Verklighetskoll: AI-nyheter som inte levde upp till hypen
Latent Space tar ett steg tillbaka och granskar AI-nyheter som visade sig mer komplicerade än de verkade – bland annat stänger Steve Yegge ned sitt AI-kodprojekt Gas Town, och Databricks rapporterar att deras Astra-kostnader stigit med över 60%. Det är en påminnelse om att det bakom de stora rubrikerna ofta finns ekonomiska realiteter som sällan syns i pressreleaserna.
Djupdykning
Steve Yegge – legendarisk ingenjör känd för brutalt ärliga inlägg om tech-branschen – stängde nyligen ned sitt AI-kodningsprojekt Gas Town, och förklaringen är mer avslöjande än själva nedläggningen. Projektet drunknade i kostnader och komplexitet som inte matchade den faktiska nyttan, vilket är precis den berättelse som sällan når fram när alla pratar om AI-boomen. Databricks siffror pekar åt samma håll: deras Astra-modell drog över 60% mer i infrastrukturkostnader än beräknat, ett tecken på att "inference-kostnaden" – alltså vad det faktiskt kostar att köra en AI-modell varje gång den används – fortfarande är ett olöst problem som branschen gärna tonar ned i sina pitchdeck. Det de flesta missar är att vi befinner oss i en fas där det är lätt att bygga imponerande demos men extremt svårt att bygga lönsamma produkter – gapet mellan "fungerar på scen" och "fungerar i drift utan att bränna pengar" är fortfarande gigantiskt. Yegges Gas Town är inte ett tecken på att AI är överskattad i stort, utan på att den reella kostnadsstrukturen håller på att nå ikapp hypeens löften.