热门搜索
消息中心
无消息通知
全部已读
\n
顺便提一下,2024年2月,中国5年期以上贷款市场报价利率(LPR,Loan Prime Rate)下调25个基点,至3.95%。一次性25个基点的降幅超出了市场预期,创2019年改革以来最大单月下行幅度。
\n这种长期贷款利率的下调会对许多事情产生影响,最容易想到的是它对房地产贷款的影响。
\n5年期以上LPR是中长期贷款的定价基准,尤其是按揭贷款的定价基准。LPR下调后,新增的住房贷款利率将随之下降,而存量房贷利率也将在重新定价日做出调整。对于刚需购房者来说,还款压力减小了。至于投资性房产,许多大城市已经开始逐步放宽限购的条件。
\n除了以上议题,政府也讨论了推动大规模设备更新和消费品以旧换新,有效降低全社会物流成本等议题。
\n中国无疑是全球物流行业非常发达的国家。2022年中国物流成本为17.8万亿元,占GDP比重14.7%,总量非常庞大。与欧美发达国家的8~9%相比,中国的物流成本占比较高。
\n从理论上,中国的物流成本占GDP的比例降到10%是可行的。这不是说缩减物流的总量,而是通过降低物流的成本。当物流的成本降低,很多东西就可以更方便、更便宜地流转起来了。
\n在讨论降低全社会物流成本的问题的同时,还隐含一个重要的议题,即如何利用好下沉市场的消费潜力。在基础设施建设方面,我们需要关注到最末端的村镇地区。在很多情况下,商品的流转成本随着距离的增加而增加,尤其是在偏远地区,这主要是由物流成本导致的。因此,商品在这些地方的价格往往更高。
\n为了解决这个问题,我们需要在降低物流成本的同时,也要考虑如何改善末端基础设施,以促进下沉市场的消费。这意味着,我们不仅要提高物流效率,还要确保村镇居民能够以合理的价格购买到商品,从而缩小城乡之间的收入差距。
\n李翔:为什么要把“以旧换新”当作一个如此重要的议题来专门讨论?
\n李丰:这是个好问题。我认为这涉及到两件事。首先,从消费者的角度来看,比如大家更换手机的周期。在智能手机发展早期,我们的手机换机周期平均在18个月。但疫情期间,由于远程工作、在线学习和视频会议等需求的激增,不少人可能在2020到2021年就更换了手机。
\n李翔:那时PC和打印机的需求也非常旺盛。
\n李丰:所以在那个时候,人们需要集中更换手机,或者购买新的设备。即便不更换,也需要增购。这是一轮换机周期。但从2022年开始,可能市场中缺乏吸引人的新机型,再加上用户消费心理的变化,换机的人数可能会比较少。市场调研机构Counterpoint Research的数据显示,在2019年-2020年期间,中国智能手机的换机周期在24~25个月,而在2022年以后则达到了30个月以上。
\n再比如,现有的许多高铁项目十几年前就开始运营了,这些项目是否已经到了更换周期?再或者医院的诊疗设备,可能也需要更新。
\n我的理解是,耐用消费品更偏向于ToC,设备更新更偏向于ToB。
\n李翔:我们这么重视以旧换新,是从消费的角度来考虑的吗?这是否意味着我们在提振消费方面仍然有迫切的需求?
\n李丰:确实,我们谈到的许多例子都证明了这一点。我们之前曾提到,科技创新最终的出口几乎只有消费和军事。军事受多种因素决定,我们最终还是要依靠消费。无论是新能源汽车还是手机,都是这样被拉动起来的。我们能够通过科技,将传统制造业更新一遍,从而承载新的消费需求。
\n李丰:2024年2月,OpenAI发布了名为Sora的文生视频大模型,引起广泛关注。OpenAI的CEO萨姆·奥尔特曼(SamAltman)也曾强调算力和能源的重要性。我认为,从逻辑上看,最终起决定性影响的是数据、算力和能源这三件事。数据的应用场景决定其重要性。目前,AI的应用更集中在娱乐和媒体领域。有人开玩笑说我们原本期待AI能够替代我们日常的洗衣、拖地等工作,似乎并未完全实现。
\n李翔:我们确实期待AI能够完成这些事情。
\n李丰:我和同事之前讨论过:从长远来看,影响AI技术发展最大变量可能会是什么?
