Chamath Palihapitiya warnt, dass US-Einschränkungen bei Open-Source-KI einen massiven Kostennachteil für amerikanische Unternehmen schaffen könnten
Wichtige Erkenntnisse
- •Palihapitiya identifizierte einen potenziellen 50-fachen Kostennachteil für US-Unternehmen, die proprietäre KI-Modelle zu 26 bis 56 USD pro Million Token nutzen, gegenüber 0,50 bis 1 USD für Open-Source-Alternativen.
- •Er warnte davor, dass ein US-Verbot von Open-Weight-KI solche Modelle weltweit nicht beseitigen, sondern nur amerikanische Unternehmen an ihrer Nutzung hindern würde, während ausländische Wettbewerber unbeeinträchtigt fortfahren.
- •Die KI-Token-Kosten in Palihapitiyas eigenem Unternehmen verdoppeln sich etwa alle 45 Tage, was die steigenden Kosten der Abhängigkeit von proprietären Modellanbietern veranschaulicht.
- •Die Executive Order zur KI der Biden-Administration vom Oktober 2023 veranlasste einige Gesetzgeber und Forscher, strengere Kontrollen bei Open-Weight-Veröffentlichungen wegen Missbrauchsbedenken zu fordern.
- •Die erhebliche Kostenlücke könnte abwärts gerichtete Revisionen der Unternehmensgewinnschätzungen erzwingen und Aktienbewertungen von Unternehmen unter Druck setzen, die von einem einzigen proprietären KI-Anbieter abhängig sind.
Chamath Palihapitiya, Risikokapitalgeber und Mitmoderator des All-In-Podcasts, hat davor gewarnt, dass ein Verbot oder eine Einschränkung von Open-Source-KI durch die US-Regierung ausländischen Wettbewerbern einen erheblichen wirtschaftlichen Vorteil verschaffen würde.
In einem Beitrag auf X vom 18. Juli argumentierte Palihapitiya, dass die Vereinigten Staaten Open-Source-KI annehmen sollten, anstatt zu versuchen, sie einzuschränken. Sein Argument dreht sich um die Kosten: Amerikanische Unternehmen, die auf proprietäre KI-Modelle angewiesen sind, könnten zwischen 26 und 56 USD pro Million Token für den Zugriff zahlen, während ausländische Wettbewerber, die Open-Source-Alternativen nutzen, für dieselbe Leistung approximately 0,50 bis 1 USD zahlen würden. Diese Differenz bedeutet einen potenziellen 50-fachen Kostennachteil für US-Unternehmen.
Open-Source- bzw. Open-Weight-KI-Modelle – wie Metas Llama-Serie, Mistral-Veröffentlichungen und Alibabas Qwen – werden mit herunterladbaren Modellgewichtungen veröffentlicht, die es Entwicklern ermöglichen, sie lokal oder auf kostengünstiger Cloud-Infrastruktur auszuführen oder zu optimieren. Damit umgehen sie die von proprietären Anbietern wie OpenAI und Anthropic erhobenen Token-basierten API-Gebühren.
Palihapitiya stellte fest, dass die KI-Token-Kosten in seinem eigenen Unternehmen etwa alle 45 Tage stiegen, was die wachsende finanzielle Belastung durch den Zugriff auf proprietäre Modelle unterstreicht.
„Die Zukunft ist Open Source. Wir müssen sie annehmen und weitermachen", erklärte er.
Globale Auswirkungen einer restriktiven Politik
Die Debatte über Open-Weight-Modelle steht im Mittelpunkt breiterer US-Diskussionen zur KI-Politik. Die Executive Order zur KI der Biden-Administration vom Oktober 2023 beauftragte Behörden mit der Bewertung von Risiken durch Dual-Use-Grundlagenmodelle, und einige Forscher und Gesetzgeber forderten strengere Kontrollen bei Open-Weight-Veröffentlichungen unter Verweis auf Bedenken hinsichtlich Missbrauch für Desinformation, Cyberangriffe oder Waffenentwicklung.
Nach Ansicht von Palihapitiya würde Open-Source-KI nicht aus der globalen Landschaft verschwinden, wenn die US-Regierung Exportkontrollen oder ein vollständiges Verbot von Open-Weight-KI-Modellen verhängt. Stattdessen würden nur amerikanische Unternehmen von der Nutzung ausgeschlossen. Wettbewerber in China, Europa und anderen Regionen würden weiterhin mit frei verfügbaren Modellen zu einem Bruchteil der Kosten arbeiten und damit die Wettbewerbsschere effektiv vergrößern.
Jack Dorsey, ehemaliger CEO von Twitter (jetzt X), reagierte mit einer knappen Bestätigung auf Palihapitiyas Beitrag: „Ja."
Mögliche Auswirkungen auf Unternehmensbewertungen
Die von Palihapitiya skizzierte Kostendifferenz – 26 bis 56 USD gegenüber 0,50 bis 1 USD pro Million Token – hat erhebliche Auswirkungen auf die Unternehmensgewinne in den USA. Wenn amerikanische Unternehmen mit dramatisch höheren Betriebskosten für die KI-Integration konfrontiert werden, könnten Gewinnschätzungen nach unten revidiert, Gewinnmargen gedrückt und Aktienbewertungen entsprechend nachgezogen werden.
Für Marktbeobachter ist die zentrale Überlegung, welche Unternehmen ihre KI-Lieferketten über mehrere Anbieter diversifiziert haben und welche von einem einzigen proprietären Anbieter abhängig sind. Die von Palihapitiya beschriebene Kostenlücke ist so erheblich, dass entweder die US-Politik angepasst werden müsste oder die Unternehmensbewertungen die zusätzlichen Kosten widerspiegeln werden.