夏寒：闲谈算法、云计算公司估值

闷热的夏季突然有了一丝丝寒意, 每日优鲜/叮咚买菜上市遇冷, 滴滴开盘就被查,依图也终止了上市申请.而这一切似乎意味着又一场互联网泡沫悄然而至。

泡沫的产生无非是我们对新的业务模式估值算法的错误再加上二级市场上的Liefhebbers.估值错误只是因为不懂技术，过分的高估了企业的护城河。在安然案事发20年后，依旧会有瑞幸造假案发生，只是因为互联网模式的监管成本远高于造假成本而形成的。算法和云计算公司亦然。

曾经只需要找一个风口，讲一个故事，在资本的簇拥下猪都能飞起来，而如今似乎金融圈的小伙伴已经慢慢的学会了估值，只是因为泡沫到了该破的时候了。其实这些泡沫的破灭如果没有疫情来的会更早一些罢了。

算法估值

和做金融的小伙伴聊的时候，他们对IT说的最多的一句话就是“贵圈真乱”，并没有说反，事实如此。做金融的小伙伴能调动自己所代表的机构多少资源、某个项目能撸多少钱都有它背后的公允价值，一个底牌敞开的牌局打起来也非常的得心应手，而所有的OKR考量也非常直观。

想起前几天看完的一本书<The Mathematical Experience, Study Edition>

算法的本身来自于对真实世界的合理抽象和建模，然后再通过数学推理最后再到真实世界落地，并通过真实世界进行验证的一整套流程。以我自己的基金风控算法为例，从真实世界的合理抽象和建模，一方面需要大量领域相关的知识，我大概已经在A股市场交易了25年了，自然对市场的微观结构有更多的理解，另一方面就是足够的数学知识，很多人并没有经历过严格的数学训练，即便市场上有某种特征，他们也无法用相对严格的逻辑推理完成，所以做了很多年量化也就是只能划线拟合形态什么的… 另一方面是算法实现的过程，一个是可计算性的问题，如果没有很多年OI算法竞赛的训练，一般人算出来起码需要一个大规模集群，有可能计算集群的开销都大于利润。另一方面是计算精度的问题，很多非数学专业的人都没有学过计算方法这门课，因此算法的稳定性和收敛性的问题上犯了很多错误。

算法企业的估值同样也需要经历这样一个过程，第一这个公司是否在相关领域有足够的建模能力，其中一个护城河就是数据集，例如很多人做欺诈检测算法，你没有数据集和消费流水能搞啥？第二步是在数学推理过程中是否有足够经验的算法团队，最后就是工程实现的能力。再后面就是闭环完成后再来讨论真实世界验证和商业价值体现的问题了。

那么以依图为例，我当初选择闵行男子技术学院很大程度上就是因为lcx他们获得ACM/ICPC全球总冠军，而阿里云的飞天也是lcx的一大杰作，这样的团队从算法闭环上而言已经有足够的能力了，问题在哪？真实世界解决问题的商业价值无法填补世界级人才的开销，通用图像识别的壁垒并不高，没有数据集的壁垒，而工程实践上面临算力的问题又点错了技能树去做了芯片…

而另一家闵行男子技院好基友开办的第四范式走的就要好太多，hsw是一起玩的好基友，dwy也是技校第二次拿ACM/ICPC冠军、zz也是技校第三次拿冠军的成员，从他们一开始创办就特别欣赏他们，因为开局以信用卡分期模型和银行风控模型为主，业务模式是一个非常有壁垒的场景，也具有足够的商业价值，整个工程团队毋庸置疑的顶配ACM冠军队成员，自然非常容易的拿到了四大行的背书，到后期百胜中国的营销案例又获得了第二个增长点，接下来开源AIOS或许还会迎来第三个增长点。

综上所述，算法类公司估值需要满足以下四点并构成闭环，如果没有，估值为负

• 模型抽象需要有足够的数据壁垒和业务壁垒
• 数学推理需要有足够算法团队
• 工程实现需要有较好的工程团队
• 解决的问题需要有足够的商业价值

闭环构成了才会再看第二个问题，成本核算的问题，数据和业务壁垒决定了泛化能力较差，规模扩张较难，而规模容易扩张的行业也会面临充分竞争自然解决问题的商业价值也会下降，如果每一环都用最顶尖的人成本也非常高，而工程团队不行导致的算力成本和维护成本也会非常高。

当然从金融创新的角度来看，如果没有最顶尖的算法团队和工程团队，有些企业就在尝试利用Kaggle竞赛的方式获取算法，这是一个降成本的处理方式。另一方面就是以低代码和AutoML为代表的平台能力，这也是第四范式在商业模式上做的非常出色的一步。