\n是算力吗?但算力大概率会越来越便宜,不会成为影响AI发展的核心变量。尽管美国对中国设置了一些科技壁垒,但算力最终不会成为主要的壁垒。在大多数情况下,无论是搜索、云存储还是大数据,这些技术本身不会成为某个公司长期的壁垒,技术最终会被攻克并普及。
\n相比算力,能源可能会是影响AI发展的最大变量之一。大多数生产力革命能够让每个人管理和使用的能量提升一个量级。历史上,人们最初只能依靠自己的力量,然后开始使用马匹。随着蒸汽机和内燃机的出现,人均拥有的动力可能达到成百上千马力。进入电力时代,我们拥有了更多的电力设备。
\n如果我们展望未来,假设人工智能普及,以我们目前有限的想象力来看,设想你戴上一副VR眼镜,从出门的那一刻起,它就开始帮你处理各种信息。它需要计算你要看什么、去哪里。上车后,它要帮你计算最佳路线,甚至它还需要驾驶车辆。这些额外的计算和数据需求,可能会使人均能量的消耗再提升一到两个量级。如果还用马力来比喻,人均可能需要数万马力。如果这些需求持续增长,我们应该如何解决能源问题?
\n李翔:就像比尔·盖茨的观点,他认为人类最可靠的能源解决方案仍然是核能。
\n李丰:但今天的人均能源需求,就像带宽一样,总是跟不上我们对多媒体需求的变化。假设我们预计还需要25年才能用上可控核聚变,在这期间,AI的普及速度非常快,人均能耗显著提高,但可控核聚变还未能在商业上批量实现,我们应该如何应对?
\n李翔:市场经济的方式可能是提高能源价格,计划经济的方式可能是采取限制措施。
\n李丰:但我想说的是,今天全球主要国家在能源路线选择上可能出现了分化。
\n从能源的最终增量和结构来看,无论是石化能源还是风能、水能、电能,最终的能量来源都是太阳能。如果人们攻克了核聚变,相当于攻克了最底层的能量来源。
\n虽然短期内中国和美国在能源利用上选择了不同的道路,但如果面向未来,考虑到智能化驱动的人均能耗上升,寻找大规模的新的能源增量可能是更好的选择。
\n李翔:美国确实是一个独特的国家。它拥有丰富的能源资源,比如页岩气,同时在算法、人工智能方面也有领先,比如诞生了OpenAI和英伟达这样的公司。
\n李丰:有个数据可能出乎我们的意料,中国是全球页岩气储量第一的国家,而中国的页岩油储量在全球排名第三。但中国的页岩油主要储存在开采成本较高的地区,简单来说,就是地形复杂、岩石坚硬。中国石油行业有种说法,“开发页岩油气犹如在毛细血管里采血,需要在仅为头发丝直径1/270的石头缝里‘挤’出油气。”
\n从中期来看,如果AI在10到20年内落地,尤其考虑到中国产业链的复杂程度、应用场景繁多和人均消费的增长,中国乃至全世界,都将面临如何寻找增量能源的挑战。
\n李翔:据说,人工智能的算法不是可以提高能源使用效率,从而达到节能效果吗?
