AI应用层创业公司机会在哪里
关于 AI 应用创业的话题，Founder Park 此前已有过几次讨论，今天转发的这篇文章，从过去 50 年 IT 产业发展史的角度切入，来推理 AI 应用的可能阶段，也对当下 AI 创业者关注的核心问题进行了解答。
作者介绍：Yu Hong，AI 投资人 、风险投资人。移动互联网时代曾经投资过满帮、Musical.ly、酷家乐、作业帮。
01 现在还没出现 Killer App，这波 AI 是不是伪需求？**
我们的观点：
- 没有主流被认可的杀手级产品（Killer App）出现是完全符合历史的规律的，历史上的 Killer App 的创立都是在平台出现后的 1-3 年时间以后。并且从这些公司成立，到他们的产品（killer app）进入主流视野还有相当长的时间，等到那个时间点再来看，基本等于本轮创业窗口期已经结束了。
- 那是不是意味着要等等时机成熟了再创业更好？相反，我们认为创业要趁早。最后胜出的公司，可能不是第一个做这件事的人，但大概率是第一批，因此创业一定要趁早。
首先，AI 应用的爆发期可能还需要 2-3 年的时间，killer app 暂时没有进入大众用户人群是符合客观规律的。
GPT-3.5 发布已经过去一年多，伴随着 ChatGPT 的流量增长趋势见缓，现在有很多人质疑这一波 AI 到底是否能有 killer app 的机会；甚至进一步质疑这一波 AI 技术突破的应用价值。
通过研究过去 50 年信息革命的历史，我们发现个人电脑时代、PC 互联网时代、移动互联网时代，从技术底层突破，到大批量的 killer app 出现，几乎都经过了 2-3 年以上的时间。
个人电脑时代
底层突破是 1971 年英特尔发布了 4004，历史上的第一个微处理器，使得个人电脑的出现成为了可能；而第一台个人电脑（Altair）则到 1974 年才出现，而第一个个人电脑时代的大玩家苹果在 1976 年才推出了他们的第一个产品 Apple I。在 1971 年到 1976 年的时间差中，经历了全社会对于「个人电脑」长什么样、能做什么的讨论和共识，以及底层技术微处理器的不断革新（从 4004 进化到 8008、8080 等性能更强、更可用的版本），经历了 5 年的时间才诞生了这个时代的杀手级产品 Apple I；而不是在 1971 年微处理器突破后，立刻就有杀手级产品（个人电脑）出现。
PC 互联网时代
底层突破是 1993 年万维网的开放；1994 年开始出现第一个 killer app 雅虎，1995 年成立的 Amazon 最早也只做线上书籍的销售，1997 年上市时的市值才 4 亿美金，96 年的销售额才 1600 万美元，亚马逊公司的估值从 2009 年开始才逐年攀升，逐步成长为今天万亿美金级的公司；1997 年成立的 Netflix 最早只是做线上的 DVD 租赁，直到 2007 年网络带宽能力提升，才开始从事目前其最主要的流媒体业务；而 PC 互联网时代最大的赢家谷歌则在 1998 年才诞生。
而如果看中国，中国在 1994 年接入万维网，第一批 killer app 从 1997 年才开始陆续出现，第一批成立的玩家最早几乎都从事门户、黄页类的业务，随着互联网用户量的提升、带宽的提高才逐步扩展到今天他们最重要的业务，如阿里最早从黄页做起，2003 年才开始做淘宝；京东 1998 年成立时是中关村的一家实体店铺，2004 年才开始做电商业务，逐步转型成电商平台。
移动互联网时代
底层突破可以认为是 2007 年 iPhone 1 的出现，移动互联网的增量机会如 Uber 在 2009 年才诞生。
中国则会比美国还晚 1-2 年，微信 2011 年发布，2012 年 DAU 突破 1 亿，成为大众意义上的「killer app」，距离 iPhone 1 的发布已经过去了 5 年时间；美团虽然成立于 2010 年，但一开始从从 PC 团购业务起家，2013 年开始才做移动原生业务-外卖；今日头条产品的上线时间也是在 2012 年。
