OpenAI atrai firmas de buyout com economias mais atraentes à medida que a rivalidade de IA empresarial cresce

A OpenAI está tentando superar a Anthropic com as firmas de private equity, tendo introduzido, segundo relatos, um novo retorno mínimo garantido de 17,5% e acesso antecipado aos seus modelos mais recentes.

Essa proposta é direcionada a firmas incluindo TPG e Advent, mas esta é realmente uma luta por distribuição.

Você vê, a forma como o mundo funciona é que essas firmas de buyout possuem grandes grupos de empresas privadas estabelecidas, então isso dá à OpenAI uma maneira mais rápida de lançar ferramentas, garantir o uso e construir receitas mais fiéis antes de possíveis listagens públicas já este ano, embora, se formos realistas, Anthropic esteja vencendo isso claramente.

OpenAI intensifica esforços após firmas de buyout à medida que a batalha por clientes empresariais fica mais cara

A configuração de joint venture também ajuda a cobrir o alto custo inicial de colocar IA dentro de grandes empresas. Esse trabalho geralmente precisa de engenheiros para personalizar modelos para cada cliente, e isso queima dinheiro rapidamente.

Tanto a OpenAI quanto a Anthropic estão agora correndo para assinar essas parcerias de private equity, e esse tipo de concurso ainda é bastante novo em IA.

Enquanto isso, falando no início deste mês na Cúpula de Infraestrutura dos EUA da BlackRock em Washington, o CEO da OpenAI, Sam Altman, disse: “Qualquer coisa nessa escala, é como se tantas coisas dessem errado.”

Ele apontou para um evento de clima severo em um campus de data center em Abilene, Texas, que temporariamente “levou as coisas ao chão”, já que esse campus é o site principal do projeto de US$ 500 bilhões Stargate envolvendo OpenAI, Oracle e SoftBank.

No mês passado, a OpenAI atingiu uma avaliação de US$ 730 bilhões em uma rodada histórica de captação de recursos, logo depois de recuar de alguns planos de gastos enormes, adiar algumas ambições maiores e aceitar que pode ser melhor comprar grandes quantidades de capacidade de nuvem em vez de tentar construir data centers enormes por conta própria.

Sam Altman recua de grandes expansões à medida que a escassez de computação continua pressionando a OpenAI

Essa mudança não torna a competição mais fácil. A OpenAI ainda precisa acompanhar a Anthropic, Google e outras empresas construindo modelos, aplicativos e recursos.

O problema é que treinar e executar modelos de IA requer quantidades massivas de chips, poder de processamento, memória e energia. Sam e outros executivos vêm dizendo há anos que a computação é um dos maiores gargalos da empresa.

Mesmo com isso, a OpenAI continuou levantando quantidades impressionantes de dinheiro, incluindo US$ 110 bilhões no início deste ano, com US$ 50 bilhões vindo da Amazon.

Sam escreveu no X em novembro que a OpenAI e outras empresas “precisam limitar a taxa de nossos produtos e não oferecer novos recursos e modelos porque enfrentamos uma restrição de computação tão severa.”

Antes disso, grande parte da história em torno da OpenAI era sobre o quão agressivamente Sam estava tentando garantir capacidade.

A empresa assinou uma série de acordos de infraestrutura de bilhões de dólares com Nvidia, Advanced Micro Devices e Broadcom. Na mesma postagem de novembro, Sam disse que a OpenAI estava analisando compromissos de aproximadamente US$ 1,4 trilhão nos próximos oito anos.

Como uma empresa com US$ 13,1 bilhões em receita anual (que, a propósito, ainda não foi feita) assume compromissos tão grandes? A rodada de financiamento mais recente adicionou ainda mais acordos de capacidade.

Como parte do pacote de financiamento de US$ 110 bilhões anunciado no mês passado, a OpenAI concordou em usar cerca de 2 gigawatts de capacidade Trainium através da Amazon Web Services. Trainium é o chip de IA personalizado da AWS, e a Amazon introduziu o Trainium3 em dezembro.

A Nvidia também entrou na rodada com um investimento de US$ 30 bilhões. A OpenAI disse que expandiu seu relacionamento com a Nvidia e concordou em usar 3 gigawatts de capacidade de inferência dedicada e 2 gigawatts de capacidade de treinamento nos sistemas Vera Rubin vindouros da Nvidia.