图片来源
我们使用的 LLM 大型语言模型，比如 GPT-4o，目前训练成本上已经花费了数亿美元，而训练下一代模型的成本预计将飙升至 10 亿美元。风险投资巨头红杉资本（ ）曾计算，整个人工智能行业每年需要产生6000亿美元（约合4.36万亿元人民币）的收入才能实现收支平衡，凸显了研发成本的巨大压力。
在激烈的人工智能竞赛中，英伟达、和亚马逊等科技巨头纷纷加大投资力度，抢占先机。然而，高盛采访了多位专家，得出了不同意见。
一些专家对人工智能的前景持谨慎态度，认为它对美国经济的贡献将非常有限，并且无法比现有技术更经济地解决复杂问题。麻省理工学院（ of ）教授达伦·阿杰莫格鲁（Daron ）估计，生成式人工智能只会将经济生产率提高约0.5%，将GDP提高约1%。这与高盛（ Sachs）经济学家的预测形成鲜明对比，他们预计生成式人工智能将提高9%的生产率和6.1%的GDP。
还指出，即使人工智能技术不断发展，成本不断下降，仅仅通过在模型中投入更多的数据和计算能力，我们对通用人工智能的愿景也不会很快实现。“人类的认知涉及各种认知过程、感官输入和推理能力。虽然大型语言模型已经取得了令人瞩目的进展，但仍然需要大量的想象力才能相信，通过预测下一个单词，你可以实现科幻电影《2001：太空漫游》中HAL 9000的智能。可以肯定的是，在未来十年内，今天的人工智能模型都不会接近这个水平。”
然而，高盛内部也有不同的声音。高级股票研究分析师Kash和Eric认为，虽然人工智能投资的回报期可能比预期的要长，但它最终会结出硕果。“每个计算周期都遵循一个称为IPA的演变序列，首先是基础设施，然后是平台，然后是应用程序，”他说。AI仍处于基础设施开发阶段，需要更多时间才能找到杀手级应用，但我相信我们会取得突破。”
他补充说：“这个人工智能投资周期的前景似乎比以前的投资周期更加光明，因为引领潮流的不再是初创企业，而是行业巨头，这降低了该技术不会变得无处不在的风险。像和谷歌这样的巨头财力雄厚，融资成本极低，拥有庞大的分销网络和客户群，这使他们能够进行更多的实验，并找到使他们的资本永远发挥作用的方法。”
尽管存在不同的观点，但高盛承认人工智能面临两大挑战：芯片可用性和功耗。由于英伟达能够将芯片交付时间提前到 2-3 个月（以前需要 11 个月），人工智能领域的 GPU 短缺似乎已经缓解。
然而，数据中心功耗正在成为一个主要的限制因素。新的 AI GPU 消耗的功率惊人，单个 GPU 每年消耗高达 3.7 兆瓦时。仅去年一年销售的所有 GPU 的总功耗就足以为超过 130 万个普通美国家庭供电。为了满足大型AI数据中心的需求，一些大型企业甚至开始考虑模块化核电站。
人工智能是否会像互联网和电子商务一样蓬勃发展，还是像3D电视一样像泡沫一样破灭，只有时间会证明一切。但可以肯定的是，人工智能的发展仍将不可阻挡。正如高盛（ Sachs）所说，“我们仍然看好人工智能发展的主题，原因之一是人工智能可能会兑现其承诺，另一个原因是泡沫可能需要很长时间才能破裂。”
