CEO-Tipps für die Auslandsmarkt-Expansion: Wie sollten sich Unternehmer an AI-Veränderungen anpassen?

In der sich ständig verändernden AI-Branche, wie sollten sich chinesische AI-Unternehmen auf dem internationalen Markt anpassen? Welche Chancen gibt es für gewöhnliche Menschen wie uns in der Welle der AI-Globalisierung?

Am Mittwoch, den 7. November, um 13:00 Uhr, wird im Kripton-Livestream der Gründer der Beta Silicon Valley Think Tank Yunfei und der Gründer von Forma Cloud Huang Shan eingeladen, um mit uns darüber zu sprechen: AI verändert sich, wie ändern sich Unternehmer?

Die Live-Übertragung konzentriert sich hauptsächlich auf folgende Themen:

1. In diesem Jahr haben zwei der drei Nobelpreise Forschungen im Bereich der KI gewürdigt. Wie sehen die beiden Protagonisten, dass KI die Nobelpreise erobert?
2. Es gibt Gerüchte, dass mindestens zwei der sechs großen nationalen Modelle die Vorabtrainierung aufgeben werden. Wie sehen die beiden Protagonisten diese Angelegenheit? Warum investiert Meta viel Geld in das Training seines eigenen Open-Source-Modells?
3. Die Handyhersteller haben in diesem Jahr AI-Handys intensiv auf den Markt gebracht. Wie sehen die beiden Protagonisten die Entwicklung von AI-Handys in der Zukunft und Apples Strategie in der AI-Branche?
4. Welche allgemeinen Bedürfnisse und einzigartigen Vorteile haben chinesische AI-Unternehmen, die ins Ausland gehen?
5. Von Knetkamera bis Talkie und anderen sozialen Anwendungen stehen AI-Produkte vor dem Problem der Homogenisierung und kurzen Lebenszyklen. Welche Art von Produkt sieht besser aus und was denken die beiden über die Homogenisierungserscheinung?
6. Für AI-Unternehmen, was ist wichtiger: schneller PMF zu erreichen, Differenzierung der Kernkompetenzen zu schaffen oder eigene Benutzerdaten zu besitzen?
7. Für chinesische AI-Unternehmen, die expandieren möchten, können die beiden drei wertvolle Ratschläge geben.

Nachfolgend ein Dialog zwischen den beiden Gästen und 36Kr, wobei einige Inhalte bearbeitet wurden:

36Kr: In diesem Jahr haben zwei der drei Nobelpreise Forschungen im Bereich der KI gewürdigt. Wie sehen die beiden Protagonisten, dass KI die Nobelpreise erobert?

Yunfei: Der diesjährige Nobelpreis ist ein Signal, das den unvermeidlichen Trend der AI-Entwicklung weiter bestätigt. In Silicon Valley haben wir mit Garry Tan, dem CEO von YC, gesprochen und es gibt einen Konsens: In den nächsten zehn Jahren werden alle Unternehmen generative Technologien übernehmen, ihre Produkte werden Eigenschaften dieser generativen Technologien haben, und das ist ein unumkehrbarer Trend.

Wir vergleichen AI oft mit einem Drachen, der aus dem Käfig befreit wurde. Obwohl es immer noch Sicherheitsprobleme und Bedenken bezüglich der Kontrolle gibt, kann der Drache nicht wieder zurück in den Käfig gesteckt werden, und das Leben jedes Einzelnen hat sich grundlegend verändert. Konkret lässt sich sagen, dass es, egal ob chinesische Unternehmen in die USA expandieren oder lokale herausragende Talente gründen, drei Ebenen gibt: Zuerst die Chipebene, vergleichbar mit einem Kraftwerk im elektrischen Zeitalter; dann die Modellebene, ähnlich einem Stromversorgungsunternehmen; schließlich die Anwendungsebene, vergleichbar mit einer Glühbirne im elektrischen Zeitalter. Im Jahr 2024 beginnen Unternehmer, sich darauf zu konzentrieren, verschiedene Glühbirnen zu schaffen, also Innovationen auf dem Gebiet der AI-Anwendungen. Insbesondere im Silicon Valley wird erforscht, wie man das nächste gute AI-Anwendungsprodukt entwickeln kann. Im Vergleich dazu finden auf der Modellebene und Chipebene weniger Diskussionen statt, da die derzeitige Struktur bereits eine vorläufige Form angenommen hat.

