$LMND

如何思考AI应用公司的护城河？ 王炸组合：私有数据 + 私有分发 + 行业垂直整合 + 强监管，我以我投资的 $LMND $TEM $TSLA 为例聊聊我个人粗浅的理解。 私有数据：也就是非公开，大模型公司和传统科技巨头难以获取的数据，且最好是多模态且带标记的数据。例如Tempus AI的人体分子病理检测数据及对应的诊疗结果，保险公司的用户行为及对应的赔付数据，特斯拉的FSD里程和接管数据。 私有分发 + 垂直整合：也就是难以触及的服务对象和渠道，为其提供一站式解决方案。如Tempus接入的海量医生以及接入的医疗系统，医生通过Tempus下单分子诊疗，tempus推送诊断结果和基于临床数据的诊疗建议。大模型公司能提供一站式解决方案吗 ，显然不能，没有私有医疗数据及模型，没有负责检测的实验室。同理如特斯拉做保险，虽然拥有了完美的车辆行驶数据，但缺乏后续配套服务吐槽不断，甚至因为投诉过多受到了加州保险局吊销执照的警告。 复杂的行业监管：AIGC文生文/图/视频，写code等等AI应用都没有严格的行业审查。但如保险和医疗这种强监管行业，你需要向监管佐证你的AI产品和服务是准确公平的，其中的know how 和监管打交道的经验人脉都会是让科技巨头和普通大模型公司心里憔悴的存在，成为rate limiting step. 当一家AI应用公司拥有了多个以上条件，私有数据 + 私有分发 + 行业垂直整合 + 强监管。他就拥有了在未来世界存在一席之地的护城河。欢迎讨论