还记得优步(Uber)乘车几乎免费的时候吗?那是风投补贴交通的时代。现在我们处于风投补贴人工智能的时代。我们得到的不是廉价的乘车服务,而是廉价的智能。正如丹·霍肯迈尔(Dan Hockenmaier)最近指出的:趁现在还能用就用吧——因为这么好的东西不会永远免费。这是对山姆·奥特曼(Sam Altman)在X(推特)上发布的内容(大意是:疯狂的事:我们目前在OpenAI专业订阅上亏损,人们的使用量远超我们的预期)的回应。原帖链接:https://www.linkedin.com/posts/rubendominguezibar_remember-when-uber-rides-cost-next-to-nothing-activity-7282134404733284352-Sdz1?utm_source=share&utm_medium=member_android。这是一个很有趣的观点,我想知道是否属实,但话说回来,在过去两年里我们已经把模型做得小了好几个数量级,更快也更便宜了,所以情况可能并非如此。大家有什么想法吗?
讨论总结
原帖以VC补贴的AI类比VC补贴的Uber低价时期,探讨AI是否会像Uber那样低价状态不会永远持续。评论涉及多个方面,包括AI公司与本地AI的竞争策略、技术发展趋势对模型大小的影响、人工智能成本与智商等级的关系、开源模型面临的风险等,整体氛围理性,大家从不同角度阐述观点。
主要观点
- 👍 VC补贴的技术行业会出现劣质化现象,所有者会设法从用户处获取更多利益
- 支持理由:历史上VC补贴行业有这样的发展趋势,用户习惯的生态系统会被利用。
- 反对声音:无
- 🔥 AI公司可通过打造大型模型与本地AI竞争,若不成功可能出现本地AI监管
- 正方观点:大型模型可以构建技术壁垒,使本地AI难以竞争。
- 反方观点:技术朝着小尺寸强大功能发展,大型模型不是唯一竞争手段。
- 💡 90智商的人工智能可能成本极低,120+智商的人工智能成本与人类成本可比且有规模效益
- 解释:基于对人工智能发展的推测,不同智商等级的AI成本受规模和计算优化影响。
- 👍 应在开源模型消失前存档,开源模型可能因版权、国家安全等原因消失
- 支持理由:保护开源模型资源,应对可能的消失风险。
- 反对声音:无
- 💡 AI和Uber补贴时期有相似之处,但AI因技术发展成本可降低,Uber受司机生计限制
- 解释:从资金投入和成本构成方面分析两者的异同。
金句与有趣评论
- “😂 Have fun when enshittification hits (as it does with every VC - subsidised tech sector business) and the owners have to find more and more reason to extract money out of wallet when you’re bought in and acclimatised to their
walled gardenecosystem.”- 亮点:提出“enshittification”概念,形象地描述VC补贴行业可能出现的不良发展。
- “🤔 The best hope that AI companies will have at competing against local AI is making a model so big that nobody can hope to run it on anything other than an enterprise grade system.”
- 亮点:提出AI公司与本地AI竞争的一种独特策略。
- “👀 It might turn out that that 90 IQ AI will be dirt cheap due to size and optimized compute while 120+ is comparable to human cost, with the benefit of a scale.”
- 亮点:对不同智商等级AI成本的新颖推测。
- “😂 Another good reason to archive good open source models before they disappear for various “reasons” such as legal challenges aka copyright or IP “thefts”, “national security” concerns, blah blah blah….”
- 亮点:指出开源模型存档的必要性和可能面临的多种风险。
- “🤔 AI真的在大量资金投入下变得更便宜,蒸馏后的o3模型比o1更快更便宜。”
- 亮点:用具体模型举例说明AI成本降低的事实。
情感分析
总体情感倾向较为理性客观。主要分歧点在于AI公司竞争策略(打造大型模型还是小型模型更优)以及AI未来成本走向(是否会像Uber一样从低价补贴走向高价收费)。可能的原因是大家从不同的专业角度、使用体验和对未来发展的预期出发来考虑问题。
趋势与预测
- 新兴话题:模型盗版行为及如何应对,AI发展结果的不确定性。
- 潜在影响:对AI行业来说,如果模型盗版行为增多可能会影响行业盈利模式;AI发展的不确定性可能影响投资者决策和技术研发方向。
详细内容:
标题:Reddit 热议:VC 补贴下的交通与 AI 发展的相似与差异
曾经,Uber 打车费用低得惊人。而如今,我们身处 VC 补贴的 AI 时代,享受着看似“廉价”的智能服务。一篇相关帖子在 Reddit 上引发了热烈讨论,获得了众多关注和大量评论。
帖子指出,正如 Dan Hockenmaier 所说,享受当下这种福利吧,因为没有什么好事能永远免费。这是对 Sam Altman 关于 OpenAI Pro 订阅亏损言论的回应。原帖链接:https://www.linkedin.com/posts/rubendominguezibar_remember-when-uber-rides-cost-next-to-nothing-activity-7282134404733284352-Sdz1?utm_source=share&utm_medium=member_android
讨论焦点集中在以下几个方面:
有人认为,就像每个 VC 补贴的科技行业业务一样,当“恶化”到来时会很糟糕,一旦用户习惯了其生态系统,所有者就会想方设法从用户钱包中掏钱。
有人觉得在当前形势下依赖中国推进开放模型的发展很奇怪,但也有人反驳这种观点。
还有人指出,Meta 和 AI2 是为数不多真正助力开源的美国公司,而 OpenAI 则限制重重。
有人分享自己在本地的 m2 上运行模型,几乎不耗能,每秒能处理 40 个令牌。
关于模型的发展趋势,有人认为未来会朝着更小、更高效的方向发展,新的显卡将拥有更多更快的内存。但也有人认为大模型仍有其不可替代的优势。
有人担心当 VC 资金枯竭时,开放模型的新发布也会受到影响。
有用户提出,为了能更轻松地运行较小版本的模型,我们需要从大型模型如 Claude 和 o1 中创建提炼后的数据集。
有人认为 90 智商的 AI 可能因规模和优化计算而变得非常便宜,而 120 以上智商的则成本堪比人类。
有人表示服务会越来越便宜,但硬件会越来越贵。
有人认为 Uber 打车费用低并非因为供应超过需求,而是因为 Uber 改变了薪酬标准,导致大量司机退出,如今司机减少,用户等待时间变长。
有人担心未来模型可能会被封锁或定价高昂。
讨论中的共识在于大家都对 VC 补贴模式的可持续性以及未来的发展方向存在担忧。
这场讨论充分展现了大家对于科技发展中各种现象的深入思考,也让我们对未来的走向充满了期待和疑惑。那么,在这场科技变革中,我们究竟会走向何方呢?
感谢您的耐心阅读!来选个表情,或者留个评论吧!