Trots sin enorma popularitet påstås OpenAI bränna pengar i en ohållbar takt och kan stå inför en häpnadsväckande förlust på $5 miljarder i slutet av 2024.
Det framgår av en chockrapport från Informationen, som citerar outgivna interna finansiella rapporter och branschsiffror som avslöjar hur OpenAI redan har spenderat ungefär $7 miljarder på träningsmodeller och så mycket som $1,5 miljarder på personal.
Dylan Patel från SemiAnalysis hade tidigare sagt till The Information att OpenAI påstås ha delat ut några $700.000 per dag att köra sina modeller 2022 och redovisade förluster på nästan $500 miljoner bara det året.
Trots att OpenAI genererar betydande intäkter, uppskattade till $3,5 miljarder till $4,5 miljarder årligen, överstiger OpenAI:s kostnader vida intäkterna.
Företaget har redan tagit in över $11 miljarder genom sju finansieringsrundor och värderas för närvarande till $80 miljarder.
Men trots att ChatGPT är ett välkänt namn med miljontals globala användare kan OpenAI visa sig vara en riktig pengagrop för investerare om inget förändras.
Microsoft, OpenAI:s i särklass största finansiär, har redan pumpat in miljarder i företaget under de senaste åren.
Det senaste tillskottet av kontanter, $10 miljarder i början av 2023, ryktades inkludera en andel på 75% av OpenAI:s vinster och en andel på 49% i företaget, samt integrering av ChatGPT i Bing och andra Microsoft-system.
I gengäld får OpenAI tillgång till Azures molnservrar till ett kraftigt reducerat pris.
Men i den generativa AI-världen finns det aldrig tillräckligt med chips, molnhårdvara eller banbrytande, världsomvälvande idéer som kräver miljarder för att komma igång.
OpenAI satsar stort på att bli först med artificiell allmän intelligens (AGI), ett ambitiöst och oerhört dyrt projekt.
VD Sam Altman har redan antytt att han helt enkelt inte kommer att sluta förrän detta är uppnått.
Han är involverad i utveckling av kärnfusion och diskuterade att skapa en internationellt chipsprojekt med stöd från Förenade Arabemiraten och USA:s regering värt biljoner.
Konkurrensen är glödhet
Konkurrensen inom generativ AI intensifieras också, med stora aktörer som Google, Amazon, Meta, etc, som alla kämpar för att få en bit av kakan.
Även om ChatGPT fortfarande är den mest erkända AI-chatboten, tar den en allt mindre del av de totala intäkterna som står på spel.
Dessutom bygger avdelningen för öppen källkod, som till stor del leds av Mistral och Meta, alltmer kraftfulla modeller som är billigare och mer kontrollerbara än slutna laboratorieprojekt från OpenAI, Google och andra.
Det säger Barbara H. Wixom, forskare vid MIT Center for Information Systems Research, uttrycker det på ett träffande sätt"Precis som alla andra verktyg skapar AI inget värde om det inte används på rätt sätt. AI är avancerad datavetenskap, och du måste ha rätt kompetens för att kunna arbeta med den och hantera den på rätt sätt."
Och däri ligger en kritisk punkt. Om en organisation har pengar och teknisk kunskap för att utnyttja generativ AI behöver den inte nödvändigtvis samarbeta med företag med sluten källkod som OpenAI. Istället kan de skapa sin egen egna mer skräddarsydda, suveräna lösningar.
Salesforce bevisade nyligen det genom att släppa en banbrytande kompakt modell för API-anrop som krossade gränsmodeller från OpenAI, Anthropic, etc.
OpenAI och andra försöker tänja på gränserna med företagslösningar som ChatGPT Enterprisemen det är tufft, eftersom generativ AI är både kostsamt och tveksamt värt investeringen just nu.
Adam Selipsky, VD för Amazon Web Services (AWS), sa han själv 2023"Många av de kunder jag har pratat med är missnöjda med de kostnader som de ser för att köra några av dessa modeller."
AI-företagen svarar med att sänka kostnaderna för sina modeller och släppa lättare versioner som GPT-4o minimen även det är en gåta. När ska företagen våga satsa på AI när alternativen hela tiden förändras?
2023 gav få svar på frågan om AI-intäktsgenerering
År 2023 har fungerat som en testplats för olika metoder för att tjäna pengar på AI, men ingen är en silverkula för branschens ökande kostnader.
En av de största utmaningarna med att tjäna pengar på AI är att det inte erbjuder samma ekonomi som konventionell programvara.
