آنتروپیک از وال استریت می خواهد که به AGI اعتقاد داشته باشد

امروز در Decoder، جوی بروکهارت، تحلیلگر در شرکت تحقیقاتی تراشه و هوش مصنوعی SemiAnalysis به من ملحق شد تا به من کمک کند تا داستان درون اعداد بایگانی IPO Anthropic - سندی که به نام S-1 شناخته می‌شود، کشف کنم.

آنتروپیک به تازگی S-1 خود را برای عرضه عمومی در نزدک ثبت کرده است و می تواند از ماه آینده تجارت خود را با ارزشی بین 1.5 تریلیون دلار تا 2 تریلیون دلار آغاز کند. این بلافاصله آن را به یکی از با ارزش ترین شرکت های روی کره زمین تبدیل می کند.

اما برچسب قیمت واقعا تمام داستان اینجا نیست. سند S-1 که اوایل این هفته منتشر شد صدها و صدها صفحه پر از جزئیات است که در نهایت تصویری از اقتصاد یک آزمایشگاه هوش مصنوعی مرزی را ترسیم می کند. همانطور که ممکن است تصور کنید، آن تصویر هم واقعا پیچیده است و هم بر اساس یک سری فرضیات بسیار بسیار بلندپروازانه در مورد آینده و اینکه هوش مصنوعی با آن چه خواهد کرد.

بنابراین می‌خواستم جوی را در برنامه داشته باشم تا کمک کند آنچه را که این سند به ما می‌گوید، هم در مورد امور مالی آنتروپیک و هم در مورد اقتصاد گسترده‌تر هوش مصنوعی به ما توضیح دهد. جوی و همکارانش در SemiAnalysis در واقع مدلی از امور مالی آنتروپیک را در ماه جولای از خارج ساختند، بنابراین او هم مانند هرکس دیگر مشتاقانه منتظر این پرونده بود و من از شنیدن نظر او در مورد چیزهایی که آموخته ایم و مهمتر از همه چیزهایی که هنوز نمی دانیم هیجان زده بودم.

خوب: Joey Brookhart از SemiAnalysis درباره Anthropic S-1 و هزینه ها و خطرات ساخت هوش مصنوعی مرزی. در اینجا ما می رویم.

این مصاحبه برای طولانی بودن و وضوح کمی ویرایش شده است.

جوی بروکهارت، شما یک تحلیلگر در SemiAnalysis هستید. شما همچنین در مدل SemiAnalysis’ Tokenomics که قرار است در این قسمت بسیار مطرح شود، رهبری مشترک هستید. به Decoder خوش آمدید.

آره، خیلی ممنون، نیلای.

من بسیار هیجان زده هستم که با شما صحبت می کنم. ما فقط چند روز پس از ارائه پرونده بزرگ Anthropic S-1 صحبت می کنیم. این اولین نگاه ما به امور مالی یکی از مدل های پیشرو مرزی است. برداشت شما چیست؟ چه چیزی در آن خوانده اید؟

S-1 فوق العاده ای بود. سه هفته از روز سرمایه گذار گذشته است. برخی از مردم تا حدودی از اعداد سپتامبر [درآمد سالانه دوره‌ای] ناامید شدند، اما چیزی که در اینجا دیدیم، شرکتی بود که به طور کارآمد به سطح شگفت‌انگیزی رسیده است، با ارزش‌گذاری بیش از 1 تریلیون دلار، 70 میلیارد دلار به اضافه ARR در مدت زمان بسیار کوتاهی.

در حاشیه‌های ناخالص، حاشیه‌های محاسبه‌شده و جریان نقدی آزاد، همه چیز همان چیزی است که می‌خواهید ببینید. بنابراین فکر نمی‌کنم چیز زیادی در این پرونده وجود داشته باشد. این دلیلی است که شما تعداد زیادی از مجتمع‌های نیمه‌رسانا را دیده‌اید، و نئوکلادها و سهام محاسباتی، واقعا در دو روز گذشته دوباره افزایش یافته‌اند.

