第200章 太没有礼貌了！（上） (第1/2页)

想要搞AI大语言模型平台，其实是一件很困难的事情。

虽然自从ChatGPT震撼面世之后，国内便迅速跟风，接连出现了数个类似的语言模型。

甚至于如果放宽要求，将所有尝试着跑马圈地的公司都计算其中的话，单只是国内，就达到了‘百模大战’的程度。

各种各样的‘大模型’，甭管是独立存在的，还是挂羊头卖狗肉的，总之把看上去还像那么回事的‘大模型’加在一起，总量甚至超过了一百三十个！

这其中便有郑弘毅偷偷摸摸搞的一个试验品。

受限于资金体量和公司这几年连续步入颓势的影响，郑弘毅根本不敢大张旗鼓的进入到这个全新的赛道之中。

生怕稍有不慎，一旦发展不好的话，再给本就状况不佳的公司当头一棒。

到时候若是股价一泻千里，那乐子可就大了。

可即便只是偷偷摸摸搞的试验品，过程中遭遇的那些困难，依旧让郑弘毅感到头大。

其中最麻烦的就是成本问题！

单纯构建模型的起始费用并不算高，大概一千万到一千五百万左右，就能粗略的搭建出一个大模型平台。

可基于大模型对硬件和训练的需求，可以明显的发现，随着模型的规模越来越大，训练的成本也会越来越高昂！

首先最起码的一个成本就是数据！

大语言模型是在包含庞大数据量的大规模数据集上进行训练的，除了开源数据集以外，任何公司想要训练出合格的大语言模型，都必须具备自身长期积累的各种数据集。

并且数据成本还涉及到数据的清洗、标记、组织和存储。无论是管理成本还是处理成本，都不是普通公司能玩得转的。

更让郑弘毅头皮发麻的是，想要搞好一个大语言模型，硬件成本同样是个天文数字！

目前被普遍应用在大语言模型上的GPU、既微处理器，是英伟达A100。

由于大语言模型对于GPU的巨大需求量，导致英伟达A100的价格水涨船高，从官方标定的一万五千刀售价，直接飙升到了三万刀，并且就算是这样，你也很难买到。

因为A100被全面禁售了……

这还只是单片的售价！

按照ChatGPT目前的体量，想要满足ChatGPT的需求，至少需要三万到四万片GPU……

而如果

本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！