Talento e Capex são duas das tendências mais importantes a serem observadas em IA 1/ Quem uma empresa tem para construir modelos de IA 2/ Quanto dinheiro uma empresa tem para treinar modelos de próxima geração Tive um dia livre para jogar com o 03 Pro, então compartilhei alguns recursos visuais e tabelas sobre esses tópicos 🧵
Fluxos de talentos desde o início do ano Das 100 principais pessoas em IA, @meta atraíram mais (+11), seguidas por @thinkymachines (+5), @xai (+4), @Microsoft (+3) e @AnthropicAI (+2) @OpenAI teve a maior saída de talentos (-19) A Microsoft adquiriu talentos de inflexão, Google para characterAI e OpenAI para Meta principalmente e SSI/TM Zuckberg é convincente.
Capex projetado para 2030 A maioria acha que alcançamos a AGI até 2030, então parecia adequado. Distribuição massiva de leis de potência com Microsoft, Google, OpenAI e Meta gastando mais (76% do gasto total!) Este gráfico provará estar muito errado à medida que as empresas fazem IPO, aumentam a receita recorrente, levantam capital e o gastam em treinamentos. Muito difícil quebrar o capex também, então eu suponho que isso esteja errado, mas direcionalmente correto.
Falei com a OpenAI o3 Pro o dia todo, então quais são seus pensamentos sobre nossa conversa? - Os gastos ainda estão comprando liderança, mas cada ponto de desempenho incremental agora custa exponencialmente mais, então estamos em um claro regime de retornos decrescentes - O fornecimento de GPU tornou-se o portão final. Quem bloquear a capacidade da Nvidia Blackwell ou MI300 até 2027 mantém uma vantagem estrutural - O talento de pesquisa de elite está se espalhando em laboratórios de risco menores e desafiantes chineses, o que dilui o monopólio histórico da DeepMind / OpenAI e aumenta o risco de execução para os operadores históricos - A profundidade do balanço decide a resistência: Meta Google Microsoft Amazon pode autofinanciar clusters multibilionários, enquanto OpenAI Anthropic xAI deve continuar aproveitando dinheiro externo em apostas cada vez mais altas - Avanços de eficiência algorítmica, como o grande MoE da DeepSeek e o roteiro Llama de código aberto da Meta, podem virar a corrida cortando o custo por ponto de pontuação em uma ordem de magnitude
Tempo gasto de inferência Provavelmente usei 3-4 horas de tempo de pensamento de pesquisa profunda do o3 Pro. Faça com isso o que quiser. Tudo isso está longe de ser super correto, dados os problemas de transparência, problemas de detalhamento de capex e afins. Você pode aprender MUITO com o 03 Pro o dia todo. Fora para jantar!
Se você é um fundador de IA em estágio inicial levantando capital, entre em contato, eu adoraria conversar!
Envie seu documento ou deck para @VenturesRobot minha IA e eu o verei ou DM!
3,28K