“下一代基础模型会摧毁任何数据护城河”。
下周，马斯克踌躇已久的Grok就要上线了。
在OpenAI接连甩出炸街新闻的这段时间，这事似乎没掀起太大波澜。
然而，越低调的狙击，往往伤害越高。
具体来说，Grok的这次年末突袭，隐藏了老马背刺OpenAI的一件“秘术”。
所谓的“秘术”，其实也很简单，就是X平台上不断涌现的，真实的人类数据。
在大模型数据愈发吃紧的今天，连OpenAI自己，也开始直接拿用户数据训练了。
在此情况下，掌握了X这样一个源源不断的“数据喷泉”，无疑就有了一张将来翻盘的“底牌”。
但话虽如此，但Grok毕竟是一个社交平台，上面的大部分信息，都是未经核验，且质量参差不齐的，直接拿来训练大模型，不怕幻觉迭出吗？
了解大模型的老马，一定知道这点。
但即便如此，Grok的上线，对特斯拉，对老马也仍是利大于弊。
因为倘若不走这一步棋，将来的AI赛道上，马斯克最多只能做割据一方的“数据封建主”，并且终将面临“护城河”被攻破的命运。
这样的未来，很可能也是日后众多国内企业的命运。
01 数据封建主
何谓“数据封建主”？
简单来说，就是以独有数据为垒，在某些垂直的行业、领域内“圈地为王”的大小企业。
这样的概念，最初由希腊前财政部长雅尼斯·瓦鲁法克斯提出，是其在欧洲各国在美国科技企业压榨、盘剥之下发出的感慨。
而自从11月初的OpenAI开发者大会后，这种争当“数据封建主”的声音，就开始在业内不绝于耳。
希腊前财长雅尼斯·瓦鲁法克斯
毕竟，在应用层的路被GPTs堵死的情况下，独有数据就成了很多企业唯一的优势。
那么，老马推出Grok，是想以X平台的数据为基础，成为新一代的“数据封建主”吗？
答案是否定的。因为在未来，这类“数据封建主”的命运，就是其壁垒会随着技术发展不断被削弱，以至于被更强的通用模型步步蚕食。
在这方面，老马的Grok，已经展示出了两种攻破这类“护城河”的方式。
其中一种，就是通过将模型置于“数据枢纽”的位置，使模型的触手伸向原来鞭长莫及的行业、领域。
很多人都知道，美国并没有中国的微信这样集社交、支付、娱乐、资讯于一身的综合平台。这并不是因为美国人能力不行，而是美国的各大金融机构，与科技巨头之间是一种互为竞争的关系。
马斯克对于X的收购，不仅在某种程度上结束了这样的“割据”，也为其打造成一个类似微信的超级APP提供了基础。
倘若X平台真的能成为一个以音频、视频、消息、支付/银行为中心，同时链接商品、服务和机会的全球市场。那么到了那时，Grok就会成为这个数据枢纽的中心，从而获得来自不同行业、地区或模态的海量数据。
如此一来，Grok的定位就不再是一个局限于社交平台的整蛊大模型，而是成为了连接各领域的综合性交互入口。
随着时间的推移，这种综合性入口+大模型的协同效应，将会使那些不用Grok，或不上X的用户，与经常使用的用户之间差距越来越大。
这种情况下，各个垂类行业的数据壁垒尽管依然存在，但若脱离了Grok，却很难被用户接受。
于是，这些被拿捏的“数据封建主”们为了求存，只得向Grok效忠。
02 协同效应
除了以占据数据枢纽的方式，对各个“数字封地”进行蚕食外，Grok这类大模型攻破数据护城河的另一大方式，就是端云协同的形态，编织一张巨大的包围网。
具体来说，在将来的端侧大模型这条赛道上，由特斯拉提供算力(Dojo)，X和特斯拉提供训练数据，xAI进行模型研发，最终将产出模型反哺给X平台和特斯拉的产品（汽车、人形机器人），将构成极为坚固的三角阵营。
那么，在大模型逐渐走向端侧的未来，这样的三角阵营，将怎样攻破一个个“数据护城河”？
在这里，我们可以用一个电商行业的例子进行推演。
假设，有一个企业，基于某个局部的电商赛道，用行业独有数据训练出了个专有大模型，而马斯克的Grok打算入侵这个领域，那么在数据收集阶段，其很有可能会采取一种“领域交叉”的战术。
