【新智元导读】Altman的7万亿美元计划一出，全球哗然。这个金额占全球GDP的10%，相当于2.5个微软、3.75个谷歌、4个英伟达、7个Meta，或者11.5个特斯拉。
昨天，Sam Altman筹资7万亿美元建芯片帝国的新闻一出，舆论哗然。
7万亿美元，是全球GDP的10%，大约是美国GDP的1/4，或者2/5个中国的GDP。
这个数字实在令人难以理解，除非OpenAI确信，自己的技术就从根本上重塑整个世界。否则，人工智能就是处于极大的泡沫之中。
7万亿美元，可以买到2.5个微软，3.75个谷歌，4个英伟达，7个Meta，11.5个特斯拉。
或者干脆把英伟达、英特尔、微软、谷歌整个打包买下来。
拿这个钱，Altman可以买下英伟达、AMD、台积电、博通、ASML、三星、英特尔、高通、Arm等公司，剩下的钱还能再打包个Meta，再带回家3000亿美元。
这个钱，基本是半导体生态的全部江山了。
美国的总国民产值，是23.36万亿；美国为二战的花费，是4万亿；而拿出3300亿美元，就可以在2030年解决全世界的饥饿难题。
难怪大家惊呼：Altman的野心之大简直前无古人，超乎想象！
对此，Altman表示，只是「混乱善良」罢了。
Altman要当全球霸主，推翻人类政权？
知友们也对Sam Altman的野心展开锐评：第四次工业革命之父，来割第二波韭菜了。
知友「深空」表示，如果报导没有曲解Altman的话，那他要么就是疯了，要么就是搞AI政变。
全球各国的GDP里，破万亿就能排到第18位了，如果真能筹到全球GDP总值1%的这笔钱，OpenAI就已经富可敌国。
这么大一笔钱投入到半导体行业中，单个国家根本无法消化，只能在全球铺开。
这种行为已经超出商业范畴，而是国家政治行为。而这笔钱如果由AI来控制，AI真是要推翻人类政权了。
来源：知友「深空」
或许，他是要当马斯克「第二」，在集成电路领域完成「移民火星」大计？
知友「九乡河龙牙」表示，可以看出，Altman也在像马斯克一样曲线救国，被董事会针对时求助中东资本。
然而，除非他的设想搞出人类目前芯片天花板1到2个挡，才能看到超额收益。
知友「PENG Bo」表示，美国现在的战略思想，就是把全世界的钱吸过来，如果这些钱都用来投AI项目，美国就可以锁死这些地域的AI发展。
好在，现在大家都知道本土AI公司的战略意义，DeepMind坚持在英国，Mistral坚持在法国。
可以看出，Altman在下一盘大棋，AI、核聚变、世界币都是配套设施，要重塑半导体AI算法的产业链。
来源：知友「超投必投」
知友「来自星星的我」表示，自己已经看穿了Altman的野心：他要做的，是把各个突破联系起来，重新安排这个世界。
如果真的有人掌控了AGI，那将改变人类命运共同体的生活方式。
算力就是未来的核武器，得算力者得天下。如今，全世界AI公司的算法、预料、软件都拼到了白热化阶段，算力就是杀手锏。
算力，是未来的核武器
事实上，Altman力图解决当前GPU短缺并改变半导体行业的格局，并不是什么新鲜事。
GPU早已成为硅谷AI领域的核心竞争力。
去年，英伟达价格高昂但依然一卡难求的高性能GPU H100，长期霸占着LLM领域的热门话题。
谷歌、亚马逊、Meta、OpenAI和微软，都在使用英伟达的GPU，可以说，英伟达垄断了目前的AI算力市场，并且直接手持定价权，因此收入飞涨。
H100变得如此昂贵，马斯克甚至大呼：GPU现在比drug还紧俏。
然而已经有报道称，英伟达H100将在2024年之前售罄。
至于OpenAI的GPU短缺有多严重呢？Altman已经被逼着呼吁：大家都先别用ChatGPT了！
我们的GPU非常短缺，使用我们产品的人越少越好。
如果人们用的越少，我们会很开心，因为我们没有足够的GPU。
Sam Altman表示，OpenAI已经严重受到GPU限制，因此不得不推迟了众多短期计划（微调、专用容量、32k上下文窗口、多模态）。
而GPU的短缺，也让许多用户抱怨API太慢了。
