In 2008, Fengji was leading "Asura" at Tencent, coincidentally another Monkey King game.
The game eventually lost it’s way as the focus shifted from fun to revenue.
Fengji believed that games should be “fun first.”
In 2014, Feng Ji left with 7 colleagues to form Game Science.
They started with mobile games to pay the bills.
Their first two games ended up as complete flops.
Feng Ji held onto his dream of creating a single-player masterpiece. He was just waiting for the right moment.
By 2016, Steam's data showed 1/3 of its active users were from China.
Development skills has caught on. Chinese gamers craved high-quality experiences.
It was clear the market was ready.
Feng Ji said, "We're willing to burn ourselves, but we're not moths flying to the fire.”
League of Legends saved Feng.
He forged a close bond with Daniel Wu. They became late-night gaming buddies.
In 2017, Wu bet big on Feng Ji's vision, buying 20% of Game Science for $8.5M.
Despite losses on earlier projects, Wu kept faith.
A true ride or die partner.
Feng Ji hated the mobile game model of in-app purchases and endless monetization.
He believed it killed the true essence of gaming.
This resulted to the company splitting into 2 teams.
One team to keep making mobile games, while he moved on to fulfill his single player dream.
On February 25, 2018, Game Science takes the plunge into AAA development.
The team went all in. They quit jobs, sold properties, and went 4-5 years without income.
Wu provided additional funding and contributed a "large chunk" of the $70M budget.
Black Myth: Wukong was born.
Feng Ji’s vision was clear: create a global game rooted in traditional Chinese culture.
- The team read the novel “Journey to the West” 100+ times.
- They visited countless cultural sites.
- Created 1.2 billion models for the Monkey King’s armor.
Authenticity was everything.
Creating China’s first AAA game was no joke:
The team grew from 7 to 30 and couldn’t find required talent.
They faced challenges in adapting new technologies such as the Unreal Engine.
Wu and Feng called themselves “two drowning rats.”
They were on the brink of failure.
August 2020 was the turning point.
A 13-minute gameplay trailer went viral.
2M views on YouTube, 25M on Bilibili.
• 10,000 job applications
• The team grew to 140 employees
• Tencent bought a 5% stake
What was meant to be a recruitment video became a global sensation.
"When you are at the peak of confidence, you are also staring at the valley of foolishness."
https://x.com/WillieChou/status/1832780019187228843
The game eventually lost it’s way as the focus shifted from fun to revenue.
Fengji believed that games should be “fun first.”
In 2014, Feng Ji left with 7 colleagues to form Game Science.
They started with mobile games to pay the bills.
Their first two games ended up as complete flops.
Feng Ji held onto his dream of creating a single-player masterpiece. He was just waiting for the right moment.
By 2016, Steam's data showed 1/3 of its active users were from China.
Development skills has caught on. Chinese gamers craved high-quality experiences.
It was clear the market was ready.
Feng Ji said, "We're willing to burn ourselves, but we're not moths flying to the fire.”
League of Legends saved Feng.
He forged a close bond with Daniel Wu. They became late-night gaming buddies.
In 2017, Wu bet big on Feng Ji's vision, buying 20% of Game Science for $8.5M.
Despite losses on earlier projects, Wu kept faith.
A true ride or die partner.
Feng Ji hated the mobile game model of in-app purchases and endless monetization.
He believed it killed the true essence of gaming.
This resulted to the company splitting into 2 teams.
One team to keep making mobile games, while he moved on to fulfill his single player dream.
On February 25, 2018, Game Science takes the plunge into AAA development.
The team went all in. They quit jobs, sold properties, and went 4-5 years without income.
Wu provided additional funding and contributed a "large chunk" of the $70M budget.
Black Myth: Wukong was born.
Feng Ji’s vision was clear: create a global game rooted in traditional Chinese culture.
- The team read the novel “Journey to the West” 100+ times.
- They visited countless cultural sites.
- Created 1.2 billion models for the Monkey King’s armor.
Authenticity was everything.
Creating China’s first AAA game was no joke:
The team grew from 7 to 30 and couldn’t find required talent.
They faced challenges in adapting new technologies such as the Unreal Engine.
Wu and Feng called themselves “two drowning rats.”
They were on the brink of failure.
August 2020 was the turning point.
A 13-minute gameplay trailer went viral.
2M views on YouTube, 25M on Bilibili.
• 10,000 job applications
• The team grew to 140 employees
• Tencent bought a 5% stake
What was meant to be a recruitment video became a global sensation.
"When you are at the peak of confidence, you are also staring at the valley of foolishness."
https://x.com/WillieChou/status/1832780019187228843
Forwarded from SNEW스뉴
😂허구헌날 VC에게 까이는 스타트업 창업자분들에게 힘이 될만한 옛날 얘기.
1976년 스티브 잡스가 애플을 창업한 후, 초기 투자금을 모으기 위해 누굴 만나 어떻게 까이고, 누굴 소개 받아 어떻게 투자로 연결되었는 지 자세히 도표로 정리.
여기 보면 별 시덥지않은 이유로 투자 거절을 하고, 평생 이불킥한 거물 VC 이름들이 주루룩 나온다.
스티브 잡스도 초기엔 개무시 당하고 까인 게 한 두번이 아닌데, 나 정도면 양호하다고 위로하는 밤이 되시길...^^
참, 최초 투자가 이뤄진 계기는, 자기는 투자를 안하지만 대신 다른 투자가를 소개해준 사람이 있었기에 가능했다. 그러니 까였다고 좌절 말고, 깐 사람과도 좋은 관계를 유지하시라. "꺼진 불도 다시 보자!"
1. 클라이너 퍼킨스의 톰 퍼킨스와 유진 클라이너
벤처 캐피털 업계의 전설적 인물들이지만, 이들은 잡스와의 만남조차 거부했다. 잡스의 비전을 알아보지 못한 것이다.
2. 빌 드레이퍼
드레이퍼는 잡스와 워즈니악을 오만하다고 판단, 투자를 거절했다. 제품의 잠재력보다 개인의 성격에 집중한 결정이었다.