具体来说，特斯拉汽车在行驶过程中收集到的交通、地理和用户行为数据；机器人在家庭、工厂等场景中收集到的环境和操作数据；以及X平台上的社交信息，都为马斯克的团队提供了丰富的信息来源。
当马斯克的团队将这些数据整合在一起时，他们就可能会发现一些新的模式和关联，从而在某种程度上削弱这个专有大模型的独特优势。
这种战术的核心理念就在于：这个世界上没有任何一个行业、领域，是完全孤立存在的。
除了外围攻势外，这样的三角阵营，还能通过“合纵连横”的方式，瓦解掉一个个孤立的“数据护城河”。
简单来说，面对大模型逐渐端侧化的趋势，马斯克的三角阵营提供了一种端到端的解决方案。
其涵盖了从不同来源进行数据采集、处理、训练到部署的整个流程。这意味着企业无需在各个环节寻找不同的技术和服务提供商，从而降低了实施难度和成本。
简化的流程有助于企业更快地应用AI技术，提高数据处理和分析能力。
在此情况下，就可能会有相当一部分企业，决定牺牲数据的独有性，加入三角阵营的生态，从而换来更高的AI部署效率。
这种逻辑，本质上就和移动互联网时代，很多商家即使忍受高抽成，也要入驻平台，换取更低的获客成本一样。
在这样围困之下，一座座孤立的“数据城堡”，终将难以抵挡日渐壮大的Grok。
03 通向AGI之路
面对Grok潜在的，咄咄逼人的攻势，各个想以数据为垒的AI企业，将何去何从？
在回答这个问题之前，有一个更重要的问题，那就是：
这种对“数据护城河”的坚守，真的是一种正确的方向吗？
此前，在红杉资本总结报告《生成式AI的第二幕》中，曾有那么一段话：
“‘数据护城河是站不住脚的’：应用公司生成的数据并没有创造出无法逾越的护城河，而且下一代基础模型很可能会摧毁创业公司构建的任何数据护城河。相反，工作流程和用户网络似乎正在创造更持久的竞争优势。”
那么，未来真的会如红杉所说：“下一代基础模型会摧毁任何数据护城河”吗？
至少从技术层面上看，这种可能性是存在的。
此前，在讨论OpenAI泄露的Q*项目时，NVIDIA的高级AI科学家Jim Fan，就在推特上和马斯克、LeCun讨论了合成数据的问题。
Jim Fan认为使用计算机生成（合成）数据可以提供下一次几十万亿高质量数据集。唯一的问题，就是需要想办法确保数据的持续高质量和多样性。
而AI三大教父之一的LeCun则表示：“动物和人类只需少量的训练数据，就能很快变得非常聪明。我认为新的架构可以像动物和人类一样高效地学习。”
OpenAI首席科学家Ilya也表示，数据问题可以解决
总体来说，对于数据问题，Jim Fan和LeCun代表了两种不同的解决思路。
一种是通过合成数据的方式解决；另一种则是研发新的架构（如世界模型），让模型仅用很少的数据，就能“举一反三”。
但无论方案优劣如何，这些技术构想，都代表了学术界渴望打破“数据限制”的一种集体意志。
同样地，站在用户的角度来说，人们也更乐于看到一个通用性更强，能精通更多任务的大模型，而不是每换一种场景，就要切换不同的模型。
而当一种技术方向，成为上至科学家，下至百姓的共同意志时，它的实现就只是时间问题了。
从这个角度上说，所谓的“数据壁垒”，都是终将要消失的。
现在的很多互联网公司，都是根据用户的行为数据，结合模型在做一些业务，而如果用户遇到了整合能力更强的大模型，那之前的很多业务、功能（例如听歌），也许就会变成一个个插件，这样就没有数据壁垒了。
而在这个向AGI过渡的阶段中，真正有潜力的团队，应该是那些能够摸索出“数据壁垒”之外的核心竞争优势的团队。
诚如月之暗面的CEO杨植麟所说：不同组织衍生不同的文化，文化又衍生不同的系统，而系统又了衍生不同的结果。
在技术、数据方面发展趋于平缓的情况下，开发范式，制度和观念，这些软性的、抽象的因素，就成为了决胜的关键。
而这种“数据”之外的因素，这也是AI时代，人之为人最伟大的源泉所在。
