-
日期: 2025-05-31 | 來源: 騰訊科技 | 有0人參與評論 | 字體: 小 中 大
報告還指出，盡管訓練壹個頂尖AI模型的成本如今已高達 10 億美元，但模型的“推理成本”（即用戶使用AI進行輸出的花費）卻在急劇下降。她援引斯坦福大學的研究數據表示：按每百萬個Token計算，推理成本在過去兩年內下降了99%。
在競爭格局方面，米克爾強調，當前的AI競賽也正出現“前所未有”的劇烈變動：競爭對手以極低成本復制彼此功能，特別是在開源模型和中國技術的推動下，市場節奏明顯加快。
她引用英偉達的數據指出：2024年推出的Blackwell GPU，在每個Token上的能耗，僅為2014年Kepler GPU的拾萬分之壹，顯示出硬件效率的驚人提升。
與此同時，谷歌的TPU（張量處理單元）、亞馬遜的Trainium芯片也正在自家雲平台中進行大規模部署。米克爾認為，這些項目並非附屬業務，而是科技巨頭“基礎性押注”，意味著AI將成為未來全球數字基礎設施的底座。
盡管AI的技術進步速度令人驚歎，但它在財務回報方面仍未跑贏歷史上的其他技術革命。米克爾指出，雖然風投資金正以創紀錄的速度湧入AI領域，但目前大部分AI公司依然處於高投入、低回報的早期階段。訓練和部署AI系統所需的計算資源與基礎設施，意味著極高的前期資金消耗。
米克爾坦言，這對消費者和企業是利好：服務能力快速提升，使用成本顯著降低；但對於投資者而言，我們還無法判斷，哪些公司最終能熬過燒錢期，成為長期可盈利的下壹代科技巨頭。她寫道：“只有時間會告訴我們，這批AI追夢者，最終會落在賺錢方程式的哪壹邊。”
值得注意的是，AI的全球擴散路徑與互聯網1.0時代完全不同。當年，美國是技術起點，隨後才逐漸擴展至全球。而ChatGPT自2022年底發布以來，幾乎是同時在全球多個地區引爆，打破了技術傳播的傳統節奏。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見