移動互聯網吃掉世界 2016.12 | A16Z移動互聯網報告(文峰版)

每年A16Z的移動互聯網報告都是大家關注的重點節目,由A16Z合伙人兼分析師Benedict Evans操刀完成的這些報告,質量非常高。

上一次報告是在2016Q1出的,9個月後又來一個——這應該是A16Z第一次在一年之內連出兩個報告吧。看來移動互聯網給世界帶來的變革在日益加快加深,大家要快速跟進。

因水平眼界有限,理解難免有偏頗,見諒。

本次報告的幾個要點:

1. 移動互聯網從創新階段進入應用階段,大家更多考慮「我們能用這個來幹什麼」的問題;

2. GAFA邪惡軸心的體量(年收入、僱員數量、資本投入等)遠超前輩Wintel聯盟,技術變得更加關鍵,到最後都是生態體系的競爭;

3. 機器學習已經到了創新階段,但還有很多問題需要解決,以GAFA為代表的巨頭已經開始科學、工程和產品的軍備競賽,在儲備基礎技術能力的同時,也在尋找各種落地場景以產品化;

4. 新的計算能力和創新模式出現,甚至「移動優先「也已經過時,現在默認是」僅有移動「和」移動原生「,「無障礙計算」幫助人們做出最好的選擇,從而更方面的獲取服務;

5. 電商行業正在發生技術變革,數據和技術已經應用到電商行業的各個方面,新的購買流程可能影響用戶購買商品的決策;

6. 汽車行業正在被電動化和自動駕駛兩大趨勢改變形態,也對石油和安全領域產生重大影響,但最大的改變依然是未知;

7. 最後,肥皂很重要,肥皂本身可以成為服務。

正文

1. 從2014年開始,「移動互聯網吃掉世界」專題報告就是A16Z的保留節目。

移動互聯網對世界產生深刻的變革,很多明星級公司和產品應運而生,2C的類似微信,2B的類似TalkingData——「移動優先」是這類公司的一貫戰略。

第一部分 | 移動互聯網的應用

2. 移動互聯網進入應用階段

3. 移動互聯網正走在連接每個人的道路上

世界上超過14歲的人口有55億,而手機的累積數量已經接近50億(其中大約25億是智能手機)。

中國的手機和智能手機普及率緊隨發達國家,在世界上排名第二。東南亞(SE Asia)雖然手機普及率排第三,但是智能手機的普及率卻相對落後——這對於智能手機來說代表著巨大的潛力,因為非智能手機面臨更新換代。

4. 移動互聯網的S曲線超過了PC,覆蓋人口數向50億大關挺進

即使只看智能手機,覆蓋人口數上也超過了PC,達到25億。

同時,PC的覆蓋人口數在持續下滑。

5. 移動互聯網的S曲線從創新階段過渡到應用階段

當智能手機的保有量超過25億的時候,大家關注的問題也在發生變化。

6. 移動互聯網的應用階段代表什麼?

如果說在創新階段我們關注「這有用嗎?誰能勝出?」之類的問題,那麼在應用階段就開始關注「我們能用這個來幹什麼」。

以前有平台和技術路線的競爭,用戶也只有百萬級別。但是現在誰將勝利已經塵埃落定,大部分技術也已經通用化,接下來就是不斷的穩定的優化和提升,用戶量級達到十億級別。

7. 我們能用這個幹什麼?

這是一種新的技術的體量,也是新的計算能力。

這是改變其他行業的新方式,尤其是對電商和汽車行業。

第二部分 | 新的體量

8. 移動互聯網突破新的體量

9. 新老替換

GAFA軸心替換了Wintel同盟,並且從年收入來看,比Wintel的規模大3倍。

中國有BATJ,美國有GAFA,這兩組「四大惡人「聽起來都挺邪惡的樣子。

10. Wintel聯盟在上世紀90年代出現爆炸性增長

在Intel和Microsoft的黃金10年(1990-2000)中,兩個公司的年收入增長幅度超過14倍,技術也取得突飛猛進的發展,在行業中處於絕對領先的地位。

11. 但是GAFA在體量上比Wintel還要大10倍

從10年的跨度對比,GAFA的年收入總和在2015年已經超過4000億美金。

12. 技術從重要優勢成為核心優勢

在1995年,Intel和Microsoft即使技術領先,但是市值看也並不突出。 但到了2016年,技術已經把GAFA推動到市值排行的頭部——技術日益成為核心競爭優勢。