3. 피치 존슨
가정용 컴퓨터의 개념을 이해하지 못해 투자를 거절했다. "요리법을 저장하는 데 쓰려고?" 라고 물었다고 한다.
4. 스탠 베이트
1만 달러에 애플의 10%를 살 수 있는 기회를 거절했다. 잡스의 외모를 이유로 그를 신뢰하지 않았기 때문이다.
5. 놀란 부쉬넬
아타리의 창업자인 부쉬넬은 5만 달러에 애플의 3분의 1을 살 수 있는 기회를 거절했다. 하지만 잡스를 돈 발렌타인에게 소개했다.
6. 돈 발렌타인
세코이아 캐피털의 창립자인 발렌타인은 직접 투자하지는 않았지만, 잡스를 마이크 마쿨라에게 소개했다.
7. 마이크 마쿨라
마쿨라는 9만1000달러를 투자해 애플의 26%를 확보, 최초의 엔젤 투자자가 되었다. 그는 또한 레지스 매키나를 설득해 애플의 마케팅을 맡게 했다.
8. 레지스 매키나
애플의 상징적인 로고 제작에 참여했다.
9. 행크 스미스
벤록의 스미스는 30만 달러를 투자해 애플의 10%를 확보했다.
이 과정은 단순한 자금 조달 이상의 의미를 갖는다. 잡스의 성공은 끈질긴 인내와 네트워킹의 힘을 보여준다. 그는 수많은 거절 속에서도 포기하지 않고 계속해서 문을 두드렸고, 결국 그의 비전을 이해하는 사람들을 만나게 되었다.
모든 이가 당신의 아이디어를 이해할 필요는 없다. 중요한 것은 끊임없이 노력하고 네트워크를 확장하며, 당신의 비전을 공유할 수 있는 적임자를 찾는 것이다.
https://www.facebook.com/share/p/yYhPJkn3gJofbDSh/?
1976년 스티브 잡스가 애플을 창업한 후, 초기 투자금을 모으기 위해 누굴 만나 어떻게 까이고, 누굴 소개 받아 어떻게 투자로 연결되었는 지 자세히 도표로 정리.
여기 보면 별 시덥지않은 이유로 투자 거절을 하고, 평생 이불킥한 거물 VC 이름들이 주루룩 나온다.
스티브 잡스도 초기엔 개무시 당하고 까인 게 한 두번이 아닌데, 나 정도면 양호하다고 위로하는 밤이 되시길...^^
참, 최초 투자가 이뤄진 계기는, 자기는 투자를 안하지만 대신 다른 투자가를 소개해준 사람이 있었기에 가능했다. 그러니 까였다고 좌절 말고, 깐 사람과도 좋은 관계를 유지하시라. "꺼진 불도 다시 보자!"
1. 클라이너 퍼킨스의 톰 퍼킨스와 유진 클라이너
벤처 캐피털 업계의 전설적 인물들이지만, 이들은 잡스와의 만남조차 거부했다. 잡스의 비전을 알아보지 못한 것이다.
2. 빌 드레이퍼
드레이퍼는 잡스와 워즈니악을 오만하다고 판단, 투자를 거절했다. 제품의 잠재력보다 개인의 성격에 집중한 결정이었다.
3. 피치 존슨
가정용 컴퓨터의 개념을 이해하지 못해 투자를 거절했다. "요리법을 저장하는 데 쓰려고?" 라고 물었다고 한다.
4. 스탠 베이트
1만 달러에 애플의 10%를 살 수 있는 기회를 거절했다. 잡스의 외모를 이유로 그를 신뢰하지 않았기 때문이다.
5. 놀란 부쉬넬
아타리의 창업자인 부쉬넬은 5만 달러에 애플의 3분의 1을 살 수 있는 기회를 거절했다. 하지만 잡스를 돈 발렌타인에게 소개했다.
6. 돈 발렌타인
세코이아 캐피털의 창립자인 발렌타인은 직접 투자하지는 않았지만, 잡스를 마이크 마쿨라에게 소개했다.
7. 마이크 마쿨라
마쿨라는 9만1000달러를 투자해 애플의 26%를 확보, 최초의 엔젤 투자자가 되었다. 그는 또한 레지스 매키나를 설득해 애플의 마케팅을 맡게 했다.
8. 레지스 매키나
애플의 상징적인 로고 제작에 참여했다.
9. 행크 스미스
벤록의 스미스는 30만 달러를 투자해 애플의 10%를 확보했다.
이 과정은 단순한 자금 조달 이상의 의미를 갖는다. 잡스의 성공은 끈질긴 인내와 네트워킹의 힘을 보여준다. 그는 수많은 거절 속에서도 포기하지 않고 계속해서 문을 두드렸고, 결국 그의 비전을 이해하는 사람들을 만나게 되었다.
모든 이가 당신의 아이디어를 이해할 필요는 없다. 중요한 것은 끊임없이 노력하고 네트워크를 확장하며, 당신의 비전을 공유할 수 있는 적임자를 찾는 것이다.
https://www.facebook.com/share/p/yYhPJkn3gJofbDSh/?
Facebook
Log in or sign up to view
See posts, photos and more on Facebook.
https://openai.com/index/learning-to-reason-with-llms/
We trained these models to spend more time thinking through problems before they respond, much like a person would. Through training, they learn to refine their thinking process, try different strategies, and recognize their mistakes.
In our tests, the next model update performs similarly to PhD students on challenging benchmark tasks in physics, chemistry, and biology. We also evaluated o1 on GPQA diamond, a difficult intelligence benchmark which tests for expertise in chemistry, physics and biology. In order to compare models to humans, we recruited experts with PhDs to answer GPQA-diamond questions. We found that o1 surpassed the performance of those human experts, becoming the first model to do so on this benchmark. These results do not imply that o1 is more capable than a PhD in all respects — only that the model is more proficient in solving some problems that a PhD would be expected to solve.
