本文來自微信公眾號：數智前線（ID：szqx1991），作者：趙豔秋 徐鑫，編輯：周路平，題圖來自：視覺中國
春節前，人工智慧組織OpenAI推出的大模型ChatGPT，在國內業界引起了不小的轟動。
一名AI從業者告訴數智前線，人工智慧每五六年都有一波浪潮，上一波AlphaGO讓大家震撼，這一波就是ChatGPT。但這兩次大家的心態迥然不同，當谷歌的AI下棋戰勝圍棋世界冠軍時，大家當新聞看，但這一次許多人是從消費者的角度來體驗它。一個月裡，全世界100萬用戶在使用和體驗它，這是非常顛覆性的體驗。這也是AI第一次大規模的自傳播。
數智前線獲悉，除了感嘆於ChatGPT的驚豔體驗外，國內業界也在迅速反思和行動：我們的差距在哪裡？我們將如何正視和改進不足？哪些是中國從業者的機會？
一名從業人士告訴數智前線，ChatGPT出現後，行業重新變得熱鬧而有活力，前幾年青黃不接、垂頭喪氣的局面一掃而空。
一、中美差距究竟有多大
在ChatGPT推出後，一位百度資深人士告訴數智前線，他“沒有興趣”談論ChatGPT，言語之間，五味雜陳。一位人工智慧企業創始人稱，面對ChatGPT的驚豔表現，心癢癢也迷茫，失眠了。他坦承，從模型的規模到效果，差距還比較遠。
有人用同樣的問題向國內某廠商的大模型和ChatGPT同時發問，ChatGPT從回答的邏輯性和完整度上都遠超國內大模型，國內大模型的答案帶有明顯的拼湊感，夾雜著不少主題之外的胡編內容。而且，在回覆速度上，ChatGPT也領先一截。
從事數字人研發的特看科技CEO樂乘認為，目前全球還沒有能跟ChatGPT抗衡的大模型，業界共識是差距在兩年以上。國內先不談彎道超車，趁早追趕反而是更重要的。
雖然一些人工智慧資深人士認為，在ChatGPT所涉及的技術上，中美是“平級”的，但華為諾亞方舟實驗室語音語義首席科學家劉群，在黃大年茶思屋的討論中坦承，中國在技術上仍是有差距的。其中一個是基礎模型本身的差距，雖然我們訓練了很多萬億模型或者是幾千億的模型，但訓練的充分程度，是遠遠不夠的。“我估計到現在為止，沒有哪個模型能吃GPT那麼多資料。”
清華大學計算機科學與技術系長聘副教授黃民烈提到，在GPT-3之後，OpenAI所有的模型都沒有開源，但它提供了API呼叫。在這個過程中，它幹了一件事，就是建立起了真實的使用者呼叫和模型迭代之間的飛輪，它非常重視真實世界資料的呼叫，以及這些資料對模型的迭代。當然，在此過程中，它也養活了美國一大幫創業公司，建立了一個生態。
“你看我們國內的大模型研究，是A公司訓練了一個，B公司也訓練了一個，打個廣告就完了，模型開源，你愛用不用。至少目前還沒看到一家比較好的公司，把資料和模型的飛輪完整轉起來。所以，我覺得這是我們趕超ChatGPT的難點。”一位業內人士坦言。
除此之外，業界人士都提到了算力問題。由於GPU晶片等問題，在一定程度上，國內算力已被洽談了。即使國內頭部公司，從算力上跟谷歌等相比，差距也是比較顯著的。
從資料質量來說，整個網際網路的中文資料質量，相比於英文仍是有明顯差距。“我們可能要想辦法，做中英文不同語言之間的資料互補。”有業內人士稱。
此外，幾乎所有受訪人士都提到了OpenAI這家人工智慧組織，所體現的純碎創新精神和長期主義。“其實從原理和方法看，他們所做的東西業界都是瞭解的，倒沒有說什麼是美國做得了、我們做不了的。”雲知聲董事長梁家恩對數智前線說，但像OpenAI和DeepMind，他們可能是業界唯二的兩家機構，無論在創新性、投入、決心，仍是在頂尖人才儲備上，都是一如既往堅持的。“我們看到的是成功，但裡面可能已經有很多失敗的嘗試。”
有資深AI從業者認為，在看不到前景和沒有顯著效果的階段，OpenAI非常堅定地做了投入，相反國內傾向於在技術出現突破後，快速追隨。“國內大家第一步想的是，我們現在怎麼用起來，但在不能用的時候，人家就在長期投入。”
