名家筆陣：生成式AI激鬥 硬件商得益

作為投資者，生成式AI是一個新行業，目前難以準確把握投資機會。但因其可見的重要性，故參考了不少資料，嘗試解答兩個目前最重要的問題，分別是競爭門檻在哪裏，和目前甚麼公司可從中得益？

生成式AI行業可簡單分為上中下游3個部分。中游是生成式AI神經網絡模型的持有者，他們負責建立和訓練模型，例如OpenAI等。上游為基建持有者，大致可分為硬件圖形處理器（GPU）供應商和雲端平台公司。雲端平台公司會向硬件商購買GPU，再用此來建立給神經網絡使用的系統。像大部分雲公司，收費由用量決定。

下游為面向終端客戶的公司，他們會從模型持有者獲得數據，再用來創造服務用家的軟件和應用程式（App），例如能幫助寫程式的GitHub CoPilot。這3類分工只是一個大概，有些圖像生成公司如Midjourney，同時包含中游和下游業務。

雖然有不少人認為，知識產權可能是最重要的競爭門檻，但目前有不少開源的「大語言模型」可供使用，加上不少AI專家都會要求僱主准許他們在專業期刊上發表研究報告，所以大家互相學習的氣氛非常濃厚。事實上，就算是ChatGPT的核心結構，都是建基於其競爭對手在2017發表的Transformer模型。ChatGPT中的T就是Transformer的意思。

業內人士指出，最重要的競爭門檻反而是數據質量和電腦功能，這兩項基本上是財力的比併。雖然互聯網上有無盡的免費數據可用，但問題是有不少數據有偏頗，需要經過清理才能使用，此過程可以所費不菲。假如用偏頗數據來訓練生成式AI，結果可能創造出充滿歧視和仇恨的產物。

至於電腦門檻，有公司指出如果只使用一塊GPU來訓練，需時355年。一塊項目級GPU索價一萬美元，由此可以想像得到，如想把訓練時間縮短至合理水平的話，單是硬件投資已經是天文數字。業內人士分析，訓練一個大型語言模型，成本可以高達上億美元。訓練也不可能一步到位，需要經過不斷嘗試和失敗，試問有多少公司能有此等財力來成功訓練。

不止硬件投資和訓練成本昂貴，就算是運行生成式AI的成本，也比運行搜索引擎高得多，有投資銀行計算過，每次回答問題的成本，比普通搜索高10倍。生成式AI模型擁有者如何用產品來創造能獲利的商業模式，目前還在摸索階段。長遠來看，如果模型持有公司最終能把其轉變成一個平台，如同微軟的Windows或蘋果公司的iOS等，能讓不同的軟件運行，造成經濟規模，再把客戶鎖定，從而創構成一個難以退出的商業模式，發展空間便會大大增加。

至於客戶端的軟件，由於行業仍然年輕，一個有競爭優勢的商業模式還未出現，一些用AI來幫學生補習，或用AI來幫程式工程師寫程式的App等，都沒有把客戶鎖住的能力。

從以上總結，生成式AI目前仍然是燒大錢的玩意，競爭優勢在於大公司的財力。目前訓練的所費不菲，一大部分開支會用於購買雲公司的服務，所以顯然雲服務公司在這一刻是受益者。最後，由於運行需要GPU，有GPU技術的公司也會因此而得益。

（作者為註冊持牌人士，以上只反映當時觀點，並非投資建議，如有更改恕不另行通知）