行业分钱先是结构，然后才是能力。而结构里面首先是基础设施和应用的分利问题，然后才是谁的站位更好。

互联网和Web3哪里不一样？

从结构角度看，互联网的财富主要在应用层，而Web3的主要财富在基础设施层。

所以微信赚的钱肯定比安卓多（安卓辅助创造的收入Google公开过一次），再加上电商、游戏等可以说整个生态里面的钱主要在应用层。

Web3则有点调过来，财富主要在基础设施。你别的东西包括GameFi这些不管怎么玩，估计也超不过以太坊，比特币就更别说了。

如果财富在应用层，基本上流通是闭环的，生态可以良性发展；喇叭口是逐步放大的，最终放大完和现实接壤了。

如果财富在基础设施，那骨子里生态是瘸腿的，有可能需要像数字货币那样只靠流动性，或者只能是割韭菜逻辑。喇叭口是逐步缩小的，那后来的赔的几率大，不容易良性发展。

AI什么样？

前几天写个文章《》，结果乌鸦嘴好像升级成神级了，随后OpenAI开始爆各种坏消息。但其实那篇文章本身不是说怎么诅咒，说的就是结构问题。

那篇文章的基本预设就是：AI如果起来百分之八十的财富在应用层。

也只有百分之八十的财富都在应用层AI才可能迎来自己的繁荣。

往回追溯可以类比下整个IT产业。

1980年以前IT产业芯片最赚钱，那这行业其实是没到大发展的时候。IT历史上当个人电脑没有真的繁荣起来的时候真是基础设施在赚走主要的钱，包括芯片和IBM那种一体机。为什么大家一说硅谷就说八叛徒、仙童什么的，因为那个时间点机遇属于芯片这样的基础设施。应用有点像个配搭，不怎么关键，只是在基础设施上做了比较薄的包装。

现在AI和这个时期有点像，英伟达（看着是芯片，但实际上有点像IBM一体机，是个小生态）主要赚钱。

后来Windows切开了硬件和应用的关联后，迎来了应用的大爆发，再加上美国人愿意为软件付钱，才迎来了整个行业的财富从基础设施到上层应用的转移。

这也和现在的AI很像，如果我们切不开模型和应用的关系，让下游繁荣起来，再加上模型本身很贵，那未来就危险，陷入低潮的时间就可能拉长。

模型越通用越解决不了场景问题。

参见：

基础设施的商业模式

基础设施和上层应用两层分置之后，商业模式会什么样呢？

因为基础设施不直接创造用户价值，所以商业模式上创新空间也不大：

一种是有生态控制力，那就收税。近来苹果不是和微信、抖音在PK么，这种就看谁控制力强。

一种是没生态控制力，那就变供应链企业。比如做手机屏幕的，屏幕也很关键，但你就没生态控制力，就得按供应链卖货来。

这里的本质在于谁对流通环节有控制力，控制力代表规则制定的权利。

苹果保持了这种控制力，微软在Windows上并没保持住这种控制力，真正的Web就没有人有这种控制力。

如果AI基础设施公司（主要是大模型公司，想升级）递进过程是：技术→产品→流通环节控制力。每递进到下一个层级收益空间都会被数量级放大。路还长着的。

有时候看到人直接说做模型怎么愁盈利，这真的是没整明白，不是有个东西就能赚钱的。

应用的商业模式

一般的模式参见“”，不展开了。这里主要从流通环节控制力角度（系统控制力）来说。

应用商业模式的核心就看能不能从基础设施上把这种控制力切出来一块。切的出来和切不出来完全不一样结果。

比如微信做二次分发，培养自己的独立生态其实就是削弱苹果的控制力，所以会冲突。这事估计苹果不会让步，这对它是最关键的事了，如果每个都对系统性控制力进行分流，那它就真变消费电子产品厂商了，需要和做电视的看齐。

