隨著OpenAI和Anthropic等主要參與者的資本大幅增加，生成式人工智能領域的資金在2023年急劇增加。報告顯示，生成人工智能企業的資金將增加近八倍，到2023年飆升至252億美元，2023年生成式人工智能占所有人工智能相關私人投資的四分之一以上。

　　去年的重大投資包括微軟100億美元的OpenAI交易、Cohere在2023年6月的2.7億美元融資以及Mistral在12月的4.15億美元融資等。然而，2023年企業在人工智能方面的支出將下降20%，至1892億美元。

　　報告將這一下降歸因于并購交易的減少，與上年相比下降了31.2%。盡管并購交易有所減少，但財富500強企業近80%的財報電話會議上都提到了人工智能。投資主要由美國企業主導，投資額達672億美元，幾乎是排名第二的中國(投資額78億美元)的9倍。

　　報告發現，2023年中國和歐盟對人工智能的私人投資與2022年相比有所下降，而美國的支出則增長了22.1%。美國在人工智能方面的支出也對薪資產生了影響。調查發現，美國人工智能崗位的薪資明顯高于其他國家。

　　例如，2023年美國硬件工程師的平均工資為140,000美元，而全球平均工資為86,000美元。云基礎設施工程師的全球平均工資為105,000美元，而在美國，此類職位的工資為185,000美元

　　2023年吸引投資最多的領域是人工智能基礎設施、研究和治理，投資額達183億美元。報告稱，這筆支出反映了包括OpenAI和Anthropic在內的大企業正在構建GPT-4Turbo和Claude3等大型應用。

　　支出第二高的領域是自然語言處理和客戶支持，金額達81億美元，因為企業希望采用解決方案，通過自動化聯絡中心等用例來增強工作流程。

　　美國是除面部識別之外所有人工智能技術領域支出最多的國家，中國位居榜首，支出1.3億美元，而美國為9000萬美元

　　在半導體支出方面，中國(6.3億美元)與美國(7.9億美元)相差無幾。2020年全球硬件芯片短缺之后，全球各國政府一直在增加半導體支出，以支撐供應鏈。

　　基礎模型成本增長

　　OpenAI等企業籌集了數百萬美元的資金，這些企業也從訓練新模型中賺取了巨額費用。2023年模型訓練成本將會上升，對大型基礎系統的投資是成本上升的主要因素。

　　高級AI模型的訓練成本大幅上升。例如，OpenAI估計花費了7800萬美元來訓練其GPT-4模型，而谷歌的旗艦Gemini模型估計需要1.91億美元。

　　相比之下，早期的模型要便宜得多：2017年發布的原始Transformer模型的訓練成本約為900美元，而Facebook2019年推出的RoBERTaLarge系統的成本約為160,000美元。

　　模型開發者很少公布模型訓練花費的數字。斯坦福大學與EpochAI合作對訓練成本進行了估算。估算基于相關技術文檔和新聞稿中的信息，包括訓練時長、訓練硬件的類型、質量和使用率的分析。

　　除了花費數百萬美元進行訓練外，過去一年訓練的人工智能模型還使用了更多的訓練計算。報告指出，谷歌2017年的Transformer模型需要大約7,400petaFLOP進行訓練。七年后，GeminiUltra需要500億petaFLOP。

　　由于運行成本過高，GeminiUltra等耗能系統越來越難以被學術界接受。

　　報告稱，這種在領先AI模型中向行業主導地位增強的轉變首次出現在去年的AI指數報告中。盡管今年差距略有縮小，但這種趨勢基本保持不變。

　　谷歌是發布模型基礎模型的企業，自2019年以來已發布了40個模型。OpenAI位居第二，發布了20個模型。發布AI模型最多的非西方機構是中國的清華大學，發布了7個模型。

　　2023年發布的大多數大型人工智能系統都來自美國，有109個。中國機構位居第二，但只有20個。報告指出，自2019年以來，美國一直是人工智能模型的最大生產國。報告中強調的一個發展趨勢是，能夠處理圖像、視頻和文本的多模式人工智能模型或系統的數量不斷增加。

　　如今，我們看到更多模型能夠跨領域發揮作用，模型可以接收文本并生成音頻，或接收圖像并生成描述。人工智能研究最令人興奮的一個優勢是將這些大型語言模型與機器人或自主代理相結合，這標志著機器人在現實世界中更有效地工作邁出了重要一步。