原贴链接

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

  1. 👍 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
  2. 🔥 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。
  3. 💡 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。
  4. 👍 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
  5. 💡 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

  1. “😂 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 garden ecosystem.”
    • 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。
  2. “🤔 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。
  3. “👀 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。
  4. “😂 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。
  5. “🤔 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?