人材と設備投資は、AI で注目すべき最も重要なトレンドの 2 つです 1/ AIモデルを構築する企業が誰にしなければならないか 2/ 企業が次世代モデルをトレーニングするためにどれくらいの資金が必要か 03 Pro で遊ぶ自由な日があったので、これらのトピック🧵に関するいくつかのビジュアルと表を共有します

年初からの人材フロー AIの上位100人のうち、@metaが最も多く(+11)、次いで@thinkymachines(+5)、@xai(+4)、@Microsoft(+3)、@AnthropicAI(+2)となっています @OpenAI人材の流出が最も多かった(-19) Microsoftはinflection talent、characterAIはGoogle、OpenAIは主にMeta、SSI/TMを買収 ザックバーグは説得力がある。

2030年までの設備投資予測 ほとんどの人は、2030年までにAGIを達成すると考えており、適切であるように思えました。 Microsoft、Google、OpenAI、Metaが最も多くの支出をしている大規模なべき乗則の配布(総支出の76%)。 このチャートは、企業がIPOし、経常収益を増やし、資本を調達し、トレーニングランに費やすにつれて、非常に間違っていることが判明するでしょう。設備投資を分解するのも非常に難しいので、これは間違っていますが、方向的には正しいと思います。

私は OpenAI o3 Pro と話しました 一日中、私たちの会話についてどう思っていますか? - 支出は依然としてリーダーシップを買っていますが、パフォーマンスポイントが増加するたびにコストが指数関数的に高くなるため、明らかに収益逓減体制にあります - GPU供給が究極のゲートとなった。Nvidia Blackwell または MI300 の生産能力を 2027 年までロックする人は誰でも、構造的な優位性を維持できます - エリート研究人材が小規模なベンチャーラボや中国の挑戦者に分散しており、歴史的なDeepMind/OpenAIの独占を希薄化させ、既存企業の実行リスクを高めている - バランスシートの深さがスタミナを左右する:Meta Google、Microsoft Amazonは数十億のクラスターに自己資金を調達できる一方、OpenAI Anthropic xAIはこれまで以上に高いリスクで外部資金を活用し続ける必要がある - DeepSeek の大規模な MoE や Meta のオープンソースの Llama ロードマップなどのアルゴリズム効率のブレークスルーにより、スコア ポイントあたりのコストが桁違いに削減され、競争が逆転する可能性があります

推論に費やす時間 おそらく、o3 Pro Deep Research Thinking Time の 3-4 時間を使い果たしました。それをやりたいようにしてください。 透明性の問題や設備投資の内訳の問題などを考慮すると、これはすべて非常に正しいとは程遠いです。 03 Pro で一日中多くのことを学ぶことができます。夕食へ!

資金を調達している初期段階の AI 創業者であれば、ぜひご連絡ください ぜひご相談ください!

私の AI にドキュメントまたはデッキを提出して @VenturesRobot すると、私がそれを見るか DM で送ります。