Chain of Thought
Similar to how a human may think for a long time before responding to a difficult question, o1 uses a chain of thought when attempting to solve a problem. Through reinforcement learning, o1 learns to hone its chain of thought and refine the strategies it uses. It learns to recognize and correct its mistakes. It learns to break down tricky steps into simpler ones. It learns to try a different approach when the current one isn’t working. This process dramatically improves the model’s ability to reason. To illustrate this leap forward, we showcase the chain of thought from o1-preview on several difficult problems below.
We trained these models to spend more time thinking through problems before they respond, much like a person would. Through training, they learn to refine their thinking process, try different strategies, and recognize their mistakes.
In our tests, the next model update performs similarly to PhD students on challenging benchmark tasks in physics, chemistry, and biology. We also evaluated o1 on GPQA diamond, a difficult intelligence benchmark which tests for expertise in chemistry, physics and biology. In order to compare models to humans, we recruited experts with PhDs to answer GPQA-diamond questions. We found that o1 surpassed the performance of those human experts, becoming the first model to do so on this benchmark. These results do not imply that o1 is more capable than a PhD in all respects — only that the model is more proficient in solving some problems that a PhD would be expected to solve.
Chain of Thought
Similar to how a human may think for a long time before responding to a difficult question, o1 uses a chain of thought when attempting to solve a problem. Through reinforcement learning, o1 learns to hone its chain of thought and refine the strategies it uses. It learns to recognize and correct its mistakes. It learns to break down tricky steps into simpler ones. It learns to try a different approach when the current one isn’t working. This process dramatically improves the model’s ability to reason. To illustrate this leap forward, we showcase the chain of thought from o1-preview on several difficult problems below.
Openai
Learning to reason with LLMs
We are introducing OpenAI o1, a new large language model trained with reinforcement learning to perform complex reasoning. o1 thinks before it answers—it can produce a long internal chain of thought before responding to the user.
Continuous Learning_Startup & Investment
https://openai.com/index/learning-to-reason-with-llms/ We trained these models to spend more time thinking through problems before they respond, much like a person would. Through training, they learn to refine their thinking process, try different strategies…
𝐅𝐢𝐧𝐞 𝐓𝐮𝐧𝐢𝐧𝐠, 𝐈𝐧𝐟𝐞𝐫𝐞𝐧𝐜𝐞, 𝐚𝐧𝐝 𝐎𝐫𝐜𝐡𝐞𝐬𝐭𝐫𝐚𝐭𝐢𝐨𝐧. o1 represents a shift from ever scaling pre-training to fine-tuning, inference, and orchestration—similar to how single web servers evolved into complex architectures. OpenAI's blog notes, “The constraints on scaling this approach differ substantially from those of LLM pretraining,” reinforcing this change.
𝐒𝐓𝐄𝐌 𝐒𝐭𝐫𝐨𝐧𝐠. There's definite progress on the STEM front, as Kevin Scott notes. I asked about complex thermodynamics and carbon nanotube processes; the results reminded me of grading homework, where steps matter as much as answers. Coding improvements were notable, with 4o better at debugging and development. Previously, Google DeepMind had no peer in hard sciences, but OpenAI may now be entering their lane.
𝐑𝐞𝐬𝐮𝐥𝐭𝐬 𝐯𝐬. 𝐑𝐞𝐚𝐬𝐨𝐧𝐢𝐧𝐠. There's much discussion about chain-of-thought to enhance reasoning. We asked questions requiring multiple reasoning steps. What does it mean when the result is correct but reasoning is wrong? In examples below, it got the right answer but the wrong reasoning - miscounting or involving cookies (though I appreciate a fresh cookie). Our CTO, Vibhu Mittal, noted this resembles System 1 and System 2 thinking. In humans, we'd expect System 2 to override System 1, but here it seems the opposite.
𝐋𝐚𝐭𝐞𝐧𝐜𝐲 𝐢𝐬 𝐓𝐡𝐢𝐧𝐤𝐢𝐧𝐠. AI response delays will now be seen as the AI thinking hard. Increased latency for GPT's advancement seems unavoidable due to required multiple steps and non-parallelized orchestration. I appreciate clever UX touches like the phone vibrating as different processing aspects progress.
𝐋𝐚𝐧𝐠𝐮𝐚𝐠𝐞 𝐚𝐬 𝐔𝐗. There's room to grow in language, important as AI becomes the interface to computation, knowledge, culture, and action. As Ethan Mollick notes, o1 is “not a better writer than GPT-4o”. It feels more like search results than dialog and collaboration. Perhaps that's intentional?
In developing our own GPT4-class model for enterprise AI transformation, we've valued enhancing inference and orchestration layers while prioritizing dialog and collaborative intelligence. I appreciate how GPTo1 expands AI towards STEM and look forward to exploring more. Meanwhile, to celebrate, we've sent a Strawberry Pi to OpenAI headquarters and hope they enjoy it!
𝐒𝐓𝐄𝐌 𝐒𝐭𝐫𝐨𝐧𝐠. There's definite progress on the STEM front, as Kevin Scott notes. I asked about complex thermodynamics and carbon nanotube processes; the results reminded me of grading homework, where steps matter as much as answers. Coding improvements were notable, with 4o better at debugging and development. Previously, Google DeepMind had no peer in hard sciences, but OpenAI may now be entering their lane.
𝐑𝐞𝐬𝐮𝐥𝐭𝐬 𝐯𝐬. 𝐑𝐞𝐚𝐬𝐨𝐧𝐢𝐧𝐠. There's much discussion about chain-of-thought to enhance reasoning. We asked questions requiring multiple reasoning steps. What does it mean when the result is correct but reasoning is wrong? In examples below, it got the right answer but the wrong reasoning - miscounting or involving cookies (though I appreciate a fresh cookie). Our CTO, Vibhu Mittal, noted this resembles System 1 and System 2 thinking. In humans, we'd expect System 2 to override System 1, but here it seems the opposite.
𝐋𝐚𝐭𝐞𝐧𝐜𝐲 𝐢𝐬 𝐓𝐡𝐢𝐧𝐤𝐢𝐧𝐠. AI response delays will now be seen as the AI thinking hard. Increased latency for GPT's advancement seems unavoidable due to required multiple steps and non-parallelized orchestration. I appreciate clever UX touches like the phone vibrating as different processing aspects progress.
