首页 > 科技快讯 > 7万亿美元的芯片融资计划，Altman在害怕什么？

7万亿美元的芯片融资计划，Altman在害怕什么？

晰数塔互联网快讯
2024-02-19 18:10

上周，来自《华尔街日报》的报道，Sam Altman 正在与包括阿联酋政府在内的投资者进行谈判，筹集高达7万亿美元的资金，以增加全球半导体芯片的供应。

看上去，OpenAI 距离 AGI（通用人工智能）只差 AI 算力了。

而周一，在迪拜举行的世界政府峰会上，当被问及“7 万亿美元可以购买多少个 GPU”时，黄仁勋打趣道：“显然是所有的 GPU”。

但就像《华尔街日报》一篇报道的标题，筹集数万亿美元可能是 Altman 芯片计划里最容易的部分。

毋庸置疑，芯片制造是比金钱复杂得多的挑战，作为资本密集型产业，历来经历过剧烈的周期性波动，芯片制造厂对激进扩张也持谨慎态度。目前，世界上只有三家公司能够大批量生产最尖端的芯片：台积电、三星电子和英特尔。

Sam Altman 到底看到了什么，决定如此重押算力？

如果把大模型厂商划分为两种，一种是在落地场景中探索大模型。其中的“显眼包”代表包括英伟达、微软、Databricks，三者都强调算力瓶颈会随着模型尺寸变小、下一代芯片架构创新等取得突破来进一步破除，就像互联网带宽限制在 2000 年基本消失一样，“GPU 也会发生同样的情况”。

另一种大模型厂商的典型代表则是 OpenAI，对于大模型技术，要不计成本地做标本、数典范、探索边界。对于 OpenAI 率先看到的未来，Q*、GPT-5 的消息让外界对 Transformer 能否实现 AGI 充满想象。这可能也是 Sam Altman 芯片制造野心的起点。

据报道，除了投资方，Altman 还与芯片制造商比如台积电进行了讨论，讨论与他们合作并使用数万亿美元建设和运营新工厂，以及对能源和其他人工智能基础设施的投资。

建设一家尖端芯片工厂通常至少需要 100 亿美元，相比之下，Altman 所讨论的 7 万亿美元规模是极端的。对于 Sam 的 7 万亿美元，黄仁勋预判，到 2029 年全球建设人工智能数据中心的成本将达到 2 万亿美元，他表示，“你不能假设你会购买更多电脑，你还必须假设计算机会变得更快，因此你需要的总量不会那么多。”

在 OpenAI 内部，Sam Altman 看到了什么？

对于这个问题，The information 跟踪 AI 和云计算的两位记者在《The Most Exciting Thing About Altman's Chip Dream》一文作出探讨，由极客公园编译整理。

一、无限的算力会带来真正的人工智能

上周，OpenAI 首席执行官 Sam Altman 抢尽风头。他正试图筹集数万亿美元的资金来开发和制造 AI 芯片。尽管这一数字多少有点骇人听闻，但姑且先把集体怀疑放在一边，尝试理解 Altman 融资的意义——无限的计算能力将导致全能的人工智能。

社交媒体 X 平台，网友总结 7 万亿美元的购买力｜来源：twitter.com

换句话说，他认为唯一阻碍超级人工智能的是服务器短缺，而实现超级人工智能，甚至可以帮助我们移民火星或解决全球变暖问题。

Altman 并不是唯一持这种观点的人，但这远非共识。

四年前，OpenAI 发表了一篇关于大型语言模型领域的“缩放定律”（Scaling Law）的论文。“缩放定律”表明，对大语言模型进行更多计算能力和数据方面的训练，可以提高其预测下一个单词的准确性，从而提高大模型的能力。在这个信念下，OpenAI 等大模型厂商花了1亿多美元来训练一个模型。

然而，更多 AI 从业者认为，在今天的 AI 模型上投入更多芯片和数据并不是实现超级人工智能的途径。当我们用完高质量的、人类生成的数据来训练 AI 模型时，基于相对较少的数据，开发出能够像人类一样学习和推理的软件可能会更容易。毕竟，OpenAI 的 GPT-4 和谷歌的 Gemini 已经接受了世界上大多数公共文本信息的训练，它们还没有达到超级人工智能的水平。

利用“缩放定律”训练大模型还隐含着一个副作用：强行使用更大、更耗电的模型可能会对环境产生灾难性的影响，因为服务器和数据中心的电力消耗会产生温室气体。

Altman 本人也承认，开发前沿大模型可能需要在能源方面取得重大突破。数据中心公司的管理者也已经开始担心，今年所有以人工智能为重点的新数据中心，是否有足够的电力供应。

二、OpenAI 必须保持算力领先

目前，我们只能假设 Altman 和他聪明的同事们知道一些我们不知道的大模型“缩放定律”。

显然，他们相信，有了更多的服务器，他们可以利用现有的人工智能和最近的技术突破，比如 Q*——一个可以推理以前没有训练过的数学问题的模型——来创建正确的“合成”（非人类生成的）数据。当用完人类生成的数据后，合成数据可以接着被用来训练更好的模型。

或者，这些模型可以找出现有模型（如 GPT-4）的缺陷，并提出技术改进建议——换句话说，就是自我改进的人工智能。（此前，谷歌资深工程师卢一峰独家向极客公园解读了 OpenAI Q*可能代表的技术路径。）

Altman 已经明确表示，他的团队根本没有从其独家服务器供应商——微软那里获得足够的计算能力来发挥其潜力。私下里，他曾表示，明年谷歌将拥有比 OpenAI 更强大的计算能力来开发人工智能。这在某种程度上可以理解他想改变现状的紧迫性。