更严重的是，训练GPT-5需要5万块H100。
可以看出，Altman觉得与其花钱从英伟达买，不如干脆自己造。
早在去年12月，Altman就被曝出正在进行「芯片交易」，而这也疑似成为OpenAI宫斗的导火索。
当时有外媒曝出，OpenAI在2019与AI芯片初创公司Rain AI签订了一份价值5100万美元的意向书，会在Rain AI的芯片上市后购买芯片。
Rain AI正在研发一种「类脑」NPU芯片，能大幅降低AI算力的成本，预计将在12月流片，并于2024年10月开始供货。
值得注意的是，Sam Altman作为Rain AI的股东，本人也亲自斥资，投入了100万美元。
根据一位不愿意公开身份的人士透露，Sam Altman之前被OpenAI前董事会解雇，部分原因就是他的其他投资与OpenAI纠葛的关系。
除了OpenAI，各大科技公司也都已经开始布局。
最近，Meta CEO小扎再次表示，构建「通用人工智能」需要的首要条件是「世界级的计算基础设施」。
到今年年底，Meta将拥有约35万块H100，而如果包括其他GPU的话，总计将有等效60万块H100的计算能力。
不仅如此，Meta同时还在自研专用的AI芯片。其中，经过全新升级的第二代自研AI芯片Artemis，即将在今年正式投产。
无独有偶，微软也在去年11月发布了两款定制芯片——Azure Maia 100和Azure Cobalt 100。
其中，采用台积电5nm工艺并拥有1050亿个晶体管的Maia 100 GPU，在算力方面将能与英伟达（H100）和AMD（MI300X）一战，在网络IO方面遥遥领先，而在显存带宽方面则稍显落后。
此外，它还将支持微软首次实现的8位以下数据类型，即MX数据类型。在MXInt8格式下，Maia的算力可以达到1600 TFLOPS，在MXFP4格式下则为3200 TFLOPS。
同时，谷歌和亚马逊，也分别研发TPU和Trainium芯片多年。
但他们比起Sam Altman的宏大布局，显然还是小巫见大巫了。
NYU教授「六」大原因分析为什么必须反对
对此，纽约大学教授马库斯发文表示，当Sam Altman提出惊人的7万亿美元要求时，他似乎就已经到了事业巅峰之后，开始走下坡路的那一刻。
更进一步地，马库斯列出了「六」个理由来阐述为什么人们应该团结起来，向这位雄心勃勃的年轻CEO明确指出，世界不应该、也不会只围绕着他转：
- 能源气候
若将价值7万亿美元的AI基础设施发挥到极致，它将消耗掉海量的能源。而我们不应该自欺欺人，幻想所有这些能源都来自「可再生」资源。
有人在X上将GenAI的能源需求与德国整个国家的能耗相提并论。对此，马库斯认为，鉴于模型趋向于变得更大、训练成本更高，这个估计实际上可能还偏保守。
显然，消耗如此巨量的能源绝非小事。尤其是到目前为止，GenAI更多地呈现出的是潜力而非实际成果，还没有充分的理由证明它值得我们为此牺牲地球。
- 自然资源
根据《财富》杂志在2023年9月报道，AI工具使得微软的用水量激增34%；Meta的Llama 2模型的用水量据说是Llama 1的两倍；另一项2023年的研究发现，OpenAI的GPT-3在训练时消耗了700,000升水。
然而，OpenAI从未公开过GPT-4的相关数据，因此更加不敢想象GPT-5的数据会是怎样的。
- 经济资源
7万亿美元几乎是美国一年在教育上支出的10倍，是终结全球饥饿成本的21倍。
资金并非取之不尽，每一笔开支都伴随着机会成本。
虽然人们梦想着生成式AI能极大增加经济总量，但目前的情况是——由于运营成本极高，OpenAI至今尚未实现盈利。
况且，就凭一个人的承诺就把钱全给他，也有些过于儿戏了。
- 财务风险
一个耗资7万亿美元的项目，不可避免地会被看作是不容有失的巨无霸。任何形式的财政援助都可能轻易地引发全球经济的崩溃。
即便AI不像某些人担心的那样直接对我们构成威胁，7万亿美元项目的失败也可能导致一场比2007-2008年次贷危机还要严重的全球金融衰退。
