从烧钱竞赛到成本刹车

有这么回事, Meta曾借助内部排行榜去激励员工大量使用AI工具, 这里面最出名的要数“Llama排名”, 它是鼓励大家去比拼Token消耗量的那种。原本呈现出的是一种看似热热闹闹的AI狂欢景象, 然而现在却突然停止了。有一份发给6000名员工的内部备忘录正式宣告, Meta从“AI无上限”转至“AI精打细算”。这样的180度大转弯, 既折射出硅谷科技公司对于AI成本失控的集体焦虑, 又让外界得以看到, AI烧钱的速度已经远远超出了预期。

内部AI用量失控预警

基于备忘录可知, Meta员工于今年之内所运用的AI工具, 其总体花费或许会高达数百亿美元之多。此一数字致使管理层不得不赶忙紧急采取刹车举措。公司借助名为AI Hub的平台, 对各团队的AI使用量予以统一的监控, 一旦Token支出出现异常的激增状况, 系统便会自行触发警报。这般“数字围栏”样式的管理, 表明往昔那种能够随意调用AI模型的日子早已终结。

Token最大化现象蔓延

曾有Meta的“Llama排名”, 致使员工为刷KPI而拼命耗费Token, 由此还催生出专有名词 “Token最大化”。此现象并非仅在Meta内部出现, 全美各大企业皆有蔓延。员工将AI额度视作“福利”, 明明一次调用即可, 却非要反复提问直至过瘾。这种资源浪费直接使企业AI运营成本升高, 迫使管理层不得不进行干预。

外部工具逐步禁入

几周之后, Meta打算进一步限制员工运用外部AI工具, 转而大肆强力推荐自家的AI编程助手Code Llama, 此措施一方面是为了降低成本, 另一方面是为了进行技术保密, 内部备忘录要求团队优先选用内部研发的AI模型, 减少对第三方服务的依赖, 这相当于给员工划出了一条红线, 即不要再使用GPT或者Claude, 使用自家产品才是正确的道路。

6000亿美元基建大规划

尽管近期对AI使用加以收紧, 然而Meta对于AI基础设施的投资却一点儿都没有减少, 该公司预计到2028年的时候要投入6000亿美元去开展AI基础设施建设, 其中涵盖数据中心、GPU集群以及能源供应, 这种看起来存在矛盾的操作实际上是“开源节流”, 也就是一边去压缩日常运营里的Token浪费, 一边把资金集中投入到核心算力方面, 短期内控制成本, 长期则是在赌未来。

硅谷降本增效新常态

Meta从鼓励AI使用蜕变至限制AI使用的转变, 仅是美国科技企业降低成本提升效益大潮里的一个缩影 , 亚马逊 、谷歌等巨头也在暗暗收紧AI预算审核 , 以往企业追捧“AI第一” , 现在回归“效率为先” , 这样的理性回归对于行业健康发展反倒是一件利好之事 , 终究技术即便再先进 , 也必须算清经济账。

你对于Meta这般“先予而后取”的AI举措作何见解? 要是你身为员工, 面对Token运用限制时会萌生出怎样的想法? 欢迎于评论区展开交流探讨, 顺手点赞并转发以使更多人得以瞧见这场AI成本较量背后内含的真切实情。