Dongxi NLP says the future of AI economics moves toward the model layer

三年前我认为： 1. 应用公司都会有自己的模型，不是 base model，是 workflow 中间用于判断/检索的模型 2. 模型训练本质是流水线工程，最重要的是数据质量 3. 前端和后端开发会逐渐死掉，模型微调应该是后端掌握的基础能力 4. 不存在【垂直模型】这个赛道，模型 + 行业知识做搜索或者其他工作流即可碾压所谓的【垂直模型】 这些判断有对有错，但勇于下判断让我看到了行业的前沿，进而借助看到的机会：【给模型公司供给训练数据】，赚到了合成数据的钱 但我始终认为数据本质还是生意模式，没想到会成为今年这样火爆的赛道，没什么可惜的，只是认知不够 —————— 如今我有了一些新判断： 0. 到2030年前，大方向是抛弃叙事、价值回归，就像来到了熊市一样 1. 视频领域不管什么方向，技术和模型上做不出差异化，只会有阶段性领先，都要回归到做生态来加强用户粘性 2. 端侧 AI 是伪命题，就像三年前他们在讨论用线性 RNN 逆袭 Transformer 一样 3. 但是 desktop 的本地模型应用是真命题，可以结合本地使用数据做训练和调整，形成粘性，在最近一些素材库管理工具、输入法上已有体现 4. Pexels、Pixabay 这样的素材和版权网站会逐渐死掉，搜索标签不应该是对人的 5. 理解只是生成的一部分。理解最好的场景是给生成打标，所以它天然和终端用户走的很远，成交的客户只会是中间态的大B，而理解模型做不出差异化，所以这里的大B如果需求真的大会倾向于自建 虽然从 research 上讲，大家一直认为理解和生成是两个大的分类，但无法对应到商业上。二者是一体两面的，理解为生成服务，生成展现终端价值（所以可能 UMM 在商业上是对的 6. 进而，理解模型没有单独的创业机会，不管是文本类还是视频类。文本类的显著代表是 Jev，但类 Jev 的公司最终不会有超过两家，Jev 本身更多是因为 OpenAI Co-Founder 的 title 7. 综上，视频理解非常不适合 startup，多模态理解和视频理解是一回事（虽然我真的很喜欢多模态，但那只是我喜欢自己的青春