Anthropic CEO Dario Amodei
在伺服器、GPU 等硬體供應的背後，是消耗性成本，也就是電費。施耐德電氣能源管理研究中心發布的白皮書里顯示，2023 年 AI 的功率消耗為 4.5GW，占了數據中心（可以理解為機房）總功率消耗的 8%。
怎麼理解呢？
一個普通家庭，每個月用電量大概在 300 千瓦時，一年按 3600 千瓦時來算，按施耐德算出來的耗電量，足夠一千萬個家庭一年的用電。
除了硬體方面，還有人力支出。
進入大模型軍備競賽以來，各個廠商之間對人才的爭奪也逐漸加碼，比的就是誰能開出更高的薪水。
OpenAI 目前正在招人的崗位
2023 年時，OpenAI 的人工支出已經要五個億，團隊還在不斷擴大，費用也在不斷增加。
那麼林林總總加起來，OpenAI 的運營成本可能會去到 85 億美元。
反觀國內，雖然沒有公開的模型廠商成本數據，不過，智譜的 CEO 張鵬曾經坦言，「確實做大模型這件事太燒錢了，而且確實也面臨市場上的需求。」。
收入？不太樂觀
在成本居高不下的同時，是收入的不確定。
The Information 估計，OpenAI 主要的收入來源是產品訂閱和收費的 API 埠，全年收入可能在 35-45 億美元之間。
類似的，Anthropic 的收入也不太樂觀。雖然它背靠亞馬遜這個大客戶，但全年收入預估只有 4-6 億美元。
國內的情況更摸不透一些，to C 的模式並不清晰，而面對中小開發者，幾乎就是在白送。
自從本月初，OpenAI 宣布要斷掉非支持國家和地區的 API 服務，國內的大模型廠商迅速反應，力求在最短的時間，用最低的價格，吸引開發者。
從智譜、minimax，到阿里、百度，價格一低再低，而且直接免費。
面對中小開發者，「合作」才是廠商們更看重的。
用低價招徠開發者和中小企業，本質上是一種合作。這樣能儘可能地迅速擴大市場份額和用戶基數。這是從移動網際網路時代就有的圈地戰術。
而更多的開發者能夠利用 API 開發出各種新穎的應用，就更有助於挖掘大模型的潛在價值和應用場景。
用戶的使用數據，可以幫助模型進一步改進和優化，形成飛輪。
這正是 Perplexity 的信念，CEO Aravind Srinivas 此前接受播客採訪時，就提到了這種「AI 閉環」的理念：做 AI 產品，讓更多人使用，從而使產品更好，良性循環。
CEO Aravind Srinivas
「客戶需求和反饋，是我們技術往前創新突破和邁進的驅動力，讓兩者比較好的閉環，我們在努力做到這樣的事情。」張鵬也有類似的想法，「我們希望是貫通的，商業化的過程、服務客戶的過程當中，就是以我們的技術和產品核心能力驅動的。」
只是，在那個形成循環的關鍵節點，也就是殺手級應用出現之前，只有耕耘和等待。
但等待是有成本的，於是 to B 業務就成了養家掙錢的「孩子」。
根據百鍊智能的統計，去年第 4 季度，大模型類別的項目，平均招標預算在 600 萬左右。今年的一些公開數據里，千萬級的招標也能見到。
圖片來自：百鍊智能
採購這些大模型，到底對業務有沒有幫助，政府和行業龍頭都是在拿真金白銀來測試，也是有下錯注的風險。
美國的軟體行業龍頭 Salesforce 賽富時就栽過跟頭。
Salesforce 本身就是做雲計算和 CRM 系統的公司，尤其擅長 SaaS 業務，在全球範圍內有大量客戶。在疫情的幾年裡，業績還曾經逆勢上揚，從 200 億美元飆升到 400 億美元。
但是今年五月，Salesforce 的股價暴跌至二十多年來最低，營收遠遠低於預期，訂單增長只有 3%。
分析師認為，過去一年裡，他們花了太多錢在 AI 上，再加上業績增長又不行，花出去的錢比掙到手的還多。
高盛發布了一份內部訪談報告，其中採訪了全球股票研究主管 Jim Covello，他認為人工智慧的成本起點太高了。
Jim Covello 接受採訪
即便成本下降，模型公司們還是需要做大量的努力，才能讓自動化變得更能負擔得起。
「有人拿 90 年代來對比，當時伺服器的價格從原本的天價，一路下降。但是一台 $64000 美元的伺服器再怎麼貴，也跟現在的 AI 成本是沒法比的。」
同時，他還指出在 90 年代時，英特爾一直在面臨其他廠商的追趕和壓力，競爭帶來了價格的逐步降低。可是現在，英偉達幾乎一家獨大。
Covello 的話說得很直接，「科技界對於人工智慧的成本，會隨著時間推移而大幅下降，有些自滿了。」
MIT應用經濟學教授 Daron Acemoglu 也接受高盛的採訪，他並不否認，生成式人工智慧有潛力從根本上改變科學發現、研發、等過程，創造新產品和平台。
「但考慮到當今生成式人工智慧技術的重點和架構，這些真正的變革不會很快發生，而且在未來 10 年內發生的可能性極小——如果有的話。」
算了算賬，今年的虧損可能要去到 50 億美元。
