在全球市值最大的十家公司當中，Alphabet 與 Meta 這兩家主要從事廣告銷售業務。另外兩家公司，也就是微軟和亞馬遜，廣告業務也不小，對公司的長期增長做出了有意義的貢獻。現在，全球市值最大的公司蘋果也在嘗試廣告業務。
這種情況應該挺讓人吃驚的。上個世紀的時候，廣告支出在 GDP 的占比通常在 1.0% 至 1.4% 的窄幅範圍內波動。全面戰爭與金融危機似乎是唯一會將其推向此範圍下限的事件，但廣播、電視、直接回復郵件、分類廣告、有線電視、線上展示廣告、動態消息廣告、插頁式廣告、搜尋、網紅行銷，甚至時事通訊廣告的發明（或完善）並沒有將這個數字推高多少。其他行業的情況可不是這樣的。1930 年代的消費物價指數為 35% 花在食品，11% 花在服裝，而今天則是 13.5% 花在食品，2.6% 花在服裝。 （與那時候相比，我們消耗了更多的卡路里，並將由此長出的身體包裹在更多種類的衣服裡；隨著時間的推移，衣服的通縮程度十分驚人。[1]）
[1] 請注意，在工業革命之前，文藝復興時期的衣服非常昂貴。貴到什麼地步？貴到醫院頭痛的一個主要問題是死者的衣服經常被盜，這又會導致瘟疫的傳播。
儘管如此，財富仍被創造出來；在不到一代人的時間裡，一家公司就從一個宿舍裡的案子變成要到美國國會作證的規模（如 Facebook），這顯然證明了他們壓倒性的統治地位，但在過去一百年的時間裡，這個板塊（廣告）的支出占有率卻一直都沒有增長。
這自然會導致一些不適。正如 Jeff Hammerbacher 所說的那樣：「我們這一代最聰明的人正在思考怎麼才能讓大家點擊廣告。這很糟糕。」確實如此！但是你未必就得這麼看。一個有用的經濟板塊大概是這樣的：
- 製作東西出來。
- 然後銷售出去——也就是把東西與最有可能需要它的買家匹配。
- 然後是除了廣告以外的其他服務。
整體來說，服務業的生產率往往會緩慢增長，而製造業的生產率則會高增長。但由此產生的一個必然結果是，與製造業互補的服務業可以利用更高的製造效率，至少是間接地利用。如果你根據銷售的汽車數量與員工工作時間之比來衡量汽車經銷商的附加值，你會看到只發生了漸進的變化。但是，如果將經銷商的勞動力投入與安全車輛行駛里程數及其成本進行比較，經銷商在為經濟增加價值方面的表現就要好得多了。
沒有哪個領域能比軟體領域更能說明這一點，因為它是對電晶體的補充，電晶體在很長一段時間內見證了生產力的瘋狂提高：人類歷史上製造的大多數離散物體都屬於電晶體，而且它們成本的持續下降已在不斷增加勞動力的價值，而後者是廉價記憶體和處理能力的補充。 [2]
[2] 這就提出了一個有趣的問題：如果晶片已經變得如此便宜，並且又有了更多的程式師，而且與程式設計相關的領域給人才設定了如此高的價格，那這個行業至少有機會雇用到合格的人，甚至多少會受金錢激勵的人才對——但為什麼普通軟體的體驗離完美還差得那麼遠？一種可能性是我們正在經歷全社會版的布魯克定律（Brook's Law）：給對經濟進行數位化的專案增加人手反而會導致專案拖延。隨著用來與其他軟體互動而開發的軟體的占有率接近 1，經過深思熟慮的設計決策會獲得更高的溢價，但面向增長的行業不會自然而然地做出這些決策。
生意並不是存在於真空之中的，尤其討論的是生產力的長期驅動因素——也就是經濟增長的驅動因素不僅僅是更大規模地部署已知技術時——把眼光放到宏觀背景下去討論是很有用的。在匯率波動的全球經濟體系中，一個出口板塊高速增長的自然結果是貨幣價值更高，這往往會導致其他出口產品缺乏吸引力。這種現象有個名字，叫做「荷蘭病」，雖然荷蘭病通常比其他選擇更好，但確實需要對其進行管理。在美國，實際上有兩個大規模且具有競爭力的出口驅動型行業，其一是儲備貨幣的生產，這個與軟體無關（除了從某種意義而言，與許多其他行業一樣，它的流程也已經高度自動化，因此也不能說完全無關)。但全世界對美元的需求意味著全球對美國人有消費的需求。
