极客网·极客观察4月4日 有人说AI将淘汰很多工作者，真是这样吗？要搞清楚这个问题，可能不能只听先行者的“鼓吹”，还要看看投资回报率（ROI）。
2019年OpenAI CEO Sam Altman曾说：“我真的深信我在OpenAI所做的工作远比在Y Combinator所做的更耀眼，不只如此，比科技产业所做的也更加耀眼。”
他认为人类将会研发一套软件系统，无论从哪个方面看都比人类更智能、更有能力。为此他鼓吹：“AI会不断进化，比人类更强一些，没多久它就会比人类强100万倍甚至10亿倍。”
驱动AI前进的真正力量是金钱
驱动科技前进的真正力量不是代码和GPU，而是金钱。请记住：AI是昂贵的！
近年来科技天才们涌入AI产业，办企业，拉投资，不亦乐乎。斯坦福AI指数显示，2021年AI产业融资额达到940亿美元，比2020年增长一倍。在2021年AI融资交易中有15笔的规模达到或者超过5亿美元。
Altman与同行不得不极尽夸张之能事，因为开发AI需要大把的钞票。OpenAI的竞争对手谷歌、Facebook都是“印钞机”，它们不必鼓吹，自己能承担开支。
还记得当年科技界是如何鼓吹无人驾驶汽车的吗？2014年谷歌无人驾驶主管曾信誓旦旦地说，他确定11岁的儿子将来不需要驾照，因为无人驾驶5年就会出现。现在10年快过去了，无人驾驶仍然不成熟。
尽管如此，无数企业仍然前赴后继杀向战场，英特尔甚至预言到了2035年无人驾驶市场规模将达到8000亿美元。软银2010-2019年向无人驾驶投入了300亿美元，自2010年以来美国投入了845亿美元，中国506亿美元，欧盟107亿美元。
无人驾驶并没有完全失败，但从中我们找到一些规律：鼓吹者会说有一个庞大的革命性机遇出现，以刺激投资者。
回到AI，许多人赌定它能让机器取代人力（昂贵的白领工作者），与无人驾驶有异曲同工之妙。然而，AI是如此的昂贵，它的投资回报在哪里呢？
为什么AI如此昂贵？
纽约大学教授Meredith Broussard认为，只有大企业和超级富有的企业才玩得起AI。
首先是计算昂贵。多伦多大学市场营销教授Avi Goldfarb也说：“如果你想创办一家企业，自己开发大语言模型，自己计算，成本太高了。OpenAI是很贵的，要数以十亿计的美元。”租赁计算当然会便宜不少，但企业仍然要向AWS等企业支付昂贵费用。
其次是数据昂贵。训练模型需要海量数据，有时数据是现成的，有时不是。Common Crawl和LAION等数据可以免费使用，对于此类数据，成本主要来自数据清理和处理，成本变化很大，可能是几百美元，也可能是几百万美元。
Glean公司创始工程师Debarghya Das说，在美国，根据大语言模型论文做一些粗略的数学计算，如果用的是Facebook LLaMA，训练成本（不考虑迭代或者出错）大约是400万美元，如果是谷歌PaLM，大约2700万美元。
即使用的是免费数据，成本也不低。Hugging Face公司研究人员Sasha Luccioni说：“当你下载容量达到TB的数据，如果想过滤或者以某种特殊方式利用数据，比如用文本-图片模型处理（研究人会专注于某些数据子集，这样模型才会变得更好），整个过程相当棘手。”需要强大的计算力，需要大量专业人士。
再次，专业人才的聘请费用也很高。Debarghya Das在做上述估算成本时没有考虑人力成本。Sasha Luccioni指出：“机器学习专业人士的薪酬很高，因为要与谷歌及其它科技巨头争夺人才，有时一位专业人才可能要几百万美元。”2016年OpenAI最顶级的研究人员薪酬约为190万美元。
并且，训练模型、聘请专业人士的成本不是一次性的，是持续的。例如，如果开发的是客服聊天机器人，每周或者每几周就要优化。模型还要经受压力测试，确保它生成的答案不出错。正如Sasha Luccioni所解释：“最贵的成本来自持续性工作，必须持续测试模型，必须确保AI所做的和预期一样。”
最后，持续运转费用也不低。当一切准备妥当，模型向公众开放，每天要接受成千上万次询问，此时要确保模型可扩展、高度稳定，维护成本也很高，且需要专业人士来处理。
AI的回报在哪里？
从2019年开始美国药店连锁企业CVS Healthcare就向AI投资，在2021年CES上沃尔玛展示了可以取代客服的AI。不难看出，有许多企业想将“客服服务”自动化，它们认为客服部门并不能拓展业务，容易被机器取代。
当然，AI也在其它场所出现，比如GitHub的Copilot，它可以提升编程速度，AI可以编写许多样板代码，节省时间。有专业人士称，程序员有了AI辅助编程速度可以提升一倍。
看起来很美好，但麦肯锡却警告说，2022年年底AI的普及已经触及顶峰。自2017年以来普及率的确增加了一倍，但2019年之后就不再攀升了。AI聊天机器人彼时就已经火了一波。
对于许多人来说，所谓AI就是审查一下公司工作流程，看看哪些流程可以交给机器做，让流程实现自动化。Avi Goldfarb说：“回报是有限的，在AI帮助下将已经在做的事做得更好一些就算不错了，但成本却是高昂的，可能要投入几千万美元，几亿美元甚至几十亿美元。”
他认为，想让AI变成赚钱机器，最好是颠覆工作流程，然后用AI来替代。将工作流程打乱风险很大，可能会失败，如果成功回报则是巨大的。
比如医疗行业，如果整个行业围绕机器诊断重构，效率将会更高。Goldfarb认为，许多医生诊断能力很差，AI可能比不上最顶尖5%的医生，但它也许可能轻松超越最差的20%的医生。因此，AI对于不能轻松就诊的人来说极为实用。
金融行业也可能会被AI冲击。Brookings Institute研究人员Mark Muro认为，金融行业与模式识别高度相关，AI识别模式的能力很强。为了监控趋势，金融机构聘请大量数据库和数据工作者，他们想削减人员数量，AI可以取代初级员工，但高级金融工作仍是AI无法处理的。
因此，市场仍然看好OpenAI，今年它的营收可能会达到2亿美元，2024年冲至10亿美元。该公司估值已经达到200亿美元，比惠普企业（Hewlett Packard Enterprise）、Garmin、Cloudflare、Snap和H&M都要高。
小结：
总之，当前AI的应用更多只是优化业务，并非带来革命性变化。相比创业公司，大企业在利用AI方面有优势。想在AI领域赚钱，当前最好的办法不是开发AI，而是制造AI需要的芯片，建设数据中心，或者帮助别人开发AI。
从长远看AI到底有何用途？即使是从事AI工作的人也很迷茫。正因为如此，可能AI的蓬勃发展就像当初的互联网和手机一样，大家拼命将钱扔进与AI有关的一切项目中，然后期待最好的结果。（小刀）
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
