大模型预训练成本有多高？李开复：一次约三四百万美元

摘要： 人工智能模型的参数规模越大生成的答案就越准确就更加可信还真不一定日前一项发表在权威科学期刊上的研究表明相比于小参数模型大参数模型不会承认它们的无知而更倾向于生成错误答案近期国内大模...

人工智能（AI）模型的参数规模越大，生成的答案就越准确？就更加可信？还真不一定！日前，一项发表在权威科学期刊Nature上的研究表明：相比于小参数模型，大参数模型不会承认它们的“无知”，而更倾向于生成错误答案。

近期，国内大模型行业传出头部六家公司中有几家放弃预训练、转向推理端的消息。

10月16日，大模型创业公司零一万物创始人李开复表示，不会放弃预训练，但这是个技术活，需要懂芯片、推理、模型、算法。“如果一家公司能拥有这么多优秀的人才，能够跨领域合作，相信中国可以做出世界排名前十的预训练通用模型，但由于成本比较高，未来可能会有越来越少的大模型公司做预训练。”李开复称。

对于国内头部企业的现状，李开复表示，据其所知，目前国内头部六家大模型企业融资额度都是够的，一次预训练成本约三四百万美元，这个规模头部企业付得起。

此次零一万物推出新旗舰大模型Yi-Lightning 闪电模型，在海外（全球性大模型评测榜单）盲测竞技场总榜上位列第六，仅次于OpenAI的GPT-4o、o1系列，Google的Gemini 1.5 pro系列，与马斯克xAI旗下Grok-2打平。

值得一提的是，此次盲测中，GPT推出的Ch GPT-4o-l est 版排名 ，Yi-Lightning超过了今年5月版的Ch GPT-4o-2024-05-13。这在李开复看来，说明了零一万物的预训练能力落后于OpenAI五个月的时间。此次预训练零一万物用了2000张GPU，训练了一个半月，花费了三百多万美元，但成本约为Grok的1%-2%。

李开复披露，Yi-Lightning旗舰模型性能提升基于AI Infra能力提升推理速度，同时采用 Mixt e of Experts（MoE）混合专家模型架构。

MoE 模型由多个专家网络（Experts）构成，可以根据任务的难度动态选择 哪些专家网络，平衡推理成本和模型性能。

此前李开复强调过不做亏钱的To B业务，但此次零一万物披露了包括To B服务在内的产品矩阵。对此，李开复在采访中解释称，如果继续沿袭AI1.0时代的系统集成型AI，即直接卖模型给客户，很难有利润。零一万物做的AI2.0数字人 方案更专注用户痛点需求与盈利点，同时已跑通了AI伴侣、IP形象、办公会议等场景。其他To B业务首要任务也是寻找少数能够按使用情况收费的方法，而非通过项目定制，确定能得到比较高利润率的订单才会去做。

对于B端与C端的布局，李开复表示，一家大模型公司同时去做To B和To C很辛苦，需要多元化的管理方式，因为两个团队的基因不同，做事方法与衡量KPI也不同。To B领域，零一万物目前主要聚焦国内市场，如餐饮领域的数字人方案；To C领域主要布局海外，因为在国内To C产品的流量是一个很大的成本问题，在当下较为挑战的环境下需要谨慎判断。

李开复认为，OpenAI是一家很厉害的公司，已发布的OpenAI o1虽然隐藏了所有中间的思考状态，但o1将此前预训练中的Scaling 趋势扩展到推理，对行业形成认知改变，让行业认识到预训练之外，后训练 T（Supervised Fine-Tun-ing， 微调）与强化训练都 重要，“相信很多中美公司都在向o1 方向狂奔。”李开复称。