此更加追求“全渠道零售”，试图整合线上线下供应链和履约能力——无论是吸引到店消费，还是进行“线上下单、线下/路边提货”，乃至提供到家配送服务，都离不开地图等LBS应用；而美国最流行的地图应用只有Google和Apple。按照Alphabet管理层的说法：“我们计划向中小企业提供……在线上和线下获客之间无缝切换的能力，范围应该大大超越它们的邻近地区。”在实体商品方面，Google允许零售商标注存货状态（是否有货）、送货选择（是否支持配送到家/路边提货）；在服务方面，Google在部分地区开放了订票、酒店预订乃至服务预约功能。这些功能，在中国大多被归类于“本地生活服务”，看上去似乎缺乏技术含量。事实恰恰相反，Google通过强大的算法技术（包括但不限于大数据、机器学习），提高了商家与用户的匹配效率，从中获得了大量收益。2021年5月，Google先后与Shopify和Square两个美国最大的零售行业SaaS服务商签署合作协议，允许其客户更方便地在Google展示商品广告，同时也开放了一些数据接口。今后，对于小型本地商户而言，在Google上标记地点、展示货架、显示服务状态可能会更加容易，只要通过Shopify和Square的系统一键同步过去就可以了。这个举动彰显了Google建立“开放式零售生态系统”，从而在美国零售广告市场获得更多份额的决心。对于传统的本地广告投放渠道，例如本地报纸、本地电视台、户外广告而言，则绝不是什么好消息。GoogleMaps可以提供本地商户的细节和评分另一个重要方向是视频广告。无论在中国还是美国，视频（含短视频）都是用户时长增长最快、广告开支比例上升最快的在线内容品类。Alphabet旗下的YouTube不但是美国最大的移动视频APP，而且在OTT市场的渗透率也仅次于Netflix。近年来TikTok的兴起，虽然严重影响了Facebook和Instagram的用户和收入，但是对YouTube几乎没有影响。YouTube广告收入占据Alphabet总体收入的比重，也从2017年的7.3上升到了2021年的11.2；我们估计，如果把YouTube付费会员收入也计算进去，它的收入贡献比可能达到15。YouTube广告业务有两个重要的增长驱动力：第一是随着它不断深入“大屏”(OTT)场景，它也在逐渐侵蚀有线电视的市场份额，甚至成为了“大屏端”最重要的广告平台；第二是通过提升算法、推出更多形式的“直接响应”(DirectResponse)广告，从而进一步提升效果广告的精度。附带说一句，YouTube也推出了“直播带货”功能，而且效果明显好于同样推出了带货功能的Instagram！相对于基于文字的传统搜素广告而言，视频广告的算法复杂性本来就更高；何况YouTube贴片广告在播放几秒之后就能够由用户主动跳过，从而对广告推送精度提出了极高的要求。没有强大的算法技术，就无法在用户体验和广告收入增长之间达到平衡。现在，YouTube的一个技术投入重点是提升OTT端的广告效果衡量能力——用户有没有注意观看，有没有尝试进行互动（包括在移动端的互动）？这是传统电视广告完全无法做到的，也是广告主将预算不断转移到YouTube的原因。因此，我们完全可以理解AlphabetCEOSundarPichai在2021年四季度财报电话会议上所说的：“在提升搜索、地图、YouTube等信息产品的使用价值的过程中，对人工智能的投资将是一个关键因素。”准确的说，此处的“人工智能”是一个宽泛的概念，包括通常所谓的机器学习、大数据、生物识别、物联网等技术。它们从Alphabet平台每天产生的海量数据当中获取养分，然后反过来提高平台的运营和商业化效率。Alphabet没有将强大的人工智能和机器学习技术用于太空探索或火星移民，这一点可能会让国内的一些“硬科技”爱好者失望；当他们意识到Alphabet的主要业务与国内的腾讯、百度之流没有本质性区别的时候，可能会更加失望。