Huang Shan: Was den diesjährigen Nobelpreis betrifft, so halte ich diesen Ansatz für etwas unvernünftig. Wenn Akteure im AI-Bereich den Nobelpreis für Physik gewinnen können, sollte dann der Nobelpreis für Literatur an ChatGPT gehen, da es zweifellos der am meisten beachtete „Autor“ dieses Jahres ist. Natürlich ist das nur ein Scherz. Aus meiner Sicht ist der Einfluss des Nobelpreises auf die AI-Branche möglicherweise nicht signifikant. Denn die beiden Preisträger John J. Hopfield und Geoffrey E. Hinton haben hauptsächlich in den 1980er Jahren beigetragen.

Ich kann die beiden einfach vorstellen. Hinton ist bekannt, und der Backpropagation-Algorithmus wird noch immer für das Training neuronaler Netze eingesetzt. Hopfield erfand das Hopfield-Neuronale Netz, das hauptsächlich für Speicher- und Erinnerungszwecke verwendet wurde. Obwohl dieses Netz heute nicht mehr so oft verwendet wird, sind seine Grundideen immer noch in modernen AI-Techniken verankert, wie z.B. im Attention-Mechanismus und der Verlustfunktion. Hopfields Ideen lassen sich an einem einfachen Beispiel verdeutlichen: Angenommen, wir drei unterhalten uns, und wenn mein Gesicht verdeckt ist, können alle immer noch basierend auf meinem früheren Verhaltensmuster beurteilen, ob ich anwesend bin. Zum Beispiel, wenn ich oft in der Anwesenheit von Yunfei und Wanjun bin, auch wenn ihr mich heute nicht direkt seht, könnt ihr schließen, dass ich anwesend bin. Diese Idee kann auf Bildvervollständigung angewendet werden, um fehlende Pixel basierend auf anderen Pixeln vorherzusagen. Daher bleiben Hopfields Ideen im AI-Bereich von Bedeutung und sind es wert, dass man sie versteht.

36Kr: Es gibt Gerüchte, dass mindestens zwei der sechs großen nationalen Modelle die Vorabtrainierung aufgeben werden. Wie sehen die beiden Protagonisten diese Angelegenheit? Warum investiert Meta noch viel Geld in das Training seines eigenen Open-Source-Modells?

Yunfei: Zunächst einmal ist Meta bereit, kurzfristige kommerzielle Interessen zu opfern, um langfristige strategische Vorteile im AI-Ökosystem zu erlangen. Konkret möchte Meta durch Open Source den Industriestandard fördern und Entwickler und Forscher dazu ermutigen, Innovationen auf ihrer Plattform zu entwickeln, um so ihre Einflusskraft im AI-Ökosystem zu festigen. Kostenlos ist das kostspieligste Mittel zur Kundengewinnung. Selbst wenn ihre Modelle nur eine Leistung von 70 Punkten haben, können sie durch das kostenlose Angebot mehr Nutzer von Modellen anziehen, die 85 Punkte erreichen. Zweitens geht es um den Aufbau eines Ökosystems. Meta möchte eine Vielzahl von Anwendungsprodukten und Unternehmen, die auf Llama3 basieren, um seine Einflusskraft zu stärken und die Entwicklung kleiner Unternehmen auf seiner Plattform zu fördern. Schließlich kann Meta seine Modelle durch die von globalen Nutzern bereitgestellten Daten und Rückmeldungen optimieren, sowohl in Bezug auf Leistung als auch auf Sicherheit. Diese drei Punkte sind die klaren Ziele von Metas Förderung von Open-Source-AI-Modellen.

