本文信息来源：Tamar Vidra

在当今的 AI 市场中，数据仍然是解锁新产品和价值主张的关键瓶颈。

最大的未开发数据宝库存在于现实世界中，需要硬件设备——如摄像头和传感器——来捕捉地面上正在发生的事情。但我们的硬件基础设施是在 ChatGPT 发布之前设计的，当时摄像头和传感器的安装是为了满足安全和合规需求，而不是为了收集训练 AI 模型的数据。

因此，在许多市场中，对 AI 有价值的数据完全没有被记录下来，仅仅是因为从来没有人想过在某个特定位置放置摄像头、传感器或任何其他设备。直到 GPT 3.5 出现之前，确实没有理由这样做。

现在，初创公司有一个短暂的窗口期，可以率先在这些位置部署低成本的现成硬件，为 AI 解锁新的数据和应用。

在我看来，看似巧妙的增长策略实际上是新市场创造的标志。正如 iPhone 将移动应用的 TAM 从小众爱好者社区扩展到基本上任何拥有手机的人一样，新部署的摄像头和传感器将使 AI 应用能够在物理世界中服务于指数级增长的用例。

迄今为止，AI 应用层的每一个重大转折点都紧随基础设施层的突破而来。Nvidia GPU 推动了第一波 AI 应用浪潮。我相信廉价、易获得的硬件将推动下一波 AI 产品的快速增长。

我在寻找那些通过抢先在合适位置部署硬件来构建 AI 应用的创始人。这些团队最有可能成为全新市场的先行者，并构建具有持久、可防御数据护城河的业务。虽然这个策略还处于早期阶段，但一些公司已经展示了其可能性：

• Olden Labs 通过在实验室动物笼子顶部部署配备传感器的盖子，自动化动物研究中的手工数据收集。
• Sahay AI 通过安装在火车上的传感器来增强人工铁路检查，实现实时铁路监控和预测性维护。
• SmartBarrel 通过配备摄像头的时钟设备和面部识别技术简化建筑工地的时间跟踪，记录工人的打卡上下班。
• Soil Action 通过安装在拖拉机上的传感器评估土壤状况并实时校准施用量，减少化肥过度施用。

部署现成硬件的理由

利用现成硬件构建 AI 应用的公司有机会建立可防御的业务，具备类似 SaaS 的经济效益和资本效率。

虽然现成硬件本身是商品化产品，单独来看并不具备防御性，但其捕获的专有数据可以构建强大的护城河。在合适的使用场景中，这些数据只有通过现场硬件才能获取，对构建功能性 AI 产品至关重要，并且随着规模扩大提供复合优势——更多数据带来更好的模型性能。

话虽如此，硬件无疑是一条比纯软件更具挑战性的市场路径。在我看来，除了通过专有数据采集构建护城河之外，部署硬件还可以通过其他两种与分销相关的重要方式获得回报：

1. 硬件具有极强的粘性。 硬件必须实际安装——因此，也必须卸载——客户才能流失。这为任何想要取代先发者的竞争对手创造了痛苦的撕裂和替换动态。
2. 硬件可以赋予排他性。 在某些情况下，率先安装意味着阻止竞争对手进入同一物理空间。通过确保战略上有价值的安装点，公司可以拥有整个产品生态系统的数据控制点。

如果利用硬件的目标是获得前所未有的数据和分销水平，那么现成硬件就是一个优雅的解决方案。现成硬件成本低廉，易于规模化和部署，在研发和供应链方面风险极小。实际上，这意味着创始人可以快速扩大其物理足迹和数据收集，并将精力集中在利用这一资产来构建高利润率的人工智能产品上。

值得注意的是，采用这种策略的公司在规模化时将像软件企业一样运营（并获得相应估值）。它们的单位经济效益看起来更像 SaaS 公司，几乎所有收入都来自高利润率、经常性的 AI 驱动软件产品。回过头来看，硬件可能会被认为是构建大型软件业务的最佳楔子产品之一。

由于这是一个相对较新的模式——得益于硬件和 LLM 生态系统的成熟——我在与传统软件和硬件公司的对比中概述了其一些关键特征。

Zoom image will be displayed

我在寻找的是：

没有一个明确的特征清单能够确定一个市场是否适合这种模式。每个市场都有其独特的细微差别，使得这种策略或多或少可能引起共鸣。

然而，我确实认为有一些特征可以预示硬件驱动 AI 产品的机会。虽然我通常在寻找处于硬件和软件交汇点的公司，但以下是一些我特别兴奋的具体方面。我认为即使只具备其中一个特征，硬件驱动的 AI 机会就值得探索。

• 缺乏硬件的市场或环境。 如果一家公司是第一个在数据丰富但没有其他硬件供应商的环境中部署硬件的，这可能表明新市场机会的出现。以前在这种环境中可能不需要硬件，但在当今的 AI 市场中，硬件可能是释放有意义价值的关键。
• 拥有数据控制点的市场： 有些空间可能比其他空间更适合嵌入硬件。这些环境通常有重要活动，但受到有限安装空间的约束。以实验室中的动物笼子为例：一个鞋盒大小的围栏包含了实验对象的所有可观察数据。或者交通灯：一根杆子可以鸟瞰道路上的每辆车。这些高杠杆安装点有潜力成为 AI 平台玩法的数据控制点。
• 可以创造新价值主张的市场：LLMs 为软件释放了新功能，来自硬件的数据可能使技术能够为传统行业提供的价值实现下一个阶跃式变化。如果硬件的可观察性和集成使 AI 能够完成软件以前从未能完成的任务，这是通过创造价值实现 TAM 扩展的另一个信号。
• **数据优势发挥作用的市场：**有些数据优势比其他优势更重要。在评估数据优势在特定市场中的意义时，需要考虑的一些因素包括：(1) 数据的可获得性，(2) 更多数据是否能带来有意义的性能提升，以及 (3) 市场对更好产品性能的敏感度。数据优势发挥作用的经典例子是自动驾驶汽车——数据难以获取，需要大量数据来训练模型，而且市场关心拥有性能最佳的产品。并非每个机会都必须具备自动驾驶汽车那样的数据优势，但我通常寻找数据对产品或市场更重要的领域。