然而，正是这些平淡无奇、接近日常生活的广告业务，在过去十年推动Alphabet的营业收入增长了6倍、营业利润增长了7倍，使得它得以手握1396亿美元的现金，每年花费87.1亿美元的研发费用（均为2021年数据）；仅仅GoogleResearch这个“前沿研发中心”就雇佣了2297名科研人员。在2021年度报告中，Alphabet管理层写道：“在历史上，不走寻常路的精神一直驱动着我们，鼓舞我们去解决重大问题，投资于人工智能和量子计算等疯狂的想法。”很多公司都有过“不走寻常路的精神”、投资于“疯狂的想法”，其中绝大部分都失败了。IBMWatson就是一个疯狂的想法，可惜它未能治好癌症。Alphabet与这些失败者的最大区别在于拥有消费互联网这个永不枯竭的现金来源，从而能为“解决重大问题”投入无穷的弹药。否则，它的理想就永远只能停留在理想阶段。一个严肃的问题：究竟什么是“硬科技”公司？从2019年A股科创板成立开始，“硬科技”成为了国内资本市场的热门名词。2021年以后，“硬科技公司”往往被拿来与“互联网公司”做对比——前者专注于基础研发和重大发明创造，后者则只想着从流量生意里捞钱；前者是智力密集和技术密集型企业，后者只能算得上人力密集和资本密集而已；前者代表着人类社会真正的发展方向，而后者很可能只是经济发展过程中的一段弯路。究竟什么是“硬科技”？按照《上海证券交易所科创板企业发行上市申报及推荐暂行规定》（2021年4月修订），科创板上市公司应该属于以下产业：新一代信息技术、高端装备、新材料、新能源、节能环保、生物医药；与此同时，限制金融科技、模式创新类企业在科创板上市。在“新一代信息技术”当中，人工智能是无可争议的宠儿，炙手可热的程度可能仅次于半导体和集成电路。提到人工智能，大部分投资者马上就能想到两家公司的名字：已经在港股上市的商汤科技，以及申报科创板但尚未过会的旷视科技。在一级市场赫赫有名的“AI四小龙”当中，它们是最早申报上市的两家，显然符合资本市场对“硬科技”的定义。商汤和旷视都是比较纯粹的ToB公司，产品应用范围还比较狭窄，营业收入有限，所以均处于亏损状态。2021年，商汤的经调整净亏损率高达30.2；旷视尚未披露2021年度数据，但是上半年其扣非净亏损率高达138.8。投资者对这种巨额亏损的意见并不一致，有人认为“硬科技公司”就是应该在早期多亏钱，有人则希望尽快缩小亏损并提出盈利路线图。在2021年以前，国内资本市场的对人工智能企业的风险容忍度还是比较高的，进入2022年以后则出现了明显的收缩。从招股书及财报披露数据看，旷视和商汤的客户集中度都比较高，对大客户比较依赖——2021年上半年，旷视前五大客户贡献了25的收入，商汤最大的一个客户就贡献了23的收入。此现象很好理解：这两家公司均未直接掌控应用场景，既缺乏消费级客户，也缺乏中小企业客户；至少在现阶段，它们必须先把自己的技术解决方案卖给大型企业，由后者负责应用场景和客户服务。事实上，很多“硬科技公司”目前实践的都是这种商业模式。那么问题来了：假设一家拥有类似技术研发能力的公司，恰好也有庞大的消费级业务，而且可以将自身的研发成果直接应用到消费场景中，那它还算不算硬科技公司？这样的公司是存在的。本文讨论的全部公司，尤其是Alphabet、Amazon和Meta，都在人工智能和机器学习方面有大量研发成果，而且直接运用于内容推荐、商品推荐、广告推送和广告效果衡量。Microsoft也有较强的人工智能技术，主要应用于Azure云服务。Apple在这个领域的存在感稍弱一些，但是iPhone用户应该都对Siri非常熟悉；在地图和流媒体服务场景，Apple也需要广泛地应用人工智能。别误会，上述科技巨头当然会使用外来技术，并与外部公司或科研机构进行研发合作。但是，它们的核心技术以自主研发为主，或者通过收购完成“自研化”（Amazon和Apple尤其擅长这种操作）。事实上，国内的腾讯、阿里巴巴、百度、字节跳动等互联网巨头，出于商业上的考虑，一直在大力研究人工智能和机器学习技术。