\n李丰:如今人工智能的成本主要还是集中在算力上。但哪怕是最先进的科技产品,也会按照工业产品本身的规律来发展,即性能逐渐提升,成本逐渐降低。我们可以制造更小、更便宜的芯片,让芯片更个性化和智能化。然而,如果能源消耗总量大幅增长,同时供给有限,那么问题就棘手了。
\n李翔:所以马斯克的想法是正确的。他说地球资源有限,在一个有限的空间内注定无法支持指数级增长,所以我们要移民火星。
\n李丰:如果未来整个数字世界都围绕着每个人转,时刻为每个人计算,同时还要处理多媒体信息和交互,那么能耗要比我们现在待在空调房里和坐车出行高得多。
\n李翔:我们只好期待可控核聚变技术早日实现了。我对AI这个话题有一点比较好奇,即它是否被过度焦虑或过度炒作?
\n有两个层面的观察:第一个是,我听到一些观点,美国对AI的关注度可能没有中国那么高,主要还是旧金山硅谷地区的公司关注AI,但这种关注度可能在中文语境中被过度渲染。
\n另一个直观感受是,AI的热度似乎完全是由OpenAI一家公司推动的,它不断发布新东西,引起一波又一波的关注,却没有其他公司一起有效推动整个行业的发展。
\n李丰:我认为是的。以Google为例,它的搜索引擎技术在短期内形成了高技术壁垒,但随着时间推移,这些技术壁垒并非不可逾越。其成功的关键在于,在商业化上,Google找到了具有马太效应的商业模式,也就是竞价排名以及搜索广告。
\n类似地,腾讯的即时通讯技术也是一种技术壁垒,但不管是QQ还是微信,其成功的关键可能在于社交通讯本身的马太效应:一旦所有人都加入这个网络,它就会越来越好用。即使第二名拥有同样的技术,可能也无法超越已经建好的网络。
\n当下研发AI技术的成本确实很高,大概率只有大公司和有大量融资的公司才能承担起相应的成本。目前,能够真正有效的AI应用还不够多,即使能应用,也需要考虑技术成本是否能超过目前的人力成本。
\n正如我们之前推荐的《棉花帝国》一书中所述,“1770年(英国)兰开夏郡的工资水平可能是印度的六倍。即使由于机器的改良,英国的人均生产力比印度工人高出两到三倍,依然不足以抵消工资上的劣势。”早期机械化生产出的棉布,在价格上没能拼得过印度的手工棉布。
\n今天,面对应用有限且尚未大规模开发的AI技术,我们需要评估这些技术所提供的效率是否真正优于传统方法,以及算力和算法成本是否更具成本效益。
\n\n
本文转载自峰瑞资本(freesvc),已获授权,版权归峰瑞资本所有, 未经许可不得转载或翻译。
\n\n
《2023中国消费品牌增长力白皮书》现货热销中,398元包邮到家!
\n2023年,是中国的消费提振年,也是中国消费品牌在整体复苏态势下的重启之年。虽然疫情的影响逐渐褪去,但时代给予品牌的挑战并未消减半分。2023年上半年外企高管的“访华潮”再次印证了中国这块市场的吸引力和重要性,这也意味着中国消费企业已进入全面竞争的新阶段。
\n中国消费品牌究竟该如何理解环境变化带来的挑战和风险?如何识别与捕捉各个要素释放出的信号?又如何在谨慎应变中实现韧性生长?
\n从“看长”“向真”再到“应变”,历时130+天,CBNData重磅输出《2023中国消费品牌增长力白皮书》(以下简称《白皮书》),共计超20万字,现货正在热销中!点击此处或下方图片即可购买,包邮到家!
\n我们经常讨论第三产业的长期发展潜力,餐饮、文化、娱乐和旅游是第三产业中最典型的几个大类,这些大类在2023年实现了超出预期的增长。
图片来源: pexels
踏入2024,今年会好吗,想必是许多人心中的一个疑问。不久前,丰叔和李翔进行了一场深入的对话,他们从2024年春节的消费和服务市场说起,话题涵盖旅游、电影、餐饮等行业,他们也聊到了大热的人工智能话题。彼时,两会还未召开,他们还讨论了2024年值得关注的重要时间节点和事件。
他们聊到的包括:
如何看待春节档电影市场的繁荣,它能够反映当前的消费趋势和经济活力吗?
