在急于拥抱生成式人工智能的过程中，企业遇到了一个意想不到的障碍：不断飙升的计算成本可能会破坏创新和业务转型工作。
主要人工智能厂商也感受到了经济压力。据报道，OpenAI 的收入正在经历爆炸性增长，到 2024 年 8 月，月收入达到 3 亿美元。10 月初，该公司宣布在新一轮融资中筹集了 66 亿美元，估值为 1,570 亿美元，以跟上其发展步伐。飞涨的成本和雄心勃勃的增长计划。
IBM 商业价值研究所 (IBV) 的一份新报告描绘了高管们在应对人工智能革命时面临的经济挑战的鲜明图景。这份题为《CEO 生成式 AI 指南：计算成本》的报告显示，2023 年至 2025 年间，平均计算成本预计将攀升 89%。IBM 调查的高管中有 70% 的人将生成式 AI 视为关键驱动因素，这一比例令人震惊。这一增长。整个行业已经感受到了这种影响，每位高管都报告称，由于成本问题，至少一项生成式人工智能计划被取消或推迟。
IBV 研究总监 Jacob Dencik 表示：“目前，许多组织都在进行试验，因此这些成本不一定会像开始扩展人工智能时那样明显。” “计算成本通常反映在云成本中，这将是一个需要考虑的关键问题，因为这可能是他们成功扩展人工智能的障碍。”
人工智能成本方程
人工智能的经济学正在成为决定其真正商业影响的关键因素。正如 Dencik 指出的那样，“即使人工智能在技术上可行，但如果由于计算成本或训练这些模型的成本而无法实现商业案例，那么我们就不会看到影响许多人都期待人工智能在商业活动中的应用。”
UST 首席人工智能架构师 Adnan Masood 用鲜明的语言描述了这一挑战：“我们正在进入一个战略转折点，创新曾经被视为竞争的必需品，但现在却带来了巨大的财务风险。”他补充道：“通往人工智能主导地位的长征不适合胆小的人。我们正在展望这样一个未来：企业必须对是否继续突破人工智能的界限进行战略押注，或者在人工智能军备竞赛中面临落后的风险。”
许多组织正在转向混合云架构来应对不断上升的成本。 “混合云成为确保您能够管理计算成本的机制，”丹西克说。 “使用包含通用控制平面和财务运营功能的混合云平台，可以为您提供在最低成本环境中运行数据、工作负载和应用程序所需的可见性。它将使您能够了解成本产生的位置以及如何优化。”
提高效率
专家表示，前进的道路不仅仅是削减成本。 “你可以使用生成式人工智能来提高你的编码效率；编写应用程序的方式可以使其在使用过程中或多或少地消耗能源。一些估计表明，通过改用更好的编码语言和更高效的代码，您可以将使用应用程序的能耗降低多达 50%。”
组织还使用生成式人工智能来优化数据中心布局并改进服务器的设计。 “生成式人工智能可以通过多种方式支持计算效率和计算资源的效率，”丹西克说。 “它可以成为解决方案的一部分，而不仅仅是问题的根源。”
Masood 建议了其他策略：“有一些创造性的方法可以应对这些挑战，例如 LLM 路由，或者根据复杂性、成本和性能等因素将传入请求智能地引导到最合适的大型语言模型，从而确保高效的资源利用和最佳的结果。”他还提到“通过缩小法学硕士的规模并提高其速度来降低其运行成本。使用量化来减少模型所需的内存，并通过有效的微调来加速训练，意味着更低的硬件成本和更快的处理时间，使这些模型的部署和使用更加经济实惠。”
人工智能模型日益复杂是推高成本的另一个因素。 Dencik 推荐了一种战略方法：“你不需要对所有事情都使用大型语言模型，”他说。 “基于高质量数据训练的小型模型可以更高效，并达到相同的结果，甚至更好，具体取决于手头的任务。选择合适的模型是关键，而重用和微调现有模型可能比为您想要使用人工智能执行的每项新任务创建新模型更好。”
他主张采用多模式、多模式的方法来部署人工智能：“为了具有成本效益，您应该允许您的组织朝着多模式、多模式使用人工智能的方向发展，并拥有一个平台，允许您在组织，”他说。 “虽然这听起来可能更复杂，但这是您的组织以最具成本效益的方式充分利用人工智能的一种方式。”
可持续性问题也影响着人工智能系统的总拥有成本。虽然能源成本可能很大程度上隐藏在云费用中，而不是直接显示在公用事业账单上，但人们越来越意识到生成式人工智能对环境的影响。 “这不仅仅是经济成本；这是与使用人工智能相关的环境成本，”丹西克说。他指出了“绿色运营”等新兴实践，旨在优化云的使用以减少对环境的影响。
当公司应对这些挑战时，学习如何有效管理计算成本可能成为关键的市场差异化因素。该报告的结论是，“能够最好地管理这些成本的首席执行官将能够像高性能机器一样运营他们的业务——减少阻力，同时使用最新技术超越竞争对手。”
电子书：如何选择合适的基础模型
这篇文章有帮助吗？
是的不