13. 更大的體量代表更多的投入

從GAFA和Microsoft的資本性支出(Capex,包括戰略性投資和滾動性投資)看,已經從2000年的10億美金增長到2015年的340億美金。

14. GAFA的僱員數也增長了10倍(包括倉儲和零售相關的僱員)

15. 如今的技術巨頭的特點已經和Wintel/IBM截然不同

巨頭不僅強在技術層面,也強在商業層面。

至少有四個互相競爭的巨頭,而不是一個。

16. 蘋果成為全球前十大零售商

在全球擁有500家線下門店,大約250億美金年收入,進入全球零售商排名前二十。

加上線上商店的收入,那麼收入總和達到530億美金,已經進入全球零售商排名前十。

17. 對Amazon而言,內容只是一個戰略手段

原創內容是Netflix的核心,但是對Amazon來說只是賣給會員的一種商品而已。

在每年的TV生產成本預算中,Amazon排名並不靠前。

18. Netflix是一個威脅嗎?

2010年,Netflix已經是世界上最大的在線影片租賃提供商,在傳媒領域如日中天,內容製造商都需要依賴Netflix作為主要的銷售渠道。但是在當時行業討論Netflix的威脅時,Jeffery Bewkes(時代華納CEO)不以為然,把Amazon類比做阿爾巴尼亞軍隊,「阿爾巴尼亞軍隊真的能佔領全世界嗎?我覺得不可能。」

但是6年以後,Netflix的在線流媒體服務收入已經從最初的12億美元增長到2015年的68億美元。Netflix在美國擁有4700萬用戶,在國外擁有3600萬用戶。Netflix的節目覆蓋190個國家和20種語言。每年Netflix花在內容上的投入將近60億美元,把傳統的有線電視網壓的喘不過氣。

19. 大家都在定製自己的晶元:Intel整個業務都已經被邊緣化

谷歌基於FPGA定製了機器學習晶元TPU。

Amazon定製了網路集成電路晶元Annapurna。

蘋果的A10是最快的手機系統級晶元(SoC),同時附帶自定義的TouchID、Airpods等晶元模組。

微軟也在Hololens上使用了自己定製的晶元HPU,用來協助主處理器加速一些專門的運算,比如用於計算機視覺處理的矩陣運算、用於神經網路的卷積運算等。在IoT的世界,定製化晶元將越來越多的用於一些特殊場景,滿足特定需求。

20. 站在巨頭的肩膀上

技術巨頭正在構建一個生態系統,以把以前的所有技術都變得通用化,降低門檻。

這個生態系統包含50億的移動用戶、體量更大的全球化企業和新的競爭方式。

第三部分 | 新興事物:機器學習

21. 新事物出現了——機器學習

22. 圖中包含一隻狗嗎?

經過50年的研究和積累,計算機視覺系統在解決「圖片中是否包含一隻狗」的問題時,能達到72%的準確率。這類問題對人來說雖然很容易,但是對於計算機來說非常困難,有時候甚至不可能。

直到2012年,機器學習來了。

23. 機器學習終於來了

經過幾十年的等待,機器學習的效果終於得到大幅度提升:圖像識別錯誤率從28%降到7%,語音識別錯誤率從26%降到4%。

24. 機器學習:數據而非規則

人工智慧發生了根本性的變化,從模仿生物感知能力,進步到海量數據和應用數學的結合。

以前的技術是基於規則的,試圖構建一個系統來模仿人體感知器官,僱傭語言學家來編輯語法規則,想方設法模仿人類生物智能的工作原理(實際上我們並不了解)。

機器學習更多依靠的是數據,比如通過1萬張標識為「有狗」的圖片和1萬標識為「沒有狗」的圖片,基於神經網路來完成新圖片的識別。正因為有了比以前多百萬倍的數據和大百萬倍的計算能力,機器學習才成為可能。

25. 語言學家真的有幫助嗎?