为什么“我们不再陷入消费主义的陷阱了”?
目前我们高估AI的发展了吗?在AI技术快速发展的同时,我们为什么要关注能源供应的问题?
为什么两会之后是一个重要的时间节点?
如果美元今年开始降息,对国家和我们每一个个体的生活会带来什么变化?
我们将他们的部分讨论编辑成文,期待能提供新的思考角度。
顺便提一下,2024年2月,中国5年期以上贷款市场报价利率(LPR,Loan Prime Rate)下调25个基点,至3.95%。一次性25个基点的降幅超出了市场预期,创2019年改革以来最大单月下行幅度。
这种长期贷款利率的下调会对许多事情产生影响,最容易想到的是它对房地产贷款的影响。
5年期以上LPR是中长期贷款的定价基准,尤其是按揭贷款的定价基准。LPR下调后,新增的住房贷款利率将随之下降,而存量房贷利率也将在重新定价日做出调整。对于刚需购房者来说,还款压力减小了。至于投资性房产,许多大城市已经开始逐步放宽限购的条件。
除了以上议题,政府也讨论了推动大规模设备更新和消费品以旧换新,有效降低全社会物流成本等议题。
中国无疑是全球物流行业非常发达的国家。2022年中国物流成本为17.8万亿元,占GDP比重14.7%,总量非常庞大。与欧美发达国家的8~9%相比,中国的物流成本占比较高。
从理论上,中国的物流成本占GDP的比例降到10%是可行的。这不是说缩减物流的总量,而是通过降低物流的成本。当物流的成本降低,很多东西就可以更方便、更便宜地流转起来了。
在讨论降低全社会物流成本的问题的同时,还隐含一个重要的议题,即如何利用好下沉市场的消费潜力。在基础设施建设方面,我们需要关注到最末端的村镇地区。在很多情况下,商品的流转成本随着距离的增加而增加,尤其是在偏远地区,这主要是由物流成本导致的。因此,商品在这些地方的价格往往更高。
为了解决这个问题,我们需要在降低物流成本的同时,也要考虑如何改善末端基础设施,以促进下沉市场的消费。这意味着,我们不仅要提高物流效率,还要确保村镇居民能够以合理的价格购买到商品,从而缩小城乡之间的收入差距。
李翔:为什么要把“以旧换新”当作一个如此重要的议题来专门讨论?
李丰:这是个好问题。我认为这涉及到两件事。首先,从消费者的角度来看,比如大家更换手机的周期。在智能手机发展早期,我们的手机换机周期平均在18个月。但疫情期间,由于远程工作、在线学习和视频会议等需求的激增,不少人可能在2020到2021年就更换了手机。
李翔:那时PC和打印机的需求也非常旺盛。
李丰:所以在那个时候,人们需要集中更换手机,或者购买新的设备。即便不更换,也需要增购。这是一轮换机周期。但从2022年开始,可能市场中缺乏吸引人的新机型,再加上用户消费心理的变化,换机的人数可能会比较少。市场调研机构Counterpoint Research的数据显示,在2019年-2020年期间,中国智能手机的换机周期在24~25个月,而在2022年以后则达到了30个月以上。
再比如,现有的许多高铁项目十几年前就开始运营了,这些项目是否已经到了更换周期?再或者医院的诊疗设备,可能也需要更新。
我的理解是,耐用消费品更偏向于ToC,设备更新更偏向于ToB。
李翔:我们这么重视以旧换新,是从消费的角度来考虑的吗?这是否意味着我们在提振消费方面仍然有迫切的需求?
