人才和資本支出是人工智慧中最重要的兩個趨勢。 1/ 一家公司擁有誰來建立人工智慧模型 2/ 一家公司有多少資金來訓練下一代模型 有一個空閒的日子來玩 03 Pro，所以分享一些關於這些主題的視覺效果和表格 🧵

人才流動自年初以來 在AI領域的前100名人物中，@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) 微軟收購了 inflection 人才，谷歌則收購了 characterAI，而 OpenAI 主要轉移到 Meta 和 SSI/TM Zuckberg 正在說服中。

預計到2030年的資本支出 大多數人認為我們會在2030年實現AGI，因此這似乎是合適的。 微軟、谷歌、OpenAI和Meta的支出佔總支出的76%，呈現出巨大的冪次法則分佈！ 隨著公司IPO、增長經常性收入、籌集資本並將其用於訓練運行，這張圖表將被證明是非常錯誤的。真的很難分解資本支出，所以我假設這是錯誤的，但方向上是正確的。

我整天都在和 OpenAI o3 Pro 交談，那麼它對我們的對話有什麼看法？ - 支出仍在購買領導地位，但每一個增量性能點現在的成本呈指數增長，因此我們明顯處於收益遞減的狀態。 - GPU 供應已成為最終的門檻。誰能在 2027 年之前鎖定 Nvidia Blackwell 或 MI300 的產能，誰就能保持結構性優勢。 - 精英研究人才正在分散到更小的風險實驗室和中國挑戰者中，這稀釋了歷史上 DeepMind/ OpenAI 的壟斷地位，並提高了現有公司的執行風險。 - 資產負債表的深度決定了耐力：Meta、Google、Microsoft 和 Amazon 可以自籌資金建立數十億的集群，而 OpenAI、Anthropic 和 xAI 必須在越來越高的風險下不斷尋求外部資金。 - 算法效率的突破，例如 DeepSeek 的大型 MoE 和 Meta 的開源 Llama 路線圖，可能會通過將每分數點的成本降低一個數量級來改變競賽的格局。

推理時間花費 我可能花了 3-4 小時在 o3 Pro 深度研究思考上。你可以隨意處理。 考慮到透明度問題、資本支出細分問題等，這一切都遠非完全正確。 你可以整天在 03 Pro 上學到很多東西。要去吃晚餐了！

如果你是一位早期階段的 AI 創始人正在籌集資金，請聯繫我，我很想和你聊聊！

將您的文件或簡報提交給 @VenturesRobot 我的 AI，我會查看或私訊！