成本高昂

AI算力和大模型是比云还要烧钱的吞金兽。

即使有足量的高性能GPU，中国云厂商接下来还要面临高昂的硬件采购成本、模型训练成本以及日常运营成本。面对上述成本，具备资金储备、战略选择和实际能力的企业不超过三家。

OpenAI能做出ChatGPT，背后有微软提供资金和算力。2019年微软向OpenAI投资10亿美元。2021年微软再进行了一轮未透露金额的投资。今年1月，微软宣布将在未来数年陆续向OpenAI投资100亿美元。

对云厂商来说，AI算力和大模型需要面临高昂的硬件采购成本、模型训练成本以及日常运营成本。

其一，硬件采购成本和智算集群建设成本。如果以1万枚英伟达A800 GPU为标准构建智能算力集群，在10万元/枚的价格标准下，仅GPU采购成本就高达10亿元。一台服务器通常需要4枚-8枚GPU，一台搭载A800的服务器成本超过40万元。国内服务器均价为4万-5万元。一台GPU服务器的成本是普通服务器的10倍以上。服务器采购成本通常是数据中心建设成本的30%，一个智算集群的建设成本超过30亿元。

其二，模型训练成本。想要算法模型足够精准，需要进行多轮算法模型训练。有某外资云厂商的资深技术人士对《财经十一人》表示，ChatGPT一次完整的模型训练成本超过1200万美元（约合8000万元）。如果进行10次完整的模型训练，成本便高达8亿元。GPU芯片价格公开，算力成本相对容易衡量。但AI大模型还需要数据采集、人工标注、模型训练等一系列工作，这些软性成本难以简单计算。不同效果的模型最终成本也不同。

其三，日常运营成本。数据中心内的模型训练需要消耗网络带宽、电力资源。此外，模型训练还需要算法工程师负责调教。上述成本也以亿元为单位计算。

也就是说，进入AI算力和AI大模型的赛道，前期硬件采购、集群建设成本就高达数十亿元。后期模型训练、日常运营以及产品研发成本同样高达数十亿元。一家管理咨询公司技术战略合伙人对《财经十一人》表示，生成式AI的投资规模高达百亿元。

微软大规模采购GPU组建智算集群，这在商业逻辑上行得通。2022年微软在云计算基础设施的支出超过250亿美元，当年微软营业利润828亿美元，微软云营业利润就超过400亿美元。仅微软云利润大于支出，大规模投资AI算力、大模型业务，这与微软的财务现状是相匹配的。

微软的AI计算有产品、有客户、有收入，形成了新的增长点。微软的客户通常会在云上租赁数千枚高性能GPU，进行语言模型学习，以此使用自己的启用生成式 AI。

微软旗下包括Azure ML和OpenAI。Azure ML有200多家客户，包括制药公司拜耳、审计公司毕马威。Azure ML连续四个季度收入增长超过100%。微软云甚至已经形成了“云-企业软件-AI计算”三条轮动增长的曲线。其中公有云Azure营收增速约为30%-40%，软件业务营收增速约为50%-60%，AI算力营收增速超过100%。

中国企业用于云基础设施的资本支出有限，投资投资智算集群、AI大模型需要从有限的预算中分走支出。更大的挑战是，中短期内不仅无法盈利，还要亏更多钱。

科技公司的资本支出通常被用于采购服务器、建设数据中心、购置园区土地等固定资产。以亚马逊为例，2022年资本支出580亿美元，超过50%用于投资云基础设施。《财经十一人》查阅阿里、腾讯、百度最近一个财年的资本支出发现，三家数据分别为533亿元、622亿元、112亿元。

三家均未披露用于投资云基础设施的资本支出情况。假设三家企业与亚马逊相同，50%的资本支出用于投资云基础设施，数据分别为266亿元、311亿元、56亿元。投资数十亿元对资本支出宽裕的企业来说可以承受，但对资本支出不足的企业来说，则是负担。

国内宣布已建设智算集群的企业包括阿里云、华为、百度，但智算集群内GPU芯片数量不详。2022年，主要云厂商均把提高毛利、减少亏损作为战略重点。在这个阶段采购高性能GPU、建设智算集群需要巨额投入。不仅会加剧亏损，还需要依赖集团输血。这将考验企业管理层的战略意志。

大模型没条件，先做小模型

华为、阿里、腾讯、字节跳动、百度都有云业务，理论上有做出中国版ChatGPT的入场券。

有云计算技术人士评价，有入场券的几家企业也会有实际的战略考量。比如，腾讯、百度、字节跳动有云也有大量数据，但云业务在亏损，长期投入的资金储备、战略意志存疑。华为靠自研昇腾芯片建立了大模型技术，但因“断供”影响无法获得英伟达的GPU芯片，而且作为硬件厂商缺少互联网公司的数据积累。

由于上述限制，能实现AI大模型商业化的企业少之又少。最终同时具备资金储备、战略意志和实际能力的企业将聊聊无几。

目前，没有一家中国云厂商像微软一样拥有数万枚A100/H100芯片。中国云厂商的高性能GPU算力目前暂时不足。一种更务实的观点是，中国云厂商即使真的获取1万枚英伟达高性能GPU后，也不应该简单投入到中国版ChatGPT这种大众的消费场景。

算力资源稀缺时，优先考虑是投入行业市场，为企业客户提供服务。一家管理咨询公司技术战略合伙人对《财经十一人》表示，ChatGPT只是对话机器人，商业应用场景展示暂时有限。用户规模越大，成本也就越高，带来的亏损也会越大。AI算力和大模型如何在细分领域实现商业化，获取正向现金流才是关键。

中国市场的AI算力、大模型的商业化尚处于起步期。目前国内自动驾驶、金融等领域的少数客户开始采用AI算力。比如，小鹏汽车目前已经采用阿里云的智算中心进行自动驾驶的模型训练。

有数据中心产品经理对《财经十一人》表示，国内银行金融客户反欺诈已经大量运用模型训练技术，通常只需要租赁使用数百枚性能更低的GPU调教模型。同样是AI计算和模型训练，这是更低成本的解决方案。事实上，通用大模型无法解决行业具体问题，无论是金融、汽车、消费等各个领域都需要行业模型。

中国暂时没有足够的高性能GPU做大规模AI模型训练，可以先在细分领域做小模型。AI技术发展之快速超越了人们的认知，对中国公司来说，持续布局战略性发力才是根本之道。

花粉社群VIP加油站