以 OpenAI 的 ChatGPT 和 GPT LLM 大模型为代表的生成式 AI（Generative AI）在各垂直行业的应用探索不断升温。

贝恩公司的一项研究认为，电信运营商可以把跨部门的知识管理，作为早期应用生成式 AI 的切入点。

贝恩也勾勒了后续应用的可能用例 (Use case)。

经济学人的一张图，典型机器学习项目各项任务的耗时分配，可以看到：

(1) 围绕数据清洗和标注会消耗大量时间；Cognilytica 认为一个典型项目 80% 的时间都在各种数据整理上；

(2) 拥有相关数据的机构可能会有先机；但实际上原始数据到清洗标注完的数据集是一个高成本的过程，谁来投入变成一个问题；

(3) 这个数据整理过程本身就是一个生意；预计这个 “第三方数据准备” 市场 2019 年的价值超过 15 亿美金；

(4) 长期以来，高科技行业属于人少效率高的行当；而地方政府其实很看重劳动密集型的岗位创造作用。 “第三方数据准备” 是一个能创造很多普通劳动岗位的方向。

附件来自华泰证券，其对比了 Web3 当前状态和全球互联网发展历程，主要是从用户数角度。

通过历史类比是一种典型的分析手法，方便后人去找位置。尤其是适合心虚 FOMO（Fear of Missing Out，害怕错失）的投资人，担心错过下一个巨大机会。当然，此类方法如果要举反例也是很容易的。

看到这张图，我们也想到了一点差别：

Web 1.0 那个时候有相当长时间没有商业模式（或者有少许广告，但量很小），更多还是靠爱好者和兴趣驱动，即觉得这个东西有意思，因为可以获得更多信息。

Web3 从比特币等各种加密货币，即便各种应用也都和加密货币有关联。所以一开始，就是 “有钱” 的。参加这个游戏的用户，可能主要是为了获得 “钱”。

信息和钱的差别再于，信息是可以无限复制 N 份，而钱却不好复制 ……