今天小編分享的财經經驗：美國AI軟體獨角獸CEO預測：明年英偉達GPU芯片價格将會暴跌，甚至變得不值錢，歡迎閱讀。
随着產能增加，供需轉向平衡，受生成式 AI 算力需求暴漲引發的英偉達 GPU（圖形處理器）" 短缺 " 情況正逐步緩解。
钛媒體 App3 月 10 日消息，據報道，日前有超過六家使用 AI 芯片的公司表示，正在減少采購英偉達 AI 芯片訂單，同時從雲服務廠商租用英偉達 H100 AI 芯片變得相對容易。而且，一些在早期瘋狂搶購 GPU 的買家，現在正尋求出售部分芯片存貨，從而降低 AI 算力成本。
英偉達 CEO 黃仁勳近期表示，最近幾個季度面臨供應限制的問題正在 " 改善 "。但他也提到，2024 年甚至到 2025 年，GPU 依然會 " 供不應求 "。
而英偉達競争對手、英特爾 CEO 基辛格（Pat Gelsinger）也預計，今年多個公司對在 AI 芯片上的資金投入會更加謹慎。
如今估值 430 億美元的美國 AI 軟體公司 Databricks 聯合創始人兼 CEO 阿裡 · 戈德西 ( Ali Ghodsi ) 甚至直言，随着明年供需再平衡，英偉達 GPU 芯片價格将會大幅下降（暴跌），從而給眾多 AI 科技巨頭和初創公司的商業模式帶來影響。
" 如此瘋狂的稀缺現象在 2000 年代也發生過。但正如互聯網（帶寬）限制在 2000 年代基本消失一樣，GPU 也會發生同樣的情況，"Ali Ghodsi 日前在一場線上會議中表示。
據悉，Databricks 是一家全球領先的 " 數據 +AI" 公司，于 2013 年在舊金山成立，該公司由 Apache Spark（一個開源集群運算框架，由加州大學伯克利分校 AMPLab 所開發）初始成員創立，阿裡 · 戈德西是 Databricks 聯合創始人兼 CEO。
除了在 Databricks 工作之外，Ali Ghodsi 還是加州大學伯克利分校的兼職教授，以及加州大學伯克利分校 RiseLab 的董事會成員。
截至目前，Databricks 已獲得超過 36 億美元的融資，投資方包括微軟、亞馬遜、a16z、CapitalG、卡達投資局、Sanabil Investments、老虎基金、BlackRock（貝萊德）等 37 家機構，公司最新估值達到 430 億美元—— CB Insights 獨角獸排名中位列第五位，僅次于字節跳動、SpaceX、SHEIN、Stripe。
Ali Ghodsi 坦言，AI 大模型的核心不僅僅是算力，數據也是十分重要的。當資本主義、供給和需求解決了 GPU 短缺問題，其價格會暴跌，這對于任何過度投入 GPU 算力支出的人來說，都是一個巨大的挑戰。
" 人們想要在模型上投入越來越多的 GPU，對吧？你知道，花十億美元、一萬億美元買一個更大、更大的模型。但您構建的模型越大，為其提供服務的成本就越高，它距離 AI 随時随地可用的情況就越來越遠。所以我認為，整個領網域都走錯了方向，構建更小的模型以及如何智能地制造小模型才是根本。"Ali Ghodsi 稱，合成數據、模型質量、AI 系統都是大模型發展的關鍵因素。
Ali Ghodsi 表示，如果 OpenAI 停止共享知識產權（IP），微軟可能會面臨威脅。而他非常看好 AI 開源模型的未來發展，稱其接近最先進的性能。
Ali Ghodsi 強調，大型語言模型（LLM）就是一場基于用戶體驗的革命性技術。
（本文首發钛媒體 App，作者｜Kimi 智能助手、林志佳，編輯｜林志佳）
