☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
2019年OpenAI CEO Sam Altman曾说：“我真的深信我在OpenAI所做的工作远比在Y Combinator所做的更耀眼，不只如此，比科技产业所做的也更加耀眼。”
他认为人类将会研发一套软件系统，无论从哪个方面看都比人类更智能、更有能力。为此他鼓吹：“AI会不断进化，比人类更强一些，没多久它就会比人类强100万倍甚至10亿倍。”
驱动AI前进的真正力量是金钱
驱动科技前进的真正力量不是代码和GPU，而是金钱。请记住：AI是昂贵的！
近年来科技天才们涌入AI产业，办企业，拉投资，不亦乐乎。斯坦福AI指数显示，2021年AI产业融资额达到940亿美元，比2020年增长一倍。在2021年AI融资交易中有15笔的规模达到或者超过5亿美元。
Altman与同行不得不极尽夸张之能事，因为开发AI需要大把的钞票。OpenAI的竞争对手谷歌、Facebook都是“印钞机”，它们不必鼓吹，自己能承担开支。
还记得当年科技界是如何鼓吹无人驾驶汽车的吗？2014年谷歌无人驾驶主管曾信誓旦旦地说，他确定11岁的儿子将来不需要驾照，因为无人驾驶5年就会出现。现在10年快过去了，无人驾驶仍然不成熟。
尽管如此，无数企业仍然前赴后继杀向战场，英特尔甚至预言到了2035年无人驾驶市场规模将达到8000亿美元。软银2010-2019年向无人驾驶投入了300亿美元，自2010年以来美国投入了845亿美元，中国506亿美元，欧盟107亿美元。
无人驾驶并没有完全失败，但从中我们找到一些规律：鼓吹者会说有一个庞大的革命性机遇出现，以刺激投资者。
回到AI，许多人赌定它能让机器取代人力（昂贵的白领工作者），与无人驾驶有异曲同工之妙。然而，AI是如此的昂贵，它的投资回报在哪里呢？
为什么AI如此昂贵？
纽约大学教授Meredith Broussard认为，只有大企业和超级富有的企业才玩得起AI。
首先是计算昂贵。多伦多大学市场营销教授Avi Goldfarb也说：“如果你想创办一家企业，自己开发大语言模型，自己计算，成本太高了。OpenAI是很贵的，要数以十亿计的美元。”租赁计算当然会便宜不少，但企业仍然要向AWS等企业支付昂贵费用。
其次是数据昂贵。训练模型需要海量数据，有时数据是现成的，有时不是。Common Crawl和LAION等数据可以免费使用，对于此类数据，成本主要来自数据清理和处理，成本变化很大，可能是几百美元，也可能是几百万美元。
Glean公司创始工程师Debarghya Das说，在美国，根据大语言模型论文做一些粗略的数学计算，如果用的是Facebook LLaMA，训练成本（不考虑迭代或者出错）大约是400万美元，如果是谷歌PaLM，大约2700万美元。
即使用的是免费数据，成本也不低。Hugging Face公司研究人员Sasha Luccioni说：“当你下载容量达到TB的数据，如果想过滤或者以某种特殊方式利用数据，比如用文本-图片模型处理（研究人会专注于某些数据子集，这样模型才会变得更好），整个过程相当棘手。”需要强大的计算力，需要大量专业人士。
再次，专业人才的聘请费用也很高。Debarghya Das在做上述估算成本时没有考虑人力成本。Sasha Luccioni指出：“机器学习专业人士的薪酬很高，因为要与谷歌及其它科技巨头争夺人才，有时一位专业人才可能要几百万美元。”2016年OpenAI最顶级的研究人员薪酬约为190万美元。
并且，训练模型、聘请专业人士的成本不是一次性的，是持续的。例如，如果开发的是客服聊天机器人，每周或者每几周就要优化。模型还要经受压力测试，确保它生成的答案不出错。正如Sasha Luccioni所解释：“最贵的成本来自持续性工作，必须持续测试模型，必须确保AI所做的和预期一样。”
最后，持续运转费用也不低。当一切准备妥当，模型向公众开放，每天要接受成千上万次询问，此时要确保模型可扩展、高度稳定，维护成本也很高，且需要专业人士来处理。
AI的回报在哪里？
从2019年开始美国药店连锁企业CVS Healthcare就向AI投资，在2021年CES上沃尔玛展示了可以取代客服的AI。不难看出，有许多企业想将“客服服务”自动化，它们认为客服部门并不能拓展业务，容易被机器取代。
当然，AI也在其它场所出现，比如GitHub的Copilot，它可以提升编程速度，AI可以编写许多样板代码，节省时间。有专业人士称，程序员有了AI辅助编程速度可以提升一倍。
看起来很美好，但麦肯锡却警告说，2022年年底AI的普及已经触及顶峰。自2017年以来普及率的确增加了一倍，但2019年之后就不再攀升了。AI聊天机器人彼时就已经火了一波。
对于许多人来说，所谓AI就是审查一下公司工作流程，看看哪些流程可以交给机器做，让流程实现自动化。Avi Goldfarb说：“回报是有限的，在AI帮助下将已经在做的事做得更好一些就算不错了，但成本却是高昂的，可能要投入几千万美元，几亿美元甚至几十亿美元。”
他认为，想让AI变成赚钱机器，最好是颠覆工作流程，然后用AI来替代。将工作流程打乱风险很大，可能会失败，如果成功回报则是巨大的。
比如医疗行业，如果整个行业围绕机器诊断重构，效率将会更高。Goldfarb认为，许多医生诊断能力很差，AI可能比不上最顶尖5%的医生，但它也许可能轻松超越最差的20%的医生。因此，AI对于不能轻松就诊的人来说极为实用。
金融行业也可能会被AI冲击。Brookings Institute研究人员Mark Muro认为，金融行业与模式识别高度相关，AI识别模式的能力很强。为了监控趋势，金融机构聘请大量数据库和数据工作者，他们想削减人员数量，AI可以取代初级员工，但高级金融工作仍是AI无法处理的。
因此，市场仍然看好OpenAI，今年它的营收可能会达到2亿美元，2024年冲至10亿美元。该公司估值已经达到200亿美元，比惠普企业（Hewlett Packard Enterprise）、Garmin、Cloudflare、Snap和H&M都要高。
小结：
总之，当前AI的应用更多只是优化业务，并非带来革命性变化。相比创业公司，大企业在利用AI方面有优势。想在AI领域赚钱，当前最好的办法不是开发AI，而是制造AI需要的芯片，建设数据中心，或者帮助别人开发AI。
从长远看AI到底有何用途？即使是从事AI工作的人也很迷茫。正因为如此，可能AI的蓬勃发展就像当初的互联网和手机一样，大家拼命将钱扔进与AI有关的一切项目中，然后期待最好的结果。（小刀）
