阿里巴巴也发布了一个号称10万亿参数的大模型，官网介绍，M6是中文社区最大的跨模态预训练模型，模型参数达到十万亿以上，具有强大的多模态表征能力。

2024年3月，英伟达发布B200芯片，拥有2080亿个晶体管，算力达到 2.25 PFLOPS ( FP16半精度 )，比2016年的 Pascal  芯片增长了118倍，是2020年A100芯片的7.21倍，是2022年H100芯片的2.25倍。可支持部署27万亿参数的大模型。 

因此，在超级AI芯片层面，英伟达已经为训练十万亿参数通用大模型提供了关键能力。

那么，十万卡算力池的投资有多大呢？按照B200售价3万美元计算，10万卡算力池需要购买30亿美元的英伟达B200模组或计算卡，如果加上服务器机头、IB网卡、交换机、存储、光纤等设备和配件，预计投资需要40亿~50亿美元，大约折合300亿人民币。如果按照5年折旧，平均每年设备折旧大约60亿元。

如果你认为上述分析的逻辑是成立的，那么新的问题出现了：

90%通用大模型企业的出路在哪里？

华为《智能世界2030》报告中指出：未来将是一个智能世界，AI应用无处不在。

李彦宏在上海世界人工智能大会上提出：没有实际应用的基础模型，都没有价值。应用的价值远比模型本身更为重要。

这些认知都是正确的。

人工智能大模型的终极目的，是服务国家，服务产业、企业、教育、医疗、矿山、制造业、农业、林业、牧业等各行各业。“人工智能+”的目标对象，就是各个产业、企业、行业的应用场景。

前阿里云CEO张勇有一句很有名的话：所有行业、所有应用、所有软件、所有服务都值得基于新型人工智能技术、基于AIGC各方面技术支撑、大模型支撑重做一遍。

因此国家经济和社会发展真正需要的，不是1万亿或者10万亿参数的AI大模型，而是AI技术、AI大模型作为一种新质生产要素，与产业、行业、企业结合，融入原有的生产力和生产关系，演进出来新的高质量生产力和生产关系，改造和提升每个产业、行业、企业。

对于90%的通用大模型企业来说，现在可能面临一种选择，就是改变发展路线，放弃通用大模型赛道，选一个对人工智能提升发展质量有需求的特定行业、企业、产业去合作，去深耕 “人工智能+行业” 、“人工智能+产业” 、“人工智能+企业”。

也许不需要搞1万亿、10万亿参数的大模型训练，就能做出来一个服务某行业应用场景、提升行业生产力的 AI行业垂域大模型，形成该行业的新质生产力，推动该行业的高质量发展。

一句话总结：放弃通用大模型，用AI服务行业发展，成为行业的新质生产力。

如何避免通用大模型行业发生大崩溃？

答案就是：90%没有那么多钱烧的通用大模型企业，放弃这个赛道，尽早进入新赛道，通用大模型行业也就不存在行业崩溃了。

第三部分、谁能坚持笑到最后