編輯｜峰瑞資本
這篇專欄出自李翔和豐叔在「高能量」播客的一次深度對話。李翔是《詳談》叢書主理人，得到App總編輯。
對話發(fā)生在4月中旬，負責數(shù)據(jù)基礎制度建設的國家數(shù)據(jù)局成立一月有余，科技巨頭間的AI競賽日趨白熱化。
在此背景下，李翔和豐叔暢談一個多小時，從文本信息數(shù)據(jù)化說起，以數(shù)據(jù)化為線串起了互聯(lián)網(wǎng)的過去三十年，并試圖解答關于ChatGPT的一些熱點問題：
為什么現(xiàn)在出現(xiàn)了ChatGPT？往后還會發(fā)生什么？
在ChatGPT這個鏈條上會有哪些重要公司？創(chuàng)業(yè)公司還有機會嗎？
還有機會做出中國的OpenAI嗎？
第一波人工智能浪潮興起后，有留下什么好的“遺產(chǎn)”嗎？
醫(yī)療、自動駕駛領域如何實現(xiàn)數(shù)據(jù)化？未來會變成什么樣？
Web3和區(qū)塊鏈熱潮之后，沉淀了什么？
對話過去已逾半月，據(jù)第一財經(jīng)5月6日消息，包括百度、阿里、華為、商湯以及科大訊飛等在內(nèi)，中國目前有40多家企業(yè)布局了大模型。膠著競爭下，誰能成為這一鏈條的關鍵公司？
/ 01 /在ChatGPT這個鏈條上，會“長”出哪些重要的公司？
李翔：從你的視角來看 ，在ChatGPT這個鏈條上，會有哪些重要的公司？只從新聞來看，它可能有OpenAI這樣的開發(fā)模型公司，也可能有英偉達這樣提供芯片跟算力的公司。李豐：今天來看肯定還是這三類：數(shù)據(jù)、算法和算力。但是最終，他們在應用層會演化成不同的東西，應用層的東西通常比提供基礎設施的要更大一些，壟斷效應更強一些。
大模型做好做大不容易，如果有的話肯定會是好的應用，但它們其實作為生產(chǎn)力工具，更容易在垂直領域被結合出來，尤其是需要用對話流加上博覽群書的專業(yè)抽象內(nèi)容來提供服務的公司。
比如說，我們投資了專注做在線心理咨詢服務的Glowe閣樓，線上的心理咨詢師通過和用戶聊天，為用戶提供基礎的心理咨詢服務。這大概就是通過博覽群書的對話流專業(yè)服務來解決問題。
又比如說可以做金融服務，因為這里需要非常專業(yè)的理財師，跟用戶進行無微不至的談話，一段時間之后才把用戶隱藏需求比較具象地挖掘出來。
它會不會出現(xiàn)像搜索引擎，但又不是搜索引擎，并且提供廣義文本信息、供需匹配更高效率的商業(yè)模式？也許會有，如果有了，就具有絕對優(yōu)勢。李翔：微軟必應也在做這樣的嘗試。李豐：對。有個有意思的話題，從搜索引擎到頭條到抖音，本質(zhì)上都是文本數(shù)據(jù)的供需匹配。
但是頭條能做成的最大原因，是交互形態(tài)的改變和新設備的大規(guī)模普及，使輸入和使用場景都跟上一代（如PC、筆記本電腦）有極大的差別。上一代的人沒轉(zhuǎn)過來，百度當時轉(zhuǎn)慢了，才給了頭條這個機會。
這個“新”是指用戶交互方式的變化、屏幕的變化、物理鍵盤的消失、移動場景下多窗口切換以及輸入不方便等。所有這些因素造成了用戶使用拖拉或點選的方式，而不是用鍵盤輸入關鍵詞，來進行了信息篩選。
在此基礎上，一個新的文本信息供需匹配的商業(yè)模式出現(xiàn)了（我們會在下文詳細展開在互聯(lián)網(wǎng)發(fā)展的過程中，由新變化帶來的新的商業(yè)模式）。如果要再做一個，下一個應該不會以相同的搜索形態(tài)出現(xiàn)。
/ 02 /還有機會做出中國的OpenAI嗎？