Databricks CEO Ali Ghodsi
以下是 Ali Ghodsi 此次公開會議中進行的對話全文，基于 Kimi 智能助手進行 AI 中英文翻譯，钛媒體 App 進行部分人工修正：
問：生成式 AI 初創公司的機會在哪裡？哪些方面做得好，哪些方面做得不好？
Ali Ghodsi：我喜歡用的比喻是，當互聯網出現時……人們意識到它将擁有的巨大潛力，對各種初創公司投入了大量資金。然後泡沫破裂了。1999 年，人們對路由器和網絡感到興奮，但後來發現這些對互聯網來說并不那麼有趣，它們變成了一種商品。我認為在基礎模型（如 OpenAI 的 GPT-4）這裡也會發生同樣的事情。随着時間的推移，這些模型的價值将下降到幾乎以成本價出售。
基礎設施層面非常有趣，那裡将有大量的錢可以賺。你可以将其視為人工智能的亞馬遜網絡服務（AWS），是所有 AI 模型公司的基礎設施提供者。這是我們的主要賭注。應用（針對消費者和企業）将具有很大的價值，但我們現在還不清楚具體是什麼。
我們在 2000 年甚至無法預測，Twitter、Facebook、Airbnb 或 Uber 對于我們生活的重要變革。即使互聯網爆發已顯而易見，但很難預測，如今，它們實際上已成為全球非常有價值的大科技公司。所以問題是，這次會出現哪些公司？
問：人工智能初創公司面臨的最大挑戰是什麼？
Ali Ghodsi：一些公司在這場瘋狂的人工智能浪潮之前的兩、三年就獲得了資金。對于那些公司來說，最大的挑戰是收入模式——你賺錢了嗎？一些公司現在可以產生大量的使用量和用戶，但他們能否将這些變現？
挑戰之二是，你如何讓這些東西真正有用？演示可能是人類有史以來最好的演示，但你如何确保它足夠可靠，讓人們每天都可以使用，而且不會出錯？你如何确保大模型擁有最新的信息？
第三個挑戰是隐私、安全和監管。那裡有很多不确定性，而當互聯網創建時并沒有這些問題。人們對這些事情的關注度不如現在。
問：你認為有哪些 AI 公司最後能成為赢家？
Ali Ghodsi：顯然，赢家是微軟。但他們的模型來自 OpenAI，所以并不是他們自己的模型。OpenAI 會繼續生產最先進的模型嗎？他們也會向微軟提供模型權重嗎？或決定模型如何響應的設定？整個事情取決于此。
如果你把你的 [ 知識產權 ] 交給了全球最大的企業銷售團隊……這是一個有趣的關系。我是 Perplexity 的忠實粉絲，我認為他們真的掌握了用戶體驗。它很快，很敏捷，我每天都使用它。但這些東西還沒有像我們六個月或一年前預期的那樣改變我們的生活。
挑戰性的問題是，很多初創公司是基于一種奇怪的（囤積）資金或 GPU 承諾（購買而構建）模型開始的，我認為這将為他們未來帶來額外的挑戰。由于這個原因，我們将在未來 12 個月看到很多 " 動蕩 "。
問：你能深入談談嗎，Ali Ghodsi？
Ali Ghodsi：從過去來看，人們在購買這些 GPU 并用它們進行比特币挖礦。然後以太坊決定改變模型，不再需要 GPU。但後來發現，OpenAI 正在訓練巨大的模型，我們确實需要 GPU。然後有一個供應商——英偉達……每個人都急于獲取這些 GPU。出現了如此瘋狂的稀缺性——而在 2000 年代，帶寬周圍也有類似的事情。結果證明，資本主義，供求關系解決了問題，帶寬的價格大幅下降，帶寬無處不在。同樣的事情也會發生在 GPU 上。
那麼，對于那些做 "GPU 洗錢 " 的初創公司會發生什麼，即他們從大的戰略投資者那裡獲得巨額資金，然後從這些提供商那裡租用雲伺服器，這些公司的估值很高，因為他們必須籌集數億美元只是為了 GPU。