خنده‌دار است، فکر نمی‌کنم بتوانم خود S-1 را بخرم. من می خواهم وارد برخی از جزئیات شوم زیرا اعداد زیادی در آنجا وجود دارد که ارزش فکر کردن را دارند. من در واقع فقط می خواهم از یک تصویر واقعا بزرگ شروع کنم. شما چیزی به نام Tokenomics را اجرا می کنید. من قصد دارم توضیح دهم که Tokenomics برای مردم چیست.

من به Anthropic و جایی که می تواند برود نگاه می کنم. به داریو آمودی نگاه می‌کنم که می‌گوید او می‌تواند راه خود را به یک تریلیون دلار درآمد ببیند. این پول از کجا می آید؟ زیرا بسیاری از این مشاغل در مورد خوردن هر کسب و کار دیگری هستند و به نظر می رسد که شخص دیگری برای ایجاد این درآمدها باید مقداری پول به دست آورد تا به آنتروپیک پرداخت کند. من در واقع ندیده ام که خیلی واضح بیان شود.

مشترکین همگام، فراموش نکنید که از هر کجا که پادکست‌های خود را دریافت می‌کنید، به رمزگشای بدون آگهی دسترسی انحصاری دارید. به اینجا سر بزن مشترک نیستید؟ می توانید در اینجا ثبت نام کنید.

خیلی جالبه امروزه، از آنجایی که حتی مقیاسی که ما در آن قرار داریم 120 میلیارد دلار ARR بین دو آزمایشگاه پیشرو است، هنوز هم بازار بسیار باریکی است. 1 درصد بالای مشتریان مشتریانی هستند که برای هر کارمند 50000 تا 100000 دلار خرج می کنند. Fortune 500 یا Global 2000 گسترده‌تر شما، که معمولا هزینه‌های زیادی در زمینه فناوری اطلاعات انجام می‌دهند، هزینه زیادی نمی‌کنند.

بسیاری از هزینه ها، به خصوص در Anthropic، مختص کدنویسی است. این تقریبا یک شرکت عمودی واحد است. ما در آینده به سال 2027 نگاه می کنیم، شما به این پذیرش گسترده تر و کار یقه سفید فکر می کنید. در این فصل بودجه بندی معمولی سه ماهه چهارم شرکتی، ما در واقع هنوز با یکی از این آزمایشگاه ها به هیچ وجه به هیچ وجه عمل نکرده ایم، زیرا ARR آنها واقعا تا ابتدای سال شروع به افزایش سرعت کرده است.

ما به موارد دیگری مانند سایبر فکر می‌کنیم که می‌تواند شبیه به کدنویسی باشد، که در آن قراردادهای هشت رقمی با شرکت‌های پیشرو هستند که می‌توانند به‌دلیل تمام حوادث امنیت سایبری که می‌بینیم، خیلی سریع گسترش پیدا کنند. شما به عمودهای دیگر مانند bio می رسید.

برای رسیدن به 1 تریلیون دلار، ما باید به برخی از کارهای یقه سفید برویم، جایی که از تقویت هوش مصنوعی به صرفه جویی در نیروی کار یا جایگزینی در برخی مناطق می رسد. شما به مواردی مانند پیشنهاد خرید مایکروسافت به کارمندان به عنوان نمونه ای از این موضوع نگاه می کنید، اما هیچ بخش عمودی دیگری وجود ندارد که آنها بتوانند وارد آن شوند و واقعا شروع به حرکت دادن سوزن کنند.

این تنها بزرگترین سوال من است، نه فقط در مورد S-1، بلکه در مورد کل صنعت. من می فهمم که اگر یک یا دو آزمایشگاه پیشرو وجود داشته باشد. دو شرکت بزرگ وجود دارند که دارای فناوری هستند که می تواند یک دسته کامل از چیزها را خودکار کند. خواهیم دید که این اتوماسیون تا چه اندازه بخش به بخش پیش می رود، اما فقط دو آزمایشگاه پیشرو وجود ندارد. تعداد کمی از آنها وجود دارد. مدل های وزن باز وجود دارد.

من از بسیاری از مدیران عامل شنیده ام که از دادن همه داده های خود به OpenAI یا Anthropic بسیار عصبی هستند و دوست دارند برخی از کارها را به صورت اولیه اجرا کنند. اکنون شرکت‌های حقوقی وجود دارند که از هوش مصنوعی اولیه استفاده می‌کنند، که شاید خنده‌دارترین مرحله در تمام تاریخ باشد.

