英伟达10亿美元投资创业公司，AI创业难度大但机会还在？

一场AI革命，OpenAI一跃成为全球知名公司，估值超过1500亿美元。然而，如果我们讨论AI时代哪家公司是最大的受益者，NVIDIA无疑是唯一的答案。

根据财务报告数据，NVIDIA在2024年第三财季的收入高达350.82亿美元，同比增长93.61%，归母净利润为193.09亿美元，同比增长108.90%，其中数据中心业务收入为308亿美元，同比增长112%，公司市值超过微软，位居世界第二。

AI企业与NVIDIA属于相互成就，前者需要后者提供GPU或专业AI计算卡，用于大型实践和推理，用户需求帮助NVIDIA创收，利润创下新高。正是这样，NVIDIA还知道，AI公司需要支付一定的费用来培养客户群。

根据英国《金融时报》的报道，在过去的2024年，NVIDIA已经参与了50多轮融资和多笔交易，向AI初创企业投入了约10亿美元，比2023年的8.72亿美元增加了约15%。按照这一趋势，NVIDIA将在2025年投资更多的AI初创企业。

除NVIDIA外，国内外互联网公司在投资其他AI公司的同时，也增加了AI领域的投资，同时建立了自己的AI团队。对小型AI公司来说，有机会获得大型企业的投资无疑是个好消息，基于这种情况，2024年无数公司疯狂涌入AI行业。

天眼查数据显示，2024年国内新增AI相关企业超过50万家。但是在AI技术日益完善的今天，进入AI行业真的有机会吗？

“钱”字当头，AI创业难以进入。

AI大模型的黑盒特性使其解释性和可调性较弱。理解语义、数学逻辑和推理语义的能力，以及可能出现的AI“幻觉”，都是困扰开发者的技术问题。培养一个完美可用的大模型，需要招聘大量的技术人才来解决各种问题。然而，行业竞争促使企业挖墙角，吸引人工智能人才的成本飙升。

例如，不久前，小米CEO雷军亲自将参与DeepSeek-V2模型开发的罗福莉挖到了小米。网上甚至有报道称，小米已经向罗福莉支付了几千万的年薪。谣言可能有些夸张，但罗福莉的年薪可能至少是7位数。

除了人才，GPU计算率也是AI公司心中的一项重要任务。以小米为例。日前，界面新闻爆料称，小米正在打造万卡计算率集群。百度集团执行副总裁、百度智能云业务集团总裁沈抖曾表示，一个16000个GPU集群的采购成本高达数十亿元，更不用说建设、运营和维护成本了。

万卡集群只是开始。如果你想建立一个顶级的AI，你需要购买更多的GPU或专业的AI计算卡。民生证券计算机首席分析师吕伟表示，根据ChatGPT的6亿月活数据，训练任务大约需要12万个A100，推理任务大约需要35万个A100。

为了满足未来AI大模型的实践和推理需要，OpenAI CEO山姆·奥特曼甚至提出了7亿美元重塑全球半导体产业的计划。计算集群的投入堪称无底洞，最终需要多少才够，现在任何一家AI公司都无法说出准确的数字。要知道，在1984年上映的电影《终结者》中，自我意识的天网系统被唤醒，计算率只有每秒60万亿次的浮点运算，不如一个RTX。 4090。

招聘人才和建立计算集群的成本可能很高，但总是可以承受的。更严重的问题是训练大模型的数据不够。GPT-5，原定于2024年下半年推出，至今未能完成训练，主要原因之一是数据不足。OpenAI被迫招聘工程师、数学家和科学家编写数据来训练大模型，以解决数据不足的问题。

AI模型的参数越多，性能上限越高，但参数需要大量的数据训练。OpenAI几乎耗尽了网上公开的论文、新闻信息和社交平台上的帖子来训练GPT-4和GPT-5，甚至引起了诉讼，被加拿大新闻社、加拿大广播公司、Torstar、全球邮报等媒体起诉。

并不是说数据已经完全耗尽，而是剩下的数据还没有公开，基本都在各大公司内部，AI公司很难获得。山姆·奥特曼直言，未来培训一个大型模型的成本可能会超过10亿美元。

人才、计算率、数据三大成本都在前面，即使是互联网巨头也倍感压力，更不用说涌入AI行业的初创企业了。

然而，并不是没有低成本训练大模型的方法。小米以高薪招募罗福莉，很可能是为了罗福莉的身份。——DeepSeek-参与V2开发的参与者。

DeepSeek取得了巨大的成功，降低成本并非不可能。

最近，AI行业最热门的消息无疑是DeepSeek-V3模型的到来，训练费用低至557.6万美元，大约只有GPT-4的二十分之一，估计不到GPT-5的一半。经小雷实测，DeepSeek-在文字生成、数学推理等方面，V3的感觉并不逊色于豆包、文心一言、Kimi等国内知名AI应用。

