前脚刚刚呼吁暂停AI开发至少6个月，后脚马上“暗中”购买上万个GPU推进AIGC项目，“整活王”马斯克又搞事情了。

据Business Insider当地时间4月11日报道，两位知情人士透露，尽管马斯克此前刚刚签署公开信。但事实上，他却在“暗中”推进新的生成式人工智能（AIGC）项目，并为此购买了上万个GPU（图形处理器）。

(资料图片仅供参考)

据Business Insider消息，这1万显卡是买给推特的，推特版GPT已在准备中，而且推特本身就拥有海量数据，存在一定优势，该项目涉及创建一个生成式人工智能，推特将根据自己的海量数据进行训练。

至于推特GPT究竟作用在何处，市场人士有两种猜测：

其一，改进搜索。

因为马斯克曾抱怨过这一功能，甚至还聘请过著名iPhone黑客George Hotz进行为期三个月的修复。不过似乎他和马斯克的“气场不和”，不仅曾经拒绝了特斯拉的offer邀请，在推特本来说好的三个月，也只呆了一个月就走了。

其二，可能是广告营销。

广告是社交媒体的支柱，马斯克在收购推特之后搞了很多新政策，不少广告商直接削减支出或干脆不合作了，导致光是推特去年12月的收入就比同期下降了约40%。

而如果有了大模型来做生成式AI创作，无论是设计素材还是提供idea，都可能会提高推特在广告营销方面的效率和收益。

马斯克与OpenAI的爱恨情仇

今年3月，在GPT-3.5迭代到GPT-4，两个月就获得1亿活跃用户后，马斯克等科技圈大佬带头泼下冷水，他们发布了一封联名公开信，呼吁所有AI实验室立即暂停训练比GPT-4更强大的AI系统至少6个月。

而一众大佬的叫停理由是：“希望暂停研发比GPT-4更强大的AI至少6个月，AI可能对社会和人类构成潜在风险；近期各人工智能实验室陷入了失控的研发竞争，如果不能立即暂停，呼吁政府可以介入。

现在问题就来了，前脚刚刚呼吁暂停研发，后脚自己马上就动手搞了，为什么马斯克态度如此反复？

据媒体报道，实际上，马斯克反对的可能不是AI，而是OpenAI和GPT。

据新兴媒体Semafor透露，马斯克与OpenAI的不和更多是出于个人原因。2018年，马斯克告诉OpenAI的联合创始人山姆·奥特曼，该实验室落后于谷歌太多。马斯克建议自己应该是经营公司的人，奥特曼和OpenAI的其他创始人拒绝了这一提议，权力斗争导致马斯克离开OpenAI。

不过美国《财富》杂志当时报道称，离开的原因是因为马斯克虽然支持人工智能，但特斯拉智能驾驶技术与OpenAI之间有“潜在利益冲突”。

在公司创立之初，马斯克承诺向OpenA提供大约10亿美元，而据Semafor的报道，该资助在他离开后就停止了。

此外，自ChatGPT诞生以来，马斯克也没少"针对"OpenAI。

例如其在推特上曾表示，“我捐1亿美金成立的非营利组织怎么就变成一个300亿市值的营利性公司了呢？如果这是合法的，为什么其他人不这样做？”

此外，在过去OpenAI是可以使用推特数据进行AI训练的，但ChatGPT发布的第5天，马斯克就下令暂停了这个权限。

算力需求将持续爆发

吃瓜归吃瓜，最后我们重点再来聊一下算力的问题。

此次马斯克购买的1万张GPU大概是个什么概念？事实上，特斯拉最强超算Dojo也没有这么多，Dojo在2022年升级后公布的数据是7360块A100，虽然这次买的什么型号还不清楚，但光从数量来说也着实不少。

另外，据ARKInvest预测，ChatGPT-4参数量最高达15000亿个，由于参数量与算力需求间存在正比关系，所以可推算GPT-4算力需求最高达到31271 PFlop/s-day。

浙商证券表示，与此同时，国内外厂商加速布局大模型，其参数量均达到千亿级别，同步带动算力需求爆发式增长。

华安证券还提到，类chatGPT大模型带来的算力增长，毋庸置疑，但算力的需求，不止局限于模型的投资初期，随着GPTAPI的开放、下游应用多模态的成熟，对于的大模型的推理算力需求进一步提升。即在模型不断更迭训练中，算力需求提升；在模型应用推理中，算力需求进一步提升。由此，整个算力需求一如互联网时期的流量需求，持续爆发。

其表示，整个大模型的算力需求包括训练端与推理端。具体来看：首先是训练端：算力需求，与模型参数、训练数据集规模正相关。

其表示，未来的训练端算力需求将是下述三大因素的乘积。

1)参数规模。也即随着GPT 3向更多参数的GPT4、5等发展。

2)训练集规模。

3)投入大模型的企业增长。国内包括华为、百度、阿里巴巴、腾讯、字节等互联网巨头以及更多加入大模型研发的企业。

而在推理端：算力需求与模型参数数量、平均序列长度、并发需求量正相关。其表示，多模态之下，图片、视频生成需求的提升，在公式中将会增加平均序列长度，同时随着并发需求的增长，整个推理算力需求大幅提升。同时chatgpt应用进一步丰富，在推理端的算力需求持续提升，或将远远超过训练阶段的算力需求。