金選·核心觀點
行業(yè)觀點
2023年3月1日，OpenAI宣布開發(fā)者可通過API將ChatGPT和Wisper模型集成到他們的應用程序和產品中。本次ChatGPT API接入的模型名為GPT-3.5-turbo，只需0.2美分/千 Tokens。本文嘗試測算訓練和不同推理場景之下的實際成本；未來隨著模型壓縮的持續(xù)發(fā)展，推理成本可能進一步降低，也有望大幅推動生成式模型在各個場景的大規(guī)模商用。我們的成本估算思路是：計算AI模型在進行訓練與推理時所需的浮點運算次數，與AI算力集群的平均算力 (以每秒浮點運算次數計) 做比，以此估算AI模型的訓練成本與推理成本。
在通用大模型訓練方面，經測算，使用云計算時ChatGPT的訓練成本約為170萬美元，若自建AI算力中心進行模型訓練，訓練成本有望降至約51萬美元；在大模型推理方面，使用云計算時的ChatGPT每處理1,000Tokens信息需花費約0.177美分，自建AI算力中心有望將成本降至0.053美分。
不同應用場景中AI模型面臨的任務復雜度有所不同，我們考慮模型緩存命中率、計算集群閑置率、模型壓縮等因素，綜合估算各典型場景下模型的推理成本：1）搜索引擎場景中，以新版Bing為例，完成一次搜索的成本約為1.73美分；2）辦公軟件融合ChatGPT后可支持文字生成、文字修改等功能，完成一次用戶需求的成本約為1.70美分；3）AI客服作為對話場景應用，有望率先實現B端落地。經測算，AI客服場景解決一次用戶需求的成本約為0.08美分。
未來隨著模型壓縮技術的持續(xù)發(fā)展，推理成本可能進一步降低，也有望大幅推動生成式模型在各個場景的大規(guī)模商用。
投資邏輯
我們認為有海外場景的公司有可能率先與GPT-3.5-turbo進行對接，建議關注福昕軟件、萬興科技等海外營收占比較高的應用公司。
風險提示
海外基礎軟硬件使用受限；應用落地不及預期；行業(yè)競爭加劇風險。