چگونه آن بازی را می بینید؟ زیرا فشار زیادی بر روی این S-1 خود اعداد بود که می‌خواهم در مورد آن صحبت کنم، اما فشار بیرونی وجود دارد که «شما باید رشد کنید و رشد آنقدرها هم کوتاه نیست». پس چگونه می بینید که همه اینها در حال پخش شدن هستند؟

این بسیار جالب است زیرا وقتی به کدنویسی امروز نگاه می کنیم، برای مثال - و فکر می کنم این را در سه ماهه سوم با OpenAI دیدیم که به نوعی به پیشرفت رسیده است - مناطقی از کدنویسی وجود دارد که هزینه های سوئیچینگ بسیار پایینی دارند، و من فقط می توانم بین آن ها حرکت کنم. آنچه از شرکت‌ها و شاید از طرف OpenAI هم می‌شنویم - بدیهی است که فکر می‌کنم آنها تا حدودی در انتشار Fable با مشکل مواجه شدند و عدم حفظ داده‌ها در حد صفر دلیلی است که شاهد کاهش سرعت بودیم. این چیزی است که آن‌ها می‌توانند با Fable 5.5 آن را برطرف کنند و شاید پذیرش سازمانی بیشتری در آنجا ایجاد کنند.

وقتی با آنها صحبت می کنیم، این یک چیز بزرگ برای شرکت ها است. اکنون قطعا شرکت‌هایی را می‌بینیم، و بیشتر از آن، بسیاری از بومیان هوش مصنوعی، آموزش‌های سفارشی و پس‌آموزشی را روی مدل‌های وزن باز انجام می‌دهند و سپس استنباط خود را از آن یا حتی محصولاتشان برای موارد استفاده داخلی یا خارجی اجرا می‌کنند.

بدیهی است که DeepMind در Google و [Meta Superintelligence Labs] آزمایشگاه‌هایی با بودجه بسیار خوب هستند که ظرفیت محاسباتی آموزشی تقریبا مشابهی دارند و تعداد زیادی از آن را به ارمغان می‌آورند. حتی به SpaceX نیز اشاره نکنیم، با آنچه ایلان در مورد [حدود] 10 گیگاوات خالص جدید در سال آینده گفت و نیمی از آن مورد استفاده داخلی طولانی مدت است.

در نیمه اول سال، آنتروپیک با آن فرار کرد. آنها 90 درصد از خالص ARR جدید صنعت بودند. در سه ماهه سوم دیدیم که OpenAI احتمالا اکثریت ARR خالص جدید صنعت است. منبع باز از احتمالا یک میلیارد دلار هزینه استنتاج توکن، ARR، در سه ماهه اول به بیش از 10 میلیارد دلار در اینجا در سه ماهه سوم افزایش یافته است.

بنابراین بله، صنعت بسیار رقابتی تر شده است، اما همه این موارد استفاده جدید نیز وجود دارد، و برخی از این موارد استفاده عمودی واقعا جایی هستند که ما شاهد رشد آینده خواهیم بود. زیرا بدیهی است که کدنویسی به ما قدرت نمی دهد که از اینجا حتی سه برابر شویم.

جالب است این مفهوم Tokenomics نام دارد. شما آن تمرین را در کنار یک رهبر دیگر در SemiAnalysis اجرا می کنید. توضیح دهید که دلیل آن چیست زیرا برای من این طرز فکر بسیار هوشمندانه است: "ما مقداری پول می گذاریم و شاید مقداری پول بیرون بیاوریم."

من به آن به عنوان اقتصاد واحد [هوش مصنوعی] یا حتی ایده گسترده‌تر فکر می‌کنم - همه چیز از اقتصاد کلان تا خرد اداره یک تجارت هوش مصنوعی یا حتی نگاه کردن به تقاضای هوش مصنوعی. بنابراین ما hyperscalerها را پوشش می دهیم، اکنون برخی از neocloud ها را نیز در یک محصول جداگانه پوشش می دهیم.

