Talent und Investitionen sind zwei der wichtigsten Trends, die man im Bereich KI beobachten sollte. 1/ Wer ein Unternehmen hat, um KI-Modelle zu entwickeln 2/ Wie viel Geld ein Unternehmen hat, um die nächsten Generationen von Modellen zu trainieren Hatte einen freien Tag, um mit dem 03 Pro zu spielen, also teile ich ein paar Visualisierungen und Tabellen zu diesen Themen 🧵

Talentflüsse seit Jahresbeginn Von den 100 besten Personen im Bereich KI hat @meta die meisten angezogen (+11), gefolgt von @thinkymachines (+5), @xai (+4), @Microsoft (+3) und @AnthropicAI (+2) @OpenAI hatte den größten Abfluss an Talenten (-19) Microsoft hat Talente von Inflection akquiriert, Google für characterAI und OpenAI hauptsächlich zu Meta sowie SSI/TM Zuckerberg überzeugt.

Prognostizierte Investitionen bis 2030 Die meisten denken, dass wir bis 2030 AGI erreichen, daher schien es passend. Massive Verteilung nach dem Potenzgesetz, wobei Microsoft, Google, OpenAI und Meta am meisten ausgeben (76 % der Gesamtausgaben!) Dieses Diagramm wird sich als sehr falsch herausstellen, da Unternehmen IPOs durchführen, wiederkehrende Einnahmen wachsen, Kapital aufnehmen und es für Trainingsläufe ausgeben. Es ist wirklich schwer, die Investitionen herauszubrechen, daher würde ich annehmen, dass dies falsch ist, aber richtungsweisend korrekt.

Ich habe den ganzen Tag mit OpenAI o3 Pro gesprochen, was sind also seine Gedanken zu unserem Gespräch? - Die Ausgaben kaufen immer noch Führung, aber jeder zusätzliche Leistungszuwachs kostet jetzt exponentiell mehr, sodass wir uns in einem klaren Regime abnehmender Erträge befinden. - Das Angebot an GPUs ist zum ultimativen Tor geworden. Wer die Kapazität von Nvidia Blackwell oder MI300 bis 2027 sichert, hat einen strukturellen Vorteil. - Elite-Forschungstalente zerstreuen sich in kleinere Venture-Labore und chinesische Herausforderer, was das historische Monopol von DeepMind / OpenAI verwässert und das Ausführungsrisiko für die etablierten Unternehmen erhöht. - Die Tiefe der Bilanz entscheidet über die Ausdauer: Meta, Google, Microsoft und Amazon können mehrmilliardenschwere Cluster selbst finanzieren, während OpenAI, Anthropic und xAI weiterhin externe Mittel zu immer höheren Einsätzen benötigen. - Durchbrüche in der algorithmischen Effizienz, wie DeepSeek’s großes MoE und Metas Open-Source-Llama-Roadmap, könnten das Rennen umkehren, indem sie die Kosten pro Punkt um einen Faktor reduzieren.

Inference-Zeitaufwand Ich habe wahrscheinlich 3-4 Stunden mit o3 Pro Deep Research Thinking Time verbracht. Mach damit, was du willst. Das ist alles weit davon entfernt, super korrekt zu sein, angesichts von Transparenzproblemen, CAPEX-Aufschlüsselungsproblemen und dergleichen. Man kann den ganzen Tag über mit o3 Pro eine Menge lernen. Auf zum Abendessen!

Wenn Sie ein Gründer im frühen Stadium im Bereich KI sind und Kapital aufnehmen möchten, kontaktieren Sie mich bitte, ich würde gerne sprechen!

Reichen Sie Ihr Dokument oder Deck bei @VenturesRobot, meinem KI, ein und ich werde es sehen oder Ihnen eine DM senden!