周末市场还是围绕人工智能展开讨论的多一些，讨论的比较多的，开始向上下游扩散。
运营一个AI服务有多贵

此前，OpenAI 联合创始人兼 CEO Sam Altman曾在推特上表示，ChatGPT 的运营费用高得“令人瞠目结舌”。在用户抛出问题之后，ChatGPT回应的每一个字，花的都是真金白银。
ChatGPT是托管在微软云服务Azure上。据媒体分析，目前，微软对单个100 GPU的收费是每小时3美元，按照ChatGPT加载模型和文本的速度，生成一个单词的费用约为0.0003美元；而ChatGPT的回复通常至少有30个单词，因此，ChatGPT每回复一次，至少花Open AI 1美分。

而摩根士丹利的分析甚至认为，ChatGPT的一次回复可能会花掉Open AI 2美分，大约是谷歌搜索查询平均成本的七倍。尤其考虑到ChatGPT面向全球大众用户，用的人越多，带宽消耗越大，服务器成本只会更高。每天至少要烧掉10万美元。

而且，打造这样一个系统也极为昂贵。ChatGPT的界面只有一个聊天框，问答互动的形式看起来也非常简单。但实际上，一个训练有素的AI模型需要先从互联网上吸收海量的数据——比如文本、照片、艺术品等，涉及的参数和变量高达数百亿个。ChatGPT所基于的GPT-3系统拥有超1750亿个参数。

Forrester Research的分析师Rowan Curran认为，就算抛去专业工程师的人工成本，这一开发环节也需要花费数百万美元。

ChatGPT的技术底座是“大型语言模型（Large Language Models）”，简称LLMs，中文习惯称为“大模型”。算法是大模型成功的首要条件，然后要喂给算法海量的数据（数据量级跃升，能带来更多能力的涌现），再搭配强大的发动机——大算力，才能获得最基础的大模型。

一个ChatGPT应用的算力消耗已经让人瞠目。其大模型GPT经历了三次迭代，GPT、GPT-2和GPT-3（当前开放的版本为GPT-3.5）的参数量从1.17亿增加到1750亿，预训练数据量从5GB增加到45TB，其中GPT-3训练单次的成本就已经高达460万美元。最新的GPT3.5在训练中使用了微软专门建设的AI计算系统，由1万个V100 GPU组成的高性能网络集群，总算力消耗约3640PF-days，即假如每秒计算一千万亿次，需要计算3640天。

同样，国产自研的源1.0、悟道和文心等AI模型，不仅在参数量上达到了千亿级别，而且数据集规模也高达TB级别。想要搞定这些“庞然大物”的训练，就至少需要投入超过1000PetaFlop/s-day（PD）的计算资源。

一言以蔽之，大模型为代表的AI新时代，算力便是核心竞争力。