李翔：現(xiàn)在越來越多的大公司入局，也會有一些比較成功的創(chuàng)業(yè)者想要做中國的OpenAI，這些創(chuàng)業(yè)公司還會有機會嗎？李豐：這其中存在幾個關鍵要素是變量。
第一個變量是，會不會有好版本的開源？
硬幣有兩面。在巨頭激烈競爭的時候，反而會有更多更好版本的開源模型出現(xiàn)，這個時候，應用就會變得更突出一些。
不做激烈的模型競爭，把開源的模型拿過來，站在巨人肩膀上，在自己專業(yè)領域范圍經(jīng)過適當調(diào)整、訓練和加工，把它變成專業(yè)服務勞動力中的一個生產(chǎn)力工具，并不能完全把人替代掉。
我們還需要考慮的是，在非算法邏輯的認知邏輯上，有沒有加新的“一小跳”的東西？
這一小跳通常是一層窗戶紙?；剡^頭來看，搜索框就是當時的一小跳，它將當時已經(jīng)成熟的用戶習慣和設備，結合當時的算力和算法，相對準確地匹配用戶和需求。
比如Alphafold，能夠根據(jù)人們“投喂”的數(shù)據(jù)，智能預測蛋白質(zhì)的結構。對于Alphafold來說，除了要考慮分子熱力學模型之外，還要基于生物、化學、物理等層面的內(nèi)容，來理解分子的結構。
在算法層面之外，Alphafold這個模型在認知層面有了迭代，能夠更好地近似和模擬分子結構?，F(xiàn)在大家對Alphafold提供的預測結果瞠目結舌，因為它接近于發(fā)現(xiàn)了人們未曾發(fā)現(xiàn)過的蛋白質(zhì)結構。李翔：打個比方，你說電動車到底難不難，你說它不難，很難解釋說特斯拉之前就一直沒有人把這個事情證明是可行的、靠譜的。你說它很難，你也解釋不了特斯拉之后，中國出現(xiàn)了“蔚小理”。李豐：這個例子也合適，雖然它更像是物理科技。這里邊需要有非常多的非算法知識和某些抽象層面的認知邏輯進到了算法里并且融合成算法，使它進步。這些事情非?？珙I域、跨知識，需要靈感，要求非常高。
/ 03 /人工智能的浪潮后，有留下什么好的“遺產(chǎn)”嗎？
李翔：2016年前后有一波人工智能浪潮，很多資金投入到這個行業(yè)，也出現(xiàn)了很多優(yōu)秀的人工智能創(chuàng)業(yè)公司。今天來看，大量資金投入后，有留下什么好的遺產(chǎn)嗎？李豐：在技術出現(xiàn)新的投資浪潮時，我們簡單把它總結為兩波，第一波叫“值錢的時候不賺錢”，第二波叫“賺錢的時候不值錢”。
我們以大數(shù)據(jù)行業(yè)為例。2012-2013年，不管是在美國還是在中國，大數(shù)據(jù)都是超級熱的投資概念。今天大數(shù)據(jù)已經(jīng)不時髦了，但經(jīng)過這10年的發(fā)展，大數(shù)據(jù)行業(yè)具有了一定規(guī)模，并且有些公司比較賺錢，存活下來了。
一個新技術發(fā)生并且變成投資熱潮的時候，往往是它不賺錢的時候。等它嵌到應用場景里，這個技術的普及性就提高了，變成了某種意義上的生產(chǎn)力工具，就值錢了。比如最早發(fā)明電的時候，大家可以無限想象，但當時很難落地。愛迪生發(fā)明出電燈泡后，當它賺很多錢且普及開來的時候，電燈泡已不是令人激動的技術創(chuàng)新了。李翔：單純就GPT和大模型而言，投資界對它的態(tài)度是什么樣的？李豐：一部分投資人對之賦予了巨大的熱情和信任，還付諸了行動；一部分投資人對之持整體偏保守和冷靜的態(tài)度；還有一部分比較積極且縝密地在看，但是還沒有到說服自己過投資門檻的程度。不同態(tài)度的投資人可能差不多各占1/ 3。
/ 04 /從數(shù)據(jù)化這個維度來看，為什么今天出現(xiàn)了ChatGPT？
