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
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：
15.59K
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：
34.88K
$Googl 与 OTA/市场的对比 - “漏斗顶部”的单位经济学与“有效提成率”的概念
大约一半的 OTA 预订和流量是直接的，另一半是间接的（主要通过 $Googl）。
对于间接部分，这些公司基本上只是持平，因为他们支付给 $Google 的高 CPC。
从单位经济学的角度来看：假设一个每晚 $300 的酒店，15% 的提成率，CPC 为 $1–3，点击到预订的转化率为 3–4%。这意味着每完成一次预订的营销费用约为 $50——基本上在间接流量上持平。
相比之下，直接流量是金矿。它是盈利的，并且可以通过付费广告进行变现（广告占 $EXPE 收入的 ~10%，$BKNG 的 ~5%；约占 EBITDA 的 25%）。
$ETSY（以及大多数市场）也是类似的。营销费用约占收入的 ~30% - 最好的猜测是间接部分几乎没有盈利。
🔴教训：间接流量是一种昂贵的挤压。$GOOGL 从旅游中提取的总利润超过所有 OTA 的总和 - 让这个事实沉淀一下。
🔴一个重要的概念，“有效提成率”：
在上面的 OTA 示例中，间接流量的有效提成率为 0–5%，尽管直接和间接的名义提成率都是 15%。
这意味着如果 ChatGPT（或任何其他漏斗顶部）向 $BKNG $EXPE 收取提成（而不是广告收入），那么 10–15% 的提成率 = 与从 $GOOGL 获取流量持平。
广告费用和提成率是数字税的可互换形式。
在讨论代理商业的影响之前，我们不能不先理解 $GOOGL——这个 OG 的“漏斗顶部”——如何重塑 OTA 和其他消费互联网平台。
---
代理商业 | 深度分析 (II):
30.41K
热门
排行
收藏