自然語言處理大師Frederick Jelinek說,「我每開除一名語言學家,我的語音識別系統的效果就會提升一些」。

Jelinek是現代語音識別和自然語言處理研究的先驅、美國工程院院士,他開創性地將語音識別視為通信問題,從而改變了這一領域的方向,使語音識別真正成為可能。以上這句話是老先生在2004年接受Antonio Zampolli獎的演講時的玩笑話,當時演講的主題是「我的一些最好的朋友是語言學家」。他的本意並不是我們要幹掉語言學家,相反,「工程師要學會利用物理學家的真知灼見,而我們則要學會利用語言學家的真知灼見。」按照TalkingData創始人崔曉波的說法,大數據、人工智慧和人類智慧只有結合在一起,才能產生真正的商業價值。

26. 人工智慧並不只能用來找狗

實際上人工智慧是在做數據分析而不是找狗,所以除了圖片,人工智慧也可以用在其他的場景,比如:

? 哪些用戶即將流失?

? 前面那輛車會讓我併線嗎?

? 網路中是否有異常情況發生?

等等。

27. Alpha Go —— 棋盤遊戲和空調

同樣的機器學習平台被谷歌用在很多領域,包括圍棋和數據中心。

Alpha Go戰勝了世界圍棋冠軍李世乭,同時加持機器學習的數據中心冷卻系統節省了超過15%的耗電量。

冷卻系統是大型工業設備的必須配套裝備,包括冷水機組、泵、冷卻水塔等,可以維持數據中心伺服器的正常運行。一直以來,冷卻系統都是數據中心的耗電大戶,佔了很大的成本。2016年8月,DeepMind發文表示,已經利用機器學習演算法幫助谷歌數據中心的冷卻系統減少了40%的耗電量,相當於數據中心整體耗電量的15%(對谷歌來說,相當於節省了數千萬美金)。其演算法的主要工作,就是看看數據中心運行情況,決定水冷機開多久,關多久,室溫可以調多少度等。演算法考慮了風扇、製冷系統和窗戶等120個變數,通過收集數據中心幾千個溫度、電源、泵速度、設定值等感測器的歷史數據作為演算法的訓練參數,來測試輸入能源應用到IT能源消耗上的比例(即電源使用效率,PUE)、搭建模型、尋求最優解。

28. 從2016年開始,谷歌的整體戰略從「移動優先」轉到「AI優先」

29. 機器學慣用例:多少模式,多少數據?

30. 機器學習技術棧的頭部和底部

通過雲計算進行大規模的模型訓練,然後許多模型可以運行在很小且便宜的設備上(比如手機)。

31. 攝像頭無處不在

成像系統和機器學習結合,成為更通用的感測器,市場在不斷擴大(主要還是手機)。

32. 計算機如果能像理解文本一樣理解圖像,這意味著什麼?

33. 複雜和抽象

以GAFA為代表的巨頭已經開始科學、工程和產品的軍備競賽,在儲備基礎技術能力的同時,也在尋找各種落地場景以產品化。

34. 機器學習的S曲線

機器學習依然處於創新階段的早期,還有很多需要解決的基礎問題。

第四部分 | 新的計算能力

35. 新的計算能力也出現了

36. 移動互聯網app為王——明顯而又無奈的事實

在美國,智能手機app已經佔據用戶所有在線時長的60%。

消耗的PC上的時長在縮減,在移動app上的時長在增加,在手機瀏覽器上的時長基本上維持在一個相對穩定的水平。說明手機瀏覽器依然是手機用戶獲取信息必不可少的一個渠道,但是顯然也在逐步的被邊緣化。

37. 強者愈強

用戶使用app的集中度在提升,其中Facebook就佔據了15%-20%的總時長,成為最大的移動網頁瀏覽工具。

中美趨勢雷同,流量集中在少數巨頭手中以後,所謂互聯網的上半場就結束了。流量獲取成本提升以後,以流量為基礎的創業會更加艱難。TalkingData也有類似的針對國內移動市場的數據報告,可以從TalkingData移動觀象台官網獲取。

