$AppLovin(APP.US)

剛看到一篇文章，“拍賣行” 和 “開卷考試” 的比喻很形象，一下子點透了 applovin 的護城河 - 不是人工智能算法比其他大廠有多好，而在於擁有買賣方獨一無二的數據訓練，具有非對稱優勢。算法再好但是數據質量不行不夠貼切訓練出來的模型也會稍遜一籌

這讓我想起了幹通信算法開發和預研的工作。測試人員做實驗獲取信道數據比較耗精力和時間，在沒獲取真實數據之前，我們做算法開發預研的就需要自己構建一些模擬的信道數據作為訓練集進行仿真獲取各個模塊的參數並用這些參數代入通信系統測試算法性能如何。但是真實信道因為有各種衰減失真，實際數據和模擬數據是不一樣，就導致之前獲取的訓練參數在代入真實信道往往性能不如人意，又得重新花很多時間在真實信道數據中全部遍歷仿真一遍修正各個模塊的參數。這就像圖片裏説的，不僅花了很多時間精力做測試，效果還不如友商一開始就掌握真實數據

或許可以用另一個比喻，一個人投資股票對公司不瞭解當買彩票賭漲幅；另一個人深入瞭解公司各種基本面和信息，甚至可以説出接下來各個時間點公司會發展到哪一步股價大致會走多高，而他要做的就是耐心等待驗證結論安安穩穩睡覺。一個在做閉卷考試一個在做開卷考試，兩者心態是不一樣的，投資結果也是不一樣的