据Tom’s Hardware报道，AI新创公司Anthropic CEO Dario Amodei近日在Podcast节目《In Good Company》中表示，虽然AI大模型的参数持续增长，三年后的AI模型的训练成本可能将高达1000亿美元。

Amodei表示，OpenAI的ChatGPT-4等AI模型，大约只需要花费1亿美元即可训练完成。而当前正在开发中的更大参数的大模型，可能最多需要花费10亿美元来进行训练，预计未来三年，更大的模型的训练成本会快速膨胀至100亿美元，甚至是1,000亿美元。

对于AI大模型的训练来说，AI芯片是最大的成本。早在2023年，市场就传闻ChatGPT需要超过30,000颗英伟达的AI GPU来支撑，而OpenAI CEO阿尔特曼（Sam Altman）也确认，ChatGPT-4的训练成本为1亿美元。

除了OpenAI之外，谷歌、Meta、IBM、特斯拉、阿里巴巴、百度、腾讯、字节跳动等众多的科技大厂都有在开发自己的AI大模型。由此也带来了对于高性能AI芯片的庞大需求。根据TechInsights的数据，2023年全球数据中心GPU总出货量达到了385万颗，其中英伟达一家就出货了376万颗。而英伟达出货的H100加速卡的售价超过2.5万美元。而英伟达的新一代AI GPU B200每颗售价至少30,000~40,000美元左右。

如果按照每年新的大模型的能力都能够提升10倍，那么所需的硬件基础设施的性能可能也需要增强10倍，虽然所需的AI芯片数量可能不会增加10倍（每年新一代的AI芯片的性能都会提升），但是考虑到尖端制程芯片的成本越来越高，所需要花费的硬件基础设施的成本可能会增加10倍。如此看来，三年后，更强大的AI大模型的训练成本确实有可能会达到1000亿美元。

Amodei相信，随着算法、芯片的持续进步，2027年之时，AI模型执行任务的表现，有相当高的机率会比多数人类还要好，即实现通用人工智能（AGI）。

当然，这可能需要1000亿美元的训练成本，而这么大规模的资金投入只有极少数的厂商能够负担的起。但即便是投入如此大规模的资金，短期所能够带来的营收可能也非常有限。

Sequoia Capital分析师David Cahn表示，目前AI大模型的龙头厂商OpenAI的营收正在快速增长，其2024年的营收有望从2023年底的16亿美元上升至34亿美元，远远超越其他营收还无法达到1亿美元的厂商。这与未来需要100亿美元甚至1000亿美元的硬件基础设施的AI大模型训练成本相比，这点来自AI的收入可谓是杯水车薪。

David Cahn相信，业界不能期待AI投资能快速带来回报，同时还需意识到当前投资计划的投机本质，并持续创新、创造价值。若不这么做，则这个价值数千亿美元的泡沫势将破裂，甚至可能引发全球经济危机。