如果你有五千万，你会用来做什么？

原美团联合创始人王慧文最近高调发文，准备拿出五千万美元，打造中国版的ChatGPT。

然而，他的豪言等来的却是诸多质疑之声，海通证券分析师郑宏达就直言，投5000万美元研究GPT简直是扯淡。类似GPT的语言大模型，每次训练就要花掉500万美元，五千万也就够训练10次。

那么，在开发ChatGPT的过程中，美国到底烧了多少钱？如今每天支撑那么多用户的使用，它的“服务器”该有多大？

开发ChatGPT到底有多烧钱？

ChatGPT是一种生成式AI，它名称中的Chat可以译为“交谈”，不仅因为它可以和人们千奇百怪的话题对答如流，还因为它的开发主要依托于大语言模型技术。

大语言模型是深度神经网络模型的一种。别看它的名称中带有“神经”一词，但是它其实和脑神经科学并没有什么联系。它是通过复合函数和参数来模拟人脑思维方式的一种数学方法。

深度学习神经网络示意图

人脑有860亿个神经元和100万亿个连接，要想用数学函数模仿人脑，要想能够匹敌人脑的运算能力，就需要用足够大足够多的参数，而庞大的算力需求就成为GPT开发最重要的门槛。

要想训练大语言模型就需要使用可以进行大规模并行计算的图形处理器GPU。而当前真正能够高效处理ChatGPT的GPU就是英伟达的A100。

英伟达的图形处理器A100

GPT模型的参数量越大，其语言生成的效果就越好，但是训练成本也越高，对芯片需求也呈几何级数的增长。

当年战胜李世石的AlphaGO，尽管只需要专注下围棋一个事儿，就用到了176颗GPU。当到了升级版的GPT-4，光芯片的数量，已经是之前的好几个量级。

根据报道，训练ChatGPT需要3万多片英伟达A100GPU来支持其计算需求，而每一片英伟达A100的价格在1万美元，相当于7万人民币，光芯片就要花掉2.1亿元。

据说开发ChatGPT的OPEN AI公司初期投入就已经达到8亿美元。所以海通证券分析师确实说的没错，五千万美金在GPT这个超级烧钱机器面前，确实就是杯水车薪。

布满A100 HGX服务器的模块化机房

除去初期的投资成本，在GPT的运行过程中，同样需要巨额的资金支持。

首先这么多芯片在一起工作，其耗电量就十分巨大。ChatGPT每训练一次就要消耗90多万度电，相当于120个美国家庭1年的生活用电量。

而为了保证ChatGPT回答的内容能更加准确，工程师们还要将其训练二次三次甚至更多次，据说ChatGPT训练一次的成本就是1200万美金，为此OpenAI公司已经烧了10亿美金。

那些准备“带资入局”的大佬，也不得不掂量下腰包里的银两，究竟够烧多久？

同时为了让ChatGPT的能力提升，参数训练集的规模还在不断扩大。

GPT-3的训练参数量还只是1750亿，到了最近发布的GTP-4，其参数量已经是GTP-3的20倍，计算量也达到GTP-3的10倍。而最快于2024年底发布的GTP-5，其参数量将要达到GTP-3的100倍，计算量也会飙升至200到400倍。

吞电吞水巨兽

除了训练，ChatGPT的日常耗电也十分惊人。

仅今年1月，GPT的用户就进行了5.9亿次的访问。平均每天有1300万用户，每个人发出15个请求，这就需要28936个A100的算力，每月的用电量就将达到2316万千瓦时。

所以电力的降本增效已迫在眉睫，除非能提供更可持续的选择，否则到2025年，AI消耗的能源将超过人类活动所消耗的能源。一旦大模型普及，全球飞速运转的服务器，有可能把地球都烧掉。

而很少人知道的是，除了耗电，AI对水的需求也同样巨大。

它一方面需要能源来进行计算，另一方面需要水来冷却数据中心，确保运行安全。

仅GPT-3的训练就消耗了近70万升的水，足以生产370辆宝马汽车。据估算，ChatGPT每与用户交流25-50个问题，就需要“喝”下500毫升的水。

更“娇贵”的是，这些用于冷却设备的水还不能是普通的水，其必须是干净的淡水源，以避免带来腐蚀和细菌滋生的问题。

ChatGPT满口胡话的同时还需要重金养护，如此让人爱恨交加，为什么全世界的顶级公司还要疯狂地入局其中？

不要再抱有幻想！世界再也回不到ChatGPT诞生之前

很多人都在说ChatGPT的诞生预示着通用人工智能的“iPhone时刻”已经到来。

首先，它发布后的两个月内用户数就达到了1亿，成为互联网史上增长最快的产品，而各种相关不相关的行业都兴奋得像哥伦布发现了新大陆一样飞奔着来蹭热度，甚至股市中稍微沾点边的股票都已经屡创新高，整个世界都惶恐又兴奋。

《星际穿越》中的老人曾坐在谷仓前回忆：“当我还是个孩子的时候，每天都好像有新东西出现。”最近的一段时间，似乎每个人都是这种感受，每天醒来，都会看到新的AI技术、AI产品发布，同时也会发现某一个领域又有人类工作被取代，可以说，每个人都亲身体验到了人类科技指数级的进步。

