ChatGPT大火带动AI又一波热潮，不过业界普遍认为，当AI 步入大模型时代，只有大企业和超级富有的企业才玩得起AI，因为AI大模型的打造非常昂贵。
首先是计算昂贵。多伦多大学市场营销教授Avi Goldfarb说：“如果你想创办一家企业，自己开发大语言模型，自己计算，成本太高了。OpenAI是很贵的，要数以十亿计的美元。”租赁计算当然会便宜不少，但企业仍然要向AWS等企业支付昂贵费用。
其次是数据昂贵。训练模型需要海量数据，有时数据是现成的，有时不是。Common Crawl和LAION等数据可以免费使用，对于此类数据，成本主要来自数据清理和处理，成本变化很大，可能是几百美元，也可能是几百万美元。
Glean公司创始工程师Debarghya Das说，在美国，根据大语言模型论文做一些粗略的数学计算，如果用的是Facebook LLaMA，训练成本（不考虑迭代或者出错）大约是400万美元，如果是谷歌PaLM，大约2700万美元。
即使用的是免费数据，成本也不低。Hugging Face公司研究人员Sasha Luccioni说：“当你下载容量达到TB的数据，如果想过滤或者以某种特殊方式利用数据，比如用文本-图片模型处理（研究人会专注于某些数据子集，这样模型才会变得更好），整个过程相当棘手。”需要强大的计算力，需要大量专业人士。
再次，专业人才的聘请费用也很高。Debarghya Das在做上述估算成本时没有考虑人力成本。Sasha Luccioni指出：“机器学习专业人士的薪酬很高，因为要与谷歌及其它科技巨头争夺人才，有时一位专业人才可能要几百万美元。”2016年OpenAI最顶级的研究人员薪酬约为190万美元。
并且，训练模型、聘请专业人士的成本不是一次性的，是持续的。例如，如果开发的是客服聊天机器人，每周或者每几周就要优化。模型还要经受压力测试，确保它生成的答案不出错。正如Sasha Luccioni所解释：“最贵的成本来自持续性工作，必须持续测试模型，必须确保AI所做的和预期一样。”
最后，持续运转费用也不低。当一切准备妥当，模型向公众开放，每天要接受成千上万次询问，此时要确保模型可扩展、高度稳定，维护成本也很高，且需要专业人士来处理。
