Deepseek Vs：他们是否暴露了 Openai 的致命缺陷？

聊天生成预训练变换器制造商一直在玩一场失败的游戏

作者使用Canva创建的图像

开放AI上新闻的原因通常有三种典型情况：

1. 董事会成员之间的丑闻
2. 他们正在推出新产品
3. 或者他们在抱怨仍然没有盈利

他们最近因第三个原因上了新闻。

在1月初，萨姆·奥特曼发了一条令人不快的推文。

作者截图

为了提供背景，2024年12月5日，开放AI推出了200美元的聊天生成预训练变换器专业版订阅，他们自己表示，“使用户能够大规模访问开放AI最优秀的模型和工具。”

每月200美元的订阅费用相当昂贵，但订阅者将获得对开放AI最智能模型的无限制访问。我们谈论的是目前人工智能市场上一些最酷的工具：开放AI o1、o1-mini、GPT-4o、Advanced Voice，以及更多。

尽管有了这个订阅模式，开放AI仍然亏损，这对我来说一点也不奇怪。首先，这证实了我长期以来的观点：开放AI推出过多模型的做法并不明智。

自从聊天生成预训练变换器在2022年首次亮相以来，我已经数不清开放AI推出了多少其他闪亮的工具。推出新的先进产品似乎是他们追求盈利的主要策略。

在市场还未适应他们上一个推出的产品之前，人工智能制造商总是会有新产品问世。

但如今最大公司的情况并非如此。这些其他科技巨头在盈利时产品数量较少：

• 谷歌在市场上只有两个产品时实现了盈利：谷歌搜索和谷歌广告。
• Facebook 仅凭Facebook应用和广告作为主要产品就实现了盈利。
• 苹果公司在成立两年后就开始盈利，主要产品是Apple I和II。
• 微软在推出后立即盈利，因为它是Altair 8800套件的BASIC解释器唯一供应商。

开放AI推出了超过八个产品（我知道我说过我数不清，但我不得不赶上，以便能说出这个），仍然尚未实现盈利。

我明白，导致这一无盈利的主要原因是训练和运行人工智能模型的高昂成本，加上在研究与开发方面的大量投资。

开放AI每天运行其模型的成本高达70万美元，他们每年在研究与开发方面的支出达到数十亿美元。更广泛的含义是，尽管公司去年销售额超过37亿美元，但却净亏损超过50亿美元。

开放AI的一切都是庞大的；用户、估值、收入、产品数量和亏损。所有一切，除了利润！

我认为，推出过多产品以追求盈利并不是明智的做法，因为这会显著提高训练和运行成本。

这很简单的数学。

如果开放AI在某人使用其产品时假设每次查询的成本为0.1美元，那么随着开放AI用户的增加——无论是单一产品还是10个产品，成本都必然会上升。更多的产品和用户意味着你烧掉更多的现金。

每个初创公司都愿意为拥有一百万用户付出一切，并不遗余力地争取拥有超过一个人们追逐的产品。仅聊天生成预训练变换器就拥有超过3亿用户，并且市场上有多达10个产品，开放AI本应过上梦想中的生活。但考虑到成本的现实，初创公司的梦想在这种情况下却成了开放AI的噩梦。

我不知道为什么开放AI一直在走更多产品的这条路。只需应用第一原则思维，就会清楚地看到，开放AI应当专注于旨在降低训练和运行成本的创新，而不是推出更多产品。

回到我们的假设场景，如果每个用户的查询成本可以降低到0.01美元，那将意味着运行成本减少10倍。谁说他们会止步于此？

太空探索技术公司在火箭制造和发射方面遵循了成本降低模式。

我是在说这是一件容易做到的事情吗？绝对不是。

我曾怀疑这种成本降低的方法是否可以应用于人工智能的训练和运行，尤其是考虑到该行业的初创状态，以及开放AI如果选择专注于成本降低而不是推出新更好产品时面临的竞争风险。

这些都是我的疑虑，直到深度探索推出。

来自太空探索技术公司和深度探索的经验教训

太空探索曾经是最大的事情。但关于它的一切都非常复杂。

从支撑它的理论到构建探索地球之外一切的火箭的实际方面，太空探索是只有少数人敢于涉足的领域。它超出了其他人的理解。

更糟糕的是，太空探索的一切都是荒谬地昂贵。将火箭送入太空通常会让NASA花费接近20亿美元。这笔开支的影响是双重的：

• 发射到太空的火箭数量减少
• 太空探索因此以较慢的速度进行

然后，埃隆·马斯克决定做些不同的事情。

通过太空探索技术公司，马斯克能够大幅降低火箭制造的成本。太空探索技术公司的航班费用在$6200万 - $9000万之间——这意味着超过90%的成本降低。这有双重影响，让我们能够向太空发射更多的火箭，从而加速太空探索。

该公司能够通过多种因素实现这一目标：

• 内部制造（而不是外包）
• 设计简化
• 可重用性

结果是，截至2024年4月，太空探索技术公司每2.7天发射一次任务。这个数字的意义在于，从1980年代中期到2010年代，全球范围内每2.8天就会发射一次任务，不仅仅是NASA。

进入深度探索

深度探索在1月20日发布其最新的R-1模型后，让科技界感到震惊。

您无需了解技术细节即可理解此次发布的卓越与重要性。

值得提及的只有三点：

• 其性能在某些人工智能基准测试中与开放AI的o1模型相匹配或超越。
• 使用是免费的，应用程序接口的定价成本仅为开放AI的o1的三十分之一。
• 训练其模型之一的成本为560万美元，而构建一个模型的成本被引用为10万美元到10亿美元。

这是深度探索在做它的事情。

深度探索选择了与人工智能行业的既有参与者不同的做法。这帮助他们降低了成本，同时取得了与游戏中其他参与者几乎相等的结果。他们至少以不同的方式做了四件事：

1. 使用智能优化使现有资源更高效。
2. 仅训练重要部分。
3. 选择更小的内存，从而实现更快的结果和更低的成本。
4. 利用强化学习。

细节比简单化要复杂，但结果显而易见。

希望开放AI能意识到围绕成本降低进行创新的必要，而不是继续向市场推出众多产品并向用户收取高额的订阅费用。这是可以实现的。