假如AI整個行業賺100，那誰拿80

行業分錢先是結構，然后才是能力。而結構里面首先是基礎設施和應用的分利問題，然后才是誰的站位更好。

互聯網和Web3哪里不一樣？

從結構角度看，互聯網的財富主要在應用層，而Web3的主要財富在基礎設施層。

所以微信賺的錢肯定比安卓多（安卓輔助創造的收入Google公開過一次），再加上電商、游戲等可以說整個生態里面的錢主要在應用層。

Web3則有點調過來，財富主要在基礎設施。你別的東西包括GameFi這些不管怎么玩，估計也超不過以太坊，比特幣就更別說了。

如果財富在應用層，基本上流通是閉環的，生態可以良性發展；喇叭口是逐步放大的，最終放大完和現實接壤了。

如果財富在基礎設施，那骨子里生態是瘸腿的，有可能需要像數字貨幣那樣只靠流動性，或者只能是割韭菜邏輯。喇叭口是逐步縮小的，那后來的賠的幾率大，不容易良性發展。

AI什么樣？

前幾天寫個文章《》，結果烏鴉嘴好像升級成神級了，隨后OpenAI開始爆各種壞消息。但其實那篇文章本身不是說怎么詛咒，說的就是結構問題。

那篇文章的基本預設就是：AI如果起來百分之八十的財富在應用層。

也只有百分之八十的財富都在應用層AI才可能迎來自己的繁榮。

往回追溯可以類比下整個IT產業。

1980年以前IT產業芯片最賺錢，那這行業其實是沒到大發展的時候。IT歷史上當個人電腦沒有真的繁榮起來的時候真是基礎設施在賺走主要的錢，包括芯片和IBM那種一體機。為什么大家一說硅谷就說八叛徒、仙童什么的，因為那個時間點機遇屬于芯片這樣的基礎設施。應用有點像個配搭，不怎么關鍵，只是在基礎設施上做了比較薄的包裝。

現在AI和這個時期有點像，英偉達（看著是芯片，但實際上有點像IBM一體機，是個小生態）主要賺錢。

后來Windows切開了硬件和應用的關聯后，迎來了應用的大爆發，再加上美國人愿意為軟件付錢，才迎來了整個行業的財富從基礎設施到上層應用的轉移。

這也和現在的AI很像，如果我們切不開模型和應用的關系，讓下游繁榮起來，再加上模型本身很貴，那未來就危險，陷入低潮的時間就可能拉長。

模型越通用越解決不了場景問題。

參見：

基礎設施的商業模式

基礎設施和上層應用兩層分置之后，商業模式會什么樣呢？

因為基礎設施不直接創造用戶價值，所以商業模式上創新空間也不大：

一種是有生態控制力，那就收稅。近來蘋果不是和微信、抖音在PK么，這種就看誰控制力強。

一種是沒生態控制力，那就變供應鏈企業。比如做手機屏幕的，屏幕也很關鍵，但你就沒生態控制力，就得按供應鏈賣貨來。

這里的本質在于誰對流通環節有控制力，控制力代表規則制定的權利。

蘋果保持了這種控制力，微軟在Windows上并沒保持住這種控制力，真正的Web就沒有人有這種控制力。

如果AI基礎設施公司（主要是大模型公司，想升級）遞進過程是：技術→產品→流通環節控制力。每遞進到下一個層級收益空間都會被數量級放大。路還長著的。

有時候看到人直接說做模型怎么愁盈利，這真的是沒整明白，不是有個東西就能賺錢的。

應用的商業模式

一般的模式參見“”，不展開了。這里主要從流通環節控制力角度（系統控制力）來說。

應用商業模式的核心就看能不能從基礎設施上把這種控制力切出來一塊。切的出來和切不出來完全不一樣結果。

比如微信做二次分發，培養自己的獨立生態其實就是削弱蘋果的控制力，所以會沖突。這事估計蘋果不會讓步，這對它是最關鍵的事了，如果每個都對系統性控制力進行分流，那它就真變消費電子產品廠商了，需要和做電視的看齊。