- 人类知识
OpenAI声称，如果没有版权豁免，他们根本无法构建他们目前的项目，这将对艺术家、音乐家、作家及其他创作者造成巨大压力。
- 负面效应
OpenAI几乎没有承担任何相关成本，这包括虚假信息和误导信息的传播、网络犯罪，以及最近出现的假书骗局，后者在过去两个月里至少已对我所知的三位作者造成了伤害。
最近的一次来自知名音乐作家Ted Gioia，他昨天提到了一本以「Frank」 Gioia为名的假冒作品：
LLM让这类事情变得轻而易举，就已经够糟糕了；更加令人担忧的是，像OpenAI这样的公司似乎完全不介意将所有的社会成本转嫁给社会，就像那些过去不顾后果地排放有害化学物质的工厂一样。
而且，我们还必须面对一个事实：所谓的「对齐问题」（即AI的目标与人类利益的一致性问题），远远没有得到解决。
所需的自然资源将是天文数字
具体在资源方面，根据Hugging Face的气候领域负责人兼研究员Sasha Luccioni的分析，Altman的野心对环境的影响是确定无疑的。
她在接受VentureBeat采访时表示：「如果这个计划真的实施了，那么所需的自然资源量将是难以想象的。
即便是使用可再生能源（而这并非是必然的），所需的水资源和稀有矿产的量也是极其庞大的。」
OpenAI提供更多透明度的可能性不大
Luccioni表示，当前AI领域在环境影响的透明度方面存在不足，而且随着Altman启动新一轮筹资，这一状况短期内难以见改善。
对比谷歌的PaLM 1（2022年）及其继任者PaLM 2（2023年5月）可以发现，论文中提供的信息量显著减少。其中，首篇论文有足够的信息让外界可以对能耗进行估算。
「如今，这些公司连训练模型所需时间、使用的芯片数量都不再公开，信息披露几乎为零。」
Altman很忙：Vision Pro第二好，要用AI找外星人
这个周末，Sam Altman在X上各种语出惊人，甚至一度被网友怀疑是不是被盗号了。
【新智元导读】Altman的7万亿美元计划一出，全球哗然。这个金额占全球GDP的10%，相当于2.5个微软、3.75个谷歌、4个英伟达、7个Meta，或者11.5个特斯拉。
昨天，Sam Altman筹资7万亿美元建芯片帝国的新闻一出，舆论哗然。
7万亿美元，是全球GDP的10%，大约是美国GDP的1/4，或者2/5个中国的GDP。
这个数字实在令人难以理解，除非OpenAI确信，自己的技术就从根本上重塑整个世界。否则，人工智能就是处于极大的泡沫之中。
7万亿美元，可以买到2.5个微软，3.75个谷歌，4个英伟达，7个Meta，11.5个特斯拉。
或者干脆把英伟达、英特尔、微软、谷歌整个打包买下来。
拿这个钱，Altman可以买下英伟达、AMD、台积电、博通、ASML、三星、英特尔、高通、Arm等公司，剩下的钱还能再打包个Meta，再带回家3000亿美元。
这个钱，基本是半导体生态的全部江山了。
美国的总国民产值，是23.36万亿；美国为二战的花费，是4万亿；而拿出3300亿美元，就可以在2030年解决全世界的饥饿难题。
难怪大家惊呼：Altman的野心之大简直前无古人，超乎想象！
对此，Altman表示，只是「混乱善良」罢了。
Altman要当全球霸主，推翻人类政权？
知友们也对Sam Altman的野心展开锐评：第四次工业革命之父，来割第二波韭菜了。
知友「深空」表示，如果报导没有曲解Altman的话，那他要么就是疯了，要么就是搞AI政变。
全球各国的GDP里，破万亿就能排到第18位了，如果真能筹到全球GDP总值1%的这笔钱，OpenAI就已经富可敌国。
这么大一笔钱投入到半导体行业中，单个国家根本无法消化，只能在全球铺开。
这种行为已经超出商业范畴，而是国家政治行为。而这笔钱如果由AI来控制，AI真是要推翻人类政权了。
来源：知友「深空」
或许，他是要当马斯克「第二」，在集成电路领域完成「移民火星」大计？
