Philip Clark (@PJClark), Partner bei Thrive Capital (@ThriveCapital), nutzt seine Investitionen in OpenAI, Cursor, Physical Intelligence und seinen Hintergrund in der Halbleiterindustrie, um 3 wichtige Erkenntnisse über den Stand der KI-Entwicklung zu skizzieren: 1.) Die Durchbrüche der KI sind nicht linear. Sie kommen in architektonischen Wellen, genau wie Silizium. Philips Halbleiter-Analogie stellt den Fortschritt der KI als eine Abfolge von hardwareähnlichen Paradigmenwechseln dar. Wenn ein Weg seine Grenzen erreicht (Single-Core → Multi-Core; Pre-Training → Post-Training), entsteht eine neue Architektur. KI entwickelt sich nicht durch inkrementelle Anpassungen weiter.. sie schreitet durch strukturelle Neuerfindungen voran. 2.) Reinforcement Learning ist die nächste architektonische Ära (vorerst) Philip betrachtet Reinforcement Learning als den Nachfolger des Post-Trainings: eine neue Grundlage, keine Optimierung. Aber entscheidend betont er, dass es nicht die letzte sein wird. So wie die Hardware von Single-Core zu Multi-Core zu GPUs sprang, wird die KI mehrere Paradigmenwellen erleben, die jeweils neue Leistungsgrenzen freischalten. Reinforcement Learning ist einfach die nächste Welle, nicht die letzte. 3.) OpenAIs Schutzschild sind nicht die Modelle.. es ist die Fähigkeit, das nächste Paradigma ständig zu entdecken. Philip argumentiert, dass der Kernvorteil vor dem Produkt liegt: Jeder große architektonische Durchbruch in großen Modellen stammt von OpenAI. Ihre Verteidigungsfähigkeit kommt davon, dass sie immer wieder "das nächste Ding" erfinden, während sie gleichzeitig das vorherige operationalisieren.. eine seltene Kombination in jeder Branche, geschweige denn in einer, die durch diskontinuierliche Sprünge definiert ist. . . . Molly: "Einer der Sponsoren, die stolz Sourcery unterstützen, ist @turingcom, und so habe ich Einblicke in die KI-Forschung erhalten—ein KI-Forschungsbeschleuniger [wir haben den CEO, @jonsidd, interviewt]. Sie helfen bei den Modellen. Und im Moment bemerken sie einen starken Wandel im letzten Quartal oder zwei von Imitationsdaten und synthetischen Daten zu Reinforcement Learning. Ich bin also neugierig, wie du es auf der technischen Seite siehst, und dann auch auf der Anwendungsseite?" Philip: "Ich denke, KI ist ein bisschen wie Halbleiter in dem Sinne—wenn ich erlaubt bin, auf Halbleiter zurückzukommen, der große Bezugspunkt. In dem Sinne, dass es viele, viele Wellen gibt, während wir versuchen, immer bessere Leistungen zu erzielen. Weißt du, bei Halbleitern hatten wir früher Single-Core-Halbleiter. Dann konnten wir im Grunde nichts mehr aus einem einzelnen Kern herausholen, und so gingen wir zu Multi-Core. Und dann gingen wir zu GPUs. Und ich denke, wir sehen etwas sehr Ähnliches bei der KI, nämlich dass wir mit Pre-Training in der Ära von GPT-1, GPT-2, GPT-3 begonnen haben. Das führte uns zu GPT-4. Dann begannen wir, viele Post-Training-Techniken für ChatGPT zu verwenden—überwachtes Feintuning, Reinforcement Learning mit menschlichem Feedback. Das hat es den Modellen ermöglicht, weniger fremde Intelligenzen und mehr hilfreiche Assistenten zu sein. Und jetzt, da viel von den leicht erreichbaren Gewinnen ausgeschöpft wurde (auch wenn es wahrscheinlich noch viel mehr zu tun gibt), war Reinforcement Learning der nächste große Paradigmenwechsel in der KI und wo viele Ressourcen hingehen. Ich schätze, dass es noch ein paar mehr davon geben wird. Das ist nicht das Ende der Geschichte. Wir finden im Grunde in Echtzeit heraus, wie man die Alchemie betreibt, um Stücke Metall in denkende Maschinen zu verwandeln, sozusagen, und das ist eine wirklich schwierige und herausfordernde Sache. Und ich denke, das wirklich Aufregende an OpenAI ist, dass es ja eines der großartigen Produktunternehmen von heute ist, aber es ist auch ein Forschungsprojekt. Das sind keine Dinge, die wir vollständig entdeckt oder herausgefunden haben. Also denke ich—lange Rede, kurzer Sinn—der ultimative Wettbewerbsvorteil für die Labore und für OpenAI im Besonderen besteht tatsächlich darin, ständig herauszufinden, was das nächste Paradigma ist, während man das letzte Paradigma produktiv umsetzt und implementiert. Und ich denke, eines der höchsten Zeugnisse, die ich OpenAI geben kann, ist, dass jeder einzelne große Paradigmenwechsel in großen Modellen auf makroökonomischer Ebene, der erfolgreich war, meines Wissens von OpenAI stammt oder zumindest bei OpenAI seinen Ursprung hat. Und das spricht wirklich stark für ihre Fähigkeit, die Grenzen der Forschung in Zukunft voranzutreiben. Molly: "Eine der Fragen, die aus Cursor kommt, ist: „Was kommt nach dem Code?“ Was kommt nach OpenAI? Das ist die Frage an dich."