往后還會發(fā)生什么？
李豐：我們在投資時，經(jīng)常會關注“為什么是今天”、“為什么發(fā)生了”以及“往后還會發(fā)生什么”。那么GPT是如何一路走到今天的？
從谷歌開始用搜索關鍵詞為用戶尋找對應的內(nèi)容，到ChatGPT通過對話為人們梳理內(nèi)容，人工智能在理解和認知文本上已經(jīng)獲得了巨大進步。
我們可以從信息數(shù)據(jù)化這個維度，來理解近幾十年，與互聯(lián)網(wǎng)相關的各種商業(yè)模式和以后可能會出現(xiàn)的變化。
過去30年，互聯(lián)網(wǎng)最大貢獻之一，是把大量的文本信息變成了文本數(shù)據(jù)。
文本數(shù)據(jù)化過程中，最大的贏家和貢獻者是微軟。微軟借助鼠標加鍵盤加圖形化操作系統(tǒng)，讓足夠多的人把文本變成數(shù)據(jù)。
下一步，怎么滿足人們對于信息的需求？這方面的贏家就是門戶網(wǎng)站，國外最成功的公司之一就是雅虎。雅虎將已經(jīng)被數(shù)據(jù)化的文本信息，用人工的方法進行編輯、分類。
上網(wǎng)的人越來越多，貢獻文本數(shù)據(jù)的人也越來越多，在這個基礎上就出現(xiàn)了BBS。論壇在中國尤為典型，大家在更小的版面內(nèi)進行內(nèi)容生產(chǎn)和內(nèi)容消費。
當互聯(lián)網(wǎng)上文本數(shù)據(jù)太多了之后，搜索排序排得不好時，甚至要在十幾頁后，用戶才能找到想要的信息。
這種情況下，從文本數(shù)據(jù)化供需關系上來看，社交網(wǎng)絡的出現(xiàn)，提供了另外一個解決方案，就是提供了用戶想要的某類信息。比如海外的Facebook、Twitter，本土的人人網(wǎng)、新浪微博等平臺，為用戶提供了海量、個性化的信息。
再后來，文本數(shù)據(jù)化的程度、總量和規(guī)模到非常大時，人工分類越來越難、越來越低效。這時就要機器介入，給有需求的人匹配最合適的內(nèi)容。
迭代的過程無非是這三件事，上層是數(shù)據(jù)，中間是算法，底下是算力。被算法學習調(diào)教的主要對象——數(shù)據(jù)開始大量增長，于是就給算法提升的訓練空間越來越大。
在算法層面，典型的比較成功的應用就是Google。Google 作為搜索引擎，有兩個非常有意思和重要的貢獻。
第一個貢獻是搜索框，它讓你把想要的東西抽象成一個詞或幾個詞，計算機得到了需求，再尋找所有現(xiàn)存的文本數(shù)據(jù)來匹配。
第二個貢獻是排序。在算法層面，可以找到各種各樣的詞，但哪個是跟你相關的、重要性高的？它引入了一個合理的認知邏輯就是相關性排序。它這個相關性最早的時候跟科學論文一樣。李翔：是論文的引用次數(shù)。李豐：對，相當于網(wǎng)頁的鏈接次數(shù)。這種排序其實是有意思的進步，和應用貼合得很緊。
我們從最早的那個邏輯線開始，是先完成了數(shù)據(jù)化，在某種意義上開始進入自動化加部分的智能化。跳到今天的GPT，現(xiàn)在文本信息已經(jīng)有超高的比例和量被做成了文本數(shù)據(jù)，跟 20 年前相比是巨大的量級飛躍，所以它訓練出來的模型非常智能。
這件事還會再進化嗎？
會的。這個過程中還有一個跟 Google 類似的變遷節(jié)點——注意力模型的引入。簡單來講，可以把注意力模型理解為關注到特定部分，而不是整體，給予它不同的優(yōu)先級或者資源支持。
