大多数新技术促进了产品性能的提高，我把这些技术称为渐进式（sustaining）技术，它们的共同点是沿着主要市场的主流客户历来重视的性能维度，改善现有产品的性能。在特定行业中，大多数技术进步是渐进的。

颠覆性技术为市场带来了与以往截然不同的价值主张。一般来说，颠覆性技术在主流市场上的表现不如成熟产品。但它们有一些局部的，边缘的（一般是新的）客户看重的其他特点。一般情况下，基于颠覆性技术的产品更便宜，更简单，更小，使用起来更方便。

无论是否开源，完成调试的代码都是有成本的，即使你不为它支付现金，它也有机会成本、时间成本等。毕竟可用于开源工作的开发人员是有限的，每个开源项目都在与其他开源项目竞争同样有限的编程资源，只有最有前景的项目才拥有足够多的开发人员。总之，我对那些试图证明免费软件的狂热经济性的人不感冒，一道“N 除以零”的数学计算题注定是错误的。

开源代码依旧需要遵守经济规律，我们在 Eazel、ArsDigita、之前知名的 VA Linux 公司和其他许多公司中看到了这一点。但是许多非常大的上市公司，纵然负有使股东价值最大化的责任，但它们正在投入大量资金支持开源软件，通常是通过支付大量的程序员团队来进行工作。

这可以用“互补原则”作为解释：在经济学中，当一个产品的互补品的价格下降时，对该产品的需求就会增加。一般来说，一个公司的战略利益是让它的补充产品的价格尽可能地低，理论上可持续的最低价格是 "商业价格"——即有一群竞争对手饱和式竞争后的产生的价格。因此，聪明的公司试图让它产品的互补品商品化，增加自己的产品的需求，赚取更多的利润。

今天，我们很高兴在 macOS 13.1 和 iOS 16.2 中发布对 Stable Diffusion 的 Core ML 的优化，以及开始部署到苹果设备的代码...

Stable Diffusion 在任何应用程序中的一个关键问题是模型在哪里运行，在应用程序中，相比于基于服务器的方法，在设备上部署 Stable Diffusion 模型更有优势，原因有三条：首先，这能够更好地保护终端用户的隐私，因为用户向模型输入的任何数据都会留在用户的设备上；其次，在初始下载后，用户不需要互联网连接就可以使用该模型；最后，在本地部署这个模型使开发者能够减少或消除他们的服务器相关成本...

为 Stable Diffusion 优化 Core ML 并简化模型转换，使开发者更容易以保护隐私和经济可行的方式将这项技术纳入他们的应用程序，同时在苹果设备上获得最佳性能。该版本包括一个 Python 包，用于使用 diffusers 和 coremltools 将 Stable Diffusion 模型从 PyTorch 转换到 Core ML，以及一个 Swift 包，用于部署这些模型。

Meta 有巨大的数据中心，但主要是 CPU 集群，用来支撑 Meta 基于确定性的广告模型和网络内容推荐算法业务。

不过，ATT（苹果的透明跟踪技术）的长期解决方案是建立概率模型，不仅要弄清楚客户目标，还要了解哪些广告转化了，哪些没有。这些概率模型将由大规模的 GPU 数据中心建立，一张 Nvidia 显卡成本为五位数，如果是过去那样的确定性的广告模型，Meta 并不需要投资更多的 GPU ，但技术在进步，Meta 需要面对全新的时代，在客户定位和转化率层面投入更多。

此外，基于概率模型的算法对网络飞轮的持续增长至关重要：从互联网中推荐内容比只从你的朋友和家人那里推荐内容要困难许多，特别 Meta 打算不仅推荐视频，还推荐所有类型的媒体，并将其与你关心的内容穿插在一起，这种情况下，人工智能模型也将是关键，而建立这些模型需要花费大量资金购买设备。

长远看，关于显卡的投资能得到丰富回报：首先，更精准的客群定位和转化率可以帮助 Meta 重启收入增长，其次，一旦这些人工智能数据中心建成，后续只需要支付维护和升级成本，这远低于其建造成本；第三，这种大规模投资是其他竞争对手无法做到的，除了谷歌（不巧的是，谷歌的资本支出也将上升）。

ATT（苹果的透明跟踪技术） 对 Meta 的伤害比任何其他公司都大，因为后者是美国市场投放第一大平台，但从长远来看，它会加深 Meta 的护城河：自建 AI 数据中心这种水平的投资对于像 Snap 或 Twitter 或数字广告领域的任何失败的竞争者来说根本不可行，一方面是 Meta 的广告算法水平会和其他竞争对手（谷歌除外）拉开差距，另一方面是由于自建数据中心它的费用又可以大大降低，到最后广告商往往别无他选。

在昨天的主题演讲中，谷歌首席执行官桑达尔 - 皮查伊 (Sundar Pichai) 在回顾了 PC - 网络 - 移动时代的科技历史之后，宣布我们正在从一个 Mobile-first 的世界转向 AI-first 的世界，顺势推出了谷歌助理。

一年以后苹果 iOS 6 则首次以 Siri 的名义引入了助手的概念，你第一次可以（理论上）通过语音进行计算，起初它的效果并不好（可以说现在也是如此），但它对计算机和谷歌的具体影响是深远的：语音交互扩大了计算的范围，尽管有一定限制，但它把你的眼睛和双手从设备中解放出来。AI 助手必须比搜索结果页面更加积极主动，仅仅提供可能的答案是不够的，相反，它们需要给出正确答案。

这是谷歌技术的一个可喜的转变，从一开始，搜索引擎就包括一个 "我感觉很幸运 "的按钮，谷歌创始人拉里 - 佩奇对搜索引擎能够提供你想要的确切结果如此有信心，虽然昨天的谷歌助理演示是有剧本的，但它在涉及上下文感知时候，比市场上的其他助理更惊艳，延申开来，当涉及到作为其助手基础的 AI 技术时，谷歌是公认的领导者。

不过，一个企业不仅仅是技术问题，特别是在涉及到 AI 助手时，谷歌有两个重大缺陷：首先，该公司缺少一个终端的入口 ：助手只有在可用的情况下才有用，对于数以亿计的 iOS 用户来说，这意味着下载和使用一个单独的应用程序（或者建立像 Facebook 那样的体验，用户会愿意花大量的时间）。其次，如果用户不必从搜索结果中进行选择，便没有机会点击广告，这对于 Google 现有商业模式有很大冲击。