为什么OpenAI需要7万亿美元造芯片？其实它还需要20座三峡电站

最近据说OpenAI的CEO 山姆奥尔特曼正在与投资人和供应商商讨，融资七万亿美元重塑全球芯片产业。真的有这么大的需求吗？这是怎么算出来的呢？

我们现在就大致估算一下，真正的通用人工智能所需要的一些主要资源。

成本

GPT-3耗资400万美元。GPT-4耗资1亿美元。GPT-5约25亿美元。按照每代20 30倍费用差估算，GPT-6预计耗资750亿美元，GPT-7预计2万亿美元。

数据

GPT-3 使用了0.3万亿个tokens。GPT-4 使用了 13 万亿个tokens。大致可以预计 GPT-5 将需要百万亿个tokens，GPT-6 将需要千万亿个tokens，GPT-7 将需要上兆个tokens。

算力

2023年全球计算机的总算力约为 10^21 次浮点运算/秒。以此为基准，如果每一代训练周期为一年。那么，GPT-4使用了全球算力的 1/2000。GPT-5 使用了全球算力的 1/70，GPT-6将使用全球算力的 1/2，GPT-7 将使用全球算力的15 倍。

2023年全球半导体产值约5000亿美元，如果要全球算力提高15倍，那么这个产值规模是不是应该扩大15倍？正好对应着7万亿美元。

能耗

GPT-4 训练耗能约 5千万度电。使用乘数因子 30 倍，预计 GPT-5 需要 15亿度电，GPT-6 需要 450亿度电，GPT-7 需要 1.35万亿度电。

作为参考，三峡电站的年发电量约为800亿度。

看了上面这些数据，我相信大家对人工智能应该有了一个更清醒的认识，通用人工智能其实是人类史无前例的巨型工程。

满足上面这些条件，不一定能做成，但没有，一定做不成。

现在，你怎么看国内那上百家做AI大模型的公司？反正它们自称跟OpenAI和谷歌的差距只有一年。