人工智能开发的成本呈指数级增长

人工智能开发的成本呈指数级增长

微软、Alphabet 和 Meta 等科技巨头正从人工智能驱动的云服务中获利颇丰，但与此同时，它们也深陷在推动人工智能发展的巨大成本中。最近的财务报告描绘了一把双刃剑：一方面是可观的收益，另一方面是惊人的开支。

这种矛盾导致 彭博社 恰当地将人工智能开发称为“巨大的资金陷阱”，凸显了当今人工智能革命背后复杂的经济现实。这一财务问题的核心在于对更大、更复杂的人工智能模型的不懈追求。对通用人工智能 (AGI) 的追求促使公司开发越来越复杂的系统，例如 GPT-4 等大型语言模型。这些模型需要巨大的计算能力，将硬件成本推高到前所未有的水平。

更糟糕的是，专用 AI 芯片（主要是图形处理单元 (GPU)）的需求猛增。随着科技公司争相获得这些基本组件，该领域的领先制造商Nvidia的市值飙升。其 H100 图形芯片是训练 AI 模型的黄金标准，售价估计为 30,000 美元，一些经销商的报价是这个价格的数倍。

全球芯片短缺只会加剧这一问题，一些公司要等上几个月才能获得必要的硬件。Meta 首席执行官扎克伯格 此前表示 ，他的公司计划在今年年底前购买 35 万块 H100 芯片，以支持其 AI 研究工作。即使他获得批量购买折扣，这也很快就会增加数十亿美元。

另一方面，对更先进人工智能的追求也引发了芯片设计领域的军备竞赛。谷歌和亚马逊等公司投入巨资开发其专用于人工智能的处理器，旨在获得竞争优势并减少对第三方供应商的依赖。这种定制硅片的趋势为人工智能开发过程增加了另一层复杂性和成本。

但硬件挑战不仅仅在于采购芯片。现代人工智能模型的规模需要庞大的数据中心，而这带来了技术障碍。这些设施必须设计成能够处理极端的计算负荷，同时有效管理散热和能耗。随着模型变得越来越大，电力需求也随之增加，从而显著增加运营成本和环境影响。

在 4 月初的一次 播客采访中 ，OpenAI 竞争对手 Anthropic 的首席执行官达里奥·阿莫迪 (Dario Amodei) 表示，目前市场上的一批人工智能模型的训练成本约为 1 亿美元。“目前正在训练的模型以及将在今年晚些时候或明年年初不同时间推出的模型的成本接近 10 亿美元，”他说。“然后我认为在 2025 年和 2026 年，我们的成本将达到 50 亿美元或 100 亿美元。”

然后，数据是人工智能系统的命脉，它本身也带来了技术挑战。对大量高质量数据集的需求促使公司在数据收集、清理和注释技术方面投入巨资。一些公司正在开发复杂的合成数据生成工具来补充现实世界的数据，这进一步推高了研发成本。

人工智能创新的快速发展也意味着基础设施和工具很快就会过时。企业必须不断升级系统并重新训练模型才能保持竞争力，从而形成一个不断投资和淘汰的循环。

“4 月 25 日，微软表示，其在最近一个季度的资本支出为 140 亿美元，预计这些成本将“大幅增加”，部分原因是人工智能基础设施投资。这比去年同期增长了 79%。Alphabet 表示，其本季度的支出为 120 亿美元，比去年同期增长了 91%，预计今年剩余时间的支出将“达到或超过”这一水平，因为它专注于人工智能机会，”彭博社的文章写道。

彭博社还指出，与此同时，Meta 上调了今年的投资预期，目前认为资本支出将达到 350 亿美元至 400 亿美元，最高增幅将达到 42%。彭博 社 写道：“该公司在人工智能研究和产品开发方面进行了大举投资。 ”

有趣的是，彭博社的文章还指出，尽管成本巨大，但科技巨头们正在证明人工智能可以成为真正的收入驱动力。微软和 Alphabet 报告称，其云业务大幅增长，主要归因于对人工智能服务的需求增加。这表明，虽然对人工智能技术的初始投资惊人，但潜在回报足以证明这笔支出是合理的。

然而，人工智能开发的高成本引发了人们对市场集中度的担忧。正如文章所指出的，尖端人工智能研究的费用可能会将创新限制在少数资金充足的公司，从而可能抑制该领域的竞争和多样性。展望未来，该行业正专注于开发更高效的人工智能技术，以应对这些成本挑战。

研究小样本学习、迁移学习和更节能的模型架构等技术旨在减少人工智能开发和部署所需的计算资源。此外，推动边缘人工智能（在本地设备而不是云端运行人工智能模型）可以帮助分配计算负载并减轻集中式数据中心的压力。

然而，这种转变需要芯片设计和软件优化方面的一系列技术创新。总体而言，很明显，人工智能的未来不仅取决于算法和模型设计的突破，还取决于我们克服扩展人工智能系统带来的巨大技术和财务障碍的能力。能够有效应对这些挑战的公司很可能成为人工智能革命下一阶段的领导者。