AI智能体接近或替代人类劳动，算力价格该咋重新定价？
当AI智能体开始接近甚至替代人类知识劳动时，算力的价格应该如何重新定价？Agent，那么它的价值就不应该再按照「服务器小时价格」计算，而应该按照它替代的人类劳动价值计算。但如果我们相信标准经济学关于劳动力的理论，那么算力的边际价值（从而是算力边际价格）应该会变得极其高昂。第二，提高算力价格。
什么时候, AI智能体能够替代顶尖程序员了, 那个时候, 算力价格又该依照什么样的标准去重新定价呢?
收入狂飙但算力跟不上
由知名科技播客Patel提出了一个大胆推演, 若AI实验室那种收入到明年底的时候能达到一万亿美元, 并且算力供应是每年仅仅增长三倍, 如此一来, 算力价格可能上涨呈现出十倍以上呢。
在过去的几十年当中, 算力被看作是一种工具, GPU为机器的零件。然而, AI时代正在经历范式转换, GPU有成为数字劳动力载体的可能性。
算力定价迎来新逻辑
倘若存在一颗H100, 它能够承载和极其接近顶尖程序员水准的AI智能体这样的状况, 那么它所具备的价值, 就不应该依照服务器当小时的价格去进行计算, 相反, 而是应当按照它所替代的人类劳动的价值来予以计算。
构想有这么一个数字软件工程师, 他不眠不休, 随时能响应任务, 技术水平处于人类顶尖位置, 对于这样的人, 你打算为此支付多少的年薪呢? 而承载这样一个智能体, 或许仅仅只需单张英伟达H100显卡所具备的算力。
十五倍的估值落差
要是那颗H100能够毫无瑕疵地替换掉年薪达二十五万美元的人类程序员, 按照商业逻辑来讲, 其年租金就应当被设定在二十五万美元之上。
然而, 此时此刻, H100现货租赁的年化价格仅仅大约是一万六千美元。这便是人类历史当中规模最为庞大的劳动力套利黑洞, 数字智能的价值增长速度远远超过了物理基础设施的扩张速度。
物理世界的算力瓶颈
对于算力供应而言, 每年仅仅是增加三倍, 在数字世界若想要跑十公里路, 然而物理世界却仅仅只能提供三公里的道路, 而这个矛盾在供给侧的物理公式当中是能够寻找得到答案的。
算力的年增长率, 大约等同于通过摩尔定律的一点四倍, 乘以新晶圆厂建设方面的一点二倍, 再乘以对先进制程产能进行抢占所涉及的一点八倍。新晶圆厂开启建设的周期, 漫长无比, 高NA EUV光刻机的交付, 最少要到二零三零年, 根本没办法达到。
越贵越强模型的逻辑
人们直觉觉得, 算力越贵时就该用轻量级模型节省些花费。然而, 阿尔奇安 – 艾伦效应告知我们, 当所有商品都添加上固定附加成本, 贵的商品反倒更具划算性。
在人工智能领域当中, 这笔额外添加的成本属于算力折旧所产生的费用, 无论运用何种模型都必须支付。它会在那些没有成效的尝试里耗费算力以及更为宝贵的时间, 所以说, 算力的价格越是高昂, 最强的模型就越有足够的底气去收取极高的溢价。
算力军备竞赛来临
全社会的资金, 会被吸向极少数, 能塑造出绝对的最强样式, 具有万亿级规模的寡头好似被黑洞吸引至相似程度 , 计算功力施展之处的弹性远低于那些拥有多样替代选择的大宗商品 , 没有可供替代的其他物品。
假设存在这样一种可能, 算力在未来的某一日会如同沙子那般变得低廉, 然而在这一日尚未降临之前, 我们必然得去历经一场最为残忍的算力军备竞赛以及算力通胀。你思考一下, 当AI将人类的知识劳动给替代之后, 你的工作还能够保持安全吗?
