导读：市场调查机构Factorial Funds最近发布了一份报告，指出OpenAI在部署文本转视频模型Sora时，需要大量的英伟达H100 AI加速卡支持。
成本考量
按照每片英伟达H100 AI加速卡3万美元的成本计算，要满足Sora模型的需求，就需要约72万片，合计216亿美元 ......
市场调查机构Factorial Funds最近发布了一份报告，指出OpenAI在部署文本转视频模型Sora时，需要大量的英伟达H100 AI加速卡支持。
成本考量
按照每片英伟达H100 AI加速卡3万美元的成本计算，要满足Sora模型的需求，就需要约72万片，合计216亿美元。这还仅仅是硬件成本，运行这些加速卡还需要消耗大量电力，每片H100的功耗为700W，72万片将达到惊人的504,000,000W。
训练成本
Factorial Funds预估，训练Sora模型一个月所需的H100 AI加速卡数量介于4200到10500片之间。若使用单片H100加速卡进行渲染，生成1分钟视频将需要长达12分钟的时间。
技术挑战
Sora模型的部署不仅对硬件资源提出了巨大挑战，还要求在高电力消耗和渲染速度方面取得突破。应对这些挑战需要全面的技术和资源投入，以确保Sora模型的高效运行和稳定性。
随着OpenAI在人工智能领域不断创新，Sora模型的开发将为文本转视频技术带来新的可能性。然而，要实现这一目标，需要克服硬件成本、能耗和渲染速度等诸多技术挑战，这将是一项艰巨而又值得挑战的任务。
Factorial Funds的报告揭示了部署Sora模型所面临的硬件需求和挑战，同时也展示了OpenAI在人工智能领域的前沿地位。
