Anthropic披露Opus 5.5研发成本超百亿美元
近日消息显示,全球AI竞赛已从单纯的人才与技术比拼,演变为资金与资源的深度较量。Anthropic在筹备上市的非交易路演中透露,其旗舰大模型Opus 5.5的研发投入超过100亿美元。
尽管Opus 5.5发布时曾位居全球最强,但近期已被同门师兄Fable 5.2超越。据悉,Fable 5.2的模型规模更大,其研发成本也相应更高。
百亿成本构成:算力基础设施是关键
虽然具体的费用明细未完全公开,但业界普遍认知是,大模型训练涉及从预训练到后训练的复杂流程,其中算力硬件占据巨大比重。以美国顶尖的B300显卡为例,仅10万张卡的采购费用就高达数十亿美元。当然,这些硬件资产并非一次性消耗,后续仍可服务于其他模型的训练与推理,因此Opus 5.5的单次训练分摊成本低于总投资额。
国产AI面临算力与规模双重挑战
随着前沿大模型训练门槛的不断抬高,国产AI在追赶过程中面临严峻挑战,主要体现在以下两个方面:
高端算力稀缺且成本高昂
国内AI公司普遍面临高端算力卡短缺的问题。目前获取B300等先进算力资源的渠道有限,且价格通常达到海外售价的三倍。高昂的硬件成本成为制约国内企业缩小技术差距的主要障碍之一。
参数量级与训练经验存在差距
在模型规模上,Opus 5.5的参数量预计超过5万亿,而国内主流AI公司的模型多处于3万亿参数量水平。驾驭参数翻倍后的超大规模训练需要丰富的工程经验磨合,目前国内团队在此方面仍有提升空间。
自7月以来,国内大模型的发布节奏明显放缓,近期发布的多为轻量级或特定优化版本。例如Kimi K3.1 Pro虽具备2.8万亿参数规模,但受限于算力瓶颈,其市场声量并未持续爆发。
目前,智谱GLM-5.5和DeepSeek V4.1 Pro尚未正式亮相,预估其参数量在1万亿至2万亿之间。虽然在成本控制上更具优势,但在硬件算力和资金投入相差数个量级的背景下,要在性能上全面追平Opus 5.5难度极大。未来,国产AI的突破将更多依赖于研发人员在算法优化与工程效率上的智慧与创新。