Huang Shan: Ich werde aus drei Perspektiven erörtern, warum Meta erhebliche Ressourcen in das Training eines Open-Source-Modells investiert. Erstens, warum trainiert Meta die Modelle selbst? Aufgrund ihrer Größe wollen sie unabhängiger von anderen sein. Meta hat in der Vergangenheit Einschränkungen auf der Apple-Plattform bezüglich der Erfassung von Anzeigendaten erfahren. Das hat Zuckerberg bewusst gemacht, dass es nicht von Vorteil ist, vom System eines Konkurrenten abhängig zu sein. Für große Unternehmen ist die Wahl eines Partners eine bedeutende Entscheidung. Zweitens, warum bietet Meta das Modell kostenlos an? Weil dies den Aufbau eines Ökosystems fördert. Die Nutzerbindung bei großen AI-Modellen ist relativ niedrig, sodass der Nutzer leicht das Modell wechseln kann. Daher ist es in der AI-Modellbranche schwierig, Gewinne zu erzielen, es sei denn, Sie sind der Branchenführer. Drittens, warum öffnet Meta die Modellgewichte? Obwohl Meta den Quellcode und das Trainingsmaterial nicht veröffentlicht hat, haben sie einige Informationen wie wissenschaftliche Arbeiten verfügbar gemacht. Ursprünglich wollte Meta, dass Nutzer sich anmelden, um das Modell kostenlos zu nutzen, aber jemand hatte es heimlich veröffentlicht und in anonymen Communities verbreitet. Schließlich entschied Meta, die Modelle vollständig zu öffnen, und erkannte die Bedeutung des Aufbaus eines Ökosystems. Große Modelle erfordern sowohl den Einsatz als auch verschiedene manuelle Integrationsprozesse, die nicht Metas Hauptaufgabe sind. Daher konzentriert sich Meta auf die Modellentwicklung, während die Community die Modelle an verschiedenen Einsatzszenarien anpasst und die Schnittstellen verbessert, was Meta zugutekommt.

36Kr: Die Handyhersteller haben in diesem Jahr AI-Handys intensiv auf den Markt gebracht. Wie sehen die beiden Protagonisten die Entwicklung von AI-Handys in der Zukunft und Apples Strategie in der AI-Branche?

Yunfei: Für Apple ist es seltsam für ein Hardware-Unternehmen, sich mit Software auseinanderzusetzen, und sie versuchen dies schon lange. Bisher haben wir keine tiefgreifenden Veränderungen von Apple im AI-Bereich gesehen, und die Unternehmenskultur erlaubt keine derartigen Veränderungen. Dennoch habe ich Vertrauen in Apples Fähigkeit, weiterhin exzellente Hardware zu entwickeln; sie sind in diesem Bereich unbestritten führend. Im Gegensatz dazu entstand das große Modell Transformer bei Google. Aufgrund der Unternehmensstruktur und -kultur konnte die intelligente KI, die geboren wurde, nicht wachsen und wurde von anderen gepflegt, bis sie so stark wurde, dass sie mit Google konkurriert. Zusammenfassend kann man sagen, dass die Herausforderungen für ein Softwareunternehmen, sich mit AI zu beschäftigen, groß sind, und für Apple als Hardwareunternehmen sind diese Herausforderungen noch größer.

In der Branche wird allgemein gesagt, dass Softwareunternehmen besser Hardware entwickeln können als umgekehrt. Doch wenn wir uns Googles Mobile Phone im Vergleich zu Apples Hardware ansehen, besteht immer noch ein Unterschied. Um zu gewinnen, muss Apple die Strategie von Microsoft in Betracht ziehen: sein eigenes Geld weiterhin verdienen und in ein Unternehmen wie OpenAI investieren, dieses pflegen und seine Kunden und Rechenleistung bereitstellen, um eine zweite Wachstumskurve zu entwickeln. Satya Nadella hat bereits für Microsoft den Weg geebnet, ob Tim Cook diese Lektion übernehmen wird, bleibt abzuwarten.

Huang Shan: Ich stimme im Wesentlichen Yunfeis Einschätzung von Apples KI-Entwicklung zu. Apple hat die Resourcen, um kleinere oder mittelgroße Unternehmen zu erwerben. Ihre KI-Strategie gibt es schon seit geraumer Zeit, viele der kleinen Funktionen, die wir auf unseren Telefonen sehen, wie etwa die intelligente Auswahl von Fotos und Video-Editoren, sind AI-gestützt. Ein bemerkenswerter Vorteil von Apple im AI-Bereich ist ihre Hardware wie die M-Serie von CPUs und GPUs. Obwohl es möglicherweise einen leichten Rückstand zu Nvidias Chips gibt, wird dieser im Laufe von zwei oder drei Jahren wettgemacht. Apples Hardware hat besondere Eigenschaften wie geringe Größe und niedrigen Energieverbrauch. Daher ist es immer noch möglich, dass Apple im AI-Bereich hervorragende Produkte entwickelt.