用一张图总结一下，killer app 几乎都要在底层突破后的 2-3 年之后才出现，因为任何底层技术的突破都需要时间去迭代和完善。 
所以，目前 killer app 暂时没有进入大众用户人群是符合历史规律的，这并不代表这一轮的 AI 技术突破不会带来新的 killer app 的机会。
另一方面，我们相信，当 killer app 大批量进入主流用户人群反而证明创业窗口期已经结束了，现在是创业最好的时间点。
细分领域当中的赢家常常不是第一个，但大概率是第一批。
举个例子来说，个人电脑的最大赢家可能是苹果，但世界上第一个个人电脑是 Altair（1974 年），苹果则是第一批（1976 年推出 Apple I，1977 年推出 Apple II）。因为第一个吃螃蟹的人的产品往往不完善，但如果在产品定义/商业模式成为共识后再推出，则几乎没有创业公司的机会了。
而且，我们能够发现过往的创业者，大成的那次创业经常不是他们的第一次创业。
美团的王兴在美团之前做过校内网和饭否，且美团在做外卖之前，先是 2010 年从团购做起，2013 年才切入外卖；字节跳动的张一鸣在今日头条之前做过做房产搜索业务九九房，拼多多的黄峥在创立拼多多之前先后做过手机电商、电商代运营和游戏公司。在一次成功的创业之前，经常需要许多次的探索，而在今天这样改变世界的 AI 革命浪潮来临的时候，创业者最优的策略就是尽快躬身入局，在浪潮的前沿不断探索。
02 大模型能力这么强， 未来会不会拿走 AI 产业绝大多数利润？
大模型拿走产业绝大部分利润取决于两个前提，一个是 AGI 能否实现。第二个是大模型公司能否实现垄断。
先来讨论第一个前提：AGI 是否能够实现。
AGI 如果不能实现，意味着大模型本身其实无法解决端到端的问题，必须要有公司去贴近客户、贴近场景，用大模型的能力去解决客户专有的问题，数据、场景、端到端的解决方案才是客户真正需要的方案，而如果没有 AGI，大模型公司自己不可能实现每个应用场景的方案。
从技术角度来说，AGI 能否实现的确是个黑盒，但是今天我们能够知道的事实是，行业内最顶级的AI专家（Lecun, 黄仁勋），对于LLM这种基于 next token 预测的方式能否实现 AGI 是有分歧的或者说不确定的。这种分歧不说明谁对谁错，但是说明我们离 AGI 还有相当长的时间，更强大的推理能力、符合物理规律的视频生成、对于物理世界的理解等等，还有很多问题需要解决。
而在 AGI 还达不到的时刻，大模型公司很难方便、低成本的提供所有端到端的解决方案，客户需要的是具体的解决方案，就像是搜索虽然很强大，但是用户还是需要各种论坛/小红书去获取更专业的信息，需要电商网站去实现下单购买的目的，而这些就是很多应用层公司发挥作用的地方。
以 AI 销售为例，他们就需要根据客户的类型，在不同的场景下应用大模型的能力。举个例子，比如针对客单价很高的客户，销售推进的速度可能就相对更慢，综合要考虑的因素会更多；卖车的和卖房的销售，卖不同品牌车的销售，是电话、面销还是网销，所有的不同都意味着背后的产品是不同的，是需要精心设计的，不仅仅是模型层面能解决的问题。
那么一个关键的问题是，万一 AGI 实现了呢？我想说，AGI 实现了以后，99% 的人类大概率就不需要工作了，就不用思考谁赚钱多的问题了，哈哈哈哈，直接进入共产主义社会了：）
第二个前提，大模型公司能否实现垄断？
先讲讲为什么需要垄断才能获得超额收益：因为如果有竞争，哪怕最后的竞争格局是寡头垄断，行业内的公司也无法获得定价权。寡头市场与垄断市场的区别在于，寡头市场中存在多个售货方，这意味着它们之间有一定的竞争，而垄断市场中只有一个售货方，不存在竞争。因此，在寡头市场中，售货方之间的竞争可以使得市场价格和产量更加接近于竞争市场的水平，而只有在垄断市场中，售货方才拥有定价权，类似于今天英伟达的状态。定价权是超额收益，即超额毛利、超额净利的来源。
