(资料图片仅供参考)

5月24日，行健资管发文称，新技术有机会导致翻天覆地的改变，例如互联网和智能手机的出现，便创造了一批市值过千亿，甚至万亿美元的巨企。在过去数月，谈论得最多的一定是“生成式人工智能”（Generative Artificial Intelligences，简称GAI），如OpenAI的ChatGPT，谷歌的Bard和百度的Ernie等。如试用过GAI的读者定会感受得到，GAI 的能力有点超乎想像，对不同行业的影响也开始浮现。

行健资管表示，GAI行业可简单分为上中下游三部分。中游是GAI神经网络模型的持有者，他们负责建立和训练模型，例如上文所提及的三间GAI公司。上游为基建持有者，大至可分为硬件图形处理器（GPU）供应商和云端平台公司。云端平台公司购买GPU，再用此来建立给神经网络使用的系统。最后为下游面向终端客户的公司，他们会从模型持有者获得数据，再用来创造服务用家的软件和App，例如能帮助程式设计师写程式的GitHub CoPilot。

业内人士指出，GAI最重要的竞争门槛反而是数据质量和电脑功能，而这两项基本上是财力的比拼。虽然互联网上有无尽的免费数据，但数据需要经过清理才能使用，此过程可以所费不菲。假如用偏颇数据来训练GAI，结果可能创造出一个充满歧视和仇恨的GAI。

至于电脑门槛，谷歌指出如只使用一片GPU来训练Bard的话，基本上需时355年。一片项目级GPU的价钱为一万美元，由此可以推算，如想把训练时间缩短至合理水平的话，单是硬件投资已经是天文数字。业内人士分析，训练一个大型语言模型，成本可以高达上亿美元。训练也不可能一步到位，需要经过不断尝试和失败，试问有多少公司能有此等财力来成功训练GAI。

不止硬件投资和训练成本昂贵，就算是运行GAI的成本，也比运行搜索引擎高得多，有投资银行计算过，GAI每次回答问题的成本，比普通搜索高10倍。GAI模型拥有者如何用GAI来创造能获利的商业模型，目前还在摸索阶段。长远来看，如果GAI模型持有公司，最终能把GAI转变成为一个平台，如同微软的视窗或苹果的iOS等，能让不同的软件在上运行，造成经济规模，再把客户锁定，从而创构成一个难以退出的商业模式的话，发展空间便会大大增加。至于客户端的软件，由于行业仍然年轻，有竞争优势的商业模式还未出现，一些用AI来帮学生补习，或用AI来帮程序员写程式的App等，目前都还没有能把客户长期锁住的能力。

从以上总结，GAI目前仍然是烧大钱的行业，大公司的竞争优势在于其财力。短期内上游公司看似有更多投资机会：训练GAI的一大部分的开支会用于购买云公司的服务，而GAI的运行需要GPU，因此，云服务公司和GPU生产商会因此而得益。