OpenAI创始人拿微软100亿，是在下一步大棋 _微软

丰色编译自凹非寺
量子位 | 公众号
获得微软100亿美元投资的消息出来后，一些人的想法有些沮丧：
一方面，摆脱了经济压力的可能将不再那么“open”、顺而放弃“开发造福每个人的AI技术”的精神；
另一方面，大家也担心它的模型将落为MS 中花里胡哨的插件，让过去“开放和创新的日子“也一去不复返了。
然而，事情并没有表面看起来这么简单。
来自“r/”板块有这样一个长帖子，从机器学习行业幕后故事对这笔交易进行了详细分析，发现：
这可能是掌门人Sam 搞的一笔巨大对冲、下的一步“大棋” 。
该帖子在评论区获得了相当多网友的赞同。
具体怎么说？
风光？光一年就亏损5亿美元
【OpenAI创始人拿微软100亿，是在下一步大棋】先来看看究竟有多需要这笔巨款。
就拿最近的2022年来说，公司预计该年总收入为3600万美元。
但这一年，他们花掉了5.44亿美元。也就是说，光去年一年就亏损了5亿多美元。
你以为这一年是个例吗？
NO 。
要知道，在旧金山拥有375名常驻员工，其中大部分都是机器学习领域的大佬，光是每年给他们开的工资就要2亿美元。
除了这笔固定开销，需要的计算成本也相当惊人。
有数据显示，他们训练一次GPT3就花费了460万美元，相应的云资源成本差不多也是9位数（也就是上亿）。
而在微软投资100亿美元前，在成立的七年多的时间总共收到了40亿美元的投资。
作者表示，就以2022年这5亿美元的烧钱率来看，是个人都能发现的现金所剩无几。
但现在，眼看红得发紫，岂不是要摆脱这个窘境？
这不，他们就预估2024年公司年收入可达10亿美元。
Too young too ！
作者表示，要达到这个目标，成本只会跟着水涨船高。

文章插图
机器学习公司想赚钱，有点难
表面上看起来，机器学习跟其他软件科技公司没什么不同：都是靠写代码出产品。
即使进入机器学习时代，SaaS模式成为主导，软件的运行成本不再由买方承担，逐渐推回给产品供应商——在这之中，AI的成本显然也更高一些。
主要是机器学习公司在云基础设施上的耗费太高了。
就拿模型训练来说，一次训练可能至少就需要数十万美元，但实际业务中模型的“数据漂移”又让我们不得不进行二次、三次乃至更多的重新训练。
推理步骤就不多说了，也需要大量的计算资源。
另外，AI程序相比传统软件用到的富媒体（图像、动画、音视频等）也更多，这类型的数据消耗的存储资源更大，处理起来也更麻烦（也就更昂贵）。
除了云成本，人工成本也是机器学习公司面临的一个问题。
因为在Human-in-the-loop系统中：
（1）当今大多数最先进的AI模型都涉及对大型数据集进行手动清洗和标注；
（2）认知推理较多的AI任务中，人类通常也要实时接入系统“盯着”，即使模型性能再高，人类也不太可能被完全排除在外。
于是，基于以上两个因素，就有了这样一个统计数据：
机器学习/AI公司的毛利率通常都在50%-60%之间，而其他软件公司则达到了60%-80% 。
好了，我们现在明白机器学习公司搞钱不容易了，但这不是已经跑起来了吗，后面想赚钱还不好说嘛？
两种盈利模式都不好走
先来看看能够靠什么方式用赚钱。
一种是进入垂直领域直接跟消费者买卖，比如将发展为优秀的文案写作工具。
有3条理由分分钟堵死了这条道：