回顾 IT 行业发展的历史，只有一家公司曾经实现过接近垄断，就是微软的操作系统。而微软的操作系统实现垄断，不是一个历史的必然，与当时的巨头（IBM）受限于反垄断而或主动或被动地忽视了操作系统的重要性，微软自己高超的战略选择（与 Intel 强强绑定）导致竞争对手相当长时间无法进入操作系统这个行业是高度相关的。因此微软在数字化时代，不仅仅赚取了操作系统的超额回报，也占据了操作系统上层的应用，比如 Office。
但是在大模型时代，这个历史可以重演吗？
要想达到垄断的状态，商业模式或者业务本质需要有极强的特点，比如极强的网络效应（类似于 Facebook 和微信这种多边的网络效应，但是淘宝、滴滴这种双边的网络效应都很难达到垄断的状态，淘宝虽然长时间占据了非常大的市场份额，但是其实在任何时代都有竞争对手，比如京东、拼多多等等）、政策准入（政府只允许一家）、超强的上下游绑定关系导致其他人无法进入这个市场（微软与 Intel，标准石油公司与铁路公司）等。
今天 OpenAI 作为大模型的领先厂商，具备垄断的能力吗？如果看以上业务特点，OpenAI 目前都不具备。
那么技术领先，会使 OpenAI 成为垄断吗？
我们认为技术天然会扩散，很难长期成为商业秘密。除非技术可以持续进步，并且长时间达不到顶点，技术的飞轮效应极强，导致和其他竞争对手的差距越来越大。
从目前的情况来看，OpenAI 的确在技术上保持领先，但是和可见的竞争对手相比，差距其实是在缩小的，我们要站在 OpenAI 已经具备了至少 8 年领先优势的基础上去思考这些问题，而不是站在今天的视角上去看和 OpenAI 的绝对值差距。
2021 年，中国和美国的 GDP 差距是 5.6 万亿，回到 1980 年，中国和美国的 GDP 差距只有 2.6 万亿，那么请问我们和美国之间的差距是变大了，还是变小了呢？答案显而易见，坐标系的不同，导致得出的结论天差地别。
如果技术只是保持领先，但是无法控制技术扩散，那么可见会有一定数量的竞争对手进入市场进行竞争。以台积电为例，他的技术长期领先，但是仅限于先进制程的芯片，获得了接近垄断的市场地位。成熟制程的芯片，行业内竞争者众多，达到一个制造业应有的毛利水平。这件事情对于英伟达来说，也类似，从长期来说，想达到垄断是非常难的。
只要大模型不垄断，存在两家或者两家以上的状态。我们通过历史可以看到，无论是在移动操作系统的二龙戏珠时代（iOS 和安卓），还是在三国争霸的云时代（Amazon/微软/Google），他们的 take rate 最终都在 20%-30% 之间。
说到这里，我想表达，并不是说大模型公司的价值不大，历史上任何能够成为基础设施的平台，都是巨大的价值，但是巨大的价值，和获得垄断地位，并且把整个产业链的大部分价值都拿走是两码事。英伟达今天的毛利是垄断状态下所带来的超额利润，长期来说，英伟达仍然会保持领先优势，但是随着竞争的加剧，未来的毛利也必然会逐步回归合理的水平。
所以总结来说，我们认为在大模型达到 AGI 之前，没有大模型公司会长期获得垄断地位，因此留给应用层的价值空间仍然是巨大的。
题外话：在微软的挤压下，数字化时代仍然有头部应用公司，比如 Intuit，是一个中国人比较陌生的公司。Intuit 是美国最大的财税软件提供商之一，诞生于 1983 年，成长于微软的 Office 套件垄断整个软件生态的年代，但 Intuit 在微软的打压下存活下来，并成长为至今仍有 1700 多亿美元市值的商业巨头。感兴趣的朋友可以读读《Inside Intuit》by Suzanne Taylor，可以从中学习到一个创业公司要如何面对巨头的正面竞争并取得胜利。
03 这次 AI 是大厂的机会，还是创业公司的机会？
有一些观点认为，这一波 AI 更利好大厂，而创业公司没有数据和场景，很难有机会。