在先解決數(shù)字化，再解決部分意義上機器的自動化、智能化的過程當中，除了算法本身的數(shù)理邏輯演進外，如果在這個過程中還有新的認知邏輯被引入，加上底層算力的持續(xù)進步，再加上更海量數(shù)據(jù)的不停訓練，它就會產(chǎn)生出跳躍的小臺階。比如我們之前提到的Alphafold，不僅有算法層面的革新，還引入了生物、物理、化學等多領域知識。李翔：我想提供另外一種視角，來理解文本數(shù)字化的演進過程。無論是從內(nèi)容生產(chǎn)，還是內(nèi)容分發(fā)而言，我整個職業(yè)生涯都受到了文本數(shù)字化的沖擊。
從內(nèi)容生產(chǎn)角度，與紙媒相比，最開始門戶時代的內(nèi)容生產(chǎn)者仍然是人，網(wǎng)站編輯把已經(jīng)生產(chǎn)出來的文本內(nèi)容數(shù)字化后，搬到網(wǎng)頁上。
往后演進，生產(chǎn)這一端就出現(xiàn)了大的變化。互聯(lián)網(wǎng)把內(nèi)容生產(chǎn)門檻降低了，用戶開始生產(chǎn)內(nèi)容。這個時候也對應出現(xiàn)了博客等新形態(tài)的內(nèi)容形式，門戶網(wǎng)站也開始把博客內(nèi)容整合起來。AIGC出現(xiàn)之前，內(nèi)容生產(chǎn)仍然是機構和個人。
分發(fā)方面，搜索把內(nèi)容重新組織，然后分發(fā)。又出現(xiàn)了通過社交關系分發(fā)，也就是分發(fā)邏輯變成社交網(wǎng)絡，然后出現(xiàn)了社交媒體的說法，如微博、 Twitter。之后，變成了機器分發(fā)，出現(xiàn)了今日頭條、抖音等。
如今內(nèi)容生產(chǎn)端又出現(xiàn)了一個特別大的躍遷，就是ChatGPT。它讓AI生產(chǎn)的內(nèi)容不再“小兒科”，不少人說它在很多方面輸出的內(nèi)容已經(jīng)不輸本科生了。這種先進的內(nèi)容生產(chǎn)方式，再跟先進的內(nèi)容分發(fā)方式結合起來，可能會出現(xiàn)非常先進的商業(yè)模式。
/ 05 /數(shù)據(jù)化如何成就了蘋果、微信、抖音？
李豐：我們剛才講的底層全都是基于文本，某種意義上來看，比較重要和厲害的算法和模型還是要到視覺信息上。
剛才舉了注意力模型的例子。我們在處理視覺信息的時候，顯然很好地運用了注意力模型。一眼看過去，雖有無數(shù)東西，但我有焦點，知道此刻最重要的事情、需要觀察的對象到底在哪里。這些“無意識”的行為，已經(jīng)需要比較復雜、高級的認知。
沒有任何人天生就會打字，但在今天，小朋友直接用智能手機上的交互手段就能找到、做到他想要的事情，這和打字是完全不一樣的。拖拽、上下滑等手勢操控，相對于文本數(shù)據(jù)化過程中的打字。
最直接的變化就是，用戶依靠視覺可以理解的部分、用直覺控制就可以完成這個過程。
某種意義上，所有的算法、算力和數(shù)據(jù)的迭代，最難的部分還是要解決各種各樣跟視覺化有關的信息。
李翔：這也是當時虛擬現(xiàn)實，包括元宇宙概念出現(xiàn)后，那么多人非常興奮的一個重要原因。因為它確實不是單純的一維文字互聯(lián)網(wǎng)，也不是單純的二維視頻或圖片的互聯(lián)網(wǎng)。李豐：對。為什么當我們把文本信息變成了數(shù)據(jù)之后，會產(chǎn)生這么多巨大無比的公司？因為信息的匹配，相對于數(shù)據(jù)的匹配難很多。信息一旦被數(shù)據(jù)化之后，獲取信息的成本變得極其低或者幾乎為0，而信息的流動性近乎無窮。
