資深科技投資人、Altimeter Capital合夥人Apoorv Agrawal在斯坦福大學的最新授課中，深度拆解了當前3000億美元AI生態的「倒三角」利益分配格局，並直言AI應用要想突破當前的盈利瓶頸，進軍廣告領域將是今年的重大事件。

近期，在斯坦福大學的一場公開課程中，Altimeter Capital合夥人、斯坦福大學兼職講師Apoorv Agrawal圍繞「AI時代的錢到底流向了哪裏」這一市場核心關切，進行了深度拆解。

隨着全球科技巨頭在AI基礎設施上投入天文數字的資本支出（Capex），市場對AI商業化前景的審視正變得愈發嚴苛。Agrawal指出，這是一個規模巨大的超級周期，正如英偉達CEO黃仁勳所言，當前的數據中心建設是一個包含能源、芯片、電力互連和應用的「五層蛋糕」。

但對於投資者和從業者而言，最核心的拷問在於：「我們在資本支出方面投入了巨資，在建設數據中心方面投入了巨資。那麼問題來了：你構建的這些模型，它們真的能創造經濟價值嗎？」

3000億美元的「倒三角」：75%的收入流向了半導體

回顧過去25年的互聯網、移動互聯網和雲計算革命，其商業變現模式通常呈金字塔狀——底層基礎設施利潤相對微薄，而頂層的應用端攫取了最豐厚的利潤。然而，當前的AI生態呈現出截然相反的形態。

Agrawal在授課中直言，生成式AI生態系統與過去的雲計算生態截然不同，它呈現出一個「倒三角形」。對於這一現象的底層邏輯，他引用了硅谷知名投資人馬克·安德森的觀點進行對比：「正如馬克·安德森所說，軟件吞噬世界，是因為我可以開發軟件並將其分發給數百萬人，而運行這些軟件的邊際成本接近於零，軟件企業的毛利率高達80%甚至90%。但人工智能的經濟模式並非如此。」

這種差異的根源在於算力成本。「人工智能應用的增量用戶並不是免費的，因為你需要消耗大量的GPU資源，擁有人工智能用戶的成本要高得多。」Agrawal指出，在過去兩年AI行業新增的約3000億美元收入中，「約75%都直接流向了半導體行業；應用業務雖然增長了十倍以上，但仍然沒有產生太大的影響。」

在整個技術棧中，半導體層是目前最賺錢的部分。Agrawal給出了極具衝擊力的利潤率對比：「數據中心業務的毛利率約為75%，上下浮動幾個百分點。而應用層的毛利率，我估計在0%到30%之間……差距相當大，原因就在於半導體層有一位玩家（英偉達）幾乎獨佔鰲頭。」

打破「均衡態」的催化劑：巨頭自研ASIC與資本支出拐點

針對這種由英偉達主導、底層拿走絕大部分利潤的「倒三角」格局會維持多久，市場分歧巨大。Agrawal給出了自己的預判：「我猜它在雲端保持當前狀態的時間可能會比我預期的要長，大約是十年。我感覺這種情況可能會持續更久，因為要達到穩定均衡狀態實在太難了。」

不過，他也為投資者指出了觀察這一格局可能被打破的兩個核心催化劑：

第一是雲巨頭（超大規模數據中心運營商）在自研芯片上的突破。「如果某個超大規模數據中心運營商的ASIC項目取得突破——無論是谷歌的TPU、Meta的MTIA，還是亞馬遜、微軟的項目——都可能成為突破口。如果出現突破性進展，我懷疑這將是該層級最大的重新定價。」

第二是巨頭資本支出指引的變化。「另一個催化劑是超大規模數據中心運營商的資本支出指引。我建議在座各位都去聽聽財報電話會議……如果他們停止對資本支出做出大幅預期，可能意味着當前的均衡狀態行不通了。」

此外，算力需求結構的切換也值得高度關注。當前英偉達售出的GPU中約有60%用於訓練，40%用於推理。Agrawal認為，「隨着時間推移，推理任務的份額會逐漸增加」，但推理任務的工作負載極不穩定，這不僅將考驗硬件的利用率，也將重塑中介層（推理中間層）的競爭格局。