“這件事實在是值得我們學習的，我們真的需要有足夠多的錢，有這麼一幫熱血的人才，能夠在一個方向上這樣持續積累發力，我覺得這是一個非常必要的條件。”黃民烈稱。
最近一段時間，業界也在討論中國企業能否超越。容聯雲AI研究院院長劉傑告訴數智前線，圍繞業務，尤其是國內的場景，是有超越機會的。在區域性應用中開始超越，這也是業界的共識。
二、對中國人工智慧界有何啟發
ChatGPT是一種大模型。在它推出之前，國內外實際上已有不少大模型。相比其他大模型，它有了業界意料之外的突破，也給國內業界帶來啟發。
第一，ChatGPT有一個非常強大的技術底座，也就是InstructGPT模型。但這個模型的論文剛發出來時，沒有引起特別大的反響，大家覺得也就是 OpenAI的一篇論文而已。
梁家恩也告訴數智前線，此前，GPT與BERT模型路線一直在競爭，2018年時BERT模型先贏了，但GPT模型路線一直沒放棄，模型引數和資料規模越做越大，最終結合人工反饋增強學習（RLHF），在ChatGPT上取得了重大突破，效果上反超了BERT模型路線。因此，業內公司正在關注投入更大精力到GPT模型路線上，技術路線交替競爭，在業內是常態。
第二，ChatGPT引入了強化學習機制。容聯雲劉傑告訴數智前線，ChatGPT不僅僅像以前的大模型，利用了沒有人工標註的資料去學習，還在新版本上引入了人工標註的資料，透過人類的反饋，有針對性地進行最佳化。“這是ChatGPT一個重要的進展，給了我們很大的啟發。”
“這是它核心的一點。”華為終端雲服務搜尋與地圖BU總裁趙世奇稱，“今天，我們的模型越來越大，它就像一股洪荒之力，有人會害怕未來它會不會控制人類？但引入了這種強化學習機制後，就相當於給洪荒之力一個引導，讓大模型的產出朝著可控的方向走，生成符合預期的結果。”比如，你去問它一些倫理安全的敏感話題，它都能答得很好。
這裡的難度是建立怎樣的強化學習機制。此前，在下圍棋的AI中，強化學習是用勝負做反饋。但對於ChatGPT如此開放的系統，是沒有明確的反饋機制的。黃民烈稱，過去大家也嘗試了強化學習機制，但很多都不太成功。ChatGPT在這件事上取得了突破。
第三，它在資料質量和多樣性上非常講究。OpenAI僱傭了一個數十人的資料團隊，其實ChatGPT強化學習的資料量並不大，但對資料多樣性、標註體系都有精巧的設計，讓資料發揮出了強大的作用。業內認為，這確實是值得我們借鑑的地方。
當然，ChatGPT也有明顯的不足。大家公認的，是它善於一本正經地胡說八道。劉傑告訴數智前線，ChatGPT是一個黑盒計算，當下在內容的可信性和可控性上有一定侷限。“我們要給它足夠正確的知識，再引入知識圖譜這類知識管理和資訊注入技術，還要限定它的資料範圍和應用場景，使得它生成的內容更為可靠，這是我們在做的。”
ChatGPT在AI的技術路線和訓練方式上的變革，讓人關注它對產業帶來的改變。特看科技CEO樂乘預計，很多單點環節裡，用不用大模型會有天地之別。沒用大模型，只基於自己上一代小模型做產品的企業，跟應用了大模型且還做了業務垂直化的公司，將無法競爭。
多名創業者談及，這兩年創業市場垂頭喪氣，所有人都在探尋能夠大幅度提升生產力的技術是什麼。“ChatGPT其實提供了一種新的正規化。垂頭喪氣、青黃不接的狀態可能會成為過去。這個領域出幾家千億級別的公司是完全有可能的。”樂乘說。
三、中國企業的動作
ChatGPT推出後，很多人在講谷歌、百度的焦慮。但大多數中國業內人士認為，目前ChatGPT仍是一個對AI技術正規化的探索，它並不能代替搜尋。ChatGPT當下一個很大的弊端是無法實時獲取網際網路資訊。由於它只是一個端到端的生成模型，能夠自我構造虛假答案，這些都是它替代搜尋的障礙。而如果以目前每一條几美分的成本來看，它會讓商業搜尋引擎公司入不敷出。
