ChatGPT红与黑：复活AI投资热情，复刻资本军备竞赛(3)

在宁畅副总裁兼CTO赵雷看来，ChatGPT最大的需求肯定是算力，若要实现理想化人工智能的算力需求，短时间来看也需要三个数量级的算力，至少是目前行业平均水平的百倍。另外，ChatGPT是一个TB级的运算训练库，目前需要几十到几百台GPU或几百台一个级别服务器的体量才能够做到。
云九资本执行董事沈文杰表示，ChatGPT展示内容的高效性和其“内嵌”的服务模式会推倒、重建很多商业模式，甚至可能包括当下最大的商业模式之一——搜索。算力成本可能是当下最棘手的问题，算力的总需求肯定会被推到远超当下全部的程度，需要算力 算法 商业模式共同解决这个问题。
壁仞科技方面也认为，ChatGPT的“爆火”对于国内算力芯片厂商而言，意味着未来将诞生一个具有巨大潜力的应用市场。当然，目前这一领域依然由国际厂商的成熟算力产品所垄断，国内厂商要想在这一领域实现突破，就要利用好自身优势，与国内的算法、模型开发者，以及应用开发者保持密切的合作，并根据应用市场的需求优化自身产品。只有这样，才能在大参数模型的大规模商业化进程中“分一杯羹”。
算法层面，赵雷表示，GPT是一套算法模式，经历GPT1至GPT3.5的发展，算法门槛仍存在，但并不高。深度学习或机器学习算法存在多种算法，每种算法对应不同领域，这方面中美差距或头部公司之间的差距并不大。
另外，赵雷称，除算力之外，另一个核心因素是训练模型库，100亿条人类的对话和10000亿条人类的对话，相同的算力下，后者需要更多的时间，但它的训练精度一定会更好。
巨头与创业者冲入技术军备竞赛
目前，行业已经将ChatGPT的成本问题算清楚：GPT3训练一次的费用约为460万美元，ChatGPT单轮对话平均费用在0.01美元至0.2美元之间。即便如今声名成功如OpenAI，其2022年收入3000万美元，但净亏损高达5.445亿美元。高昂的成本决定了这不是一项创业公司随随便便就能上牌桌的竞赛。
OpenAI创始人山姆·阿尔特曼（Sam Altman）此前曾表示，预计将来会出现几个大型的基础模型，开发人员都将基于这些基础模型研发AI应用。但目前的情况依然是某一家公司开发出一个大型语言模型，然后开放API供他人使用。
阿尔特曼认为，将来在基础模型和具体AI应用研发之间会有一个中间层：出现一批专门负责调整大型模型以适应具体AI应用需求的初创企业。能做好这一点的初创公司将会非常成功，但这取决于它们能在“数据飞轮”上走多远。所谓“数据飞轮”，是指ChatGPT带来的最大变革——建立起用户真实反馈与模型迭代之间的飞轮，反馈越多，模型迭代速度越快。