AI變現的終極猜想：「我們必須進軍廣告領域」

在應用端，以ChatGPT為代表的消費級AI正面臨海量用戶與低效變現的矛盾。Agrawal分享了一組核心數據：ChatGPT擁有約10億用戶（相當於Facebook早期的量級），但「約95%的用戶都是免費用戶」。

對比當前互聯網巨頭的單用戶收益（ARPU），AI應用的差距顯而易見：「Alphabet擁有約40億用戶，每用戶每年盈利約100美元；Meta擁有約35億用戶，每用戶每年盈利約70美元。而領先的人工智能提供商ChatGPT，每用戶每年約帶來10美元的收益。」

在排除了純靠知識型工作訂閱模式能撐起萬億估值的可能性後，Agrawal拋出了他對AI商業化模式的終極預判：「第二個問題是：我們如何將每用戶每年10美元的收益提升到100美元？我不確定單靠廣告和訂閱是否可行。答案是，我們得進軍廣告領域。」

他認為，AI大模型在廣告投放上具備得天獨厚的優勢：「ChatGPT或Claude能夠投放的廣告具有很多優勢：更優惠的價格，因為他們能理解你的意圖；非常好的歸因分析；更高的信任度。」

儘管市場對「在私人AI對話中插入廣告」持悲觀或懷疑態度，但Agrawal將其類比為十年前市場看空Facebook移動端廣告的論調。「我認為這將是今年另一個重大新聞，這絕對會是一件大事……我樂觀地認為我們會找到答案，這將是對現有經濟模式的一次重大突破。」

以下是文字稿

Apoorv Agrawal 00:09

好了，各位，這節課我們會輕鬆愉快地進行。我叫 Apurv，接下來的九周左右，我將擔任你們的講師。

今天我們要學習的內容如下：我會先簡單介紹一下自己，說說我為什麼會做這件事，以及一些課程安排。還有小測驗——沒錯，我就是那個會出小測驗的人，第一天我們就要進行小測驗。接下來，我們將探討大家一直在思考的一個關鍵問題：人工智能領域究竟哪裏賺錢？

你們當中有些人認識我，也知道我的職業生涯是從印度開始的。後來我搬到了新加坡，在這裏認識了一些朋友。大約十三四年前，我和 Sonil 以及其他幾位同事在 Palantir 開始了職業生涯，加入過各種各樣的工程團隊，在政府大樓裏編寫了大量的 Spark 程序。後來我厭倦了這些，便回到斯坦福大學讀研究生。現在，我在 Altimeter 擔任領導職務。Altimeter 是一家投資公司，專注於一種相當集中的投資方式，設有上市公司和私營公司兩個業務部門。六個月前，我獲得了人生中最重要的一次晉升。

Apoorv Agrawal 01:26

我現在榮升為父親。正如人們所說，這將是我最大的一筆投資。有人說這是最有把握獲得負內部收益率的投資，但我認為它是最有把握獲得正內部收益率的投資——當然，這並非財務上的考量。我就住在街對面，有問題儘管問，希望能在這裏為大家提供幫助。

我還有一位很棒的助教 Chloe Fang 一起指導。如果有比較難的問題，可以向她請教，好好利用這個機會。

Apoorv Agrawal 02:06

我們為大家安排了一場精彩的課程。這門課每周不超過三個小時，包括課堂閱讀，以及你花在和 ChatGPT 討論作業上的所有時間——大概一個小時的課堂時間，一到兩個小時的閱讀時間。

課程形式很簡單：從下節課開始，每節課都會邀請嘉賓演講。根據查塔姆研究所的規定，很多嘉賓會分享一些內容，甚至可能有點過度分享，所以請不要錄音。課後我們會和一些嘉賓一起喫飯（自願參加），歡迎大家加入，Chloe 會負責安排相關事宜。