它作為搜尋引擎的補充是有機會的，因為搜尋引擎也講求“所問即所答”，但這還有一個發展過程。
劉傑認為，ChatGPT主要的產業化路徑，目前可能性比較大的首先仍是在C端。由於ChatGPT展現出的大模型的創造性，以及對長篇上下文的理解能力，它可能會聚焦於一些開放性、創意性和通用性的任務上。
不外，中國企業在行業市場的探索已經開啟。比如，在智慧客服領域，雲蝠智慧CEO魏佳星告訴數智前線，上個月他們在一些場景嘗試引入ChatGPT來做外呼的Demo測試，呼叫ChatGPT來回復客戶的問題。
“在智慧客服領域應用這項技術，核心點在大模型的NLP（自然語言處理）能力和此前企業裡已有的NLP之間怎麼結合。”魏佳星說。例如幫助順豐去做回訪的快遞通知體系，是基於幾個標準動作而進行，在這個封閉條件下應該優先企業已有的技術，滿足客戶當下的核心需求。
在這個需求之外，此前智慧客服中的AI工具，在泛化能力和通用性方面存在一定的缺陷，語料資訊不充分時，AI沒辦法對問題做出反應，ChatGPT大模型能夠補全這方面的能力。魏佳星反饋，雲蝠智慧外呼的Demo測試效果較好。在其他行業裡這項技術可能仍處於娛樂狀態，但在智慧客服領域，ChatGPT已具備商用潛力。
從事通訊及數字化服務的上市企業容聯雲，從2021年圍繞著人機智慧對話，做核心技術和產品研發，比如智慧客服。目前，在研發與ChatGPT類似的人工智慧內容生成產品。
但就模型的規模，劉傑有不同的看法。“ChatGPT的優勢是它的大帶來的，但在應用落地上，由於它過大，也帶來了挑戰和侷限。”他告訴數智前線，“脫離場景去談大和小是沒有意義的。在特定應用場景、特定條件約束下、在特定的資料上，去訓練規模適宜的模型，是我們努力的目標。”
劉傑還稱，AI是一個鏈條比較長的產品技術，如果沒有建立一個好的反饋機制，在部署運營階段，從最前線發現的問題，就很難有效定位解決，所以要讓模型去持續成長和最佳化，“它不是靜態的，不是交付了就不再管它。”
雲知聲梁家恩告訴數智前線，他們一直緊密親密跟進業內最前沿的演算法，是最早把BERT和GPT2模型方法用到實際業務系統的團隊之一，“現在相當於是把基於BERT的技術框架做個升級，目前已納入雲知聲今年的技術升級目標規劃中。”梁家恩說，ChatGPT的優勢是意圖理解、上下文對話管理和高質量內容生成，技術升級後，預計會帶來顯著的體驗提升。
與其他企業一樣，雲知聲的目標是先走通，之後在既有的業務比如在IoT智慧語音互動對話，以及醫療行業應用中落地。梁家恩也提到了模型的規模問題，考慮商業化成本，實用模型的引數目最終可能要壓到10億量級。
商湯科技數字文娛事業部總經理欒青告訴數智前線，團隊更多是利用GPT等生成式內容進行短影片等創作，讓大家在創作的過程當中，把生產效率提升，“這是我們的核心點”。同時，商湯已訓練了超過300億量級超大基模型。
出門問問創始人李志飛則告訴數智前線，出門問問從2019年底開始做生成式應用，2020年GPT-3出來後一直在跟蹤大模型。目前發力的一個行業應用是寫文案。
某遊戲人工智慧的資深開發者告訴數智前線，這項技術在遊戲的使用者互動環節和製作環節能看到應用前景。比如使用者和NPC（一種角色）互動對話時呼叫，由於ChatGPT對自然語言的優秀理解能力，使用者和NPC互動的開放效能大幅提升。另外在製作環節裡，應用ChatGPT，可透過關鍵詞生成故事線，能給策劃在劇情走向設計時提供參考。
另外，在數字人領域，特看科技CEO樂乘告訴數智前線，大模型讓數字人的內容生產和互動方式發生了變化。
在沒有引入大模型之前，數字人說話和行動基本要靠真人行為去驅動。有了大模型之後，內容的輸出可以透過大模型來完成。以直播帶貨為例，數字人公司先給本地生活、知識付費和直播商家等建立一個數字人的虛擬主播形象，而後可以將大模型接入，讓大模型輔助撰寫數字人直播帶貨的話術和指令碼，“未來在我們關注的泛生活和電商賽道，可能有30%內容能夠透過大模型生成來完成。”樂乘說。
