近年來，訓練前沿人工智能模型的成本急劇增長，但關于這些費用的規(guī)模和增長的公開數據有限。
分析顯示，自2016年以來，前沿模型最終訓練運行的攤銷硬件和能源成本以每年2.4倍的速度快速增長。Epoch AI還估算了開發(fā)關鍵前沿模型的成本分解，包括研發(fā)人員成本和實驗計算成本。大部分開發(fā)成本是硬件成本，占47-67%，研發(fā)人員成本占29-49%，其余2-6%用于能源消耗。
如果培訓成本持續(xù)增長的趨勢持續(xù)下去，到2027年，最大規(guī)模的培訓將花費超過10億美元。
關鍵結果
Epoch AI的主要方法是基于硬件折舊和模型訓練期間的能源消耗來計算訓練成本。硬件成本包括AI加速芯片、服務器、互聯硬件。Epoch AI使用來自開發(fā)人員或可信的第三方報告的信息來識別或估計給定模型的硬件類型和數量以及訓練運行時間。Epoch AI還估計了在每個模型的最后訓練運行期間硬件的能量消耗。
使用該方法，Epoch AI估計了45個前沿模型的訓練成本，發(fā)現總體增長率為每年2.4倍。
作為一種替代方法，Epoch AI還計算了使用租用硬件在云中訓練這些模型的成本。這種方法計算起來非常簡單，因為云計算提供商對每芯片小時收取統一的費用，能源和互連成本也計入了價格。
使用這種方法，Epoch AI發(fā)現每年的增長率非常相似，為2.6倍，但由此產生的成本估計平均約為硬件和能源平攤方法估計的兩倍。
影響
人工智能培訓成本的快速增長帶來了重大挑戰(zhàn)。只有少數大型組織能夠跟上這些費用，這可能會限制創(chuàng)新，并將影響力集中在前沿人工智能開發(fā)上。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
