Wie KI pleitegehen und überleben kann, genau wie das Internet es getan hat

Die laufenden dramatischen Marktschwankungen unter den KI-getriebenen Technologie-Riesen, bei denen börsennotierte Unternehmen in weniger als einem Monat mehr als $1 Billion an Bewertung verloren haben, zeigen klar, dass die Bewertungen nicht mit den Grundlagen verbunden sind. Die eigentliche Frage, die man sich jetzt stellen sollte, ist jedoch nicht, wann die Blase platzt, sondern wie die Branche die Blase verantwortungsvoll ablassen und sich auf die KI der Zukunft vorbereiten kann.

In den letzten Jahren ist KI zu einem Synonym für große Bewertungen, unbegrenzte Skalierbarkeit und das Gefühl geworden, dass niemand mit den größten Spielern mithalten kann. Doch die technische Realität hat sich verschoben und weist auf eine andere Art von Zukunft für KI hin: Das wahre Geld liegt nicht in enorm teuren KI-Modellen, die eines Tages in überproportionalen Renditen auszahlen werden. Immer mehr liegt der Wert von KI darin, wie sie integriert und verwendet wird, um Geld für Unternehmen zu verdienen, wobei man im Hinterkopf behalten sollte, dass limit-pushing-Frontier-KI-Modelle billiger und nicht teurer werden sollten. Der Singularity-Mythos ist vorbei. Skalierbarkeit allein liefert keine Schritt-funktionellen Gewinne mehr. Ausführung, Verteilung und Ökosystem sind jetzt wichtiger als die reine Modellgröße.

Die Anpassung der Erwartungen an diese neue Realität ermöglicht es, dass die wachsende KI-Blase langsam abläuft, anstatt zu platzen und Chaos in der Wirtschaft und den Finanzmärkten wie der Dotcom-Blase vor einem Vierteljahrhundert zu verursachen.

In den 90er Jahren nahm die Tech-Branche an, dass das Internet alles können und tun würde; und dass alles, was auf dem Internet aufgebaut wurde, von Natur aus erfolgreich sein würde. Sie hatten Unrecht und die Blase platzte tatsächlich – aber das Internet überlebte. Der Crash hob hervor, dass Online-Erfolg nicht nur von der zugrunde liegenden Technologie – dem Internet – abhängt, sondern von der Fähigkeit, intelligente und effektive Anwendungsfälle, Produkte und Hardware zu entwickeln. Das Internet gewann nicht allein durch Protokolle. Es gewann, als Browser, Content-Delivery-Netzwerke und Entwickler-Ökosysteme es nutzbar machten.

Amazon überlebte und gedeiht noch immer, während Pets.com scheiterte, weil es nie eine profitable Möglichkeit hatte, seine Hundefutter auszuliefern, eine Herausforderung, die von der verlockenden Idee übersehen wurde, dass es aufgrund des Internets Kunden in ganz Deutschland haben könnte.

Genau da ist Big AI heute, absorbiert in Träumen und Erwartungen über die zukünftige Potenz des Technologie. Es gibt keinen Zweifel, dass es die erstaunlichste Technologie ist, die wir heute haben. Aber KI-Modelle sind nur die zugrunde liegende Technologie, nicht die Antworten selbst, und sicherlich nicht, wo das Geld und der Wert bleiben werden. Tatsächlich sind Transformer- und Diffusions-Architekturen, die die meisten generativen KI zugrunde liegen, öffentlich; Optimierungs-Frameworks sind offen; Rechenleistung ist zunehmend zugänglich. Die Hürde ist nicht länger das theoretische Know-how. Es ist die Kunst, zuverlässige Systeme zu bauen und sie in bestehende kreative und Produktions-Pipelines zu integrieren, die bestimmen wird, wer erfolgreich ist. Diese Produkte und Dienstleistungen benötigen auch nicht länger, dass Investoren Billionen von Dollar vorfinanzieren. Ich weiß das aus eigener Erfahrung. Unser Team in Jerusalem baute ein Open-Source-Audio-Video-Modell für die Erstellung von KI-Videos zu etwa einem Zehntel der Kosten der Marktführer, und das generiert längere kontinuierliche Szenen, oft mit höherer Auflösung und Geschwindigkeit. Dies wurde mit etwa 100 Millionen Dollar erreicht, nicht mit Milliarden. Unsere Geschichte zeigt, dass der moderne KI-Fortschritt weniger von geheimer Soße und mehr von diszipliniertem Ingenieurswesen abhängt.

Wie beim Internet werden diejenigen, die überleben, diejenigen sein, die KI für die besten Anwendungsfälle, Hardware-Anwendungen, Produkte und Dienstleistungen nutzen. Es ist wahr, dass es schwierig ist, genau zu sagen, was diese sein werden. Als Menschen in den frühen 90er Jahren AOL oder Prodigy nutzten, konnte niemand sich Gmail vorstellen.

Allerdings gibt es, abwesend von der Kraft der Hellseherei, intelligente Fragen, die man sich auf dem Weg stellen kann, um die KI-Branche und ihre Investoren zu leiten, um auf eine Weise zu arbeiten, die die Blase langsam und allmählich ablassen und gleichzeitig die Wirtschaft der Zukunft aufbauen wird.

