文章來源：騰訊科技

圖片來源：由無界AI生成

AI成本上升主要源於兩個關鍵因素：AI模型規模擴大導致開發成本攀升，需要建設更多數據中心支持更多AI服務。

據國外媒體報道，在生成式人工智能熱潮持續近18個月後，一些科技巨頭正在逐步證實，人工智能確實具備成為真正的收入驅動因素的潛力。然而，這一進程也伴隨着巨大的資金投入。

微軟和谷歌母公司Alphabet最新公布的季度財報均显示，由於企業客戶在人工智能服務上的投入增加，其雲計算業務實現了顯著的收入增長。儘管Meta在將人工智能技術轉化為收益方面稍顯滯后，但它表示，其相關努力對提高用戶參与度和廣告定位有积極影響。

為了獲取這些早期收益，這三家科技巨頭已經投入了數十億美元用於人工智能的研發，並計劃繼續加大投資力度。

微軟在4月25日宣布，最近一個季度資本支出高達140億美元，並預計這些成本還將“大幅增加”，部分原因即是對人工智能基礎設施的投資。這一数字比去年同期增長了79%。

Alphabet表示，該公司上個季度的資本支出為120億美元，同比增長91%，並預計今年剩餘時間的支出將“達到或超過”這一水平，因為該公司正專註於人工智能帶來的機會。

與此同時，Meta也提高了今年的投資預期，現在預計資本支出將在350億至400億美元之間。若以該區間的上限計算，將同比增長42%。Meta還特別指出，其在人工智能研究和產品開發方面進行了积極投資。

人工智能成本上升讓許多投資者感到意外。尤其是Meta的股價，在支出預測增加和銷售增長低於預期的雙重打擊下大幅下跌。但在科技行業內，人工智能成本上升的預期一直存在。這主要源於兩個關鍵因素：人工智能模型規模的不斷擴大，導致開發成本日益攀升；同時，全球對人工智能服務的需求不斷增長，需要建設更多的數據中心來支持這一需求。

正在試驗這些人工智能服務的企業可以選擇支付定製費用給OpenAI或谷歌等公司。然而，一旦這些系統啟動並運行，每次用戶使用聊天機器人或要求人工智能服務分析銷售數據時，都會增加額外的成本。但更為昂貴的工作是為這些人工智能系統建立堅實的基礎設施。這些努力正是這些科技巨頭當前和未來投資的重點。

大語言模型變得越來越大

如今，備受矚目的人工智能產品，如OpenAI的ChatGPT，其核心驅動均源自大語言模型。這些系統通過攝入海量的數據，涵蓋書籍、文章以及在線評論等，旨在為用戶提供最精準的查詢回應。許多業界領先的人工智能公司堅信，通往更高級別人工智能（甚至可能是在多個任務上超越人類的人工智能系統）的必經之路，就是不斷擴大這些大語言模型的規模。

為此，需要持續獲取更多的數據、更為強大的算力支持，以及對人工智能系統進行更長時間的訓練。在4月初的一次播客採訪中，OpenAI的競爭對手Anthropic的首席執行官達里奧·阿莫代伊（Dario Amodei）指出，當前市場上人工智能模型的培訓成本已高達約1億美元。

他進一步表示：“目前正在訓練的模型，以及預計在今年晚些時候或明年年初不同時間推出的模型，其成本已接近10億美元。而在我看來，到了2025年和2026年，這一成本將飆升至50億或100億美元。”

芯片和計算成本激增

圖片來源：由無界AI生成

在開發人工智能技術的過程中，芯片成本佔據了很大比重。這些芯片並非傳統意義上讓英特爾聲名遠揚的中央處理器（CPU），也非驅動數十億智能手機的小型化移動芯片。為了滿足大語言模型的訓練需求，人工智能公司高度依賴圖形處理單元（GPU），它們以驚人的速度處理着龐大的數據集。然而，這些芯片不僅面臨供應短缺的困境，其價格更是高昂至極，最尖端的芯片主要由英偉達製造。