38. 更重要的是,出現了新一代的計算

經過30年的積累,我們迎來了新的更先進的計算能力:更強的隨身性、原生的圖像處理能力、更多的感測器和感知能力、更強大的應用平台、更強的電池續航能力、更大的數據帶寬、更快的計算、雲計算等等。

39. 也出現了新的計算模型,更先進也更易用

40. 還有新的創新模式

PC時代已經過去,甚至「移動優先「也已經過時,現在默認是」僅有移動「和」移動原生「。

新的感測器、新的交互方式和新的機器學習模型不斷出現,也出現新的創新模式,比如直播、社交、廣播、觸摸交互、成像技術等。

41. 直播打破了多少舊常規?

假設有高質量攝像頭和高性能的CPU/GPU(能夠支持足夠好的視頻編碼和效果),假設電池有無限的續航能力,假設有無限的帶寬,假設有10億的高端智能設備……整個手機就變成了攝像頭。

42. 無障礙計算(Frictionless Computing)

沒有按鈕、應用或者中間交互步驟,在用戶和最終服務之間沒有任何「計算設備」,這就是「即用即得」。硬體感測器就好像app一樣,也在app之間建立深度聯接,給app帶來新的使用場景。

當然,這些新的計算設備也都受益於智能手機行業所積累的通用技術和組件。

「無障礙計算」讓用戶最方便的享受到服務。Amazon Echo(後改名Alexa)完全依靠語音操作,不需要任何按鍵,已經成為家庭的智能助手,能幫助用戶和各種設備/服務無障礙交互。Snapchat推出的智能眼鏡Spectacles,也採用極其簡潔的設計,輕輕按一下,就可以拍攝長達10秒的小視頻,並方便的分享到朋友圈。

43. 機器學習成為一種基礎設施

各種感測器採集數據,機器學習處理數據,從而能夠提供更有價值的行為指導。

44. 機器可以回答問題嗎?

機器學習並非無所不能,要確保可行,依然需要對問題域有所限制。

45. 變化的問題,變化的選擇

新的交互模式層出不窮,都是為了減少用戶觸達服務的障礙,得到更輕鬆的體驗。

用戶真的需要回答這些問題嗎:你有印表機驅動嗎?你的密碼是什麼?你在哪裡保存的文件?……你想要買哪種肥皂?(對Evans真的是很重要的問題)你想用哪個app?

問問題就是在讓用戶做選擇,最好的解決方法是讓平台能夠幫助用戶回答這些問題,盡量減少用戶的障礙。

46. 從直接、物理的數據交互

47. 到直接、物理的數據交互

第五部分 | 電商

48. 電商行業會受啥影響呢

49. 零售商對比報紙發行

馬克·吐溫說:「歷史不會重複,但有時會重演。」

報紙的成本固定,但是收入在不斷下降,目前也在從傳統的付費模式轉到免費+付費的模式(freemium),邊界被打破,需要不同的技能。

報紙分發的優勢在發生變化,新的媒體意味著全新的消費方式——不僅僅是場景不同,用戶購買的內容也不同。

50. 互聯網對傳統媒體行業的所有革命,也都會發生在零售行業

51. 目前為止,大多數時候,你是知道你想要什麼的

電商在物流方面的進展很大,但在需求了解層面則遠遠落後。

52. 人們如果對商品有所了解,他們就會在線上購買

即使是衣物,人們也不排斥線上購買,尤其是那些支持免費退貨的品類,不合適大不了退貨唄。

所以Amazon成為美國第四大成衣零售商。

53. 但是人們怎麼知道該買啥?

雖然Amazon就好像是電商領域的谷歌,但是卻沒有電商領域的Facebook或Buzzfeed,人們無法依靠他人的建議來發掘需求。

互聯網只是讓你完成購買,但是不能讓你有購物的感覺。

54. 數字化需求的產生,第一步是投入1萬億美金

其中一半用於每年的廣告(其中三分之一是數字化廣告),另外一半用於市場營銷。

55. 什麼是廣告?

