Dr. Anita Roy Roy
- 科技行业向生成性人工智能的转变，以微软和谷歌等公司为首，带来了显著的成本与承诺的创新。
- 人工智能集成到产品中，例如微软365中的AI驱动的Copilot，导致用户成本上升。
- 生成性人工智能过程需要大量的计算能力，使得模型的训练和部署都变得昂贵。
- OpenAI的财务数据突显了人工智能盈利的挑战，高昂的运营费用超过了收入。
- 公司正在探索财务适应措施，如广告支持的模型和将计算转移到用户设备上，以管理人工智能成本。
- 来自中国的精简人工智能模型和研究机构挑战了高支出是人工智能复杂性必需的观念。
- 人工智能的未来在于可持续的部署，可能利用个人设备进行本地人工智能处理，从而提供隐私保护的好处。
数据中心的嗡嗡声曾经象征着数字时代的进步，然而现在却反映出科技行业在人工智能方面的惊人转变。过去一年，微软和谷歌等巨头积极将生成性人工智能融入他们的产品，承诺创新，却揭示了一个代价高昂的真相。
想象一下，一台光滑的笔记本电脑，其键盘上闪烁着一个奇特的附加键——一个专门用于人工智能的键。这个小按钮象征着公司们在每一个数字角落嵌入人工智能的巨大努力。微软甚至将其旗舰产品Microsoft 365与AI驱动的Copilot功能绑定，显著提高了用户成本。
成本令人震惊。生成性人工智能，以OpenAI的大型模型为典型，像水通过筛子一样消耗资源。虽然OpenAI去年报告的收入为37亿美元，但其支出接近90亿美元——这一惊人的差距突显了人工智能盈利的挑战。微软的战略财务调整，包括取消部分数据中心租约和创建广告支持的产品版本，反映了他们努力收回这些成本。
为什么生成性人工智能如此昂贵？驱动这些智能系统的过程需要巨大的计算能力。训练人工智能模型涉及大量的前期支出，但持续的推理——部署这些模型——在用户基础扩展时则消耗现金。例如，OpenAI处理的单个复杂查询的运行成本可能超过1000美元。这些数字解释了订阅价格的大胆上涨，并促使科技公司在成本管理上进行创新。
随着微软等公司在这些人工智能框架中投资数十亿美元，一个微妙但战略性的转变浮现出来：将部分计算责任转移到用户设备上。这一趋势不仅减轻了中央数据的负担，还引入了“本地”人工智能作为隐私保护的保障，形成了双重利益的叙述。
向东看，其他创新者正在开辟通往这一财务泥淖的道路。中国的DeepSeek以及来自艾伦研究所和斯坦福大学的研究团队表明，人工智能的卓越可能并不需要奢侈的支出。他们精简而有效的模型挑战了“更多支出等于更高级人工智能”的概念。
结论是什么？人工智能革命可能不仅仅是采用尖端模型，而是重新思考其可持续的部署。随着科技巨头在创新与财务可行性之间的权衡，人工智能的负担可能会越来越向家庭靠近，使我们珍视的个人设备成为人工智能转型浪潮的另一个前线。
人工智能如何改变科技：超越数据中心的嗡嗡声
生成性人工智能的经济学：幕后一瞥
人工智能集成的激增对科技巨头来说是一把双刃剑。尽管将人工智能纳入平台承诺了尖端的进步，但也带来了惊人的成本。生成性人工智能模型，例如OpenAI开发的模型，需要巨大的计算能力用于训练和操作，导致高昂的财务需求。
为什么生成性人工智能如此昂贵
– 计算能力： 训练人工智能模型资源密集。大型数据集和强大的GPU推动这些过程，导致数据中心的电力和冷却成本巨大。根据马萨诸塞大学阿默斯特分校的一项研究，训练单个人工智能模型的碳排放量相当于五辆汽车的终生排放。
– 推理成本： 除了训练，人工智能模型的实时执行或推理需要持续的计算输入。随着用户交互的增加，这些费用也在增加。对于OpenAI来说，一个复杂的人工智能查询可能每次成本达到1000美元，这说明了为什么科技公司正在重新审视他们的定价策略。
– 数据中心基础设施： 维护、租赁和升级数据中心是另一个重大成本。例如，微软通过取消部分租约减少了运营费用，表明其向更灵活的解决方案转变。
应对人工智能成本：创新以实现可持续性和隐私
– 本地人工智能： 将一些人工智能过程转移到用户设备上可以显著减轻数据中心的负担。这种方法不仅优化了资源，还通过本地处理数据来增强隐私。苹果公司例如已经通过面部识别和本地化Siri处理等功能开创了本地人工智能的先河。
– 精简模型方法： 公司正在向东寻求解决方案。中国企业如DeepSeek以及来自知名机构的研究人员正在专注于开发资源需求较低的高效模型，表明“少即是多”。
市场趋势与人工智能的未来
– 广告支持的模型： 微软对广告支持产品的探索反映了一种策略，以抵消消费者成本，同时仍提供高端的人工智能功能。
– 关注隐私的人工智能模型： 随着隐私问题的上升，预计将出现优先考虑用户数据保护的人工智能模型，通过本地处理能力实现。
– 与硬件公司的合作： 人工智能公司与硬件制造商之间的合作可能会导致更多友好的消费设备，集成更高效的处理器，专为本地人工智能任务设计。
可行的建议
– 评估您的需求： 在订阅嵌入人工智能的产品之前，评估这些创新是否符合您的需求，以避免不必要的成本。
– 保持对安全的关注： 用户应随时了解人工智能设备和服务的隐私政策，以确保数据保护。
– 监控能源消耗： 企业应跟踪数据中心的能源使用情况，采用绿色实践以减少环境影响。
结论
随着科技行业在人工智能影响下的发展，可持续性和成本效益将始终处于创新的前沿。随着微软和谷歌等公司重新思考人工智能部署策略，关注点将越来越多地放在创造平衡尖端技术与经济和环境可行性的模型上。