李丰:确实,我们谈到的许多例子都证明了这一点。我们之前曾提到,科技创新最终的出口几乎只有消费和军事。军事受多种因素决定,我们最终还是要依靠消费。无论是新能源汽车还是手机,都是这样被拉动起来的。我们能够通过科技,将传统制造业更新一遍,从而承载新的消费需求。
李丰:2024年2月,OpenAI发布了名为Sora的文生视频大模型,引起广泛关注。OpenAI的CEO萨姆·奥尔特曼(SamAltman)也曾强调算力和能源的重要性。我认为,从逻辑上看,最终起决定性影响的是数据、算力和能源这三件事。数据的应用场景决定其重要性。目前,AI的应用更集中在娱乐和媒体领域。有人开玩笑说我们原本期待AI能够替代我们日常的洗衣、拖地等工作,似乎并未完全实现。
李翔:我们确实期待AI能够完成这些事情。
李丰:我和同事之前讨论过:从长远来看,影响AI技术发展最大变量可能会是什么?
是算力吗?但算力大概率会越来越便宜,不会成为影响AI发展的核心变量。尽管美国对中国设置了一些科技壁垒,但算力最终不会成为主要的壁垒。在大多数情况下,无论是搜索、云存储还是大数据,这些技术本身不会成为某个公司长期的壁垒,技术最终会被攻克并普及。
相比算力,能源可能会是影响AI发展的最大变量之一。大多数生产力革命能够让每个人管理和使用的能量提升一个量级。历史上,人们最初只能依靠自己的力量,然后开始使用马匹。随着蒸汽机和内燃机的出现,人均拥有的动力可能达到成百上千马力。进入电力时代,我们拥有了更多的电力设备。
如果我们展望未来,假设人工智能普及,以我们目前有限的想象力来看,设想你戴上一副VR眼镜,从出门的那一刻起,它就开始帮你处理各种信息。它需要计算你要看什么、去哪里。上车后,它要帮你计算最佳路线,甚至它还需要驾驶车辆。这些额外的计算和数据需求,可能会使人均能量的消耗再提升一到两个量级。如果还用马力来比喻,人均可能需要数万马力。如果这些需求持续增长,我们应该如何解决能源问题?
李翔:就像比尔·盖茨的观点,他认为人类最可靠的能源解决方案仍然是核能。
李丰:但今天的人均能源需求,就像带宽一样,总是跟不上我们对多媒体需求的变化。假设我们预计还需要25年才能用上可控核聚变,在这期间,AI的普及速度非常快,人均能耗显著提高,但可控核聚变还未能在商业上批量实现,我们应该如何应对?
李翔:市场经济的方式可能是提高能源价格,计划经济的方式可能是采取限制措施。
李丰:但我想说的是,今天全球主要国家在能源路线选择上可能出现了分化。
从能源的最终增量和结构来看,无论是石化能源还是风能、水能、电能,最终的能量来源都是太阳能。如果人们攻克了核聚变,相当于攻克了最底层的能量来源。
虽然短期内中国和美国在能源利用上选择了不同的道路,但如果面向未来,考虑到智能化驱动的人均能耗上升,寻找大规模的新的能源增量可能是更好的选择。
李翔:美国确实是一个独特的国家。它拥有丰富的能源资源,比如页岩气,同时在算法、人工智能方面也有领先,比如诞生了OpenAI和英伟达这样的公司。
李丰:有个数据可能出乎我们的意料,中国是全球页岩气储量第一的国家,而中国的页岩油储量在全球排名第三。但中国的页岩油主要储存在开采成本较高的地区,简单来说,就是地形复杂、岩石坚硬。中国石油行业有种说法,“开发页岩油气犹如在毛细血管里采血,需要在仅为头发丝直径1/270的石头缝里‘挤’出油气。”
从中期来看,如果AI在10到20年内落地,尤其考虑到中国产业链的复杂程度、应用场景繁多和人均消费的增长,中国乃至全世界,都将面临如何寻找增量能源的挑战。
李翔:据说,人工智能的算法不是可以提高能源使用效率,从而达到节能效果吗?