知友「九乡河龙牙」表示，可以看出，Altman也在像马斯克一样曲线救国，被董事会针对时求助中东资本。
然而，除非他的设想搞出人类目前芯片天花板1到2个挡，才能看到超额收益。
知友「PENG Bo」表示，美国现在的战略思想，就是把全世界的钱吸过来，如果这些钱都用来投AI项目，美国就可以锁死这些地域的AI发展。
好在，现在大家都知道本土AI公司的战略意义，DeepMind坚持在英国，Mistral坚持在法国。
可以看出，Altman在下一盘大棋，AI、核聚变、世界币都是配套设施，要重塑半导体AI算法的产业链。
来源：知友「超投必投」
知友「来自星星的我」表示，自己已经看穿了Altman的野心：他要做的，是把各个突破联系起来，重新安排这个世界。
如果真的有人掌控了AGI，那将改变人类命运共同体的生活方式。
算力就是未来的核武器，得算力者得天下。如今，全世界AI公司的算法、预料、软件都拼到了白热化阶段，算力就是杀手锏。
算力，是未来的核武器
事实上，Altman力图解决当前GPU短缺并改变半导体行业的格局，并不是什么新鲜事。
GPU早已成为硅谷AI领域的核心竞争力。
去年，英伟达价格高昂但依然一卡难求的高性能GPU H100，长期霸占着LLM领域的热门话题。
谷歌、亚马逊、Meta、OpenAI和微软，都在使用英伟达的GPU，可以说，英伟达垄断了目前的AI算力市场，并且直接手持定价权，因此收入飞涨。
H100变得如此昂贵，马斯克甚至大呼：GPU现在比drug还紧俏。
然而已经有报道称，英伟达H100将在2024年之前售罄。
至于OpenAI的GPU短缺有多严重呢？Altman已经被逼着呼吁：大家都先别用ChatGPT了！
我们的GPU非常短缺，使用我们产品的人越少越好。
如果人们用的越少，我们会很开心，因为我们没有足够的GPU。
Sam Altman表示，OpenAI已经严重受到GPU限制，因此不得不推迟了众多短期计划（微调、专用容量、32k上下文窗口、多模态）。
而GPU的短缺，也让许多用户抱怨API太慢了。
更严重的是，训练GPT-5需要5万块H100。
可以看出，Altman觉得与其花钱从英伟达买，不如干脆自己造。
早在去年12月，Altman就被曝出正在进行「芯片交易」，而这也疑似成为OpenAI宫斗的导火索。
当时有外媒曝出，OpenAI在2019与AI芯片初创公司Rain AI签订了一份价值5100万美元的意向书，会在Rain AI的芯片上市后购买芯片。
Rain AI正在研发一种「类脑」NPU芯片，能大幅降低AI算力的成本，预计将在12月流片，并于2024年10月开始供货。
值得注意的是，Sam Altman作为Rain AI的股东，本人也亲自斥资，投入了100万美元。
根据一位不愿意公开身份的人士透露，Sam Altman之前被OpenAI前董事会解雇，部分原因就是他的其他投资与OpenAI纠葛的关系。
除了OpenAI，各大科技公司也都已经开始布局。
最近，Meta CEO小扎再次表示，构建「通用人工智能」需要的首要条件是「世界级的计算基础设施」。
到今年年底，Meta将拥有约35万块H100，而如果包括其他GPU的话，总计将有等效60万块H100的计算能力。
不仅如此，Meta同时还在自研专用的AI芯片。其中，经过全新升级的第二代自研AI芯片Artemis，即将在今年正式投产。
无独有偶，微软也在去年11月发布了两款定制芯片——Azure Maia 100和Azure Cobalt 100。
其中，采用台积电5nm工艺并拥有1050亿个晶体管的Maia 100 GPU，在算力方面将能与英伟达（H100）和AMD（MI300X）一战，在网络IO方面遥遥领先，而在显存带宽方面则稍显落后。
此外，它还将支持微软首次实现的8位以下数据类型，即MX数据类型。在MXInt8格式下，Maia的算力可以达到1600 TFLOPS，在MXFP4格式下则为3200 TFLOPS。
同时，谷歌和亚马逊，也分别研发TPU和Trainium芯片多年。
