科技巨头财报透露一个现实:AI研发费用太太太高了!

互联网消息·极客观察8月1日 受益于AI云服务的发展,微软、Alphabet、Meta收入增加。与此同时,为了研发更先进的AI技术,各大科技巨头的成本也在增加。

互联网消息·极客观察8月1日 受益于AI云服务的发展,微软、Alphabet、Meta收入增加。与此同时,为了研发更先进的AI技术,各大科技巨头的成本也在增加。最近几家公司公布的财报向我们证明:AI是一把双刃剑,一面是收益,一面是成本。

二分法切合当下的现实,AI是一个金钱大坑,不是所有企业都玩得起,这就是如今AI革命幕后隐藏的现实。为了开发更大、更复杂的AI模型,科技巨头必须投入巨额资金。如果想开发出媲美人类的AGI,需要更复杂的AI系统。庞大模型不仅耗电惊人,而且硬件成本也越来越高。

AI模型军备竞赛,驱动科技巨头资本支出猛增

在大企业的助推下,专用AI芯片需求猛增。英伟达市值不断飙升,它提供的H100显示芯片成了AI模型训练的“黄金标配”,单块价格达到3万美元。由于缺货,一些企业虽然早就订购了AI芯片,但要等几个月才能拿到手。

Meta首席执行官扎克伯格称,年底之前Meta准备采购35万块H100,以支持公司的AI项目。虽然Meta能以折扣优惠价购买,但成本仍然高达几十亿美元。

有报告预测,到了2025年,Meta整个公司的资本开支将会达到500亿美元。虽然扎克伯格大手笔向AI下注,但投资者显然不像扎克伯格那么有信心。如果AI投入过高,股价可能会受到影响。

分析师称,今年二季度Meta的资本支出达到95亿美元,环比增长50%。2024年的整体资本支出将会达到350-400亿美元,明年达到420亿美元,2025年可能再增加80亿美元,达到500亿美元。

华尔街对科技巨头的疯狂投资已经表现出担忧,看到谷歌、特斯拉提交的AI开支数据后,纳斯达克指数创下年度新低。分析师认为,2024年谷歌的资本支出将会增加51%,达到500亿美元。

扎克伯格信心十足,他认为AI投资迟早会看到回报。他还认为,最新发布的Llama 3.1在今年年底之前将会成为应用最广泛的AI模型,明年年初成为最先进的AI模型。

Wedbush分析师Dan Ives认为,Meta向元宇宙和AI都投入巨资,但两种投资有明显不同。因为AI军备竞赛在美国、中国及世界其它地方发生,目标是打造强大的企业、消费者AI生态系统,元宇宙没有这样的竞争。

“军备竞赛”四个字在AI产业回荡,不论是企业还是分析师,似乎都认为投资是成功的关键。

不让英伟达专美,军备竞赛蔓延至AI芯片领域

与此同时,围绕AI芯片设计,科技巨头也在展开残酷的军备竞赛。不论是谷歌还是亚马逊,都投入巨资开发AI专用芯片,这样做一方面是为了获取竞争优势,另一方面是防止过度依赖第三方供应商。定制芯片让AI研发变得复杂,成本也会增加。

目前行业面临的硬件挑战有很多,不仅仅限于制造。现代AI模型需要巨大的数据中心,专用设施必须具备应付极端计算负载的能力,散热和能效要求更高。当模型变得越来越大,电力成本和运营成本会增加,对环境的冲击也会更大。

4月份,Anthropic首席执行官Dario Amodei公开表示,目前的AI模型训练成本约为1亿美元。他认为:“正在训练的模型和今年晚些时候或者明年年初推出的模型,其训练成本接近10亿美元;照我的推测,到了2025年和2026年,成本会接近50-100亿美元。”

然后就是数据,它也面临挑战。为了获得庞大的高质量数据,科技巨头们投入巨资收集、清理数据并开发创新性数据技术。一些公司开发复杂的合成数据生成工作,以补充现实世界数据的不足,这种做法进一步推高了研发成本。

随着AI创新速度的加快,基础设施和工具快速迭代,企业必须快速升级系统,必须重新训练模型,这样才能保持竞争力,结果导致企业被一个又一个投资循环缠绕。

AI刺激增长,已在云计算业务中显现

4月25日,微软公布季度财报,它的资本支出达到140亿美元,而且公司预计随着AI基础设施投资的增加,未来支出还会增加。Alphabet每个季度的支出也达到了120亿美元,同比增长91%,因为公司专注于挖掘AI机会,预计今年余下时间开支会保持在当前水平,甚至有所增加。Meta告诉投资者,今年的投资将会增加,年度资本开支将会达到350-400亿美元,比原本预期的最高水平还要高出42%,投资增加主要是AI研发和产品开发带来的。

幸运的是,虽然投资大幅度增加,AI的确能为科技巨头创造营收。微软、谷歌云业务增速明显,这些增长主要是AI服务带来的。数据证明,虽然AI的初始投资极为庞大,但科技巨头仍然愿意投入,因为AI带来的回报让他们感到兴奋。

科技巨头充满自信,市场却对AI成本增加感到担忧。由于尖端AI研发成本越来越高,创新可能会受到限制,因为只有土豪企业可以承受,久而久之,市场竞争会被削弱,AI产业的多样化进程会被打断。

为了解决AI成本问题,企业可能会被迫开发更高效的AI技术。为了降低算力要求,企业正在开发少次学习、迁移学习技术,开发更节能的模型架构;行业对边缘AI