OpenAI執行長Sam Altman日前接受YT頻道專訪時，針對AI趨勢再度預言，AI模型變得更強大的同時，會更加經濟實惠、變得更便宜，同時，近兩年內AI發展迅速，不少科技粉也認為「AI摩爾定律（AI Moore’s Law）」確實存在，本文將帶您深入了解Sam Altman說了什麼，以及影響AI模型成本和價格的關鍵因素！
Sam Altman最新預言內容是什麼？
Sam Altman於上（4）月初接受YT頻道《20VC with Harry Stebbings》專訪時表示，因研發技術進步和模型優化兩項關鍵，AI的成本與價格未來有天將變得非常便宜，而相對AI價值會因技術改善持續上升。
他也深入說道，若AI成本大幅減少、變得更便宜，將讓更多的用戶，不論是個人還是企業，都能更加普及地使用AI功能，並應用到各種不同的場景和職場裡。
但他強調，如果全球未來沒有足夠的運算能力，像是GPU、CPU或數據中心基礎設施不足的話，相對就可能導致供需不平衡，進而讓成本飆升，因此他認為，有足夠的運算資源對AI發展是一大關鍵。
Sam Altman會這麼說，是因為GPT成本早已大幅減少
OpenAI先前曾指出，以GPT3.5-turbo模型的成本來說，每1000個詞元（token）的成本僅有0.002美元（約台幣0.065元），相較前一版本GPT3.5再降低了近90％。
GPT模型將帶頭引發價格戰？
上海技術交易所顧問John Zhang撰文指出，GPT模型成本得以大幅減少，和模型架構、高效率運算、GPU優化有極大關聯。
而因當前AI模型市場競爭已變得激烈，各家科技巨頭也紛紛推出產品，像是Google的LaMDA和PaLM，或是Meta的OPT，市場競爭激化的前提下，價格競爭也會隨之展開，John Zhang認為，如此便可能讓AI模型價格持續下滑。
成本、價格降低原因為何？
John Zhang總結指出，AI模型成本與價格將變得更低，和以下5個因素有關。
1. AI運算系統效能不斷提升，有利運算推理、數據分析處理。
2. GPU、TPU處理器可以加速AI模型訓練和推理過程。
3. 數據處理和緩存技術可以降低成本，且數據集也將變得更大、品質更好。
4. 預訓練模型（像是BERT）得以再協助訓練其他模型，有利減少時間和資源成本。
5. 採用運算分散模式，將整體訓練拆分為多項任務、在多台設備進行，也能大幅減少成本消耗。
話說回來，AI摩爾定律（AI Moore’s Law）是什麼？
原先的「摩爾定律」是由Intel創辦人Gordon Moore所提出，意旨積體電路上可容納的電晶體數目，約每隔2年便會增加一倍。
對此，John Zhang認為「AI摩爾定律」也是存在的，因為自2022年、AI發展趨勢崛起後，全球AI能力也在差不多的期間內翻倍成長。
