数据显示，GPT训练数据量从1代到目前的3代一直在高速增长，GPT-3的参数量已经达到1750亿，而算力费也已经是千万级别。

可见，GPT-3靠的是通过规模化现有算法模型，来实现算力的增长。回顾GPT-3 的技术思路，可以发现AI 领域的一个明显趋势是：要训练一个有颠覆性进步的模型，最终比拼的是算力规模。

二、算力，一场富人的游戏？

神经网络之父Geoffrey Hinton在GPT-3出现后，曾这样感慨：“生命、宇宙和万物的答案，其实只是4.398万亿个参数而已。”

算力是AI发展始终绕不开的问题。

四、未来价值

知名风投机构 A16Z合伙人Frank Chen关于CPT-3的观点是，GPT-3让使用者避开了培训数据以及建立AI业务的部分经济成本，这使得NLP（自然语言处理）成为AI研发最有前途的领域之一。因为有了GPT-3，很多AI初创公司的软件都内置了最新的NLP技术。

这意味着，开放API的GPT-3已经对AI创业公司产生正向的影响。随着算力的开放，AI时代拥有更多低廉的算力资源，更多像GPT-3一样的AI模型就会低成本出现，从而推动AI的产业化。

但新兴的技术往往面临高速发展与低速商业化的困局，因此新旧技术之间的交替也非常考验资本与企业的耐心。但不能偏于一隅的仅仅讨论商业应用价值，因为它代表着未来的竞争力。

几十年前，柯达说，你负责按快门，剩下的交给我们。

在未来，AI 或许也会表明心态，人类什么都不用干，剩下的交给它。

作者：可达怡

编辑：安吉拉