微软、Alphabet 和 Meta 等科技巨头在人工智能驱动的云服务收入浪潮中高歌猛进，但同时也被推动人工智能发展的巨额成本所淹没。最近的财务报告描绘了一幅双刃剑的图景：一边是令人印象深刻的收益，另一边则是惊人的支出。
彭博社因此将人工智能的发展称为 "巨大的金钱陷阱"，凸显了当今人工智能革命背后复杂的经济现实。这一经济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。对人工通用智能（AGI）的追求促使公司开发出越来越复杂的系统，GPT-4 等大型语言模型就是一个例子。这些模型需要庞大的计算能力，使硬件成本达到前所未有的水平。
更重要的是，对专用 AI 芯片（主要是图形处理器（GPU））的需求激增。随着科技公司争相购买这些重要组件，该领域的领先制造商英伟达（Nvidia）市值飙升。其 H100 图形芯片是训练人工智能模型的黄金标准，估计售价已达 3 万美元，一些经销商的售价是这一数字的数倍。
全球芯片短缺加剧了这一问题，一些公司需要等待数月才能获得必要的硬件。Meta 公司首席执行官扎克伯格此前曾表示，公司计划在今年年底前购买 35 万块 H100 芯片，以支持其人工智能研究工作。即使他获得了批量购买的折扣，这也很快会增加到数十亿美元。
另一方面，推动更先进的人工智能也引发了芯片设计的军备竞赛。谷歌和亚马逊等公司投入巨资开发自己的人工智能专用处理器，旨在获得竞争优势，减少对第三方供应商的依赖。这种定制芯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。
但硬件方面的挑战不仅限于采购芯片。现代人工智能模型的规模需要庞大的数据中心，这也带来了技术障碍。这些设施的设计必须能够处理极端的计算负荷，同时有效管理散热和能耗。随着模型越来越大，对电力的要求也越来越高，从而大大增加了运营成本和对环境的影响。
在 4 月初的一次播客采访中，OpenAI 的竞争对手 Anthropic 的首席执行官达里奥-阿莫代（Dario Amodei）表示，目前市场上的人工智能模型的训练成本约为 1 亿美元。"他说："现在正在训练的模型，以及将在今年晚些时候或明年年初推出的模型，成本接近 10 亿美元。"然后，我认为在 2025 年和 2026 年，我们的成本将接近 50 亿美元或 100 亿美元。
数据是人工智能系统的命脉，它也带来了自身的技术挑战。对庞大、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，以补充真实世界的数据，从而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。公司必须不断升级系统，重新训练模型，才能保持竞争力，这就造成了投资和淘汰的不断循环。
"4月25日，微软表示，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"，部分原因是受到人工智能基础设施投资的推动。这比去年同期增长了79%。彭博社的文章写道："Alphabet 表示，本季度支出 120 亿美元，比去年同期增长 91%，预计今年下半年将 "达到或超过 "这一水平，因为它专注于人工智能机会。
彭博社还指出，与此同时，Meta 也提高了对今年投资的预期，目前认为资本支出将达到 350 亿至 400 亿美元，在这一区间的高端将增长 42%。"彭博社写道："它提到了在人工智能研究和产品开发方面的积极投资。
上一条： 亚马逊力争以更便宜、更快速的人工智能芯片
