Gate Booster 第 4 期:发帖瓜分 1,500 $USDT
🔹 发布 TradFi 黄金福袋原创内容,可得 15 $USDT,名额有限先到先得
🔹 本期支持 X、YouTube 发布原创内容
🔹 无需复杂操作,流程清晰透明
🔹 流程:申请成为 Booster → 领取任务 → 发布原创内容 → 回链登记 → 等待审核及发奖
📅 任务截止时间:03月20日16:00(UTC+8)
立即领取任务:https://www.gate.com/booster/10028?pid=allPort&ch=KTag1BmC
更多详情:https://www.gate.com/announcements/article/50203
OpenAI的领导层一直在描绘公司盈利之路的乐观前景。随着组织规模的扩大,Sam Altman建议大型模型的训练成本将相对于整体收入变得不那么沉重——这是一个经典的规模经济论点。纸面上的数学听起来合理。但值得审视的是存在一个脱节:尽管有这些扩展的预测,公司的实际亏损却在不断上升而非缩小。这种理论模型与实际财务之间的差距引发了一些严肃的问题:目前的AI开发方式是否真正可持续,还是经济学需要进行根本性的重置。
---
纸面账单跟真实亏损差这么大,谁还信什么economies of scale啊,笑。
---
Sam又开始讲故事了,损失越来越多却说能降本,要不是没上车我都想信。
---
如果当初没被这套理论骗进去...算了,现在说什么都晚了。
---
经典AI创业套路,烧钱讲梦想,然后"相信我们会盈利",老一套了真的。
---
数字好看归好看,账户里的钱不会骗人,这差距大到离谱。
---
说得好听,可实际亏损还在涨,我怎么就这么容易被这种论调打动呢。
---
要不说人家融资能力强呢,让投资人接着掏钱的同时自己却赔得飞快。
---
规模越大亏得越凶,这套说法真的能圆上?
---
Sam又在讲经济学故事了...但钱包会说实话
---
scaling到最后反而更烧钱,是我理解错了还是模型有问题?
---
账面上的economies of scale跟真实亏损完全两码事啊
---
感觉大模型这条路走着走着就偏了,成本没降反升
---
这种disconnect最能暴露问题,数字会骗人但真金白银不会