报告显示2023年生成式AI融资达到252亿美元
鞭牛士报道，4月23日消息，据外电报道，斯坦福大学的一份新报告显示，随着 OpenAI 和 Anthropic 等主要参与者的资本大幅增加，2023 年生成式 AI 领域的投资大幅增长。
斯坦福大学2024 年人工智能指数显示，生成型人工智能公司的资金增长了近八倍，到 2023 年飙升至 252 亿美元。
报告发现，到 2023 年，生成式人工智能占所有人工智能相关私人投资的四分之一以上。
图片来源：斯坦福大学 HAI
去年的主要投资包括微软100 亿美元的 OpenAI 交易、Cohere在 2023 年 6 月融资 2.7 亿美元、Mistral在 12 月融资 4.15 亿美元等。
然而，斯坦福大学的报告指出，2023 年企业在人工智能方面的支出下降了 20%，至 1892 亿美元。
该报告将这一下降归因于并购减少，比上年下降了31.2%。尽管有所下降，但财富 500 强公司的财报电话会议中，近 80% 都提到了人工智能。
投资以美国公司为主，投资额为 672 亿美元，几乎是第二大支出国中国（78 亿美元）投资额的九倍。
图片来源：斯坦福大学 HAI
报告发现，与 2022 年相比，2023 年中国和欧盟对人工智能的私人投资有所下降，而美国的支出则增长了 22.1%。
美国的人工智能支出也对工资产生影响。斯坦福大学的报告引用了Stack Overflow 调查的数据，该调查发现美国人工智能岗位的薪资明显高于其他国家。
例如，2023 年美国硬件工程师的平均工资为 140,000 美元，而全球为 86,000 美元。云基础设施工程师的全球平均薪资为 105,000 美元，而美国这一职位的平均薪资为 185,000 美元
2023 年吸引最多投资的领域是人工智能基础设施、研究和治理，投资额为 183 亿美元。斯坦福大学的报告指出，这笔支出反映了包括 OpenAI 和 Anthropic 在内的大公司正在构建 GPT-4 Turbo 和 Claude 3 等大规模应用程序。
第二高支出领域是自然语言处理和客户支持，支出为 81 亿美元，因为企业希望采用解决方案，通过自动化联络中心等用例来增强工作流程。
美国是除面部识别之外的所有人工智能技术类别中最大的支出国，中国位居榜首，支出为 1.3 亿美元，而美国为 9,000 万美元
就半导体支出而言，斯坦福大学发现中国（6.3 亿美元）与美国（7.9 亿美元）相差不远。继 2020 年全球硬件芯片短缺之后，全球各国政府一直在增加半导体支出，以支撑供应链。
斯坦福大学的报告指出，随着 OpenAI 等公司筹集了数百万美元的资金，这些公司也通过培训新模型获得了巨额资金。
2023 年模型训练成本上升，斯坦福大学的研究人员表示，对大型基础系统的投资是这一增长背后的主导因素。
AI Index 报告称，高级 AI 模型的训练成本大幅上升。例如，OpenAI 估计花费了 7800 万美元来训练其 GPT-4 模型，而谷歌的旗舰 Gemini 模型则估计需要 1.91 亿美元。
图片来源：斯坦福大学 HAI
相比之下，早期的模型要便宜得多：2017 年发布的原始 Transformer 模型的训练成本约为 900 美元，而 Facebook 从 2019 年开始的 RoBERTa Large 系统的成本约为 16 万美元。
模型开发者很少公布模型训练支出的数据。斯坦福大学与Epoch AI合作对培训成本进行了估算。该估算基于相关技术文件和新闻稿中的信息，包括对培训持续时间以及培训硬件的类型、质量和利用率的分析。
除了花费数百万美元进行训练之外，去年训练的人工智能模型还使用了更多的训练计算。该报告指出，谷歌 2017 年的 Transformer 模型需要大约 7,400 petaFLOP 进行训练。七年后，Gemini Ultra 需要 500 亿千万亿次浮点运算。
图片来源：斯坦福大学 HAI
斯坦福大学警告说，由于运行成本高昂，学术界越来越难以接触到像 Gemini Ultra 这样的耗电系统。
去年的人工智能指数报告首次强调了领先人工智能模型的行业主导地位的转变。尽管今年差距略有缩小，但这一趋势基本上持续存在。
谷歌是发布模型基础模型的公司，自 2019 年以来发布了 40 个模型。OpenAI 以 20 个模型排名第二。发布 AI 模型最多的非西方机构是中国的清华大学，有 7 个模型。
2023 年发布的大型人工智能系统大部分来自美国，有 109 个。中国机构位居第二，但只管理了 20 个。斯坦福大学的报告指出，自 2019 年以来，美国一直是人工智能模型的最大生产国。
报告中强调的一个增长趋势是，能够处理图像、视频以及文本的多模式人工智能模型或系统的数量不断增加。
斯坦福 HAI 研究项目主任 Vanessa Parli 表示：今年，我们看到更多能够跨领域执行的模型。模型可以接收文本并生成音频，或者接收图像并生成描述。我发现最令人兴奋的人工智能研究的一个优势是将这些大型语言模型与机器人或自主代理相结合，这标志着机器人更有效工作的重要一步在现实世界。