ChatGPT大火帶動AI又一波熱潮，不過業界普遍認為，當AI 步入大模型時代，只有大企業和超級富有的企業才玩得起AI，因為AI大模型的打造非常昂貴。

首先是計算昂貴。多倫多大學市場營銷教授Avi Goldfarb說：“如果你想創辦一家企業，自己開發大語言模型，自己計算，成本太高了。OpenAI是很貴的，要數以十億計的美元?！弊赓U計算當然會便宜不少，但企業仍然要向AWS等企業支付昂貴費用。

其次是數據昂貴。訓練模型需要海量數據，有時數據是現成的，有時不是。Common Crawl和LAION等數據可以免費使用，對于此類數據，成本主要來自數據清理和處理，成本變化很大，可能是幾百美元，也可能是幾百萬美元。

Glean公司創始工程師Debarghya Das說，在美國，根據大語言模型論文做一些粗略的數學計算，如果用的是Facebook LLaMA，訓練成本（不考慮迭代或者出錯）大約是400萬美元，如果是谷歌PaLM，大約2700萬美元。

即使用的是免費數據，成本也不低。Hugging Face公司研究人員Sasha Luccioni說：“當你下載容量達到TB的數據，如果想過濾或者以某種特殊方式利用數據，比如用文本-圖片模型處理（研究人會專注于某些數據子集，這樣模型才會變得更好），整個過程相當棘手?！毙枰獜姶蟮挠嬎懔Γ枰罅繉I人士。

再次，專業人才的聘請費用也很高。Debarghya Das在做上述估算成本時沒有考慮人力成本。Sasha Luccioni指出：“機器學習專業人士的薪酬很高，因為要與谷歌及其它科技巨頭爭奪人才，有時一位專業人才可能要幾百萬美元。”2016年OpenAI最頂級的研究人員薪酬約為190萬美元。

并且，訓練模型、聘請專業人士的成本不是一次性的，是持續的。例如，如果開發的是客服聊天機器人，每周或者每幾周就要優化。模型還要經受壓力測試，確保它生成的答案不出錯。正如Sasha Luccioni所解釋：“最貴的成本來自持續性工作，必須持續測試模型，必須確保AI所做的和預期一樣?！?/p>

最后，持續運轉費用也不低。當一切準備妥當，模型向公眾開放，每天要接受成千上萬次詢問，此時要確保模型可擴展、高度穩定，維護成本也很高，且需要專業人士來處理。