今年以來，最重磅的消息就是OpenAI發布文生視頻模型Sora，其之於視頻大模型的意義絲毫不亞於ChatGPT之於文本模型領域的意義。

文生視頻模型Sora的出現，意味着OpenAI實現了對生成式AI主流模型的全面覆蓋，其中包括文本模型GPT、文生圖模型DALL·E、文生視頻模型Sora。

然而，這並不是OpenAI故事的全部。近期，隨着越來越多信息的披露，OpenAI試圖壟斷AI產業的野心暴露無疑。

據WSJ報道，OpenAI正在持續探索進入芯片制造的可能，並拋出了一個5萬億到7萬億美元的超級融資計劃。與此同時，OpenAI也在加速對AI核心應用場景的產品研發，其中包括一款搜索產品和兩款革命性的Agent軟件。

這意味着，OpenAI正在向基礎設施層和AI應用層同時發力，試圖通喫整個生成式AI的軟硬件基礎設施，進而壟斷整個AI產業。

/ 01 / 通喫上下遊的野心

人們總把OpenAI簡單當作模型層公司。但現在這個看法要改改了。種種跡象顯示，OpenAI正在向基礎設施層和AI應用層同時發力。

在基礎設施層，Sam Altman拋出了一個增加全球芯片制造能力的項目，並與包括阿拉伯聯合酋長國政府在內的不同投資者談判，計劃募資金額高達5萬億到7萬億美元。

事實上，Altman這一計劃由來已久，自去年10月开始就不斷有OpenAI准備投資芯片的消息傳出，Altman本人也同包括G42、軟銀、英特爾、台積電和三星電子等公司談判過合作。

除了往基礎設施層走，OpenAI也在加速對AI核心應用場景的產品研發。根據媒體報道，據了解 OpenAI 計劃的知情人士透露，OpenAI一直計劃开發一款網絡搜索產品，這項產品將得到Bing支持。

與此同時，OpenAI還在开發兩款革命性的Agent軟件。其中一款能夠有效接管客戶的設備來自動執行復雜的任務。例如，把文檔中的數據傳輸到電子表格中進行分析，或者自動填寫費用報告並將其輸入會計軟件，或者根據一定的預算制定行程或預訂機票。

上個月，OpenAI員工本·紐豪斯在X上發布了一則招聘信息，爲自己的團隊招聘，方向是利用最新模型的特性，开發一款可能會改變行業格局的新產品。對於產品具體情況，他沒有詳細說明。但OpenAI的產品副總裁彼得·韋林德在X上評論說，紐豪斯所說的產品將會改變一切。

無論是Agent還是AI搜索工具，都被認爲是當下AI應用探索最成功的場景之一，前者的代表產品是AutoGPT，後者的代表產品是Perplexity。其中，Perplexity 已經融資 1 億美元，最近投資者對它的估值爲 5.2 億美元。據 The Information 報道，截至上個月，這家初創公司每年從產品訂閱中獲得約 800 萬美元常規收入。

盡管谷歌、Meta等公司在芯片和AI產品也都有動作，但遠遠沒有OpenAI這么活躍。而之所以OpenAI花這么多力氣往上下遊走，很重要的一個原因就是對AI產業終局的押注。

/ 02 / 押注AI產業終局

表面上看，OpenAI去造芯片，是因爲購买AI芯片的成本太高了。但說到底，OpenAI還是不想被卡脖子。

現在提升模型智能水平只有一個路徑，就是 Scaling Law。在肉眼可見的未來，仍然看不到Scaling Law的盡頭。而且即使不开發任何新的模型，OpenAI 離“用 GPT-4 服務所有人”的目標仍然很遠。這意味着，在可見的未來，算力都是一個巨大的瓶頸。

這可不光是錢的事情。算力成本的下降速度，決定了AI在很多場景裏的落地。這一點和當初的互聯網很像，移動互聯網應用大規模爆發，起於從3G到4G的所帶來的流量成本大幅下降。

而現在算力成本的下降，很大程度上取決於芯片廠商。盡管H100相比A100性能有明顯提升，但並沒有像模型訓練算力需求那樣有明顯數量級的增長。這也意味着，算力成本已經成爲OpenAI通往AGI的最大阻礙。

拋开卡脖子的因素外，在AGI終局裏，算力本身也足夠“性感”。在這一輪AI熱潮的驅動下，英偉達的市值已經一舉超越了亞馬遜與谷歌。

與布局芯片類似於，OpenAI做AI應用產品也出於類似的考慮。從歷史中看，軟件行業的最終贏家是直接掌控用戶和數據資產的平台型應用，“只掌握技術”在互聯網世界裏被證明並沒有價值。

