Cerebras CEO Interview: Mit 25 Milliarden Dollar an Aufträgen, die Nachfrage nach KI-Rechenleistung ist bereits gedeckt

Originaltitel: Open Source Wins, AGI Is Here, and Scorsese's AI Toolkit---Cerebras & Black Forest Labs CEOs
Originalquelle: All-In Podcast
Übersetzung: Deep Tide TechFlow

Zusammenfassung der wichtigsten Punkte

In dieser Episode sind die CEOs zweier KI-Infrastrukturunternehmen zu Gast. Andrew Feldman ist der Gründer von Cerebras, einem Unternehmen, das sich auf Inferenz-Chips spezialisiert hat und gerade seinen Börsengang abgeschlossen hat, mit 25 Milliarden Dollar an Aufträgen in der Warteschlange. Er betont immer wieder eine Sache: Die Nachfrage nach KI-Rechenleistung ist bereits gedeckt, es gibt kein „Wir bauen und warten auf Kunden“. OpenAI, Anthropic, SpaceX und Google haben einen Hunger, der das Angebot bei weitem übersteigt. Das Aufkommen von Inferenz hat die Rechenintensität erneut in die Höhe getrieben, was genau das Schlachtfeld für schnelle Maschinen ist. Robin Rombach ist der Gründer von Black Forest Labs, das generative Bild- und Videomodelle (Flux-Serie) entwickelt. Er hat zuvor den Latent-Diffusion-Algorithmus erfunden, der die Grundlage für alle aktuellen Bild- und Videogenerierungsmodelle bildet. Er hat gerade mit Martin Scorsese zusammengearbeitet, um dem Regisseur zu helfen, die Bilder in seinem Kopf mit KI zu visualisieren; aber er ist noch aufgeregter über die Richtung, dass dasselbe multimodale Modell Filme drehen und als Gehirn in Robotern eingesetzt werden kann. Das Ziel generativer Videos liegt nicht auf der Leinwand, sondern in der physischen Welt.

Zusammenfassung der spannenden Ansichten

Inferenz ist das nächste Rechenkraft-Schwarze Loch

· „Interessant ist, dass diese Welle anders ist als die vergangenen. Sie setzen nicht auf ‚Wenn wir es bauen, werden sie kommen‘, die Nachfrage hat die Produktionskapazität bereits gebucht. Wir haben 25 Milliarden Dollar an Aufträgen in der Warteschlange.“

· „Inferenz ist das, was reasoning bedeutet, und reasoning verbraucht riesige Mengen an Tokens, was genau das Schlachtfeld für schnelle Maschinen ist.“

· „Wenn Cerebras 15 Mal schneller ist, dann bedeutet das, dass du 24 Stunden lang rechnest, was dem Denken von mehreren Wochen oder sogar Monaten entspricht.“

Open Source und Souveränität: Unternehmen wollen Kontrolle

· „Niemand mag es, abhängig zu sein. Die Lehre, die große Anbieter aus der x86-Ära gelernt haben, ist, dass sie an Intel gebunden sind.“

· „Du musst nicht den schnellsten Chip bauen, du musst nur nicht vollständig von den Chips anderer abhängig sein.“

· „Wenn du jetzt ein Open-Source-Modell laufen lassen willst, dann ist es entweder OpenAI's OSS 12B oder ein chinesisches Modell. Die USA brauchen mehr lokale Open-Source-Optionen.“

AGI ist nach der Definition von vor zwanzig Jahren bereits hier

· „Jede AGI-Definition, die wir vor 20, 30 oder 40 Jahren aufgestellt haben, haben wir bereits weit übertroffen.“

· „Turing-Test? Das haben wir längst übertroffen.“

· „Das Problem ist schon lange nicht mehr, dass wir nicht wissen, wie wir fragen sollen; KI kann uns jetzt sagen: ‚Hey, ihr dummen Menschen, das habt ihr nicht bedacht.‘“

