Social Capital创始人：实验室都能做出相近AI模型时，真正能变现的优势来自那一味别人没有的配料
查马斯·帕利哈皮蒂亚说，实验室都能做出相近模型时，真正能变现的优势来自那一味别人没有的配料。同一千份输入交给Facebook、微软、谷歌和亚马逊，会得到同一类机器学习模型；多出一件独有原料，输出就会明显不同，像三位大厨共用三种食材，只有一人多拿到第四种。
他判断当前所有人还在爬公开网页。下一阶段会有人把某个站点、某类语料锁起来，只喂给自己的模型，那些模型会更好。这会变成军备竞赛。下一波并购可能是谷歌、微软、Facebook审视一批公司时只问一句：它们能不能成为我大模型或其他机器学习系统的有效输入。
他在同一段里把大模型比作制冷技术：发明制冷的人赚到一些钱，用制冷做出帝国的是可口可乐。模型会赚钱，但可乐还没被建出来。因此早期基金可以投那些几乎没有独立上市前景、却堆出一份独特数据仓库的公司，因为那份仓库会被更大玩家买去喂模型。
这套话最早出现在他关于资产类别里只有约一成机构能真正赚钱的访谈中，近年被重新剪出传播。他后来把模型层终值称为数学错误，称智能正在变便宜，自己把仓位放在土地电力厂房、harness和应用层，并创办8090去做保留专有上下文的编排层。纳德拉也公开写过：你为智能付两次钱，一次用现金，一次用必须喂进去才让模型有用的专有知识。
市场机制上，买方是要差异化输出的超大规模平台，卖方是握有工作流、交易、病历、工业日志、法律档案、设计文件或用户行为、却未必能独立长成上市公司的数据管道。事件驱动的是公开网页被爬穿之后的同质化。资金从“再训一个差不多的基座”流向“买下一味独家配料”。受益的是能把无聊私有数据做成复利输入的持有人，以及用并购把配料锁进自家模型的平台；承压的是只靠公开语料微调、没有第四种食材的实验室。
来源：公开信息
ABAB AI 解读
查马斯在Facebook把新闻源做成大规模在线机器学习，知道“同一套特征进四家公司会收敛到同一类排序器”。他现在把这个实验室常识抬到产业层：权重可以复制，语料契约不能。制冷/可乐比喻是他给LP的资产配置口令——不要把终值给压缩机，要把终值给有配方和渠道、能把冷藏变成货架垄断的人。8090和harness投资是同一判断的落地：把公司自己的上下文、工具和停机条件从模型里拆出来，模型可替换，配料不可替换。
资本路径是把创业公司从“未来的上市公司”改定价为“未来的训练输入”。支票不再要求独立收入曲线走完ipo，只要求数据流在某一垂直里无法被Common Crawl替代。平台侧的并购逻辑从买收入、买用户改成买封闭语料和封闭工作流，因为公开网页的边际信息量在下降，出口管制和站点反爬又把剩余公开源切得更碎。Salesforce买Informatica、IBM买Confluent、Meta入股Scale，都是同一方向上的提前抢料。
类比谷歌买YouTube不是买一家视频网站而是买一段无法再被复制的用户生成语料、彭博终端不是卖新闻而是卖键值和键值上的行为、Palantir把客户工作流锁进前向部署工程师。行业位置从“比谁先训出更大基座的扩张期”进入“比谁先把第四种食材封进仓库的控制期”。开源权重加速了这一转移：模型越像基础设施，私有输入越像油田。
结构判断属于产业链重构叠加定价权转移。机制是：当拟合函数对所有人开放，差异只剩训练分布。谁能把分布从公域改成私域，谁就重新获得输出上的定价权。并购不是退出通道的点缀，是把配料从创业公司资产负债表搬进平台模型卡的传送带。
ABAB News · 认知定律
模型可以相同，多出的一味配料不能相同
公开网页被爬穿之后，优势改由锁门产生
不必成为伟大的上市公司，成为别人模型里缺的那一味即可