Anthropic公司CEO达里奥·阿莫代在周三举行的《纽约时报》DealBook峰会上分享了他对AI行业是否存在泡沫的看法。在此过程中,他还暗示批评了一家未具名的竞争对手,显然是在指OpenAI。
阿莫代拒绝对泡沫问题给出简单的是或否的答案,表示这是一个复杂的情况,但详细解释了他对AI经济学的看法。
他表示自己看好这项技术的潜力,但警告称,生态系统中可能存在一些参与者会犯"时机错误",或者在经济回报方面可能遇到"糟糕的情况"。
阿莫代解释说:"当经济价值的时机不确定时,就存在固有风险。"他表示,公司必须承担风险才能相互竞争并对抗专制对手——这里指的是来自中国的威胁——但补充说,一些参与者"没有很好地管理这种风险,正在承担不明智的风险。"
他说,问题在于AI经济价值增长速度的不确定性,以及如何将其与建设更多数据中心的滞后时间正确对应。
阿莫代说:"这是一个真正的难题,我们作为一家公司努力尽可能负责任地管理。然后我认为有一些参与者在'YOLO'(你只活一次),他们把风险拨盘调得太高了,我非常担心。"他使用了这个俚语来指代"你只活一次",这个词经常用来为冒险行为辩护。
此外,他还谈到了AI芯片折旧时间表的问题。这是另一个热点话题,如果GPU提前过时并失去价值,这个因素可能会对行业经济产生负面影响。
阿莫代说:"问题不在于芯片的使用寿命——芯片可以工作很长时间。问题是新芯片的推出更快更便宜...因此旧芯片的价值可能会有所下降。"
他表示,Anthropic在这方面和其他方面都做出了保守假设,为不确定的未来做准备。
这位CEO表示,该AI公司的收入在过去三年中每年增长10倍,从零增长到2023年的1亿美元,然后从2024年的1亿美元增长到10亿美元,预计到今年年底将达到80-100亿美元之间。
但阿莫代说,如果他只是假设这种模式会继续下去,那就"真的很愚蠢"。"我不知道一年后,会是200亿还是500亿...这非常不确定。我尝试保守规划。所以我为较低的一面做准备,但这非常令人担忧,"他说。
像他这样的AI公司必须规划未来几年需要多少算力,以及应该在数据中心投资多少。如果他们购买的不够,可能无法为客户提供服务。如果他们购买太多,将难以跟上成本,或者在最坏的情况下,可能会破产。
上个月,OpenAI陷入公关危机,其首席财务官表示希望美国政府"支持"该公司的基础设施贷款,也就是为这些贷款提供保险,这样如果OpenAI无法偿还,纳税人就会承担费用。在引发轩然大波后,她收回了这些言论。
阿莫代警告说,那些承担更多风险的人可能会过度扩张,特别是如果"你是那种在本质上就想要'YOLO'事情,或者只是喜欢大数字的人",他说,这明显是在暗指OpenAI CEO山姆·奥特曼。
"我们认为在基本上所有情况下我们都会没事...我不能代表其他公司发言,"他说。
Q&A
Q1:Anthropic CEO对AI行业泡沫问题是什么态度?
A:Anthropic CEO阿莫代拒绝简单地回答是或否,他认为这是个复杂情况。他看好AI技术潜力,但警告生态系统中一些参与者可能会犯时机错误或在经济回报方面遇到问题,特别是那些过度冒险的公司。
Q2:AI公司面临的主要风险是什么?
A:主要风险包括AI经济价值增长时机的不确定性、数据中心建设的滞后时间问题,以及AI芯片折旧时间表的影响。如果公司投资过少可能无法服务客户,投资过多则可能面临成本压力甚至破产。
Q3:Anthropic的收入增长情况如何?
A:Anthropic过去三年收入每年增长10倍,从零增长到2023年1亿美元,2024年达到10亿美元,预计今年年底将达到80-100亿美元。但CEO表示不能假设这种增长会继续,需要保守规划。
好文章,需要你的鼓励
真相只有一个:在AI与创意的交汇点上,HP Z2 Mini G1a确实是一台值得推荐的灵感引擎。
德国图宾根大学研究团队开发了MatSpray技术,能将2D照片中的材质信息准确转换为3D模型的物理属性。该技术结合了2D扩散模型的材质识别能力和3D高斯重建技术,通过创新的神经融合器解决多视角预测不一致问题,实现了高质量的材质重建和真实的重光照效果,处理速度比现有方法提升3.5倍。
近年来,AI学会了写作、生成图像、创建视频甚至编写代码。随着这些能力成为主流,研究重点转向更深层问题:机器能否真正理解世界运作方式?世界模型应运而生,从1950年代概念到2024年OpenAI的Sora、2025年英伟达Cosmos等突破性应用。与语言模型基于文本预测不同,世界模型专注预测环境变化,通过学习因果关系实现推理规划。在机器人、自动驾驶等物理AI领域前景广阔,但面临计算资源需求高、数据收集困难等挑战。
纽约大学研究团队开发出革命性"大脑翻译器"技术,首次实现用人类大脑活动模式精确控制AI语言行为。通过MEG脑磁图技术构建大脑语言地图,提取20个关键坐标轴,训练轻量级适配器让AI按人脑思维方式工作。实验证明该方法不仅能精确引导AI生成特定类型文本,还显著提升语言自然度,在多个AI模型中表现出良好通用性,为人机交互和AI可控性研究开辟全新路径。