Generatives Video ist kein Ersatz für menschliche Kreativität

· „Diese KI-Modelle sind ein Medium, wir wollen nicht vorschreiben, wie sie verwendet werden, insbesondere nicht für jemanden wie Martin Scorsese.“

· „Sprache ist eine etwas eingeschränkte Kommunikationsform, visuelle Informationen sind viel reichhaltiger. Die Bilder in deinem Kopf in sichtbare Bilder zu verwandeln, das ist die stärkste Fähigkeit der Technologie.“

· „Die interessantesten Ergebnisse treten fast immer auf, wenn Menschen im Loop ständig iterieren.“

Von Filmen zu Robotern: dasselbe Modell

· „Du kannst dasselbe multimodale Modell verwenden, um einen Film zu drehen, und es dann als Gehirn in einem Roboter einsetzen.“

· „Vortrainierte Videos haben dem Modell implizit die physikalischen Interaktionsgesetze beigebracht, und dann bekommst du aus demselben Modell die Bewegungsprognosen, also die Robotersteuerung.“

· „Das Ziel ist, dass du mit einem In-Context-Prompt dem Roboter sagen kannst: ‚Bring mir das Glas Orangensaft‘. Das können wir jetzt noch nicht, aber das ist die Richtung.“

Der KI-Infrastruktur-Boom: Rechenzentren größer als Städte

Moderator: Wir haben noch nie einen solchen Bauumfang gesehen. Seit der Großen Mauer und den Pyramiden hat die Menschheit nicht so viel Kapital, Zeit und kluge Köpfe in den Bau einer Sache investiert. Du machst das tatsächlich, deine Kunden bauen Rechenzentren, du bist ein entscheidendes Glied. Was macht Cerebras 2026? Was ist mit diesen riesigen Projekten in Texas?

Antwort: Die Rechenzentren, über die wir sprechen, werden in den nächsten Jahren mehr Strom verbrauchen als die gesamte Erde in den letzten 50 Jahren. Ein einzelnes Gebäude ist so groß wie ein Fußballfeld und hat eine Stromversorgung, die größer ist als die einer mittelgroßen Stadt. Überall in den USA wird gebaut, in Kanada wird gebaut, in Nordeuropa wird gebaut, in Paris und ganz Frankreich wird gebaut, im Nahen Osten wird gebaut, sogar Kasachstan, Tadschikistan und Georgien bauen große Rechenzentren. Jedes Land, jeder Bundesstaat möchte mitmachen.

Wer zahlt? OpenAI, Anthropic, SpaceX AI, Google, deren Hunger ist beängstigend groß. Interessanterweise ist diese Welle anders als viele frühere Technologietrends: Sie setzen nicht auf „Wenn wir es bauen, werden sie kommen“, die Nachfrage hat die Produktionskapazität bereits gebucht. Wir haben 25 Milliarden Dollar an Aufträgen in der Warteschlange. OpenAI benötigt mehr Rechenzentren, Microsoft benötigt mehr, AWS benötigt mehr. Die Nachfrage wartet nicht auf Kunden, die Kunden stehen bereits Schlange.

Moderator: Das hat auch einen Begriff hervorgebracht, der „Token Maxing“ heißt, unendliches Token-Generieren. Es gibt Stimmen, die in Frage stellen, ob diese große Nachfrage tatsächlich echten Wert schafft.

Antwort: Natürlich wird eine Menge Wert geschaffen. Natürlich gibt es auch viel Experimentieren. Ich erinnere mich, als AWS gerade herauskam, war es großartig, die eigene IT-Abteilung zu umgehen, jeder Ingenieur konnte einfach mit einer Kreditkarte registrieren. Viele Dinge sind tatsächlich nützlich, aber manchmal denkt man nachher: „Hey, das hätte ich nicht so machen sollen.“ Aber insgesamt ist es profitabel, nur einige Richtungen sind ins Leere gelaufen.