在這個基礎上，誰能正向促進或利用了流動成本為0，而流動性無窮大，并且在這里完成某種類型的普及或兩種中的任何一種撮合，都會成為超級厲害的公司。
再往下，到了熱鬧的移動互聯(lián)網(wǎng)階段。智能手機增加了很多“諾基亞時代”沒有的東西，比如麥克風陣列、跟聲音有關的芯片、背向光學可變焦高清攝像頭、GPS芯片……
這些東西是誰先把它集成起來的？
蘋果。蘋果把原來沒有被數(shù)據(jù)化過的新信息——位置、較高質(zhì)量的音頻、較好的視覺信息變成數(shù)據(jù)。這個過程普及后，蘋果就和當年微軟一樣，成為極其重要的節(jié)點。這是第一步。
第二步，我們知道的所有移動互聯(lián)網(wǎng)上的超級應用，沒有例外，大概率在發(fā)展中都借助了數(shù)據(jù)化的基礎設施。
今天的美團來自于兩個公司，一個是大眾點評，它讓中小商戶愿意把自己的信息變成數(shù)據(jù)放在互聯(lián)網(wǎng)上，另一個是美團，它讓消費者把需求數(shù)據(jù)化。
微信則利用了超高質(zhì)量的通信數(shù)據(jù)，或者叫語音數(shù)據(jù)，進行了語音數(shù)據(jù)在人和人之間的傳遞和匹配。
抖音通過高清光學攝像頭，把視覺信息變成了視覺數(shù)據(jù)。消費者得到了完全不同的體驗，并且得到了高效的內(nèi)容供給與匹配。
我在10年前投過B站。我們在分析B站時，有個有意思的現(xiàn)象，中國沒有自己的YouTube。當時，中國的視頻行業(yè)在人才供給和數(shù)據(jù)供給兩端都不成熟。而B站干回了文本數(shù)據(jù)化的事，除了底層影像之外，大家主要在當時消費的是彈幕，也就是文本數(shù)據(jù)。
/ 06 /醫(yī)療、自動駕駛領域如何實現(xiàn)數(shù)據(jù)化？
未來會變成什么樣？
李豐：在醫(yī)療、自動駕駛領域，也有典型的數(shù)據(jù)化的例子。
過去15年，我們可以簡單總結為，新藥研發(fā)的主要進展大多發(fā)生在腫瘤致病基因的發(fā)現(xiàn)，以及腫瘤治療上。
這個過程是怎么發(fā)生的？它是由于第二代基因測序儀的發(fā)明與普及。
基因測序儀可以把基因信息變成基因數(shù)據(jù)，完成對基因信息的數(shù)據(jù)化。科學家們可以利用大量新出現(xiàn)的基因數(shù)據(jù)，進行科學發(fā)現(xiàn)。相當于門戶網(wǎng)站把文本數(shù)據(jù)分門別類，供足夠多的消費者來消費和瀏覽。
醫(yī)療行業(yè)如果繼續(xù)在數(shù)據(jù)化這條線上演進，會出現(xiàn)哪幾種可能的趨勢？對于投資有什么樣的啟示？
我只想到了其中一部分。
第一，由于儀器設備的進步，數(shù)據(jù)化能力的提升，人們會收集到更高通量、更快速度和更全面的信息。細胞中呈現(xiàn)出的細微差異，可能就是致病的決定因素。
峰瑞已投企業(yè)新格元Singleron所切入的單細胞測序，從單個細胞層面，發(fā)現(xiàn)基因的輕微變化。就像電腦，當CPU變得越來越好之后，就能處理更精細、更復雜的信息。
第二，隨著醫(yī)療行業(yè)數(shù)據(jù)化程度提高，致力于發(fā)現(xiàn)數(shù)據(jù)之間關系的科學家可能就逐漸“不夠用了”。未來，醫(yī)療行業(yè)會不會演進到，計算機通過數(shù)據(jù)和算法，直接預測出基因組信息所揭示出的，和治療疾病有關的分子以及治療藥物的形態(tài)？