李丰:如今人工智能的成本主要还是集中在算力上。但哪怕是最先进的科技产品,也会按照工业产品本身的规律来发展,即性能逐渐提升,成本逐渐降低。我们可以制造更小、更便宜的芯片,让芯片更个性化和智能化。然而,如果能源消耗总量大幅增长,同时供给有限,那么问题就棘手了。
李翔:所以马斯克的想法是正确的。他说地球资源有限,在一个有限的空间内注定无法支持指数级增长,所以我们要移民火星。
李丰:如果未来整个数字世界都围绕着每个人转,时刻为每个人计算,同时还要处理多媒体信息和交互,那么能耗要比我们现在待在空调房里和坐车出行高得多。
李翔:我们只好期待可控核聚变技术早日实现了。我对AI这个话题有一点比较好奇,即它是否被过度焦虑或过度炒作?
有两个层面的观察:第一个是,我听到一些观点,美国对AI的关注度可能没有中国那么高,主要还是旧金山硅谷地区的公司关注AI,但这种关注度可能在中文语境中被过度渲染。
另一个直观感受是,AI的热度似乎完全是由OpenAI一家公司推动的,它不断发布新东西,引起一波又一波的关注,却没有其他公司一起有效推动整个行业的发展。
李丰:我认为是的。以Google为例,它的搜索引擎技术在短期内形成了高技术壁垒,但随着时间推移,这些技术壁垒并非不可逾越。其成功的关键在于,在商业化上,Google找到了具有马太效应的商业模式,也就是竞价排名以及搜索广告。
类似地,腾讯的即时通讯技术也是一种技术壁垒,但不管是QQ还是微信,其成功的关键可能在于社交通讯本身的马太效应:一旦所有人都加入这个网络,它就会越来越好用。即使第二名拥有同样的技术,可能也无法超越已经建好的网络。
当下研发AI技术的成本确实很高,大概率只有大公司和有大量融资的公司才能承担起相应的成本。目前,能够真正有效的AI应用还不够多,即使能应用,也需要考虑技术成本是否能超过目前的人力成本。
正如我们之前推荐的《棉花帝国》一书中所述,“1770年(英国)兰开夏郡的工资水平可能是印度的六倍。即使由于机器的改良,英国的人均生产力比印度工人高出两到三倍,依然不足以抵消工资上的劣势。”早期机械化生产出的棉布,在价格上没能拼得过印度的手工棉布。
今天,面对应用有限且尚未大规模开发的AI技术,我们需要评估这些技术所提供的效率是否真正优于传统方法,以及算力和算法成本是否更具成本效益。
本文转载自峰瑞资本(freesvc),已获授权,版权归峰瑞资本所有, 未经许可不得转载或翻译。
《2023中国消费品牌增长力白皮书》现货热销中,398元包邮到家!
2023年,是中国的消费提振年,也是中国消费品牌在整体复苏态势下的重启之年。虽然疫情的影响逐渐褪去,但时代给予品牌的挑战并未消减半分。2023年上半年外企高管的“访华潮”再次印证了中国这块市场的吸引力和重要性,这也意味着中国消费企业已进入全面竞争的新阶段。
中国消费品牌究竟该如何理解环境变化带来的挑战和风险?如何识别与捕捉各个要素释放出的信号?又如何在谨慎应变中实现韧性生长?
从“看长”“向真”再到“应变”,历时130+天,CBNData重磅输出《2023中国消费品牌增长力白皮书》(以下简称《白皮书》),共计超20万字,现货正在热销中!点击此处或下方图片即可购买,包邮到家!
好文章,点个赞
版权提示
转载第一财经商业数据中心原创稿件,请于文首标明来源、作者,并保持文章完整性。非第一财经商业数据中心原创稿件,未经许可,任何人不得复制、转载、或以其他方式使用。如需转载或以其他方式使用稿件内容,请联系CBNData客服DD-4(微信ID:CBNDataDD4)