摘要
只能是巨头的游戏。 作者｜ 宇航猿 编辑｜ 靖宇 关于 AI 烧钱，业内流传着各种令人瞠目结舌的数字。xAI 花了超过 10 亿美元建起 Colossus 超算集群；OpenAI 的月度算力账单据称高达数亿美元；Anthropic 最近几轮融资拿到的钱，在公众眼里几乎已经和「GPU 时数」直接画上了等号。 大家谈的，几乎都是算力。GPU 成了衡量一家 AI 公司实力的通用货币，也是每一篇融资报道里最显眼的那个数字。 但最近，我听了一期 Latent Space 播客，采访对象是 xAI 前研究员 Ethan He——Ethan 在 2025 年中加入 xAI 时，面对的是一个没有基础设施、没有数据、没有现成模型的白纸状态，然后用三个月时间和一支小团队，从零搭建出了 Grok Imagine 视频生成系统，做到了当时业内的一流水准。 在聊到大规模视频模型的训练成本时，他说了一组数字，让我突然意识到，这个行业可能一直在算错了账。 「 光是存储这些视频和特征数据，每个月就要几百万美元——这还没算算力成本 。」 01 账单上的隐藏成本 从零到一，开始训练一个视频大模型，需要花多少钱？先假设你的团队有矿，GPU 算力随便用。即便如此，你可能依然低估了这件事的巨量成本。 假设你要训练一个世界级的视频生成模型，去网上爬取了 10 亿条视频，每条平均 5MB——这已经是相当保守的估计了。光这一项，你就需要 5PB（拍字节）的存储空间。按照 AWS S3 的定价，5PB 标准存储，每个月大约 10 万美元。 但这还只是原始视频。 在训练视频模型之前，业界通行的做法是先用 VAE（变分自编码器）把视频压缩成「潜在空间」的特征向量——因为一段视频展开成像素，可能有几十亿个 token，任何 Transformer 都处理不了，必须先压缩成模型能理解的连续向量。 问题是，这份压缩后的特征数据，体积和原始视频相当，同样需要长期存储，随时备用。 两项叠加，数十 PB， 每月存储费就超过 20 万美元 。 然后是最出乎意料的那一项：数据进出费（egress/ingress）。 Ethan 说， 从互联网下载 10 亿条视频的带宽费用，在 AWS 上比存储这些视频还贵 。每次训练，数据都要从存储层拉到计算层跑一遍。