ADVERTISEMENT
為當前人工智慧熱潮提供支撐的最重要「原材料」的價格正在快速下降,這將有助於這項技術更快地進入主流。然而,這也威脅到了那些希望從這股熱潮中獲利的創業公司的財務狀況,並可能導致行業主導權集中在一小部分公司的手中。
這裡的原材料指的是大型語言模型(LLM)的處理能力。這些模型支撐著 ChatGPT 和微軟新必應搜尋等服務。
運行這些模型原本需要高昂的算力成本,因此可能會嚴重拖累模型的廣泛應用。搜尋引擎 You.com 首席執行長、知名電腦科學家理查德・索切(Richard Socher)表示,就在幾週前,You.com 使用人工智慧提供搜尋服務的成本還比傳統Internet搜尋高出 50%。但到上月底,由於大型語言模型公司 OpenAI、Anthropic 和 Cohere 之間的激烈競爭,這一成本差異下降到只有約 5%。
ADVERTISEMENT
幾天後,OpenAI 發佈了一項新服務,讓開發人員可以直接使用 ChatGPT,並將使用這項技術的價格削減了 90%。公司表示這次提供的API,基於ChatGPT同款的GPT 3.5模型。更為重要的是,在去年12月後, 公司已經成功將ChatGPT的成本壓低了90% 。
因此,這款名為「gpt-3.5-turbo」的模型,定價為0.002美元/每1000 tokens 。根據OpenAI官網的解釋,token可以理解為一個非結構化的單詞,而1,000個token大概對應750個詞。這個價格也要比目前的GPT 3.5模型便宜90%。
而之後不久,微軟也宣布將 ChatGPT 整合至 Azure OpenAI 服務。透過 Azure OpenAI 服務,使用者可以最先進的 AI 模型,包含 Dall-E 2、GPT-3.5、Codex 與其他以 Azure 超級運算能力為後盾的大型語言模型來成就創新。所有使用 ChatGPT 的費用將從3月13日開始計算,每 1,000 個 token 價格為 0.002美元。
ADVERTISEMENT
微軟還表示,首席執行長納德拉將在 3 月 16 日主持一場活動,討論「用人工智慧重塑生產力」,並展示其類似 ChatGPT 的人工智慧將如何在 Teams、Word 和 Outlook 等 Office 生產力套件中發揮作用。
競爭對手面臨危機
OpenAI 的降價這對客戶來說是好事,但對 OpenAI 的競爭對手來說可能是毀滅性的。包括 Anthropic 和 Inflection 在內的許多公司已經完成或正在融資,以支撐各自大型語言模型的發展。
很少有像大型語言模型這樣的技術能如此迅速地從實驗室研究直接進化到大規模商用,這也促使研究者紛紛將實驗室環境的開發過程「工業化」。性能上的大部分提升以及成本的下降主要來自運行大型語言模型的底層計算平台的最佳化,以及對模型訓練和運行方式的改進。
ADVERTISEMENT
從某種角度來看,硬體成本的大幅下降有利於所有的市場參與者。這其中包括為滿足最新人工智慧模型要求而設計的高性能晶片,例如NVIDIA H100 GPU。作為當下「AI 超級週期的跳動心臟」,NVIDIA的 GPU(圖形處理晶片)是訓練和操作機器學習模型的最佳選擇,因而被視為「2023 年雲端資本支出重心轉向人工智慧的最大受益者」。
此外,微軟在其 Azure 雲端運算平台上運行 OpenAI 的模型,並向其他大型語言模型公司提供相同的高性價比硬體支援。
然而,大型語言模型既是科學,也是藝術。OpenAI 表示,自去年 12 月以來,ChatGPT 對於處理查詢的方式進行了「一系列系統範圍的最佳化」,使成本降低了 90%,最終帶來了面向使用者的大幅降價。
ADVERTISEMENT
訓練大型語言模型需要花費數千萬美元,而處理這類任務的技術也在快速變化。至少在短期內,一小部分具備模型開發和訓練經驗的人才將可以獲得更大的優勢。
當最優秀的技術被廣泛理解和採用時,早期參與者可能已經獲得了先發優勢。
微軟雲端運算和人工智慧部門負責人Scott Guthrie提到了 GitHub Copilot 等新服務。該服務於去年夏季推出,向軟體開發者提供程式碼建議。在被廣泛使用後,這類服務將會迅速最佳化。他本週在摩根史坦利的一場投資者會議上表示,來自這類服務使用者的「訊號」很快就將成為產品重要的差異化點。
OpenAI 競爭對手的主要希望在於,提供額外的服務,幫助開發者和大企業客戶更方便地使用大型語言模型,以及針對細分市場探索滿足特定業務需求的模型。
例如,以色列創業公司 AI21 Labs 本週發佈了最新的大型語言模型,同時也發佈了一系列 API(應用程式介面),以提供文字概要或改寫等更高級的服務。
AI21 聯席首席執行長奧利・格申(Ori Goshen)表示,大部分公司不會使用類似 ChatGPT 的通用模型,而是需要針對金融或醫療等行業訓練的模型,或是基於某個公司自有資料訓練的模型。
他認為,大型語言模型目前還處於初級階段,還有很多工作需要完成,例如減少模型說假話的傾向,以及防止模型產生「幻覺」,提供與事實無關、似是而非的答案。如果希望取得成功,人工智慧公司還需要持續進行前沿探索。
不過目前的事實是,這些生成式人工智慧的基礎成本正在大幅下降。OpenAI 的降價是一個訊號,表明這項技術將以非常快的速度進入大規模商用。但這同時也帶來了警示,表明這個行業未來可能不會有太多公司有實力參與。
ADVERTISEMENT