Varje användarinteraktion med en modell som ChatGPT kräver specifika beräkningar, vilket förbrukar energi och skapar högre löpande kostnader som ökar i takt med att fler användare ansluter sig till systemet.
Detta utgör en stor utmaning för företag som erbjuder AI-tjänster till fasta priser, eftersom kostnaderna snabbt kan överstiga intäkterna.
Om abonnemangskostnaderna höjs för mycket kommer folk helt enkelt att hoppa av. Ekonomiskt Undersökningar tyder på att prenumerationer är bland det första som försvinner när folk vill skära ner på sina utgifter.
Microsofts senaste samarbete med OpenAI om GitHub Copilot, en AI-kodningsassistent, fungerade som ett utmärkt exempel på hur prenumerationer kan slå tillbaka.
Microsoft tog ut en månadsavgift på $10 för verktyget men rapporterade en genomsnittlig månadsförlust på mer än $20 per användare. Vissa storanvändare orsakade förluster på upp till $80 per månad.
Det är sannolikt en liknande situation med andra generativa AI-verktyg. Många tillfälliga användare prenumererar på bara ett av de många tillgängliga verktygen på månadsbasis och kan lätt avbryta och byta till ett annat verktyg. Å andra sidan finns det icke-vinstdrivande kraftanvändare som förbrukar resurser utan att bidra till vinster.
Vissa anser att OpenAI har försökt med fula knep för att få pengarna att räcka till. Till exempel har GPT-4o demosom passade perfekt med Google IO, avslöjade talsyntesfunktioner i realtid som verkade bryta ny mark och överglänsa Googles tillkännagivanden.
Vi väntar fortfarande på att dessa mycket hypade röstfunktioner ska rulla ut. OpenAI har ännu inte släppt dem till någon, med hänvisning till säkerhetsfrågor.
"Vi förbättrar modellens förmåga att upptäcka och avvisa visst innehåll", förklarade OpenAI om förseningen.
"Vi arbetar också med att förbättra användarupplevelsen och förbereda vår infrastruktur för att skala till miljontals samtidigt som vi upprätthåller realtidssvar. Som en del av vår iterativa implementeringsstrategi kommer vi att starta alpha med en liten grupp användare för att samla in feedback och expandera baserat på vad vi lär oss."
Premiumregistreringarna ökade kraftigt eftersom folk såg fram emot att använda de nya funktionerna. Sökte OpenAI en kortsiktig intäktsökning som drevs av funktioner som aldrig var klara?
Energikostnaderna är ett annat hinder
Det finns ännu ett problem när det gäller generativ AI:s uppdrag att tjäna pengar - ström- och vattenförbrukning.
År 2027 kan den energi som AI-industrin förbrukar motsvara som en liten nation. Den senaste tidens ökningar av vattenanvändningen hos Microsoft och Google beror till stor del på intensiva AI-arbetsbelastningar.
Google nyligen offentliggjord att AI höll på att få företagets hållbarhetsstrategier att spåra ur. Företagets CO2-utsläpp har ökat med 48% sedan 2019, och cheferna har i det närmaste erkänt att AI-arbetsbelastningar är skulden.
Vattenbrist orsakad av AI drabbade nyligen Taiwan, som började omdirigera vatten från jordbruksanvändning till AI mitt i en torka i ett försök att hålla tillverkningen online. Vattenbrist drabbar delar av USA även 2023, så det finns verkliga miljöeffekter att ta hänsyn till.
Talade vid World Economic Forum, Altman sa"Vi behöver mycket mer energi i världen än vad vi tidigare trodde att vi behövde. Vi förstår fortfarande inte energibehovet för den här tekniken."
Allt detta kostar, både på företagsnivå för Microsoft, Google etc. och för lokala och nationella ekonomier.
De kommande åren kommer att vara avgörande för utvecklingen av generativ AI, både när det gäller avkastning eller investering, hållbarhet och spänningen mellan de två.
Barbara H. Wixom från MIT varnar: "Man måste hitta ett sätt att betala för det här. Annars kan man inte upprätthålla investeringarna, och då måste man dra ur kontakten."
Kommer generativ AI någonsin att stanna av? Man måste tro att det är för stort för att misslyckas. Men det verkar fastna i monetariseringsskärselden just nu, och något från någonstans måste administrera ytterligare en stöt av framsteg.
Det kanske inte krävs så mycket för att generativ AI ska nå en nödvändig brytpunkt där framstegen kommer billigt och naturligt.
Fusionskraft, analog AI-hårdvara med låg effekt, lättviktsarkitekturer - allt finns i pipeline - wVi kan bara vänta och se när allt faller på plats.