四、ChatGPT在行業落地難
不外，業界資深人士提出，當下ChatGPT在行業裡要真正落地還面臨困難。
“商業模型上跑不通。”魏佳星對數智前線說。ChatGPT目前呼叫一次的費用在幾美分，智慧客服一天的問答場景，通常可能要呼叫幾十萬次。“我們一通電話收費才1.2毛，利潤可能也就2分錢，現在的成本使得它根本跑不起來。“魏佳星認為，當這項產品的呼叫成本降到1分錢時，行業裡可能就會大範圍使用起來。
遊戲行業的開發者們也坦言，呼叫ChatGPT的成本和它當下所帶來的回報可能並不成正比。幾美分只是呼叫費用，還不算運營費用。“沒有一個老闆能接受，NPC回覆一句話要花掉幾毛錢，即使它說得再好。”而使用者的遊戲體驗是個系統工程，文字互動只是其中的一環。當下即使有廠商願意不顧高成本使用ChatGPT，最終的使用者體驗也依然可能無法有質的飛躍。
在遊戲製作環節，ChatGPT可能也只能作為策劃和遊戲設計環節的參考，“乍看中規中矩要素齊全，但細品會發現缺少靈魂，在觀念性的創造上仍有待提升”。
不外，樂乘對ChatGPT的成本問題相對樂觀。OpenAI公司自己也是初創團隊，沒有那麼有錢。隨著競爭加劇，大模型會像水電煤一樣，是大家都用得起的狀態。
刨除成本考量，在對企業的落地中，ChatGPT這類大模型，也有典型的問題。
容聯雲劉傑舉例，首先，很多客戶有私有化部署要求，但這些模型非常大，對資源要求高，當前不太可能實現私有化部署。其次，這些大模型在一些特定行業或特定任務上，專業性是欠缺的，需要去適配。
而對於ChatGPT這類非開源的大模型應用來說，對它在下游任務上的微調，如何兼顧成本、靈活性和資料隱私則是一個關鍵問題。這些問題也造成，這種模型還沒有走到服務企業級客戶，尤其是大型企業客戶那一步。
除此之外，現在人工智慧技術都在與企業的核心業務流程做深度融合，而像ChatGPT這個基於大模型的應用服務，更像一個獨立的外掛，如何深度繫結，這也成為企業使用它的一個待解決問題。
業界人士期望ChatGPT未來在商業模式上有更好的呈現方式。目前ChatGPT對外提供的API還非常單一，影響了應用。
五、創業公司會被ChatGPT吞噬嗎
大家在期待OpenAI的下一個版本。GPT-3大模型釋出於2020年， ChatGPT則基於它的改進版本建立。此前盛傳，GPT-4將於今年一季度或下半年推出，不過OpenAI的執行長 Sam Altman在1月份回應，沒有具體的時間表。
一些創業者已經開始關注到，隨著大模型被越來越多地應用，細分賽道的創業公司在大模型的強大推力加持下，如何尋找自己的生存空間。
它涉及到兩點，首先是如何深化對垂直行業的認知，真正把大模型融入到企業的創新業務流中。特看科技樂乘認為，垂直行業的小模型，考驗的是創業公司對垂直行業的know-how。創業公司需要基於對行業的認知深度，採集足夠多的場景資料，並基於這些細分資料更好服務使用者。使用者越多，反饋越多，最終形成資料反饋的閉環。
創業公司在小模型的競爭終局比拼的是，誰家的小模型跟業務結合得緊，且能解決好跟大模型結合的問題。
另一點是，大模型被充分使用、喂得很肥後，是否會成為最強大的AI，最終吞噬細分賽道上小創業公司的發展空間。
海外初創公司Jasper的命運頗能反映這種境況。Jasper是一家基於GPT-3大模型來生成營銷文案的AI服務商，去年10月它宣佈以15億美元的估值獲得1.25億美元A輪融資。一個月後，基於GPT-3改進版本搭建的ChatGPT大火，智慧程度更泛化的ChatGPT徹底蓋過了Jasper的風頭。
“對創業者而言，在充分利用已有大模型的情況下，也要儘可能要把小模型的閉環資料保護好。”特看科技樂乘說，這也是他們公司未來會重點攻克的方向。
