命定的NFT:

一个NFT推荐引擎,通过画画和描述(也可以是星座算命等),找到相似的NFT

技术说明:

  • 简笔画:图片相似性技术
  • 描述:AI 生成图片的技术
  • 找相似:图片相似性技术

……

商业价值:

本质上是一个NFT届的蘑菇街,通过有趣的,游戏化的方式,刺激NFT购买,收取交易所分成、NFT项目方竞价等方式盈利

步骤:

  • 持续抓取 NFT/数字藏品 的数据,建立数字艺术品数据库
  • 提取特征,形成特征库
  • 开发前端与用户交互,推荐/筛选 NFT 的功能
  • 开发基于主流公链的收益分成
  • 上线运营

难点:

  • 如何与交易市场分成,这是个运营也是个技术问题
  • 如何保持游戏性的新鲜度,这是个产品问题

数据延伸:

  • NFT 的数据库,可以继续扩展,成为 NFT 交易的数据分析工具,如 NFT 艺术品的流行预测等
  • 图片数据库可以喂给 AI,创作一些有趣的头像
  • 这个数据库本身也可以成为一个数字博物馆,中心化存储,利用CDN加速,收录哪些不同链上的艺术品,记录交易历程

两种社区类型:

1.白名单共识社区,只对极少数主题达成共识,并在此基础上运营社区
2.黑名单共识社区,只排除极少数主题,在其他所有事情上要求共识,并在此基础上运营社区

白名单共识社区,如果社区成员在超出共识的主题上发表看法,是一种个体行为;社区管理者不能代表社区在超出共识的主题上表态,这是一种违约。

黑名单共识社区,社区管理者可以在被排除的主题之外任何主题表态,都可能被固化为新的社区精神内核。

稀缺到平凡,是一个规模化的过程,技术创业促成这一个“技术大众化”的变化,就面向了更多的客户群体。以数据科学为例,市场已经进入到 “单例/局部” -> “集成/全局”的创新通道上,不是说单例和局部的优化没有价值,而是说当前的情况下,从集成和全局的视角出发,性价比更好。

使用越简单,客户群体越大

开发算法是数据科学家的工作领域,需要极高的学术能力;使用算法,是数据工程师的领域,需要极高的行业垂直认知。通常认为数据科学家的人数更少,难度更高,实际上深入行业的“高工”人数更为稀少,我们所看到的“大量”工程师,是指从事相对“高工”来说,更简单工作的。

随着使用难度的降低,客户群体会逐渐变大,这是对技术创新的奖励,属于“技术下沉”带来的红利。

每种“技术下沉”,都有对应的方法

方法代表
AI增强的类问答交互Magic BI、北极数据、……
低代码图形界面海致BDP
Excel类交互界面维格表
领域专用语言Kur、Gen、Byzer、SQLFlow……
算法工程化机器学习框架/机器学习平台
  1. 算法工程化,如机器学习框架(封装多种算法)/机器学习平台(封装算法和资源)

    • 稀缺的算法能力 -> 普通工程师,例:国产机器学习框架oneflow
    • 稀缺的工程能力 -> 算法开发者
  2. 语言,有两类分支

    • 开发一种领域专用语言,降低使用算法或工程化的难度,如

      • Kur,一种深度学习专用语言
      • Gen,MIT提出的AI专用编程语言
    • 已有语言的能力拓展,让客户群使用熟悉的技术栈进入新的技术领域,如让数据分析师具备数据模型的能力

      • Byzer,类SQL语言,用于数据智能
      • SQLFlow,类SQL语言,用于数据AI
  3. 低代码/无代码,让具备一定逻辑能力的业务方,进行简单数据开发,也可以是提高数据分析师和工程师工作效率的工具

