Social Capital創始人：實驗室都能做出相近AI模型時，真正能變現的優勢來自那一味別人沒有的配料
查馬斯·帕利哈皮蒂亞說，實驗室都能做出相近模型時，真正能變現的優勢來自那一味別人沒有的配料。同一千份輸入交給Facebook、微軟、谷歌和亞馬遜，會得到同一類機器學習模型；多出一件獨有原料，輸出就會明顯不同，像三位大廚共用三種食材，只有一人多拿到第四種。
他判斷當前所有人還在爬公開網頁。下一階段會有人把某個站點、某類語料鎖起來，只餵給自己的模型，那些模型會更好。這會變成軍備競賽。下一波併購可能是谷歌、微軟、Facebook審視一批公司時只問一句：它們能不能成爲我大模型或其他機器學習系統的有效輸入。
他在同一段裏把大模型比作製冷技術：發明製冷的人賺到一些錢，用製冷做出帝國的是可口可樂。模型會賺錢，但可樂還沒被建出來。因此早期基金可以投那些幾乎沒有獨立上市前景、卻堆出一份獨特數據倉庫的公司，因爲那份倉庫會被更大玩家買去喂模型。
這套話最早出現在他關於資產類別裏只有約一成機構能真正賺錢的訪談中，近年被重新剪出傳播。他後來把模型層終值稱爲數學錯誤，稱智能正在變便宜，自己把倉位放在土地電力廠房、harness和應用層，並創辦8090去做保留專有上下文的編排層。納德拉也公開寫過：你爲智能付兩次錢，一次用現金，一次用必須喂進去才讓模型有用的專有知識。
市場機制上，買方是要差異化輸出的超大規模平臺，賣方是握有工作流、交易、病歷、工業日誌、法律檔案、設計文件或用戶行爲、卻未必能獨立長成上市公司的數據管道。事件驅動的是公開網頁被爬穿之後的同質化。資金從“再訓一個差不多的基座”流向“買下一味獨家配料”。受益的是能把無聊私有數據做成複利輸入的持有人，以及用併購把配料鎖進自家模型的平臺；承壓的是隻靠公開語料微調、沒有第四種食材的實驗室。
來源：公開信息
ABAB AI 解讀
查馬斯在Facebook把新聞源做成大規模在線機器學習，知道“同一套特徵進四家公司會收斂到同一類排序器”。他現在把這個實驗室常識抬到產業層：權重可以複製，語料契約不能。製冷/可樂比喻是他給LP的資產配置口令——不要把終值給壓縮機，要把終值給有配方和渠道、能把冷藏變成貨架壟斷的人。8090和harness投資是同一判斷的落地：把公司自己的上下文、工具和停機條件從模型裏拆出來，模型可替換，配料不可替換。
資本路徑是把創業公司從“未來的上市公司”改定價爲“未來的訓練輸入”。支票不再要求獨立收入曲線走完ipo，只要求數據流在某一垂直裏無法被Common Crawl替代。平臺側的併購邏輯從買收入、買用戶改成買封閉語料和封閉工作流，因爲公開網頁的邊際信息量在下降，出口管制和站點反爬又把剩餘公開源切得更碎。Salesforce買Informatica、IBM買Confluent、Meta入股Scale，都是同一方向上的提前搶料。
類比谷歌買YouTube不是買一家視頻網站而是買一段無法再被複制的用戶生成語料、彭博終端不是賣新聞而是賣鍵值和鍵值上的行爲、Palantir把客戶工作流鎖進前向部署工程師。行業位置從“比誰先訓出更大基座的擴張期”進入“比誰先把第四種食材封進倉庫的控制期”。開源權重加速了這一轉移：模型越像基礎設施，私有輸入越像油田。
結構判斷屬於產業鏈重構疊加定價權轉移。機制是：當擬合函數對所有人開放，差異只剩訓練分佈。誰能把分佈從公域改成私域，誰就重新獲得輸出上的定價權。併購不是退出通道的點綴，是把配料從創業公司資產負債表搬進平臺模型卡的傳送帶。
ABAB News · 認知定律
模型可以相同，多出的一味配料不能相同
公開網頁被爬穿之後，優勢改由鎖門產生
不必成爲偉大的上市公司，成爲別人模型裏缺的那一味即可