Jeff Bezos(Amazon CEO)說:「你的利潤就是我的機會「。

Bezos這句話是對Amazon低利潤率策略的註腳——Amazon長期維持很低的運營利潤率,把收入投資在能夠增強用戶體驗的領域,包括物流效率、商品價格等,提升了自己的競爭優勢。利潤率極低,偏偏股價還在蹭蹭的漲。和這樣的對手長期玩著「誰能比我慘「的遊戲,友商心裡的陰影面積不小啊。

56. 渠道本身就是產品

肥皂本身即是服務。

新的購買流程代表新的決策方式:改變商品的購買方式,也就可以改變購買的商品品類。

上面的紐扣設備是Amazon在2015年初推出的Dash Button,把「一鍵購物」的用戶體驗推進到極致:用戶只需要一鍵按鈕便可以訂購產品。每個Dash button按鈕的底下都有粘合劑,可以被貼在任何方便的地方。用戶也可以使用掛鉤將其掛在牆壁等地方。用戶需要使用亞馬遜移動應用軟體來設置Dash Button,並且需要將其連接至WiFi網路,配置在按下按鈕時訂購什麼樣的商品。最開始這款產品提供18個按鈕,包括嬰兒食品、咖啡、擦手紙等訂購按鍵。另外,亞馬遜現在還向產品生產商提供Dash服務。Dash Button本身是免費的,其內置的電池可支撐數年時間。

Dash Button把位於消費者和商品之間的環節減到最少,連電腦都不用開,實現了真正的「一鍵購物」。這麼簡潔的體驗,用張小龍的話來說,「別家就不可能超越了」,那這樣友商還能怎麼爭?

最後不得不提一句,「肥皂即服務」這句話真的是振聾發聵,醐醍灌頂,讓人腦洞大開啊——我是徹底服了。

57. 機器學習可以對需求進行預測嗎?

在沒有購買記錄或導購的時候,我們如何推斷消費者喜好?

比如,基於專業雜誌10年累積的菜譜來訓練AI模型,然後對著用戶的卧室/廚房檯面照張照片,接著問「在這些我從沒見過的東西中,我會喜歡什麼」。

58. 你想要買什麼?

開源運動的領袖人物Eric Raymond提到,「計算機永遠都不應該詢問用戶任何它可以自己探測、理解和推斷的信息」。

59. 數據已經在零售行業產生效果

到目前,數據幾乎影響了零售的每個方面,除了需求本身。

比如上世紀90年代,數據通過ERP的形式影響了供應鏈和物流。

而到本世紀初,數據以數字指標的形式影響了廣告。

那現在是不是該輪到需求了?

60. 零售行業的S曲線

曾經沃爾瑪採用新技術改變了零售行業——同樣的事情如今又發生了。

早期,沃爾瑪所以能夠迅速擴張到全國,相當程度得益於技術上的不斷投入,特別是在信息技術和物流配送技術上的投資,成為全球採購戰略、配送系統、商品管理、電子數據系統、天天平價戰略這些業界經典案例的堅實基礎,成為領先於競爭對手的最大優勢。1974年,公司開始在其分銷中心和各家商店運用計算機進行庫存控制。1983年,沃爾瑪的整個連鎖商店系統都用上條形碼掃描系統。1984年,沃爾馬開發了一套市場營銷管理軟體系統,這套系統可以使每家商店按照自身的市場環境和銷售類型制訂出相應的營銷產品組合。在1985至1987年之間,沃爾瑪與休斯敦公司合作發射了一顆人造通訊衛星,先後投資7億美元建起了世界上最大的民用電腦與衛星通訊系統,該系統的應用使得總部、分銷中心和各商店之間可以實現雙向的聲音和數據傳輸,全球4000家沃爾瑪分店也都能夠通過自己的終端與總部進行實時的聯繫。公司在全美有20個配送中心,所供應的分店都在一天車程或者350英里範圍內,各店85%的商品都有配送中心直接供應,而一般競爭對手只有50%到60%。

61. 已經被技術革命了的領域

包括消費媒體、移動手機、付費電視、在線廣告和電視內容生產。

62. 未來呢?