اما پس از آن فقط آزمایشگاه های هوش مصنوعی، بیش از حد. برای سرمایه گذاران، یا فقط افرادی که به این تجارت علاقه مند هستند، آنتروپیک دو سال پیش دارای حاشیه سود ناخالص منفی 94 درصدی بود. اکنون آنها دارای حاشیه مثبت 85 درصدی هستند و مردم نمی دانند که چگونه محاسبه را تخصیص می دهند. در مورد مدل کسب و کار استنتاج چگونه فکر می کنیم؟

بخشی از این گفتگوی حاشیه ناخالص، درآمد هر مگاوات در استنتاج است. چرا همه شرکت‌هایی که استنباط را اجرا می‌کنند، دستاوردهای عظیمی در استنتاج و کارایی محاسباتی دارند؟ بنابراین ما سعی می‌کنیم این کسب‌وکارها را مدل‌سازی کنیم و بدیهی است که وقتی آنتروپیک خصوصی بود، با اطلاعاتی سروکار داریم که می‌توانیم از مطبوعات و مواردی از این دست به دست آوریم.

اما اکنون که اعداد حسابرسی شده مشخصی داریم، توضیح اقتصاد واحد این امر آسان است. و همچنین چگونگی تفاوت کسب و کارها. OpenAI یک کسب و کار بسیار متفاوت از Anthropic است، فقط از نظر مصرف در برابر اشتراک و سپس وزن تاریخی در مقابل مصرف کننده در مقابل شرکت. [ما] در حال تلاش برای درک اقتصاد این مشاغل در سطح تقاضا هستیم.

چندین سال پیش، وقتی با ساندار پیچای، مدیر عامل گوگل در مورد هزینه استنباط صحبت کردم، گفتم: "چگونه می خواهید پول در بیاورید؟" او فقط خیلی واضح بود. او گفت: "اگر گوگل در یک چیز خوب است، این است که این موارد را منحنی هزینه پایین می آورد."

پاسخ بسیار صریح بود. من درک می کنم که گوگل چگونه می تواند این کار را انجام دهد. خودشون چیپس درست میکنن آنتروپیک روی ابرهای دیگران در حال اجراست. بخش اصلی S-1 این است که چقدر متعهد شده اند در ابرهای دیگران خرج کنند: SpaceXAI، Google، Amazon. کارایی آنها از کجا می آید؟

واقعا توان عملیاتی رمزی وجود دارد. آنها ناوگان تراشه های بسیار متنوعی دارند. بین Trainiums، TPUها و GPUها، در همه اینها، شاهد کارایی توکن های زیادی هستیم. برای مثال، توان عملیاتی توکن در تراشه‌های Trainium در حال حاضر 5 برابر تا 10 برابر سال به سال افزایش یافته است.

در ارتباط با کارایی سطح سخت‌افزار و نرم‌افزار - و نحوه تعامل مدل با سخت‌افزار - دستاوردهای عملیاتی توکن‌های زیادی وجود دارد که اگر توکن‌های X را در ثانیه انجام می‌دهید، اکنون پنج یا 10 برابر یک سال بعد انجام می‌دهید. چیزی که آنها به شما خواهند گفت این است که بازده محاسباتی ادامه دار را نیز در آینده مشاهده می کنند.

مکس کان، که با من در SemiAnalysis مدل Tokenomics را رهبری می کند، و من حتی تحقیقاتی در این مورد منتشر کرده ام. در حال حاضر، اگر آنتروپیک به ازای هر مگاوات استنتاج 65 میلیون دلار درآمد دارد، این در اواسط نوجوانی سال گذشته در این زمان بود. آنچه در مورد شاید Opus 5.5 در بلک ول [Nvidia] گفته ایم، می توانید به ازای هر مگاوات به 100 تا 120 میلیون دلار درآمد داشته باشید.

نکته مهم در اینجا این است که آنها در حال حاضر به طور متوسط ​​فقط کمی بیش از 10 میلیون دلار به ازای هر مگاوات [بهای تمام شده کالای فروخته شده]، یا فقط در هزینه های محاسباتی پرداخت می کنند. کاری که می توانید با این حاشیه ها انجام دهید، سرمایه گذاری مجدد در آموزش است.