評分很簡單：50% 是出勤率，50% 是課程結束時佈置的作業。這門課是對話式的，積極提問、積極參與，你參與得越多，收穫就越多。說實話，對我來說最大的好處就是能從你們身上學到很多東西。

Apoorv Agrawal 03:15

這是未來九周的課程安排，演講嘉賓陣容強大，一位比一位更令人印象深刻。過去幾個月，我一直在忙着制定這份日程表，Chloe 對此非常了解。請務必準時參加。這些演講嘉賓都是傑出的領導者，運營着涵蓋半導體、基礎設施和能源等各個領域的卓越企業。在基礎設施和模型方面，我們邀請了來自 OpenAI 和 Anthropic 的專家，以及衆多應用程序和智能體方面的專家。請盡情提問，把最棘手的問題留給演講嘉賓解答，他們一定非常樂意回答。

那麼，你為什麼要參加這門課程？你能從中獲得什麼？說實話，我每年都會回學校一次，和大家分享行業里正在發生的一切。

Apoorv Agrawal 04:21

我意識到這是一個規模巨大的超級周期。我們 Altimeter 公司深知這一點，也堅信這一點，所有的關注點都圍繞着它展開。但我沒有找到一門能夠深入探討這個周期的課程，而這正是我本科或研究生時期所希望擁有的。

Apoorv Agrawal 04:39

五年後，所有人都會問你："嘿，你預見到這一切了嗎？你見證了 ChatGPT 的誕生，見證了這個領域的形成。"你肯定希望自己能回答"是"。你們當中一半人會創辦一家人工智能公司，另一半人會為其投資。因此，至少你們應該知道該如何支配即將籌集的 A 輪孖展，應該對哪些事情不該做心中有數，或者至少對正在考慮創辦、投資或加入的這個行業，應該問哪些問題？在這個周期階段，支配這個行業的底層邏輯是什麼？

Apoorv Agrawal 05:25

我認為這將是迄今為止規模最大的一次超級周期，很高興各位能來和我們一起學習。

我會花些時間講解這張幻燈片，因為這是關鍵所在。你們當中有多少人以前見過類似的內容？謝謝讀過相關資料的同學，我們也為那些更喜歡聽覺學習的人準備了筆記。

我們先來談談這張圖表。這裏所反映的，實際上可能是目前生成式人工智能領域最大的問題。如果你聽過任何一家超大規模數據中心運營商，甚至是英偉達和其他公司的財報電話會議，就會發現，我們在資本支出方面投入了巨資，在建設數據中心方面投入了巨資。正如 Jensen 所說，這是一個五層蛋糕：能源、芯片、電力互連、內存等等，所有這些都是為了給你提供一個可以按小時或按代幣租用的數據中心，用來訓練和運行模型。

那麼問題來了：你構建的這些模型，它們真的能創造經濟價值嗎？這基本上就是這張圖表右側所要呈現的內容。

為了類比我所見證的幾次最大的技術革命——25 年前的互聯網、20 年前的移動技術，以及大約 10 年前的雲計算——你會發現，互聯網、移動技術和雲計算呈現出相同的模式。但云計算生態系統與人工智能生態系統截然不同。大家對這種差異的原因有什麼猜測嗎？為什麼它們的形狀不像金字塔，而更像倒三角形？

學生髮言：也許是因為人工智能領域現在還處於早期階段。

Apoorv Agrawal：是的，確實還處於早期階段，這個猜測不錯。還有其他想法嗎？

學生髮言：也許是因為英偉達擁有壟斷地位，所以他們可以隨意定價。

Apoorv Agrawal：下周我們邀請英偉達的人來的時候，你能再問這個問題嗎？你說得很有道理，他們的確佔據了絕對優勢。我們在閱讀材料中有一張圖表，顯示了 AMD 目前在所有計算領域的市場份額，而且英偉達非常領先。