不外，當下底層大模型還在高速迭代階段，行業內都在等 GPT-4 出來。樂乘認為，從GPT-3到GPT-4的變遷，很像移動網際網路早期 iPhone 1和 iPhone4 階段iOS的升級速度，它的發展速度也許會超出大家的認知。
一些人士猜測， GPT-4將在多模態上有進展，也就是會引入影片、音訊等。國內某遊戲人工智慧的資深開發則告訴數智前線，他們關注的是下一代的大模型能不能在理解上下文上有突破。“如果大模型能讓人工智慧打贏辯論賽，那麼它的能力就算是有質的突破了。”
“短期內可能大家會高估這個東西，但長期可能有很多人會低估這個東西。”這名遊戲AI資深開發評價。
本文來自微信公眾號：數智前線（ID：szqx1991），作者：趙豔秋 徐鑫，編輯：周路平
本內容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯絡hezuo@huxiu.com
如對本稿件有異議或投訴，請聯絡tougao@huxiu.comEnd
想漲知識 關注虎嗅影片號！
本文來自微信公眾號：數智前線（ID：szqx1991），作者：趙豔秋 徐鑫，編輯：周路平，題圖來自：視覺中國
春節前，人工智慧組織OpenAI推出的大模型ChatGPT，在國內業界引起了不小的轟動。
一名AI從業者告訴數智前線，人工智慧每五六年都有一波浪潮，上一波AlphaGO讓大家震撼，這一波就是ChatGPT。但這兩次大家的心態迥然不同，當谷歌的AI下棋戰勝圍棋世界冠軍時，大家當新聞看，但這一次許多人是從消費者的角度來體驗它。一個月裡，全世界100萬用戶在使用和體驗它，這是非常顛覆性的體驗。這也是AI第一次大規模的自傳播。
數智前線獲悉，除了感嘆於ChatGPT的驚豔體驗外，國內業界也在迅速反思和行動：我們的差距在哪裡？我們將如何正視和改進不足？哪些是中國從業者的機會？
一名從業人士告訴數智前線，ChatGPT出現後，行業重新變得熱鬧而有活力，前幾年青黃不接、垂頭喪氣的局面一掃而空。
一、中美差距究竟有多大
在ChatGPT推出後，一位百度資深人士告訴數智前線，他“沒有興趣”談論ChatGPT，言語之間，五味雜陳。一位人工智慧企業創始人稱，面對ChatGPT的驚豔表現，心癢癢也迷茫，失眠了。他坦承，從模型的規模到效果，差距還比較遠。
有人用同樣的問題向國內某廠商的大模型和ChatGPT同時發問，ChatGPT從回答的邏輯性和完整度上都遠超國內大模型，國內大模型的答案帶有明顯的拼湊感，夾雜著不少主題之外的胡編內容。而且，在回覆速度上，ChatGPT也領先一截。
從事數字人研發的特看科技CEO樂乘認為，目前全球還沒有能跟ChatGPT抗衡的大模型，業界共識是差距在兩年以上。國內先不談彎道超車，趁早追趕反而是更重要的。
雖然一些人工智慧資深人士認為，在ChatGPT所涉及的技術上，中美是“平級”的，但華為諾亞方舟實驗室語音語義首席科學家劉群，在黃大年茶思屋的討論中坦承，中國在技術上仍是有差距的。其中一個是基礎模型本身的差距，雖然我們訓練了很多萬億模型或者是幾千億的模型，但訓練的充分程度，是遠遠不夠的。“我估計到現在為止，沒有哪個模型能吃GPT那麼多資料。”
清華大學計算機科學與技術系長聘副教授黃民烈提到，在GPT-3之後，OpenAI所有的模型都沒有開源，但它提供了API呼叫。在這個過程中，它幹了一件事，就是建立起了真實的使用者呼叫和模型迭代之間的飛輪，它非常重視真實世界資料的呼叫，以及這些資料對模型的迭代。當然，在此過程中，它也養活了美國一大幫創業公司，建立了一個生態。
“你看我們國內的大模型研究，是A公司訓練了一個，B公司也訓練了一個，打個廣告就完了，模型開源，你愛用不用。至少目前還沒看到一家比較好的公司，把資料和模型的飛輪完整轉起來。所以，我覺得這是我們趕超ChatGPT的難點。”一位業內人士坦言。
