Ang mga Frontier AI labs ay tila sobrang tataas ngayon. Ang post ni Andrew Ho ay naglalantad ng pangunahing problema: ang mga kumpanyang ito ay nakapagpapalabas sa isang mapapahamak na treadmill. Dapat silang patuloy na maglalagay ng lalong malalaking halaga para sa pagtatrain ng susunod na model upang manatili sa harap ng open-source at mga kompetidor na pangalawang antas. Dumadami ang kita, ngunit lumalaki nang mas mabilis ang gastos sa pagtatrain. Hindi ka makakaligtas kahit mataas ang gross margin mula sa inference lamang, dahil ang karamihan sa kapital ay patuloy na papunta sa susunod na pagtatrain. Ang merkado ay nagpapahalaga sa mabilis, malapit na pagdating ng napakakapangyarihan at awtomatikong mga agent na mag-aayos at magpapatakbo ng mga kumpanya nang awtomatiko. Ang resultang ito ay posibleng mangyari sa huli, ngunit ang ebidensya hanggang sa ngayon ay nagpapakita ng mas mabagal, mas irregular na pag-unlad na limitado ng data, kahusayan, at ang mahirap na problema ng ekonomikong kalkulasyon. Ang pagkalat ng kahit anong kakayahan ngayon sa mga totoong workflow ay nangangailangan ng taon, hindi buwan. Ang pagpapahinto sa kalidad ng model sa kasalukuyang antas ay magiging kailangan pa rin ng isang dekada o higit pa ng pagpapalawak ng produkto at proseso bago matamo ang buong ekonomikong halaga. Ang mga private-market valuation sa sukat na $100B–$1T ay nag-uumpisa sa kalaban: na ang mga lab ay maaaring manatiling walang kita sa matagal na panahon habang ang mundo ay muling nagpapalit sa paligid nila nang mabilis. Ang public markets ay karaniwang mas hindi mapapatawad kapag natapos na ang lockups at naging patuloy na obligasyon ang mga numero ng cash burn. Ang AI ay magiging malaking industriya. Ang mga lab mismo, sa kasalukuyang presyo, tila nagpapahalaga sa pinakamaliwanag na landas kaysa sa median.