مردم این را نمی دانند، اما تنها حدود 30 درصد از محاسبات در واقع در درآمد استنتاج است. بقیه برای آزمایش و تحقیق، مدل های آموزشی و مدل های پس از آموزش است. بنابراین محاسبات زیادی وجود دارد که در حال ساختن مدل بعدی است و این بیشتر جنبه تحقیق و توسعه دارد و در واقع از کجا می‌توانید بازده و قابلیت دفاع خود را در این تجارت دریافت کنید.

در واقع، آنچه من انتظار داشتم در S-1 ببینم این بود که بازی پویا بسیار قوی‌تر باشد - آنتروپیک از فروش مدل‌هایی که در حال حاضر دارند پول زیادی به دست می‌آورد و در آینده برای مدل‌هایی که اکنون دارند، مشتریان بیشتری خواهند داشت. این یک دسته کلی از حاشیه را از بین می برد. و سپس، چون آنتروپیک است و فکر می‌کنند در حال ساختن یک خدای دیجیتال هستند، مدل‌های بعدی را تا جایی که می‌توانند آموزش خواهند داد.

این یک داستان آنتروپیک بسیار خاص است. این شرکت در حال تعقیب AGI است. افرادی که در آنجا کار می کنند با خوشحالی به شما خواهند گفت که در S-1 ممکن است کلود هوشیار باشد و همه اینها به جهنم برود. آنتروپیک در تصوری که از خود دارد یک شرکت بسیار منحصر به فرد است. اما شما واقعا آن پویایی را در S-1 نمی بینید. آنها هزینه های آموزشی خود را در مقابل حاشیه استنتاج خود به خوبی مدیریت می کنند. آیا می بینید که به هر طریقی بالا می رود یا تغییر می کند؟

موافقم درازمدت، و ما حتی این را در داخل گفته‌ایم، آنها می‌خواهند درصد آموزش را افزایش دهند. اگر بر این باورید که در حال ساختن یک خدای دیجیتالی هستید یا به سمت AGI می روید، و تا زمانی که حاشیه ناخالص 85 درصد استنتاج را برای انجام این کار دارید، می توانید.

آنها خیلی سریعتر از آنچه فکر می کردند رشد کرده اند و انتظار نداشتند در حاشیه سود EBITA بدون شکاف 11 درصد باشند. آن‌ها دوست دارند به صفر نزدیک‌تر یا حتی کمتر از آن باشند، اگر بتوانند آن را محاسبه کنند و آن را به آموزش اختصاص دهند و همچنان این کارایی‌های محاسباتی را ببینند.

آنها این پیام را نیز برای سرمایه گذاران در نمایشگاه جاده ای ارسال کرده اند. شما می توانید به این S-1 و فقط منحنی سودآوری در چند سال گذشته و مقدار کمی پول نقد برای رسیدن به این نقطه نگاه کنید و می توانید بگویید: "این یک مدل تجاری خوب است، اما ما به سمت AGI می رویم. انتظار نداشته باشید اهرم حاشیه ای که می بینیم تا این سطح ادامه یابد، حتی اگر حاشیه های بلندمدت می تواند کمی بالاتر باشد."

برخی از سایه های واقعی آمازون در آنجا وجود دارد. جف بزوس معروف است که به سرمایه گذاران گفته است که تا زمانی که نتواند پول زیادی به دست بیاورد، قرار نیست پول دربیاورد. بدیهی است که آمازون و آنتروپیک عقب و جلوی زیادی دارند. شاید شباهت خانوادگی در آنجا وجود داشته باشد.

اما من کنجکاو هستم، یک نقطه از قابلیت مدل وجود دارد که به شما این امکان را می‌دهد تا به عمودی‌های بیشتری از کدنویسی بروید، درست است؟ شاید الان در آن باشیم ایده اورهنگ قابلیت وجود دارد، این ایده که مدل هایی که امروز داریم می توانند بروند و تحقیقات زیستی را در دست بگیرند. آنها امروز ریاضیات را در دست می گیرند. زمانی وجود دارد که هوشمندانه ترین تصمیم تجاری این است که آموزش را متوقف کنید و مدل سودآور خود را به شرکت های بیشتر و بیشتری بفروشید. آنتروپیک به عنوان یک شرکت سهامی عام با این فشار مواجه خواهد شد.

