OpenAI – „Experten sagen Insolvenz voraus“ war Teil der aufmerksamkeitsstarken Schlagzeile des Economics Times. Ein genauerer Blick zeigt, dass SimilarWeb einen Rückgang der OpenAI-Benutzerzahlen gemessen hat. Diese Informationen und die hohen Kosten, die mit dem Training von OpenAI-Modellen verbunden sind, führen zu der Schlussfolgerung, dass OpenAI „chatgpt-costs-company-700000-dollars-every-day-12986012.html“ target=“_blank“ class=“color-link“ title=“https://www.firstpost.com/tech/news-analysis/openai-may-go-bankrupt-by-2024-chatgpt-costs-company-700000-dollars-every-day-12986012.html“ rel=“nofollow noopener noreferrer“ data-ga-track=“ExternalLink:https://www.firstpost.com/tech/news-analysis/openai-may-go-bankrupt-by-2024-chatgpt-costs-company-700000-dollars-every-day-12986012.html“ aria-label=“OpenAI may go bankrupt by 2024”“>OpenAI könnte bis 2024 bankrott gehen“.

Sollten Sie befürchten, dass ChatGPT, der Dienst, der das Modell von OpenAI unterstützt, verschwinden wird? Nein, ganz im Gegenteil! ChatGPT hat sich schnell zu einem führenden verbraucherorientierten Dienst entwickelt. Keine andere Anwendung ist so schnell gewachsen. Es ist hier, um zu bleiben. Darüber hinaus wird OpenAI bleiben. Microsoft sieht in OpenAI einen Wert als Werkzeug dafür google“ target=“_blank“ class=“color-link“ title=“https://www.vox.com/recode/2023/1/26/23571710/microsoft-open-ai-chatgpt-google“ rel=“nofollow noopener noreferrer“ data-ga-track=“ExternalLink:https://www.vox.com/recode/2023/1/26/23571710/microsoft-open-ai-chatgpt-google“ aria-label=“compete with Google in the AI race“>Konkurrieren Sie mit Google im KI-Rennen. Sie werden wahrscheinlich weiterhin die Serverkosten für OpenAI finanzieren, um ihren zurückgewonnenen Wettbewerbsvorteil gegenüber Google zu nutzen. (Viele von uns hier im Silicon Valley hatten Microsoft fast vergessen.)

Auch wenn eine Insolvenz vielleicht vom Tisch ist, überrascht mich diese Nachricht nicht. Lassen Sie uns daher das zugrunde liegende Geschäftsmodell von OpenAI analysieren. Durch den Verkauf von Large-Language-Modellen entsteht kein Geschäftsgraben. Wie von Investopedia beschrieben, ist ein Business Moat die „Fähigkeit, Wettbewerbsvorteile gegenüber seinen Konkurrenten aufrechtzuerhalten, um seine langfristigen Gewinne und Marktanteile zu schützen“. Ein gutes Beispiel ist die Herstellung von Computerchips. Die Etablierung einer 5-nm-Chiptechnologie kostet Milliarden (F&E ca 4-5 Milliarden USD und ein Produktionsanlage von etwa 40 Milliarden). Diese Kosten stellen eine Eintrittsbarriere für andere dar. Einmal etabliert, kann ein Unternehmen dieses Marktsegment für längere Zeit dominieren. Das Unternehmen verfügt über einen Wassergraben.

Generative KI oder große Sprachmodelle (LLM) sind teuer im Training. Guido Appenzeller schätzt, dass die „Die Kosten für die GPT-3-Schulung liegen je nach Hardware-Annahmen zwischen 500.000 und 4,6 Millionen US-Dollar.“. Diese Kosten bilden jedoch keinen Geschäftsgraben:

(1) Schulungskosten sinken:

Die Kosten für das Training eines LLM hängen von Daten und Modellparametern ab. Da sich die Wachstumsrate der für Trainingsplateaus und Softwareoptimierung verwendeten Daten verbessert, wird erwartet, dass die Kosten für das Training dieser Modelle sinken. Das bedeutet, dass Konkurrenten von OpenAI mit ähnlichen Modellen konkurrieren können, aber geringere Forschungs- und Entwicklungskosten haben.