Ich erinnere mich, dass Costco 1988 in Palo Alto eröffnet hat, und die Leute sind wie im Safeway durch Costco gelaufen, haben jedes Regal einmal durchlaufen. Das war eine sehr schlechte Art zu shoppen, weil man vier Dinge kauft, die man nicht braucht, jedes für 22 Dollar. Später haben die Leute gelernt, strategisch zu sein: Man geht nach hinten, holt das Hähnchen, nimmt 18 Cupcakes für die Geburtstagsfeier des Kindes, ganz unkompliziert. Der Verbrauch von AI-Token ist ähnlich, am Anfang haben alle großzügig verwendet, jetzt beginnen Unternehmen, Strategien zu entwickeln: Welche Aufgaben können mit Open-Source-Modellen erledigt werden, welche müssen mit fortschrittlichen Modellen erledigt werden. Wir beginnen, KI wie ein Geschäft zu verwalten.

Inferenz ersetzt Training: Warum schnelle Maschinen die Hauptakteure dieser Welle sind?

Moderator: Sam Altman hat in AllIn gesagt, der nächste Schritt ist Reasoning, das Verstehen von Absichten, das Entwickeln von Strategien und das Überprüfen mit anderen Agenten. Wir sind einen langen Weg von „das nächste Wort erraten“ gegangen, und jetzt steht Cerebras genau im Zentrum, denn Reasoning ist Inferenz, und der Rechenaufwand ist enorm.

Antwort: Inferenz verbraucht riesige Mengen an Tokens, was das Schlachtfeld für schnelle Maschinen schafft. Reasoning verbraucht bei jedem Schritt intern Tokens, du hast ursprünglich viel Zeit gebraucht, um gute Antworten zu bekommen. Cerebras, das 15 Mal schneller ist, bedeutet, dass 24 Stunden Inferenz dem Denken von mehreren Wochen oder sogar Monaten entspricht.

Heute Morgen habe ich ein Modell von ZAI auf BitTensor ausprobiert, das GLM-52-Modell, und ihm unbegrenzte Rechenleistung gegeben, um mir jede Stunde die Trends zu sagen, die weltweit noch nicht erkannt wurden. Es begann, sich selbst zu debattieren: Soll ich auf Hacker News und Reddit suchen? Oder erscheinen Trends zuerst auf Instagram? Ich sah zu, wie ein Inferenzmodell im Hintergrund sich selbst debattierte, es machte Inferenz. Unbegrenzte Tokens entsprechen unbegrenzter Inferenz, mit Cerebras, das 15 Mal schneller ist, entspricht 24 Stunden dem Denken von anderen über Wochen.

Moderator: Hat Cerebras ein eigenes Moore's Law? Wie lange dauert es intern, bis sich die Leistung verdoppelt?

Antwort: Alle vorherigen Chips folgten dem Moore's Law, alle 18 Monate verdoppelt sich die Leistung. Wir haben mit diesem Chip diese Linie durchbrochen und einen völlig neuen Pfad eingeschlagen. Mein Urteil ist, dass wir in den nächsten 18 Monaten weit über das Doppelte hinausgehen werden. Die neue Architektur hat noch viel Optimierungspotenzial. GPUs sind eine 20 Jahre alte Architektur, die nur durch Verkleinerung der Fertigungsprozesse über Wasser gehalten werden kann, aber die neue Architektur hat noch viel zu lernen und zu optimieren.

Moderator: Mit 25 Milliarden Dollar an Aufträgen in der Warteschlange musst du auch mit OpenAI Schritt halten, die möglicherweise zukünftige Wettbewerber sind. Wie führst du das Unternehmen?

Antwort: Jetzt werden die Chips nicht ungenutzt bleiben, die Nachfrage ist zu groß. Aber du hast recht, OpenAI entwickelt auch eigene Chips, Amazon auch. Niemand mag es, abhängig zu sein. Die Lehre, die große Anbieter aus der x86-Ära gelernt haben, ist, dass sie an Intel gebunden sind; die Lehre der GPU-Hersteller ist, dass sie an eine Handvoll großer Kunden gebunden sind, weshalb sie neue Clouds finanziert haben. Eigene Chips zu entwickeln, bedeutet nicht, die schnellsten zu haben, sondern nicht vollständig von anderen abhängig zu sein, zumindest einen wichtigen Teil seines Schicksals selbst zu kontrollieren.

