蜜的太强甜反而负担的尴尬处成了境技术
科技圈最近上演的"奥特曼去哪儿"大戏虽然落幕了,但OpenAI的烦恼可一点没减少。说来有趣,这家公司现在最大的困扰不是技术不够强,而是恰恰相反——技术太强了。 大家可能不知道,就在今年9月,微软研究院的负责人Peter Lee悄悄启动了一个秘密项目——打造OpenAI的替代品。这消息要是放在半年前,估计谁都不信。毕竟微软今年刚给OpenAI追加了100亿美元投资,还调集了整个研究院的精英全力支持GPT-4落地。但商业世界就是这么现实,感情归感情,生意归生意。 最讽刺的是,微软这个举动并非因为OpenAI不行了,反而是因为它太行了。OpenAI最新研发的Arrakis项目(一个稀疏模型技术)一旦成功,就能让AI推理成本大幅下降。这本来是好事,但微软显然意识到:与其永远依赖别人,不如自己掌握核心技术。这不,11月的Ignite大会上,微软就把Bing Chat改名叫Copilot,功能和ChatGPT越来越像。 OpenAI现在就像个只生产顶级超跑的厂商,问题是市场需要的是更多经济适用车。举个例子,GitHub Copilot每个月要为重度用户倒贴80美元,这谁顶得住啊? 我认识一位创业者,他的公司Summarize.tech做音视频内容摘要,有20万月活用户。最初用GPT-3.5时,每月要花2000美元。后来换成开源的Mistral-7B,成本直接腰斩,用户却完全感觉不到差别。这就像你叫个外卖,商家非要派辆兰博基尼送货,成本能不爆炸吗? 这种情况在业内很普遍。Salesforce、Wix这些OpenAI的早期大客户,现在都在找更便宜的替代方案。OpenAI也意识到了这点,最近推出的GPT-4 Turbo直接降价1/3,但11月的管理层闹剧又让这个补救措施大打折扣。 有趣的是,对个人开发者和小公司来说,OpenAI依然很有吸引力。为什么?就像我认识的一位开发者说的:"用OpenAI就像开现成的跑车,用开源模型就像自己组装汽车。" 在Reddit上,很多小团队把自己的产品叫做"包装纸"——因为他们只需要给GPT模型套个UI界面,再找个合适的应用场景就能赚钱。OpenAI提供的LoRA技术也让模型微调变得简单,不像开源模型那样需要海量数据。 但大公司就不同了。他们要深度定制时,面对GPT-4动辄200万美元的定制费,换谁都得掂量掂量。更别说像微软这样的巨头,自己的计算请求就足够多,根本不需要和别人拼单省成本。 最讽刺的是,OpenAI最初压根没想赚钱。今年3月,当时的OpenAI总裁Brockman还说商业化"不符合我们的DNA"。但现在呢?公司规模从几十人膨胀到700多人,科学家们也得还房贷啊。 马斯克最近吐槽说:"我们成立了个组织来拯救亚马逊雨林,结果它开始砍树卖木材了。"这话虽然刻薄,但也点出了OpenAI的困境:到底是要保持理想主义研究机构的纯粹,还是要拥抱商业化的现实? 这次管理层地震后,OpenAI显然做出了选择。但摆在面前的问题依然棘手:如何在保持技术领先的同时,不让高昂的成本吓跑客户?这个"甜蜜的负担",恐怕还要困扰OpenAI很久。微软的"两面派"策略
AI界的"兰博基尼困境"
开发者的两难选择
理想主义与商业化的拉锯战
- 最近发表
- 随机阅读
-
- 重磅!AB代币登陆美国老牌交易所Kraken,全球布局再下一城
- 当金融遇见科技:一场关于未来的头脑风暴
- 11月29日加密货币晨报:比特币暴力拉升近4%,市场风向变了?
- Coinbase能否抓住币安认罪后的市场机遇?
- L2生态大战:硝烟弥漫中的投资机会与开发选择
- Sei Network:交易赛道的黑马,凭什么吸引顶级资本青睐?
- 加密货币回测的终极武器:Footprint批量下载方案到底有多香?
- 当加密市场遭遇连环暴击:孙哥平台再遭盗窃,CZ深陷司法泥潭
- 2024年牛市将至:AI时代下Filecoin的逆袭之路
- 稳定币的魔幻现实:杠杆游戏中的金融炼金术
- 从披萨到百万富翁:比特币14年的奇幻漂流
- 数字资产市场回暖:比特币以太坊迎来温和反弹
- 疯狂扫货背后的NFT投资巨鳄:Flamingo DAO 究竟在下一盘什么棋?
- 加密教母发声:监管困局下,行业亟需突破性共识
- 当心!黄金这个上升三角暗藏杀机
- 牛市三幕剧:我们正演到哪一出?
- SHIB代币销毁量暴增4.7万倍,市场反应为何背道而驰?
- 加密市场周报:牛市信号闪现 投资者该如何布局?
- 深度解读:BEVM如何成为BTC Layer2赛道中的黑马
- 11月加密货币安全事件飙升:3.5亿美元不翼而飞
- 搜索
-