峰瑞已投企業(yè)晶泰科技、劑泰科技目前在制藥的部分環(huán)節(jié)利用了數(shù)據(jù)化，理想情況下是發(fā)展到全流程智能化的程度。
智能化意味著自覺地把所有數(shù)據(jù)都發(fā)現(xiàn)出來。就像互聯(lián)網(wǎng)的信息增多之后，出現(xiàn)了Google搜索平臺，人們想找什么信息，平臺就提供什么。
第三，當收集生命體征的數(shù)據(jù)設備越來越強之后，變得小型化、家用化、輕量化甚至隨身化。設備變化背后，會不會又能幫助我們收集新的數(shù)據(jù)類型？
隨著光電、微流控等技術的發(fā)展，智能手表已經(jīng)能測脈搏和血氧了。峰瑞已投企業(yè)心永科技，通過可穿戴設備，實現(xiàn)連續(xù)血壓檢測。彭博社記者爆料稱，蘋果可能將為Apple Watch配備無創(chuàng)血糖監(jiān)測功能。
當信息設備從電腦轉(zhuǎn)向手機，衍生出了很多新的模式。那么在醫(yī)療領域，生物體征信息的數(shù)據(jù)化，也會帶來商業(yè)模式的改變，就像基因測序儀給新藥研發(fā)行業(yè)帶來變革一樣。
生命體征數(shù)據(jù)化，還能助力解決中國的養(yǎng)老問題。當設備能夠及時監(jiān)測居家老人的健康狀態(tài)，子女以及醫(yī)護人員就能按需而動，而不是全天要有人守著老人。
另一個有意思的例子，也是當下熱門的領域——自動駕駛。
從2015年開始到今天，自動駕駛仍然面臨一定挑戰(zhàn)，尤其是到L4以上級別的（L1到L3可以理解為“人機共駕”，L4則意味著無人駕駛）。其中有一部分原因是車上的智能化程度和傳感器都還不夠多，汽車系統(tǒng)無法充分掌握此刻的車、周圍的環(huán)境、其他的車輛是個什么狀況。
想象一下，如果今天我們把新車都裝上了很多傳感器，激光雷達的、視覺的、定位的……我們就把車狀態(tài)、路況、環(huán)境等大量信息進行了數(shù)據(jù)化，算法和算力就可以在數(shù)據(jù)輸入、反饋、評價的基礎上，進行迭代，從而實現(xiàn)自動駕駛。
總結來看，無論是移動互聯(lián)網(wǎng)里的美團點評、微信、抖音，還是AI制藥、自動駕駛，這些都是信息數(shù)據(jù)化的積累過程當中出現(xiàn)的商業(yè)模式。我們可以用數(shù)據(jù)化這條線，來理解如今的超級應用、超級公司。李翔：AIGC、ChatGPT，相當于在內(nèi)容供給側發(fā)生了特別大的變化。幾乎每一次豐富供給、創(chuàng)造新供給、提高匹配效率，都會創(chuàng)造新的商業(yè)模式。李豐：回到剛才我們總結那個基礎邏輯上，要不然是在中早期的時候大規(guī)模地普及了某種信息的數(shù)據(jù)化，要不然就是在數(shù)據(jù)化的基礎完成之后，如何提高匹配效率。當技術上的進展不足以提高數(shù)據(jù)匹配效率時，就用其他方法來提升效率。
微軟是普及文本數(shù)據(jù)化的最核心公司，如果回看當初，除了瀏覽器，微軟應該早些布局搜索。在這個基礎上，微軟加入跟谷歌的戰(zhàn)爭，從勝率上來看，它有一定的基礎。
微軟也是這條發(fā)展軸上的關鍵玩家，不管是在雅虎的時代，還是在瀏覽器時代、搜索引擎時代，它都花了非常大力氣追趕。
但這些商業(yè)模式具有明顯的馬太效應，后來者往往很難超越。今天假定供需撮合模式在文本信息上有新的變化，微軟從數(shù)據(jù)總量以及其對這個軸上的事情的理解和積累來看，也許有機會重新做成文本數(shù)據(jù)撮合效率這條主軸上的關鍵公司。李翔：微軟的厲害之處在于始終在這條軸線上，即使不是那個領先者，也始終跟在后面。
