人才和资本支出是人工智能领域最重要的两个趋势之一 1/ 一家公司拥有谁来构建人工智能模型 2/ 一家公司有多少钱来训练下一代模型 有一个空闲的日子可以玩03 Pro，所以分享一些关于这些主题的视觉效果和表格 🧵

人才流动自年初以来 在AI领域的前100名人才中，@meta吸引了最多的人才（+11），其次是@thinkymachines（+5），@xai（+4），@Microsoft（+3）和@AnthropicAI（+2） @OpenAI的人才流失最多（-19） 微软收购了inflection的人才，谷歌收购了characterAI，而OpenAI则主要流向Meta和SSI/TM 扎克伯格正在说服人们。

预计到2030年的资本支出 大多数人认为我们将在2030年实现AGI，因此这似乎是合适的。 微软、谷歌、OpenAI和Meta的支出占总支出的76%，呈现出巨大的幂律分布！ 随着公司上市、增长经常性收入、筹集资金并将其用于训练运行，这张图表将被证明是非常错误的。很难分解资本支出，所以我假设这可能是错误的，但方向上是正确的。

我整天都在和 OpenAI o3 Pro 交谈，那么它对我们的对话有什么看法？ - 支出仍在购买领导地位，但每一个增量性能点现在的成本呈指数增长，因此我们处于明显的收益递减状态。 - GPU 供应已成为最终的门槛。谁能在 2027 年之前锁定 Nvidia Blackwell 或 MI300 的产能，谁就能保持结构性优势。 - 精英研究人才正在分散到更小的风险投资实验室和中国竞争者中，这稀释了历史上 DeepMind/ OpenAI 的垄断地位，并增加了现有公司的执行风险。 - 资产负债表的深度决定了耐力：Meta、Google、Microsoft 和 Amazon 可以自筹资金建立数十亿的集群，而 OpenAI、Anthropic 和 xAI 必须不断以更高的风险寻求外部资金。 - 算法效率的突破，例如 DeepSeek 的大型 MoE 和 Meta 的开源 Llama 路线图，可能通过将每分数点的成本降低一个数量级来改变竞争格局。

推理时间花费 我可能花了 3-4 小时在 o3 Pro 深度研究思考上。你可以随意处理。 考虑到透明度问题、资本支出细分问题等，这一切都远非完全正确。 你可以整天在 03 Pro 上学到很多东西。要去吃晚餐了！

如果你是一位早期阶段的人工智能创始人正在筹集资金，请联系我，我很想和你谈谈！

将您的文档或演示文稿提交给 @VenturesRobot 我的 AI，我会查看或私信您！