返回快讯

Vivek Gopalan:最终毛利最差、对一切都付前沿模型价的公司,往往是在评估上花时间最少的公司

风险投资人Vivek Gopalan称,最终毛利最差、对一切都付前沿模型价的公司,往往是在评估上花时间最少的公司。

他描述Anthropic与OpenAI的内部做法:自动化先跑当时最强的内部模型;流程跑通后,用Opus或Fable根据自身轨迹生成评估,再沿智能层级往下迁,直到刚好不能通过为止。多数大公司的试点花创新预算,无人盯单位成本,前沿溢价不可见,但很快会对多数人可见。

他预期评估覆盖率——对着真实评估跑的token支出占比,类比测试覆盖率——将出现在尽职调查里,紧挨毛利率,尤其推理已占销售成本大头的人工智能原生公司。两家营收相同、能用同一批模型的公司,毛利可以差出一大截,缺口多半来自评估覆盖率以及由评估生成的合成环境。

回路还会向上:每代新前沿模型先到层级顶端重写标准答案,因为上一代轨迹生成的评估上限就是上一代质量;然后全线再往下迁,门槛通常比上次更高,因为便宜档也变强了。ValsAI一类第三方已按任务成本与准确率给模型排行,把能力、时延、单价放在同一张表。

内部自动化若永远停在最贵模型,单位经济会被创新科目藏住。覆盖率把“能不能用更便宜的模型完成同一工作”变成可审计数字。

市场机制上,这是成本会计规则前移,不是模型发布。买方是要看清推理成本的投资人与财务官;卖方是卖评估平台与合成环境的工具公司。资金从无差别前沿调用转向分层路由。受益的是能用评估把流量压到低价档的运营团队,承压的是把所有试点都开在最贵接口上的创新部门。一条帖子不改变价目表,但会改变下轮融资问什么。

来源:公开信息

ABAB AI 解读

软件公司用测试覆盖率决定能不能发版,模型公司还停留在“先用最好的”。Gopalan把同一纪律接到token账单:先用最强模型把流程做对,再从轨迹生成考卷,把能考过的部分交给更便宜的模型。Opus与Fable被写成出题老师,不是永远的执行者。创新预算消失后,前沿溢价会直接打进毛利。

资本路径是尽调清单升级。人工智能原生公司的销售成本里推理占比上升,投资人需要一个像测试覆盖率一样的单指标。评估覆盖率高,意味着同一收入可用更低档模型交付;覆盖率低,等于把毛利交给模型厂的价差。合成环境让评估可批量再生,而不是靠人工标一遍就过时。

类比云计算从全用最高配实例,到按负载自动降配;也像编译器优化把热路径留在快速路径。行业阶段是从比谁能调通模型,转到比谁能按任务分层。实验室内部早已这样做,企业试点还把最贵模型当默认。

结构判断属于定价权转移。模型厂按能力档位定价,客户若无评估,只能买最贵档。机制是:考卷由更强模型根据真实轨迹出,才能知道弱模型的边界;新模型发布后重写答案键,分层才能跟着便宜档一起下移。毛利差来自路由,不来自能否买到同一模型。

ABAB News · 认知定律

  1. 永远用最强模型的公司,买的不是能力,是看不见的溢价

  2. 评估覆盖率会像测试覆盖率一样,走进毛利旁边的尽调栏

  3. 考卷不升级,便宜模型再进步也过不了上一代的题