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Stable Diffusion）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 AI Infra 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用户付费
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，由于付费是月付费，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的月付费至少大于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付费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的业务运行需要付费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：与晶圆厂的不同合作方式
对于晶圆厂，OpenAI可以选择与其合作：1、完全重置晶圆厂环节；2、重置晶圆厂50%；3、不重置晶圆厂环节。在不同的情况下，6年的总重置成本分别是1.21万亿美元，1.37万亿美元，1.54万亿美元。 晶圆厂的格局：OpenAI积极与英特尔、台积电、三星等技术领导者展开合作。据英国《金融时报》，Altman 正在寻求开发自己的 Nvidia 人工智能和 HPC GPU 替代品，并与台积电和中东投资者进行谈判，以启动一家新的芯片合资企业；而据《韩国中央日报》援引业内人士消息，SamAltman访韩与韩国芯片巨头三星、SK探讨合作，主要讨论了高带宽内存（HBM）芯片。另外，Intel在IFSDirect Connect活动上将IFS更名为Intel Foundry，Sam Altman出席活动，未来双方或积极合作。
OpenAI的“AI新品规划&算力需求”
AGI：OpneAI的终极目标
OpenAI阐述使命是确保通用人工智能（通常比人类更聪明的人工智能系统）造福全人类。OpenAI的AGI使命主要包含两方面：1、一个可以解决人类问题的系统（A systemthat cansolvehuman-level problems）；2、构建安全并且有价值的AGI（Building safe andbeneficialAGI）。
通用人工智能 AGI（artificial general intelligence）：通用人工智能AGI亦被称为“强AI”，指的是在任何可以想象的人类的专业领域内，具备相当于人类智慧程度的AI。一个AGI可以执行任何人类可以完成的智力任务，甚至可以说AGI是一种在大多数具有经济价值的工作上超越人类的系统。
文生3D：已发布Point-E和Shape-E，“3D数据量”或带来涌现
OpenAI在文生3D领域已发布Point-E、Shape-E模型，预计未来将有更高质量模型出现。2022年12月OpenAI发布Point-E，可以产生3D点云，或代表三维形状的离散数据点集合。2023年5月，OpenAI发布Shape-E模型，相比基于点云的显式生成模型Point-E，收敛速度更快，在更高维的表示输出空间中实现了更好的样本质量。 预计千万级3D数据集逐渐变多，亿级数据集也将使3D生成领域迎来爆发。类比于2D生成发展路径，3D生成出现了具有统治地位的NeRF模型，2023年7月发布的Objaverse-XL数据集使得3D资产数据集破千万。
文生3D算力需求：约50-60倍GPT-4的算力需求
采用3D模型Zero123，单场景3D资产生成需要迭代30000次左右，在RTX 3090显卡（24GB）上运行约3.3-4.2小时，模型一次生成的算力约为GPT-4一次推理的49.5-63倍。总优化时间（小时）=迭代次数/每秒迭代次数/60seconds/60minutes。根据我们实机测试的结果，在Zero123算法下，设定迭代30000次时生成的3D成品相对可行。利用3090显卡（24GB）且显存使用率约50%（即12GB左右）时运行文生3D模型，对处理过的单场景图片，根据测算，每秒迭代次数约2.35次。对于需要迭代30000次的单场景来说，生成一个3D模型需要3.3-4.2小时。ØGPT-4运行在A100（24个80GB的GPU显存），一次推理约需3秒完成，则文生3D的算力为GPT-4的49.5-63倍。（（3.3h*60min*60sec*24GB）/（24个*80GB*3sec）=49.5）。
OpenAI与竞对的资源竞争：融资&算力&能源
OpenAI的一级市场融资：核心是主权基金对AI的配置
根据SWFI统计，在全球资产前二十名的主权财富基金中，来自中东的主权财富基金有9个。全球排名前100的主权财富基金，中东有18家，总计资产额达到4.43万亿美元。 AI领域初创公司获中东投资者青睐。总资产最多的中东主权财富基金Abu Dhabi Investment Authority（总资产9930亿美元），自23年2月份进行了19起投资，对AI领域的投资就有5起。其他中东大型资产基金也多次投资AI初创公司。
AI推理竞争：OpenAI 新品窗口期或为7月，GPT4冲刺潮已来
达GPT-4 水平的大模型从0突破到5，OpenAI的AI代差优势在7月LLama3开源后将减弱，因而新产品在7月前发布有助于融资。2月27日，法国Mistral AI（曾开源8×7B MOE）发布对标GPT-4的Mistral Large；为了巩固开源优势，Meta宣布于7月初开源LLaMA3（对标GPT-4）,同时Claude3发布，并且性能接近GPT4。
谷歌类GPT-4模型Gemini Ultra推动用户超OpenAI 20%：根据Similarweb，在网页端，Gemini日活用户达1508万，接近OpenAI网页端的20%。其中一部分原因是，目前绑银行卡成为Gemini Ultra会员后，前2个月免费，第3个月开始收费，价格与GPT-4会员接近。
报告节选：
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
相关报告
OpenAI专题报告：OpenAI的飞轮，“AI新品”&“巨量融资”&“算力”.pdf
软件行业AI专题报告：AI进行时，软件公司效能初显.pdf
人工智能行业专题报告：AI+产业链从技术底座到应用全解析.pdf
拓尔思研究报告：掌握AI核心技术，赋能千行百业.pdf
金山办公研究报告：国产办公软件领军者，受益AIGC开启新纪元.pdf
通过NPU和异构计算开启终端侧生成式AI.pdf
对股权融资需要解决的基本问题概述.pptx
企业融资战略与价值创造.pptx
养老金专题报告：促进投融资动态平衡，养老金入市空间广阔.pdf
固定收益专题：一文读懂融资租赁债.pdf
金融资产管理公司并表监管.pptx
