微軟削減數據中心計劃，提高價格以讓用戶承擔人工智能成本
在經歷了一年將生成式人工智能融入其旗艦產品的過程後，微軟目前正試圖通過提高價格、在產品中插入廣告以及取消數據中心租約來彌補成本。谷歌也在採取類似措施，為其工作區服務增加不可避免的人工智能功能，同時提高價格。
那麼，對生成式人工智能的投資潮是否終於要轉變了呢？情況並不那麼簡單。科技公司仍然全力以赴投入這項新技術，但卻在尋找讓用戶為其付費的方式上遇到困難。
成本轉移
上週，微軟毫不客氣地撤回了部分計劃中的數據中心租約。此舉是在該公司將其旗艦的365軟件訂閱價格提高至最高45%之後，以及悄悄推出了一個支持廣告的產品版本之後。
微軟首席執行官薩提亞·納德拉（Satya Nadella）最近也表示，人工智能目前尚未產生太多價值。
在當前的人工智能熱潮中，微軟的行動看似有些奇怪，尤其是在像OpenAI宣布其5000億美元的星門數據中心項目這樣的燦爛宣佈之中。但是，如果我們仔細觀察，微軟的決策並不表明其對人工智能的退縮。相反，我們看到的是一種策略上的變化，旨在通過以不明顯的方式將成本轉移到消費者身上來實現人工智能的盈利。
生成式人工智能的成本
生成式人工智能的成本是相當高昂的。作為市場領導者，OpenAI擁有約4億活躍用戶，但其虧損嚴重。去年，OpenAI的收入達到37億美元，但支出卻接近90億美元，淨虧損約50億美元。
OpenAI首席執行官山姆·奧特曼（Sam Altman）表示，該公司在每月200美元的ChatGPT Pro訂閱上也在虧損。微軟是OpenAI最大的投資者，並且目前為該公司提供雲計算服務，因此OpenAI的支出對微軟來說也是一筆成本。
那麼，生成式人工智能為什麼這麼昂貴呢？除了人力成本之外，人工智能模型的運行主要有兩個費用：訓練（建立模型）和推理（使用模型）。訓練是一筆（通常是很大）的一次性開支，而推理的成本則隨著用戶基數的增長而增加。模型越大，運行成本就越高。
更小、更便宜的替代方案
在OpenAI最先進的模型上進行一次查詢的計算成本可能高達1000美元。奧特曼在一月表示，即使是該公司的200美元每月訂閱也無法盈利。這表明，該公司不僅在免費模型的使用上虧損，訂閱模型也是如此。
訓練和推理通常都在數據中心進行。成本高昂的原因在於運行所需的芯片價格不菲，電力、冷卻和硬件的折舊成本也同樣高昂。
到目前為止，許多人工智能的進展都是通過使用更多的資源來實現的。OpenAI將其最新的升級描述為“巨型、昂貴的模型”。然而，現在有很多跡象表明，這種不惜一切代價的擴張方式可能並不必要。
中國公司DeepSeek在今年早些時候引起轟動，因為它宣稱以極低的訓練成本建立了與OpenAI的旗艦產品相媲美的模型。同樣，來自西雅圖艾倫人工智能研究所（Ai2）和斯坦福大學的研究人員聲稱，他們以僅50美元的成本訓練出了一個模型。
簡而言之，科技巨頭所開發和提供的人工智能系統可能並不盈利。建造和運行數據中心的成本是主要原因之一。
微軟在做什麼？
在向生成式人工智能投入數十億美元之後，微軟正在尋找一個能使這項技術盈利的商業模式。
在過去的一年裡，這家科技巨頭將Copilot生成式人工智能聊天機器人整合進其面向消費者和企業的產品中。現在，訂閱者無法再購買任何不包含Copilot的Microsoft 365訂閱，這導致訂閱者面臨顯著的價格上漲。
正如我們所見，運行生成式人工智能模型的數據中心的成本高昂。因此，微軟可能在尋找方法，讓更多的工作在用戶自己的設備上進行——用戶需要負擔硬件和運行成本。
微軟表示，Copilot的出現將“賦能人們參與人工智能的轉型”。這一策略的一個明顯線索是，微軟去年開始在其設備上放置了一個小按鈕。在QWERTY鍵盤的寶貴空間中，微軟為其能夠進行設備端AI處理的PC和筆記本電腦專門設置了一個Copilot鍵。
蘋果也在推行類似的策略。這家iPhone製造商並未在雲端提供其大多數人工智能服務。相反，只有新設備才提供AI功能，設備端處理被宣傳為一種隱私功能，防止用戶數據傳輸到其他地方。
將成本推向邊緣
將生成式人工智能推理工作轉移到我們口袋、桌面甚至手腕上的智能手錶等計算設備上（即所謂的“邊緣計算”，因為這發生在網絡的“邊緣”）是有好處的。這可以減少數據中心的能源、資源和浪費，降低生成式人工智能的碳排放、熱量和水足跡。它還可以減少帶寬需求，增強用戶隱私。
但也有缺點。邊緣計算將計算成本轉移給消費者，即使在經濟和環境方面的考量下，對新設備的需求仍會上升。隨著更新、更大的生成式人工智能模型的出現，這一情況可能會加劇。
轉向更多“設備端”人工智能計算可能會帶來更多電子廢物的問題。分散的電子廢物使得回收變得更加困難。此外，如果一個設備決定了你的人工智能能力，那麼用戶的競爭環境就不會公平，尤其是在教育環境中。
雖然邊緣計算看似更加“去中心化”，但如果只有少數幾家公司控制這一轉型，去中心化的情況可能並不如表面上看起來那麼開放。
隨著人工智能基礎設施成本的上升和模型開發的演變，將成本轉嫁給消費者成為人工智能公司的吸引策略。雖然大企業如政府部門和大學可能能夠承擔這些成本，但許多小企業和個人消費者將面臨挑戰。
—
對於微軟目前的策略，我認為這不僅僅是商業考量，更是對未來科技發展的一種前瞻性思考。隨著技術的進步，消費者的負擔是否會變得過重？而這樣的成本轉移是否會使得市場的競爭環境變得不公平？這些都是值得我們深思的問題。未來，企業如何在盈利和社會責任之間找到平衡，將成為一個重要的議題。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
