Lab AI Frontier kelihatan terlalu mahal pada masa ini. Post Andrew Ho menangkap masalah inti: syarikat-syarikat ini terperangkap dalam treadmill yang membebankan. Mereka terus perlu memasukkan jumlah yang semakin besar untuk melatih model seterusnya hanya untuk mengekalkan keunggulan atas pesaing open-source dan tahap kedua. Pendapatan meningkat, tetapi perbelanjaan latihan yang diperlukan meningkat lebih cepat. Margin kasar yang tinggi daripada inferens sahaja tidak menyelamatkan anda apabila sebahagian besar modal masih dialirkan ke latihan seterusnya. Pasar menilai kedatangan agen yang sangat autonom dalam masa terdekat yang secara autonom membentuk dan mengendalikan syarikat. Hasil ini mungkin berlaku pada akhirnya, tetapi bukti sehingga kini menunjukkan kemajuan yang lebih perlahan dan tidak stabil, dibatasi oleh data, kebolehpercayaan, dan masalah sukar pengiraan ekonomi. Penyebaran kemampuan hari ini ke dalam alur kerja sebenar mengambil bertahun-tahun, bukan berbulan-bulan. Membekukan kualiti model pada tahap semasa masih memerlukan lebih daripada satu dekad penemuan produk dan proses sebelum nilai ekonomi penuh dicapai. Penilaian pasaran swasta pada skala $100B–$1T mengandaikan sebaliknya: bahawa lab-lab boleh kekal tidak menguntungkan dalam jangka panjang sementara dunia berubah dengan pantas di sekeliling mereka. Pasaran awam secara sejarah kurang memberi ampun apabila tempoh pengekangan tamat dan nombor pembaziran tunai menjadi kewajipan pelaporan berterusan. AI akan menjadi industri yang besar. Lab-lab itu sendiri, pada harga semasa, kelihatan seperti menilai laluan yang paling optimistik, bukan laluan median.