（来源：上观新闻）
AI4S对🇲🇦精度和验证要🌾求极高，现有模🆘型仍不够稳🇦🇽定可信🌑。2024年🐇👨❤️👨，团队曾🚡🈺在GitHub上👴🥤开源了Pow🌬erInfe👱r的运👩🔧行案例：👿用单个NVIDI📰☠A RTX ⚫⏭409🌼0 G🇸🇴PU，就能运行参👂🐄数量175B的🦚大模型⏫🏒，速度还能达🤝到传统方案🥴的11倍🦌🤐。但在黄超😙看来，体验上📽的突破，并🏵💬不意味着🆎😾底层问🤼♀️题已经被解决✖🗑。魅族宣布🇪🇦🇳🇷暂停国内3️⃣👨🏫手机新产🌋品自研📩硬件项目，🍐🔑其中一个🦕原因便是内👷👁存价格疯涨⚡🇳🇦。按照一些智🐿↕算中心的🛀💝实际运行数据显🐓示，全⛎生命周🎌👩👧👦期的电费成🥰本大约占🇱🇷🎶到20%左右，而🌻随着技术的进😢🐝步，全系统✊🈴PUE系数会降低🕛🕍，单位硬件成本🇨🇨♌升高但是算力提🈷🔦升更快，所以🔢这一比例还是在🕷逐步降低👨🦲⚗的，按照🛒上述公式折合到🕺↔词元的✊成本中🤴，电价占比会进🕋🔀一步降低🏕🇰🇳。
那么，词💴3️⃣元的成🧵🎛本应该🌰怎么进行🈲📹估计呢？💝👨在不考虑😹：第一🐞💬、基建成本；〰🎤第二、模型能力冗🗽余的情况下，🖋我们将📅单位词🕌🇲🇬元的基础价🧀🚴格拆解为一个完整🧔数据推导机制： 📥从上述🚂推导中可以看⬜出，词⌛元（T➖✒oken）⌚的实际💆成本是高度依赖于🦇模型能力和硬件🚉成本的👨👧🤪。2024🇲🇱年，团队曾✋🇼🇸在GitH🦹♀️ub上开源了Po🇬🇫wer🛁Infer的运行♻🐖案例：⏮用单个NVI🇬🇱🥺DIA R♒🇭🇷TX 4090🍎 GPU，就✒📀能运行参数😪⏬量175B的大🎙模型，🖤速度还能🇩🇿🕗达到传统方💛🇬🇳案的11🇩🇪🎁倍🧧。在未来😑，一个“好用的”💦🇸🇪模型的词元价格🥤🔞完全可能是一个🇺🇿逻辑混乱的🕝模型或者难以↕🇫🇮处理复🕒😈杂问题模㊗型的价格的十倍🇵🇹。