这就是切出来了但要和基础设施上控制力强的一方达成平衡。

应用做到这个微信这地步在安卓或者Windows上就比较高兴了，因为你自己就是老大，没人管你。

AI应用下面的路其实比APP还要好些。

AI是一种跨平台的技术，之前我们曾经多次把AI应用比喻成一个个或大或小的八爪鱼。这个八爪鱼可能和过去的App生态有交集，比如重整搜索这些功能，也可能没有比如就是属于教育或者医疗行业。

这种跨平导致的结果是形态上它可能是纯粹的Web系统，可能是App，可能带一个机器人、智能音箱这样的载体。这些终端都是八爪鱼的触手，对它来讲最关键的脑子属于应用方本身，触手不关键了，完全可以避开苹果生态这类麻烦区域。

整个AI体系里除了英伟达CUDA那个位置，先天上就模型这地儿还有可能形成某种系统性，别的就没有控制点了。如果模型形不成，那就意味着没有大一统的基础设施。

这进一步也就意味着这套体系天然容易分散，最终也就导致财富会大量在应用环节。（80%在应用的判断基础）

OpenAI如果能还魂过来，假如顺利还有在少的几个领域构建这种系统性和控制力，然后让自己成为新的巨头。

现在这么倒腾就有点悬了。

系统性超级应用的时代

所以AI的崛起过程大概率是系统型超级用崛起的过程。反过来说也行，如果没有系统型超级应用的崛起就没有AI的崛起。

而做出系统型超级应用的就会拿走AI所创造的80%的财富。

发起的的宗旨叫现场问题，底层逻辑。

上面其实是个底层逻辑视角。现场问题保证一种鲜活的感知，这种底层逻辑可以帮助去除一些不必要的摇摆，能把混沌系统变成可以度量和预测的系统。

如果我们单独串起来媒体文章的标题，你会发现人类其实是神经病的。

一个月前还气势汹汹要颠覆人类的AI，最近则有要熄火的趋势。

这样落到做事上其实是有害的，还是要有确定相信的东西，然后结合技术现实在现场中找真的机会。

比如相信或者不相信会崛起，会导致行为非常不一样。

不相信就是快点整个工具赚点钱得了，相信的则会寻找构建这种应用的机会，那怕早期慢一点。

现场问题作用于方法，底层逻辑作用于信念。

底层逻辑不是僵化、确定的结果，而是各种风险大致被参数化的体系。

最近这期AI碰撞局准备往这个上偏重一点点（8.15 7:00线上走起，感兴趣联系cathywangyue吧），准备既说现场问题也说底层逻辑，题目叫：近两年来基于AI大模型的成功产品与模式。探讨的内容就是：总结2022年以来第一波赚到钱的产品和模式，挖掘AI驱动型产品的独特性，探索下一个机会点。

为了多元碰撞，也把事情说更清楚些，除了上篇提到的周以舟博士，进一步还邀请了北大国发院的侯宏老师做碰撞嘉宾，侯老师日常观点参见：

侯老师研究方向就是公司战略、商业生态、商业模式。

这样三个人的角度会比较综合了：

侯老师是战略和模式视角，周以舟博士技术趋势把握会更清楚，我个人则是偏实践，自底向上。

周以舟博士简介前篇文章发过，在这边也再发下：

“周以舟博士，现为国内某头部互联网公司多模态理解技术负责人，主导研发的开源大模型曾登顶最强千亿参数级别开源多模态大语言模型榜首，也主导大模型在十几个实际场景、几百个需求中的大规模落地。连续多年担任 neurips cvpr iclr 等众多国际顶级会议、期刊的评审，曾取得阿里星、华为天才少年、腾讯技术大咖等应届荣誉。本科毕业于中国科学技术大学，博士学位获自微软研究院联合培养项目，并受到国家公派留学奖学金资助（ UCLA 三院院士 Demetri 教授团队） 。 老李话一三，公众号：琢磨事

小结

从具体产品偶尔抽出来的这种底层逻辑很多时候是必要的，《论持久战》就是底层逻辑，没说具体任何那场战役，但和每场战役都有关系。这里面的一个关键是底层逻辑不能和现场问题分开，不能不说也不能多说。两者更像一个整体的不同侧面。

参考文章：,