人工智能（AI）的發展正以驚人的速度推進，但隨之而來的是訓練成本的急劇上升。根據 Anthropic 公司首席執行官 Dario Amodei 的最新預測，到 2027 年，訓練頂級 AI 模型的成本可能高達 1000 億美元。這一預測引發了業界對 AI 發展可持續性的廣泛討論，同時也促使各公司積極尋求解決方案。

Amodei 在接受 CNBC 採訪時表示，目前開發一個 AI 模型的成本約為 1 億美元。他預計，明年開發的模型成本將達到約 10 億美元，到 2025 年或 2026 年可能達到 50 億至 100 億美元。這一預測基於所謂的「擴展定律」，即隨著計算能力和數據量的增加，AI 系統的性能呈指數級提升。

史丹福大學 2024 年人工智能指數報告也印證了這一趨勢。該報告顯示，OpenAI 的 GPT-4 模型在 2023 年的訓練成本估計為 7835 萬美元，而 Google 的 Gemini Ultra 模型更是高達 1.914 億美元。這些數字與早期 AI 模型的訓練成本形成鮮明對比，例如 2017 年開發的 Transformer 模型，其訓練成本僅為 930 美元。

面對這一挑戰，業界正在積極尋求解決方案。NVIDIA 近期推出了一個名為「AI 基礎設施和運營基礎」的自學課程，旨在幫助企業專業人士掌握 AI 和加速計算的基礎設施和運營方面的知識。這表明，提高 AI 基礎設施的運營效率可能是降低成本的一個重要途徑。

此外，一些專家建議採用精益 AI 軟件開發模式來降低成本。這包括優先考慮高價值功能，開發最小可行產品（MVP），並從那裡開始構建。使用預訓練模型也被認為是一個重要的省錢策略。例如，使用 TensorFlow Hub 或 OpenAI 的 GPT 等預訓練模型可以顯著減少訓練時間，從而降低成本。

雲計算也被視為一個潛在的解決方案。Strong Analytics 的聯合創始人 Brock Ferguson 指出，大多數公司傾向於在雲端進行機器學習計算工作。然而，他建議公司應該密切關注混合方法或完全遷移到本地系統何時開始變得更有意義。

儘管如此，AI 訓練成本的下降趨勢也值得注意。根據 ARK Invest 2023 年的報告，AI 相對計算單元（RCU）的生產成本預計每年將下降 57%，到 2030 年 AI 訓練成本將減少 70%。這表明，隨著技術的進步，AI 訓練成本可能會在長期內顯著下降。

面對這些挑戰和機遇，業界專家呼籲企業和政策制定者需要認真考慮 AI 發展的社會影響，並為可能的變革做好準備。這包括投資於 AI 安全研究、制定相關政策法規，以及在國家和企業層面加強合作，以確保 AI 的發展既能推動創新，又能維護公共利益。