您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。 未知机构:《有人按照老黄说的 给 OpenAI 训练成本算账了|研报|投资分析》-发现报告

有人按照老黄说的 给 OpenAI 训练成本算账了

2026-09-07 未知机构 尊敬冯
有人按照老黄说的 给 OpenAI 训练成本算账了

猜你想问

这份研报主要讲了什么内容?

这份研报详细估算了OpenAI的训练成本,通过对比Astra和CoreWeave的GPU使用情况,分析了大规模GPU集群的运行成本差异。报告指出Astra使用100K个GPU进行长期训练,总成本约为0.5-1.0亿美元,而同等规模的训练若使用CoreWeave的GB200硬件,成本将高达2.3-3.0亿美元。报告还估算了GPU集群的IT和设施负载,指出实际平均消耗取决于工作负载和利用率,并强调了先前实验、数据、员工等因素对总开发成本的影响。

AI算力赛道未来发展趋势如何?

AI算力赛道正朝着更高性能、更大规模的方向发展。随着大模型训练需求的激增,GPU集群的规模和功耗持续提升。目前行业普遍采用100K级GPU进行预训练,未来可能向200K甚至更大规模扩展。成本方面,云服务商通过规模化和长期合作提供折扣,但硬件采购和运营仍需巨额投入。此外,算力网络化、异构计算等技术创新将优化资源利用率,降低单算力成本。行业竞争激烈,头部企业通过技术积累和资本投入巩固优势地位。

研报重点分析了哪些方面?

研报重点分析了OpenAI的训练成本构成和规模效应。通过对比Astra和CoreWeave的报价,揭示了GPU租赁与自建的成本差异,指出长期大规模使用可显著降低单位成本。报告还详细建模了GPU集群的功耗分布,包括170MW机架功率、175-185MW总IT负载和190-220MW设施负载,并强调了PUE对成本的影响。此外,报告探讨了实际工作负载对平均功耗的影响,以及前期投入对总成本的摊销作用。

当前AI算力市场处于什么阶段?

当前AI算力市场处于高速增长期,但供需失衡问题突出。一方面,大模型训练需求爆发式增长,推动算力需求持续攀升;另一方面,GPU产能受限,价格居高不下。行业呈现两极分化,OpenAI等头部企业通过自建集群实现成本控制,而中小型AI企业则依赖云服务商。随着NVL72等新一代GPU的推出,算力性能和能效比不断提升,为行业带来新的发展机遇。但高功耗和高成本仍是主要挑战。

这份研报有哪些风险提示?

本报告的主要风险在于成本估算的假设性。实际训练成本受多种因素影响,包括GPU利用率、电力价格波动、硬件更新迭代等。此外,AI算力市场竞争激烈,技术路线快速迭代可能导致前期投入贬值。政策监管风险也不容忽视,政府对算力资源、数据安全和能源消耗的监管可能影响企业运营成本。最后,大模型训练的长期性和不确定性,使得成本控制成为持续挑战。