AI正在通过更廉价的传感器、机器人和多模态模型，解锁来自物理世界的宝贵数据集。围绕基础设施、医疗保健和工业自动化的新数据飞轮，可能催生下一代持久的AI企业。

边缘数据

许多最关键的数据集是我们长期以来无法获取或解读的。

互联网上的价值主要通过数据循环不断累积，规模越大，循环越强。产品或平台收集数据，数据让产品更好，更好的产品反过来赢得收集更多数据的权利。这种自我改进的循环支撑着大多数持久的软件业务，也是USV网络效应理论的重要支柱——自2015年Andy撰文阐述它如何位于应用层网络效应之下以来。

Andy Weissman@aweissman·2015年12月15日回复 @aweissman随着市场成熟，我们寻找不那么明显的网络效应、新经济的基础设施，以及开放去中心化数据的推动者。973178

今天，这一点比以往任何时候都更真实。在AI时代，数据是终极货币。实验室投入巨大，像Mercor这样的公司正竞相冲向数十亿美元的收入。

数据网络效应的限制一直是范围和覆盖——哪些数据在范围内，哪些不在。软件能够捕获的数据最容易获取，因为软件之外的巨量数据（我们周围的环境、物理世界、人体）过于昂贵和难以捕获，难以处理，因此无法获取。

现在，一股强大力量的融合正在扭转这种局面。智能变得丰富，成本正在下降。模型可以快速处理即使是最混乱、非结构化的输入，这些输入以前对软件来说太困难。构建硬件的成本和周期迅速下降。我们正在经历可观测性的激增——通过日益廉价和无处不在的传感器、卫星、摄像头等——使从我们周围世界捕获数据比以往任何时候都更可行。总的来说，以前所未有的方式收集、即时智能处理并在此基础上构建的能力，使得数据循环能够在几年前完全黑暗的地方形成。这不是AI为现有市场带来效率；这是一个全新的机会集合。

有很多例子正在发挥作用。环境对话是一个。一个世纪以来我们一直能够记录语音，但现在我们转录、结构化并对其采取行动的能力使其成为一个实用数据集。这催生了像Abridge这样的垂直机会，利用该数据集构建应用程序，改变特定市场的运作方式；或者像Granola这样的水平基础设施和工具。记录从来都不是难点，但处理和产品化以前是不可能的。

人体是另一个。检测成本正在崩溃，解读结果的能力在提高，基于数据个性化方案越来越可行。身体作为一个数据源变得既可触及又有用。

但也许最大的机会是物理世界。

物理世界蕴藏着大量数据，长期以来要么难以收集，要么过于杂乱难以处理，但对于自动化、优化和理解至关重要。现在，传感器正在激增，机器人变得更强大且更便宜，快速处理杂乱数据得以实现。用于训练机器人完成越来越有挑战性任务的模型正在快速进步，并为此吸纳比以往更多的数据。我们看到物理世界中从实验到商业化的转变成为可能。数据循环在这里尤其强大。更多部署产生更多真实世界数据，更好数据使模型更好，更好模型使下一次部署比上一次更快更便宜。

在物理世界中构建这些机会既非常早期又非常困难，数据飞轮才刚刚出现。在软件飞轮内部，我们刚刚开始看到从学习（使用数据训练模型）到强化学习（定义奖励函数，使系统通过交互学习哪些行动带来更好结果）再到持续学习（让模型在新数据到来时不断改进）的巨大进展。在物理世界中，我们刚刚开始触及机器人能够与物理世界交互时发生的强化学习的皮毛。

GIF

但物理世界数据飞轮带来的机会是巨大的、改变市场的、以前无法达到的。最有趣的用例不是让困难的事情变得容易，而是实现我们从未能够获得的洞察和行动。

例如，每个电线杆上的传感器将实现以前不可能的基础设施可观测性，因为电池每6个月需要更换一次，使得这样做成本过高而无法启动。现在，电池可以持续10年，对我们基础设施的深入了解不仅负担得起，而且可以实现。能够同时从我们周围世界极其多样化的来源获取传感器输入、综合它们并理解噪声的模型，将以前所未有的粒度和精度为我们提供对天气模式的理解——这是最终能够改变天气模式的最关键步骤。自主运输（通过传感器实现）正迅速走向以全新成本结构运送人员和货物的前所未有的能力。我们现在可以了解海洋，从而获得如何保卫陆地、导航船只和维护地球的新知识。

有机会彻底重塑物理世界堆栈的每一层。我们已经在各个层面进行了大量投资，并将继续这样做（有几项未宣布的投资，我们很兴奋很快分享更多细节。）Generalist正在构建赋予机器人通用灵巧性的基础模型，使其能够执行我们真正想要完成的任务。Tutor Intelligence通过数据收集和模型改进运行机器人部署的完整循环，使机器人能够在几天内变得高效，而不是六个月的集成（然后将该数据反馈到其自身模型以持续改进。）Sofar Ocean利用大规模传感器激增，为自有和第三方软件网络提供基础设施。Viam位于中间，作为跨设备舰队的数据、AI和自动化的操作层。Efficient Computer位于底层，构建足够高效的芯片，使新的用例在边缘变得经济。

二阶效应也很显著。一旦你能大规模捕获并基于物理世界数据采取行动，你就可以通过自动化和代理操作系统运行效率更高的工厂，例如Isembard正在做的。当然，还有对能源和电力的巨大需求，以支持这一层所需的所有计算和输入（更高效的数据中心、丰富且更安全的电池、新的规模化清洁发电形式等）。

下面市场地图展示了探索和作用于物理世界的堆栈。

我们处于非常早期。大多数这些数据集几乎未被挖掘，大多数将运行在其上的产品还不存在。找到它们、触及它们并利用它们将改变我们与物理世界的互动方式。我们希望与那些正朝着这个边缘奋进的创始人一起探索整个边缘。

特别感谢@km @joshgruenstein @alexiskold @nbt @chadbyers @html_tina和Brandon Lucia，他们帮助我们深化了这篇文章的思考。