Zweitens, AI in Handys ist definitiv eine gute Sache, aber ich würde nicht wirklich Apples AI-Technologien verwenden. Zum einen ist der Datenschutz für mich wichtig, obwohl ich glaube, dass Apple im Vergleich gut im Datenschutz ist; ich hoffe jedoch, dass diese Technologie reifer wird. Ich bin im Allgemeinen konservativ gegenüber neuer Technologie. Zum anderen basiert meine Entscheidung auch auf einem direkten technischen Grund. Zum Beispiel hat das iPhone 16 einen Gesamtspeicher von 8 GB, während für das volle Präzisionstraining des Llama3 8B-Modells (mit 8 Milliarden Parametern) mindestens 16 GB Videospeicher erforderlich sind. In einem solchen Fall könnten wir warten müssen, bis Apple die Hardwarekonfiguration schrittweise erhöht, bis der Speicher ausreicht, um die Technologie zu nutzen.

36Kr: Welche allgemeinen Bedürfnisse und einzigartigen Vorteile haben chinesische AI-Unternehmen, die ins Ausland gehen?

Yunfei: Viele Arten von Unternehmen expandieren ins Ausland, es gibt mittlere Unternehmen, große Unternehmen, die kleine Unternehmen auslagern, und sogar börsennotierte Unternehmen, die eine zweite Wachstumskurve suchen. Zusammengefasst ergibt sich für chinesische Unternehmen aus drei Aspekten ein Vorteil:

Erstens, chinesische Unternehmen sind weltweit bekannt für schnelle Ausführung, egal ob Design, Softwareentwicklung oder Nutzerforschung, sie können Konzepte schnell umsetzen. Zweitens, im Servicebereich bieten chinesische Unternehmen hervorragende, benutzerfreundliche Dienstleistungen. Im Vergleich zu den USA, wo die Serviceprozesse zeitaufwändig und komplex sind, können chinesische Unternehmen schnell reagieren und Probleme lösen. Drittens, hochqualifizierte Ingenieure zu kostengünstigen Preisen. Chinesische Unternehmen können hochwertige Ingenieure zu niedrigen Kosten bereitstellen und dadurch mit gleichem Investment dreimal so effektiv sein wie US-Unternehmen.

Was die Bedürfnisse betrifft, so gibt es vier grobe Strategien für inländische Auslandsbestrebungen, wobei eine weniger praktikabel ist und die anderen drei ziemlich effizient sind. Man kann sich dies als zweidimensionales Diagramm vorstellen: Die X-Achse steht dafür, ob das Geschäft in China oder den USA tatsächlich durchgeführt wird. Die Y-Achse zeigt, ob selbst agiert oder jemand anderes als Repräsentant angestellt wird. Unternehmen im oberen rechten Quadranten agieren selbst in den USA und ziehen oft Menschen mit Studienerfahrung und fließendem Englisch an. Zweitens, erfolgreiche Unternehmer in China ohne Auslandserfahrung können in den USA aufsteigen und lokale CEOs als Repräsentanten finden. Die dritte Art sind Superriesen wie BAT, die sich lokal entwickeln und gleichzeitig Marktführer aus den USA einstellen. Die weniger erfolgreiche Strategie besteht darin, ein Unternehmen in China zu verwalten und gleichzeitig in den USA zu operieren – ein schwieriges Unterfangen, wie von einem führenden Unternehmen gezeigt, das Mitarbeiter zur Auslandsabteilung zwang, andernfalls mussten sie kündigen. Es zeigt der Schwierigkeitsgrad des Mulit-Region-Managements.