𝐋𝐚𝐧𝐠𝐮𝐚𝐠𝐞 𝐚𝐬 𝐔𝐗. There's room to grow in language, important as AI becomes the interface to computation, knowledge, culture, and action. As Ethan Mollick notes, o1 is “not a better writer than GPT-4o”. It feels more like search results than dialog and collaboration. Perhaps that's intentional?
In developing our own GPT4-class model for enterprise AI transformation, we've valued enhancing inference and orchestration layers while prioritizing dialog and collaborative intelligence. I appreciate how GPTo1 expands AI towards STEM and look forward to exploring more. Meanwhile, to celebrate, we've sent a Strawberry Pi to OpenAI headquarters and hope they enjoy it!
Forwarded from 전종현의 인사이트
구글과 비슷하게 AI 바이오 모델을 만드는 팀이 있어서 찾아보니 Dimension, Thrive Capital, OpenAI, Conviction 등으로부터 $30m 투자받은 팀이라고 한다. 창업자는 OpenAI 출신인 Joshua Meier
여담으로 얼마전에 '알파폴드: AI 신약개발 혁신'이란 책을 선물받았는데 내용이 알차보이더라. 바이오스펙테이터 책들이 퀄리티가 정말 좋은 것 같음.
https://www.chaidiscovery.com/blog/introducing-chai-1
여담으로 얼마전에 '알파폴드: AI 신약개발 혁신'이란 책을 선물받았는데 내용이 알차보이더라. 바이오스펙테이터 책들이 퀄리티가 정말 좋은 것 같음.
https://www.chaidiscovery.com/blog/introducing-chai-1
Chaidiscovery
Chai Discovery
Building frontier artificial intelligence to predict and reprogram the interactions between biochemical molecules.
To advance beyond the capabilities of today's models, we need spatially intelligent AI that can model the world and reason about objects, places, and interactions in 3D space and time.
We aim to lift AI models from the 2D plane of pixels to full 3D worlds - both virtual and real - endowing them with spatial intelligence as rich as our own. Human spatial intelligence evolved over millennia; but in this time of extraordinary progress, we see the opportunity to imbue AI with this ability in the near term.
World Labs was founded by visionary AI pioneer Fei-Fei Li along with Justin Johnson, Christoph Lassner, and Ben Mildenhall; each a world-renowned technologist in computer vision and graphics. We are bringing together the most formidable slate of pixel talent ever assembled - from AI research to systems engineering to product design - creating a tight feedback loop between our spatially intelligent foundation models and products that will empower our users.
We aim to lift AI models from the 2D plane of pixels to full 3D worlds - both virtual and real - endowing them with spatial intelligence as rich as our own. Human spatial intelligence evolved over millennia; but in this time of extraordinary progress, we see the opportunity to imbue AI with this ability in the near term.
World Labs was founded by visionary AI pioneer Fei-Fei Li along with Justin Johnson, Christoph Lassner, and Ben Mildenhall; each a world-renowned technologist in computer vision and graphics. We are bringing together the most formidable slate of pixel talent ever assembled - from AI research to systems engineering to product design - creating a tight feedback loop between our spatially intelligent foundation models and products that will empower our users.
샘젤
부모님이 내게 남긴 유산은 지능, 호기심, 추진력, 회복탄력성 그리고 자기 결단력이었다. 부모님은 내게 배움에 대한 헌신과 그것을 실생활에 적용하는 방법, 관습에 도전하는 것, 남들이 머물 때 떠나는 법, 위함을 인식하고 대비하는 것에 대한 이해를 심어주었다.
부모님이 내게 남긴 유산은 지능, 호기심, 추진력, 회복탄력성 그리고 자기 결단력이었다. 부모님은 내게 배움에 대한 헌신과 그것을 실생활에 적용하는 방법, 관습에 도전하는 것, 남들이 머물 때 떠나는 법, 위함을 인식하고 대비하는 것에 대한 이해를 심어주었다.
OnlyFans의 놀라운 경제 구조 분석
성인 플랫폼이라는 이유로 다들 흐린 눈하고 보는 OnlyFans의 수익은 8.3조원으로 5년전보다 2000% 넘게 성장했음.
2023년 기준 창작자에게 지급한 돈이 총 7조원인데,
2023~2024시즌 NBA 전체 연봉이 6.5조원, 프리미어리그가 7조원임.
구독 기반이지만 실제 매출의 60% 이상이 구독이 아닌 거래에서 발생. PornHub, RedTube, YouPorn등을 모두 소유한 포르노 대기업 Aylo(예전 MindGeek)보다 2배 이상 크고, 가입자가 3억명이 넘어감. 창작자에게 80%대의 높은 수익 분배가 가능한 이유는 웹만 지원하기 때문.