學生髮言：是不是因為雲計算能夠利用硬件來生成可以開發的產品，而人工智能還沒有真正形成這種模式？

Apoorv Agrawal：正如馬克·安德森所說，軟件吞噬世界，是因為我可以開發軟件並將其分發給數百萬人，而運行這些軟件的邊際成本接近於零，軟件企業的毛利率高達 80% 甚至 90%。但人工智能的經濟模式並非如此。擁有大量用戶使用 Cursor 或其他工具，你肯定聽說過很多大型企業即使年收入數十億美元也仍然無法盈利的故事。人工智能應用的增量用戶並不是免費的，因為你需要消耗大量的 GPU 資源，擁有人工智能用戶的成本要高得多。

你們剛纔提到的所有角度，從早期階段、英偉達的主導地位，到推理運行方式物理特性的截然不同，都與我們目前的處境非常吻合。

我還可以補充一點，在閱讀材料中我也提到過：我們分析了互聯網、移動和雲計算的發展歷程，以及這些領域格局的轉變用了多少年時間。舉一個例子，AWS 成立於 2004 年，2010 年迎來了第一個客戶 Netflix，亞馬遜在 2012 年全面轉向 AWS，從破土動工到完成首個資本支出周期，一共用了八年時間。我不知道你們當中是否有人 20 年前就關注過亞馬遜的財報，但當時最大的爭論是：亞馬遜會不會破產？值得慶幸的是，至少目前為止還沒有人瀕臨破產。但這仍然是一個龐大的數字，我們稍後會再回到這張幻燈片。

這正是我們將要探討的課程核心主題。我們將邀請名單上各公司的代表發言，圍繞核心主題展開討論：

• 英偉達：你們是行業主導力量嗎？能保持多久？最擔心哪些 ASIC 芯片的競爭？業務面臨哪些價格壓縮問題？
• Anthropic 和 OpenAI：重點討論盈利能力。兩家公司都擁有數十億用戶，且幾乎百分之百依賴雲服務。這部分用戶群體是否盈利？廣告收入是否會超過訂閱收入？
• 推理中間層：這是整個生態系統競爭最激烈的部分，既有橫向競爭，也有超大規模雲服務商想要在這一層佔據主導。目前最大的問題是：你究竟是一個功能還是一個平台？我們看到很多基礎設施領域的新興企業想法不錯，但如果你問自己"為什麼它不是 AWS 的一部分"，可能會發現它或許應該成為 AWS 的一部分。

說話的人 2 12:22

在開始測驗之前，大家有什麼問題嗎？我很好奇，右邊那個三角形代表的應用領域比較小，那麼像 Salesforce 這類現有平台，以及它們的收入，你們會如何把它們納入分析？

Apoorv Agrawal 12:43

這是一個很好的問題。Salesforce、Palantir，還有一系列我們稱之為"傳統經濟企業"的公司，正在進行自我革新，推出獨特的產品線，比如 Salesforce Einstein、Palantir IP 等。答案是肯定的，它們應該被納入分析。

在計算中，我解決這個問題的方法是獲取模型收入。如果你在使用 Salesforce，你可能正在運行某個大型模型或進行推理，他們的支出是通過底層架構在應用層捕獲的，很難從公開披露的信息中單獨提取出來。但總體來說，它佔據了右側底部的大部分空間，同時也會佔用頂部團隊未來盈利所需的良好產能，而這正是我們目前在圖表中看不到的。

Apoorv Agrawal 13:51

或許我們可以換個方式來問：半導體層建設是否存在時間錯配？通常半導體的建設周期是五到六年，而應用收入卻是針對當下的。這也正是這個彩色三角形下半部分呈現周期性的原因——資本支出周期會經歷不同的階段，可以把它想象成鋪設鐵路。

我們在圖表中展示了移動超級周期的情況，當時非常相似：第一階段，許多資本支出密集型企業的市值都被推高了。

學生 14:45

所以我懷疑我們現在還處於早期階段。我很想知道你對谷歌的看法——我看到你在那層小圖中把谷歌標記為谷歌雲，但谷歌也有自己的 TPU 模型，在 GPU 之後它們非常受歡迎。你如何看待它們在這個三角形中的定位？