Huang Shan: Im Hinblick auf Humanressourcen hat China definitiv Vorteile, und der Wettbewerb ist allgemein als intensiv angesehen. Außerdem möchte ich etwas kritische Perspektive aus China teilen. Obwohl chinesische Unternehmen einen Vorteil bei Humanressourcen haben, ist im AI-Zeitalter die AI-Kostenkritik entscheidend. Wie viel kostet das inländische Großmodell, und das ist eine wichtige Frage. Inlandsunternehmen müssen Qualitäten und Kosten der AI stärken; sonst sind sie international nicht wettbewerbsfähig. Uns ist bekannt, dass wir in der GPU-Technik zurückliegen, und wenn wir die Uhr 10 oder 20 Jahre zurückdrehen könnten, wäre dieser Bereich priorisiert worden. Jetzt ist Entwicklung auf Anwendungsebene machbar, aber das entscheidende technologische Hemmnis muss immer noch gelöst werden, mit verstärkten nationalen Investitionen.

36Kr: Von Knetkamera bis Talkie und anderen sozialen Anwendungen stehen AI-Produkte vor dem Problem der Homogenisierung und kurzen Lebenszyklen. Welche Art von Produkt sieht besser aus und was denken die beiden über die Homogenisierungserscheinung?

Huang Shan: Das Potenzial für gute AI-Anwendungen liegt immer noch in den so genannten monetarisierbaren Bereichen. Was auch immer die Anwendung ist, man kann nicht erwarten, für immer vor der Konkurrenz zu sein, aber bevor andere aufholen, kann man Umsatz machen. Daher denke ich, dass dies ein vielversprechender Ansatz ist. Welche Bereiche sind konkret monetarisierbar?

Erstens die Inhaltserstellung. AI-Inhaltserstellung ist derzeit noch teuer, da enorme AI-Ressourcen benötigt werden. Es gibt jedoch zwei absehbare Trends: erstens, dass die Kosten für AI schrittweise sinken werden; zweitens die Fehlerakzeptanz der Benutzer. Große Modelle machen oft Fehler, aber bei guter Produktwahl zeigt sich hohe Toleranz gegenüber Fehlern; bei null Toleranz ist der Bereich unvorteilhaft. Zweitens die Datenaspekte der AI. AI wird hauptsächlich durch Trainingsdaten generiert, und diese Daten sind als Unternehmensschatz von unschätzbarem Wert, ohne sie zu teilen. AI-Trainingsdaten bieten Schutz geistigen Eigentums und sind eine vorteilhafte Branche. Drittens glaube ich, dass AI-Begleitung ein attraktiver Bereich ist, weil es einen echten Bedarf gibt. Wenn Geräte in Zukunft reale Begleitung ermöglichen, wird dieser Bereich großes Wachstumspotenzial haben. Gegenwärtige Prototypen sind nicht ausreichend, aber zukünftige Verbesserungen werden kommen, und AI-Begleitung ist sicherlich ein vielversprechender Bereich.

Bezüglich Homogenisierung glaube ich, dass das Problem der Produktnachahmung nicht durch AI verursacht wird. Vor AI hatten alle Hit-Produkte die gleiche Herausforderung der Nachahmung zu meistern. Wenn ein Produkt leicht kopierbar ist, sollte es auch kopiert werden oder wird es definitiv, entsprechend diesem Denken. Besuchen Sie die Website von Y Combinator, studieren Sie die dort geförderten Unternehmen nach jeder Charge und fragen Sie sich: wie schützen diese Firmen ihr Produkt vor billiger Nachahmung, oder mindestens erhöhen sie die Schwierigkeit?

Yunfei: Intern diskutieren wir oft dieses Problem, letztendlich mit der Schlussfolgerung, dass man sich nicht nur auf Branchen konzentrieren sollte, sondern auf Gründer. Jeder Gründer hat ein fundiertes Fachwissen in bestimmten Bereichen wie Nachrichten oder Lieferketten, die durch zehn Jahre Erfahrung im Berufsumfeld gewachsen sind. Wenn ein Bereich AI integriert, ist es ein Leichtes, Aufträge zu bekommen und Gewinne zu machen. Sowohl frühen Investoren als auch Start-up-Gründern im Silicon Valley ist klar, dass erfolgreiche Start-ups meist im ersten Schritt Verkäufe erzielten, anstatt auf große Geschichten zu zählen.

