最近,中國AI初創公司DeepSeek以560萬美元的成本訓練出一個與GPT-4相當的模型,這一突破性進展震驚了AI市場。這表明構建強大的AI並不一定需要數十億美元的投資。雖然有人認為這意味著AI計算成本可能會降低,但事實可能恰恰相反。DeepSeek的成功表明,對計算能力的需求即將激增,這可能會顛覆整個AI生態系統。

為什麼更便宜的計算機會推動需求?

要理解AI計算的未來,可以考慮傑文斯悖論。19世紀,經濟學家威廉·傑文斯認識到蒸汽機效率的提高導致了煤炭消費量的增加。成本的降低使得使用量增加,從而推動了總需求的上升。

AI計算也存在類似的模式。隨著訓練複雜模型的成本降低,更多的初創公司和開發者將進入這個領域:

• 之前負擔不起AI的初創公司現在可以探索更有野心的想法。
• 害怕自動化的企業將採用AI技術。
• 沒有明確AI用例的行業也將開始研究應用。

隨著使用範圍的擴大,對計算資源的需求預計將大幅增加。摩根士丹利預測,AI計算需求將每6個月翻一番,這意味著到2030年,訓練一個人工通用智慧(AGI)系統可能會消耗與一個小國家同等的能源。

由科技巨頭主導的市場

AI計算行業目前由三家公司主導:亞馬遜網路服務、谷歌雲平臺和微軟Azure。雖然這些公司提供了關鍵的基礎設施,但他們的主導地位給較小的參與者和創新帶來了障礙。

訓練現代模型需要高效能GPU,如英偉達的H100和H200。但這些資源通常被保留給科技巨頭的內部專案或其主要客戶。開發者和企業家通常會遇到漫長的等待期或被拒絕訪問。

即使可以獲得訪問權,成本也可能過高。AWS每小時收取約14美元的H100 GPU費用,而GCP收取約6-7美元。這些費用為中小企業和研究人員設定了障礙,降低了他們與資金雄厚的公司競爭的能力。

在科技巨頭的基礎設施上建立一家依賴AI的公司存在很大風險。大量投資於模型訓練的公司可能面臨訪問限制或額外費用。雲服務提供商與頂尖AI開發者之間的深度合作,如微軟與OpenAI的合作,加劇了人為偏好和訪問限制的擔憂。

計算能力集中在少數企業手中突出了獨立供應商的必要性。Exabits正在成為這樣的一個選擇,旨在使AI基礎設施更易於所有人獲取。

Exabits透過提供針對AI應用最佳化的高效能計算系統來區分自己。與一些難以保持穩定的分散式計算計劃不同,Exabits提供可執行大規模AI操作的GPU叢集。

意識到AI計算需求將繼續上升,Exabits正在不同地點增加其容量。這種方法可以確保持續的可用性,讓企業能夠無縫擴充套件。

該公司承諾提供更便宜的計算能力。雖然具體價格因使用情況和地理位置而有所不同,但該公司將自己定位為相比AWS和GCP更便宜的選擇。較低的成本可能使初創公司、中小企業和研究人員在沒有財務限制的情況下進行AI開發。

獲得高階GPU的訪問權仍然是首要任務。Exabits提供多種硬體,包括英偉達的H100和H200,以及4090、A100、Ade6000和MI50等其他型號。擁有約60,000個GPU(包括3,000個H100和4,000個H200)的可用性為客戶提供了訓練複雜模型所需的資源。

開放AI計算市場的影響

隨著AI能力發展到AGI,計算能力將在塑造未來中發揮關鍵作用。如果科技巨頭保持其主導地位,它們可能會有效地限制對AGI開發和部署的訪問。這引發了關於競爭力、創新和公平分享AI收益的問題。

相反,多樣化的計算環境可能會促進一個更加開放和包容的未來。像Exabits這樣的公司提供了一個替代框架,在這個框架中,初創公司、研究人員和公司都可以公平地獲得AI創新所需的基礎設施。

為AI計算激增做準備

DeepSeek的成就並不意味著AI研究將變得更加不需要資源。它表明AI正變得更加可訪問,這導致了對處理資源的需求增加。這種增長模式與傑文斯悖論相符,後者認為效率提高將導致採用和消費的增加。

科技巨頭對AI基礎設施的現有控制為初創公司和整個行業設定了障礙。有限的訪問權、高昂的費用和依賴風險突出了替代供應商的重要性。Exabits將自己定位為一個具有企業級效能、可擴充套件性、低價格和最先進GPU訪問的可行選擇。像Exabits這樣的公司可能在塑造一個未來中發揮重要作用,在這個未來中,AI開發不僅限於少數精英,而是向世界各地的創新者開放。

本文最初發表於Metaverse Post。