那麼，當這些 GPU 價格下降，而有人對這些 GPU 有三年的承諾時，會發生什麼？這将對任何在 GPU 支出方面過度承諾的人構成巨大挑戰。
問：在這一點上似乎存在一些分歧，否則我們不會看到 Sam Altman 說他需要 7 萬億美元來解決 GPU 需求瓶頸，那麼你反駁的觀點是什麼？
Ali Ghodsi：有一些公司——我認為 OpenAI 和 Anthropic ——真的相信……精确預測你的大模型性能的……規模定律，你投入的 GPU 和美元越多，它就越好。
但問題一，當你在 X 軸向右移動時，你需要在硬體上花費指數級更多的錢，所以數字很快就會上升。即使這是正确的方法，并且沒有遇到任何障礙，有多少公司需要這樣做？也許只有三四個，對吧？如果随着模型變得開源，一個這樣的開源模型，意味着沒有人需要在這些 GPU 上投入預訓練費用。
第二個問題是，你的 LLM 變得更聰明并不重要。你希望它對企業和用戶想要的任務真正有用。所以很多事情都會很重要——比如，合成數據（為訓練新 AI 模型而生成的數據）、數據質量、整個系統等。
如果你在做自動駕駛汽車，你不會只訓練最大的 LLM。我認為有很多因素在裡面，不僅僅是 " 投入更多的 GPU"。
問：今天如果沒有微軟、谷歌、Salesforce 或其中一家科技巨頭的支持，生成式 AI 初創公司很難生存。但你提到 Databricks 與微軟也有密切的關系。你如何看待初創公司與大公司之間的合作并競争性 " 平衡 "？初創公司應如何處理這些關系？
Ali Ghodsi：現在，三大雲服務提供商——谷歌、AWS、微軟公司都是 Databricks 的投資者。在 CEO 層面，我們與三者的關系都非常好。然後你下到某些產品團隊，可能會有重疊、有合作競争。
我認為這将是常态。我覺得這個領網域的任何初創公司都應該對此感到舒适（心态平和）。
我交談過的大多數創始人，他們都有這種夢想，" 我可以創建下一個谷歌 "。在這種情況下，我只想說，不要太接近大公司，如果你變得過于親近和依賴……你放棄了很多優勢。所以特别是保護你的知識產權。
所以這是長期與短期的權衡。如果你想要長期的東西、保持更獨立。如果你想要短期收入，這很好，很多人現在都想要，這是獲得更多風險資本的首要瓶頸。
而從大型雲服務（它們轉售來自不同提供商如 OpenAI、Anthropic 和 Cohere 的 AI 模型）獲得收入是有幫助的。
但如果你想建立一個可持續的公司，你需要有很多客戶，而非大公司的 " 依賴 "。
問：鑑于 Apache Spark 和你構建的一切，以及你為企業所做的一切，你認為，Databricks 的開源大模型能否接近現有的前沿模型性能和體驗，這種滞後會持續多久？
Ali Ghodsi：我們做了很多研究。我們自己的模型，内部模型，做得非常好。每當我們在企業的具體用例上進行微調時，它們都能擊敗市場上的所有模型。
當然，我們是在 " 作弊 "。我們使用企業提供的特定任務數據，為該任務調整或構建一個模型，然後我們一次又一次地擊敗了市場上的所有模型。這是你可以提出的一個論點。但我認為直接回答你的問題，如果你繪制模型在基準測試上的性能，這是我們今天不幸擁有的最好的東西，你看看開源，你看看曲線，它們正在向 GPT-4 的前沿 " 收斂 "。
為什麼是這樣？因為你正在使用整個網絡和你擁有的所有數據集。但每個人都在做這個。也許如果你有其他人沒有的數據集，那将是獲得優勢的一種方式。
