我们对未来大模型训练的算力需求进行了测算，结论是大模型训练每升级一代，对算力的需求是倍数级增加，后续如果没有商业的正向循环，将越来越难跟进。
参考MS测算，我们把参数调整为自己的理解，计算不同情形下每一代大模型训练需要的算力。核心的变量是大模型参数，训练天数，卡性能和单价。至少从目前看，大模型升级的过程还是伴随着参数量的倍数级增加，那么可以通过模型参数量，推导训练的tokens量，按照每token所需算力计算总算力需求，假设每一代模型训练天数适当延长的情况下，计算出每代模型训练需要多少投入多少GPU Capex。下表对A、H、B、”R”卡价格分别假设是1.1万、2.5万、3.5万和6万美金。
在MS测算的基础上，根据NVDA目前爆料的路线图，我们调整了一下假设，以下是我们测算的Bull、Base和Bear case：
结论是：
训练GPT4，参数1760bn，训练100天，需要A100 2.5万张，买卡capex 不到3亿美金；
训练GPT5，参数8800bn-15tn，训练150天，需要H100 15-26万张，买卡capex对应37-66亿美金；
训练GPT6，参数35-85tn，训练200天，需要B100 58-232万张不等，买卡capex对应200-810亿美金。如果按60tn参数，对应需要~430亿美金；
训练GPT7，参数106-340tn，训练250天，需要“R”100 45-720万张，买卡capex 270-4300亿美金。如果按180tn参数，需要~1300亿美金。
花出去一千亿对巨头意味着什么？可以来看看巨头们的Capex情况：
微软24FY在700-750亿美金，其中和设备相关只有50%，350-380亿，其他是新建和租赁数据中心（用于未来15年）。而且设备投入包括了CPU和GPU，既有Cloud也有AI投入。（有专家反馈今年微软采购gpu在70万张卡，金额基本能对的上）；
Google：24FY 500-550亿美金；
Meta：24年370-400亿。Meta做开源大模型，但参数量小很多，这一代Llama3参数是4000亿左右（GPT4 是1.7万亿参数，GPT5据说是8.8万亿）；
Meta到年底将有60万张GPU，训练Llama3需要1.6万张卡，下一代Llama 4需要16万张卡（小扎访谈/财报会中披露），60万张目前支撑3个训练：1）同时训练两代模型(we have needed to train prior generations and the next generation of Llama)；2）推荐算法使用；3）为未来需要提前准备，因为Llama4还没到头，还有5、6……
Amazon：24FY预计投650亿美金（上半年300亿，下半年指引会投入更多，大部分为AWS投入），但包括了物流（有专家反馈24-40年预计投入1800亿美金）和AI投入，如果看增量，比23FY增加170亿美金（有专家反馈今年采购40万张卡，量级大概能对的上）。
可以看出，巨头们每家看上去Capex总额很大，但目前真正花到买GPU卡上的金额在小几百亿级别。这几家公司收入大概都在小几千亿级别，经营性现金流千亿级别，如果仅仅买卡就要花出去1000亿，还无法确定何时能有足够体量的现金流回流，这个决策应该是很纠结的。当模型演进到GPT7.0，一家公司买卡投入需要近1000亿时，显著超过了当前Mega的投入，如果没有形成收入和现金流的正常反馈，后面越来越跟不住。
当前巨头们的反应是什么？
AGI的前景太诱人，跟住才能确保能够享受可能得巨大蛋糕（很可能谁先出来谁能占据绝大部分蛋糕，老二机会就很小了），害怕错过的心态很重；
巨头们也看到训练模型后续算力需求的倍数级别增加，把很多投入做在前面，比如Microsoft、Meta等都有明确这方面的表述，分摊某一年要巨大投入增加的压力。寄希望于下一代或者下两代模型能力大幅提高，能够走通商业化，或者通过模型做小实现的商业化成果能够缓解大模型训练的压力（但Meta其实投的是参数量小很多的开源模型，和OpenAI大模型的路线还是完全不同，后续烧钱压力少很多）
但总的来说，投在前面的主要还是数据中心的土建、机房、能源设施等，买卡买的太早不划算（越往后的卡性价比越高），因此当一家公司的算力投入需求达到千亿美金级别时，如果不能有足够大的现金回流，这个决策还是很难。
如果往前推演，当大模型迭代到GPT7.0级别时，还有几家能够跟进，对英伟达意味着什么？
大概算一下，英伟达累计卖卡（本文都是指数据中心用GPU)在2024年估计达到450万张，其中~200万张都用于训练，其他是AI推理、传统推荐算法和其他。到了2025年，大模型训练占比会大幅提高，其他使用在几年内影响都不重要。
更关键的是2026年，当每家训练模型（对应训练GPT7.0级别模型），买卡投入达到~1000亿级别时，如果还没有足够的现金回流，那么有几家公司能跟进投入。
进行不同情景的计算：如果还能有2家跟进，26年英伟达的卖GPU收入还能有~30%增长，整体增速应该比这个慢；如果还有1家跟进，会出现~30%的下滑；如果有3家跟进，还可以有~90%的高增长。总的来说，到底有几家能跟得住，对英伟达非常重要（其他还需要考虑，大模型升级是否需要参数量倍数级增加，客户会不会通过训练更长时间来减少某一年的投入，以及英伟达会不会降价让利让大家共赢等）。
情形 1:假设 2 家能够跟进投入，对应等效 H100 卡销量~1500 万张(主销卡应该进展到 R 系列)，R 系列卡算 力相当于 B 系列 4x，相当于 H 系列 8-12x，到时候如何定价比较重要，如果定价在 5-6 万美金，相当于 B 系列 1.5x，对应卖卡收入 1000 亿美金左右，是比 25 年下滑~30%的。如果 R 系列定价更高，那么意味着每家公司 买卡投入也要更高。
情形 2:有 3 家公司可以跟进，26 年卖卡收入有~90%增长 。
情形 3:如果只有 1 家公司可以跟进，26 年卖卡收入会出现 30%下滑 。
对 NVDA 来说，非常关键的是:
模型每一代训练对算力的需求是否倍数增长 ；
25-26年能否看到商业化落地，并且带回足够体量的现金流；
有几家公司能够跟进大模型持续升级训练
小模型进步太快，离商业化更近，还要不要死磕大模型升级？
小模型进步非常快，每8个月知识密度提高一倍（10b的模型8个月后能力相当于20b的模型），现在13b的模型能力已经达到GPT3.5的水平（175b），26-27年可能达到GPT4水平。明年7b模型也会达到GPT3.5。Meta近期发布的Llama3.0据说是GPT4.0左右的水平。在GPT5.0出来之前，小模型都在快速追赶接近。
GPT3.0 2020.5月发布，GPT3.5 2022.11发布，GPT4.0 2023.4月发布，目前距离GPT4.0有1年3个多月，GPT5.0还未发布，如果年底发布的话就是近2年。
此外，在未来比较长一段时间里，小模型商业化前景似乎更好：1）更快的反馈；2）针对细分需求/场景，更少幻觉，可靠性更高；3）低很多的成本，可以算过来账。
目前Microsoft、ServiceNOW、Apple等公司在商业化上都是自己拥抱小模型，leverage别人的大模型能力。
展望未来，大模型的继续迭代很快就会在成本上遇到瓶颈，除非快速找到变现场景（比如年底发布的GPT5能发现一种新的药物），否则就只能止步在GPT6（60万亿参数，要花~500亿美元买卡）；而小模型更容易通过商业化实现正循环，可以通过参数缓慢增加但是模型快速迭代的方式不断进步。
精彩评论