火爆全网的ChatGPT，算力成本有多庞大？

从到大学生作业的代写，到以色列总统的演讲词的撰稿…ChatGPT正在深刻影响着世界。

也许正如比尔·盖茨所言：“ChatGPT这种人工智能技术出现的重大历史意义，不亚于互联网和个人电脑的诞生。”

什么是ChatGPT？

ChatGPT是由微软投资的AI实验室OpenAI开发出的一款智能聊天机器人模型。与我们日常熟悉并使用的Siri、微软小冰、小爱同学、小度等聊天机器人相比，其语言组织能力、文本水平、逻辑能力更加强大，交流表现十分惊艳，有人甚至将ChatGPT比喻为“搜索引擎+社交软件”的结合体，因为能够在实时互动的过程中获得提问问题的合理答案。

所以ChatGPT不再仅仅局限于基本的聊天、娱乐功能，而是迭代升级成了一个生产力工具。我们日常的工作，如工作周报、文章创作、邮件、调研报告、视频脚本、编程代码等的撰写，都可以通过与其聊天完成。

并据外媒报道，Google有内部文件透露，ChatGPT通过了谷歌年薪达18.3万美元的L3工程师入职面试。

支撑ChatGPT的算力成本庞大

ChatGPT能够实现当前如此强大的交互，离不开背后庞大的算力支撑。有数据显示，ChatGPT的总算力消耗约为3640PF-days。按近期在国内落地的某数据中心为参照物，算力500P耗资30.2亿落成，若要支持ChatGPT的运行，需要7—8个这样数据中心支撑，基础设施投入需以百亿计。

并且随着ChatGPT优化模型的增大，算力需求倍数递增，带来的成本压力也在不断增长。据悉，从2018年起，OpenAI就开始发布生成式预训练语言模型GPT（Generative Pre-trained Transformer），可用于生成文章、代码、机器翻译、问答等各类内容。在当时，训练参数量只有1.17亿。在2019年2月发布GPT-2时，训练参数量为15亿。

而2020年5月的GPT-3，参数量更是达到了1750亿，仅是托管在微软的云服务器拥有28.5万个CPU和1万个高端GPU。AI训练所需算力指数的增长速度已然超越硬件的摩尔定律。

算力基础设施建设任重道远

ChatGPT是人工智能落地应用的一个缩影。随着近年来5G、自动驾驶、工业互联网、智慧城市、元宇宙等诸多领域的迅猛发展，对高可靠、高性能、高安全算力需求更加突出，全球正掀起一场算力的军备竞赛。

数据中心作为算力基础设施，被高度重视。但与此同时，算力基础设施建设运营中存在的高能耗、高成本等问题，急待解决，发展之路任重道远。

【文章来源】知乎