牛津大学研究表明，AI领域的成本差异已导致中文培训费用是英语的2倍。

根据牛津大学的一项研究，大型语言模型（LLM）的计费方式表明，与其他语言相比，英语的输入和输出要便宜得多。这项研究对多种语言模型进行了比较，发现英语的使用费用较低。这一发现可能会对各个领域的语言处理产生重大影响，特别是在机器翻译、虚拟助手和语音识别等方面。这项研究表明，英语在大型语言模型领域占据了更具竞争力的地位，这可能会促使更多的企业和个人选择英语作为输入输出语言。然而，这一结果也引发了一些讨论，一些人认为这将导致英语在全球语言多样性中的主导地位进一步加强，有可能排挤其他语言的发展。无论如何，这项研究提供了一个新的视角，对于评估大型语言模型的成本和盈利能力具有重要意义。

②简体中文的训练费用约是英语的 2 倍，而缅甸掸语的费用为 15 倍；

③语言的成本差异导致英语使用者和其他语言使用者之间形成 AI 鸿沟。

财联社 7 月 31 日讯（编辑 周子意）如今的大型语言模型（LLM）可以理解世界上很多语言，甚至是一些记载较少的语言。不过，大模型处理不同语言之间时，其性能上存在很大的差异，这是由于模型成本与其所训练的语言紧密挂钩。

牛津大学最近进行的一项研究表明，从诸多语言模型的计费方式看，英语的输入和输出比其他语言的输入和输出要便宜得多。例如，西班牙语的成本约为英语的 1.5 倍，简体中文的价格约为 2 倍以上，缅甸掸语在 15 倍以上。

成本的差异也间接导致英语使用者和世界其他语言使用者之间形成 AI 鸿沟。

成本差异主要是因数据标记化所带来的。标记化就是将训练文本分解成更小的单元，这个更小的单元就是标记（Token）。这是一个人工智能（AI）公司将用户输入转换为计算成本的过程。

研究显示，使用英语以外的语言访问和训练模型的成本都更高。例如中文，无论是在语法上还是在字符数量上，都有更复杂的结构，从而导致更高的标记化（Token）率。

举例来看，基于 OpenAI 公司的 GPT2 模型，对于 " 国家不同，所得税的结构是不同的，税率和税率等级也有很大的差异 " 这句话的处理来看，在简体中文处理中运用到了 66 个 Token，在英语处理中仅用到了 24 个 Token，而在禅语处理中使用到了 468 个 Token。

就每次输出所需的费用而言，汉语的成本是英语的两倍。所以在 AI 相关的费用中，英语的成本效益是最高的。

当涉及到语言模型时，设计者的主要目标是实现低成本和高效功能之间的平衡。随着 AI 领域的不断发展，科技公司必须仔细考虑语言选择对成本和可访问性的影响。

这种成本差异促使中国、印度等国家纷纷开发自己的母语 LLM 项目。