Open Source und Souveränität: Unternehmen wollen Kontrolle

Moderator: Open Source steht vor einem Moment. Früher habe ich OpenClaude verwendet, dann Kimmy, und festgestellt, dass meine Tokens bei Claude explodieren, aber ich kann keinen Unterschied bei Kimmy erkennen. Open-Source-Modelle beginnen, Reasoning zu betreiben, und die Lücke hat sich in diesem Jahr plötzlich geschlossen.

Antwort: Du möchtest nicht mit einem Ferrari zum Supermarkt fahren. Manchmal fährst du ein Sportauto, manchmal einen Minivan, und wenn die Kinder Cheerios verschütten, ist es dir egal. Unternehmen sind ähnlich: Schwierige Aufgaben übergibst du den fortschrittlichen Modellen (OpenAI, Anthropic, Gemini), aber viele alltägliche Probleme benötigen nur solide Open-Source-Fähigkeiten. Denk darüber nach, wie viel Zeit ein Unternehmen damit verbringt, in Workday etwas von einer Zelle in eine andere Excel-Zelle zu kopieren? Das braucht keine Goldmedaille in Mathematik, solide Open-Source-Fähigkeiten reichen aus.

Kürzlich wurde eine neue Karte aufgedeckt: Finanz- und Gesundheitssektoren, die reguliert sind (HIPAA, FINRA), haben Angst vor Datenlecks und davor, dass ihre intelligente Souveränität von anderen kontrolliert wird. Sie möchten ihre Modelle lokal speichern und mehr Kontrolle durch Open-Source-Versionen gewinnen. OpenAI hat vor einigen Monaten OSS 12B veröffentlicht, was in Ordnung ist. Aber jetzt will Amerika auf Open Source setzen, entweder OSS 12B oder chinesische Modelle, die Auswahl an einheimischen Open-Source-Optionen ist zu gering. NVIDIA hat dieses Fenster ebenfalls erkannt und drängt sein eigenes Open-Source-Modell voran, aber Jensen zögert, denn seine Kunden sind Sam, Dario, Elon und Sergey. Wird das Pushen von Open Source nicht mit seinen Kunden in Konkurrenz treten?

Cerebras nimmt eine relativ neutrale Position ein, wir laufen GLM, Kimmy, Qwen-Serien und auch die geschlossenen Modelle von OpenAI. Wir verwenden auch die Modelle, die GSK selbst entwickelt hat, sowie die eigenen Modelle von UAE G42 und MBZUAI. Das Thema Souveränität ist ein Trend.

Moderator: Als Fable 5 und o-56 veröffentlicht wurden, sagte die Regierung: "Halt, stopp!" Anthropic und die Exekutive hatten Spannungen, die jetzt beginnen sich zu entspannen. Hältst du schrittweise Veröffentlichungen für sinnvoll? Sind Modelle wirklich so gefährlich?

Antwort: Ich habe so etwas vorher noch nie gesehen. Aber wenn ich zurückdenke: Wenn ein Modell in kreativen Denkprozessen so stark ist, dass die Regierung sagt: "Bitte veröffentliche schrittweise", finde ich das eigentlich nicht falsch. Wir haben auch bei starken Medikamenten solche Regelungen, natürlich ermutigen wir nicht die FDA, sieben Jahre lang Müll zu produzieren, aber zu sagen: "Lass die Regierung wenigstens ein paar Red-Teaming-Tests durchführen, um sicherzustellen, dass unsere Verteidigung funktioniert", um offensichtliche Schwachstellen in zwei bis drei Wochen zu beheben, ist keine unvernünftige Forderung.

Aber jetzt ist die Polarisierung am schlimmsten. Wenn das nicht Trump gewesen wäre, hätte jede andere Präsidentschaft möglicherweise ganz anders reagiert. Polarisierung schadet dem klaren Denken. Beide Seiten machen dumme und kluge Dinge. Die Basis der Regierung arbeitet tatsächlich ernsthaft, aber die Dinge bewegen sich einfach zu schnell.