這種環境恰好非常有利於透過廣告獲利的科技公司：美國消費者對一類產品的需求很旺盛，那就是美國在消費側而非供給側具有比較優勢的產品，比如說，如果一個產品是在無法印刷美元的國家製造，但收入卻是以美元計價的話就屬於這種類型。過去三十年全球製造業的增長（主要是在中國），導致了實物商品價格的大幅下跌，並讓製造業變得更加靈活。
那麼，美國的廣告驅動型軟體公司擁有兩到三個獨立的補充（具體要看你怎麼算）在支持其增長：第一，大家對產品的需求更加多樣化，這個製造了一個更具挑戰性的供需匹配問題（同時為匹配行為製造出更多的回報[3]；第二，全球對美元的持續需求，既意味著對美國消費的需求超過了對其生產的需求，而本來需要軟體行業技能的其他行業由於出口定價過高而無法負擔得起這些技能；第三，硬體行業的製造成本不斷下降導致儲存和搜尋大量資料變得更便宜了。與此同時，軟體業務的普通經濟學——固定成本高，邊際成本低——意味著在美國已被證明行之有效的服務可以擴展到其他地區，儘管這些有利條件在其他地區並不完全適用。
[3] 如果你想親眼看看，不妨到亞馬遜上找件產品，然後到阿裡巴巴上去比較一下價格。這個價差部分是亞馬遜自己為加快購買速度而抽取的傭金，但其它的價差基本上屬於製造商給分銷商/零售商/行銷商支付的錢，為的是找到將產品提供給需要它的特定最終客戶的方法。
如果廣告費用在 GDP 的占有率占比沒有大幅上升，但依靠廣告盈利的公司的市值仍大幅上漲，則存在這幾種可能：市場可能高估了這些模式的潛力（但考慮到其歷史性的增長，科技巨頭的市盈率並不算太高）；市場在定價時可能把廣告支出在 GDP 的占比上出現的前所未有的增長考慮在內了（儘管很容易去推算，但沒人會用自頂向下的模式來做測算，也就是看廣告在 GDP 的占比，然後看Google在廣告收入的占比，再來給Google定價）；或者，廣告行業在供需匹配的成本效益方面表現得比之前出色多了——事實上，有可能出色到可以支撐多家高利潤的中間商的地步。而這些中間商實際報告的利潤率之所以比較低，是因為它們在不相關的研發項目上的投入也很大。
美國之所以成為很多廣告型公司的起源地，還有很多的其他原因——當然了，在廣告成為主要驅動力之前，美國就已經擁有了強大的科技行業，但當這一現有比較優勢與新增長來源相遇時，其對廣告業務發展的加速便超過了其他所有業務。
這使得閱讀那些討論非廣告型聊天機器人的文章變得很有趣（可以看看最終有多少還是靠廣告）：透過 API 將聊天機器人貨幣化意味著要求 API 買家要找到自己的商業模式；外掛程式往往是需求聚合者的漏斗底部功能；對資料授權這一行為，再次把皮球踢回給購買資料並需要思考如何將資料變現的最終使用者身上。
當一種新產品能夠同時吸引大量注意力並能吸收大量資料時，它就解決了廣告平臺需要解決的兩個關鍵問題：如何吸引注意力，以及如何將其引向合適的商業資訊。
當然了，大型語言模型（LLM）還有很多其他可以變現的功能；LLM 很適合搜尋與摘要，這兩件事情是企業為了補充其現有工作而願意為之付費的。但考慮到廣告業務對全力投入的公司來說利潤豐厚，這裡的引力也很強大。
就像存在著不像Google那麼通用化（但規模小得多）的企業搜尋產品一樣，未來也會出現大量利用人工智慧的專業服務，而且其實現在就已經有了。但是，如果幾年後普通人對聊天機器人的體驗需求是，認為它應該是免費產品，應該對消費者友好，並且在適當的時候會為使用者的問題找到答案、且這一問題恰好需要用購買來解決時，請不要（對出現廣告）感到驚訝。
加入電腦王Facebook粉絲團