生成式人工智能（AI）的前景之一是其削减成本的潜力。
然而，构建和运行基础人工智能模型的巨大经济压力，可能会导致一些最著名的人工智能平台陷入破产的境地。
据报道，OpenAI正在以惊人的速度消耗资金，如果持续下去，预计在2024年可能会破产。
尽管OpenAI已经获得了微软100亿美元的投资以及其他风险投资，但在应对日益复杂且高成本的计算需求，以及生成式AI不断改变游戏规则，这几百亿美元也只能起到杯水车薪的作用。
2022年，OpenAI的总亏损超过5亿美元（5.4亿美元），然而，即使用户受欢迎度下降，该公司每天仍需花费高达70万美元来维护底层基础设施和服务器成本。
无独有偶，并非只有OpenAI面临这种情况，构建和运行人工智能模型的高成本在整个行业中普遍存在。
谷歌的研究人员估计，他们自己雄心勃勃的人工智能项目每年占用公司能源的10%至15%，这几乎相当于亚特兰大市一年的用电量，可见其昂贵程度。
其他公司，如Meta和微软，现在将重心转向人工智能，也会面临类似的挑战和昂贵成本。
分析师估计，微软Bing AI聊天机器人，得益于OpenAI的大型语言模型（LLM）支持，但仍至少需要40亿美元的基础设施才能运行。
甚至像Anthropic这样资金充足的人工智能初创公司，最近也筹集了1亿美元的资金，这主要是为了应对人工智能业务中不断上升的成本。
人工智能高昂的基础设施成本
人工智能高昂的基础设施成本主要来自于所需的计算能力。
据估计，单个ChatGPT查询的成本是普通Google搜索相同问题的1000倍，这导致人工智能应用程序的盈利能力远低于其他软件即服务（SaaS）解决方案。
尽管目前仍处于人工智能经济的早期阶段，OpenAI、Meta、埃隆·马斯克的X AI等公司首要目标是激发公众兴趣并吸引客户。
然而，这个行业所需的竞争成本使得那些已经在市场上占据优势的巨头更有优势，因为他们有更雄厚的资产基础。
随着企业投入数十亿美元来训练和推广人工智能模型，这些资产也受到了一定程度的冲击。
NVIDIA 芯片供应紧张
建立和维护生成式人工智能模型需要大量的资本投入、领先的技术专业知识，尤其重要的是，需要昂贵且日益紧缺的GPU计算基础设施，这些已经成为历史上企业中最昂贵的资产之一。
训练生成式人工智能模型需要大量的硬件时间和数据存储需求，还有高能耗，这种结构性成本与过去计算和技术繁荣时期的成本形成了鲜明的对比。
与托管网页或运行应用程序的成本相比，运营人工智能模型的日常费用相形见绌。此外，人工智能模型还需要定期重新训练以跟上时事，保持对当前事件的理解，这进一步增加了成本。
尽管如此，生成式人工智能行业自身的发展前景依然看好，预计到2032年，其市值将增长至1.3万亿美元。
然而，即使前景乐观，实际情况依然严峻。随着人工智能解决方案商业化的推进，为其提供动力的高耗电、昂贵且专业的芯片变得越来越稀缺，购买成本也在不断攀升。
每个顶级GPU的成本约为1万美元，这导致企业需要巨额投资以购买数以万计的GPU来进行模型训练，而第一步投资通常需要数亿美元。
以OpenAI的ChatGPT-4为例，它可能在1万到2.5万块NVIDIA A100芯片上进行了训练，而如果推出ChatGPT-5，可能需要更多的芯片。
Meta已经储备了约2.1万颗A100芯片，特斯拉也存有约7千颗。甚至在中国，科技公司也在大举投资芯片产业，希望能够与西方科技巨头竞争。
技术发展与可持续性：寻求平衡之道
虽然有句谚语说“生活中最好的东西是免费的”，但在商业世界中，这并不适用。
如今，科技公司巨额的投资可能在不久的将来会获得丰厚的回报，但前提是在资金耗尽之前，能够实现商业化价值。
这意味着这些公司需要在资金耗尽之前找到创新的方法来降低成本，提高效率，并确保他们的投资在未来获得可持续的回报。
虽然面临诸多挑战，但生成式人工智能行业并没有放慢脚步。公司们在寻找解决方案的道路上也在不断努力。
越来越多的公司会寻求更有效的硬件利用方法，探索更先进的芯片技术，或者采用更高效的训练方法，以减少成本并提高模型性能。
此外，与公共和私人部门合作，共享资源和技术也可能是降低成本的有效途径之一。
在生成式人工智能成本挑战的背后，有一个更深层次的问题值得我们思考：随着技术的迅速发展和应用的推广，我们是否应该更加关注技术的可持续性和社会影响？
在追求技术突破和商业利润的同时，我们是否也应该考虑如何避免产生不可承受的成本和负面后果？
解决这些问题需要技术公司、政府、学术界和社会各界的共同努力。
技术公司可以继续研究和开发创新解决方案，同时也应该更加关注技术的长期可持续性。
政府可以制定相关政策，鼓励技术创新的同时，也需要监管和引导技术的应用，以确保社会的整体利益得到保障。
学术界可以提供有关技术成本、效益和社会影响的独立研究，为决策者提供决策依据。
而社会各界则可以参与讨论，共同寻求平衡技术发展和社会可持续性之间的关系。
在人工智能等领域，技术的前进速度令人瞩目，但与此同时，我们也需要认真思考技术的成本和影响，以确保我们走在可持续的道路上。
生成式人工智能所面临的成本挑战只是一个缩影，我们需要共同努力，以实现技术的可持续发展，让科技真正造福于人类社会的未来。
发布者：5840，转转请注明出处：https://www.5840.cn/lives/772.html
评论列表（0条）