(2) Algorithmen haben keinen wirtschaftlichen Wert:

Eine LLM-Ausbildung bedeutet nicht, dass ein wirtschaftlicher Wert geschaffen wird. Im Wesentlichen ist ein LLM ein maschineller Lernalgorithmus, der für Sequenz-zu-Sequenz-Vorhersagen entwickelt wurde. Es ist ein neues Tool neben den vielen anderen Tools für maschinelles Lernen, die wir heute haben. Es gibt Anwendungsfälle, in denen ein LLM einzigartig positioniert ist, um beispielsweise bei der Textgenerierung hilfreich zu sein. Ich könnte diesen Absatz als Gedicht schreiben lassen. Welchen Wert hat das?

1. Im Bereich der Technik, wo Wissen entsteht,
2. Die Ausbildung eines LLM bringt nicht immer einen Mehrwert.
3. Das Wesentliche ist, wie Sie sehen, ganz einfach abzuleiten,
4. Für Sequence-to-Sequence ist es das Werkzeug, das wir produzieren.
5. Zu den vielen Werkzeugen, die es in der KI gibt, gehören:
6. LLM zeichnet sich durch seine ganz eigene Art aus.
7. Für die Textgenerierung ist es ein Stern in der Nacht,
8. Worte und Geschichten erfinden, Ideen ans Licht bringen.
9. Doch dieser Absatz, einst Prosa, jetzt Reim,
10. Von LLM in so kurzer Zeit verwandelt.
11. Doch welcher Wert liegt in diesem poetischen Akt?
12. Handelt es sich lediglich um eine Neuheit oder um eine tiefgreifende Auswirkung?

Ok… Punkt klar.

(3) Der wirtschaftliche Wert ergibt sich allein aus der Anwendung

Wie ich in meinem Buch schrieb: Fragen-Messen-Lernen Algorithmen werden wertvoll, wenn sie umsetzbare Ergebnisse beeinflussen. Beispielsweise wollten wir durch unsere Vorhersagen bei Google oder Marpai Health verhindern, dass Krankenhausaufenthalte vermieden werden. Der Algorithmus allein ist oft wichtig, aber nicht ausreichend für die Wertschöpfung. Der wichtige Teil ist die Integration des Algorithmus in das Produkt. Das wussten wir, seit Jeff Hammerbacher und DJ Patil den Begriff „Data Science“ geprägt haben. Diese Erkenntnis ist auch für den neuen Hype um Large Language Models gleich geblieben.

Die wichtigste Wertschöpfung, die wir bei OpenAI-Modellen sehen, ist (a) ChatGPT, (b) die verschiedenen Co-Piloten und (c) die OpenAI-API-Integration mit Microsoft. Es ist noch früh, über den finanziellen Erfolg von Co-Pilot und den APIs zu sprechen. Allerdings besagen Gerüchte, dass die Kosten für den Betrieb von ChatGPT die Einnahmen von ChatGPT übersteigen. Daher schien ChatGPT seine Ressourcen reduziert zu haben, was zu einem Rückgang der „Intelligenz“ von ChatGPT geführt hat.

Kein Modell-Moat, aber 100 Mio. Benutzer-Moat

Angesichts sinkender Kosten und der zentralen Rolle von Anwendungsfällen ist es schwierig, Investitionen in große Sprachmodelle abzusichern. Der Markt wird regelmäßig mit neuen Algorithmen überschwemmt, wobei Open-Source-Versionen praktikable Alternativen zu proprietären OpenAI-Modellen bieten. Dieses Problem wurde durch die Aussage von Google deutlich: „Wir haben keinen Wassergraben und OpenAI auch nicht.“ Meta Open-Source-LLaMA, ein großes Sprachmodell mit 65 Milliarden Parameternhat dieses Setup im Wesentlichen nur fertiggestellt.

Zusammenfassend lässt sich sagen, dass das OpenAI-Geschäftsmodell uns zu denken geben sollte. Aber denken Sie daran, ChatGPT hat derzeit über 100 Millionen Benutzer. Es gibt viel, was man tun kann, um einen Burggraben und einen nachhaltigen Vorteil zu schaffen: Benutzererfahrung, Datenzugriff, Workflow-Integration, LLM-Governance und regulatorischer Schutz. Lesen Sie mehr darüber in „Der potenzielle Burggraben von OpenAI – Wie OpenAI seine Investitionen sichern kann.“

Lutz Finger hat Datenprodukte für LinkedIn, Google, Snap und Marpai Health entwickelt. Er lehrt „Entwerfen von Datenprodukten“ und KI-Strategie an der Johnson School of Business in Cornell. Ansichten sind seine eigenen.

Folge mir auf LinkedIn.