中国战略新兴产业融媒体记者 艾丽格玛

“OpenAI可能会在2024年底破产。”

这则惊世骇俗的新闻在人工智能领域引起了大量的关注和讨论，它来自于一家印度媒体Analytics India Magazine的专栏作家Mohit Pandey的分析文章。一时间，“生成式人工智能如何持续变现”成为热门话题——毕竟，身为先行者的ChatGPT尚未成功，后发者和模仿者们也同样面临着同样的困境。

从风头无两，到身陷困境，生成式人工智能在今年历经烈火烹油、鲜花着锦之盛，又渐现颓势，各种“GPT”们又该怎样寻找出路？

“烧”钱无止境

70万美元，这是ChatGPT每天的平均运营成本。

根据公开数据，自从开始开发ChatGPT以来，截至今年五月，其亏损翻了一番，达到了5.4亿美元，而2022年它的收入却只有3000万美元。OpenAI首席执行官山姆·奥尔特曼，定下了今年营收2亿美元、明年营收10亿美元的目标，但随着后续GPT-5开发等相关工作的进行，亏损可能持续扩大。

ChatGPT的每月成本会受到多种因素的影响，因此并没有一个确切的数字。它的成本取决于模型规模、运算资源、数据处理、人力成本、维护以及其他因素。

OpenAI资料显示，ChatGPT训练一次13亿参数的GPT-3 XL模型每天需要的全部算力约为27.5PFlop/s，而训练一次1746亿参数的GPT-3模型每天需要的算力约为3640PFlop/s。运营和维护大型语言模型十分昂贵，每月成本可能高达几百万美元以上。它引以为傲的数十亿到数千亿个参数的深度学习模型，使它需要更多的计算资源和内存，从而增加了硬件和电力成本。

运行ChatGPT需要的高性能的GPU或TPU，其租赁费用以及电费成本都会在每月成本中占据重要比例。国盛证券估算，2023年1月平均每天约有1300万独立访客使用ChatGPT，对应芯片需求为3万多片英伟达A100 GPU，初始投入成本约为8亿美元，每日电费在5万美元左右。

除此之外，为了训练ChatGPT，需要大量的文本数据，在某些情况下，需要人工标记数据以进行训练，采集、清洗和处理这些数据可能会产生一定的费用。而为了持模型的稳定性、安全性和性能，需要有专业团队进行监视、维护和技术支持。

到目前为止，OpenAI“烧”的钱，仍然来自微软对它的投资，这使公司能够维持运营，但盈利却无从谈起。

而且，与微软这个自己“背后的东家”理念的分歧，也逐渐显露。

例如，最近，微软发布了Azure ChatGPT的GitHub存储库，直接在Azure平台上提供服务。一天后，该存储库被删除。

实际上，微软唯一通过OpenAI获得收入的方式是通过Azure OpenAI服务，因此希望将所有用户都转移到这个服务上，而不是免费提供ChatGPT给每个人。对于OpenAI来说，当然希望将所有用户留在自己的ChatGPT平台上。

但很显然，市场不需要“两个ChatGPT”。

在去年三月，微软还将Bing搜索与ChatGPT合并，用户达到了1亿。但实际上，OpenAI反对微软将不完整版本的GPT-4集成到Bing Chat中。

对于微软来说，如果ChatGPT只能在其Azure云和Bing上可用，利益就能最大化。在这一点上，两家公司之间显然存在分歧。

为何增长陷入瓶颈？

从今年5月到7月，ChatGPT用户数量已经连续两月下滑。

SimilarWeb数据显示，与6月相比，2023年7月的用户群减少了12%，从17亿用户下降到15亿用户。

有人猜测，用户数下降的一个主要原因可能是“API内部竞争”。也就是说，有很多相关公司禁止员工在工作中直接使用ChatGPT生成文本，但允许他们调取它的API，并在工作中使用。

但API也需要购买，并非开放的服务，这显然无法解释它亏损持续的原因。

OpenAI采用了“平台业务模式”的战略。本质上，它充当了其他公司和服务构建的基础层。OpenAI与支持其的初创公司之间存在一种共生关系。换句话说，这些初创公司增长得越多，它们的计算需求就越大，对OpenAI平台的支出就更多。