AI模型计算经济学正经历关键变革。“互联网女王”发布的AI趋势报告深入剖析指出,训练最强大的大语言模型已成为人类历史上成本极高、资本密集型的投资之一,每个模型的训练成本常超1亿美元。AnthroPic首席执行官达里奥·阿莫迪在2024年年中提到,一些正在开发的模型成本接近10亿美元,他还预测到2025年可能会出现训练成本高达100亿美元的模型。
- 推理成本显著下降 :不过,报告强调运行模型的推理成本(即生成预测、答案或内容)正在迅速降低。以NVIDIA数据为例,2024年发布的布莱克韦尔GPU每个令牌所需的能量比2014年的开普勒GPU少105000倍。斯坦福HAI数据进一步显示,AI推理的客户价格(每百万令牌)在两年内下降了99.7%,这种成本效率的提升远超电力和计算机内存等以往关键技术。
- 实验成本降低与迭代加速 :推理成本的大幅下降和模型可获取性的增加,降低了AI实验的成本并加快了迭代速度。这使得几乎任何有想法的人都能将产品化变为现实,从而导致开发者活动激增。例如,Meta的LLaMA模型在短短八个月内下载量增长了3.4倍。
- 模型性能收敛 :尽管模型成本存在差异,但AI模型的性能正在迅速趋同,缩小了顶级前沿模型与更小、更高效模型之间的差距。
AI经济学演变引发“创意爆发”。开发者可以根据技术或财务需求选择最合适的模型,而不是局限于单一供应商,这正在重塑AI模型供应商的商业模式,迫使他们重新思考如何实现盈利。
© 版权声明
文章版权归作者所有,未经允许请勿转载。