周一在迪拜舉行的世界政府峰會上，當被問及“7萬億美元可以購買多少個GPU”時，黃仁勛打趣道：“顯然是所有的GPU”。在這之前，SamAltman被爆出正在籌集高達7萬億美元的資金，以增加全球半導體芯片的供應。看上去，OpenAI距離AGI（通用人工智能）隻差AI算力。
但就像《華爾街日報》一篇報道的標題，籌集數萬億美元可能是 Altman 芯片計劃裡最容易的部分。
毋庸置疑，芯片制造是比金錢復雜得多的挑戰，作為資本密集型產業，歷來經歷過劇烈的周期性波動，芯片制造廠對激進擴張也持謹慎態度。目前，世界上隻有三傢公司能夠大批量生產最尖端的芯片：臺積電、三星電子和英特爾。
Sam Altman 到底看到什麼，決定如此重押算力？
如果把大模型廠商劃分為兩種，一種是在落地場景中探索大模型。其中的“顯眼包”代表包括英偉達、微軟、Databricks，三者都強調算力瓶頸會隨著模型尺寸變小、下一代芯片架構創新等取得突破來進一步破除，就像互聯網帶寬限制在 2000 年基本消失一樣，“GPU 也會發生同樣的情況”。
另一種大模型廠商的典型代表則是 OpenAI，對於大模型技術，要不計成本地做標本、數典范、探索邊界。對於 OpenAI 率先看到的未來，Q*、GPT-5 的消息讓外界對 Transformer 能否實現 AGI 充滿想象。這可能也是 Sam Altman 芯片制造野心的起點。
據報道，除投資方，Altman 還與芯片制造商比如臺積電進行討論，討論與他們合作並使用數萬億美元建設和運營新工廠，以及對能源和其他人工智能基礎設施的投資。
建設一傢尖端芯片工廠通常至少需要 100 億美元，相比之下，Altman 所討論的 7 萬億美元規模是極端的。對於 Sam 的 7 萬億美元，黃仁勛預判，到 2029 年全球建設人工智能數據中心的成本將達到 2 萬億美元，他表示，“你不能假設你會購買更多電腦，你還必須假設計算機會變得更快，因此你需要的總量不會那麼多。”
在 OpenAI 內部，Sam Altman 看到什麼？
對於這個問題，The information 跟蹤 AI 和雲計算的兩位記者在《The Most Exciting Thing About Altman's Chip Dream》一文作出探討，由極客公園編譯整理：
01
OpenAI 唯一的
障礙，算力短缺？
上周，OpenAI 首席執行官 Sam Altman 搶盡風頭。他正試圖籌集數萬億美元的資金來開發和制造 AI 芯片。盡管這一數字多少有點駭人聽聞，但姑且先把集體懷疑放在一邊，嘗試理解 Altman 融資的意義——無限的計算能力將導致全能的人工智能。
社交媒體 X 平臺，網友總結 7 萬億美元的購買力｜來源：twitter.com
換句話說，他認為唯一阻礙超級人工智能的是服務器短缺，而實現超級人工智能，甚至可以幫助我們移民火星或解決全球變暖問題。
Altman 並不是唯一持這種觀點的人，但這遠非共識。
四年前，OpenAI 發表一篇關於大型語言模型領域的“縮放定律”（Scaling Law）的論文。“縮放定律”表明，對大語言模型進行更多計算能力和數據方面的訓練，可以提高其預測下一個單詞的準確性，從而提高大模型的能力。在這個信念下，OpenAI 等大模型廠商花 1 億多美元來訓練一個模型。
然而，更多 AI 從業者認為，在今天的 AI 模型上投入更多芯片和數據並不是實現超級人工智能的途徑。當我們用完高質量的、人類生成的數據來訓練 AI 模型時，基於相對較少的數據，開發出能夠像人類一樣學習和推理的軟件可能會更容易。畢竟，OpenAI 的 GPT-4 和Google的 Gemini 已經接受世界上大多數公共文本信息的訓練，它們還沒有達到超級人工智能的水平。
利用“縮放定律”訓練大模型還隱含著一個副作用：強行使用更大、更耗電的模型可能會對環境產生災難性的影響，因為服務器和數據中心的電力消耗會產生溫室氣體。
Altman 本人也承認，開發前沿大模型可能需要在能源方面取得重大突破。數據中心公司的管理者也已經開始擔心，今年所有以人工智能為重點的新數據中心，是否有足夠的電力供應。
02
OpenAI 必須
保持算力領先
目前，我們隻能假設 Altman 和他聰明的同事們知道一些我們不知道的大模型“縮放定律”。
顯然，他們相信，有更多的服務器，他們可以利用現有的人工智能和最近的技術突破，比如 Q*——一個可以推理以前沒有訓練過的數學問題的模型——來創建正確的“合成”(非人類生成的) 數據。當用完人類生成的數據後，合成數據可以接著被用來訓練更好的模型。
或者，這些模型可以找出現有模型 (如 GPT-4) 的缺陷，並提出技術改進建議——換句話說，就是自我改進的人工智能。(此前，Google資深工程師盧一峰獨傢向極客公園解讀 OpenAI Q*可能代表的技術路徑。)
Altman 已經明確表示，他的團隊根本沒有從其獨傢服務器供應商——微軟那裡獲得足夠的計算能力來發揮其潛力。私下裡，他曾表示，明年Google將擁有比 OpenAI 更強大的計算能力來開發人工智能。這在某種程度上可以理解他想改變現狀的緊迫性。
被爆出 7 萬億美元籌資建芯片時，Altman 在 X 社交平臺發表觀點｜來源：twitter.com
Altman 到底需要多少錢才能到達計算的“應許之地”？據報道，他與阿拉伯聯合酋長國盛產石油的酋長們提出 7 萬億美元的數字，他希望這些酋長能資助新的芯片和服務器。
一位頭部 AI 芯片廠商的 CEO 稱，建造數據中心、發電廠和芯片代工廠，以產生 10 倍於微軟現有計算能力的計算能力，將耗資 1000 億至 2000 億美元。
這位 CEO 和該領域的其他人士表示，由於勞動力和供應鏈的限制，資金在加速芯片制造廠、數據中心和發電廠的建設方面所能做的隻有這麼多。就連英偉達 CEO 黃仁勛也對 7 萬億美元的數字表示懷疑。
如果 Altman 的計劃包括 OpenAI 開發自己的服務器芯片，那將需要數年時間，而且不能保證成功。
這就提出一個問題，為什麼他首先要尋找數萬億美元?
如果 Altman 與英特爾、AMD、阿聯酋和一長串其他公司達成一筆大交易，打造新的人工智能芯片，這將很容易成為這十年來最重要的技術努力之一。但即使什麼都沒發生，Altman 不得不在更小的算力規模上，測試他對自我改進的人工智能假設，這也足以讓人感到興奮。