글의 마지막에 있는 질문 2가지가 재미남
- X(전 트위터)의 성인 콘텐츠 허용이 OnlyFans에 미칠 영향
- 생성형 AI가 성인 콘텐츠 산업에 미칠 영향
Breaking Down OnlyFans’ Stunning Economics : 글 내용 요약
- Fenix International (“OnlyFans”)은 영국 기반의 사기업이지만, 제한적이지만 공개적으로 사업 정보를 제공해야 함
- 2024년 OnlyFans의 총 매출은 약 8.3조 원($6.3B)으로, 5년 전인 2019년의 약 4,000억 원에서 크게 증가함
- 2023년 수익은 전년 대비 19% 증가한 약 1.4조($1.1B) 증가로, 2022년의 16% 성장률보다 3%p 높음
- 구독을 기반으로 하지만, 매출의 60% 이상이 구독이 아닌 거래에서 발생함
- 캔디크러시 같은 게임에서 보이는 소액 결제가 아닌 "수십 달러" 이상의 추가 구매가 이루어짐
- 구독 매출은 2021년 이후 9%($227M, 3000억원) 증가한 반면, 거래 지출은 70%(또는 $1.6B, 2.1조원) 증가해 전체 성장의 88%를 차지함
- OnlyFans의 매출은 'Aylo'와 같은 포르노 대기업보다 2배 이상 크고, 3억 명 이상의 가입자를 보유함
- Aylo(예전 MindGeek)은 PornHub, Brazzers, RedTube, YouPorn, XTube를 소유함
- 미국 사용자가 매출의 2/3를 차지하고, 영국과 유럽이 16%, 나머지 17%는 '기타 세계'임
# OnlyFans 수익의 성장 요인
- OnlyFans 브랜드 인지도의 증가. 이제 "OnlyFans"가 친밀한 크리에이터 구독을 의미하는 일반명사화됨
- Cardi B, Bella Thorn, Denise Richards, Carmen Electa, Larsa Pippen, Tyga, DJ Khaled, Fat Joe 등 유명 크리에이터들의 합류. 일부는 포르노 콘텐츠를 제공하지 않기도 함
- 규제로 인해 성인물 시장 리더들이 대부분의 카탈로그를 삭제하고 엄격한 신규 업로드 절차를 밟아야 함
- Reddit, Tumblr 등 소셜미디어의 성인물 금지(또는 사실상 금지) 정책으로 인한 시장 공백 발생
- 많은 팔로워를 가진 크리에이터들이 팬을 OnlyFans로 적극적으로 유도하게 됨
- OnlyFans 크리에이터들은 Reddit, Imgur, Instagram, TikTok, Twitter 등을 OnlyFans 고객 유치의 "현관문"으로 활용함
- 이들 플랫폼은 OnlyFans와 직접 경쟁하지 않고 성인물을 금지하기에, 서비스 약관을 준수하는 한도 내에서 이러한 행위를 허용함
- 오히려 이 플랫폼들은 OnlyFans 크리에이터들의 바이럴 콘텐츠 제작으로 혜택을 보게 됨
# OnlyFans 성공의 또 다른 이유
- OnlyFans의 크리에이터 수익 분배율은 80%로 매우 높아서 제작사나 에이전시에서 일하는 것보다 더 많은 수익을 올릴 수 있음
- OnlyFans는 점차 전체 성인물 산업을 잠식하고 있음
- 크리에이터와 포르노 스타는 OnlyFans에서 더 안전하게, 더 자율적인 방식으로 더 많은 수익을 올릴 수 있음
# 높은 수익분배율이 가능한 이유
- OnlyFans는 앱스토어 기반 결제를 제공하지 않기에 80%의 높은 수익 분배가 가능함
- 앱스토어 결제는 수익의 15-30%를 가져감
- iOS 앱스토어와 구글 플레이스토어 모두 성인물 앱을 허용하지 않음
- 일반적으로 이런 금지 정책은 미디어 플랫폼 비즈니스 모델을 파괴할 수 있음
- 그러나 사진, 동영상 보기와 메시지 전송에는 브라우저 기반 경험으로도 충분함
- 반면 대부분의 게임은 브라우저에서 실행조차 어려움
- 앱이 더 나은 사용자 경험과 간편한 결제 프로세스를 제공하긴 하지만,
- 대부분의 OnlyFans 고객은 브라우저 사용과 신용카드 번호 수기 입력에 크게 불편함을 느끼지 않음
- 캐주얼 게임이나 이커머스의 경우에는 덜 해당되는 말임
# 크리에이터 수익의 불평등한 분배
- 지난 5년 동안 OnlyFans 크리에이터는 20조원($15B) 이상을 수령했으며, 2023년에는 전년 대비 19% 증가한 7조원($5.3B)을 지급함
- 2023-2024 시즌 NBA 선수 총 연봉이 6.5조($4.9B)원, 프리미어 리그가 7조원($5.3B), NFL 연봉 상한이 9.5조원($7.2B) 였음
- 물론 OnlyFans에는 410만 명의 크리에이터가 있지만, 이 리그에는 500~1700 정도의 선수들만 있음
- 그러나 OnlyFans는 오픈 플랫폼(은행 계좌가 있는 합법적인 성인이라면 누구나 크리에이터가 될 수 있음)인 반면, 이러한 리그에는 세미프로, 대학, 취미 리그 등 훨씬 더 큰 규모의 리그에서 최고의 선수들만 참여할 수 있음
- OnlyFans의 수익은 대부분의 수익을 거두는 상위 크리에이터에게 집중되어 있고, 대부분의 크리에이터는 거의 가져가지 못함
- 마치 '유명' 리그에 속하지 않은 운동선수의 연봉이 적거나 아예 없는 것과 마찬가지
- 평균적으로 크리에이터는 연간 약 240만원($1,800)의 수익을 올리지만(크리에이터에게는 190만원/$1450 정도가 지급됨), 상위 0.1%는 상위 1%의 15배, 상위 10%의 100배를 벌어들임
- 워싱턴 포스트가 인용했던 2020년 연구 보고서 기준으로 계산해보면
- 상위 10%가 수익의 73% : 36만5천명, 5.1조원($3.9B), 개인별 1460만원($11000)
- 상위 1%가 33% : 36500명, 2.3조원($1.8B), 개인별 6500만원($49000)
- 상위 0.1%가 15% : 3650명, 1.1조원($800M), 개인별 2.9억원($220000)
- 상위 0.01%가 6.8% : 365명, 4790억원($361M), 개인별 13억원($1m)
- 이러한 분배 방식에서는 상위 0.1%가 15%(3650명, 8억 달러, 22만 달러씩)를, 상위 0.01%가 6.8%(365명, 3억 6100만 달러, 100만 달러씩)를 보유
- OnlyFans는 수익 배분을 공개하지 않음
- 위의 수익 배분 예제는 일관성이 없지만 소수의 스트리머가 연간 130억원($10m) 이상의 수익을 올리는 것으로 알려졌고, 이 스트리머들은 가장 높은 수익을 올리는 스트리머도 아님
- Bhad Bhabie와 같은 크리에이터의 (확인 되지 않은) 대시보드 캡쳐에 따르면
- 현재까지 약 930억($70m) 이상의 매출을 내서, 750억($57m)의 수익을 분배 받음
- 매출의 절반은 개인 사용자들과의 유료 메시지 에서 발생(커스텀 오디오/비디오 콘텐츠를 보내는)
- 수익 분배가 불균등한 만큼 팬도 불균등
- 등록된 팬 계정은 3.5억개가 넘음(모두 '활성' 팬은 아니고, 유료 구독자는 더더욱 아님)
- 크리에이터당 74명의 팬을 보유한 셈이지만, 상위 크리에이터의 계정은 수만에서 수백만 명의 팬을 보유
# 상위 크리에이터의 전략
- 무료 등급을 포함한 일련의 등급(티어)을 설정하고, 점점 더 비싸지게 만듦
- 예: Basic(무료), Standard($5/월), Premium($10/월), VIP($100/월)
- 추가 거래(예: Pay-Per-View 메시지나 이미지)는 추가 거래를 요구할 뿐만 아니라, 최상위 등급 구독자에게만 제공됨
성인 플랫폼이라는 이유로 다들 흐린 눈하고 보는 OnlyFans의 수익은 8.3조원으로 5년전보다 2000% 넘게 성장했음.