這就是切出來了但要和基礎設施上控制力強的一方達成平衡。

應用做到這個微信這地步在安卓或者Windows上就比較高興了，因為你自己就是老大，沒人管你。

AI應用下面的路其實比APP還要好些。

AI是一種跨平臺的技術，之前我們曾經多次把AI應用比喻成一個個或大或小的八爪魚。這個八爪魚可能和過去的App生態有交集，比如重整搜索這些功能，也可能沒有比如就是屬于教育或者醫療行業。

這種跨平導致的結果是形態上它可能是純粹的Web系統，可能是App，可能帶一個機器人、智能音箱這樣的載體。這些終端都是八爪魚的觸手，對它來講最關鍵的腦子屬于應用方本身，觸手不關鍵了，完全可以避開蘋果生態這類麻煩區域。

整個AI體系里除了英偉達CUDA那個位置，先天上就模型這地兒還有可能形成某種系統性，別的就沒有控制點了。如果模型形不成，那就意味著沒有大一統的基礎設施。

這進一步也就意味著這套體系天然容易分散，最終也就導致財富會大量在應用環節。（80%在應用的判斷基礎）

OpenAI如果能還魂過來，假如順利還有在少的幾個領域構建這種系統性和控制力，然后讓自己成為新的巨頭。

現在這么倒騰就有點懸了。

系統性超級應用的時代

所以AI的崛起過程大概率是系統型超級用崛起的過程。反過來說也行，如果沒有系統型超級應用的崛起就沒有AI的崛起。

而做出系統型超級應用的就會拿走AI所創造的80%的財富。

發起的的宗旨叫現場問題，底層邏輯。

上面其實是個底層邏輯視角。現場問題保證一種鮮活的感知，這種底層邏輯可以幫助去除一些不必要的搖擺，能把混沌系統變成可以度量和預測的系統。

如果我們單獨串起來媒體文章的標題，你會發現人類其實是神經病的。

一個月前還氣勢洶洶要顛覆人類的AI，最近則有要熄火的趨勢。

這樣落到做事上其實是有害的，還是要有確定相信的東西，然后結合技術現實在現場中找真的機會。

比如相信或者不相信會崛起，會導致行為非常不一樣。

不相信就是快點整個工具賺點錢得了，相信的則會尋找構建這種應用的機會，那怕早期慢一點。

現場問題作用于方法，底層邏輯作用于信念。

底層邏輯不是僵化、確定的結果，而是各種風險大致被參數化的體系。

最近這期AI碰撞局準備往這個上偏重一點點（8.15 7:00線上走起，感興趣聯系cathywangyue吧），準備既說現場問題也說底層邏輯，題目叫：近兩年來基于AI大模型的成功產品與模式。探討的內容就是：總結2022年以來第一波賺到錢的產品和模式，挖掘AI驅動型產品的獨特性，探索下一個機會點。

為了多元碰撞，也把事情說更清楚些，除了上篇提到的周以舟博士，進一步還邀請了北大國發院的侯宏老師做碰撞嘉賓，侯老師日常觀點參見：

侯老師研究方向就是公司戰略、商業生態、商業模式。

這樣三個人的角度會比較綜合了：

侯老師是戰略和模式視角，周以舟博士技術趨勢把握會更清楚，我個人則是偏實踐，自底向上。

周以舟博士簡介前篇文章發過，在這邊也再發下：

“周以舟博士，現為國內某頭部互聯網公司多模態理解技術負責人，主導研發的開源大模型曾登頂最強千億參數級別開源多模態大語言模型榜首，也主導大模型在十幾個實際場景、幾百個需求中的大規模落地。連續多年擔任 neurips cvpr iclr 等眾多國際頂級會議、期刊的評審，曾取得阿里星、華為天才少年、騰訊技術大咖等應屆榮譽。本科畢業于中國科學技術大學，博士學位獲自微軟研究院聯合培養項目，并受到國家公派留學獎學金資助（ UCLA 三院院士 Demetri 教授團隊） 。 老李話一三，公眾號：琢磨事

小結

從具體產品偶爾抽出來的這種底層邏輯很多時候是必要的，《論持久戰》就是底層邏輯，沒說具體任何那場戰役，但和每場戰役都有關系。這里面的一個關鍵是底層邏輯不能和現場問題分開，不能不說也不能多說。兩者更像一個整體的不同側面。

參考文章：,