Il talento e il Capex sono due delle tendenze più importanti da tenere d'occhio nell'IA 1/ Chi ha un'azienda per costruire modelli di IA 2/ Quanto denaro ha un'azienda per addestrare i modelli di nuova generazione Ho avuto una giornata libera per giocare con 03 Pro, quindi condivido alcune immagini e tabelle su questi argomenti 🧵

Flussi di talenti dall'inizio dell'anno Tra le prime 100 persone nel campo dell'IA, @meta ha attratto il maggior numero di talenti (+11), seguita da @thinkymachines (+5), @xai (+4), @Microsoft (+3) e @AnthropicAI (+2) @OpenAI ha avuto il maggior deflusso di talenti (-19) Microsoft ha acquisito talenti da inflection, Google per characterAI e OpenAI principalmente per Meta e SSI/TM Zuckberg sta convincendo.

Capex previsto fino al 2030 La maggior parte pensa che raggiungeremo l'AGI entro il 2030, quindi sembrava appropriato. Distribuzione massiccia della legge di potenza con Microsoft, Google, OpenAI e Meta che spendono di più (76% della spesa totale!) Questo grafico si dimostrerà molto errato man mano che le aziende andranno in IPO, cresceranno i ricavi ricorrenti, raccoglieranno capitali e li spenderanno per le sessioni di addestramento. È davvero difficile separare il capex, quindi suppongo che questo sia sbagliato ma direzionalmente corretto.

Ho parlato con OpenAI o3 Pro tutto il giorno, quindi quali sono i suoi pensieri sulla nostra conversazione? - La spesa sta ancora acquistando leadership, ma ogni punto di performance incrementale ora costa esponenzialmente di più, quindi siamo in un chiaro regime di rendimenti decrescenti. - L'offerta di GPU è diventata il gate definitivo. Chiunque blocchi la capacità di Nvidia Blackwell o MI300 fino al 2027 mantiene un vantaggio strutturale. - I talenti di ricerca d'élite si stanno disperdendo in laboratori di venture più piccoli e sfidanti cinesi, il che diluisce il monopolio storico di DeepMind / OpenAI e aumenta il rischio di esecuzione per gli incumbents. - La profondità del bilancio decide la resistenza: Meta, Google, Microsoft e Amazon possono autofinanziare cluster da miliardi, mentre OpenAI, Anthropic e xAI devono continuare a cercare fondi esterni a stake sempre più elevati. - Le scoperte di efficienza algoritmica, come il grande MoE di DeepSeek e la roadmap open-source di Llama di Meta, potrebbero ribaltare la corsa riducendo il costo per punto di punteggio di un ordine di grandezza.

Tempo di inferenza Probabilmente ho impiegato 3-4 ore di tempo di pensiero profondo con o3 Pro. Fai con questo ciò che vuoi. Tutto ciò è lontano dall'essere super corretto, date le questioni di trasparenza, i problemi di suddivisione del capex e simili. Puoi imparare MOLTO con 03 Pro tutto il giorno. Vado a cena!

Se sei un fondatore di AI in fase iniziale che sta raccogliendo capitali, per favore mettiti in contatto, mi piacerebbe parlare!

Invia il tuo documento o la tua presentazione a @VenturesRobot, il mio AI, e lo vedrò o mandami un DM!