【大人物時代】生成式AI的泡沫來臨了嗎?

 

以往，遇到不熟的單詞或問題，我們習慣說去”Google一下”，這種把名詞當動詞用，讓Google變成搜尋代名詞的做法，自從2022年OpenAI公司推出ChatGPT後，現在我們遇到問題，開始習慣說要去”GPT一下”。

全球掀AI發展浪潮

 

雖然引領的AI發展的浪潮，但OpenAI在建立大語言模型(LLM)的高額投資花費及如何建立商業模式獲利，一直是被關注的焦點，去年8月，Economics Times 就報導了專家預測OpenAI會破產的新聞。最近這個問題又引起市場的注意，根據媒體The Information報導，ChatGPT的日常運作幾乎已滿載，該系統需要約 35 萬台伺服器和多個Nvidia A100 晶片。儘管有微軟這個富爸爸，但OpenAI 在微軟Azure的雲端成本每天仍高達70萬美元。從The Information的分析看來，OpenAI可能會花費約 40 億美元從微軟租用伺服器來運行ChatGPT和相關的大語言模型。另外 30 億美元將用於訓練人工智慧模型的培訓成本，包括與新聞集團等新聞出版商達成協議，使用其受版權保護的內容來訓練 OpenAI 的生成人工智慧模型。除此之外，OpenAI 今年的薪資支出也可能達到至少 15 億美元，綜合以上支出，OpenAI今年的營運成本可能高達85億美元。

 

對照龐大的成本支出，OpenAI的營收，從去年的16億美金，到今年預估可以達到36億美元左右。雖然營收成長幅度驚人，但相對照前述的營運成本，仍是入不敷出。我們從OpenAI中看到的主要商業模式是ChatGPT的訂閱、各種Co-Pilots以及OpenAI API與Microsoft的整合。但目前ChatGPT並非市場上唯一的產品，同樣有富爸爸亞馬遜投資的Anthropic，推出了強大的Claude 3.5 Sonnet後，Meta緊隨其後推出了開源模型 Llama 3.1，Google自家也有Gemini。

 

目前看來，OpenAI建立大型語言模型銷售生成式AI服務並沒有創造商業護城河。其他產業如晶圓代工，投入新一代奈米晶片技術，耗資數十億美元在研發及設備，這些成本對其他競爭者就造成了進入障礙。OpenAI的GPT系列產品，需要大量的財務投資訓練這些模型，這主要是由於巨大的參數空間和所需的運算能力。根據史丹佛大學的人工智慧指數報告，OpenAI 執行長 Sam Altman估計該公司訓練 GPT-4 的成本為1億美元，而Google訓練Gemini Ultra 的成本約為 1.9 億美元。

 

除此之外，為了能盡快推出更貼近市場的模型，不光只是涵蓋更多的參數資料，還要不斷地提升算力來縮短訓練時間，根據 NVIDIA 執行長黃仁勳在NVIDIA GTC 2024上的說法，使用25,000 Ampere GPU訓練 GPT-MoE-1.8T 模型需要 3 到 5 個月的時間。如果用Hopper (H100) 執行相同的操作，則需要在 90 天內使用約 8,000 個GPU。

 

生成式AI泡沫將破裂原因

 

AI的市場，除了像Nvidia、AMD、Intel、AWS等提供運算力，也就是所謂賣鏟子的公司外，由於需要大量的財務投資，大多數用戶不會從頭開始自己建大語言模型。相反，他們將利用其他公司或組織（例如 ChatGPT 或Llama）提供的預訓練模型。目前比較主流的商業模式，可以簡稱為AI即服務(AIaaS)，AIaaS是一種將AI能力以雲服務形式提供給企業的模式。主要包括：1.預訓練模型API，如OpenAI的GPT系列、Google的BERT等，企業可直接調用這些API來實現特定功能。2. 機器學習平台：如Amazon SageMaker、Google Cloud AI Platform等,為企業提供從數據處理到模型部署的全流程服務。3. 特定功能API：如圖像識別、語音轉文字、自然語言處理等單一功能的API服務。

 

而Meta也提供另一個選擇，透過免費提供最先進的開源的Llama 3.1人工智慧模型，允許開發人員對其進行微調和客製化以滿足特定需求，並降低存取基礎人工智慧模型的成本。Meta聲稱其運行成本大約是OpenAI的GPT-4o的一半。CEO 馬克祖克柏(Mark Zuckerberg) 分享其花費數十億美元開發的人工智慧模型，對於仰賴人工智慧模型收費的公司如OpenAI、Anthropic，也是另一個強大競爭壓力，Meta目前不需要靠此業務收費，而且可能仿傚當初Google開放Android的作法，放長線釣大魚，未來要求用戶提供數據，應用在其廣告業務上來獲利。

 

科學家，也是Geometric Intelligence創辦人Gary Marcus在他的社群平台上寫到：12個月內，生成式AI泡沫將破裂，因為：

 

1.  經濟狀況不起作用

2. 目前的方法已達到停滯期

3. 不存在殺手級應用

4.AI幻覺依然存在

5.愚蠢的錯誤依然存在

6.沒有人擁有護城河

7. 人們開始意識到以上所有問題。

 

接下來，除了在模型開發上的競爭外，能不能有殺手級應用或新的商業模式建立護城河，去支撐持續燒錢的支出，將會是這些公司下一輪廝殺的關鍵。

 

 

（圖片來源：維基百科，openai官網；示意圖來源：放言視覺設計部  傅建文）