Bei den meisten erfolgreichen Geschäftsmodellen handelt es sich oft um Strategien, die auf den ersten Blick nicht sexy oder sogar langweilig erscheinen. Es kommt auf die Vertiefung der Kenntnisse der wahren Bedürfnisse der Gegenseite an, statt nur einen universellen AI-Werkzeug zu verkaufen. Vom Markt wird dies nicht mehr akzeptiert, Verkäufer solcher Werkzeuge werden ignoriert. Nach dieser Denkweise wären Unternehmens-Software-as-a-Service (SARS) Bereiche ein interessantes Feld, besonders im B2B Sektor. Ich ermutige AI-Unternehmer dazu, reale Erfahrungen zu sammeln und sich grundlegendes kommerzielles Wissen anzueignen, um Transaktionen und Vertragsabschlüsse zu realisieren. Viele erfolgreiche Unicorn-Unternehmen starteten mit wenigen Aufträgen und wurden schließlich zu Plattformen oder etablierten ihre eigenen Produkte. Für Unternehmer ohne Kenntnisse in bestimmten Bereichen eignet sich einfache, aber zeitaufwändige Aufgaben optimal für AI-Verarbeitung.

Zuletzt muss man sich mit der Realität auseinandersetzen, dass ein AI-Tool in einem einzigen Anwendungsfall leicht kopiert und ersetzt werden kann. Auf B2C-Ebene ziehen Nutzer vielleicht aus Gründen der Kostenlosigkeit oder der CEO-Aktivität ein Produkt vor, aber letztendlich geht es um den Wechsel zu neuen, interessanteren Produkten. B2B bietet daher mehr Gelegenheiten, durch mehrere Hooks kann man langfristig Kunden binden. Der Fortschritt bietet daraus vielen Chancen und Entwicklermöglichkeiten- Entwickler können durch das Setup eines mehrstufigen Kundenkontakts B2B von Wechselkosten abschrecken. Diese Bausteine öffnen dem Unternehmer neue Möglichkeiten.

36Kr: Für AI-Unternehmen, was ist wichtiger: schneller PMF zu erreichen, Differenzierung der Kernkompetenzen zu schaffen oder eigene Benutzerdaten zu besitzen?

Yunfei: Wenn ich vorwegnehme, ist PMF (Product-Market-Fit) das Wichtigste, vor allem in einer Zeit, in der der Primärmarkt wenig aktiv ist. Auch wenn die neue Regierung der USA Veränderungen mit sich bringen kann, ist PMF weiterhin entscheidend.

Nehmen wir das Beispiel von Agency Right. Der Gründer wollte Anzeigen effektiver gestalten (ROI), was viele Investoren überraschte, da es sich um eine hart umkämpfte Branche handelt. Aber weil der Gründer jahrelange Erfahrung in diesem Bereich hat, konnte er Projekte nach seinen tiefen Brancheneinblicken gestalten. Trotz fehlender Finanzierung anfangs konnte er PMF unabhängig erreichen und ein Jahres-Einkommen von 600.000 Dollar erzielen. Im Juni dieses Jahres, als er neue Finanzierungsrunden suchte, waren die Angebote überzeichnet und viele bekannte Großunternehmen und Fonds bemühten sich um Beteiligung.

Dies verdeutlicht PMFs Bedeutung überdeutlich, indem es Start-ups und Teams ein reales Sicherheitsgefühl vermittelt. Monatliche Fortschritte, neue Aufträge, neue Kunden und echte Nutzerfeedbacks sind entscheidend. Eine Art von Empfindung von bei uns her auf's „Merkel / Merkel“ mit tiefer Marktverständnis, dass jeder Teilnehmer in einem AI-Markt, der rasch voranschreitet, klar zeigt. Die Mehrheit der Start-ups möchte schnell einen PMF erreichen, statt sich auf großartige Geschichten zu verlassen.

Zu den grundlegenden Modellfähigkeiten gibt es ebenfalls Unterschiede, aber kein Unternehmen scheitert wegen einer schlechten Interaktion mit Modell Claude oder OpenAI. Ein Unternehmen scheitert meistens, wenn es keine potenziellen Kunden findet oder kein geeignetes PMF umsetzt.

