算力的赚钱效率才是硬道理

过去的三年当中, 大家都处于比参数规模之状, 在两年之前, 转而开始比拼跑分成绩, 现如今行业风向变化了, 真正成为竞争指标的是每兆瓦能够赚多少钱, 这个指标看起来好像还算简单, 然而却直接决定了一家AI公司所能够前行的距离。

GPT – 5.6、Opus 5、Fable 5这些新一代模型上线之后, OpenAI的每兆瓦收入轻松跨越1000万到1500万美元的成本线, Anthropic的每兆瓦收入也轻松跨越1000万到1500万美元的成本线。在这之中, 跑在最前面的公司, 其收入水平最高达到了每兆瓦5000万美元。

谁能出高价谁就能赢得算力

这场竞赛的逻辑蛮单纯, 赚得更为可观, 便能够以更高价格获取算力, 获取到更多算力, 就能够训练出更为强大的模型, 模型越是强大, 每兆瓦的收入也就格外高, 这构成了一个正向循环。

由Dylan Patel所给出的、关于算力的进货价格, 处于每兆瓦1000万至1500万美元的区间范围之内。若普通人选择购买一台GB300机柜, 按照下载开源权重进行部署后, 通过操作所赚取回来的金钱数额, 相较于所支付出去的部分而言, 是更多的。正是由于每一个人都有能力从中获取利润, 进而才能致使这条盈利线路无法守住。

云厂商和AI实验室的博弈升级

五大云厂商手中仍掌控着全球约百分之七十一的AI算力产权。云厂商充当房东角色, 买下地皮接着盖数据中心。OpenAI和Anthropic是把大部分房子租下来的两大租户。

眼下出现了第三种类型的玩家, 即先进行房屋建造, 之后再去寻觅租客。多数云厂商是先签订客户, 然后才去借取资金展开动工建设, 然而Meta以及OpenAI有着雄厚的家底, 直接越过寻找客户以及融资这两个环节, 径直开始动工。马斯克更为厉害, 将算力售卖到每吉瓦价值400亿美元。

训练投入在减少，研发加码成趋势

现下实验室的算力分配比例大致是, 50%被用于探讨之事、10%被用于开拓行为、40%被用于推导评判。训练进程于单个站点所使用的算力未达200兆瓦, 仅仅运行两个月, 强化学习时期所使用的算力则更少。

手中攥着好几吉瓦的算力, 然而, 真正施加于训练一个模型之上的, 仅仅只有200兆瓦而已。其余的算力, 分散于天南地北各处的机房之中, 传递数据的速率, 难以跟得上运算的速度, 强行拼凑在一起, 便只是彼此等待罢了。

监管和融资成本正在收紧

AI公司乐意给出高价来借款, 这几家公司共同将整个市场的融资成本给抬高了起来。Meta发债利息处于5%至6%这一范围, Dylan判定它会甘愿一直付到8%。问题在于钱是来自同一个池子的钱, 其他参与者也不得不承受更高的成本。

更严格的是政策方面的管制, OpenAI的Astra没有披露出来, 被扣压着, 而且被认定为下一代的模型从安全评估角度也没有得到发布, 这般情形对于实验室而言, 并非仅仅是少赚一档规模的资金了事, 而是将一步步越靠盈利去进行采购、越靠采购来促使自身不断强大的循环给阻隔切断了啊！

规模效应让巨头优势越来越大

前沿算力, 其依照历年情况, 每年增长幅度为四倍至五倍这一范围, 然而达到相同能力水平所需要的那般算力, 在每年的情况里却降到了三分之一。将这两者进行相乘的这样一种运算, 如此一来前沿实验室的有着效用的AI劳动力以每年增长十倍的速率行进。按照如此这般速度推算延续开去, 将会发生的乃是一家公司当中存有潜在价值的劳动力很有可能在极为迅速的情况之下超越地球人口的总计数量。

数十亿次会话会将训练成本进行摊薄, 规模越大就越具备划算的特性。模型会从部署那里进行学习, 使用得越广泛数据就会越多。每一种力量都朝着集中方向飞奔, 真正的挑战并非是谁先做出AGI, 而是它被做出来之后归谁去调用。

在你看来, 于AGI时代, 算力资源会朝着进一步集聚于这两三家巨头之手的趋势发展, 还是会有新的竞争者涌现出来从而打破当前的格局, 欢迎你往评论区里留下你自身的看法！