Dieser Hut ist wunderschön. Hochwertige Merchandise @DraftKings 🙏🏼

Philip Clark (@PJClark), Partner bei Thrive Capital (@ThriveCapital), über die 5 wichtigsten Erkenntnisse hinter ihrer stark konzentrierten Investitionsstrategie: 1.) "Alle Gewinne sollten sich wirklich großartig anfühlen & alle Verluste sollten wirklich wehtun, & wir sollten echtes Engagement im Spiel haben." 2.) "Wenn wir in jemanden investieren, sollte er wirklich glauben, dass der Erfolg & Misserfolg des Unternehmens uns als Investoren wirklich wichtig ist." 3.) "Es ist sehr klar, dass eine kleine Anzahl von Unternehmen einen unverhältnismäßig großen Teil des wirtschaftlichen & sozialen Wertes in der Welt schafft.. Ich denke, ich müsste jetzt die neuesten Statistiken überprüfen, aber die Mag 7 & der NASDAQ, die 7 besten Aktien repräsentieren über 50% der Marktkapitalisierung des NASDAQ. 4.) "Wir wollen in die kleine Anzahl von Unternehmen investieren, die sich am rechten Ende der Verteilung im Potenzgesetz befinden und die im Laufe der Zeit am wichtigsten dafür sein werden, wie die Welt funktioniert." 5.) "Sobald wir denken, dass ein Unternehmen diesen Status hat, konzentrieren wir so viel Kapital wie möglich in dieses Unternehmen." . . . MO: "Peter Walker (@PeterJ_Walker) [Leiter Insights bei @cartainc] ..hat kürzlich dieses Diagramm [von @credistick] geteilt, das Spray & Pray versus hochkonzentrierte Fonds zeigt.. Es stellt sich heraus, dass hochkonzentrierte Fonds, typischerweise wie 20 Unternehmen pro Portfolio, Spray & Pray übertreffen. Aber Spray & Pray sieht insgesamt ziemlich gut aus, weil man viele potenzielle Wetten hat. Also bin ich neugierig, mit den gemunkelten und berichteten - vielleicht ist es nicht berichtet, vielleicht ist es gemunkelt - 25 Milliarden Dollar in AUM, wie denkt ihr darüber nach, wo ihr eure Wetten konzentrieren sollt?" Philip: "Ja, ich denke, es gibt 2 Aspekte, die dabei wirklich wichtig sind, nämlich dass man eine Strategie wählen muss, die authentisch zu dem ist, wie man als Investor arbeiten möchte.. Mein Partner Kareem (@kareemszaki) hat oft die Aussage, dass es mathematisch wahrscheinlich viele Möglichkeiten gibt, wie wir als Venture-Firma Geld verdienen können - die Frage ist, was sich wirklich mit den Gründern, mit denen wir zusammenarbeiten, in Einklang bringt. Und ich denke, vor allem kann ich darüber sprechen, warum Konzentration eine wirklich großartige Finanzstrategie ist & ich werde es tun, aber das Wichtigste ist, dass es uns ermöglicht, wirklich tief mit den Gründern, mit denen wir arbeiten, verbunden zu sein. Wenn man mit einem Gründer arbeitet, für den dies das Lebenswerk ist, ist dies ein Portfolio von einem für ihn. Und wir können ein Portfolio von ein paar haben.. aber wir sollten wirklich kein Portfolio von so vielen haben, denn alle Gewinne sollten sich wirklich großartig anfühlen & alle Verluste sollten wirklich wehtun & wir sollten echtes Engagement im Spiel haben. Und so denke ich, dass die Art und Weise, wie wir uns aufstellen, ist, dass wenn wir in jemanden investieren, er wirklich glauben sollte, dass der Erfolg und Misserfolg des Unternehmens uns als Investoren wirklich wichtig ist. Und so denke ich, dass es tatsächlich einen emotionalen und ideologischen Aspekt dazu gibt. Jetzt gibt es auch einfach die Realität des Potenzgesetzes, das ist, dass ich das nicht für dich dokumentieren muss, es ist sehr klar, dass eine kleine Anzahl von Unternehmen einen unverhältnismäßig großen Teil des wirtschaftlichen & sozialen Wertes in der Welt schafft. Ich denke, ich müsste jetzt die neuesten Statistiken überprüfen, aber die Mag 7 und der NASDAQ, die 7 besten Aktien repräsentieren über 50% der Marktkapitalisierung des NASDAQ. Und das zeigt, dass wenige Unternehmen wirklich wichtig sind. Und so spiegelt unsere Konzentrationsstrategie einfach diese Realität wider. Wir wollen in die kleine Anzahl von Unternehmen investieren, die sich am rechten Ende der Verteilung im Potenzgesetz befinden und die im Laufe der Zeit am wichtigsten dafür sein werden, wie die Welt funktioniert. Und das soll nicht heißen, dass es nicht auch andere großartige Unternehmen gibt, die uns Geld einbringen könnten, in die wir mit einem eher indexähnlichen Ansatz investieren können, aber du weißt, die Art und Weise, wie wir denken, dass wir differenzierte korrelierte Renditen für unsere Partner liefern können, ist durch Investitionen in die allerbesten Unternehmen. Und sobald wir denken, dass ein Unternehmen diesen Status hat, konzentrieren wir so viel Kapital wie möglich in dieses Unternehmen." "MO: Perfekte Einleitung. Okay, wir werden über OpenAI sprechen."