Andrew Ho表示,低价模型竞争正在挤压AI支出的回报,尽管推理需求和数据中心建设仍在持续上升。
在OpenAI工作八个月后于周三离职的Andrew Ho表示,前沿AI实验室的估值显得过高,并敦促符合条件的员工在可以参与要约收购时尽早变现。次日凌晨,他在X平台发文称,与其说IPO后估值翻倍更有可能,不如说下跌50%更为可信。 Ho周四向《财富》表示,他持有约$700K的股份,但在IPO及锁定期结束前依法无法出售,因此他本人也承受着他所警示的同样风险。他担心的并非推理需求(即让AI模型执行现实世界任务)或数据中心扩张会消失。相反,他认为,更便宜的模型正迫使前沿实验室陷入高成本竞争循环:每一轮新的训练投入都更加昂贵,由此获得的优势却迅速消退,而收入增长可能跟不上债务和资本开支。 他不认同许多投资者和同行支持的RSI,即递归式自我改进(AI系统提升自身研究能力)这一乐观论点。在Ho看来,AI研究受到的约束,与其说是模型原始智能不足,不如说是缺乏“研究品味”——即提出有意义实验并判断哪些结果真正重要的能力。他表示,模型在结果易于验证的领域进展最快,例如数学证明或代码编译;而在那些更混乱、也更难检验的任务上,进展仍然有限。 这一判断也构成了他新创公司的核心逻辑。该公司计划向前沿AI实验室销售高端强化学习数据集。Ho表示,首批产品将聚焦长期科学推理和统计分析——在他看来,在较容易、可验证的任务大多已被充分开发之后,这些领域将成为下一阶段性能提升的来源。 他的看法与硅谷更为乐观的论调相左。后者认为,递归式自我改进可能为更高水平的算力投入和收入增长提供支撑。但Ho表示,他的观点更接近华尔街的担忧:在外界担心为AI建设浪潮提供资金的企业可能难以获得足够回报之际,Meta周三下跌10%,Google上周下跌8%。Ho补充称,Nvidia和Micron似乎处于最有利位置,因为它们向这场竞赛中的参与者出售芯片;而各实验室若想获取模型创造的更多价值,可能需要自行开发芯片,或进一步向应用层延伸。