所有人都在焦虑，一边惶恐着自己被AI替代，一边憎恨着它的出现，同时又疯狂地恶补关于它的知识，生怕被时代落下。

人们免不了会问，ChatGPT到底有什么魔力？让整个世界为之疯狂？

可以这么说，ChatGPT让人们第一次感受到，“人工智能”可以“听懂人话”，它真正“理解”了日常生活中人与人之间交流时，复杂语句中的意图和含义。这不是简单的一小步，这是“弱人工智能”向着“强人工智能”迈出的一大步。

它不再只听得懂精确而简单的命令，而是呈现出如人一般记忆、理解、推理和生成等浑然一体的智能互动状态，能够跟人类展开多轮对谈，而且问答的准确性越来越高。

它有着无比庞大的知识储备，现在又有了时刻不停的深度学习能力，于是它一路开了挂一样，从理解词语，到看懂图片，书写诗歌，编写笑话，甚至撰写法律文件，改写程序代码，任何有确定规律的事情，在它强大的逻辑算力面前，都简单得如同1+1=2。

面对如此强大的机器，我们不仅要问，它到底是来取代我们，还是来辅助我们？

有人把现在我们所面临的情况类比成100多年前“汽车和马车的战争”，当汽车出现的时候，受到了马车夫的集体抵制，因为很多马车夫因此失业，然而汽车带来了汽车司机，维修工，生产工等更多的新职业，并且全面推动了生产力的发展。

也有人说，这个类比并不恰当：这场即将来临的变革，没有任何可以参考的历史模式可循。

因为AI与汽车完全不同，汽车的生产维护运行，都需要更多的人力，而AI从它的诞生起，就预示着解放人力，它很有可能会消灭一切不需要动手的工种，而剩下的那些需要动手的，也会被随着AI产生的自动化工具所取代。

然而，在100年前，发明汽车的英国由于马车夫的集体抗议，颁布了一系列限制汽车的禁令，这却让德国、法国和美国迅速赶上来，解放了生产力，英国从此被一举超越。

现在的事实就是，世界再也回不到GPT诞生前了。

用它辅助生成的画作，获得了绘画比赛第一名；

导演陆川用它在15秒做出一张海报，效果比专业海报公司一个月做的还好；

程序员用它写出的代码，居然可以达到Google三级工程师的水平，年薪相当于18万美元；

过去科学家要用各种方法模拟蛋白质结构，现在运用人工智能使大量蛋白质结构彻底清晰，已被广泛运用到生物制药各个领域；

而以色列总统甚至用它来撰写部分演讲稿，成为世界首位使用ChatGPT撰稿的领导人……

使用AI辅助生的电影《霞光路28号》概念气氛图

不论你愿不愿意，都必须面对各自领域中大语言模型应用所带来的变革，我们不能因噎废食，它可能会彻底解放人类的生产力，也可能会彻底取代人类，然而我们无法对抗，只能加入，越快拥抱它，越早使用它，我们还有可能成为那个驾驭它的人。

如此火爆全球的科技产品，为什么就不能诞生在中国？

现在网络上比较流行的说法是“国内相关企业过于急功近利，投资人更看重短期的投资回报率”，这种观点乍听之下似乎证据充分，但其实有失偏颇。

国内投资圈看项目确实比较重视场景和商业潜力，然而ChatGPT的母公司OpenAI真的就不考虑商业回报，不计较个体得失吗？也不尽然。

OpenAI的CEO：阿尔特曼

在2019年时，OpenAI就放弃了非盈利属性，转向有限商业化。

因为算力、数据、人员等支出越来越大，如此大的支出，非盈利模式绝对是难以持续的，随着阿尔特曼出任CEO，公司转型成为有限盈利实体，用限制利润上限和营收种类等方式，来探索在商业化与非盈利机构之间的新平衡点。

基本形成了“以商养研”的模式，它推动着大量OpenAI的技术成果走向市场，以挣取利润资助后续研究，形成良性循环的研发资金链。所以并不是OpenAI不玩商业化，而是他们另辟蹊径的方式在玩。商业机构与资本的本性就是逐利的，无可厚非。

微软已把Chat GPT集成进来自己office全家桶

然而我们不能否认，ChatGPT确实诞生在美国，它是有着天时地利人和的条件的。并且经过近几年已经形成了正向的滚雪球效应，这是国内企业短期内难以复制的。

而开发ChatGPT等高科技技术，必要的技术和人才储备并不是仅靠烧钱就能完成。发展高科技需要一系列的配套建设，钱只是其中的一部分。近几年国内高校和科研机构做AI模型的大有人在，但是由于用户寥寥无几，缺乏生态活力，其投入产出比惨不忍睹。

实际上，大部分科技发展都需要从上到下多层次全方位的研发投入，商业化研发与前瞻性研究需要并行才能最终开花结果。

我们也可以放眼更高的维度，大多数科学技术最终都是长跑，其成果是属于全人类的。那么AI产业自然更是长跑，最终将在时间和空间关系上形成漫长的产业链。每一寸的优势都值得珍惜，每一个长处都能带来机遇。

与其懊恼为何没有开发出GPT，不如脚踏实地的走出一条路来。当我们也拥有一大批超一流的AI学者和研发团队，才能够吸引全世界的AI人才加入我们。