AI竞赛终点：成本的较量

在21世纪，人工智能（AI）作为一项基础技术，将深刻影响人类社会的发展进程，其能力将渗透到社会各个角落，极大地提升社会效率并重塑社会运作模式。智能文明时代正以前所未有的速度向我们走来。

那么，什么才是决定人工智能最终竞争力的关键因素呢？长期以来，我们普遍认为“算力即国力”，并将算力视为重塑AI格局的根本。算力，顾名思义，需要海量的芯片和算卡堆叠，并且这些硬件需要具备极高的性能。

然而，经过近几年的飞速发展，人工智能正日益成熟，其竞争焦点正从芯片、算卡和大型模型的比拼，以及模型训练本身，逐渐转向应用能力的较量。虽然模型训练依然至关重要，但这更多是少数头部公司需要承担的任务，并非所有企业都必须亲自进行模型开发。对于绝大多数企业而言，模型推理的应用能力正成为一个至关重要的市场。

与大型模型进行对话、处理图像、生成PPT、创作视频、实现实时翻译、让智能汽车实时感知路况、使智能家居精准响应用户需求，以及智能体处理各种复杂问题，每一个推理过程都需要消耗大量的“词元”（token）。当前，许多大型模型提供免费服务，这使得许多用户误以为它们可能永远不需要付费。然而，事实并非如此。

实际上，要支撑这些模型和海量应用，平台需要消耗巨大的词元，这背后是高昂的成本支出。在信息处理过程中，我们需要长时间占用计算资源，不仅要调用模型，还可能需要调用全球知识库，进行网络信息检索，并通过模型对这些信息进行推理。所有这些数据都存储在缓存中，这需要大量的硬件资源和电力支持。

长远来看，大型模型及其AI服务最终将走向收费模式。如果AI服务收费过高，将阻碍大量用户的接纳，导致AI应用难以普及，从而限制其自身的发展。

因此，人工智能最终的决战，必将是一场成本的较量。虽然某款芯片性能卓越、某张算卡效率更高、某个大型模型的参数更强，这些固然有其价值，但它们无法决定人工智能竞争的最终格局。真正决定格局的，是成本。

汽车市场便是最好的例证。德国和意大利的汽车，尤其是顶级豪车，无疑非常强大。但为何最成功的燃油车企反而是日本的丰田？原因在于其“便宜”。虽然其性能并非最顶尖，功能也非最多，但其耐用且价格亲民的特质，构成了其压倒性的竞争力。

人工智能同样如此。对比不同模型的参数，达到何种水平？普通用户没有精力去关注这些细节，也无力进行比较。在大型模型的能力日趋完善、能够胜任一般性工作的前提下，价格将成为最终的决定性因素。

哪些因素会影响人工智能的价格？首先是能源成本，其次是芯片的选用及其价格。芯片价格最终会影响算卡的价格。此外，智算中心的建设成本和运维成本，也都是影响大型模型价格的关键因素。当然，大型模型的质量同样重要，因为在进行相同推理时，不同模型消耗的词元数量不同，也会直接影响最终价格。

人工智能的发展最终将取决于谁能提供更低成本的服务，谁就拥有更强的竞争力，谁就更有可能将人工智能推向广泛应用，从而极大地提升社会效率和能力。

降低人工智能服务成本的路径也相当清晰：一方面，需要采用更廉价的能源，因为能源是支撑推理过程必不可少的环节，没有能源，一切无从谈起。因此，能源供应商的报价和服务至关重要。

芯片自然也是决定性因素。除了少数高性能产品，绝大多数场景需要的是低成本的CPU、GPU和存储芯片，以极低的成本建设智算中心，并提供各类推理服务。高价芯片将是人工智能发展的绊脚石，过高的芯片价格会削弱整个产业的承受能力。

智算中心的建设和运维成本同样是巨大的挑战。能够高效建设并以低成本运维，将直接决定人工智能服务的最终成本。

由此看来，未来中美在人工智能领域的格局已然明朗。一旦进入成本战，美国将基本没有胜算。因为人工智能服务最终是面向全球用户提供的，谁的服务更好、价格更低，谁就更具竞争力。

人工智能的价值在于应用，而非排名。

英伟达在一定程度上阻碍了美国人工智能的发展。

鉴于其已有的芯片技术实力，华为已准备好以更低廉的价格，在市场上展开激烈竞争。

什么是真正的基础科学？