許多最關鍵的數據集，是我們長期以來無法取得或解讀的。
網路上的價值大多是透過數據迴圈（data loops）不斷累積，並隨著規模擴大而持續增強。產品或平台收集數據，這些數據讓產品變得更好，而更好的產品則有機會收集更多數據。這種自我強化的迴圈，是大多數持久軟體企業的基礎，也是 USV 網絡效應論點的重要支柱，自 Andy 在 2015 年所寫的關於它如何構成應用層網絡效應的基礎 以來，一直是如此。
https://x.com/aweissman/status/676568250210082817
如今，這個道理比以往任何時候都更加真切。在 AI 時代，數據是終極貨幣。實驗室正在大舉投入，而像 Mercor 這樣的公司正迅速衝向數十億美元營收。
數據網絡效應的限制一直來自於範圍與可及性——哪些數據可以觸及，哪些則否。軟體能夠擷取的數據最容易取得，因為軟體之外的龐大數據（我們周遭的環境、物理世界、人體）往往過於昂貴且難以捕捉、處理，因而無法觸及。
如今，一股強大的力量正在顛覆這個局面。智慧變得充沛且成本正在下降。模型能快速處理那些軟體難以應付的最雜亂、非結構化的輸入。硬體的建置成本與時間也大幅下降。同時，我們正見證可觀測性的爆炸性增長——透過越來越便宜、無所不在的感測器、衛星、攝影機等——使得捕捉周遭世界數據變得比以往任何時候都可行。總體來說，以前所未有的方式收集、即時智慧處理並建構於這些輸入之上，使得數據迴圈能在幾年前還完全黑暗的領域中形成。這不是 AI 為現有市場帶來效率，而是一整套全新的機會。
這方面的例子很多。環境對話（ambient conversation）就是其中之一。我們已經能夠錄製語音長達一個世紀，但現在我們能夠轉錄、結構化並據此行動，使其成為一個實用數據集。這催生了垂直領域的機會，例如 Abridge 利用該數據集建立應用程式，改變特定市場的運作方式；或是 Granola 打造橫向基礎設施與工具。錄音從來都不是難點，但過去的處理與產品化是不可能的。
人體是另一個例子。檢測成本正在崩跌，解讀結果的能力不斷提升，並且越來越能在數據之上個人化制定方案。人體作為數據來源，變得既可以被觸及，也具有實用性。
但或許最大的機會在於物理世界。
物理世界蘊藏著巨量數據，長期以來不是難以收集，就是過於雜亂難以處理，而這些數據對自動化、最佳化與理解至關重要。如今，感測器正在普及，機器人變得越來越強大且便宜，快速處理雜亂數據也已成為可能。用於訓練機器人執行越來越複雜任務的模型正以驚人速度進步，並吸收比以往更多的數據。我們正見證物理世界的可能性從實驗階段過渡到商業化。這裡的數據迴圈尤其強大。更多部署產生更多真實世界數據，更好的數據讓模型更強大，而更強大的模型則讓下一次部署比上一次更快速、更便宜。
在物理世界中投入這些機會，既非常早期也極其困難，數據飛輪才剛剛開始形成。在軟體飛輪中，我們才剛開始看到從學習（使用數據訓練模型）到強化學習（定義獎勵函數，讓系統能透過互動學習哪些行動帶來更好結果），再到持續學習（讓模型在新數據到來時持續改進）的巨大進展。而在物理世界，我們才剛開始觸及強化學習的皮毛——當機器人與物理世界互動時所能發生的學習。
GIF
但物理世界數據飛輪所帶來的機會是巨大的、足以改變市場的，而且是過去無法觸及的。最有趣的應用不是讓困難的事情變簡單，而是讓我們獲得從未實現過的洞察與行動。
例如，在每個電線桿上安裝感測器，將使基礎設施可觀測性成為可能——過去因為電池每六個月就得更換，成本過高而無法進行。如今，有了能夠持續 10 年的電池，對我們基礎設施的深入瞭解不僅變得負擔得起，而且可以實現。能夠同時接收來自我們周遭世界各種來源的感測器輸入，並將它們綜合起來、從雜訊中理出頭緒的模型，將讓我們能夠以前所未有的粒度與準確度理解天氣模式，這是最終能夠改變天氣模式的最關鍵步驟。自動化運輸（透過感測器實現）正迅速朝著以全新成本結構運送人員與貨物的方向前進。我們現在能夠理解我們的海洋，從而獲得如何保衛陸地、導航船隻、維護地球的新知識。
在物理世界的每個層級都有重新定義的巨大機會。我們在各個層級都進行了重大投資，並將持續這樣做（還有幾項未公開的投資，我們很期待很快分享更多）。Generalist 正在建立賦予機器人通用靈巧性的基礎模型，使其能夠執行我們真正想要的任務。Tutor Intelligence 運作從機器人部署到數據收集與模型改進的完整迴圈，讓機器人能在數天內而非六個月的整合後快速投入生產（並將數據回饋到自身模型中以持續改進）。Sofar Ocean 利用大規模感測器普及，為自有及第三方軟體網路提供基礎設施。Viam 則位於中間層，作為跨設備群組的數據、AI 與自動化作業層。Efficient Computer 位於基礎層，打造足以讓邊緣新用例變得經濟高效的晶片。
二階效應也同樣顯著。一旦你能大規模捕捉並作用於物理世界數據，就能透過自動化與代理操作系統（agentic operating systems）運行效率更高的工廠，例如 Isembard 正在做的事情。當然，在這一層之下，還需要大幅增加能源與電力來支持這樣的運算規模以及所有必要的輸入（更高效的資料中心、充裕且更安全的電池、大規模與潔淨發電的新形式等）。
下方市場圖說明了探索並作用於我們物理世界的技術堆疊。
我們還非常早期。這些數據集大多尚未被充分利用，而將在其上運行的產品也大多尚未存在。找到它們、觸及它們、並讓它們運作起來，將改變我們與物理世界的互動方式。我們希望與朝著這個目標前進的創業者一起探索那整個邊界。
非常感謝 @km @joshgruenstein @alexiskold @nbt @chadbyers @html_tina 以及 Brandon Lucia 在這篇文章上幫助我們釐清了思路。