2017-20年字节跳动广告业务的迅猛增长，以及同一时期淘系电商GMV及广告收入的稳定提升，很大程度上都要归功于算法推荐精度的提高；腾讯除了在广告业务上需要机器学习，在游戏业务上也需要（尤其是PVE方面）；百度则在无人驾驶技术上投入重注，这显然个技术高度密集的业务。那么问题又来了：为何上述互联网巨头没有被称为“硬科技公司”，反而经常被列为硬科技的对立面呢？是因为它们在消费端太成功了吗？是因为它们直接介入了应用场景吗？还是因为它们的业务规模实在太大，外界难以准确辨认哪些部分的技术含量较高？无论是哪个原因，它们都是因为自己“过于成功”而受到惩罚。2021年，商汤和旷视的研发费用之和约为48亿元（注：旷视未披露年度数据，按上半年数据的两倍估算）；美团、百度、腾讯、阿里巴巴的研发费用分别是这个数字的3.5倍、5.2倍、10.9倍、12.1倍。当然，研发费用是一个局限性很强的财务指标，不能单独代表企业的研发实力；而且互联网巨头的研发团队需要分散到许多个不同的方向。然而，只要腾讯或阿里将其研发资源的十分之一投向人工智能方向，就足以与两家“硬科技公司”的投入旗鼓相当了。我们没有任何理由认为，互联网巨头的硬科技水平会弱于纯粹的“硬科技公司”！肯定会有人这样反驳：“但是互联网巨头研究硬科技仅仅是为了加强自己的垄断地位，与整个社会无益。只有纯粹的硬科技公司会向全社会输出技术！”很可惜，这种臆想是错误的。互联网巨头也会向外部输出“硬科技”研究成果，不是因为它们的心肠有多好，而是因为这是一门能赚钱的生意。“机器学习即服务”(MachineLearningasaService,MLaaS)是云计算领域的一个新方向，也是各大公有云平台的兵家必争之地。根据《福布斯》(Forbes)杂志预测，2020年全球MLaaS市场规模即已达到73亿美元，2024年将增长到306亿美元。简而言之，就是由科技巨头从云端向客户提供成套的机器学习工具，这样客户就不用自己研究、自己部署相应技术了。例如，Amazon机器学习服务可以帮助客户处理自然语言、发布聊天机器人、建立时间序列预测模型、进行图形和视频分析，以及文本/语音转换服务——几乎就是机器学习目前所具备的一切功能。进一步说，以云服务的方式向大量客户提供标准化的机器学习工具，有助于大批企业和组织享受到最新的技术进步，从而减少技术上的不平等。就像Alphabet在2021年财报中所说：“互联网是人类历史上最伟大的均衡器(Equalizer)。”如果我们不是以互联网的方式，而是以传统软件服务的方式去交付机器学习能力，那么必然只有最大的一些组织有能力享受。难道硬科技成果不应该最快速地服务于最大多数人吗？四大“机器学习即服务”平台功能对比资料来源：Alexsoft根据Alexsoft的分析，在全球最领先的四大MLaaS平台当中，Amazon和Microsoft并列第一，功能最完善；Google次之，进步势头很快；IBMWatson又次之。我们不得不再次感叹，在人工智能方面，IBM起了一个大早，却赶了一个晚集。由于收入和利润多年停滞不前，IBM已经出售了曾经最重要的WatsonHealth业务，我们很难指望它能在MLaaS领域与三大互联网巨头展开平等的竞争。讽刺的是，按照部分国内投资者的标准，IBM肯定算一家“硬科技公司”，而Amazon肯定不算。美国科技巨头也惦记着本地零售，而且力争将其作为突破口近年来，中国互联网巨头因为近场电商的押注而饱受争议。所谓近场电商，就是消费周期较短、对即时性和本地化要求较高的电商业务，包括餐饮外卖、到店、生鲜、日用食杂、买药、社区团购等；与线下实体的近场零售结合起来，就是所谓“本地零售”。美团、阿里、拼多多、京东均在此投入重兵，百度、滴滴也有过一定程度的参与。问题在于，对本地零售市场的争夺恰恰是从美国开始的，阿里、美团、京东的举动均带有对Amazon的强烈模仿色彩。截止2021年底，Amazon已经在美国和英国建立起比较完整、覆盖面较
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >>