DeepSeek全新大模型的成功，将一条信息传达给其他AI公司——培训大模型的成本可能不会很高。但是，有舍必有得，低成本训练出来的大模型，存在着一些难以解决的问题。

DeepSeek的诀窍在于有三个方面，它可以以极低的成本训练出一些与豆包、Kimi相媲美的场景体验，首先来自MLA架构和MoE架构，前者采用双头潜在注意力机制，可以提取邻近层的特性并进行压缩，从而降低计算量，降低大模型训练所需的成本；后者是一个拥有6710亿参数的专家混合架构，但每次只激活370亿参数，减少了对计算资源的需求。

二是FP8混合精度训练框架，在尽可能不影响模型性能的前提下，以降低精度和压缩键值为代价，大大节省了显存和计算资源，可以提高训练速度，降低训练成本。

三是模型蒸馏，一般来说，大型模型应该使用大量的数据进行练习。蒸馏技术选择有效的数据，将训练好的模型作为“教师”进行训练，从而降低成本。DeepSeek之所以在开源模型领域享有如此高的声誉，并将DeepSeek-V3打造成目前最强的开源模型，无疑是关键因素。

虽然这些技术降低了成本，但它们以牺牲精度为代价，尤其是蒸馏技术，存在一个极其严重的缺点，那就是“学生模型”的能力不能超过“教师”模型。南洋理工大学计算机研究人员王汉卿表示，追求极致的AI公司不会过多选择蒸馏技术来训练AI。他认识的一线研究人员基本上没有人从事模型蒸馏。

事实上，大多数AI公司都在使用其它AI产出的数据来训练大模型，但是，如果过分依赖数据蒸馏，就会出现生成数据误差、失去多样性等问题，甚至可能产生无意义的答案。DeepSeek-V3上线后，就出现了自称是ChatGPT回答客户问题的情况。

山姆·奥特曼亲自回应说，复制开拓者的东西相对容易。做新的、危险的、困难的事情是困难的。敢于挑战困难的研究人员自然会获得更多的荣誉，这是世界上最酷的事情。虽然没有说清楚，但山姆·奥特曼已经在讽刺DeepSeek-V3抄袭，未来蒸馏技术也将面临侵权问题。

不管怎样，DeepSeek-V3的成功，都为其它AI公司和考虑进入市场的公司指出了一条新的道路，通过降低精度、压缩内容、蒸馏模型，可以训练出优秀的AI模型，而无需数亿美元的高成本。

AI产业，依然是“野心家”的天堂

在过去的十年里，世界上最成功的两家新兴企业应该是新能源汽车和AI模型，未来人形机器人将有机会进入这个序列。新能源汽车产业的发展历程将在AI产业复兴。初期参与的公司很多，但技术水平和管理能力差的公司会在大浪淘沙后逐渐被淘汰。

AI行业正处于从快速发展到成熟的中级发展阶段，任何企业仍然有机会成长为巨头。只是这些机会能否很好地利用，取决于AI公司的技术实力、管理水平和战略思维。

目前AI行业仍然可以进入市场，但是只适合两类公司，一种是财力雄厚，向行业巅峰发展的企业。这类企业将承担起引领行业发展的责任，不断开拓进取，将AI的能力推向高峰。

投资约100亿美元但未能生产出新能源汽车苹果和亏损1100亿美元的恒驰，表明任何新兴行业都有很多风险，如果你没有更多的钱，你就不会成功。AI行业也是如此，投入和产出可能不成正比。但是风险和机遇总是并存的，做到了极致的企业未来才能赚大钱。

另一类公司旨在“足够”，不追求功能特征达到极致。通过降低精度和蒸馏技术，他们可以以更低的成本创建一个体验良好的大模型。DeepSeek-V3培训费用只有557.6万美元，能负担得起的创业公司不在少数。

对雄心勃勃但实力不足的企业家或企业家来说，已经不适合现在的AI行业。虽然有NVIDIA、微软等巨头投资于创业公司，但与顶级AI模型相比，这笔钱的开发工作相当于九牛一毛。AI产业仍然是野心家的天堂，只是门槛比以前高了一点，进入市场需要更加谨慎。

这篇文章来自“雷科技”，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com