想要搞AI大语言模型平台，其实是一件很困难的事情。
虽然自从ChatGPT震撼面世之后，国内便迅速跟风，接连出现了数个类似的语言模型。
甚至于如果放宽要求，将所有尝试着跑马圈地的公司都计算其中的话，单只是国内，就达到了‘百模大战’的程度。
各种各样的‘大模型’，甭管是独立存在的，还是挂羊头卖狗肉的，总之把看上去还像那么回事的‘大模型’加在一起，总量甚至超过了一百三十个！
这其中便有郑弘毅偷偷摸摸搞的一个试验品。
受限于资金体量和公司这几年连续步入颓势的影响，郑弘毅根本不敢大张旗鼓的进入到这个全新的赛道之中。
生怕稍有不慎，一旦发展不好的话，再给本就状况不佳的公司当头一棒。
到时候若是股价一泻千里，那乐子可就大了。
可即便只是偷偷摸摸搞的试验品，过程中遭遇的那些困难，依旧让郑弘毅感到头大。
其中最麻烦的就是成本问题！
单纯构建模型的起始费用并不算高，大概一千万到一千五百万左右，就能粗略的搭建出一个大模型平台。
可基于大模型对硬件和训练的需求，可以明显的发现，随着模型的规模越来越大，训练的成本也会越来越高昂！
首先最起码的一个成本就是数据！
大语言模型是在包含庞大数据量的大规模数据集上进行训练的，除了开源数据集以外，任何公司想要训练出合格的大语言模型，都必须具备自身长期积累的各种数据集。
并且数据成本还涉及到数据的清洗、标记、组织和存储。无论是管理成本还是处理成本，都不是普通公司能玩得转的。
更让郑弘毅头皮发麻的是，想要搞好一个大语言模型，硬件成本同样是个天文数字！
目前被普遍应用在大语言模型上的GPU、既微处理器，是英伟达A100。
由于大语言模型对于GPU的巨大需求量，导致英伟达A100的价格水涨船高，从官方标定的一万五千刀售价，直接飙升到了三万刀，并且就算是这样，你也很难买到。
因为A100被全面禁售了……
这还只是单片的售价！
按照ChatGPT目前的体量，想要满足ChatGPT的需求，至少需要三万到四万片GPU……
而如果用户规模进一步扩大，最终达成足以支撑全球用户访问的目标，那需要的GPU数量，起码还得再提升一百倍，达到四百万片以上……
如此规模的硬件使用，意味着每天光是电费的消耗，就能吓的人心肌梗塞！