Nikesh von Palo Alto Networks hat mir gesagt: Sie haben das Modell mit ihrer eigenen Software getestet und innerhalb einer Stunde Dutzende von kritischen Schwachstellen entdeckt, sodass sie alle anderen Arbeiten stoppen mussten, um sechs Wochen lang Patches zu erstellen. Man erkennt, dass dies ein mächtiges Werkzeug ist, vielleicht sollte man es zuerst einer kleinen Gruppe zeigen oder zunächst Red-Teaming-Tests durchführen.

Moderator: Nach jeder Definition von vor 20 Jahren ist AGI bereits hier. Denkst du das auch?

Antwort: Ja. Turing-Test? Schon lange übertroffen. Jede Definition, die vor 10, 15, 20, 30, 40, 50 Jahren aufgestellt wurde, haben wir weit hinter uns gelassen. Die Fragen, die Science-Fiction-Autoren gestellt haben, haben wir beantwortet, sie würden sagen: "Ich habe kein Problem mehr, tut mir leid." Das ist der Grund, warum die Stimmen, die am Rand erscheinen, hörenswert sind. Ilya sprach vor acht Jahren über Sicherheit, und du hast gesagt: "Was?" Am Ende hatte er recht. Elon sprach davon, die Kosten für Raketen auf fast null zu senken, und du hast gesagt: "Was?" Am Ende hat er es geschafft.

Moderator: Rekursive Lernprozesse, du stellst eine Frage, lernst das Ergebnis, fragst erneut, die Antwort wird besser, deckt mehr Material ab, diese zyklisch produzierten Antworten springen von "ein bisschen besser" direkt zu "viel besser". Die Steigung der exponentiellen Kurve ist zu steil.

Antwort: Rekursive Gewinne sind exponentiell, du wirst besser, machst weiter, die Steigung ist zu steil. Wir sehen das gerade erst. Wenn wir ständig Rechenleistung investieren, werden die Antworten dann immer besser? Wenn die Token oder das Budget aufgebraucht sind, stoppt es, aber wann endet diese exponentielle Kurve? Geht sie immer weiter nach oben rechts? Diese Frage ist jetzt extrem interessant.

Die Geschwindigkeit, mit der Menschen lernen, ist generationsbedingt blockiert. Elefanten und große Säugetiere haben 15-20 Jahre für eine Generation. Um schnell zu sein, muss man wie eine Fruchtfliege sein, die zwei Generationen pro Tag hat. KI erreicht diese Lernrate über Tausende von Generationen. Als ich Psychologie studierte, sagte mein Professor: "Paradigmen sterben nicht, Menschen tun es." Die Schüler von Freud, Skinner und Jung haben 20-40 Jahre lang Führungspositionen inne, bevor die nächste Generation Fragen stellt. KI komprimiert den generationsbedingten Abstand auf die Geschwindigkeit einer Fruchtfliege.

Ich wette auf diese Sache: Unsere Kinder und alle, die sie kennen, werden nicht an Krebs sterben. Die Wirtschaft wird Schwankungen erleben, das Auto kam und machte das Leben der Hufschmiede schwer. Aber wenn wir Gewinne und Verluste auflisten: unbegrenzte Energie, unbegrenzte Nahrung, unbegrenztes Wissen, unbegrenzte Bildung, unbegrenzter Wohnraum. Seit tausend Jahren wissen wir, dass Einzelunterricht besser ist als der Unterricht in der Klasse. Aristoteles unterrichtete Alexander, Sokrates unterrichtete seine Schüler, aber wir wählten eine fabrikartige Lehrmethode. Jetzt kann KI jedem Kind einen Mentor geben, der auf seine eigene Weise lernt.

