LLM风口背后，ChatGPT的成本问题

趁着ChatGPT这一热门话题还未消退，我们来聊一聊这类大规模语言模型（LLM）或通用人工智能（AGI）背后的细节。毕竟目前相关的概念股跟风大涨，但还是有不少人在持观望态度。无论是国外还是国内，有没有可能做出下一个ChatGPT？以及打造这样一个模型所需的研发成本和运营成本究竟是多少。

ChatGPT背后的成本，以及GPU厂商等候多时的增长点

首先，ChatGPT是OpenAI预训练的对话模型，除去训练本身所需的硬件与时间成本外，运营时的推理成本也要算在其中。根据UBS分析师Timothy Arcuri的观点，ChatGPT使用到了至少1万块英伟达的GPU来运营这一模型。不过这还是相对较为保守的数据，根据Semianalysis分析师Dylan Patel对模型参数、日活跃用户数以及硬件利用率等种种因素的分析，他粗略估计OpenAI需要用到3617个HGX A100服务器来维持ChatGPT的运转。

需要注意的是，该分析中的HGX A100服务器是8块A100 SXM的定制化模块，并非DGX A100这样集成了AMD CPU的标准服务器模块，也就是说共需28936块英伟达A100 GPU。且不说A100本身就高昂的售价，更何况现在还有一定的溢价。一张40GB的A100 PCIe卡，目前在亚马逊上的单价为8000多美元，而80GB的A100 PCIe卡价格在15000美元左右浮动。

由此估算，运行ChatGPT的前期设备投入成本少说也有2.3亿美元，这其中还没算进CPU、内存、硬盘和网关等设备的硬件成本。所有GPU同时运转时的TDP功耗达到7234kW。按照美国商用电价来计算的话，哪怕是每日运转单由GPU带来的电费也至少要两万美元以上。这样的设备成本除非是微软、谷歌、亚马逊这样本就手握大把服务器硬件资源的厂商，否则很难支撑这一模型的日常运转。

接着我们再从每次查询的推理成本这个角度来看，如果只负责在服务器上部署ChatGPT的OpenAI无需考虑设备购入成本，而是只考虑GPU云服务器的定价。根据Dylan Patel的估算，ChatGPT每次查询的成本为0.36美分，约合2.4分人民币，每天在硬件推理上的成本也高达70万美元。由此来看，无论是OpenAI现在免费提供的ChatGPT，还是微软在Bing上启用的ChatGPT，其实都是在大把烧钱。

要知道，现在还只是用到了ChatGPT这一文本语言模型，根据OpenAI的CEO Sam Altman的说法，他们的AI视频模型也在准备当中。而要想打造更复杂的视频模型，势必会对GPU算力提出更高的要求。

未来的硬件成本会更低吗？

对于任何一个想要运行ChatGPT这类服务的厂商，打造这样一款应用都要付出不小的成本，所以现阶段还是微软、谷歌之类的巨头相互博弈。但Sam Altman也表示，随着越来越多的竞争出现，毋庸置疑会把硬件成本压低，也会把每个Token的定价压低。
大家可以参照一下其他利用OpenAI的GPT-3的AI工具，比如Jasper。Jasper作为一个人工智能写作软件，每月需要缴纳50美元，才能享受5万字的写作字数上限。而反观ChatGPT，哪怕是目前的免费版也能帮你写就长篇故事了。而这些工具鼓吹的多种模板，在ChatGPT中也只是换一种问法而已。

Sam Altman认为会有更多的玩家入局AGI，如此一来ChatGPT这种类型的服务会出现在更多的产品和应用中，而不再只是作为大厂的附庸，比如只在微软的Bing、Office中大规模使用等，这也是OpenAI还考虑授权给其他公司的原因。

不过如果依照谷歌的访问和搜索量来部署ChatGPT或Bard这样类似模型的话，所需的成本必定要远远高于Bing，毕竟谷歌依然是目前国际领先的搜索引擎。

如果谷歌用其TPU之类的专用硬件来完成LLM的训练与推理，其成本必然显著低于GPU这类通用硬件的，毕竟TPU这类ASIC芯片在量产成本和运行功耗上都有着得天独厚的优势。

但谷歌如果使用专用硬件的话，可能会存在强制绑定的问题，哪怕谷歌选择公开TPU商业运营，如果想用集成Bard的合作客户也基本与谷歌云绑定了，就像现在的ChatGPT与微软Azure强制绑定一样。而且如果Bard出现算法路线上的大变动，TPU这种ASIC方案很难再对其进行针对性优化。

由此可以看出，虽然大小入局者众多，但真正落地、可大规模使用且还算好用的产品还是只有ChatGPT一个，要想等到行业内卷压低成本，可能还得等上很长一段时间。


ChatGPT如何实现盈利？

微软高调宣布与OpenAI合作，并将ChatGPT融入Bing等一系列微软产品中，这已经不是什么新闻了。但其实这样的合作关系昭示了ChatGPT的一种盈利方式，那就是授权。除了微软这种深度合作的厂商以外，其他应用开发商也可以采用授权的方式，将ChatGPT集成到自己的产品中去。

不过Sam Altman在接受外媒采访时表示，他们目前在授权上的合作还并不多。由此猜测，要么是此类授权费用昂贵，要么就是缺少成熟的产品形态来应用这一技术，毕竟当下还算强相关的应用也只有搜索引擎、写作工具以及AI助手等。再说，对于感兴趣想尝鲜的厂商来说，直接接入OpenAI的API或许价格反倒更低。

另一种盈利方式，也是现在最流行且已被普遍接受的收费模式，订阅制。2月1日，OpenAI正式推出了20美元一个月的ChatGPT Plus，提供高峰时期的访问、更快的响应速度以及新功能和改进的抢先体验。


结语

总的来说，ChatGPT这类AGI作为元宇宙之后的又一大风口，激发了一股初创公司入局LLM的热潮。但从客观来看，对于这些初创公司来说，他们打从一开始根本不需要考虑市场风险，比如这会不会是个伪需求。他们更应该担心的应该是技术风险，也就是究竟有没有这个实力和资本去打造一个可用的LLM。