垂直整合和模块化战略，都是今天优秀企业会使用的业务战略方法。例如苹果Apple和亚马逊Amazon。而AI大模型作为改变生产力和用户体验的重要技术，企业要发挥它的最大商业价值。依然面临2种业务战略的选择。
阿甘聊聊“AI的垂直整合战略与模块化战略”。
什么时候垂直整合战略价值最高？
罗纳德·科斯 (Ronald Coase) 是最早探索垂直一体化与模块化问题的经济学家之一，他在论文《企业的本质》中提出了这一问题。科斯总结：
当我们考虑一家公司有多大时，边际主义原则发挥作用。问题始终是，在组织机构的管辖下进行额外的外汇交易是否值得？在边际上，公司内部的组织成本将等于另一个公司的组织成本，或者等于让交易由价格机制“组织”所涉及的成本。
克莱顿·克里斯滕森（Clayton Christensen）教授将集成与模块化的分析扩展到经济学家可衡量成本的领域之外，扩展到更难以形容的创新领域。他在《创新者的解决方案》中说，
当产品出现性能缺口(performancegap)时，即产品的功能和可靠性达不到某个市场级别的用户需求时，企业必须投入最好的产品来进行竞争。在这个过程中，有专利性和交互式产品架构的整合型企业往往能取得竞争优势，因为模块化产品架构的内定标准大大剥夺了工程师的设计自由，降低了产品性能的可优化性。
因此，为了弥补新一代产品面临的性能缺口，巨大的竞争压力迫使工程师在组装系统时力求越有效越好，尽可能提升产品的性能。如果一家企业必须要用性能最好的产品来参与市场竞争，那么它不能只是组装标准化的组件。当市面上的产品并没有达到完全成熟完善的水平时，采用保守的技术，就意味着你要输给竞争对手。选择自主开发共生式产品架构，意味着企业必须将整个生产过程全部整合起来，必须掌控产品系统当中每一个关键组件的设计和制造。与专有的、相互依赖的架构竞争的公司必须进行集成：他们必须控制系统每个关键组件的设计和制造，以便制造系统的任何部分。举例来说，在大型计算机行业的早期，当功能和可靠性还不足以满足主流客户的需求时，您不可能作为大型计算机的独立合同制造商存在，因为机器的生产方式设计取决于制造中使用的艺术，反之亦然。设计和制造之间没有清晰的界面。同样，您不可能作为大型机行业操作系统、核心内存或逻辑电路的独立供应商而存在，因为这些关键子系统也必须相互依赖和迭代设计。
从智能手机、计算机而言，这点最终是正确的：基于 Windows 的模块化计算机在前 30 年的计算领域占据主导地位，但如今 Mac 在消费者中占据主导地位，微软在 Copilot+ PC 的框架中含蓄地承认了这一点。
在2010-2022年的电动汽车行业，Tesla作为先行者开发产品时，为了实现令客户满意的纯电汽车产品Model S，同样选择垂直整合战略来推进业务。而2024年电动汽车行业的供应链体系、标准已逐步成熟，德国大众汽车选择模块化产品架构，即参股小鹏获得整体研发能力、购买电池、电机、电控等核心部件来造车，也能满足客户满意的需求集。但特斯拉电动汽车比大众电动汽车的客户满意度更高。这同样证明了这一理论的正确性。
那么，对于AI大模型及软件，大厂都在采用垂直整合战略吗？
谷歌，从模块化转向垂直整合
2024年5月Google CEO 纳德拉在接受采访中，在回答有关谷歌和人工智能的问题时表示：
我看着它并说，看，我认为总是有空间供某人做垂直整合。我总是回过头来，那就是盖茨/格罗夫模型，然后我们称其为苹果或新的谷歌模型，这是垂直整合模型。我觉得苹果和谷歌都有机会。
自2023年，谷歌Google大量投入自研Gemini大模型，并大刀阔斧在原有业务基础上，垂直整合Gemini大模型能力。包括，
谷歌在自己的 TPU 处理器上训练和运行其 Gemini 系列模型
TPUs处理器只能在谷歌的云基础设施上使用
开发者可以通过Google完全托管的AI开发平台Vertex AI访问Gemini
在某种程度上，Vertex AI 与谷歌的内部开发环境类似
谷歌正在该平台上构建自己的面向消费者的人工智能应用程序，并对goole套件、youtube及广告投放等现有业务进行应用从上到下都是 Google，2024Q2财报表明这种集成正在获得回报：Gemini 1.5 行业领先的 200 万令牌上下文窗口几乎肯定需要 Google 基础设施团队与其模型构建团队之间的联合创新。
在硬件AI产品规模化，Google Pixel仍有很长的路要走。主要挑战是：
