一个科技新时代开启，硅谷五巨头将何去何从

作者丨 Stratechery 译者丨明知山 策划丨 Tina 2022 年是 AI 新秀风起泉涌的一年，先是图像生成模型，包括 DALL-E、MidJourney 和开源的 Stable Diffusion，然后是 ChatGPT——第一个取得重大突破的文本生成模型。显然，我们正迎来一个技术的新时代。

要想预测这个新时代将如何发展，我们不妨回顾一下 26 年前最著名的《创新者的困境》（作者 Clayton Christensen）一书中关于不同类型创新的论述：

大多数新技术都促进了产品性能的提升，我称之为持续性技术。一些持续性技术在性质上可能是不连续的或激进的，其他的则是增量的。所有持续性技术的共同之处在于，它们都在主要市场的主流客户历来重视的性能维度上提升了现有产品的性能。某一特定行业的大多数技术进步都具有持续性……

颠覆性技术为市场带来了与以往截然不同的价值。一般来说，在主流市场上，颠覆性技术的表现不如成熟产品，但它们有一些边缘（通常是新）客户看重的其他功能。基于颠覆性技术构建的产品通常更便宜、更简单、更小，而且通常使用起来更方便。

我们倾向于回顾过去，通过观察公司在其创新进入市场后的表现来判断这项创新是具有持续性还是颠覆性：如果创新具有持续性，那么公司就会变得更强大；如果创新具有颠覆性，那么公司可能会从中获得大部分的价值。

想想之前的科技时代：

PC 几乎颠覆了所有已有的产品，这些相对便宜和低功耗的设备几乎没有微型计算机（更不用说大型机）的功能或利润率。这就是为什么 IBM 乐于将最初的 PC 芯片和操作系统分别外包给英特尔和微软，这样他们就可以推出一款产品来满足企业客户的需求。不过，随着 PC 的速度越来越快，英特尔和微软占据了主导地位，因为这个市场让之前的一切都相形见绌。

互联网几乎是全新的市场创新，因此由全新的公司定义，在某种程度上，这些公司在远离技术的行业（尤其是那些涉及信息的行业）颠覆了现有的公司。这是谷歌、Meta、在线市场和电子商务的时代，所有这些应用程序都运行在配备了 Windows 操作系统和英特尔芯片的 PC 上。

云计算可以说是互联网的一部分，但我认为它应该有自己的类别。它也极具颠覆性：商用 x86 架构淘汰了专门的服务器硬件，一大批 SaaS 初创公司剥离了现有公司的功能，成立了自己的公司。值得注意的是，云计算的核心基础设施主要是由之前的赢家构建的：亚马逊、微软和谷歌。微软尤其引人注目，因为它们还将其传统的软件业务转型为 SaaS 服务，部分原因是它们已经将上述的软件业务转变成订阅模式。

移动领域最终被苹果和谷歌这两家老牌公司主导。不过，这并不意味着这不具有颠覆性：苹果推出新的 UI 模式，不像微软那样将手机视为小型 PC；谷歌的新商业模式模式不再将手机视为其操作系统销售的直接利润来源，而是将其视为广告业务的护城河。

关于这段历史，上面的这些假设可能并不完全正确。颠覆性创新确实总是来自市场的新进入者，但这些新进入者并不一定是初创公司——在之前的科技时代，一些最大的赢家都是现有的公司，它们利用自己现有的业务进入新的领域。与此同时，Christensen 的其他原则仍然成立：微软在移动领域苦苦挣扎，因为这是一项具有颠覆性的举动，但 SaaS 最终得以持续，因为它的商业模式已经进入了正轨。

考虑到现有公司在科技新时代所取得的成就，当谈及 AI 的影响时，我们不得不从苹果、亚马逊、Meta、谷歌和微软这五大科技巨头公司讲起。

苹 果

我已经引用了一本关于技术战略的书，在文章方面，Joel Spolsky 的“第五封策略信”比较著名，尤其是这句：

聪明的公司试图将他们的产品商品化。

Spolsky 在解释为什么大公司会在开源软件上投入时写下了下面的话：

可运行的代码不是免费的，无论是私有的还是开源的。即使你没有为其支付现金，它也会有机会成本和时间成本。参与开源的志愿开发者数量有限，每个开源项目都在与其他开源项目竞争有限的编程资源，只有最吸引人的项目才能真正拥有足够多的志愿开发者。总而言之，我不太认同那些试图将免费软件与经济挂钩的人，因为在我看来，他们只会得到一堆低级的错误。

开源并不能摆脱万有引力定律或经济定律，我们已经在Eazel、ArsDigita、之前的VA Linux和许多其他尝试中看到了这一点。但在开源世界中，有一些事情很少有人能够真正了解：许多大型的上市公司正在投入大量资金来支持开源软件，雇佣了大型的开发者团队，其背后的原理就是互补品原则。

当一种产品的互补品价格下降时，人们对它的需求就会增加。一般来说，公司的战略利益是尽可能降低互补品的价格。理论上，可持续的最低价格就是“商品价格”——当一群竞争对手提供无差别的商品时，这个价格就会出现。因此，聪明的公司试图将其产品的互补品商品化。如果你能做到这一点，人们对你产品的需求就会增加，你就能赚得更多。

苹果公司在开源技术上投入，最著名的是用于其操作系统的 Darwin 内核和 WebKit 浏览器引擎。WebKit 与 Spolsky 所说的原则不谋而合——确保 Web 功能在苹果设备上良好运行，苹果的设备就会更有价值。

苹果在 AI 方面的努力在很大程度上是专有的：传统的机器学习模型被用在推荐、照片识别和语音识别等领域，但都没能对苹果的业务产生重大影响。不过，苹果确实收到了来自开源世界的一份令人难以置信的礼物：Stable Diffusion。

Stable Diffusion 之所以引人注目，不仅仅是因为它是开源的，还因为它的模型小得惊人：它在发布时就已经可以在一些消费类显卡上运行，经过几周的优化就可以在 iPhone 上运行。

值得称赞的是，苹果公司抓住了这个机会。苹果的机器学习团队上个月宣布：

今天，我们很高兴地发布macOS 13.1和iOS 16.2上的Stable Diffusion Core ML优化，以及将其部署到苹果芯片设备上的代码……

Stable Diffusion的一个关键问题是模型在哪里运行。为什么在设备上部署Stable Diffusion比基于服务器的方法更可取，原因有很多。首先，最终用户的隐私受到了保护，因为作为模型输入的用户数据都保存在用户的设备上。其次，在初次下载后，用户不需要连接网络就可以使用模型。最后，在本地部署模型能够减少或消除开发者与服务器相关的工作量……

优化Core ML和简化模型转换使得开发人员能够更容易地将这项技术集成到他们的应用程序中，既保护隐私又经济可行，同时又能在苹果的芯片上获得最佳性能。这个版本包含了一个Python包，用于将Stable Diffusion模型从PyTorch转换为Core ML，以及一个用于部署模型的Swift包。

这一声明分为两部分：首先，苹果优化了 Stable Diffusion 模型（因为它是开源的）；其次，苹果更新了其操作系统，由于苹果的集成模式，操作系统已经可以在自家的芯片上运行。