但他们比起Sam Altman的宏大布局，显然还是小巫见大巫了。
NYU教授「六」大原因分析为什么必须反对
对此，纽约大学教授马库斯发文表示，当Sam Altman提出惊人的7万亿美元要求时，他似乎就已经到了事业巅峰之后，开始走下坡路的那一刻。
更进一步地，马库斯列出了「六」个理由来阐述为什么人们应该团结起来，向这位雄心勃勃的年轻CEO明确指出，世界不应该、也不会只围绕着他转：
- 能源气候
若将价值7万亿美元的AI基础设施发挥到极致，它将消耗掉海量的能源。而我们不应该自欺欺人，幻想所有这些能源都来自「可再生」资源。
有人在X上将GenAI的能源需求与德国整个国家的能耗相提并论。对此，马库斯认为，鉴于模型趋向于变得更大、训练成本更高，这个估计实际上可能还偏保守。
显然，消耗如此巨量的能源绝非小事。尤其是到目前为止，GenAI更多地呈现出的是潜力而非实际成果，还没有充分的理由证明它值得我们为此牺牲地球。
- 自然资源
根据《财富》杂志在2023年9月报道，AI工具使得微软的用水量激增34%；Meta的Llama 2模型的用水量据说是Llama 1的两倍；另一项2023年的研究发现，OpenAI的GPT-3在训练时消耗了700,000升水。
然而，OpenAI从未公开过GPT-4的相关数据，因此更加不敢想象GPT-5的数据会是怎样的。
- 经济资源
7万亿美元几乎是美国一年在教育上支出的10倍，是终结全球饥饿成本的21倍。
资金并非取之不尽，每一笔开支都伴随着机会成本。
虽然人们梦想着生成式AI能极大增加经济总量，但目前的情况是——由于运营成本极高，OpenAI至今尚未实现盈利。
况且，就凭一个人的承诺就把钱全给他，也有些过于儿戏了。
- 财务风险
一个耗资7万亿美元的项目，不可避免地会被看作是不容有失的巨无霸。任何形式的财政援助都可能轻易地引发全球经济的崩溃。
即便AI不像某些人担心的那样直接对我们构成威胁，7万亿美元项目的失败也可能导致一场比2007-2008年次贷危机还要严重的全球金融衰退。
- 人类知识
OpenAI声称，如果没有版权豁免，他们根本无法构建他们目前的项目，这将对艺术家、音乐家、作家及其他创作者造成巨大压力。
- 负面效应
OpenAI几乎没有承担任何相关成本，这包括虚假信息和误导信息的传播、网络犯罪，以及最近出现的假书骗局，后者在过去两个月里至少已对我所知的三位作者造成了伤害。
最近的一次来自知名音乐作家Ted Gioia，他昨天提到了一本以「Frank」 Gioia为名的假冒作品：
LLM让这类事情变得轻而易举，就已经够糟糕了；更加令人担忧的是，像OpenAI这样的公司似乎完全不介意将所有的社会成本转嫁给社会，就像那些过去不顾后果地排放有害化学物质的工厂一样。
而且，我们还必须面对一个事实：所谓的「对齐问题」（即AI的目标与人类利益的一致性问题），远远没有得到解决。
所需的自然资源将是天文数字
具体在资源方面，根据Hugging Face的气候领域负责人兼研究员Sasha Luccioni的分析，Altman的野心对环境的影响是确定无疑的。
她在接受VentureBeat采访时表示：「如果这个计划真的实施了，那么所需的自然资源量将是难以想象的。
即便是使用可再生能源（而这并非是必然的），所需的水资源和稀有矿产的量也是极其庞大的。」
OpenAI提供更多透明度的可能性不大
Luccioni表示，当前AI领域在环境影响的透明度方面存在不足，而且随着Altman启动新一轮筹资，这一状况短期内难以见改善。
对比谷歌的PaLM 1（2022年）及其继任者PaLM 2（2023年5月）可以发现，论文中提供的信息量显著减少。其中，首篇论文有足够的信息让外界可以对能耗进行估算。
「如今，这些公司连训练模型所需时间、使用的芯片数量都不再公开，信息披露几乎为零。」
Altman很忙：Vision Pro第二好，要用AI找外星人
这个周末，Sam Altman在X上各种语出惊人，甚至一度被网友怀疑是不是被盗号了。