年亏损5亿刀，OpenAI 2024年破产？Altaman自曝GPU短缺，顶级人才掀离职潮
共 5010字，需浏览 11分钟
·
2023-08-14 15:18
新智元报道
新智元报道
【新智元导读】ChatGPT日烧70万美元，OpenAI即将陷入破产边缘？
诞生9个月，ChatGPT已经花费近2亿美元！
外媒Analytics称，OpenAI很可能到2024年破产。
OpenAI每天大约烧掉70万美元，仅用于维持ChatGPT的运作。这个费用还不包括GPT-4、DALL-E 2等其他AI产品。
要说OpenAI明年破产，事实并非如此，毕竟金主爸爸微软投了100亿美元。
但没有足够的收入来实现收支平衡，确是OpenAI面临的难题。
就连马库斯赶上这波热度表示，「我不认为这一预测考虑到了，随着时间推移软件变得更加高效的可能性，也没有考虑到微软可能会给OpenAI更多现金来换取更多的控制权。但这仍然令人警醒」。
用户基数下降12%
2022年11月，当红炸子鸡ChatGPT诞生，瞬间引爆全网。
仅仅一周，其用户数以最快的速度突破百万，创造了全新的历史记录。
紧接着，在OpenAI推出月Plus付费服务后，ChatGPT月活直接突破1亿，成为史上用户增长速度最快的消费级应用程序。
据Sensor Tower数ChatGPT据，TikTok达到1亿用户用了9个月，Ins则花了2年半的时间。
然而，到了6月，ChatGPT自上线以来访问量首次出现下降。人们纷纷质疑，AI热潮是否熄火。
根据Similarweb的统计显示，6月份ChatGPT网站的全球流量下降了9.7%，访问者在网站上花费的时间也下降了8.5%。
另外，7月与6月数据相比，用户基数下降了12%，从17亿用户降至15亿用户。
请注意，这些数据仅显示访问ChatGPT的用户，并未计入使用OpenAI API的用户。
除了面向用户的应用，OpenAI的API也是问题的一部分。
过去，许多最初鼓励员工不要使用ChatGPT的公司，现在正在购买OpenAI的API访问权限，并创建自己的AI聊天机器人，用于各种不同的工作流程。
然而，OpenAI模型再强大，也抵不过「开源模型」的明显优势。
Meta在3月份初次开源大模型LLaMA，各种开源平替模型瞬间被释放，斯坦福Alpaca，UC伯克利Vicuna等等。
到了7月，Meta又联手微软升级了第二代Llama 2，并允许免费和商用。
这对许多开发者来说，不仅可以免费使用，还可以进行定制，针对特定场景再去微调模型。
在这种情况下，只有少数人会选择OpenAI的付费专有和受限版本，而大多数人都倾向于更加适应和免费使用的Llama 2。
风光OpenAI？
2019年3月11日，OpenAI一纸公告，宣布从今重组架构，开启盈利模式。
然而，这与首席执行官Sam Altman的想法恰恰相反。Altman个人并不会优先考虑利润，但OpenAI作为一家公司却有需要这么做。
就拿2019年诞生的GPT-3来说，其训练费用高达1200万美元。
前端时间，一篇文章还透露了，GPT-4大约在10000-25000张A100上进行了训练，而要等到GPT-5的面世，还需要5万张H100。
以上种种，都需要OpenAI投入巨额的资金，才能让GPT模型变得更加强大和聪明。
然而，Sam Altman却多次公开声明，如果政府不对AI进行监管，将带来灾难性的后果。
事实上，Altman一直非常强调需要制定关于AI开发的准则。他曾预测，以目前发展的趋势来看，AI将会夺走数百万个工作岗位。
即便如此，一些技术专家甚至会认为，Altman完全是自相矛盾——现在的他对自己创造的怪物感到有些后悔。
尽管如此，OpenAI一直在寻找新的，甚至更好的方法来让GPT-4实现盈利。
然而，理想丰满，现实骨感。
ChatGPT每天「燃烧」70万美元
就拿过去的2022年来说，公司预计实现3600万美元的总收入。
但这一年，开发ChatGPT就已经花掉5.4亿美元，就算盈利这么多，那也亏损5亿美元。
在ChatGPT推出几个月后，Altman曾公开承认经营AI公司和ChatGPT的成本非常高，因此选择了对其进行商业化。
目前，运营ChatGPT每天耗资约70万美元，这笔巨款由微软和其他投资者来支付。
然而，持续的费用和OpenAI无法迅速产生足够的收入，如果OpenAI不能扭转局面，将会陷入困境。
报道称，OpenAI在2023年预计实现2亿美元的年收入，并在2024年达到10亿美元的目标。
现在看来，这完全是盈利天花板。
在微软投资100亿美元之前，OpenAI成立7年通过几轮融资，已经拿到了40亿美元巨款。
微软以及其他一些风险资本公司的投资，是OpenAI目前能够继续运营下去的主要原因。
人才流失，离职潮起
此外，顶尖人才流失，给OpenAI带来了巨大危机。
要知道，在生成式AI暴雷的当下，各大科技公司人才争夺也更加激烈。
谷歌、微软等科技巨头早已在AI领域布局多年，有着丰富的研发经验和科研团队。
2016年，OpenAI共有6名员工。截止到今年1月，数据信息服务网站Growjo统计，公司已经有655名员工，每位员工平均年收入约13.5万美元。
虽然ChatGPT走红全网后，为公司吸引了大批优秀人才。今年早些时候，The Platformer的一份报告称，有超过12名谷歌员工加入OpenAI。
就比如，著名AI研究员Jacob Devlin在1月离开谷歌加入OpenAI。短短几个月，他再次宣布重返谷歌。
另外，信任和安全主管Dave Willner近来也离职OpenAI。
据统计，OpenAI的51位研究员，已有16人离职，比例高达1/3。这16人中，有8位选择自主创业，并挖走了3位其他部门的同事。
而ChatGPT研发团队中，目前也有4人已经离职。
对于大批人员流失，直接暴露了OpenAI爆炸式增长引发的一系列管理问题。
最主要的原因是，员工对公司开发ChatGPT的计划迟迟没有下文，而感到失望。对于许多人来说，以及习惯了OpenAI快速创新的步伐。
而有趣的是，还有人对Sam Altman不务正业感到不满。许多员工称，他对很多话题只有肤浅的了解，几乎不关心日常业务。
另外，再加上Google DeepMind首席执行官Demis Hassabis宣布其下一个算法Gemini将打败ChatGPT，被外界认为也是OpenAI员工离职的一个因素。
如果OpenAI选择进行首次公开募股（IPO），可能会被一家大型科技公司或企业集团收购。
这将为其现有投资者提供一个很好的退出策略。
然而，一些问题可能会在IPO中造成阻碍，这反过来可能不会带来太大的价值。
GPU短缺
更进一步复杂化的问题是，企业级GPU的持续短缺。
生成式AI爆发仍旧没有放缓，对算力提出了更高的要求。一些初创公司都在使用英伟达昂贵、且性能极高的H100来训练模型。
马斯克还谈到，在这一点上，GPU比药物更难获得。
Sam Altman表示，OpenAI受到GPU的限制，推迟了我们的短期计划（微调、专用容量、32k上下文窗口、多模态）。
甚至，因为GPU的短缺，Altman都不希望有很多人使用ChatGPT。
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。
OpenAI的许多用户都在抱怨API的可靠性和速度，对此Sam Altman解释道，主要还是GPU太缺了。
虽然Altman口口声声地说，我们没有训练GPT-5，但近来GPT-5商标申请，已经向外界透露了，OpenAI继续训练模型的意图。
OpenAI可能需要50000个H100来训练GPT-5。报道称，英伟达最好的芯片H100，将在2024年之前就会售罄。
如果市场上GPU跟不上，将会阻碍OpenAI提升和训练新模型的能力。
持续的亏损，用户基数的缩减，无法实现大额营收，甚至GPT-4输出质量降低等综合因素，愈加凸显了OpenAI面临着严重困境。
对于OpenAI自身来说，急需找到实现盈利的方法。
微软：我会负责赚钱的
不过，虽然OpenAI不怎么赚钱，但金主爸爸微软早就在想尽一切办法要把他们搞出来的成果变现了。
2021年11月，微软首次推出Azure OpenAI服务，让用户可以非常便利地使用大规模生成式AI模型。
比如，利用Azure OpenAI上搭载的DALL-E 2，用户只需在提示栏中不断明确自己的要求，模型就会生成越来越符合用户要求的图像。
除此之外，微软当时就已经实现了让用户在Azure OpenAI上使用自己的数据对模型进行微调。
2022年11月，随着ChatGPT的爆火，微软再次官宣称，将会在Azure中正式整合进ChatGPT。
根据纳德拉的发言，微软的目的是使云计算平台Azure成为「任何人以及所有思考人工智能的人想要去的地方」，包括企业和终端用户。
2023年7月，微软在MicroSoft Inspire活动中表示，集成了GPT-4的Office全家桶即将向全体用户推出，定价30刀一个月。
借助Office Copilot，我们只需通过自然语言命令，便可以搞定原本需要花费很长时间的才能完成的办公任务。
比如，一份Word，一句话，就能瞬间得到设计好的PPT。
然而，ChatGPT泄露机密知识产权的风险，却让不少有意「氪金」的客户望而却步。
虽然用户总是能找到变通方法，但这也限制了ChatGPT的强大功能，降低了员工的生产力和工作体验。
为了解决这一问题，微软最近推出了一种基于Azure加速器的全新解决方案——既提供了类似于ChatGPT的用户体验，而且又是完全私有化的。
项目地址：https://github.com/microsoft/azurechatgpt
优势包括：
1. 私密性：内置数据隐私保障，并与由OpenAI运营的数据完全隔离。
2. 可控性：可以被完全隔离在内网中，并内置了其他企业级安全控制。
3. 价值：通过内部数据源（即插即用）或使用插件与内部服务集成（例如ServiceNow等），为业务带来价值。
