大数据产业创新服务媒体
——聚焦数据 · 改变商业
根据百度三季度财报披露的数据，目前文心一言用户已经有7000万了。这是一个很大的体量。
那么，有这样一个问题，文心一言怎么还没崩？以及，文心一言什么时候崩一次？
OpenAI经常被涌入的巨大用户量搞崩
在讨论文心一言之前，作为一个对比存在，我们先来看看OpenAI的ChatGPT，在今年，ChatGPT经常被算力短缺困扰，动不动就崩一下。
最近，OpenAI举办了一场备受瞩目的展示活动，被戏称为“科技春晚”，向全球展示了其技术的最新成果，尤其是备受关注的明星产品ChatGPT。然而，这场热潮带来了一个巨大的挑战：用户数量的激增迅速超过了OpenAI的算力容量。
在大会结束后的短短两天内，ChatGPT服务器竟然崩溃，引发了一场用户无法正常使用ChatGPT和OpenAI提供的API的混乱。监控网站显示，北京时间11月8日晚上9点35分左右开始出现服务不可用的报告，到晚上10点报告数量达到峰值6773份。
面对这一危机，OpenAI做出了一个惊人的决定：暂停新的ChatGPT Plus用户的注册。OpenAI官方在21点54分宣布了服务问题，并在23点33分确认已经实施了修复措施，服务逐渐开始恢复。
ChatGPT的崩溃事件远不止如此。OpenAI于11月22日宣布，带语音功能的ChatGPT现在向所有用户免费开放。这意味着，用户现在可以使用手机进行语音对话。OpenAI在9月首次推出了通过语音和图像提示ChatGPT的功能，但当时仅对付费用户开放。
然而，不久之后，ChatGPT再次遭遇崩溃。在ChatGPT首页显示的信息中，称“我们正在经历异常高的需求，请耐心等待，我们正在努力扩大我们的系统”。这次事件引起了用户的不满和困扰，也让OpenAI面临了进一步提升其服务容量和稳定性的挑战。
ChatGPT老崩，但文心一言为什么挺住了？
要知道，ChatGPT的用户量也才刚刚破亿，而据百度财报披露，文心一言的用户量已经达到7000万了，两者之间差距是有，但已经非常接近。
那么，问题来了，为什么ChatGPT老崩，文心一言似乎还没爆出崩溃消息？
一个可能的原因是，虽然用户数量较为接近，但更为主要的是其用户使用频率、使用类型不一样，导致ChatGPT的单用户算力（尤其是GPU算力）消耗量，要高于文心一言。
调查机构 Writerbuddy.ai 使用 SEMrush 工具，分析了2022年9月至2023年8月期间，用户访问各家AI工具的流量情况。
根据调查结果显示，排名前50名的AI工具在这10个月中累计被访问240亿次，而其中ChatGPT达到了惊人的146亿次，占比超过60%，平均每月访问15亿次。
虽然文心一言的用户量达到了7000万，但其用户流量可能比ChatGPT还是要小不少。这也许可以解释ChatGPT总被巨大的用户量带崩，但文心一言却安然无恙。
当然，还有另外一种可能性，那就是OpenAI是创业公司，其云算力资源不足，但文心一言诞生于百度，本身就有百度云加持，算力资源比OpenAI更强，可以支撑更高的用户量。
但是，ChatGPT虽然是创业公司，但却是明星创业公司，并且得到了微软云的全力支持，其能够调动的算力资源应该不亚于文心一言才对。据了解，微软的Azure云服务为ChatGPT构建了上万枚英伟达A100 GPU芯片的AI计算集群。
在算力资源尤其是GPU算力资源方面，OpenAI在全球来看应该都是顶级的。
在全球GPU领域中，英伟达是霸主。因为美国政策限制，中国市场获取英伟达GPU还存在障碍。从这个角度来说，ChatGPT的GPU算力资源，应该要强于文心一言。
算力资源，是大模型商用必不可少的“粮草”
无论是什么原因，文心一言现在还能够撑得住7000万的用户量，都是一件值得恭喜的事。
然而，我们还不可以掉以轻心。
未来，文心一言、通义千问、讯飞星火、智谱清言等，大概率会出现数亿用户的国民级APP。而且，除了C端用户外，大模型还通过行业大模型的方式，在B端快速落地。
B端的算力需求可能会超过C端，因为商业应用通常涉及更复杂的数据处理和分析任务。例如，在金融行业，AI模型需要处理大量的交易数据和市场趋势，来进行预测和风险评估；在医疗领域，模型需要分析复杂的医学图像和患者历史记录，来辅助诊断和治疗计划。
以我们目前的算力基础设施情况，能否撑得住如此大规模的使用需求，还需要打上一个大大的问号。
当然，有人会说，现在几亿用户的APP还少么，微信、淘宝、拼多多、抖音、美团、百度等，哪一个不是有数亿用户？那文心一言、通义千问等大模型APP，有几亿用户不也很正常么？
事情并没有那么简单。
例如，同样都是几亿用户，百度APP和文心一言所产生的算力需求是完全不一样的。以往的移动互联网应用，主要消耗的是CPU资源，而大模型应用却是消耗GPU资源。
目前，无论是手机终端还是云端的服务器，CPU资源都比较充足。但是GPU作为一项新兴技术，无论是技术成熟度还是资源储备，都还不能很好的支撑大规模的AI应用。建设100万个CPU计算集群已经不难了，但是建设100万个GPU计算集群，却是非常困难且成本巨大的事情。
可以预见，当文心一言有几亿用户，并且用户的使用频率较高，文心一言还接入BI、CRM、客服、营销等各个业务系统，那肯定会带来极大的AI算力需求，百度云能不能撑得住，是需要打一个大大的问号的。也许，百度在不久的将来，也会品尝一下OpenAI那样的“甜蜜的负担”——业务量太大，系统撑不住，时不时崩一下。
文心一言、通义千问的大规模商用预示着一个新时代：AI大模型的统治。但这背后隐藏着一个巨大的算力危机：高性能GPU资源，当前AI应用的命脉，正面临严重短缺。
这不仅是供应问题，还是成本问题。我们正在进入一个新阶段，其中AI的饥渴对算力的需求与现实的供应能力严重脱节。
云计算和分布式计算虽提供了一线希望，但这远非万全之策。算法优化和模型精简，这听起来美好，但实际上是一场与时间赛跑的挑战。长远来看，新兴技术如量子计算可能成为救星，但远水解不了近渴。
当前的核心问题，是高性能GPU的供应紧张和成本高昂。虽然GPU技术正在快速发展，但其创新速度可能跟不上这些应用日益增长的需求。此外，运行这些大型计算集群需要大量电力，这也意味着巨大的成本支出。
大模型为我们打开了一扇通往AI的大门，但要走好这条路，还有很都问题需要解决。
文：媛媛 / 数据猿
