本文探讨了AI领域的技术成本，包括人力、基础设施（如大模型云服务）、私有化部署的需求以及GPU卡市场的高昂价格。作者指出AI是硬科技，融资规模巨大，同时也强调了掌握核心技术的重要性。
人力成本依然是不容忽视的成本，特别是高精尖人才，看看前两天 Microsoft 给 OpenAI 员工开出的签字费1000万美元就知道了。除了智力成本，剩下的大头就是软硬件的基础设施成本，今天就这块扯两句。
大模型云服务
对于广大中小团队而言，使用大模型云基础服务搭建产品是一个比较便捷的技术路线，MaaS(Model as a Service)算是比较新颖的词汇，中文解释是模型即服务。
国内MaaS平台
国内不少云平台，将开源的大模型服务对外提供服务，比如百度云、腾讯云、阿里云等等。
海外大模型云服务
某些能力方面，海外模型的能力还是略胜一筹，有时候也不得不采取曲线生存的方式借助于海外模型的力量。
微软 Azure 云提供的 OpenAI 接口费用与 OpenAI 的费用差不多，但服务是两套体系，并不互通。
私有化云部署
有时候会为了独享服务能力，且能最大自由度的使用模型，私有化部署也是一种不得不采取的商业策略来应对客户的需求，比如垂直小尺寸的大模型。
买卡
某些国际贸易的原因，有些卡不是想买就可以买的到，而且水涨般高。能够进行交易的一些GPU卡价格也是居高不下，因此也导致不少团队在准备自开芯片，比如微软、Amazon、OpenAI、华为等等，不想被卡脖子，技术就要掌握在自己手里，当然能不能突破，看实力。
总之，AI 是个烧钱的活，是硬科技，它不同于之前的商业模式，电商、社交、视频等等，从融资规模上也能看出个大概，动辄就以亿为单位进行。
有幸，如果你也在AI大航海的船上，祝你一帆风顺。
—扩 展 阅 读—
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
