最近,中国AI初创公司DeepSeek以560万美元的成本训练出一个与GPT-4相当的模型,这一突破性进展震惊了AI市场。这表明构建强大的AI并不一定需要数十亿美元的投资。虽然有人认为这意味着AI计算成本可能会降低,但事实可能恰恰相反。DeepSeek的成功表明,对计算能力的需求即将激增,这可能会颠覆整个AI生态系统。
为什么更便宜的计算机会推动需求?
要理解AI计算的未来,可以考虑杰文斯悖论。19世纪,经济学家威廉·杰文斯认识到蒸汽机效率的提高导致了煤炭消费量的增加。成本的降低使得使用量增加,从而推动了总需求的上升。
AI计算也存在类似的模式。随着训练复杂模型的成本降低,更多的初创公司和开发者将进入这个领域:
- 之前负担不起AI的初创公司现在可以探索更有野心的想法。
- 害怕自动化的企业将采用AI技术。
- 没有明确AI用例的行业也将开始研究应用。
随着使用范围的扩大,对计算资源的需求预计将大幅增加。摩根士丹利预测,AI计算需求将每6个月翻一番,这意味着到2030年,训练一个人工通用智能(AGI)系统可能会消耗与一个小国家同等的能源。
由科技巨头主导的市场
AI计算行业目前由三家公司主导:亚马逊网络服务、谷歌云平台和微软Azure。虽然这些公司提供了关键的基础设施,但他们的主导地位给较小的参与者和创新带来了障碍。
训练现代模型需要高性能GPU,如英伟达的H100和H200。但这些资源通常被保留给科技巨头的内部项目或其主要客户。开发者和企业家通常会遇到漫长的等待期或被拒绝访问。
即使可以获得访问权,成本也可能过高。AWS每小时收取约14美元的H100 GPU费用,而GCP收取约6-7美元。这些费用为中小企业和研究人员设置了障碍,降低了他们与资金雄厚的公司竞争的能力。
在科技巨头的基础设施上建立一家依赖AI的公司存在很大风险。大量投资于模型训练的公司可能面临访问限制或额外费用。云服务提供商与顶尖AI开发者之间的深度合作,如微软与OpenAI的合作,加剧了人为偏好和访问限制的担忧。
计算能力集中在少数企业手中突出了独立供应商的必要性。Exabits正在成为这样的一个选择,旨在使AI基础设施更易于所有人获取。
Exabits通过提供针对AI应用优化的高性能计算系统来区分自己。与一些难以保持稳定的分散式计算计划不同,Exabits提供可执行大规模AI操作的GPU集群。
意识到AI计算需求将继续上升,Exabits正在不同地点增加其容量。这种方法可以确保持续的可用性,让企业能够无缝扩展。
该公司承诺提供更便宜的计算能力。虽然具体价格因使用情况和地理位置而有所不同,但该公司将自己定位为相比AWS和GCP更便宜的选择。较低的成本可能使初创公司、中小企业和研究人员在没有财务限制的情况下进行AI开发。
获得高端GPU的访问权仍然是首要任务。Exabits提供多种硬件,包括英伟达的H100和H200,以及4090、A100、Ade6000和MI50等其他型号。拥有约60,000个GPU(包括3,000个H100和4,000个H200)的可用性为客户提供了训练复杂模型所需的资源。
开放AI计算市场的影响
随着AI能力发展到AGI,计算能力将在塑造未来中发挥关键作用。如果科技巨头保持其主导地位,它们可能会有效地限制对AGI开发和部署的访问。这引发了关于竞争力、创新和公平分享AI收益的问题。
相反,多样化的计算环境可能会促进一个更加开放和包容的未来。像Exabits这样的公司提供了一个替代框架,在这个框架中,初创公司、研究人员和公司都可以公平地获得AI创新所需的基础设施。
为AI计算激增做准备
DeepSeek的成就并不意味着AI研究将变得更加不需要资源。它表明AI正变得更加可访问,这导致了对处理资源的需求增加。这种增长模式与杰文斯悖论相符,后者认为效率提高将导致采用和消费的增加。
科技巨头对AI基础设施的现有控制为初创公司和整个行业设置了障碍。有限的访问权、高昂的费用和依赖风险突出了替代供应商的重要性。Exabits将自己定位为一个具有企业级性能、可扩展性、低价格和最先进GPU访问的可行选择。像Exabits这样的公司可能在塑造一个未来中发挥重要作用,在这个未来中,AI开发不仅限于少数精英,而是向世界各地的创新者开放。
本文最初发表于Metaverse Post。
