2024年OpenAI专题报告：OpenAI的飞轮_“AI新品”、“巨量融资”、“算力”.docx

2024年OpenAI专题报告：OpenAI的飞轮_“AI新品”、“巨量融资”、“算力”

OpenAI的“融资规划和实际重置成本”

OpenAI万亿融资规模可能的组合：AI用户空间VS单用户算力成本

未来总算力成本(按市场价值计算)=未来日活图表：不同融资下，使用AI模型的移动终端占比和高精度模型占比用户数量*未来每日活用户年算力成本。未来AI用户日活：目前AI产业可类比智能手机产业，闭源OpenAI与苹果的形势相同，开源模型则可类比安卓，预期未来AI用户渗透率对标移动互联网。假设按移动互联网用户规模估算空间，对标IOS在移动互联网中的渗透率。未来每日活年算力成本：假设以未来高精度模型Sora为案例，并假设其占一定比例背景下的单用户算力成本。

据《华尔街见闻》，OpenAI的融资计划5-7万亿美元，而数据中心一般折旧6年，则每年折旧约0.83~1.16万亿美元。分析框架：在不同融资额度下，可计算每年数据中心的折旧作为算力成本。由未来总算力成本公式，可以推得OpenAI在不同融资下，向潜在投资者描述的未来的可能组合，使用AI模型的移动终端占比（决定未来AI用户数量）和高精度模型占比（决定未来每日活用户算力成本）的可能组合关系。

OpenAI用户市场空间：对标移动互联网中苹果市场份额

未来日活用户数量方面：对标移动互联网渗透率，如果OpenAI能像苹果IOS在智能手机的渗透率，在20%~30%的情况下，未来约有12-18亿的AI日活用户。据IDC报道，最新全球苹果手机市场份额为24.7%。根据GSMA，预计2030年移动终端约60亿台。由未来日活用户数量=使用AI模型的移动终端占比*移动终端总数，对标移动互联网渗透率，若全球有30%的移动终端接入AI，则未来可达18亿的AI日活用户；若有20%接入，则有12亿AI日活用户。未来每日活用户年算力成本方面：未来日活用户中，部分用户会选择更高精度模型。未来每日活用户算力成本=高精度模型使用占比*高精度模型算力成本+现有模型使用占比*现有模型算力成本，其中现有模型使用占比=1-高精度模型使用占比。OpenAI通过融资计划资金重置产业链，可以降低算力提供成本，支撑起日活用户数的增长以及高精度模型应用的空间。

单次推理成本：Sora算力是GPT4的几倍？

从单次Query算力成本的影响因素来看，推理算力与一次生成内容的tokens、模型参数量和迭代次数成正比。根据扩散Transformer论文一作作者杨赛宁推算，Sora参数量约30亿。视频可以看成是一帧帧图片组成，图片模型（如StableDiffusion）的迭代次数约为25-50次，取中枢估计视频模型迭代迭代35次。根据昆仑万维AIInfra负责人，在视频领域，一分钟视频约为1Mtokens。考虑到Sora的视频长度约为10秒，即对应16.7万tokens。假设GPT4和Sora的推理参数量为3*1750亿和30亿，在Sora一次推理迭代35次的情况下，其推理成本是GPT-4模型的33倍。

为什么成本重置才能匹配“高性能模型”：算力成本VS用户

根据财务数据推算，预期微软AI云计算规模23年Q4为8.39亿美元，该部分规模主要是推理需求，不包括训练需求，由于目前主要是OpenAI在进行推理，因而预期其中大部分主要是OpenAI的推理算力。在ChatGPT精度经过两次下降后（每次降低7%），目前GPT-4的单用户算力成本为每日活每年100.2美元。假设OpenAI日活月活比例30%背景下，由于是月，因而GPT4会员的市场定价为20美元/月，除以0.3，乘以12个月，约为800美元＞100.2美元。如果Sora的单日活算力成本为33倍的GPT-4，即为每日活年算力成本3308美元。如果按市场价格算，Sora的月至少大于82美元/月，才能覆盖Sora会员单日活的成本3308美元，对于用户来说费用偏高。因此只有通过成本重置降低成本进而降低价格才能显著走通商业模式。

OpenAI实际重置成本分析：晶圆厂和电力是核心

根据华尔街日报，OpenAI的大额债务融资主要用于两个方面的建设：芯片（减少芯片产业链环节）、电力（AI设施需要消耗大量的电力）。芯片方面：如果OpenAI通过与芯片厂合资建厂生产，可以节省中间产业链环节的成本。OpenAI的业务运行需要租用微软的云服务器，微软的成本为建设云端采购英伟达的GPU等芯片设备的采购费用，而英伟达支付芯片代做费用，将制造工作交给台积电完成。电力方面：如果OpenAI通过与电厂直接合作，可以直接使用成本电价。根据美国上市能源公司的能源成本占比，计算中心的芯片若直接使用成本电价，则可以将电力花费降至原来价格的48%。

重置成本测算