联系我们：19113907060
联系我们
随着AI技术疾驰，大模型成科技新战场。国内巨头纷纷涉足，短短两年，“百模大战”硝烟弥漫。 随着技术突破与成本下降，厂商从参数、性能之争转向价格战。 近期，大模型领域迎来降价潮。
算力部署耗费巨资，持久战正酣。 当前GPU供应紧缺，难以满足AI训练需求。算力生态多元发展，但增长不均。2018至2021年，参数量每18个月增340倍，而GPU内存仅增1.7倍。 单芯片算力增长滞后，大模型训练成本高昂。 对能获取算力的公司而言，成本仍是难题。
Meta的LLaMA需2000个A100 GPU，单次训练成本500万美金。百川CEO王小川指出，每1亿参数训练成本约1.5万至3万元，千亿级模型单次训练成本高达3000万元。 传统产业和中小公司需求明确：高性能低功耗算力、稳定模型、数据安全。但早期重视ROI，前景不明时，不愿冒然投入。 私有化部署成常见选择，但负担不小。
算力一体机或成破局关键。
价格战带噱头色彩，但技术进步是降价主因。 尽管降价幅度超成本降幅，商业策略转变亦有影响。但高并发定价未降，B端用户难享实质优惠。 然而，随着算力和算法发展，大模型成本降低趋势不变，降价可能持续。
对小开发者而言，模型API降价利好，助AI应用落地。阿里云资深副总裁刘伟光表示，降价旨在推动AI应用爆发，加速商业落地。
大模型降价既是策略，也是AI发展需求，更是算力一体机发展趋势的必然。
回顾移动互联网时代，APP繁荣带来便利。如今，大模型降价与AI技术革新将孕育更多AI创新应用。
请用手机扫码查看分享内容
需求留言:致力AIoT应用，创造万物互联的数智未来
留言咨询
电话联系
样品申请
回到顶部