Le talent et les dépenses en capital (Capex) sont deux des tendances les plus importantes à surveiller dans l'IA 1/ Qui une entreprise a pour construire des modèles d'IA 2/ Combien d'argent une entreprise a pour former les modèles de nouvelle génération J'ai eu une journée libre pour jouer avec le 03 Pro, donc je partage quelques visuels et tableaux sur ces sujets 🧵

Flux de talents depuis le début de l'année Parmi les 100 meilleures personnes en IA, @meta a attiré le plus de talents (+11), suivi par @thinkymachines (+5), @xai (+4), @Microsoft (+3) et @AnthropicAI (+2) @OpenAI a connu le plus grand exode de talents (-19) Microsoft a acquis des talents d'inflection, Google pour characterAI et OpenAI vers Meta principalement et SSI/TM Zuckberg est convaincant.

Capex projeté jusqu'en 2030 La plupart pensent que nous atteindrons l'AGI d'ici 2030, donc cela semblait approprié. Une distribution de loi de puissance massive avec Microsoft, Google, OpenAI et Meta dépensant le plus (76 % des dépenses totales !) Ce graphique s'avérera très faux à mesure que les entreprises entreront en bourse, développeront des revenus récurrents, leveront des fonds et les dépenseront pour des sessions d'entraînement. Il est vraiment difficile de décomposer le capex aussi, donc je suppose que c'est faux mais directionnellement correct.

J'ai parlé à OpenAI o3 Pro toute la journée, alors quelles sont ses réflexions sur notre conversation ? - Les dépenses achètent toujours le leadership, mais chaque point de performance supplémentaire coûte désormais exponentiellement plus, nous sommes donc dans un régime de rendements décroissants clair. - L'approvisionnement en GPU est devenu le véritable verrou. Quiconque verrouille la capacité Nvidia Blackwell ou MI300 jusqu'en 2027 conserve un avantage structurel. - Les talents de recherche d'élite se dispersent dans de plus petits laboratoires de capital-risque et des challengers chinois, ce qui dilue le monopole historique de DeepMind / OpenAI et augmente le risque d'exécution pour les acteurs établis. - La profondeur du bilan décide de l'endurance : Meta, Google, Microsoft et Amazon peuvent autofinancer des clusters de plusieurs milliards, tandis qu'OpenAI, Anthropic et xAI doivent continuer à puiser dans des fonds externes à des enjeux toujours plus élevés. - Les percées en matière d'efficacité algorithmique, telles que le grand MoE de DeepSeek et la feuille de route open-source Llama de Meta, pourraient renverser la course en réduisant le coût par point de score d'un ordre de grandeur.

Temps de déduction J'ai probablement utilisé 3 à 4 heures de temps de réflexion approfondie avec o3 Pro. Faites-en ce que vous voulez. Tout cela est loin d'être super correct compte tenu des problèmes de transparence, des problèmes de répartition des capex et autres. Vous pouvez apprendre ÉNORMÉMENT avec 03 Pro toute la journée. Je file dîner !

Si vous êtes un fondateur d'IA en phase précoce à la recherche de capitaux, n'hésitez pas à me contacter, j'aimerais discuter !

Soumettez votre document ou votre présentation à @VenturesRobot mon IA et je le verrai ou envoyez-moi un message privé !