سام ألتمان يقول إن OpenAI بحاجة إلى زيادة إيراداتها بسرعة كافية لتغطية تكاليف الحوسبة الضخمة التي يبنونها. حاليا، OpenAI لا تمتلك عددا كافيا من وحدات معالجة الرسوميات لتلبية الطلب، وهذا في الواقع مشكلة جيدة. هذا يعني أن الناس يريدون ما يبنونه. الخطر الحقيقي ليس في الندرة، بل في بناء الحوسبة بشكل مفرط قبل أن يكون هناك عدد كاف من العملاء المدفوعين لاستخدامها بشكل مربح. تنفق OpenAI مليارات الدولارات مقدما على مراكز البيانات ووحدات معالجة الرسوميات، تراهن على أنها ستتمكن من ملء هذه السعة بإيرادات اشتراكات ChatGPT، وعملاء المؤسسات الذين يدمجون نماذجهم، والأعمال التي تبني على واجهة البرمجة (API). إنه مثل بناء سينما باهظة الثمن، المقاعد الفارغة كارثة، والمقاعد الممتلئة تحولها إلى آلة صراف آلية. الفكرة الأساسية هي أن تكاليف التدريب ستستمر في الارتفاع بالقيمة المطلقة لكنها ستنخفض كنسبة مئوية من الإيرادات إذا تدرج الطلب بشكل صحيح. ثلاث قوى تجعل ذلك ممكنا: اشتراكات المستهلكين، صفقات الشركات، ومكاسب الكفاءة التي تجعل كل دولار من الحوسبة أكثر إنتاجية مع مرور الوقت. القطاع المؤسسي هو الرافعة الأهم لأن الشركات ستدفع أكثر بكثير لكل وحدة حوسبة مقارنة بالمستخدمين الأفراد. الخطر الذي يعترف به سام ألتمان هو بناء كمية كبيرة من الحوسبة بسرعة كبيرة ووجود تأخير في الطلب. إذا حدث ذلك، سيبقى OpenAI مع مليارات من البنية التحتية غير المستغلة وينكسر الفرضية. لكن ثقته تأتي من رؤية مصادر طلب مستقلة متعددة تسحب الحساب في نفس الوقت، إلى جانب مرونة كافية لتعديل التوقيت أو الاقتصاد قليلا.