我们的观点是，任何技术的进步，现有的大公司大部分都会因此获利，主要看有没有抓住这些机会，去改造/提升现有的业务；但是创业公司创造的往往都是新的价值和新的场景。
以移动互联网为例，纵观全球产生的最大的四个应用是移动端的 IM 工具（微信、WhatsAPP），打车（Uber, 滴滴，Grab）、外卖（美团、Doordash）、短视频（抖音, Tiktok）。
但这四个应用其实并没有「颠覆」上一代的 PC 互联网时代公司的任何业务，让他们的业务消失。以大家以前非常熟悉，但是现在可能感到陌生的 QQ 为例，25 岁的 QQ 直到今天，它的 MAU 仍然高达 6 亿。2008 年，淘宝网全年交易额是 998 亿元，而 2023 年这个数字大概在 7 万亿左右。
这里我们的核心观点是，想要「颠覆」上一代的产品不一定是一个对的创业方向。全球最大的移动互联网应用除了微信以外，其实都来自于创业公司，并且包括微信在内都是「移动原生」的产品。新的技术来带的优势，应该是去解决新的问题，而不是做更好的上一代产品。 更好的上一代产品，的确是大厂的优势。而创新最大的特点就是散点发生的，创业公司的数量和人才结构天然更具备优势，大厂在应用层并不占据绝对的优势。
另外，今天AI时代的有利于创业者的另外一个好处是，利用大模型的能力，创业公司的人员反而越来越精简了，我们看到很多 AI 应用的创业者，往往只有几个人，就已经把产品开发完成上线进行测试了。
One more thing，我们认为从应用层面来看，2B 的应用公司，在中国可能会迎来跨越式发展的机会。
我们过往深度研究过中国SaaS为什么相比美国 SaaS 并没有得到那么大的发展，因为我们中国公司从人数到大公司的数量其实是不输美国公司的；究其根本原因，还是在于人力成本。
参考下图，我们发现把三十几个国家的企业应用软件渗透率和（企业应用软件支出/GDP）人均 GDP 放到一张图里之后，发现这两个因素呈现了一个接近完美的正相关关系。这说明中国企业软件没有得到很好的发展更多的还是受到我们人均 GDP 不够高的限制，中国人又多又便宜，上一代企业软件创造的价值相对于我们的人力成本来说，并不足够的高。
我们这里经常用一个假设来说明问题，假设中国的人力成本是 10 人民币，上一代软件的成本是 6 人民币的话，那么带来的价值并不显著，因为人还有灵活性。但是如果 AI 能够把软件的成本降低到 1 人民币，极大的提高了效率，并且还保持一定的灵活性，是不是价值就会得到突破呢？当然这只是假设，但我们已经看到了创业者在这方面的探索。我们期待中国 2B 的 AI 软件应用的跨越式发展，类似于中国在没有很强的信用卡支付的条件下，移动支付行业取得的跨越式发展。
（这里有一个有趣的发现，中日韩三国的人均 GDP 虽然各不相同，但是比较起来，企业软件的渗透率都在相同人均 GDP 的底部，我们在讨论的时候开玩笑的说，这大概是因为东亚国家都很卷，其实按小时计算的人均 GDP 其实更低吧-_-!）
04 尽早参与，不要局限于当下的技术边界
最后，再扣题一下，我们看好 AI 应用层的创新机会，在新时代来临的时候，期待准备好的创业者尽早加入这个浪潮中。
但我们也提醒，在早期创业的时候，有两点需要注意：
一方面是创业其实是一个积累和学习的过程，成功的创业往往并不是一击即中，字节在成为字节跳动之前也有创业「九九房」的经历（九九房 09 年成立，字节跳动 2012 年成立），美团也是《九败一胜》（见豆瓣读书）。创业是一个特别耗费心力的过程，韧性（resiliient）非常非常非常重要。
另一方面是，面对今天AI技术还在快速进步的状态，在创业做应用的时候，不要局限于今天技术的边界，比如速度、成本、周边工具的不完善、甚至目前还不太强的推理能力，建议从技术更加成熟的角度去设计产品的发展路线图 (road map)。且要站在大模型厂商的战略角度去思考问题，不做它们原本业务延长线上的东西。
