
这创造了一个奇怪的动态：
第一年训练成本：1
第二年该模型的收入：2
但第二年下一个模型的训练成本：5
净值：+2 - 5 = -3
向前推算，情况会更糟：
第三年收入：+10
第三年训练成本：-25
净值：-15
目前运行的前沿模型是负现金流雪球。每一代消耗的现金都比前一代多。
要想实现正现金流，逻辑上只能有两种变化：
A. 收入增长速度远快于2倍，或
B. 训练成本的增长从每年5倍减缓到2倍以下
Anthropic的首席执行官达里奥·阿莫代伊将情景B（“训练成本停止指数增长”）分解为两种可能的现实：
1/ 物理/经济限制：你根本无法训练一个5倍大的模型——没有足够的芯片，没有足够的电力，或者成本接近世界GDP。
2/ 边际收益递减：你可以训练一个更大的模型，但规模曲线变平。再花10倍的钱就不值得了。
OpenAI和Anthropic的数字揭示：
这两家公司的泄露财务预测基本上验证了这个框架。
OpenAI：OpenAI的计划有效地假设总计算能力在2028年后停止增长。
翻译：利润率改善，因为训练成本趋于平稳。这是情景B。
Anthropic：
1/ 他们假设每个模型的投资回报率每年增加。花1，回报5，而不是2。
2/ 他们的计算支出增长也要温和得多。从2025财年到2028财年：OpenAI的计算成本增长>>Anthropic的
根据上述框架，他们依赖于A收入增长和B成本增长放缓。
🔵 $NFLX是最接近的类比
在科技领域，资本密集型模型很少，尽管并非前所未有。$NFLX是一个很好的类比：多年来，它的现金流深度负值，每年都在恶化。他们必须提前投入资金到内容中，这些资产在四年内折旧。在许多方面，它类似于数据中心和模型训练的经济学。
2019年现金消耗峰值：-30亿
2020年现金流：+20亿
为什么突然转为正值？COVID关闭了生产。内容支出停止增长。现金流瞬间翻转。
🔵最终游戏：当成本增长放缓时，利润率到来
$NFLX并没有完全停止投资内容——它只是停止了在全球约3亿订阅者达到规模后*激进*增长那项投资。在这个规模下，粘性很高，他们只需要维持自己的地位，而不是每年将内容支出扩大10倍。
我认为OpenAI或Anthropic永远不会完全停止训练。但他们不需要永远以倍数增长训练支出。在某个时刻：
每个模型的投资回报率上升，或规模限制生效，或两者兼而有之。
而一旦年度训练支出停止以每年5倍的速度增长，利润率几乎会立即出现。
这就是大型语言模型经济学的奇怪之处：
它是一台消耗机器……直到突然不再是。
来源：
++
完整文章：
69
热门
排行
收藏