Mustafa Suleyman——微软AI CEO，曾联合创立DeepMind（这家伦敦实验室后来被Google收购），并于2024年加入微软——预计构建前沿人工智能的成本将大幅攀升。他表示，单次前沿训练（即产出模型的算力密集过程）可能很快耗资“数百甚至上千亿美元，即1000亿美元”。

Suleyman在2026年9月28日的访谈中给出了这一里程碑的短暂时间线：未来一两年内。而能负担得起这一开支的名单更短。他称，全球仅有五六家实验室能支付这张“入场券”。

入场成本持续攀升

Suleyman将不断上涨的成本与开发速度联系起来。按照他的说法，算力集中于更少的实验室，应会转化为更快的AI进展。

他用两个惊人的数字支持了这一观点。他说，过去15年，前沿模型的训练算力增长了约一万亿倍。而仅在过去两年，推理成本——即每次使用已训练模型所需的费用——就下降了300倍。他表示，这两个趋势指向同一方向：训练领先模型所需的资源在扩张，而运行它们的成本却在下降。

“数百甚至上千亿美元，即1000亿美元，”Suleyman这样描述前沿训练的潜在成本。

一直在推进的预测

与其说是新立场，这番言论更像是对既有立场的升级。2025年12月，Suleyman曾预测，未来五到十年要在AI领域保持竞争力，将需要“数千亿美元”的投资，他将此归因于高级训练对算力需求的激增。

9月的言论使这一预测更为尖锐：它将潜在的价格标签直接挂到了单次训练上，而不仅是十年的总支出。

Suleyman还以极为具象的措辞描述微软的AI业务，将该比作一家“现代建筑公司”，建造规模可观的算力基础设施。其背景是微软与OpenAI不断变化的关系：在该合作伙伴关系重组之后，微软AI正专注于前沿模型的自主化。

安全议题与支出议题并行

Suleyman并未将这种支出描绘成纯粹的军备竞赛。随着AI能力快速提升，他也呼吁加强监督与评估，并提到了自主黑客和更复杂的AI智能体等进展。

他将近期的AI行为描述为一个“分水岭时刻”，需要对这些系统能做什么进行更严格的审视。

这对AI行业意味着什么

最明确的含义是行业整合。如果前沿训练成本走向数百亿美元量级，能在顶尖层面真正竞争的组织数量将缩减至寥寥——按Suleyman的说法，是五六家。

而推理成本的下降则起到相反的作用。两年内300倍的降幅意味着使用AI正变得愈发便宜，即便构建前沿模型正集中在更少的公司手中。