有些人工智能赚了很多钱；但有很多人工智能的盈利能力存疑神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。编者按：以ChatGPT为代表的生成式人工智能确实很热，但这种热会不会变成当年的郁金香热？会和不会的可能性都存在。说不会，是因为存在一些好的用例，OpenAI资金充裕以及微软可以轻易提供算力支持。说会，是因为目前的收入不大，部分用例失去了新颖性，底层技术不可靠，缺乏护城河等。生成式人工智能不是一座纸牌屋，但所谓的基础模型的财务基础并不像看起来那么的牢固。文章来自编译。生成式人工智能（目前最流行的人工智能形式）热会不会变成2020 年代的郁金香热？就像我之前说过那样，整件事情可能会成为一种时尚，但现在下结论还为时过早。有时候，人工智能会带来巨大影响。谷歌搜索赚到的钱比历史上几乎所有的产品都要多，而它就是由人工智能驱动的。谷歌搜索从一开始就得到了人工智能的支持（只不过那时候它的生成式人工智能占比为0），并且现在仍继续赚着大钱，因为它们可能已经植入了部分生成式人工智能。（生成式人工智能对提高搜索结果的质量也许有帮助；但我不知道这会不会对利润产生重大影响。）Meta 也通过卖广告大赚特赚，而人工智能（尽管同样不一定是尖端的人工智能）一直是他们得以精准投放这些广告的一部分原因。 （就像 Alphabet 以及谷歌搜索的情况一样，从外部很难看出生成式人工智能是否对 Meta 的利润产生了实质性影响）。几年前，硅谷层流传一个笑话，这个笑话在某种程度上与现实是有关的，说的是如果你的初创企业的域名里面有 .ai 的话，就可以给公司的估值后面加一个零（比如估值会变成1个亿而不是1000万） 。但现在给人的感觉是一个零还不够，还得加个零，尤其是如果你声称自己正在使用生成式人工智能的话。但当然了，仅仅因为某个东西是由人工智能驱动的，并不意味着它就能赚大钱。到目前为止，生成式人工智能还没有做到这一点。也许是几个亿，也许不是几十亿。当然不是几千亿。过去几天互联网上流传的谣言甚至暗示， OpenAI 甚至有可能面临破产，快的话可能是在 2024 年，Rowan Cheung 的一条推文几乎是一发布就被删除了。据说OpenAI每天的成本是70万美元，大概到2024年就要破产。我们应该相信谣言吗？无人驾驶汽车背后离不开人工智能的支持，但到目前为止，投入进去的资金大概已经有 1000 亿美元了，着远远超过了它们的实际收入。 （可能有数十亿美元，来自于出售给汽车制造商的驾驶员辅助软件、特斯拉对AutoPilot的收费，以及实验项目收取的乘车费用等）。Cheung那条推文（未经解释即被删除）其实源自Mohit Pandey在《Analytics India》杂志 的分析。Pandey 分析的基本前提是 OpenAI 每天的花费大概是 70 万美元，但收入却没有那么多。据报道，去年 12 月份的一项预估认为该公司 2023 年可以收入 2 亿美元，对2024年收入的乐观预测为20 亿美元。不过，正如 Pandey 的报道那样，网站的逐月访问数据似乎不再符合指数增长预期：Openai的月访问量不仅没出现指数增长，反而有所下降尽管如此，我并不认为 OpenAI会面临任何迫在眉睫的危险，但我也不认为他们已经走出困境。以下是综合各方面的一系列考虑因素，部分来自我今天早些时候与风投家兼科技作家 Om Malik 进行的一次有趣对话：

OpenAI 与生成式人工智能在财务上仍有表现良好的可能性的原因：编码是一个可靠的用例，着会在很长一段时间内继续让生成式人工智能成为人们关注的焦点。程序员应该再也不会回头的了。

• 正如 Malik 所指出那样，OpenAI 可能已经赚到了几乎足以支付成本的钱，而且他们在银行里面还有充裕的资金；说他们快要破产有点牵强附会。

• 占成本大头的是 GPU 服务器时间，微软很容易就可以提供更多的服务器时间给OpenAI，以换取更大的控制权。 （我对发生这种情况一点也不会感到惊讶）。考虑到公司形象以及对微软自身股价的影响，我觉得微软不会很快让 OpenAI 破产。

• 随着时间的推移，大语言模型的运营成本可能会变得越来越便宜，因为所需的硬件变得越来越便宜是不可避免的，而且人们也会弄清楚如何提高它们的效率。

• 仍有可能发现或完善一些能带来可观利润的用例。 （比方说，ChatGPT 式的搜索现在看起来有点不稳定，但如果有新的发现，情况可能会有所改善）。

• penAI 与生成式人工智能可能会陷入财务困境的原因：

• 目前的收入似乎不大，也许大致在运营成本的范围内，但并没有超出这些成本太多。目前还没有出现杀手级的应用，聊天式搜索除外，但运作也不是太好。投资者的耐心是有限度的。

• 对于某些用例来说（比方说，编写高效但乏味的文案），新颖性可能已经消失。用户可能会也可能不会坚持长期订阅。

• 大多数基础技术均很容易理解，并且在很大程度上也很容易复制。目前尚不清楚任何商业公司（比方说OpenAI）是否拥有持久的护城河，能将竞争对手拒之门外。

• 底层技术（一般叫做基础模型，因为系统是在大型预训练的（基础）模型之上进行微调的）非常不稳定，因此很难设计成可靠的产品。后面我打算多写一点相关内容，但我想说的基本要点是，对于任何给定的问题，你永远没法真正预测大语言模型能不能给出正确的答案，我们现在知道答案甚至可以在一个月后发生变化——这会导致将大语言模型集成到复杂系统的第三方工程成为一项艰巨的任务。在某些关键任务案例中，这样的工程挑战可能是无法克服的。

• 当前的狂热大部分是受到热情推动的；泡沫会产生泡沫……直到泡沫破裂。如果部分人选择不再趟浑水，一旦估值开始小幅下跌，可能会引发强有力的负面反馈螺旋，引发此前一直在迅速加速的价值突然出现减速。许多人才和投资者可能会另觅新欢，逃离生成式人工智能，就像不久前一些人逃离加密货币一样。

• 结论

• 我的很多文章都是以高度确定性来收尾的。但这篇不是。我们只是不知道，在这条特殊的彩虹的尽头，有多少黄金在等着我们。人工智能并不是神奇的经济引擎；它在某些用例中表现出色（比方说卖广告、帮助程序员更快编写代码、玩经典的棋盘游戏），但还有很多其他用例它的表现根本不够可靠（比方说真正的无人驾驶汽车、医疗诊断、ChatGPT 式的搜索等）。生成型人工智能公司天文数字的估值也许合理，但也可能不合理。到目前为止，估值似乎是基于希望和梦想，缺没有真正考虑到严重的工程风险。生成式人工智能不是一座纸牌屋，但所谓的基础模型的财务基础并不像看起来那么的牢固。译者：boxi。本文来自翻译, 如若转载请注明出处。