آیا فکر می کنید آنها سازماندهی شده یا ساختار یافته اند تا از آن جلوگیری کنند؟

بله، من فکر می کنم آنها به خوبی ساختار یافته اند. با وجود برخی از سهام رای دادن در مناطقی مانند آن، آنها قطعا هستند. ما قبلا این را در فناوری دیده‌ایم و حتی زمانی که مارک زاکربرگ قبلا این تصمیمات را برای سرمایه‌گذاری هنگفت گرفته است، به صورت عمومی دیده‌ایم.

همیشه نتیجه نداد من فقط می خواهم اشاره کنم، همیشه نتیجه ای نداشت.

آره همیشه جواب نمیده

اگرچه من و شما از نظر فنی در حال حاضر، طبق تعریفی، در فراجهان هستیم.

[می خندد] درست است. اما من فکر می‌کنم این چیزی است و عدد جالبی در S-1 وجود دارد که 80 درصد درآمد در سه ماه گذشته از مدل‌هایی است که در شش ماه گذشته عرضه شده‌اند.

بنابراین می گویید: "خوب، 20 درصد از مدل ها مانند Opus 4.5 در نسخه های قبلی هستند." یک چیز در آینده این است که اگر شما یک شرکت مدل مرزی هستید، همیشه باید در مرز باشید و این شرکت فوق العاده رقابتی است.

صبر کنید، آیا می توانم یک سوال واقعا احمقانه در مورد آن بپرسم؟

آره

چرا؟ فکر می‌کنم قلب کنجکاوی من در مورد این صنعت در حال حاضر این است که آیا شما یک فناوری پیشرفته را فعال کرده‌اید که می‌تواند کل جهان را متحول کند، در یک مقطع زمانی، سودآورترین کار این است که آن را در تمام سطوح مختلف اجرا کنید، درست است؟ قرار نیست بریم مورد بعدی را بسازیم. این در واقع اجرای یک مدل کارآمد در خدمات حقوقی و پزشکی و هر جا دیگری است که هنوز هوش مصنوعی منتشر نشده است.

این ایده که شما همیشه باید در مرز باشید، آنتروپیک همیشه باید با گوگل و OpenAI و هر کس دیگری رقابت کند، من آن را از خودپنداره آنها دریافت کردم. اما از نقطه‌نظر تجاری، یک کسب‌وکار مجهز به هوش مصنوعی پول بیشتری بیرون می‌آورد و پول بیشتری را با من، ارائه‌دهنده هوش مصنوعی، خرج می‌کند، و این لزوما به حضور در مرز مربوط نمی‌شود.

چند بخش از آن وجود دارد. برای عمودهای جدید، و این بسیار خاص سایبری است، اگر دشمن از مدل مرزی استفاده می کند، باید با مدل مرزی دفاع کنید.

به اندازه کافی منصفانه

وقتی با برخی از شرکت‌ها صحبت می‌کنیم، مانند یک خلاصه ایمیل نیست که بتوانم آن را روی منبع باز یا Sonnet اجرا کنم. فقط نقاط عمودی خاصی وجود دارد که در آنها ... [به عنوان مثال،] اگر شما در یک پرونده حقوقی به عنوان متهم بودید، آیا اگر وکیل شما از یک مدل غیر مرزی استفاده می کرد، مشکلی نداشتید.

[می خندد] خبر بدی درباره آنچه در بازار قانونی در حال حاضر می گذرد برای شما دریافت کردم.

پویایی رقابتی این را دیکته می کند. من فکر می‌کنم از منظری رو به جلو، ما شاهد این بوده‌ایم که منبع باز در یک نقطه بسیار فراگیر شده است، اما تقاضا وجود خواهد داشت. [مدیر عامل SemiAnalysis] دیلن [پتل] این را زیاد می گوید. تقاضا برای هوش مرزی، به ویژه در صنایع رقابتی، همیشه وجود خواهد داشت. و وظایف خاصی وجود دارد، زیرا شما به سمت جایگزینی بیشتر زایمان در مقابل افزایش زایمان می روید، که در آن موارد نیز وجود دارد.