2023년 기준 창작자에게 지급한 돈이 총 7조원인데,
2023~2024시즌 NBA 전체 연봉이 6.5조원, 프리미어리그가 7조원임.
구독 기반이지만 실제 매출의 60% 이상이 구독이 아닌 거래에서 발생. PornHub, RedTube, YouPorn등을 모두 소유한 포르노 대기업 Aylo(예전 MindGeek)보다 2배 이상 크고, 가입자가 3억명이 넘어감. 창작자에게 80%대의 높은 수익 분배가 가능한 이유는 웹만 지원하기 때문.
글의 마지막에 있는 질문 2가지가 재미남
- X(전 트위터)의 성인 콘텐츠 허용이 OnlyFans에 미칠 영향
- 생성형 AI가 성인 콘텐츠 산업에 미칠 영향
- Fenix International (“OnlyFans”)은 영국 기반의 사기업이지만, 제한적이지만 공개적으로 사업 정보를 제공해야 함
- 2024년 OnlyFans의 총 매출은 약 8.3조 원($6.3B)으로, 5년 전인 2019년의 약 4,000억 원에서 크게 증가함
- 2023년 수익은 전년 대비 19% 증가한 약 1.4조($1.1B) 증가로, 2022년의 16% 성장률보다 3%p 높음
- 구독을 기반으로 하지만, 매출의 60% 이상이 구독이 아닌 거래에서 발생함
- 캔디크러시 같은 게임에서 보이는 소액 결제가 아닌 "수십 달러" 이상의 추가 구매가 이루어짐
- 구독 매출은 2021년 이후 9%($227M, 3000억원) 증가한 반면, 거래 지출은 70%(또는 $1.6B, 2.1조원) 증가해 전체 성장의 88%를 차지함
- OnlyFans의 매출은 'Aylo'와 같은 포르노 대기업보다 2배 이상 크고, 3억 명 이상의 가입자를 보유함
- Aylo(예전 MindGeek)은 PornHub, Brazzers, RedTube, YouPorn, XTube를 소유함
- 미국 사용자가 매출의 2/3를 차지하고, 영국과 유럽이 16%, 나머지 17%는 '기타 세계'임
# OnlyFans 수익의 성장 요인
- OnlyFans 브랜드 인지도의 증가. 이제 "OnlyFans"가 친밀한 크리에이터 구독을 의미하는 일반명사화됨
- Cardi B, Bella Thorn, Denise Richards, Carmen Electa, Larsa Pippen, Tyga, DJ Khaled, Fat Joe 등 유명 크리에이터들의 합류. 일부는 포르노 콘텐츠를 제공하지 않기도 함
- 규제로 인해 성인물 시장 리더들이 대부분의 카탈로그를 삭제하고 엄격한 신규 업로드 절차를 밟아야 함
- Reddit, Tumblr 등 소셜미디어의 성인물 금지(또는 사실상 금지) 정책으로 인한 시장 공백 발생
- 많은 팔로워를 가진 크리에이터들이 팬을 OnlyFans로 적극적으로 유도하게 됨
- OnlyFans 크리에이터들은 Reddit, Imgur, Instagram, TikTok, Twitter 등을 OnlyFans 고객 유치의 "현관문"으로 활용함
- 이들 플랫폼은 OnlyFans와 직접 경쟁하지 않고 성인물을 금지하기에, 서비스 약관을 준수하는 한도 내에서 이러한 행위를 허용함
- 오히려 이 플랫폼들은 OnlyFans 크리에이터들의 바이럴 콘텐츠 제작으로 혜택을 보게 됨
# OnlyFans 성공의 또 다른 이유
- OnlyFans의 크리에이터 수익 분배율은 80%로 매우 높아서 제작사나 에이전시에서 일하는 것보다 더 많은 수익을 올릴 수 있음
- OnlyFans는 점차 전체 성인물 산업을 잠식하고 있음
- 크리에이터와 포르노 스타는 OnlyFans에서 더 안전하게, 더 자율적인 방식으로 더 많은 수익을 올릴 수 있음
# 높은 수익분배율이 가능한 이유
- OnlyFans는 앱스토어 기반 결제를 제공하지 않기에 80%의 높은 수익 분배가 가능함
- 앱스토어 결제는 수익의 15-30%를 가져감
- iOS 앱스토어와 구글 플레이스토어 모두 성인물 앱을 허용하지 않음
- 일반적으로 이런 금지 정책은 미디어 플랫폼 비즈니스 모델을 파괴할 수 있음
- 그러나 사진, 동영상 보기와 메시지 전송에는 브라우저 기반 경험으로도 충분함
- 반면 대부분의 게임은 브라우저에서 실행조차 어려움
- 앱이 더 나은 사용자 경험과 간편한 결제 프로세스를 제공하긴 하지만,
- 대부분의 OnlyFans 고객은 브라우저 사용과 신용카드 번호 수기 입력에 크게 불편함을 느끼지 않음
- 캐주얼 게임이나 이커머스의 경우에는 덜 해당되는 말임
# 크리에이터 수익의 불평등한 분배
- 지난 5년 동안 OnlyFans 크리에이터는 20조원($15B) 이상을 수령했으며, 2023년에는 전년 대비 19% 증가한 7조원($5.3B)을 지급함
- 2023-2024 시즌 NBA 선수 총 연봉이 6.5조($4.9B)원, 프리미어 리그가 7조원($5.3B), NFL 연봉 상한이 9.5조원($7.2B) 였음
- 물론 OnlyFans에는 410만 명의 크리에이터가 있지만, 이 리그에는 500~1700 정도의 선수들만 있음
- 그러나 OnlyFans는 오픈 플랫폼(은행 계좌가 있는 합법적인 성인이라면 누구나 크리에이터가 될 수 있음)인 반면, 이러한 리그에는 세미프로, 대학, 취미 리그 등 훨씬 더 큰 규모의 리그에서 최고의 선수들만 참여할 수 있음
- OnlyFans의 수익은 대부분의 수익을 거두는 상위 크리에이터에게 집중되어 있고, 대부분의 크리에이터는 거의 가져가지 못함
