微软 OpenAI 都要做 AI 芯片,a16z 给 Midjourney 对手 5 亿美金估值
前两天传出 Anthropic 以大概 200 多倍 ARR 的估值再从 Google 等融资 20 亿美金的信息时,看到一个说法蛮有意思,大概是这么说的:
- 在 10 亿美金估值的时候投资 OpenAI 是正确的选择;
- 在 100 亿美金估值时投资 OpenAI 是非常正确的选择;
- 在 300 亿美金估值时(当下目前)投资 OpenAI 也是正确的选择;
- 在 1000 亿美金估值时(最近传出估值 900 亿美金)投资 OpenAI 仍然是正确的选择;
- 因为我们很可能正在见证 OpenAI 成为下一个 FAANG 一样的公司。
这个逻辑对于每一个最后成长为巨头的企业来说似乎都是对的,最近的一个例子是特斯拉,当其市值从低谷开始不断增长时,在每个阶段很多人都会觉得估值太高,但很多时候这个高点只是下一个高点的起点,其它巨头的成长过程很多投资人肯定也经历过这样的过程。
当然,这是从未来的视角来看的现在,而关键的问题是未来是不确定的,这或许就是投资里最有意思的地方,拥抱不确定性。
从未来的视角比方说 2030 年的 OpenAI 会成为一个什么样的公司,它还会仅仅是现在提供软件和 API 的一个公司么,于是有分析认为它的未来很可能会成为一家庞大的消费品公司,会提供类似苹果的软件和硬件生态产品。原因很简单:
因为在现有的巨头中,虽然微软与其进行了广泛的合作,不过其他巨头比方说苹果,应该不会在他们的 Mac 电脑中使用 OpenAI 的模型,Google 不会在他们的 Pixel 手机中使用 OpenAI 的模型,Meta 也不会在他们的 VR 头戴设备中使用 OpenAI 的模型。
因此 OpenAI 唯一的办法是建立自己的硬件设备体系,这或许也是最近 OpenAI 与 Jony Ive 传出合作要做硬件设备的一个原因。
同样,今天传出 OpenAI 正在探索自己设计 AI 芯片,以减轻对英伟达的依赖。据 Reuters 的消息,OpenAI 内部从去年开始就已经开始讨论各种选择了,并且已经在评估潜在的收购目标,Sam Altman 更是将收购更多 AI 芯片公司作为其首要任务。
这里的原因有两个,一个是当前 AI 芯片非常的短缺,其次是成本非常贵,根据一项分析:
每个查询大约需要花费 4 美分,如果 ChatGPT 的查询规模达到 Google 搜索的十分之一,将需要价值约 481 亿美元的 GPU,并且每年需要价值约 160 亿美元的芯片来维持运营。
OpenAI 目前主要依赖微软提供的超级计算机,该计算机使用了 1 万个英伟达的 GPU。与此同时,The Information 今天的信息说,微软将在下个月推出自己的 AI 芯片 Athena,以减少对英伟达芯片的依赖。
不过也有分析认为 OpenAI 造 AI 芯片可能是抛出的一个信号,目的是希望获得对英伟达更大的影响力。但微软造 AI 芯片应该只是时间问题,微软 CEO 在之前的一次财报会议上曾说过,AI 的最强基础设施非 Azure 莫属,在所有的巨头中,目前微软应该也是拥抱 AI 最全面的。
随着 AI 这波机会的全面到来,我们可能还会来到一个硬件复兴的时代,目前似乎已经能看到不少迹象了。除了之前介绍过的人形机器人外,在昨天关于 Sequoia 红杉投资策略《Sequoia 红杉今年 60% 的投资都聚焦在 AI,投资策略在应用层》的文章里,Sequoia 和 Khosla Ventures 等一起又给了一个有点类似人形机器人的公司 4000 万美金的投资,不过它更强调人机协作,并且声称是由同理心驱动的新型机器人公司。
Khosla Ventures 似乎对 AI 的软硬结合比较感兴趣,之前还投资了由前渡鸦科技创始人吕骋创立的 AI 公司 Cyber Manufacture,也将推出软硬件结合的产品。
当然,软件应用仍然是目前 AI 投资的重点,在一个多月前刚拿到 a16z 和 Index 联合领投的 1650 万美金种子轮后,The Information 称 Midjourney 的竞争对手 Ideogram 正在进行新一轮的融资,估值可能会达到 5 亿美金,融资金额在 7500 万-1 亿美金左右,a16z 领投。
能明显感受到 a16z 在 AI 投资估值这块还是挺激进的,或许与 a16z 对 AI 未来的乐观态度有关,特别是最近的这个探讨,认为我们正处于计算的第三个时代《a16z万字长文:我们正在进入计算的第三个时代》。
Ideogram 的团队来自 Google Imagen 核心团队成员,目前产品的一个卖点是在图片中生成可靠的文本,而且生成的图片给我一种简洁感,所以现在文章里非产品类配图基本上都由 Ideogram 生成,关于 Ideogram 的详细介绍可以看之前的文章。