英偉達的H100圖形芯片，作為訓練人工智能模型的黃金標準，其預估售價高達3萬美元，但市場上一些經銷商的報價更是成倍增長。大型科技公司對這類芯片的需求巨大。此前，Meta的首席執行官馬克·扎克伯格（Mark Zuckerberg）曾公開表示，該公司計劃在年底前採購35萬枚H100芯片，以支持其人工智能研究工作的推進。即便考慮到大宗購買的優惠，這也將是一筆龐大的開支，數額高達數十億美元。

當然，企業並非只能通過購買實體芯片來完成這項工作，租用芯片同樣是一種選擇，但成本同樣不菲。以亞馬遜的雲計算部門AWS為例，他們將以每小時約6美元的價格向客戶出租由英特爾製造的大型處理器集群。相較之下，一組英偉達H100芯片的使用成本則接近每小時100美元。

上個月，英偉達推出了名為Blackwell的新處理器，其處理大語言模型的速度實現了質的飛躍，預計價格將與包括H100在內的Hopper系列相近。英偉達表示，訓練一個擁有1.8萬億參數的人工智能模型需要大約2000個Blackwell GPU。據外媒報道，這與OpenAI GPT-4相差不大。相較之下，使用Hopper GPU完成同樣的任務則需要8000個。然而，這種顯著的效率提升可能很快被業界對構建更大規模人工智能模型的追求所抵消。

數據中心建設

圖片來源：由無界AI生成

購買了這些芯片的公司，還需考慮如何妥善安置它們。為此，Meta、亞馬遜、微軟和谷歌等頂尖雲計算公司以及其他計算能力租賃提供商正競相建立新的服務器設施。這些建築通常是根據特定需求定製的，內部整齊排列着硬盤、處理器、高效的冷卻系統、大量的電氣設備和備用發電機。

據研究機構Dell'Oro Group的估算，今年企業預計將在數據中心的建設和裝備上投入高達2940億美元，這一数字相較於2020年的1930億美元有顯著增長。這種迅猛的擴張在很大程度上得益於数字服務的廣泛崛起，包括流媒體視頻的流行、企業數據量的爆炸式增長以及社交媒體信息流的激增。然而，值得注意的是，越來越多的投資正被用於購買昂貴的英偉達芯片和其他支持人工智能繁榮所需的專業硬件。

交易和人才爭奪戰

儘管芯片和數據中心佔據了人工智能技術研發成本的主要部分，但一些人工智能公司也投入巨額資金，從出版商那裡獲取數據許可。

OpenAI已經與幾家歐洲出版商達成了協議，將他們的新聞內容納入ChatGPT，並用於訓練其人工智能模型。儘管這些交易的具體財務條款尚未公開，但之前已有媒體報道，OpenAI同意向德國出版商Axel Springer和美國主流網絡媒體BI支付數千萬歐元，以獲取其新聞文章的使用權。這家初創公司還與《時代》、CNN和福克斯新聞就內容授權進行了談判。

儘管OpenAI在獲取許可協議方面表現得更為积極，但大型科技公司也在积極尋找獲取語言數據的方法，以構建引人注目的人工智能工具。據報道，谷歌與Reddit達成了一項價值6000萬美元的數據授權協議。而外媒消息稱，Meta的員工也在探討收購圖書出版商Simon & Schuster的可能性。

同時，科技公司也陷入了激烈的人工智能人才爭奪戰。去年，流媒體巨頭Netflix曾一度發布廣告，招聘人工智能產品經理一職，年薪高達90萬美元。

更便宜的替代方案

微軟在推動大語言模型的熱潮上走在了大多數公司的前列，但最近，它表示將嘗試一種不同的策略。該公司展示了三種計算能力較低的小型人工智能模型。

微軟強調，大語言模型“仍將是解決眾多複雜任務的黃金標準”，例如在“高級推理、數據分析和上下文理解”等領域。然而，對於某些客戶和應用場景來說，較小的模型可能已經足夠滿足需求。其他公司，如由兩名前谷歌員工創立的初創企業Sakana AI，也專註於小型模型的研發。

“你並不總是需要一輛跑車，”Forrester Research專註於人工智能研究的高級分析師羅文·柯倫（Rowan Curran）指出，“有時，一輛小型貨車或皮卡就足夠了。這不會是一個被廣泛使用的模型類別，適合所有人在所有情況下使用。”

然而，就當前而言，人工智能領域的傳統觀念仍傾向於規模越大越好，但這無疑將伴隨着高昂的成本。