در عین حال، آنها عمودی تر می شوند. اگر به آگهی‌های شغلی یا اینکه برای چه چیزی استخدام می‌کنند نگاه کنید، تعداد بیشتری از این SKUها و مناطق را منتشر می‌کنند، و آزمایش‌های بتا زیادی مانند Claude برای خدمات مالی، Claude برای حقوقی، برنامه سایبری آنها در حال انجام است. آنها ماهیانه 25000 اعتبار را برای افرادی که در برنامه سایبری خود هستند، اعطا می کنند.

این یک SKU بزرگ برای آنها در سال 2027 خواهد بود. آن مناطق عمودی و سپس مناطقی که به طور خاص در جایی هستند که شما باید باشید... باید بگویم که خصمانه تر است یا رقابتی، دلایل اصلی آن هستند. اما هر دوی ما می توانیم موافق باشیم که زمینه هایی مانند خلاصه ایمیل و کار وجود دارد که قطعا نیازی نیست [در مرز] اتفاق بیفتد.

من فقط یک مقایسه احمقانه با آیفون انجام می دهم. فصل آیفون است من به تازگی آیفون Duo را بررسی کردم. اپل چندین سال است که ظاهر آیفون را به همان شکل حفظ کرده است. آن‌ها تمام ابزارآلات آیفون جدید را می‌سازند و سپس از آن برای دو یا سه یا چهار مدل دوباره استفاده می‌کنند تا قبل از اینکه به سراغ چیز بعدی بروند، تمام ارزش آن سرمایه‌گذاری را پس بگیرند. اپل یک آیفون جدید عرضه می کند و برای مدتی به فروش آیفون قدیمی ادامه می دهد تا از این سرمایه گذاری و برنامه توسعه ارزش بیشتری کسب کند.

به نظر نمی رسد صنعت هوش مصنوعی این کار را انجام دهد. تمام تاکید آنها بر توسعه چیز جدید بعدی، منسوخ کردن سریع چیزهای قدیمی و انتقال شما به سمت محصول گران قیمت جدید است، در حالی که در عین حال آنها در حال ساخت محصول جدید گران قیمت بعدی هستند.

در برخی مواقع احساس می‌شود که منطقی‌تر می‌شود، چیزی وجود خواهد داشت که ارزش جمع‌آوری حاشیه را دارد، در حالی که آن‌ها روی چیز جدید سرمایه‌گذاری می‌کنند. من فقط نمی توانم بفهمم آنتروپیک در کجای آن چرخه قرار دارد.

منظورم این است که ما این را می بینیم. حجم رمزهای منبع باز در حال افزایش است و مناطق زیادی وجود دارد، بله، که مدل های منبع باز به اندازه کافی خوب شده اند. فکر می‌کنم بر اساس پیش‌فرض، شما می‌گویید، "خوب، آیا این به خاطر تقطیر بود؟" و سپس آزمایشگاه‌های مرزی قابلیت دفاعی در آینده دارند. من فکر می‌کنم وقتی با مشتریان صحبت می‌کنیم، به این موضوع هم می‌پردازیم که واقعا در مورد مرز در مقابل منبع باز فکر می‌کنیم. بنابراین چیزی شبیه به یک مدل از نوع Sonnet، اگر می‌خواهید آیفون 18 را با قیاس نوع SE انجام دهید.

ما آن پویایی را می بینیم، و بدیهی است که با منبع باز، این یک سوال است که چقدر می تواند طول بکشد. دوم، چون ما خیلی زود وارد این عمودی‌ها شده‌ایم، نمی‌دانیم چه چیزی کاملا عاملی خواهد بود. هیچ انسانی در این حلقه وجود ندارد که مهار واقعا برای آن ارزش و قابلیت دفاعی داشته باشد.

منطقه بزرگی که من در اینجا به آن نگاه می کنم، به خصوص وقتی امروز با شرکت ها صحبت می کنیم، فقط کدنویس ها مجاز به استفاده از مدل های مرزی در بسیاری از این شرکت ها هستند. اگر یک غیر کدنویس هستید، برخی از این شرکت‌ها فقط شما را به Sonnet محدود می‌کنند، اگر مشتری آنتروپیک هستید. این منعکس کننده این است که مدیریت چگونه می‌بیند و می‌خواهد برای این کار بودجه بپردازد، چه اطلاعات مرزی واقعا برای آنها در زمینه‌های خاص ارزش دارد.