Abschließend unterteilen wir Daten in Benutzerdaten und Nicht-Benutzerdaten. Bereits vor der AI-Ära waren Benutzerdaten unglaublich wertvoll; im AI-Zeitalter steigen sie möglicherweise um das Zehn- bis Zwanzigfache. Wenn eine Internetfirma im AI-Kontext bereits bestimmte Vorzüge, insbesondere Benutzerdatenebene, besitzt, wird dieser Erfolg erheblich erhöht. Echtes Unique-Datenmaterial sind Benutzerdaten, die zentrale Barriere-Ausbauten des AI-Produkts. Importierte oder anderorts erworbene Daten, sowie zugängliche, sogenannte Markt-gängige Daten, gelten als weniger wertvoll. Während eines Gespräches mit Zhou Hongyi in Silicon Valley haben wir darüber gesprochen, dass käufliche Daten keine echte Exklusivität aufweisen, weil sie bereits kommerzialisiert sind und bei Konkurrenten ebenso zu finden sind.

Huang Shan: Um die Bedeutung der Daten darzustellen, biete ich ein Gleichnis: Nehmen wir an, wir kochen, das Gericht entspricht dem Modell. Wir benötigen einen Topf und Rohzutaten, das Rechenpotential wird mit dem Topf verglichen, die Energiezufuhr mit Feuer, und die Daten mit den Zutaten. Ohne Zutaten kann das Gericht nicht zubereitet werden, aufgrund des Bildes: ein Koch kann ohne Reis keine Mahlzeit bereiten. Dies zeigt die Bedeutung der Rohmaterialien, ein Hinweis auf die wesentlichen Werte von Daten.

36Kr: Für chinesische AI-Unternehmen, die expandieren möchten, können die beiden drei wertvolle Ratschläge geben.

Yunfei: Zunächst auf Unternehmensebene ist es wichtig, sich selbst mit dem Markt auseinanderzusetzen, wenn man expandieren möchte. Von Büros in Beijing oder Shanghai aus oder durch Anrufe mit ausländischen Kollegen lässt sich nichts erfahren, es ist wichtig, direkte Erfahrung in Silicon Valley oder Los Angeles zu sammeln. Planen Sie gegebenenfalls eine einwöchige Reise in Ihrer Region. Zumindest dies ist wertvolle Erfahrung. Selbst wenn Sie nach der Rückkehr beschließen, nicht zu expandieren, bleibt es wertvoll. Nutzen Sie Touristenvisa für Geschäftsbeziehungen. Diese Aufforderung halte ich für entscheidend - es gilt für Firmen ebenso wie einzelne Akteure.

Zweitens, um Fettnäpfchen zu vermeiden: Chinas Auslandsprojekte sind ein guter Start, aus Erfolgen und Misserfolgen zu lernen. Auch wenn die Geschichte sich nicht wiederholt, können parallele Strukturen auftreten. Einige bekannte chinesische Firmen standen in Europa vor Herausforderungen und Verstöße gegen lokale Vorschriften führten zur Schließung ihrer Standorte. Oder ähnliche Probleme beim Aufbau in Mexiko - an gemeinsamen Fehlern lässt sich lernen. Auslandsprojekte in historischer Recherche können es vermeiden, wiederholt Fehler zu machen.

Huang Shan: Für Unternehmen mit dem entschlossenen Willen, zu expandieren, ist es wichtig, lokale Geschäftskultur zu verstehen und respektieren. Insbesondere in den USA, wenn Kundenfokus (B2B) besteht, wissen, dass Unternehmen hier bereit sind, für Produkte zu bezahlen, vorausgesetzt sie sind finanzstark, aber erwarten enorme Stabilität, weil ihre Essenz im Werteaustausch durch Geld für Zeit liegt. In Start-ups, in denen ich am Kauf beteiligt war, handelt man, wenn die Produkte zuverlässig laufen; die kompletten angeblichen Beträge gehen an die Verkäuferseite. Wenn Ausfälle vorkommen, erwägen wir Wechsel des Lieferanten.

Außerdem, für solche Unternehmen, ist es wichtig, die Intelligenz der internationalen Talente zu vereinen. Sich mit Denkweisen und Werten vertraut zu machen, und Respekt für gemachte Erfahrungen zu haben. Diskrepanzen bei Sprachfähigkeiten müssen erkannt werden. Daher, falls notwendig wäre, wird empfohlen, nach Kulturen, die sowohl China als auch internationale Märkte verstehen, entsprechende Mitarbeiter zu suchen.

Für mehr spannende Inhalte sehen Sie sich die vollständige Aufzeichnung des Livestreams an: