每經(jīng)記者 文巧    每經(jīng)編輯 蘭素英    

圖片來源：視覺中國

5月以來，國內(nèi)大模型打響了“價(jià)格戰(zhàn)”。從每百萬個(gè)Token只要1塊錢，到只要8毛錢、5毛錢……國內(nèi)大廠如字節(jié)跳動(dòng)、阿里、百度、智譜AI、科大訊飛等不斷接力，有廠商甚至直接打出了“免費(fèi)”的口號(hào)，震驚整個(gè)科技圈子。

實(shí)際上，硅谷也在上演著類似的情形。《每日經(jīng)濟(jì)新聞》記者注意到，硅谷大模型的價(jià)格也出現(xiàn)了下降趨勢(shì)。

API價(jià)格戰(zhàn)首先在OpenAI和谷歌這對(duì)“老對(duì)手”之間展開，不過幅度相對(duì)較小。其中，OpenAI的GPT-4o調(diào)用API的價(jià)格比GPT-4-turbo降低了一半，為5美元/百萬Tokens，谷歌Gemini 1.5 Flash的價(jià)格降到了0.35美元/百萬Tokens。

到底是什么在左右API“價(jià)格戰(zhàn)”？在降價(jià)之外，有媒體指出，加快模型推理速度（即每秒生成Token的數(shù)量）也是硅谷大模型市場(chǎng)的主要競(jìng)爭(zhēng)點(diǎn)。但“卷”價(jià)格、“卷”速度真的會(huì)贏得未來嗎？

硅谷在“拼”什么？

5月中旬，字節(jié)跳動(dòng)豆包以0.0008元/千Tokens的價(jià)格直接將國內(nèi)大模型的市場(chǎng)價(jià)格帶入“厘時(shí)代”。隨即，大模型廠商便開始了價(jià)格上的角力。百度甚至直接祭出“文心大模型兩大主力模型全面免費(fèi)”的大招，直接將“價(jià)格戰(zhàn)”推向新的高度?？拼笥嶏w、騰訊等也“坐不住”了，要么降價(jià)，要么免費(fèi)。

短短數(shù)天，國內(nèi)大模型企業(yè)的混戰(zhàn)便從“低價(jià)”走向了“免費(fèi)”。而在硅谷，類似的情形其實(shí)也在上演。

《每日經(jīng)濟(jì)新聞》記者注意到，實(shí)際上，降低API價(jià)格和推升AI推理速度也已逐漸成為硅谷各大模型提供商的競(jìng)爭(zhēng)焦點(diǎn)。

API價(jià)格戰(zhàn)首先是在OpenAI和谷歌這對(duì)“老對(duì)手”之間展開的。當(dāng)?shù)貢r(shí)間5月13日，OpenAI發(fā)布全新模型GPT-4o，該模型支持免費(fèi)試用，據(jù)傳未來將供用戶免費(fèi)試用。此外，調(diào)用GPT-4o API的價(jià)格比GPT-4-turbo降低了一半，為5美元/百萬Tokens。

在第二天的谷歌全球開發(fā)者大會(huì)上，谷歌宣布當(dāng)家王牌Gemini大模型系列之一Gemini 1.5 Flash 的API價(jià)格為0.35美元/百萬Tokens，遠(yuǎn)低于GPT-4o的價(jià)格。

比GPT-4o更具性價(jià)比的還有硅谷當(dāng)紅AI初創(chuàng)公司Anthropic和Mistral AI模型的API價(jià)格。 

圖片來源：每經(jīng)制圖

除了“拼”模型調(diào)用價(jià)格，有媒體指出，硅谷AI芯片公司正以加快模型推理速度——即每秒生成Token的數(shù)量——以吸引客戶。例如，美國芯片廠商Groq公司專注于提高每秒生成Token的數(shù)量，以此作為其主要的市場(chǎng)競(jìng)爭(zhēng)點(diǎn)。

據(jù)科技外媒Medium今年4月的報(bào)道，Groq最新的AI芯片在Meta的開源模型LLaMA 3上達(dá)到了驚人的每秒生成800個(gè)token，并稱這“標(biāo)志著AI推理效率和能力的巨大轉(zhuǎn)變”。截至目前，英偉達(dá)一直主導(dǎo)著AI芯片市場(chǎng)。該報(bào)道分析認(rèn)為，Groq的最新成就可能將對(duì)英偉達(dá)的統(tǒng)治地位構(gòu)成嚴(yán)峻挑戰(zhàn)。

根據(jù)Groq的數(shù)據(jù)，許多開源模型據(jù)稱在Groq芯片上的運(yùn)行速度都得到提升，例如，Mixtral8×7B版本每秒輸出500個(gè)Token；Llama 2 70B版本每秒輸出300個(gè)Token。

《每日經(jīng)濟(jì)新聞》記者查詢數(shù)據(jù)發(fā)現(xiàn)，當(dāng)前配備英偉達(dá)芯片處理的硅谷熱門大模型推理速度遠(yuǎn)低于此。例如，GPT-4 Turbo每秒生成約48個(gè)token，GPT-4為每秒約10個(gè)token；谷歌的Gemini 1.5 Pro約為每秒54.2個(gè)token。 

圖片來源：每經(jīng)制圖

API“價(jià)格戰(zhàn)”背后：模型性能差距正在減小

硅谷為何也會(huì)面臨大模型的API“價(jià)格戰(zhàn)”問題？這主要是跟模型的性能有關(guān)。

上個(gè)月，紐約大學(xué)知名教授Gary Marcus發(fā)表了一篇名為《證據(jù)表明LLM正達(dá)到收益遞減點(diǎn)》的文章，駁斥了賓夕法尼亞大學(xué)沃頓商學(xué)院教授Ethan Mollick的一個(gè)觀點(diǎn)，后者聲稱目前對(duì)大型語言模型改進(jìn)率的最佳估計(jì)顯示，能力每5~14個(gè)月翻一番。

Gary Marcus認(rèn)為，從某些指標(biāo)來看，在2020~2023年間，大模型的能力的確遵照上述定律翻了一番，但在過去13個(gè)月里這種情況并未發(fā)生。“相反，我看到許多跡象表明我們已經(jīng)進(jìn)入了收益遞減期。”他這樣寫道。

若以MMLU（一種常見的大模型基準(zhǔn)指標(biāo)）為基準(zhǔn)，可以看到，從GPT-2到GPT3再到GPT-4呈現(xiàn)了飛躍式的遞增，但GPT-4到今年4月發(fā)布的GPT-4 Turbo的能力改進(jìn)并不明顯。

圖片來源：《證據(jù)表明LLM正達(dá)到收益遞減點(diǎn)》

其次，自GPT-4發(fā)布以來，硅谷各大模型的能力正在趨同。LiquidAI的機(jī)器學(xué)習(xí)科學(xué)家Maxime Labonne在X平臺(tái)上表示，表現(xiàn)最好的閉源模型（GPT-4級(jí)別）和開源模型在性能上的差距正在越來越小。

圖片來源：X平臺(tái)

與此同時(shí)，隨著企業(yè)對(duì)定制化大模型的需求越來越高，硅谷科技公司正在推出一系列小模型，例如微軟在4月推出了名為Phi-3 Mini的輕量級(jí)模型。The Information分析稱，像Phi這類小型模型的激增可能會(huì)削弱OpenAI的主導(dǎo)地位。

據(jù)The Information，微軟產(chǎn)品團(tuán)隊(duì)已經(jīng)將內(nèi)置的GPT-4換成開源模型，以在Bing等產(chǎn)品中執(zhí)行更基本的任務(wù)。而最初為 OpenAI大模型支付高價(jià)的一些公司，近期開始轉(zhuǎn)向包括開源模型在內(nèi)的更便宜的競(jìng)爭(zhēng)對(duì)手。

隨著GPT-4之后模型能力的趨同，以及更多開源模型和小模型的出現(xiàn)，競(jìng)爭(zhēng)加劇之下，高價(jià)大模型的降價(jià)似乎是一種必然。

“卷”價(jià)格、“卷”速度并非終點(diǎn)

然而，一味“卷”價(jià)格會(huì)有未來嗎？

眾所周知，算力成本是開發(fā)大模型無法繞過的難點(diǎn)之一。根據(jù)斯坦福大學(xué)HAI研究所今年發(fā)布的AI報(bào)告，訓(xùn)練巨型模型的成本呈指數(shù)級(jí)增長，谷歌Gemini Ultra的訓(xùn)練成本估計(jì)為1.91億美元，GPT-4的訓(xùn)練成本估計(jì)為7800萬美元。

據(jù)報(bào)道，Anthropic的CEO此前曾表示，目前正在訓(xùn)練的模型成本已接近10億美元，到2025年和2026年，將飆升至50億或100億美元。

科技巨頭已經(jīng)在硅谷大模型領(lǐng)域建立牢固的立足點(diǎn)，前沿基礎(chǔ)模型市場(chǎng)呈現(xiàn)出強(qiáng)烈的市場(chǎng)集中化趨勢(shì)。分析認(rèn)為，價(jià)格戰(zhàn)持續(xù)下去，公司利潤勢(shì)必被擠壓，財(cái)力雄厚的科技巨頭尚有基礎(chǔ)，但初創(chuàng)公司則可能面臨風(fēng)險(xiǎn)。

對(duì)于大模型公司來說，提升模型性能才是贏得競(jìng)爭(zhēng)的最終手段。正如Gary Marcus所講，如果收益遞減的趨勢(shì)持續(xù)，低級(jí)錯(cuò)誤無法修正，大模型可能永遠(yuǎn)無法到達(dá)黃金時(shí)段。

另一方面，對(duì)于芯片廠商來說，“卷”每秒生成Token的數(shù)量仍然更多只是一種噱頭，縮短第一個(gè)Token生成的時(shí)間或?qū)⒊蔀橄乱粋€(gè)新的競(jìng)爭(zhēng)點(diǎn)。

盡管Medium分析認(rèn)為，每秒生成Token數(shù)量的提高等同于推理能力的上升，但硅谷AI公司SambaNova在5月初發(fā)表的一篇博客文章中表示，當(dāng)涉及到一些較為復(fù)雜和繁重的長文本任務(wù)時(shí)，每秒生成Token數(shù)量并非最重要的指標(biāo)，也不能全面反映大模型的推理性能。而相對(duì)地，第一個(gè)Token生成的時(shí)間才更加重要。

這篇文章直白地指出，對(duì)每秒高Token數(shù)量的追求可能是一種“炒作”。盡管其確實(shí)可以實(shí)現(xiàn)令人印象深刻的解碼速度，但存在芯片利用率低，第一個(gè)Token生成速度較慢，難以處理較長的文本輸入等重大缺點(diǎn)。