云计算公司估值

青云、Ucloud也都在A股上市了，市场给出的估值参考并不高，而且还在持续亏损。而唯一开始盈利的阿里云很有可能因为字节跳动下云再次进入亏损。那么云计算的估值应该用什么模型呢？SaaS是相对利润较高门槛较高的业务模式，而IaaS和PaaS则在Cloud agnostic的多云需求下需要同构化使得业务本身同质化，也就是说平台本身对外提供的能力是相同的，正如我几个月前在阿里云讲过的，云计算本身需要考虑提供同等性能时的总拥有成本：

一方面是服务的性能，如何榨干CPU、内存、网络等各种资源，源头来自于成本的控制，因此智能网卡也好、DPU也罢、IPU也罢，本质上需要考虑的问题是成本。当然你可以把每个指标都做到最好，但是一个智能网卡成本到 3000注定就没了市场。而各种异构又会带来控制平面的成本上升，学会做减法才是关键。

最终你会发现，DPU这个词叫的很对，Data Processing Unit，而CPU需要改名叫Control Processing Unit， 标量计算逻辑则是通过低代码、Serverless实现的边缘计算完成。

最近正在看Tofino的开源example,以及Risc-V的一些研究，这些减法做完了才会构成一个可持续盈利的云计算模式，而这一模式背后还有一些范畴论的东西就不说太透了…

从成本来看，特别是在混合云场景中，华为云在传统IT领域有足够的渠道加上其私有云和公有云业务双线作战，而网络产品线还可以进一步摊薄它的成本，这些都是阿里云和腾讯云缺失的。而电信天翼云则是在网络带宽资源和机房布局上以及末端销售运维团队上有得天独厚的优势。简而言之，华为有网络设备和经销商渠道来做减法，电信有网络资源和机房资源以及末端运维团队来做减法，阿里云有有神龙做减法，其它几个云呢？虽然也对标xxx都在做，扪心自问一下你的成本核算做了么？

另一方面从云计算公司成本来看，金融创新，特别是供应链金融是必不可少的一环,正如我一年前写过下一代数据中心架构-2：从金融民工的视角谈新基建^[1]

金融创新的本质是绕监管和上杠杆， 新基建虽然资金借贷上有基准下浮，但是真要完成我们所说的车路协同工业物联网等场景还需要大量的投资，这些基础设施建设不可能也没必要压在运营商身上，而云服务提供商例如阿里/华为/腾讯也没必要过早的自建MEC，因为现在的情况很有可能是5G建设好了还找不到应用，所谓的AR/VR应用上5G都有些牵强， 而物联网上5G做监控和可预测性运维本质上就是骗补。

从金融狗的视角来看， 传统一点的做法就是PPP模式， 现阶段的各个政府的智慧城市项目还处在招投标政府建设的阶段，其实可以采用PPP模式降低政府负债，那么问题来了，利益共享如何实现，本质上还是数据，城市运行过程中的大量数据脱敏后会给私企投资方获得巨大的收益，同时MEC等建设还是需要土地依赖的，特别是商务楼密集的CBD…后面就不说了，意会意会~~~

从公司理财的视角看云计算公司，本质上是一个金融问题，可以看作是一个融资租赁类的公司，本质上是一个重资产的行业，通过构建数据中心然后以租赁的方式逐渐回收成本。在整个业务链条上降成本则可以通过一系列金融手段实现。当阿里公有云业务逐渐走向ToB时，自然就会面临项目账期的问题，交付和后期运维的问题，业务规模快速攀升而运维团队成本没计算进入自然服务质量就会降低，有些话点到为止吧…

事实上未来云计算模式需要的是金融创新， 一方面是算力的表现形式、另一方面是基础设施的构建方式。例如航空公司大量采用租赁的方式使用飞机而获得业务弹性并将风险转移给融资租赁公司，这些是值得云计算厂商考虑的问题。某云早期采用自建网络的方式也带来了大量的业务损失，而更要命的是服务器CPU运营成本和自身减值特别快，基本上两年就可以减值为零了，这些问题如何处理？

这些都是要在技术上处理的问题，因此各个云都开始构建自身的低代码平台的业务逻辑也在此。而为了提高Perf/TCO, google开发出Go，微软一直在F*上投资也是有背后的逻辑。

有些话点到为止吧，无论做什么事情，降本增效都是必须的，无论故事讲的有多么的好。

Reference

[1]

下一代数据中心架构-2：从金融民工的视角谈新基建: https://mp.weixin.qq.com/s/yLyx7-Sorf6A56b5LUvtmw