生成式AI大模型商业化落地的急迫形势，促使各路玩家更加追求投入产出比。
微软将在下个月（11月14日）的年度技术大会上，正式推出自己的首款AI芯片。
这款专门为AI研发设计的芯片，在功能上与英伟达的GPU芯片（H100）类似，都是专为训练、运行大语言模型的数据中心服务器而设计的。
目前微软的数据中心服务器中使用的正是英伟达的GPU芯片。微软推出这款AI芯片的目的，就在于尽早摆脱对英伟达GPU的依赖性。
因为英伟达GPU高昂的价格，已让微软难以承担。按照投入产出比（ROI）来计算，微软的生成式AI产品已出现严重亏损。
随着微软这款AI芯片的正式发布，也会把自己与OpenAI之间的竞争，由以前的遮遮掩掩、犹抱琵琶半遮面，彻底公开化，变得更为正面和直接。
GitHub Copilot是微软的第一款生成式AI产品（于2022年推出），可以帮助开发者编写、调优、转换程序代码。由于大大缩短了开发者的编程时间，现在已经拥有超过150万的用户，其中有约一半的用户直接就在Copilot上编程。
微软向每位个人用户每月收取10美元的费用，企业版本则是每个账户每月20美元。GitHub Copilot为微软带来的年收入已经超过了1亿美元。
但生成式AI大模型的高成本，即便让年收入超过2000亿美元的微软，承担起来都颇为艰难。来自150万用户每人每月10美元的Copilot服务费，难以支撑Copilot运行的高成本。
有知情人士透露，在今年年初，微软Copilot平均每位用户每月带来的亏损超过20美元，有的用户甚至造成了最高达到80美元的亏损。
造成亏损的原因是高成本，而造成高成本的一个关键因素就是英伟达的GPU芯片。
通常，像微软这样的AI巨头都通过数据中心训练、运行各自的大模型，并在云端向用户交付（订阅付费）AI产品。OpenAI的ChatGPT也是在微软的Azure云上训练、运行并交付。
而无论是微软还是OpenAI都一致认为，在大模型的训练与运行中，如果完全依赖英伟达的GPU芯片，所带来的成本“高得令人望而却步”。
因为要做专门的AI运算，这些数据中心里的服务器大多装配的是英伟达的GPU芯片，8张这样的GPU，价格在20万美元左右。OpenAI的ChatGPT就是因为依靠这些昂贵的英伟达芯片，在今年年初时每天的运营成本高达约70万美元。
如果把自己的AI大模型都部署在Bing、Office 365、GitHub这些产品中，微软需要投入高达数百亿美元的硬件基础设施成本，其中AI芯片占大比例。
为了“弥补”这种投入与产出之间的差距，包括微软在内的各路AI玩家使尽浑身解数。微软、谷歌都谋划着如何提高AI产品的定价，Zoom推出简化版本的AI产品，Adobe公司则通过限制每月用户量、根据用户的实际使用情况再具体收费。
自研芯片、提高定价……这些不是办法的办法背后，是AI商业化期望度过高，但商业化模式至今仍模糊不清的现实窘境。
现在的生成式AI商业化，并不能套用曾帮助过谷歌、亚马逊、Facebook在各自领取占据独有优势的规模化网络效应，并不是用的人越多，成本就越低。
生成式AI产品的每一次使用，几乎都需要单独调用一次产品背后的复杂计算。用户越多、使用的越多，支持这些计算背后的硬件基础设施成本费用就越高，而固定费用（率）的服务费自然难以把这些抵消高成本。
英伟达“咄咄逼人”
每一个言必称拥有AI大模型的公司CEO，也在无时无刻都在抱怨无法获得足够多的英伟达GPU芯片。这些芯片被优先部署在英伟达大客户微软、亚马逊、谷歌的数据中心服务器上。
OpenAI的ChatGPT引发的生成式AI浪潮，让各家大小公司对GPU芯片的需求陡增，从而把英伟达推向了前所未有的高度——除了与客户已达成了价值数百亿美元的新订单，英伟达的市值超过1万亿美元。
坊间甚至有人说，英伟达这个淘金浪潮中卖铲子的人，现在却想要“铲平”淘金者。