/ 07 /Web3和區(qū)塊鏈熱潮之后，沉淀了什么？
李豐：談到Web3和區(qū)塊鏈，我比較關注的是，在這一輪熱潮之后，到底沉淀了什么？
10多年前，投資Coinbase和Ripple天使輪時，我在IDG內(nèi)部做了兩次PPT，來講一個邏輯——為什么要投數(shù)字貨幣？
答案比較明確，我們往后無窮遠地想，越來越多的東西被數(shù)據(jù)化之后，在某一個行業(yè)或者在某一個鏈條上幾乎都高度數(shù)據(jù)化之后，數(shù)據(jù)化就不僅僅只是解決信息匹配，它很有可能要解決權益的流動、交易的問題。
在這種情況下，以往分配利益或者進行交易、結算的機制，就會出現(xiàn)效率上的問題。
直到這一輪之前，數(shù)字貨幣領域，在今天被認為還比較成功的公司，大多都存在于數(shù)字貨幣交易的閉環(huán)里。不管你做的是錢包、交易還是提供交易撮合的工具或金融產(chǎn)品，數(shù)字貨幣以及交易本身就是全數(shù)字化的閉環(huán)，最容易用到數(shù)字化和新結算方法。
2013年，硅谷涌起了第一波數(shù)字貨幣浪潮，無數(shù)創(chuàng)業(yè)公司在嘗試把各種各樣的事情，有的甚至想把比特幣提款機做成商業(yè)模式。
但后來一些公司沒能得到發(fā)展，主要因為它們是做“半開環(huán)”的應用。某些環(huán)節(jié)需要人為強行地，把線下的某些東西轉(zhuǎn)換到線上來。在半開環(huán)的商業(yè)模式中，除了效率、成本等問題，還有誠信等問題。
今天看Web3，我們往最遠處想，如果最終有足夠多的行業(yè)、鏈條數(shù)字化程度足夠高，交易之外，組織管理、溝通形態(tài)這些，從效率和成本上看，也會跟當下不一樣。所有這些高度數(shù)字化的行業(yè)中，就會用新的公司形態(tài)、新的管理方法、新的溝通工具，也會用新的交易和交換以及權益方法。
10多年前，我非常難解釋虛擬貨幣到底是怎么回事時，用的一個例子是P2P下載。P2P下載就是借別人的計算機暫時不用的算力，當成一個并行下載的節(jié)點，來加速下載，極度地節(jié)省了網(wǎng)絡資源、提高了下載速度，迅雷就是其中的典型公司。
但P2P下載沒有誕生出成功的大公司，部分原因是它沒法確立經(jīng)濟利益模式：貢獻的算力、得到的東西很難被正確和完整地衡量經(jīng)濟價值。所以最后很多這類應用最終變成了盜版下載工具，因為不好追溯。
如果數(shù)字貨幣早發(fā)生10年，那當時的P2P下載就可以完美使用數(shù)字貨幣，利用去中心化結算方法來進行的新交易、新商業(yè)模式。它能夠瞬間完成大量的計量結算，并且在貢獻發(fā)生時，就把錢給了貢獻者。這種事在任何一個現(xiàn)實世界里，都很難出現(xiàn)，所以這是個小閉環(huán)。李翔：我有時候也在想，有了數(shù)字貨幣和區(qū)塊鏈技術之后，我們就可以給那些以往沒辦法去激勵貢獻值的一方給予激勵。但有時候也會想，如果維基百科已經(jīng)應用了數(shù)字貨幣和區(qū)塊鏈技術，給它的內(nèi)容貢獻者以激勵，很有可能是不是就不會再有維基百科了？李豐：第一，很多行業(yè)、模式一旦進入了閉環(huán)數(shù)字化或者全鏈條數(shù)字化之后，它確實有壟斷性，變成了越大越好，越好越大。
第二，一旦進入數(shù)據(jù)化之后，它權益的分配、交易的確認、組織管理和溝通協(xié)調(diào)等所有的機制都可能發(fā)生變化，來匹配這個難以想象的效率提升。