1、Pixel的消费者认可度和市场占有率低
2、三星代工生产模式令AI深度集成，存在很高的跨组织协作成本
2、谷歌缺乏硬件智能制造的能力
综上，未来谷歌在AI产品业务的突破主要看软件应用。
微软、Meta和特斯拉，选择全产品技术堆栈
移动互联网时代巨头Meta正在AI采用垂直整合战略，但只为自己构建和使用。这意味着最重要的集成点是应用程序和模型之间；这是 Llama 3 优化以降低推理成本，甚至以更高的训练成本为代价的原因。因为仅为自己构建使用，Meta可以完全跳过托管服务层。
为了生态建设，Meta开源了Llama大模型。并提供文档帮助开发者进行微调，以适用于各自的业务场景。开源在不施加任何有损 Meta 产品工作的激励措施的情况下获得优化，并且从服务于 Llama 模型的超大规模提供商那里获得部分收入。整体来说，Meta的AI布局完整和领先。
微软是OpenAI的投资方和紧密合作伙伴。随着OpenAI大模型发布，微软在2023年添加了azure模型即服务，但其对外部客户和内部应用程序的主要关注点一直是建立在OpenAI的GPT系列模型之上；微软还推出了自己的推理芯片，但其绝大多数工作负载在Nvidia上运行。
2023年10月，微软CEO纳德拉在财报会议上谈论如何围绕 OpenAI 优化其基础设施：
确实，我们采取的方法是全栈方法，无论是 ChatGPT、Bing Chat 还是我们所有的 Copilot，都共享相同的模型。因此，从某种意义上说，我们所做的一件事是对我们使用的、我们训练的一种模型以及我们正在大规模进行推理的一种模型具有非常非常高的影响力。这种优势会一直渗透到内部利用、第三方利用，而且随着时间的推移，您可以看到堆栈优化一直延伸到硅片，因为开发人员正在使用的抽象层如果你愿意的话，它比低级内核要高得多。因此，我认为我们采取了一种基本方法，这是一种技术方法，即我们将拥有所有可用的copilot和copilot堆栈。这并不意味着我们没有人为开源模型或专有模型进行培训。我们还有很多开源模型。我们进行了一系列微调，进行了一系列 RLHF。人们使用它的方式有很多种。但问题是，我们对一个经过训练的大型模型和一个用于所有第一方 SaaS 应用程序以及 Azure AI 服务中的 API 进行推理的大型模型进行了规模利用……从云方面学到的教训是——我们不是在经营不同业务的集团，而是微软产品组合中的一个技术堆栈，这一点非常重要。对于人工智能转型，任何对所有业务中累积的资本支出不遵守纪律的企业都会遇到麻烦。
而最近OpenAI表现欠佳，核心团队人员流失严重。微软不得不面对现实：将策略绑定在与你无法控制的合作伙伴集成上是非常危险的。
特斯拉Tesla在AI产品技术栈上采用垂直整合战略，并在业务应用层锁定了明确的产品商业化目标：自动驾驶和人形机器人。自动驾驶业务成功，将为tesla带来10倍以上增长；而人形机器人业务成功，将颠覆几千年来的生产力基本规律。
平台层：因为仅为公司自己使用而构建，Tesla完全跳过平台层
芯片：特斯拉同时具备中心算力(Nvidia和DOJO)、端侧算力HW4
硬件：特斯拉电动汽车是全球领先的优秀硬件产品，并具备智能制造工厂、自研的自动化软件
因此，特斯拉极可能是几家公司中最先完成硬件AI产品规模化成功的厂商。
大家可能发现了，我没有提到苹果Apple。这是因为苹果似乎将人工智能AI将成为iphone的一项功能或应用程序。简单调用集成OpenAI，并没有在产品技术架构上进行深度投入。令我没看懂苹果的战略远见和动机。苹果Apple可能认为：大模型自身并没有足够大的差异化，消费者感受到更大差异化的仍然是功能、场景体验和任务执行结果。
综上，阿甘更加认可克莱顿·克里斯滕森教授的观点：实现接近通用人工智能的东西，无论这意味着什么，都需要最大化每一个效率和优化，这会奖励集成方法。我认为采用垂直整合战略的谷歌google、Meta、微软和特斯拉将具备更大的优势，有机会成为AI大模型时代的霸主。$苹果(NASDAQ|AAPL)$ $谷歌-C(NASDAQ|GOOG)$ $特斯拉(NASDAQ|TSLA)$
本人声明
本文是本人投资记录，用于小结、复盘和学习探讨需要。均为个人观点和行为。不代表本人推荐所述个股或金融产品，请坚持独立思考，不可依赖本文的判断或行为做出买卖决策。
本文作者可以追加内容哦 !
