Talentul și Capex sunt două dintre cele mai importante tendințe de urmărit în AI 1/ Cine are o companie pentru a construi modele AI 2/ Câți bani are o companie pentru a antrena modele de generație următoare Am avut o zi liberă pentru a juca cu 03 Pro, așa că am împărtășit câteva imagini și tabele pe aceste subiecte 🧵

Fluxuri de talente de la începutul anului Dintre primii 100 de oameni din AI, @meta atras cel mai mult (+11), urmat de @thinkymachines (+5), @xai (+4), @Microsoft (+3) și @AnthropicAI (+2) @OpenAI a avut cel mai mare flux de talente (-19) Microsoft a achiziționat talente de inflexiune, Google pentru characterAI și OpenAI pentru Meta în principal și SSI/TM Zuckberg este convingător.

Capex proiectat până în 2030 Cei mai mulți cred că vom atinge AGI până în 2030, așa că părea potrivit. Distribuție masivă a legii puterii, Microsoft, Google, OpenAI și Meta cheltuind cel mai mult (76% din cheltuielile totale!) Acest grafic se va dovedi a fi foarte greșit pe măsură ce companiile IPO, cresc veniturile recurente, strâng capital și îl cheltuiesc pe curse de formare. Foarte greu de spart și capex, așa că aș presupune că este greșit, dar corect din punct de vedere direcțional.

Am vorbit cu OpenAI o3 Pro toată ziua, deci ce părere are despre conversația noastră? - Cheltuielile sunt încă un lider de cumpărare, dar fiecare punct de performanță incrementală costă acum exponențial mai mult, așa că ne aflăm într-un regim clar de randament descrescător - Alimentarea cu GPU a devenit poarta finală. Oricine blochează capacitatea Nvidia Blackwell sau MI300 până în 2027 păstrează un avantaj structural - Talentele de cercetare de elită se împrăștie în laboratoare de risc mai mici și în concurenți chinezi, ceea ce diluează monopolul istoric DeepMind / OpenAI și crește riscul de execuție pentru operatorii tradiționali - Profunzimea bilanțului decide rezistența: Meta Google Microsoft Amazon poate autofinanța clustere de mai multe miliarde, în timp ce OpenAI Anthropic xAI trebuie să continue să folosească numerar extern la mize din ce în ce mai mari - Descoperirile de eficiență algoritmică, cum ar fi marele MoE al DeepSeek și foaia de parcurs open-source Llama de la Meta, ar putea răsturna cursa prin reducerea costului pe punct de scor cu un ordin de mărime

Timp de inferență petrecut Probabil că am folosit 3-4 ore de timp de gândire în cercetare profundă o3 Pro. Fă cu asta ce vrei. Toate acestea sunt departe de a fi foarte corecte, având în vedere problemele de transparență, problemele de defalcare a cheltuielilor de capital și altele asemenea. Puteți învăța MULTE cu 03 Pro toată ziua. Să luăm cina!

Dacă sunteți un fondator AI în stadiu incipient care strânge capital, vă rugăm să ne contactați, mi-ar plăcea să vorbesc!

Trimiteți-vă documentul sau pachetul la @VenturesRobot inteligența artificială și îl voi vedea sau îl voi trimite DM!