保守计算九安医疗第一季度每个月最少2亿产能，最保守的产量算法！
每个月卖两亿个试剂盒，一季度三个月就6亿个试剂盒！其中卖给美国联邦政府价格是5美元一只，亚马逊价格是8.99美元一只！综合净利润算每只试剂盒算4美元吧！美元汇率算6.35。
由此得出一季度最保守的净利润：6亿只试剂盒*4美元净利润*6.35汇率=152.4亿人民币
如果感觉利润算多了，那就再算一遍吧，按照最最保守的算法，每只净利润3.5美元。净利润为：6亿只试剂盒*3.5美元净利润*6.35汇率=133.35亿人民币
如果感觉利润还算多了，那就再再算一遍吧，按照最最最保守的算法，每只净利润3美元。净利润为：6亿只试剂盒*3美元净利润*6.35汇率=114.3亿人民币
综上所述: 每只试剂盒净利润4美元的情况下，九安医疗一季度最保守的利润是152.4亿人民币！！
每只试剂盒净利润3.5美元的情况下，九安医疗一季度最保守的利润是133.35亿人民币！！
每只试剂盒净利润3美元的情况下，九安医疗一季度最保守的利润是114.3亿人民币！
以此类推：如果一季度能达到8亿产能：
每只试剂盒净利润4美元的情况下，九安医疗一季度最保守的利润是203.2亿人民币！！
每只试剂盒净利润3.5美元的情况下，九安医疗一季度最保守的利润是177.8亿人民币！！
每只试剂盒净利润3美元的情况下，九安医疗一季度最保守的利润是152.4亿人民币！！
继续以此类推：如果一季度能达到10亿产能：
每只试剂盒净利润4美元的情况下，九安医疗一季度最保守的利润是254亿人民币！！
每只试剂盒净利润3.5美元的情况下，九安医疗一季度最保守的利润是222.25亿人民币！！
每只试剂盒净利润3美元的情况下，九安医疗一季度最保守的利润是190.5亿人民币！！
最近有机构粗略算过构建一个大模型需要多大投入，下面跟大家一起学习一下。
在语音类模型里面，数据单位是token，一个单词，或者一句话都可以拆分成若干个token，一个30字（英语）的问题，大概可以拆分成40个token（我也不知道为啥，机构就是这么预估的）。
在语音类模型里，每个token的计算成本是2N，其中N是模型的参数量，目前最火的ChatGPT的参数量是3000亿个。假设模型的 FLOPS利用率约为 20%，那么粗略估算ChatGPT在处理一个30字的问题时所需要算力资源是2*3000亿*40*/20%=0.12PetaFLOP/S.
今年1月份ChatGPT的月活是1300万，假设每个人平均每天提问1000字，合计130亿字，相当于173.3亿个token，平均分配到24小时，需要算力173.3亿*2*3000亿/(20%*24小时*3600秒)=601.75PetaFLOP/S.
一个英伟达的DGX A100算力性能为 5 PetaFLOP/S，想要支持1300万人的访问，大概需要602/5=120.4个服务器。这只是平均算力要求，假设峰值期间的算力要求是均值的5倍，那么就需要102.4x5=602个DGX A100服务器，而一个服务器的售价为19.9万美元，合计1.2亿美元。
这1.2亿美元只是服务器的成本，而服务器的成本占到IDC的30%，所以实际的投入是4亿美元。另外，租用亚马逊的AWS云服务，每台服务器每天的成本是460美元，那么620台服务器一年的成本就是460*602*365=1亿美元，加上IDC就是5亿美元了。
也就是说，算法、数据方面的困难暂且不谈，国内企业想要训练出和ChatGPT类似的大模型，5亿美元是敲门砖，国内有能力拿出这个钱的，一只手就数的过来。而且这5亿美元投进去，相当于打水漂，能不能收回来都不一定的。
不过国内想发展大模型，最大的问题显然不是钱，英伟达的A100、H100已经不卖给我们了，算力如何提供，算法够不够聪明，数据量大不大，这些才是真正的麻烦。
苹果以电脑手机为主，亚马逊搞电商跟云计算，谷歌搞搜索，每个都在坚持自己的主业，从来不没有目的和秩序的扩张，只有不知道未来在哪里的企业才会四处出击！//@Michael780928:现在的大企业都奉行无边界扩张，大凡市场前景好的都一拥而上，现在一家独大的局面很难存在，竞争会越来越大。
钛媒体APP钛媒体官方账号
阿里云何以踩刹车？