實際上，這就是我們所做的。所以我們做的是，我們收購一家 Mosaic 公司，他們有非常專業的數據集，我們會在那個數據集上從頭開始為他們構建一個模型，然後給他們權重和模型，他們可以保留它。但如果你沒有特殊的數據集，你只是在網絡規模上進行訓練，那麼，這是一個 " 巨大的工程壯舉 "。
這使得大模型有點 " 商品化 " 了。
想象一下，如果企業客戶想要擁有自己的 AI 醫療垂直模型，需要擁有專注于數據集或微調等技術的專業公司，不太可能去用 OpenAI 這類基礎模型提供商。
問：我們已經看到一些地方的銷售 AI 模型自動化產品，比如谷歌。而随着生成性 AI 快速應用，五年後你還會有和今天一樣多的軟體工程師、銷售員嗎？AI 是否取代了這些職位？
Ali Ghodsi：我認為在過去一兩年裡，人們對 AI 将基本上取代所有軟體工程師、律師、市場營銷人員、醫生、教育工作者的想法有點極端。因為我們總是需要人類參與其中，而 AI 技術實際上是在增強人類。
如果你能更容易、更便宜地編寫軟體，那麼更多的人更适合編寫軟體，這是一個基本的供求論點——結果就是會有更多的軟體工程師，而非 AI。
但我認為，未來市場會有變化……當你看具體的細節，比如誰在做工作的哪一部分，它會發生變化。
現在回答你的特定問題。我沒有盡可能地推動我的軟體工程師，對吧？我有大約 2000 名員工，我正在盡可能地推動他們使用更多的 AI 編碼助手，其中大約 70% 的人使用它，而剩下的 30% 拒絕使用它。因為 30% 中的一些人的編寫代碼效果是最好的。
我們并沒有因為使用 AI 而減少軟體工程師的招聘。我們的需求仍然比以前多。在銷售方面，也是一樣。我認為，可能很快就會發生用 AI 自動化替代銷售開發、客服、發郵件等領網域員工的事件。所以看看，我們的收件箱會發生什麼會很有趣，未來誰會閱讀這些收件箱。是人類還是其他人？
但在企業銷售方面，我認為不會有大的變化。為什麼？因為最終，你如何讓大銀行從你那裡購買 2000 萬、3000 萬美元的軟體，這是關于人際關系的事情——你必須去見 CEO，必須說服 CIO 這是好的技術，必須說服開發團隊它是安全的。這在很大程度上是關于人際關系。所以，這些工作實際上并沒有改變。
如果有什麼變化，那麼它會變得更加有價值。
問：AI 推理能夠在筆記型電腦等邊緣設備上完美運行，因此這引發了 OpenAI 的一些人所倡導的 LLM 作為下一個作業系統的想法，它将為許多 AI 設備提供動力。這也許是為什麼 Sam Altman 在和 Jony Ive 談論 AI 設備的原因。你怎麼看？
Ali Ghodsi：人們想要投入更多的 GPU，對吧？你知道，投入十億美元，投入數萬億美元，購買更大的模型。但你所構建的模型越大，服務它就越昂貴。而且它離邊緣越遠，比如你的可穿戴設備等。所以我認為遊戲的真正關鍵在于更小的模型，以及你能讓這些小模型變得多麼智能。
我認為整個領網域因為谷歌的一篇論文（DeepMind 的 "chinchilla paper"）走錯了方向，它基本上說這就是你需要投入的最佳金額來獲得一個模型。所以這意味着……我們已經投入了小模型的最佳金額，它并不那麼智能，所以它是一個相當愚蠢的模型，所以我們得轉向更大的模型。
現在很清楚……你可以讓小模型變得越來越智能。所以我認為，我們将看到令人驚嘆的小模型，它們完全可以在邊緣設備上運行，你甚至不需要專門的硬體來服務它，你不需要 GPU。因為大型語言模型是一場用戶界面革命。我們今天做的所有事情，我有手機，我在手機上打字，我點擊菜單……未來将消失。我們将開始通過說話與很多東西互動，就像我們現在這樣。