Investoren, einschließlich VCs und der Pensionsfonds, die Geld in KI-Unternehmen investieren, müssen fragen, welchen Wert genau geschaffen wird. Milliarden von Dollar wurden in die Forschung bei den großen Tech-Unternehmen investiert, um KI zu bauen, die am Ende leicht in anderen Orten repliziert werden konnte. Massive KI-Budgets garantieren keine einzigartige geistige Eigentümerschaft, Benutzerbindung oder verteidigungsfähige Ökonomie mehr. Jetzt müssen Investoren bewerten, wie Unternehmen Modelle in reale Arbeitsabläufe von Kunden bauen, optimieren und integrieren, um tatsächliche Produkte und Dienstleistungen zu schaffen. Investoren sollten nach Metriken wie Ökonomie pro Arbeitslast fragen, wenn sie KI-Anwendungen betrachten.

Diese, nicht einfach die Talente oder die proprietäre Natur des Modells selbst, sind die Schlüsselelemente des Wertes. Es ist auch wichtig, den Wert von Open-Source-Modellen zu verstehen. Diese iterieren oft schneller als geschlossene APIs, weil Forscher und Entwickler sie lokal anpassen können. Diese Adoption verdichtet sich zu einem Graben um ein Unternehmen oder Produkt, was dazu beiträgt, Gewinne und Erfolg zu garantieren

Sowohl Investoren als auch Unternehmer, die sich um den effizienten Einsatz von Kapital sorgen, müssen einen Schritt zurücktreten und die tatsächlichen Kosten von KI und allen damit verbundenen Komponenten bewerten; diese sind oft aufgebläht und höher, als sie sein müssen. Der allgemeine Ansatz sollte sein, dass Hardwarekosten volatil sind, also sollte die KI-Entwicklung nicht von einem bestimmten Gerät oder einer bestimmten Hardware abhängig sein. Der Wert und was ein Unternehmen unterscheidet, ist sein Durchsatz pro Dollar, nicht die Rabatte von Lieferanten, die eine bestimmte Art von Hardware bevorzugen. Die Verteidigung von KI-Ausgaben liegt jetzt in der Infrastrukturoptimierung, proprietären Daten und Integrations Tiefe. Unternehmer mit guten Ideen für Lösungen, die sorgfältig Modelle mit diesem Endleistung im Hinterkopf nutzen, werden gegenüber denen siegen, die massive Modelle suchen, die später für verschiedene potenzielle Verwendungen skaliert werden können. Ein weiterer Vorteil ist das Angebot von Open-Deployment-Optionen für Studios und Plattformen, die nicht auf eine remote-API für Echtzeit-Erfahrungen angewiesen sind.

Regulierungsbehörden und die Branche müssen auch logischer über die Regulierung nachdenken. Der Fortschritt in diesen Bereichen ist langsam und konzentriert sich stark auf Frontier-Modelle, die auf großen Geräten ausgeführt werden; dies ist nicht länger ein praktischer Ansatz. Der Trend geht überwältigend in Richtung solcher Modelle, die auf Consumer-Geräten ausgeführt werden können, was die Regulierung der Modelle selbst unmöglich macht. Die Open-Source-Natur vieler Modelle stellt eine weitere große Herausforderung für den aktuellen Regulierungsansatz dar. Wiederum ist der richtige Ansatz, sich auf die Bereitstellung von Anwendungen und Produkten zu konzentrieren und regulatorische Rahmenbedingungen um diese für verschiedene Branchen zu entwickeln, nicht umfassende Richtlinien über Modelle. Das Ziel sollte sein, Anwendungen und Sektoren zu regulieren, mit Standards für Herkunft, Sicherheitsvorkehrungen in Produkten und Offenlegung für synthetische Medien. Die Geschichte aus den 90er und frühen 2000er Jahren hält einmal wieder eine weise Lektion über dieses Konzept bereit: Der Fall gegen das beliebte Musik-Datei-Teilungs-Unternehmen Napster hat die Datei-Teilung per se nicht begrenzt — diese Technologie wuchs nur und wurde viel schneller, was schließlich zu Streaming führte – sondern konzentrierte sich auf die verantwortungsvolle Bereitstellung der Technologie durch eine Plattform. (Selbst durch den Bankrott schaffte es Napster tatsächlich, als Marke zu überleben, indem es seine Technologie anpasste und für über 200 Millionen Dollar zu Beginn dieses Jahres gekauft wurde.)

Die Kernfrage ist, dass der Markt um einige vereinigte multimodale KI-Modelle konsolidieren wird, die für Effizienz destilliert und für verschiedene Verwendungen angepasst werden können. Alle Beteiligten müssen viel mehr Aufmerksamkeit auf die Anwendungen und den tatsächlichen Geschäftswert legen, den KI bringen kann, und sich nicht in den Versprechungen der Modelle selbst verlieren. Die Branche bläht sich schneller auf, als sie Wert schafft. Ob dies in einer dramatischen Korrektur endet – ähnlich wie die frühe Internet-Blase – ist offen für die Debatte. Klarheit jetzt bedeutet Widerstandsfähigkeit später.