Apoorv Agrawal 15:07

像谷歌這樣的大型企業集團理應被劃分成不同的業務部門。我把 TPU 業務部門歸入半導體部門，GCP 部門屬於基礎設施層，而 Gemini 部門則屬於應用層。稍後我們會用一張圖表討論這個問題。

Gemini 實際上是目前使用最廣泛的消費者應用之一，排名第二。而最大的問題是，這其中有多少是谷歌的分發優勢帶來的，又有多少是應用本身憑藉卓越性能所致？

學生 15:50

目前還沒有定論。請問一個關於預測的問題：現在這個圖表看起來像個三角形，如果預測成功，它或許會變成倒三角形；但如果預測失敗呢？

Apoorv Agrawal 16:16

我會換個方式來問你的問題：這個行業的穩定均衡狀態是什麼？

我認為人工智能不太可能只是曇花一現或以失敗告終。我一直在思考這張圖表中的穩定均衡狀態——我之前在推特上和一位很聰明的人就此展開了一番辯論，深入探討了"什麼是穩定均衡"這個問題。

Apoorv Agrawal 16:49

我猜它在雲端保持當前狀態的時間可能會比我預期的要長，大約是十年。我感覺這種情況可能會持續更久，因為要達到穩定均衡狀態實在太難了。

Apoorv Agrawal 17:10

底層架構確實如此，但肯定會有一兩個突破口。舉個例子，如果某個超大規模數據中心運營商的 ASIC 項目取得突破——無論是谷歌的 TPU、Meta 的 MTIA，還是亞馬遜、OpenAI、微軟以及其他實驗室的項目——都可能成為突破口。

Apoorv Agrawal 17:32

如果出現突破性進展，我懷疑這將是該層級最大的重新定價。另一個催化劑是超大規模數據中心運營商的資本支出指引。我建議在座各位都去聽聽財報電話會議，每年四次，上市公司 CEO 會告訴你他們最關心的問題。如果他們停止對資本支出做出大幅預期，可能意味着當前的均衡狀態行不通了。

學生 18:22

這裏面是否也存在訓練與推理之間的比重變化因素？我的感覺是，只有當推理的影響力遠大於訓練時，這種做法纔行得通。我很想聽聽你對這種轉變何時發生的判斷，因為一旦訓練的邊際收益下降，資金自然會從訓練轉向推理。

Apoorv Agrawal 18:42

這是個很好的問題，也是英偉達財報電話會議上最受關注的信息之一——英偉達 GPU 在推理任務中所佔的份額。我上次查到的數據大約是 40%，這意味着售出的 GPU 中大約 40% 用於推理，其餘 60% 用於訓練。我估計隨着時間推移，推理任務的份額會逐漸增加。

但我無法告訴你具體時間，因為目前全球的訓練任務仍然非常繁重。訓練任務的工作負載模式非常可預測，在短時間內保持高利用率；而推理任務的工作負載模式則非常不穩定，通常集中在人類工作期間，直到智能體接管任務之前。也許到那時，推理任務會全天候運行，更難預測。

關於整個技術棧中最賺錢的部分，答案是半導體層，其利潤率遙遙領先——數據中心業務的毛利率約為 75%，上下浮動幾個百分點。而應用層的毛利率，我估計在 0% 到 30% 之間，具體取決於你問誰。差距相當大，原因就在於半導體層有一位玩家幾乎獨佔鰲頭。如果從盈利的角度來看，這種集中度更高。這個"三角關係"更加集中，稍後我會詳細解釋。

學生 21:07

我們已經經歷了雲計算領域的投資周期，這絕對是其中一個因素。如果像谷歌、亞馬遜這樣的基礎設施公司都有自己的芯片，以各種方式自研，那 OpenAI 也在尋找這類資產，這些都來自哪裏？

Apoorv Agrawal 21:27

對於初創公司來說，整個生態系統中大約有 3000 億美元的收入可以爭奪。正如 Jensen 在財報電話會議上透露的，其中大約一半來自大型超大規模雲服務提供商，所以他們很可能是你的主要客戶。