英伟达曾要求租用自己的云服务商大客户数据中心里部署GPU芯片的服务器，转手再给到大客户的竞争对手去使用——微软、谷歌、甲骨文已同意了这个“不平等提议”，亚马逊AWS没有同意。
此外，在把自己的芯片“恩赐”给初创云服务公司时，英伟达也曾要求这些初创云服务公司把自己的云客户“介绍”给英伟达认识。
英伟达此举意在顺着“GPU芯片—服务器—数据中心—云端”这个路径，去触达更多的企业级用户，与之建立更紧密的客户关系，最终是为了销售自己的AI相关软件。这些软件有的是专门用于帮助企业客户管理开发大型数据集，与微软的类似产品形成了直接竞争。
目前，使用英伟达AI软件来构建大模型的公司已经有Adobe、Getty Images、Shutterstock。
在英伟达最新的季度财报中，这家咄咄逼人的公司称，向那些涉及到开发AI或VR应用的公司销售软件，可能会带来3000亿美元的潜在营收。
除了这种软件“批发”模式，英伟达也还做“私人定制”。通过（合作伙伴、自己的）云端为一些业务专业性比较强的客户公司，提供根据业务定制的生成式预训练模型（GPT），这类客户中包括生物制药公司Amgen、保险公司CCC Intelligence Solutions。
英伟达对微软的威胁，不仅仅是眼皮底下卧榻之侧的高成本芯片，更有关系到将来业务增长的AI商业化营收。
生成式AI竞争下半场
在市场研究公司Gartner今年9月初发布的“2023年新兴技术成熟度曲线”中，生成式AI目前正处于期望膨胀期，“其发展前景还存在很大的不确定性。”Gartner研究副总裁Melissa Davis如此判断。
在业内人士看来，类似OpenAI、Anthropic这类生成式AI初创公司的高估值上涨，正反映了市场对AI的期望高度膨胀。预测未来企业会对生成式AI投入的成本进行更严格考量，在2024年，企业对生成式AI的投资可能会减少。
推出了GPT-4的OpenAI在9月底与外部投资者讨论股票出售时，将自己的估值界定在800亿~900亿美元之间，是今年年初的三倍。
OpenAI的最直接竞争对手Anthropic在获得亚马逊40亿美元的投资后，计划以200亿~300亿美元的估值，再从谷歌和其他投资人融资20亿美元。在今年3月份，其估值还仅为40亿美元。
事实上，Anthropic是从OpenAI“衍生出来”的。2019年，OpenAI进行了组织架构调整，在已有的架构内成立了一家“有限盈利公司”，把营业利润目标置于技术研究之上，从而导致了一批研究人员出走后创立了Anthropic。
然而，“殊途同归”，两家公司在今年对投资方报出高估值的充分理由，都是对自己的商业化营收信心。
Anthropic预计到今年年底自己的收入会达到2亿美元。而作为先行者的OpenAI已开始真正赚钱了。
GPT-4发布后，OpenAI现在的年化收入为10亿美元，而在发布ChatGPT（2022年11月份）的前一年，这个数字只有2800万美元。
微软AI商业化产品的高额亏损、OpenAI与Anthropic对营收增长的高度预期，以及英伟达借势加紧拓展自己的商业边界，在这些表面的底层其实是AI大模型竞争格局的变化。
由之前“芯片—算法—训练数据”三位一体上，各个生产投入（生产工具、生产资料）层面的拼蛮力、大力出奇迹，变成如今AI大模型商业化落地的急迫形势，促使各路玩家更加追求投入产出比，即芯片功效比、模型算法优化，以及产品商业化应用时的10亿级用户量。
对于“十亿级用户量”，先发优势也许能起到关键作用。
虽然OpenAI在首次推出ChatGPT后的两个月内，就吸引了1亿用户，但微软、谷歌、亚马逊已经在在线办公、搜索、购物的垂直领域中早早就积累了10亿级用户量。高估值的OpenAI与Anthropic还要再加一把劲。