Scorseses KI-Werkzeugkasten: Bilder aus dem Kopf in die Realität umsetzen

Moderator: Robin Rombach ist Mitbegründer und CEO von Black Forest Labs, mit Sitz in Freiburg im Schwarzwald und San Francisco. Du hast zuvor Stable Diffusion gemacht und den latent diffusion Algorithmus erfunden. Was ist das Geschäft von Black Forest Labs? Was ist das Ziel?

Antwort: Ich und meine Partner haben vor zwei Jahren dieses Unternehmen gegründet. Zuvor haben wir Stable Diffusion gemacht und noch früher den latent diffusion Algorithmus erfunden, der die Grundlage für alle heutigen Bildgenerierungs-, Video-Generierungs- und sogar physikalischen KI-Modelle bildet. Das Prinzip besteht darin, natürliche Daten (Bilder, Videos, Audios) in einen effizienten Darstellungsraum zu komprimieren und dann darauf Transformer zu trainieren, ähnlich wie bei JPEG und MP3, aber mit neuronalen Netzwerkalgorithmen. Wir haben das während unserer Doktorarbeit in München entwickelt.

Jetzt arbeiten wir an multimodalen visuellen Modellen, die gleichzeitig auf Bild- und Audiodaten vortrainiert werden und in ein neues Paradigma eintreten: die Kombination von Aktionsvorhersage, sodass dasselbe Modell Bilder, Videos, Audios erstellt und auch Aktionen vorhersagt, die schließlich in realen Robotern eingesetzt werden können.

Moderator: Wenn das Modell Videos generieren kann, bedeutet das, dass es die Welt versteht.

Antwort: Intuitive Intelligenz und tiefes Denken sind zwei komplementäre Formen von Intelligenz. Wir nähern uns dem intuitiven Aspekt, Bilder sind der natürlichste Einstiegspunkt, da der Rechenaufwand nicht so hoch ist wie bei Videos. Aber jetzt konvergieren wir zu multimodalen Modellen. Das Vortraining von Videos lehrt das Modell implizit die physikalischen Interaktionsgesetze, sodass wir aus demselben Modell Aktionsvorhersagen erhalten, was die Steuerung von Robotern bedeutet.

Moderator: Hast du mit Martin Scorsese zusammengearbeitet? Hast du neben ihm gesessen, während er dein Werkzeug benutzt?

Antwort: Ja, ich saß mit ihm im selben Raum, er erkundete unser Modell, als einer der Hauptforscher saß er neben mir, das Gefühl war verrückt. Gleichzeitig bin ich ein großer Fan von ihm.

Er wollte die Szenen, die er im Kopf hatte, visualisieren, ein Dorf in Osteuropa, er beschreibt es, wir sehen die Ausgaben, er iteriert. Am Ende sagte er: "Die Bilder in meinem Kopf in visuelle Ausdrücke umsetzen, diese Kommunikationsweise ist viel effizienter als Sprache. Sprache ist eine etwas verlustbehaftete Kommunikationsweise, visuelle Informationen sind so reichhaltig, die Informationsmenge in einem Bild oder einem Video ist enorm, das ist ein anderer Kommunikationskanal.

Wir wollen nicht vorschreiben, wie diese Modelle verwendet werden sollen, insbesondere nicht zu Martin Scorsese sagen: "So solltest du es verwenden." KI-Modelle sind ein Medium. Die interessantesten Dinge entstehen fast immer, wenn Menschen im Loop kontinuierlich iterieren.

Vom Film zu Robotern: Der Endpunkt generativer Modelle liegt nicht auf der Leinwand

Moderator: Startups verwenden jetzt Flux und eure Modelle, um Veröffentlichungsvideos zu erstellen. Früher kostete ein Launch-Video 250.000 Dollar, jetzt kann es in ein bis zwei Wochen erstellt werden. Gal Gadot hat gerade einen Bitcoin-Film gemacht, die Schauspieler haben auf einer Soundstage ohne Greenscreen gespielt, alle Hintergründe wurden mit generativer KI erstellt, und für ein Budget von 30 Millionen Dollar wurde ein Effekt erzielt, der früher 150 Millionen Dollar gekostet hätte. Hast du gesehen, dass es in der Produktion verwendet wird?

