-
日期: 2026-07-16 | 來源: 加美財經 | 有0人參與評論 | 字體: 小 中 大
本文刊發在大西洋月刊，作者亞歷克斯 · 雷斯納是雜志的特約撰稿人 。 本文是 《 大西洋月刊 》 對生成式人工智能行業進行持續調查的 “ 人工智能觀察家 ” 項目的壹部分 。
Photo by Steve Johnson on Unsplash
為了維持系統運轉，人工智能公司正在推高其他人的成本 。
ChatGPT 和 Claude 等大型語言模型極度消耗資源，科技公司可能已經買走全球 70% 的高端計算機內存供應，造成市場短缺 。 結果，計算機內存和存儲設備價格正急劇上漲 。
我兩年前為了采訪報道購買的硬盤，每塊售價 350 美元；兩周前再查看時，價格已經漲到 800 美元，如今更是無貨可買 。 壹些筆記本電腦的價格上漲了多達 50%，低價電腦受到的沖擊尤其嚴重 。
按照壹項預測，價格親民的入門級電腦可能在 2028 年前 “ 消失 ”。 內存短缺預計還將持續數年 。
這些內存正在被裝進數據中心，而科技公司正以驚人的速度擴建數據中心 。 未來幾年，這些公司計劃把美國數據中心的總容量擴大到現在的八倍 。 這些設施對電力的需求已經大到壹定程度，壹些公司甚至開始改裝噴氣發動機，為數據中心供電 。
問題並不只是人工智能應用得太普遍或擴張得太快 。 其他計算機技術也經歷過類似的爆發式增長，卻沒有引發如此大幅的用電增長，也沒有造成計算機零部件短缺 。
如今，視頻和音樂在全球通過流媒體傳輸，每天產生許多 TB 的網絡流量 。 智能手機熱潮需要制造數拾億部設備，而這些設備目前仍在傳輸海量數據 。
數拾億件家用設備也已經成為物聯網的壹部分 。 整個行業還把業務遷移到雲軟件上，而這些軟件並不是托管在雲端，當然也是運行在數據中心裡 。
用行業自己的術語來說，生成式人工智能的問題，在於無法有效實現規模化 。 創業公司從 1000 名用戶擴張到 100 萬名用戶時，成本如何變化，是風險投資者評估企業時關注的核心因素 。 他們希望看到，增加每名新用戶的成本會隨著時間下降，這樣企業才能服務數百萬用戶，並獲得越來越多的利潤 。 要做到這壹點，部分依靠精心設計計算機系統，讓系統能夠高效應對越來越多想上傳照片 、 叫車或播放音樂的用戶 。
但生成式人工智能至今沒有完成這種高效 、 可擴展的系統建設 。 與此同時，生成式人工智能模型還在不斷膨脹 。
根據獨立機構估算，模型參數數量已經從 2020 年的 1750 億增加到如今超過 1 萬億 。Claude 和 ChatGPT 等產品實際使用的模型規模仍屬機密 。
“ 大型語言模型 ” 裡的 “ 大 ”，本來不應成為賣點 。 但人工智能行業發現，較大的模型往往優於較小的模型，由此形成了壹種近乎圖騰崇拜的 “ 規模定律 ” 信念，仿佛只要不斷擴大模型，就能解決任何問題 。
OpenAI 首席執行官薩姆 · 奧爾特曼去年 9 月在博客中寫道：“ 也許有了 10 吉瓦的算力，人工智能就能找到治愈癌症的方法 。”
然而，擴大模型帶來的回報正在遞減 。 人工智能模型越大，每增加壹個參數所帶來的提升就越少 。
為了維持穩定進步，模型規模必須以越來越快的速度擴張 。
我詢問了幾名人工智能研究人員，是否能舉出其他現實世界的軟件，擴展效率也如此低下，沒有人能給出答案 。 即使跳出軟件領域，也很難找到可比的情況 。
規模經濟正是燈泡 、 汽車和服裝能夠變得如此便宜的原因 。 無論按照經濟標准還是工程標准衡量，生成式人工智能可能都是人類部署過的最糟糕技術 。- 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