這個邏輯放在生成式AI也同樣適用。正如此前月之暗面楊植麟所說：

“現在‘喫’的是 Base Model 的 Scaling Law，未來可能會去“喫”用戶這個數據源的 Scaling Law。歷史上基本所有的互聯網產品要跑出來，最終都要靠用戶數據的 Scale。今天 MidJourney 已經能看到一些跡象，它通過“喫”用戶的Scaling Law 可以勝過 Base Model 的Scale up，但如果只看語言模型和文本，Base Model 的scaling 效果仍然遠遠超過用戶的。“

按照楊植麟的說法，AI大模型智能水平驅動力從基礎數據的Scaling Law轉移到用戶的Scaling Law，只是個時間問題。在這種情況下，應用層公司既是模型層的下遊客戶，也是數據提供者。只有掌握用戶的公司，才真正意味着掌控模型。

/ 03 / OpenAI的終局思維

如果你足夠了解OpenAI，就會對這家公司的目標印象深刻。從創業开始，這家公司的目標只有一個，就是 all in AGI，一切研究圍繞着探索通往 AGI 的路徑。你能看到，無論是OpenAI還是掌舵人Sam Altman，他們在行爲上都有着極強終局思維的烙印。

之所以OpenAI能跑通從文本、圖片到視頻的所有 AGI 技術棧，而且在很多領域都展現出了遠超行業的能力，恰恰離不开OpenAI基於終局思維建立的方法論。

作爲Scaling Law這一暴力美學的堅定支持者，爲了最大程度地發揮Scaling Law的價值，OpenAI做了三件事情：良好且通用的數據表示，良好且通用的數據標注，良好且通用的算法。

根據加州大學伯克利分校 (UC Berkeley) 計算機科學 PHD、知乎作者 SIY.Z的分析：

在GPT中，良好且通用的數據表示，是 tokenizer 帶來的 embedding。良好且通用的數據標注是文本清理和去重的一套方法（因爲自然語言訓練是 unsupervised training，數據本身就是標注）。良好且通用的算法就是大家熟知的 transformers + autoregressive loss。

在Sora中，良好且通用的數據表示，是 video compress network 帶來的 visual patch。良好且通用的數據標注是 OpenAI 自己的標注器給視頻詳細的描述（很可能是 GPT-vision）。良好且通用的算法也是大家熟知的 transformers + diffusion。

以上的種種調整，爲GPT和Sora的成功打下了基礎。而如今，這樣的思維也從技術探索也延伸到了業務布局。

就拿做芯片這事來說，很多人覺得奧特曼提出的7萬億是天方夜譚，但如果放到終局思維的路徑裏，其實也就能夠理解了。

現在全球每年的GDP大約在100萬億美元，7萬億也就佔7%而已。要知道，人腦的能量开銷佔每天人體耗能的 20%以上，因此最終 AI 相關的算力开銷或許也應該達到類似的比例才合理。全球 70 億人分 7 萬億美元，平攤下來人均也就 1000 美元，只有1 部蘋果手機或筆記本電腦的價錢，但你從中獲得的生產力提升可能翻倍都不止。

以終局思維出發，進行業務布局，讓OpenAI將AI產業的競爭拉高到一個新的維度，而不僅僅取決於模型的智能水平。但這事也會帶來一個問題：OpenAI將面臨比互聯網巨頭更嚴厲的壟斷監管。

如果OpenAI這條路能跑通，意味着AI產業將比互聯網更加壟斷。原因很簡單，當算力、算法和數據三者的價值全被OpenAI拿走的，很多人工智能產業鏈上的公司會死掉。

在互聯網時代，由於信息流動方式的問題，導致數據最終聚集在了少數互聯網巨頭的手裏，他們通過廣告這個精妙的商業模式，把財富聚集在自己手裏，壟斷开始出現。

生成式AI所帶來的技術變革本有望打破這一切。但OpenAI的AGI野心，很有可能讓長成一個吸血的怪獸，壟斷所有的知識來靠此收費，在壟斷這件事上不僅沒有減少，甚至換了新方法變本加厲上演。

從長遠看，OpenAI喫掉AI絕大部分蛋糕的故事固然性感，但對於AI行業乃至整個世界來說，未必是一件好事。

       原文標題 : 野心曝光！7億美元造芯片、开發革命性產品，OpenAI想要“壟斷”整個AI

---

標題：野心曝光！7億美元造芯片、开發革命性產品，OpenAI想要“壟斷”整個AI

地址：https://www.utechfun.com/post/341327.html