随着OpenAI和Anthropic等主要参与者的资本大幅增加，生成式人工智能领域的资金在2023年急剧增加。报告显示，生成人工智能企业的资金将增加近八倍，到2023年飙升至252亿美元，2023年生成式人工智能占所有人工智能相关私人投资的四分之一以上。
去年的重大投资包括微软100亿美元的OpenAI交易、Cohere在2023年6月的2.7亿美元融资以及Mistral在12月的4.15亿美元融资等。然而，2023年企业在人工智能方面的支出将下降20%，至1892亿美元。
报告将这一下降归因于并购交易的减少，与上年相比下降了31.2%。尽管并购交易有所减少，但财富500强企业近80%的财报电话会议上都提到了人工智能。投资主要由美国企业主导，投资额达672亿美元，几乎是排名第二的中国（投资额78亿美元）的9倍。
报告发现，2023年中国和欧盟对人工智能的私人投资与2022年相比有所下降，而美国的支出则增长了22.1%。美国在人工智能方面的支出也对薪资产生了影响。调查发现，美国人工智能岗位的薪资明显高于其他国家。
例如，2023年美国硬件工程师的平均工资为140,000美元，而全球平均工资为86,000美元。云基础设施工程师的全球平均工资为105,000美元，而在美国，此类职位的工资为185,000美元
2023年吸引投资最多的领域是人工智能基础设施、研究和治理，投资额达183亿美元。报告称，这笔支出反映了包括OpenAI和Anthropic在内的大企业正在构建GPT-4Turbo和Claude3等大型应用。
支出第二高的领域是自然语言处理和客户支持，金额达81亿美元，因为企业希望采用解决方案，通过自动化联络中心等用例来增强工作流程。
美国是除面部识别之外所有人工智能技术领域支出最多的国家，中国位居榜首，支出1.3亿美元，而美国为9000万美元
在半导体支出方面，中国（6.3亿美元）与美国（7.9亿美元）相差无几。2020年全球硬件芯片短缺之后，全球各国政府一直在增加半导体支出，以支撑供应链。
基础模型成本增长
OpenAI等企业筹集了数百万美元的资金，这些企业也从训练新模型中赚取了巨额费用。2023年模型训练成本将会上升，对大型基础系统的投资是成本上升的主要因素。
高级AI模型的训练成本大幅上升。例如，OpenAI估计花费了7800万美元来训练其GPT-4模型，而谷歌的旗舰Gemini模型估计需要1.91亿美元。
相比之下，早期的模型要便宜得多：2017年发布的原始Transformer模型的训练成本约为900美元，而Facebook2019年推出的RoBERTaLarge系统的成本约为160,000美元。
模型开发者很少公布模型训练花费的数字。斯坦福大学与EpochAI合作对训练成本进行了估算。估算基于相关技术文档和新闻稿中的信息，包括训练时长、训练硬件的类型、质量和使用率的分析。
除了花费数百万美元进行训练外，过去一年训练的人工智能模型还使用了更多的训练计算。报告指出，谷歌2017年的Transformer模型需要大约7,400petaFLOP进行训练。七年后，GeminiUltra需要500亿petaFLOP。
由于运行成本过高，GeminiUltra等耗能系统越来越难以被学术界接受。
报告称，这种在领先AI模型中向行业主导地位增强的转变首次出现在去年的AI指数报告中。尽管今年差距略有缩小，但这种趋势基本保持不变。
谷歌是发布模型基础模型的企业，自2019年以来已发布了40个模型。OpenAI位居第二，发布了20个模型。发布AI模型最多的非西方机构是中国的清华大学，发布了7个模型。
2023年发布的大多数大型人工智能系统都来自美国，有109个。中国机构位居第二，但只有20个。报告指出，自2019年以来，美国一直是人工智能模型的最大生产国。报告中强调的一个发展趋势是，能够处理图像、视频和文本的多模式人工智能模型或系统的数量不断增加。
如今，我们看到更多模型能够跨领域发挥作用，模型可以接收文本并生成音频，或接收图像并生成描述。人工智能研究最令人兴奋的一个优势是将这些大型语言模型与机器人或自主代理相结合，这标志着机器人在现实世界中更有效地工作迈出了重要一步。
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。
