随着人工智能技术的飞速发展，越来越多的企业开始将其运用在生产和管理中。其中，AI大模型成为了人工智能技术的重要应用之一。然而，AI大模型的训练成本却是制约其应用的一大问题。

首先，训练AI大模型需要大量的计算资源，在硬件设备上的投入也相应增加。一些前沿技术如BERT和GPT-3需要运行在高端的GPU上，而这类计算设备在国内及其昂贵，致使大多数中小型企业难以承担。

其次，要训练一个AI大模型，需要大量的数据集来对模型进行学习和训练，因此数据集的获取和处理也将是大笔开支。而真实的数据集数量有时是很难预估的，在扩大训练规模的过程中容易出现数据集不足等问题，这进一步加大了训练成本。

此外，训练AI大模型也需要超高的时间成本。在大多数情况下，训练一个AI大模型需要至少数千个小时以上的时间。这对于一些对时间敏感的应用来说，或者是对外发布期限的应用是不能承受的。同时，随着数据规模的增加，训练时间也会成倍增加，进一步加大了训练成本。

为了降低AI大模型训练成本，有一些策略可以采用。一方面，可以通过云计算的方式来降低成本。云计算平台具有运算资源充足，灵活性高的特点，可以较好地解决计算等问题，进一步降低成本。另一方面，可以通过提高算法的优化和硬件优化等技术来降低成本。

综上所述，AI大模型训练成本仍是影响人工智能技术应用的一个重要因素。但通过一些策略和方法的应用，已经不再是无法承受的高成本问题。笔者相信，在未来，随着云计算的普及以及技术的进一步完善，AI大模型训练成本会逐步降低，为人工智能技术的发展做出更大的贡献。