OpenAI 的问题：重 AGI、轻 ROI

周日愉快，欢迎来到《Investing in AI》。如果你还没看过我们的 AI in NYC 节目 ，一定不要错过！我们刚刚发布了第 10 期节目，嘉宾是来自 Semianalysis 的 Doug O’Laughlin。也请查看我们全新的 排行榜 ，它展示了不同测试时缩放算法与模型组合在各类工作任务中的表现。

今天我想谈谈 OpenAI 以及 Sam Altman 最近发布的 Code Red 声明 。OpenAI 成立之初，是为了追逐 AGI 的梦想，那时全世界都相信，谁先实现 AGI，谁就能拥有世界。但随着所有前沿实验室逐渐追上 OpenAI，且规模化定律开始放缓，OpenAI 似乎并未调整其愿景以适应新的现实。在令人眼花缭乱的新闻稿和价值数十亿美元的算力集群之间，一个真正重要的新问题被忽视了：到底是谁在为这一切买单，而他们又得到了什么回报？

AI 行业的可持续性并不取决于构建能够做所有事情的机器，而是取决于构建能够以客户真正愿意支付的价格完成有用之事的机器。前进的道路需要从“魔法”走向“指标”——从追逐通用人工智能转向实现投资回报。

训练一个前沿 AI 模型并不便宜。据报道，GPT-4 的训练成本高达数亿美元。下一代模型的成本可能达到数十亿美元。这些数字还不包括其背后令人震惊的基础设施：耗电量足以为小型城市供电的数据中心、单颗价格高达数万美元的专用芯片，以及领取硅谷薪资水平、规模庞大的工程师队伍。

那回报呢？OpenAI 在账面上拥有令人印象深刻的营收数字，但公司仍在承受巨额亏损。对大语言模型的每一次查询都会产生实实在在的计算成本，而其中很多查询只是人们让聊天机器人帮他们写婚礼致辞或裁决酒吧里的争论。这种经济账并不成立。当你的成本结构要求你最终必须创造出超过大多数《财富》500 强公司的收入才能勉强持平时，你拥有的不是一个商业模式，而是一场押注。

很少登上头条的是：真正产生利润的 AI 应用并不是在试图复制人类认知。它们在极其出色地解决具体且有边界的问题。

“窄人工智能”（Narrow AI）——为特定任务而非通用推理而设计的人工智能——已经在带来可衡量回报的情况下改变着各行各业。在制药研究中，AI 系统能够在数个月而非数年内识别出有前景的候选药物，压缩研发周期并大幅削减 R&D 成本。在物流领域，机器学习算法实时优化供应链，为企业在库存成本和送货效率上节省数百万美元。在金融服务行业，欺诈检测系统以超越人类的速度分析交易模式，每年防止数十亿美元的损失。

这些并非“登月式”项目，而是利润中心。部署它们的公司可以拿出明确的数据来证明：成本下降、收入增长、问题得到解决。这不是路演 PPT 里的幻想——这是季度财报里的现实。

这部电影我们以前就看过。20 世纪 90 年代末，互联网泡沫在“互联网将改变一切”的承诺中膨胀。它最终确实改变了一切——但在那之前，无数公司为了追逐增长指标而不是可持续的商业模式，烧光了投资者的资本。Pets.com 成了笑柄，Webvan 轰然倒塌。崩盘抹去了数万亿美元的市值，并让“科技投资人”这一职业在多年里都成了高风险选择。

与当今 AI 热潮的相似之处令人不安。资本以前所未有的速度涌入这一领域，却往往与任何现实的盈利路径脱节。估值建立在潜力之上，而非业绩之上。而支撑这一切的隐含假设——更大的模型必然会带来值得不惜一切代价追逐的颠覆性能力——至今仍未被证实。

如果 AI 不能开始自我造血，资本就会枯竭。不是因为投资者对这项技术的长期潜力失去信心，而是因为他们在等待这种潜力转化为回报的过程中耗尽了耐心。一旦如此，整个领域都会受到冲击。有前景的研究被削减资金，才华横溢的工程师流向其他行业，进步停滞——不是因为技术原因，而是因为财务原因。

AI 行业面临的选择并非雄心与务实之间的对立，而是在可持续进步与壮观失败之间做出抉择。OpenAI 对 AGI 的一意孤行式追求，代表了一种关于人工智能应成为什么的特定愿景：一种能够重塑文明的、通用型的变革性技术。从长远来看，这一愿景甚至可能是正确的。

但漫长的未来前提是活过短期。十年后仍然屹立不倒并持续创新的公司，将是那些打造能够以合理的经济成本，为真实客户解决真实问题的 AI 的公司。

Anthropic，作为 OpenAI 的顶级初创公司竞争对手， 走了一条截然不同的道路 ，并且预计会更早展示 ROI。再者，如果你还记得 Google 发布的那份“we have no moat”备忘录，其中断言 OpenAI 同样没有护城河。OpenAI 已经在数十个不同方向上扩展其业务，试图找到那条可能存在的护城河。这也增加了他们的烧钱速度。

我并不是说 AGI 是一个糟糕的目标。我们应该去追求它。我只是想说，从外部来看，OpenAI 似乎仍然认为这是唯一重要的目标，并且不知为何相信一旦实现 AGI，所有其他问题都会迎刃而解。我对这一点持怀疑态度——一方面是因为其他实验室已经与 OpenAI 不相上下，另一方面是因为我认为 AGI 仍然会有比人们意识到的更多限制。

真正的创新不仅仅是令人惊叹，更是有用的。整个行业越早真正内化这一教训，就越有可能兑现 AI 非凡潜力的承诺。

感谢阅读。