- 마치 '유명' 리그에 속하지 않은 운동선수의 연봉이 적거나 아예 없는 것과 마찬가지
- 평균적으로 크리에이터는 연간 약 240만원($1,800)의 수익을 올리지만(크리에이터에게는 190만원/$1450 정도가 지급됨), 상위 0.1%는 상위 1%의 15배, 상위 10%의 100배를 벌어들임
- 워싱턴 포스트가 인용했던 2020년 연구 보고서 기준으로 계산해보면
- 상위 10%가 수익의 73% : 36만5천명, 5.1조원($3.9B), 개인별 1460만원($11000)
- 상위 1%가 33% : 36500명, 2.3조원($1.8B), 개인별 6500만원($49000)
- 상위 0.1%가 15% : 3650명, 1.1조원($800M), 개인별 2.9억원($220000)
- 상위 0.01%가 6.8% : 365명, 4790억원($361M), 개인별 13억원($1m)
- 이러한 분배 방식에서는 상위 0.1%가 15%(3650명, 8억 달러, 22만 달러씩)를, 상위 0.01%가 6.8%(365명, 3억 6100만 달러, 100만 달러씩)를 보유
- OnlyFans는 수익 배분을 공개하지 않음
- 위의 수익 배분 예제는 일관성이 없지만 소수의 스트리머가 연간 130억원($10m) 이상의 수익을 올리는 것으로 알려졌고, 이 스트리머들은 가장 높은 수익을 올리는 스트리머도 아님
- Bhad Bhabie와 같은 크리에이터의 (확인 되지 않은) 대시보드 캡쳐에 따르면
- 현재까지 약 930억($70m) 이상의 매출을 내서, 750억($57m)의 수익을 분배 받음
- 매출의 절반은 개인 사용자들과의 유료 메시지 에서 발생(커스텀 오디오/비디오 콘텐츠를 보내는)
- 수익 분배가 불균등한 만큼 팬도 불균등
- 등록된 팬 계정은 3.5억개가 넘음(모두 '활성' 팬은 아니고, 유료 구독자는 더더욱 아님)
- 크리에이터당 74명의 팬을 보유한 셈이지만, 상위 크리에이터의 계정은 수만에서 수백만 명의 팬을 보유
# 상위 크리에이터의 전략
- 무료 등급을 포함한 일련의 등급(티어)을 설정하고, 점점 더 비싸지게 만듦
- 예: Basic(무료), Standard($5/월), Premium($10/월), VIP($100/월)
- 추가 거래(예: Pay-Per-View 메시지나 이미지)는 추가 거래를 요구할 뿐만 아니라, 최상위 등급 구독자에게만 제공됨
- 이탈을 최소화하기 위해 많은 혜택(예: 백 카탈로그 - 이전 콘텐츠를 보는 것)은 장기 구독자에게만 제공됨
- 최상위 구독자는 크리에이터와 직접 소통할 수 있는 권한을 받음
- 이는 추가 요금을 이끌어낼 수 있는 요청으로 이어질 수 있음
- 많은 경우, 실제 응답은 크리에이터의 여러 팀원이 작성함
- 많은 크리에이터가 이제 수백만 달러 규모의 기업이 되었기 때문
- Bhad Bhabie와 같은 크리에이터가 수많은 VIP 구독자와 일일이 상세하고 개인화된 대화를 나누는 것은 불가능함
- 이러한 위장 행위로 인해 일부 법적 소송이 제기되기도 함
- 많은 팬들은 사진과 동영상뿐만 아니라, 파라소셜(준 사회적) 관계와 연결에 대한 환상에 돈을 지불하고 있음을 인식해야 함
- 많은 상위 계정은 성인 등급이 아니며, Patreon이나 Substack에서 기대할 만한 콘텐츠에 초점을 맞추기도 함
- 또는 단순히 추가 기능과 업셀링이 있는 비공개(PG-13 등급) 인스타그램에 대한 유료 접근일 뿐인 경우도 있음
# OnlyFans의 수익성과 직원 생산성
- 크리에이터에게 총수익의 80%를 지급함에도 OnlyFans는 상당한 이익을 냄
- 2023년 순수익은 1.7조원($1.3B), 매출총이익은 1.08조원($819M), 영업이익은 8600억($649M, 순수익의 50%, 총수익의 10%)
- 지난 5년 동안 총 2.3조원($1.74B)의 영업이익을 냈고, 5300억원($400M)의 세금을 냄
- 2023년 평균 직원 수는 42명으로 2년 전의 61명에서 감소함
- 해당 년도에 직원 1인당 순수익은 410억원($31M)으로 아마존, 애플, 구글, 마이크로소프트의 13-28배, 영업이익은 200억원($15.5M)으로 27-560배
- 2019년 이후 소유주 2명에게 1.4조원($1.1B)의 배당금을 지급했고, 2023년에만 6275억원($472M)을 지급함
- 이전에 포르노 라이브스트림 회사를 설립한 바 있는 Leonid Radvinsky가 2018년 OnlyFans의 75%를 인수함
- 당시 OnlyFans의 누적 이익은 13억원($1m)을 넘지 않았을 것으로 추정됨
- 지난 몇 년 동안 OnlyFans의 직접적인 경쟁사들이 등장했고, 일부는 크리에이터와의 수익 분배율을 더 높게 제공하기도 함
- 그러나 OnlyFans의 양면시장 규모(즉, 사용자와 크리에이터를 모두 보유)는 수익성뿐만 아니라 지속 가능한 것으로 입증됨
# OnlyFans의 성장 가능성을 넘어선 두 가지 흥미로운 질문
- X(전 트위터)의 성인 콘텐츠 허용이 OnlyFans에 미칠 영향
- 2024년 6월, 일론 머스크는 X에서 성인물에 대한 금지를 해제함
- 이는 유료 구독과 게이트 메시징을 도입한 지 얼마 지나지 않아 이루어진 움직임
- X가 성인 콘텐츠 카테고리 공략에 성공할 것인가?