Antwort: Ich habe einige gesehen. Hochwertige Filmproduktionen sind einer der anspruchsvollsten Anwendungsfälle. Ich freue mich, dass jemand das erkundet, aber ich möchte auch klarstellen: Die Technologie ist noch auf dem Weg und entwickelt sich schnell weiter. Vor einigen Jahren, als wir unseren Doktortitel machten, konnten wir nur 64×64 Pixel große Bilder generieren, jetzt können wir hochauflösende Videos mit mehreren Eingaben erstellen, aber das wird nicht aufhören.

Was mich am meisten begeistert, ist Folgendes: Du kannst dasselbe multimodale Modell verwenden, um einen Film zu drehen, und es dann als Gehirn in einem Roboter einsetzen. Das ist extrem interessant. Ob Computer tatsächlich verwendet werden können, ist noch ungewiss, aber die Technologie bewegt sich in die physische Welt, Weltmodelle, Aktionsmodelle, letztendlich sind das alles dieselbe Sache.

Moderator: Woher kommen die Trainingsdaten? Lassen wir Menschen Brillen und Handschuhe tragen, um aus der Ich-Perspektive aufzunehmen? Oder reicht es, tausend Videos von Menschen zu sehen, die Getränke einschenken, die auf YouTube sind?

Antwort: Das Ziel ist es, den Roboter mit in-context Prompt-Anweisungen zu steuern: "Bring mir das Glas Orangensaft." Das ist derzeit noch nicht möglich. Derzeit ist die Vorgehensweise so: Das Modell hat bereits eine große Menge an visueller Verständnisfähigkeit, und es benötigt nur einige Stunden an Feinabstimmungsdaten, um sich an spezifische Hardware anzupassen. Die Richtung ist, so wenig wie möglich zu verfeinern und sich so weit wie möglich auf in-context Anweisungen zu stützen, aber das bleibt ein Forschungsproblem.

Moderator: Open Source hat seinen Moment, Unternehmen wollen Souveränität. Wie sollte ein IP-Großkonzern wie Disney vorgehen? Sollten sie dein Open-Source-Modell verwenden, um selbst zu trainieren, oder mit dir zusammenarbeiten, um ein exklusives Modell zu trainieren?

Antwort: Die interessantesten Anwendungsfälle liegen darin, Dinge zu generieren, die es zuvor nicht gab, das ist der eigentliche Reiz dieser Technologie. Unsere öffentlichen Werkzeuge können keine spezifischen IPs generieren, was sehr sinnvoll ist. Wir arbeiten tatsächlich mit einigen IP-Inhabern zusammen, um Modelle zu entwickeln, einige basieren auf unseren Open-Source-Modellen, andere auf unseren stärkeren proprietären Modellen.

Der interessanteste Aspekt ist: Die Technologie wird schneller und interaktiver. Man kann sich vorstellen, dass auf Disney+ verschiedene interaktive Inhaltskreationstools zur Verfügung stehen.

Moderator: Das derzeit interessanteste Phänomen sind Fan-Filme. Früher gab es Fan-Fiction, in der eigene Star-Wars-Geschichten geschrieben wurden, dann begannen einige, Fan-Filme in Jedi-Kostümen zu drehen. George Lucas sagte, solange es nicht kommerziell genutzt wird, ist es erlaubt. Jetzt verwenden die Leute KI, um nie erzählte Star-Wars-Geschichten neu zu interpretieren, Star Wars Stories Untold hat Millionen von Aufrufen pro Video. Das ist die Zukunft: den Verbrauchern die Möglichkeit geben, ihre eigenen Geschichten mit den Charakteren zu kreieren.

Antwort: Wenn ein tragfähiges Geschäftsmodell für IP-Inhaber gefunden werden kann, das auch diese super kreative Anpassung ermöglicht, wäre das großartig. Wenn ich ein Buch lese oder einen Film sehe, denke ich immer: "Was wäre, wenn sich das so entwickeln würde?" Jetzt können die Menschen endlich diese Gedanken visualisieren.