随着AI技术的发展，对计算能力的需求也在不断增长，这导致了AI计算的成本不断上升。Marvell的CTO Raghib Hussain指出，AI计算的成本对于大多数顶级芯片制造商来说过于高昂，这使得他们在追赶AI技术的过程中面临重大挑战。
首先，AI项目的成本估算是一个复杂的过程，它涉及到项目的基本信息，如体量、规模、业态、外立面风格、内部装修标准、抗震等级和结构类型等。此外，还需要考虑项目的地点，这些信息综合起来可以估算出成本，包括建筑、土建、室内、机电的成本，设备的成本，室外的成本以及二类费和预备费等。
AI计算的高昂成本主要源于对高可靠、高性能、高安全算力的需求。随着AI算法的快速发展，越来越多的模型训练需要巨量的算力支撑，同时数据量的不断增加也要求算力配套进化。因此，算力成为AI突破的关键因素。
图：Marvell 执行副总裁兼首席技术官 Noam Mizrahi （图源：日经新闻网）
此外，AI算力市场呈现出高速增长的态势。数据、算力及算法是人工智能发展的三要素，其中数据与算法都离不开算力的支撑。全球正掀起一场算力的“军备竞赛”，数据中心、AI芯片、服务器等环节作为算力基础设施，有望被高度重视。
然而，高昂的计算成本也给AI企业带来了巨大的压力。例如，OpenAI预计今年将亏损50亿美元，其中算力成本高达70亿美元，占总运营成本的八成以上。这意味着，即使模型再先进、用户再多，高昂的算力成本也让它难以轻松盈利。
面对这些挑战，一些科技巨头如Meta、谷歌、微软、亚马逊等正在大量投资扩建和改进AI基础设施，以支持市场对云计算的需求。AI计算成本高主要源于数据规模与处理、模型复杂度、训练时间与迭代、硬件需求、存储与带宽以及能源与环保等多个方面。为了降低这些成本，可以采取优化模型、使用分布式训练、利用云计算的弹性、采用高效的数据处理算法以及关注硬件能效等措施。这些策略和技术手段有助于减少计算需求、加速训练过程、避免不必要的浪费，并推动AI技术的广泛应用和发展。
尽管如此，AI计算的高成本仍然是一个需要解决的问题。英伟达的首席执行官黄仁勋表示，人工智能的未来将是能够“推理”的服务，但要达到这一阶段，计算成本需要降低。英伟达计划以相同的能源和成本，每年将芯片性能提高两到三倍，为这些进步奠定基础。
总的来说，AI计算的高成本对芯片制造商和AI企业都构成了挑战。然而，随着技术的不断进步和市场的成熟，未来可能会有更多的解决方案来降低这些成本，从而使AI技术更加普及和。