    • 海致BDP
  4. 创新型BI,通常基于NLP等技术,通过近似问答的方式,由AI自动输出数据智能结果,直接将数据能力下沉到一线的业务人员

    • MagicBI,AI驱动和搜索式的下一代智能分析平台
    • 北极数据,增强型数据分析工具

每个方法都有受众,只是多寡不同

一种技术能力扩散到更广泛的客户群,都伴随着降低准确性、牺牲效率、舍弃高难度能力的代价,从目前的市场趋势看,创业机会的分布是哑铃状的,底层框架难度大,成功后价值高,有垄断效果;应用层的增长型BI客户群基数大,收费更容易;而中间的语言类和低代码类,更多像是实现框架或数据应用的工具,需要投入更多运营资源,才有机会形成规模。

生物进化论中有生存竞争存在三种形态的说法,分别是种内竞争、种间竞争和环境竞争,在创业项目的商业计划书中,也可以清晰看到这三种竞争,是理解项目定位和发展的不同角度,也是创业者和投资人需要达成共识的地方。

种内竞争,你死我活,替代

从创业项目的角度看,如果功能相似、产品相似、方案相似,那么可以认为是同一赛道的种内竞争,通常是策略就是对比性能参数及销售能力,所以商业计划书中常常出现对标产品,这个对标产品的估值/市值,会影响到创业项目的估值。高确定性的路径带了稳定预期,同时也带了天花板。

上面是最容易达成共识的种内竞争,很多时候,创业项目认为自己产品有独特性,技术又先进,分明是新物种,为什么投资人就是听不懂呢?

产品方案、技术架构、增长路径都是可以设计的,也可以通过不同的角度来阐述,所以投资人也会有自己的理解。为了在众多备选中确定投资项目,投资人还会从客户和市场的角度来看,如果一些项目,都是打同一类市场,解决同一类问题,投同一个标,竞争同一笔预算,那么这些项目不管在技术上产品上有多少不同,都是种内竞争。

简单说,如果你们在同一个鱼塘里捞鱼,不管你们来自哪里,用的是什么工具,都是你死我活的替代关系。进行这样的项目探讨,重点有两个:

  • 市场足够大,能养活足够多同类,在项目还弱小的时候有生存机会
  • 效率足够高,项目成长起来能成为赛道top玩家

在项目定位中并不排斥种内竞争,而是说在这样的路径上,项目的重点是对比性的,如果能产生替代效果,或者代差,则是优秀的项目。例如:

  • AI驱动的智能增强BI 替代 传统BI(替代写SQL的技术人员)
  • Snowflake 为代表的云数据仓库 替代 传统数据仓库

种间竞争,你好我好,共生

生物之间的种间竞争,有很多种,捕食、寄生、共生,在商业上的种间竞争,比较受欢迎的还是共生关系,也就是诞生了新物种,不但不跟存量优势物种竞争,还促进双方种群的扩大。

简单说,就是差异化定位

从客户和市场的角度看,就是具备了新能力,解决以前不能解决的问题,能开发出新的客户和市场,比如桉树叶对普通动物来说有毒,但是树袋熊可以吃,就形成了差异化。

  • 边缘云计算 释放 IoT设备的算力、带宽、存储能力
  • AI芯片 增强 移动设备的算力利用率

现在有很多 All in one 的全链条工具厂商,也声称自己是新物种,这就有点难解释了,All in one 有自己的集成优势,但也会面临全链路各节点上工具的竞争,需要发现新的价值才能找到生态位,形成种间竞争,从目前的趋势看,All in one的新价值是这样的排序:

经营/运营价值 > 管理价值 > 工具价值

也就是说,跳出工具竞争,深入到企业日常的管理和运营中,才会发展出市场,才会有新的预算

环境竞争,生态建设,多元

影响生物生存的外部因素都可以归类到「环境」这个概念中,但这里不讲那么复杂的,而是聚焦到「平台」,平台生态有一个标准,就是与平台交互的多方都可以赚到钱,而且是持续赚到钱,比别处更容易赚到钱。所以,强调自己是「平台」的项目,评估一下自己到底是动物园还是赤道大雨林:

  • 动物园,有生物多样性,但是建立在外部资源强输出(人工管理)的情况下,生态脆弱
  • 大雨林,有生物多样性,无需人工管理,生态强健,是真正的平台

结论提要

这是一个“沟通界面统一”的过程,首先是开发与运维角色,在DevOps下,使用统一的语言和数据界面沟通;然后是IT与业务角色,在NoOps下,实现沟通界面的统一,甚至可以称为“IT面管理”

一、HashiCorp、DataDog、Servicenow的产品线

跳出 DevOps 这个概念来看HashiCorp、DataDog、Servicenow的产品线布局,可以发现一个逻辑模型:
640.png

对应到代表性产品:
640 (1).png

  • HashiCorp 比较强的是 IaC(Terraform) + Safe(Vault)
  • DataDog 比较强的是 Watchdog,通过开源大量运维类工具,自下而上获得企业客户,相当于将大量能采集数据和管理节点的“探针”,植入了企业的各种IT环境和环节中,形成事实上的“度量+痕迹+日志”标准,进入企业级的运维数据处理和IT服务管理市场
  • Servicenow 比较强的是 workflow,已经深入到非IT领域,以工作流为基础进入了通用型比较强的企业日常工作(员工入职培训流程等)

三家工具和服务布局重合度很高,多云部署和管理已是基础功能,简单说:

  • HashiCorp 的生态位是 IT架构设计 和 IT架构安全
  • DataDog 的生态位是 监控 和 运维
  • Servicenow 的生态位是工作流,是基于IT的企业业务细节管控,即“IT方向的ERP”,单一平台实现业务数字化转型

都具备了从IT架构深入企业日常运营的基础能力,从三个起点,通过三个路径,走向“企业治理”这个终局,成为“企业治理”的一部分。

因此,关注到新的IT趋势:

  • 混合云架构盛行,物理网络异构分散,虚拟网络统一集中
  • 边缘端兴起,网络实时性要求更高
  • 企业业务数字化转型,垂直化带来IT架构的碎片化和复杂化更严重

需要新的IT服务理念,IT从支持型服务向“IT即业务”转变:

  • IT架构与企业治理架构高度一致
  • IT运维与企业运营高度一致
  • IT架构甚至先与实际业务发生改进实验,承担“虚拟试验田”的功能,实现真实业务的低成本迭代测试

二、理念演化

DevOps -> NoOps

这是一个“沟通界面统一”的过程,首先是开发与运维角色,在DevOps下,使用统一的语言和数据界面沟通;然后是IT与业务角色,在NoOps下,实现沟通界面的统一,甚至可以称为“IT面管理”。

最终实现了 IT架构 + 业务架构 + 组织架构 的统一。

三、技术演化方向

颗粒度更细

  • 容器粒度,Docker -> WebAssembly,从服务到函数,考验IaC的设计和部署能力
  • 时间粒度,响应时间向实时操作系统的要求演化,考验多云部署、管理、监控能力

规模更大,更复杂

  • IoT带来,调度和管理的数量指数增长
  • 5G带来,数据量和带宽的指数增长
  • SaaS带来,外部API的监控和治理

更自动化

  • 老中医式的人治 -> 固定规则形成的法治 -> 少数核心概念指导下的AI自治

四、客户角色的演化

产品使用人:运维 -> 开发+运维 -> IT+一线业务+管理高层

付费决策人:IT部门总监 -> CTO(技术架构&运维)+CSO(运营风险)+CFO(运营成本) -> CEO(企业治理)

五、完整的IT治理平台服务应该包括哪些组件

新形态的DevOps

  • 设计配置:基础设施即代码
  • 安全:零信任安全方案、数据合规方案、攻击面管理方案
  • 连接:多云服务联网
  • 交付:多云应用部署交付、私有云部署方案
  • 运行:工作流引擎及运行环境
  • 评估:运维监控、费用管理
  • 政策:国产化替代

对比房地产:

  • 设计院 + 建筑方 + 安保 + 物业 + 第三方服务供应/维保(电梯/门禁/物流/会计/律师)