如果你今天創辦一家軟件公司，客戶群結構會非常單一，只有極少數的大額訂單，這與構建消費業務或企業軟件業務的結構截然不同。此外可能還有一些其他企業客戶，但我認為他們最終都會選擇雲服務提供商。如果你想創辦一家芯片公司，首先應該考慮的是：你要先把產品賣給這五家超大規模雲服務商中的哪一家？

學生 22:30

最後一個問題：每個層級最終只會湧現出少數幾家贏家，這需要好幾年時間才能見分曉。我感覺過去並沒有出現過完全垂直整合的企業。谷歌算一個，我認為它在右側的層面上是完全垂直整合的，但我很好奇這種權力轉移會帶來什麼影響。

Apoorv Agrawal 22:53

互聯網超級周期最大的贏家可能是谷歌，市值約為 3 萬億美元，在搜索領域佔據了近 99% 的市場份額。谷歌是一家高度垂直整合的公司，從文件服務器到搜索、廣告，再到用戶體驗，無所不包。

移動領域的贏家是蘋果，市值大約 2.5 萬億美元。

Apoorv Agrawal 23:19

接下來，假設 Meta 是社交領域最大的贏家，它們的整合程度並不高，市值現在大概 2 萬億美元左右。也許它們因為沒有完全下沉到服務器端而損失了 1 萬億美元的估值空間。

Apoorv Agrawal 23:36

雲計算領域則既同質化又異構化，目前還沒有哪家公司獨佔鰲頭。AWS、GCP 和 Azure 三大巨頭雖然佔據主導地位，但彼此之間並沒有完全整合。英偉達一直在這方面努力——你是否聽說過 NVX Cloud？這是他們為構建雲生態系統而推出的雲服務，他們顯然在嘗試一系列垂直領域的應用。所以你說的或許有道理。

好了，各位，我知道現在是周四晚上五點，我不想做那種掃興的人，所以我就直接進入正題。

Apoorv Agrawal 24:17

我準備了一個小測驗，馬上開始。我會給你們一些關於我們即將討論的公司的信息，並為獲勝者準備了獎品，得分取決於答對與速度兩方面。最快的方法是快速推理後作答，當然你們也可以藉助 AI 工具，但請給人類玩家 5 秒鐘時間先用"模擬方式"作答。

Apoorv Agrawal 25:25

準備好迎接下一個挑戰。

Apoorv Agrawal 25:32

在場的軟件工程師可能擁有不公平的優勢。

Apoorv Agrawal 25:52

接下來我用大約十分鐘，來探討一下我對當前形勢以及價值為何以這種方式積累的一些假設。我覺得時間不多了，想準時結束，但有任何問題請隨時打斷我。

我在下一張圖表中用略微不同的方式描繪了它，做了和兩年前相同的練習。兩年前的情況是：左邊的生態系統顯然小得多，大約只有現在的五分之一。令人驚訝的是，它的形狀並沒有發生太大變化。儘管增長迅猛，過去兩年新增了大約 3500 億美元的收入，其中約 75% 都直接流向了半導體行業；應用業務雖然增長了十倍以上，但仍然沒有產生太大的影響。

所以我就想，好，讓我們把每筆銷售額都拆開來看，看看哪些公司貢獻了哪些部分。正如你們所知，這 3000 億美元的收入大部分都流向了英偉達。而應用業務的收入，實際上由兩家公司貢獻了大約 90%。有人想猜猜是哪兩家嗎？

Apoorv Agrawal 27:39

基礎設施領域是競爭最為激烈的領域——不僅有橫向的競爭，還有跨領域的競爭，同時也是新公司層出不窮、收購頻繁的領域。它是目前競爭最激烈但也最不穩定的部分。

Apoorv Agrawal 28:12

這張圖表在過去兩年裏幾乎沒有變化，它需要多久才能真正形成雲軟件的雛形？是五年、十年、十五年，還是永遠不會？也許它就一直這樣下去。我們相信它終會到來，只是速度太慢了。

