Vordenker
Wie KI pleitegehen und überleben kann, genau wie das Internet es getan hat
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Die anhaltenden dramatischen Marktschwankungen unter den von KI angetriebenen Technologieunternehmen, bei denen börsennotierte Unternehmen in weniger als einem Monat mehr als 1 Billionen Dollar an Wert verloren haben, zeigen deutlich, dass die Bewertungen nicht mit den Grundlagen verbunden sind. Die eigentliche Frage, die man sich jetzt stellen sollte, ist jedoch nicht, wann die Blase platzen wird, 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 hohe Bewertungen, unbegrenzte Skalierbarkeit und das Gefühl geworden, dass niemand mit den größten Spielern mithalten kann. Die technische Realität hat sich jedoch verschoben und weist auf eine andere Art von Zukunft für KI hin: Das eigentliche Geld liegt nicht in enorm teuren KI-Modellen, die eines Tages in überproportionalen Renditen ausgezahlt 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 die Grenzen der KI-Modelle immer günstiger und nicht teurer werden sollten. Der Mythos der Singularität ist vorbei. Die bloße Größe allein liefert nicht mehr schlagartige Gewinne. Ausführung, Verteilung und Ökosystem sind jetzt wichtiger als die bloße Größe des Modells.
Die Anpassung an diese neue Realität ermöglicht es, dass die wachsende KI-Blase langsam ablässt, anstatt zu platzen und Chaos auf dem Markt und in den Finanzmärkten zu verursachen, wie es bei der Dotcom-Blase vor einem Vierteljahrhundert der Fall war.
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 irrten sich, und die Blase platzte tatsächlich – aber das Internet überlebte. Der Crash zeigte, dass der Online-Erfolg nicht nur von der zugrunde liegenden Technologie – dem Internet – abhing, sondern von der Fähigkeit, intelligente und effektive Anwendungsfälle, Produkte und Hardware zu entwickeln. Das Internet gewann nicht nur durch Protokolle. Es gewann, als Browser, Content-Delivery-Netzwerke und Entwickler-Ökosysteme es nutzbar machten.
Amazon überlebte und gedeiht noch heute, während Pets.com scheiterte, weil es nie eine profitable Methode hatte, um Hundefutter auszuliefern, eine Herausforderung, die von der verlockenden Idee übersehen wurde, dass es Kunden in ganz Deutschland haben würde, dank des Internets.
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 Diffusionsarchitekturen, die die meisten generativen KI-Modelle zugrunde liegen, öffentlich; Optimierungsframeworks sind offen; Rechenleistung ist immer zugänglicher. Die Hürde liegt nicht mehr in der theoretischen Expertise. Es liegt in der Fähigkeit, zuverlässige Systeme zu bauen und sie in bestehende kreative und Produktionspipelines zu integrieren, was bestimmen wird, wer erfolgreich ist. Diese Produkte und Dienstleistungen benötigen auch nicht mehr, 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 geheimen Rezepten 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 schwer vorherzusagen ist, was genau diese sein werden. Als die Menschen in den frühen 90er Jahren AOL oder Prodigy nutzten, konnte niemand sich Gmail vorstellen.
Allerdings gibt es, abgesehen von der Kraft der Hellseherei, intelligente Fragen, die man sich auf dem Weg stellen kann, um die KI-Branche und ihre Investoren dazu zu bringen, auf eine Weise zu arbeiten, die die Blase langsam und allmählich ablassen und gleichzeitig die Wirtschaft der Zukunft aufbauen wird.
Investoren, einschließlich Risikokapitalgebern und Pensionsfonds, die Geld in KI-Unternehmen investieren, müssen sich fragen, welchen Wert genau geschaffen wird. Milliarden von Dollar wurden in die Forschung bei den großen Tech-Unternehmen investiert, um KI zu entwickeln, die am Ende leicht in anderen Orten repliziert werden konnte. Massive KI-Budgets garantieren nicht unbedingt einzigartiges geistiges Eigentum, Benutzerbindung oder verteidigungsfähige Ökonomie. Jetzt müssen Investoren bewerten, wie Unternehmen Modelle in reale Arbeitsabläufe von Kunden integrieren, um tatsächliche Produkte und Dienstleistungen zu schaffen. Investoren sollten nach Metriken wie Ökonomie pro Arbeitslast suchen, wenn sie KI-Anwendungen betrachten.
Diese, nicht nur die Talente oder die proprietäre Natur des Modells selbst, sind die Schlüsselelemente des Wertes. Es ist auch wichtig, den Wert offener Modelle zu verstehen. Diese iterieren oft schneller als geschlossene APIs, weil Forscher und Entwickler sie lokal anpassen können. Diese Übernahme verdichtet sich zu einem Graben um ein Unternehmen oder ein Produkt, was dazu beiträgt, Gewinne und Erfolg zu garantieren
Sowohl Investoren als auch Unternehmer, die sich um die effiziente Verwendung 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, so dass die KI-Entwicklung nicht von einem bestimmten Gerät oder einer bestimmten Hardware abhängig sein sollte. Der Wert und was ein Unternehmen unterscheidet, liegt in seinem Durchsatz pro Dollar, nicht in Hersteller-Rabatten, 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 Sinn craften oder verwenden, werden über diejenigen siegen, die massive Modelle suchen, die später für verschiedene potenzielle Verwendungen skaliert werden können. Ein weiterer Vorteil ist das Angebot offener Bereitstellungsoptionen 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 Grenzmodelle, die auf großen Geräten ausgeführt werden; dies ist kein 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 offene 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 dafür in verschiedenen Branchen zu entwickeln, nicht umfassende Richtlinien für Modelle. Das Ziel sollte darin bestehen, 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 erneut eine weise Lektion über dieses Konzept bereit: Der Fall gegen das beliebte Musik-Datei-Teilungsunternehmen Napster beschränkte die Datei-Teilung an sich nicht — 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. (Tatsächlich schaffte es Napster, auch durch den Bankrott, als Marke zu überleben, indem es seine Technologie anpasste und für über 200 Millionen Dollar verkauft wurde.)
Das Wesentliche 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 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 der frühen Internet-Blase – ist offen für die Debatte. Aber Klarheit jetzt bedeutet Widerstandsfähigkeit später.