零售行業是技術革命的大蛋糕,大家可以吃很久。

第五部分 | 汽車

63. 汽車行業又會受什麼影響呢

64. 汽車即是手機

又來,跟著我念馬克·吐溫的話,「歷史不會重複,但有時會重演。」這次重演的是汽車行業。

今天,技術不再是很高的門檻,手機的核心組件已經通用化(不再被少數公司控制),軟體成為高附加價值的部分……「手機」的概念已經完全不同。

65. 變革汽車行業的兩種模式

電動化和自動駕駛技術的發展,正在改變汽車行業。

電動汽車已經進入實用化階段,去除了引擎和傳動裝置,改變了汽車工業製造和供應商體系,但是沒有改變汽車的使用方式。

自動駕駛技術可能還需要5-10年甚至更長的時間去解決大量的挑戰,但是同樣會改變很多東西,包括汽車甚至城市的形態。

66. 電動化:電池的成本曲線

電動汽車的發展,受益於電池行業的發展:電池的成本在不斷下降,能量密度(單位體積的電池所儲存的電量)在不斷提升。

67. 電動化改變了汽車

電動化把汽車變得更加簡單,也把很多部件變成通用化產品:複雜和私有的汽油引擎和傳動裝置消失了,取而代之的是簡單和商品化的電池和電機;運動部件減少到以前的十分之一……競爭的基礎整個改變了,軟體部分具有更高的價值(尤其是自動駕駛相關的軟體技術),因此要求新的競爭力。

68. 案例——手機

以前,諾基亞的75%的手機是在自有的8個製造工廠生產。但是現在,手機得到了解放,製造手機並不是必須自己擁有所有手機組件的生產製造能力,比如,蘋果手機依賴於全球789個地區的189個供應商提供手機組件。

69. 不公平但是相關——資本性支出(Capex)

領先的技術企業目前在汽車領域的投入並不比汽車製造廠商少,甚至谷歌和蘋果已經在投入上排名前列了。

70. 同時,自動駕駛技術也在發展

穩定而持續,一步一個腳印。

71. 什麼才是汽車行業的競爭門檻?

一旦電池和感測器成為通用化的技術,那什麼才是戰略優勢?目前還沒有答案。

72. 自動駕駛汽車等同於沒有馬的馬車

和馬車的歷史對照一下,去除駕駛員改變的東西比去除馬更多。

73. 直接的影響在石油和安全領域

石油的消耗量可能會減半,全球每年125萬因為交通事故死亡的人數也有望大幅度降低。

74. 後繼的影響甚至大的多

電動化改變了整個汽車行業的生態,包括服務行業、工具、能源、稅收、汽油……

75. 自動駕駛改變了汽車和城市的形態

改變的依然非常多,包括趴車、擁堵、零售、保險、所有權、住房供給、物流、房地產……

76. 但是,最大的改變依然未知

(所以更加值得期待。)

1882年多利亞女王時代,未來派藝術家Albert Robida創建了這幅拉風的石版畫,名為「2000年去歌劇院的正確姿勢」。本著絕頂的YY精神,Robida描繪了貴婦紳士們去歌劇院的宏大場景,各種奇形怪狀的飛行設備讓人嘆為觀止。站在現在思考未來,不說100年以後,就是10年以後的樣子誰能想像得到呢?站在現在思考過去,10年前,那時候我們還沒有iPhone和安卓手機,連TalkingData也還沒有創立,誰又能預料到現在的狀況呢?

第六部分 | 感謝

77. 感謝你的耐心

將近80頁的PPT,能堅持看完的都是真愛。像文峰這樣還做解讀的,簡直就是真愛中的真愛。感謝大家。

weixin.qq.com/r/K0Th_Sf (二維碼自動識別)


推薦閱讀:

從投資環境著手,東南亞各個國家的優劣勢是什麼?
投資小課堂81:短期套利可以做嗎?
普通人如果沒有專業股市知識,判斷兩三年內股市將會上漲。請問在選股上面適合選擇哪些股票?
構建你的交易系統
投資小課堂1:利率(上)

TAG:移动互联网 | 数据 | 投资 |