Apoorv Agrawal 28:37

在思考人工智能的未來時，我們關注的第二件事是消費級人工智能的盈利模式（目前除了編程領域之外，消費級人工智能可以說是最大的人工智能市場）。ChatGPT 的使用率很高，但大部分都是免費的，約 95% 的用戶都是免費用戶。DeepMind 的創始人 Demis 也宣佈，他們不打算採用廣告訂閱這種盈利模式。

我們一直在思考，這些企業究竟能發展到多大規模？盈利模式是什麼？訂閱模式會更大還是廣告模式會更大？為此我研究了人工智能領域之外最大的消費級產品。

Apoorv Agrawal 29:36

有一類產品的用戶規模已經達到了 30 億，這些產品幾乎成了人們生活中不可或缺的一部分，比如 WhatsApp 和 Chrome。

還有一類用戶規模在 15 億到 20 億之間的社交產品，類似於 Instagram、TikTok 和 Facebook。

它們並非強制性的，但卻展現出極佳的網絡效應——如果我的朋友 Chloe 使用了其中一款應用，我更有可能也會加入。

第三類是主流消費品，既非強制性的，社交性也不算特別強，我會稱之為小衆產品：如果你想購物，你會去亞馬遜；如果你想聽音樂，你會去 Spotify；如果你想參與辯論或看貓咪視頻，你會去 Twitter。

大家猜猜 ChatGPT 和 Gemini 更接近哪一類呢？

學生髮言：我覺得它的規模會和 YouTube、WhatsApp 差不多，因為它會成為人們日常生活中不可或缺的工具，人們會把它當作日常生活的一部分來使用。

好，我來告訴你們答案。現在差不多是 Facebook 級別的量級，大概 9 億左右。沒錯。

Apoorv Agrawal 31:27

如果把它們放在一起比較，結果是這樣的：ChatGPT 啱啱在小衆領域佔據主導地位，而 Gemini 還沒有。它正在向社交領域發展。就我個人而言，作為 OpenAI 的投資者，我非常希望……

我希望它能朝着核心實用性發展。但我們一直在問自己一個最大的問題：每個人都在做的知識工作，也就是知識本身——ChatGPT 並不是一個讓你和別人聊天的地方，也不是一個讓你收發郵件或獲得多巴胺刺激的地方，它是一個你需要主動參與、主動提問的地方。而世界上主動提問技術問題的人數，並不代表所有網民的人數。

地球上大約有 80 億人口，其中 40 億人上網。消費者應用的大致經濟效益是這樣的：Alphabet 擁有約 40 億用戶，每用戶每年盈利約 100 美元；Meta 擁有約 35 億用戶，每用戶每年盈利約 70 美元。

領先的人工智能提供商 ChatGPT 擁有約 10 億用戶，每用戶每年約帶來 10 美元的收益。所以問題是：我們如何將用戶數量從 10 億提升到 40 億？知識型工作或許是答案，但我認為我們需要超越知識型工作本身。第二個問題是：我們如何將每用戶每年 10 美元的收益提升到 100 美元？我不確定單靠廣告和訂閱是否可行。

答案是，我們得進軍廣告領域。而且 ChatGPT 或 Claude 能夠投放的廣告具有很多優勢：更優惠的價格，因為他們能理解你的意圖；非常好的歸因分析；更高的信任度。我認為這將是今年另一個重大新聞，這絕對會是一件大事。

真正透徹理解廣告模式至關重要。十年前 Facebook 上市時，有很多沽空 Facebook 的報告，因為人們說："這些廣告在電腦上效果不錯，但在手機上肯定不行，因為手機空間不夠。"令人驚訝的是，我們最終還是在手機上找到了空間。

現在的情況也一樣——"我正在進行這場非常私人的對話，我不想被廣告打斷"，這就是看空的論據。我無法預測最終結果，但我樂觀地認為我們會找到答案，這將是對現有經濟模式的一次重大突破。我們會在今年晚些時候的某個演講環節深入探討這個問題。

謝謝大家。