根据互联网女皇发布的AI趋势报告的深度分析，人工智能（AI）模型的计算经济学正经历着一场关键的转变。报告指出，训练最强大的大型语言模型(LLM)已成为人类历史上最昂贵、资本最密集的投入之一，目前每个模型的训练成本往往超过1亿美元。Anthropic首席执行官Dario Amodei在2024年中指出，目前有模型正在训练，其成本接近10亿美元，并预测到2025年，训练成本高达100亿美元的模型可能会出现。
然而，互联网女皇AI趋势报告同时强调，运行模型的推理成本（即模型生成预测、答案或内容）正在迅速下降。报告引用英伟达的数据显示，其2024年发布的Blackwell GPU生成每个token所需的能量比2014年的Kepler GPU前身低了105，000倍。斯坦福HAI的数据进一步揭示，在两年内，AI推理的客户价格(每百万token)下降了99.7%。这种成本效益的提高，速度远超此前的电力和计算机内存等关键技术。
这种推理成本的急剧下降和模型可访问性的提高，使得AI的实验成本降低，迭代速度加快。互联网女皇AI趋势报告认为，这使得产品化对于几乎所有有想法的人都变得可行，从而导致了开发者活动的激增。例如，Meta的Llama模型在八个月内的下载量增加了3.4倍。此外，报告指出，尽管模型成本不同，但AI模型的性能正在迅速趋于收敛，顶级前沿模型与更小、更高效模型之间的差距正在缩小。
报告总结称，AI的这种经济学演变正在引发一场“创造力的大爆发”。开发者可以根据技术或财务需求选择最合适的模型，而非受限于单一供应商，这正在重塑AI模型提供商的商业模式，迫使它们重新思考如何实现盈利。