- 이것이 OnlyFans에 어떤 영향을 미칠 것인가?
- 생성형 AI가 성인 콘텐츠 산업에 미칠 영향
- 생성형 AI는 이미지와 동영상뿐만 아니라 개인화된 에이전트까지 포함
- 이러한 기술이 성인 콘텐츠 카테고리에 어떤 영향을 미칠까?
- 더 많은 대체재의 등장으로 인해 "진짜"에 대한 수요가 감소할 수 있음
- 반대로 진정한 인간 상호작용과 연결에 대한 가치는 오히려 증가할 수도 있음
- 생성형 AI "크리에이터"는 오직 "당신"이 원하는 것을 진정으로 해줄수 있고, 실제 크리에이터와 달리 모든 언어로 소통하고 언제든 이용 가능
- 궁극적으로는 몰입형 3D로도 제공될 수 있을 것
권정혁님
- 최상위 구독자는 크리에이터와 직접 소통할 수 있는 권한을 받음
- 이는 추가 요금을 이끌어낼 수 있는 요청으로 이어질 수 있음
- 많은 경우, 실제 응답은 크리에이터의 여러 팀원이 작성함
- 많은 크리에이터가 이제 수백만 달러 규모의 기업이 되었기 때문
- Bhad Bhabie와 같은 크리에이터가 수많은 VIP 구독자와 일일이 상세하고 개인화된 대화를 나누는 것은 불가능함
- 이러한 위장 행위로 인해 일부 법적 소송이 제기되기도 함
- 많은 팬들은 사진과 동영상뿐만 아니라, 파라소셜(준 사회적) 관계와 연결에 대한 환상에 돈을 지불하고 있음을 인식해야 함
- 많은 상위 계정은 성인 등급이 아니며, Patreon이나 Substack에서 기대할 만한 콘텐츠에 초점을 맞추기도 함
- 또는 단순히 추가 기능과 업셀링이 있는 비공개(PG-13 등급) 인스타그램에 대한 유료 접근일 뿐인 경우도 있음
# OnlyFans의 수익성과 직원 생산성
- 크리에이터에게 총수익의 80%를 지급함에도 OnlyFans는 상당한 이익을 냄
- 2023년 순수익은 1.7조원($1.3B), 매출총이익은 1.08조원($819M), 영업이익은 8600억($649M, 순수익의 50%, 총수익의 10%)
- 지난 5년 동안 총 2.3조원($1.74B)의 영업이익을 냈고, 5300억원($400M)의 세금을 냄
- 2023년 평균 직원 수는 42명으로 2년 전의 61명에서 감소함
- 해당 년도에 직원 1인당 순수익은 410억원($31M)으로 아마존, 애플, 구글, 마이크로소프트의 13-28배, 영업이익은 200억원($15.5M)으로 27-560배
- 2019년 이후 소유주 2명에게 1.4조원($1.1B)의 배당금을 지급했고, 2023년에만 6275억원($472M)을 지급함
- 이전에 포르노 라이브스트림 회사를 설립한 바 있는 Leonid Radvinsky가 2018년 OnlyFans의 75%를 인수함
- 당시 OnlyFans의 누적 이익은 13억원($1m)을 넘지 않았을 것으로 추정됨
- 지난 몇 년 동안 OnlyFans의 직접적인 경쟁사들이 등장했고, 일부는 크리에이터와의 수익 분배율을 더 높게 제공하기도 함
- 그러나 OnlyFans의 양면시장 규모(즉, 사용자와 크리에이터를 모두 보유)는 수익성뿐만 아니라 지속 가능한 것으로 입증됨
# OnlyFans의 성장 가능성을 넘어선 두 가지 흥미로운 질문
- X(전 트위터)의 성인 콘텐츠 허용이 OnlyFans에 미칠 영향
- 2024년 6월, 일론 머스크는 X에서 성인물에 대한 금지를 해제함
- 이는 유료 구독과 게이트 메시징을 도입한 지 얼마 지나지 않아 이루어진 움직임
- X가 성인 콘텐츠 카테고리 공략에 성공할 것인가?
- 이것이 OnlyFans에 어떤 영향을 미칠 것인가?
- 생성형 AI가 성인 콘텐츠 산업에 미칠 영향
- 생성형 AI는 이미지와 동영상뿐만 아니라 개인화된 에이전트까지 포함
- 이러한 기술이 성인 콘텐츠 카테고리에 어떤 영향을 미칠까?
- 더 많은 대체재의 등장으로 인해 "진짜"에 대한 수요가 감소할 수 있음
- 반대로 진정한 인간 상호작용과 연결에 대한 가치는 오히려 증가할 수도 있음
- 생성형 AI "크리에이터"는 오직 "당신"이 원하는 것을 진정으로 해줄수 있고, 실제 크리에이터와 달리 모든 언어로 소통하고 언제든 이용 가능
- 궁극적으로는 몰입형 3D로도 제공될 수 있을 것
권정혁님