奥特曼发了个小作文,说AI成本每年下降10倍。
OpenAI 又来刷存在感了。
就昨天的事儿,秀儿 OpenAI 在 “ 美国春晚 ” 超级碗上打了一个长达 60 秒的广告,用黑白点彩画的风格,展现了一波人类技术的发展和进化。
从冷兵器时代、农耕文明,走到大航海、工业革命、太空探索,当然了,广告最后还是落到了生成式 AI 的应用上,毕竟 OpenAI 也就是为了这点醋,才包的饺子。
这次的广告要说硬货嘛,没有,但声势肯定是足够浩大了。别看只有短短的 60s ,根据外媒 TheVerge 的报道,这则广告上半年的投放成本大概有 1400 万美元。
被 DeepSeek 激了一波,再加上最近软银的投资风声,现在的 OpenAI 估计恨不得到处开屏。
与此同时,奥特曼也没闲着,在个人博客上发表了一篇,名为《 Three Observations (三个观察 ) 》的长文。
这篇博客,提到了 AI Agent 、技术成本、应用前景、 AGI 安全等等,但总的来说,讨论的还是 AGI 的快速发展,以及其对于整个人类社会的影响和改变。
为了让大伙儿更好理解,奥特曼也贴心把三个观察总结好了:
1.AI 模型的智能大致等于用于训练和运行它的资源的对数。
2.使用特定水平AI 的成本每 12 个月大约降低 10 倍,而价格下降导致更多的使用。
3.线性增加的智能的社会经济价值是超指数的。
说人话就是,AI 的智能水平跟投入资源呈对数关系;AI 的使用成本快速下降,加速普及;AGI 将会推动社会和经济的巨大变革。
这三个观察,打眼一看感觉好像没说啥干货,世超一开始也以为,这篇博客可能也就是为了拉投资或者挽尊才写的。毕竟 DeepSeek 的出现,已经打破了很多人对于 AI 训练 “ 大力才能出奇迹 ” 的印象。
但联系一些大公司的动作,世超世超,奥特曼的这三点判断,其实挺符合目前 AI 的发展脉络。
咱们先来看第一点, AI 的智能水平跟投入资源( 主要包括算力、数据 )呈对数关系。
简单复习下,对数函数长这样,对吧。( a > 1 )
也就是说,AI 的智能水平确实会随着投入资源的增长而增长,但这种增长的幅度,会越来越小。
举个例子,刚开始你用 100 张 H100 训练 AI ,可能效果立竿见影,但越往后,即使 kuku 往里砸 H100 ,提升效果也没那么明显了。
如果后期你还想实现同等效果的提升,那就要投入更多的资源。
所以这就很好解释, Meta 、微软、谷歌这些大公司,为啥还是坚持要加大对 AI 的投入。
即使看到了 DeepSeek 的这一波 “ 算力做空 ” ,扎克伯格仍然要在财报电话会议上放话, Meta 未来几年要投入 “ 数千亿美元 ” ,还有软银,一出手就是 400 亿美元。
世超的一个想法不一定对,可能他们也没办法判断现在的 AI 发展水平,到底处在这条曲线上的哪个位置,反正为了 AGI ,往里砸钱就对了。
而且奥特曼的这个观察,似乎也说明了,Scaling Law 可能仍然是有效的。
不过换个角度来看,用这条曲线来解释 DeepSeek 的省钱路子,也合理。
你想,当增长幅度越来越小,一味追求更多的算力和数据也不是个法子,琢磨琢磨怎么提高资源的利用率,或许能有意想不到的结果。
第二点,使用 AI 的成本每年大约下降 10 倍,这就意味着 AI 会加速普及。
这题咱们熟啊,国内模型的价格战早就打响了。
阿里云去年连着降了三次,字节的豆包视觉理解模型,每千 tokens 输入价格只要 0.003 元,讯飞的部分模型直接搞免费。。。
而奥特曼这次在文章里也提到了,从 2023 年初的 GPT-4 到 2024 年中期的 GPT-4o ,每个 token 的价格下降了大约 150 倍,这可要比摩尔定律带劲多了。
再往后推,当服务、产品的提供方受惠于低廉的成本, AI 自然也就普及了。
最后一个点,如果 AI 的智能水平线性增长,那么将会带来指数级增长的社会经济价值。
这话听起来,其实有点像是在画饼。。。
毕竟,所谓的 AGI 只是一个虚无缥缈的概念,每个人理解的 AGI 估计还不太一样。那到时候 AGI 能够带来什么样的价值、带来多少价值,谁也说不好。
而且奥特曼还说了一句, “ 我们没有理由认为呈指数级增长的投资会在近期停止 ” ,很难不让人联想到是在拿预期当估值的背书。。。
当然,把这些东西当做是美好的愿景,也没毛病。
在奥特曼的假设下,如果这三点观察继续成立的话,未来将会出现一个 “ 美丽新世界 ” 。
而 AI 渗透到经济和社会的各个领域,到 2035 年,或许每个人都能调动 2025 年所有人智力的总和。
这些新奇、前沿的设想,足够吸引人,也希望咱们能尽快看到那一天的到来吧。
图片、资料来源:
X、The Verge
https://blog.samaltman.com/three-observations
部分图源网络