除此之外，業界人士都提到了算力問題。由於GPU晶片等問題，在一定程度上，國內算力已被洽談了。即使國內頭部公司，從算力上跟谷歌等相比，差距也是比較顯著的。
從資料質量來說，整個網際網路的中文資料質量，相比於英文仍是有明顯差距。“我們可能要想辦法，做中英文不同語言之間的資料互補。”有業內人士稱。
此外，幾乎所有受訪人士都提到了OpenAI這家人工智慧組織，所體現的純碎創新精神和長期主義。“其實從原理和方法看，他們所做的東西業界都是瞭解的，倒沒有說什麼是美國做得了、我們做不了的。”雲知聲董事長梁家恩對數智前線說，但像OpenAI和DeepMind，他們可能是業界唯二的兩家機構，無論在創新性、投入、決心，仍是在頂尖人才儲備上，都是一如既往堅持的。“我們看到的是成功，但裡面可能已經有很多失敗的嘗試。”
有資深AI從業者認為，在看不到前景和沒有顯著效果的階段，OpenAI非常堅定地做了投入，相反國內傾向於在技術出現突破後，快速追隨。“國內大家第一步想的是，我們現在怎麼用起來，但在不能用的時候，人家就在長期投入。”
“這件事實在是值得我們學習的，我們真的需要有足夠多的錢，有這麼一幫熱血的人才，能夠在一個方向上這樣持續積累發力，我覺得這是一個非常必要的條件。”黃民烈稱。
最近一段時間，業界也在討論中國企業能否超越。容聯雲AI研究院院長劉傑告訴數智前線，圍繞業務，尤其是國內的場景，是有超越機會的。在區域性應用中開始超越，這也是業界的共識。
二、對中國人工智慧界有何啟發
ChatGPT是一種大模型。在它推出之前，國內外實際上已有不少大模型。相比其他大模型，它有了業界意料之外的突破，也給國內業界帶來啟發。
第一，ChatGPT有一個非常強大的技術底座，也就是InstructGPT模型。但這個模型的論文剛發出來時，沒有引起特別大的反響，大家覺得也就是 OpenAI的一篇論文而已。
梁家恩也告訴數智前線，此前，GPT與BERT模型路線一直在競爭，2018年時BERT模型先贏了，但GPT模型路線一直沒放棄，模型引數和資料規模越做越大，最終結合人工反饋增強學習（RLHF），在ChatGPT上取得了重大突破，效果上反超了BERT模型路線。因此，業內公司正在關注投入更大精力到GPT模型路線上，技術路線交替競爭，在業內是常態。
第二，ChatGPT引入了強化學習機制。容聯雲劉傑告訴數智前線，ChatGPT不僅僅像以前的大模型，利用了沒有人工標註的資料去學習，還在新版本上引入了人工標註的資料，透過人類的反饋，有針對性地進行最佳化。“這是ChatGPT一個重要的進展，給了我們很大的啟發。”
“這是它核心的一點。”華為終端雲服務搜尋與地圖BU總裁趙世奇稱，“今天，我們的模型越來越大，它就像一股洪荒之力，有人會害怕未來它會不會控制人類？但引入了這種強化學習機制後，就相當於給洪荒之力一個引導，讓大模型的產出朝著可控的方向走，生成符合預期的結果。”比如，你去問它一些倫理安全的敏感話題，它都能答得很好。
這裡的難度是建立怎樣的強化學習機制。此前，在下圍棋的AI中，強化學習是用勝負做反饋。但對於ChatGPT如此開放的系統，是沒有明確的反饋機制的。黃民烈稱，過去大家也嘗試了強化學習機制，但很多都不太成功。ChatGPT在這件事上取得了突破。
第三，它在資料質量和多樣性上非常講究。OpenAI僱傭了一個數十人的資料團隊，其實ChatGPT強化學習的資料量並不大，但對資料多樣性、標註體系都有精巧的設計，讓資料發揮出了強大的作用。業內認為，這確實是值得我們借鑑的地方。
當然，ChatGPT也有明顯的不足。大家公認的，是它善於一本正經地胡說八道。劉傑告訴數智前線，ChatGPT是一個黑盒計算，當下在內容的可信性和可控性上有一定侷限。“我們要給它足夠正確的知識，再引入知識圖譜這類知識管理和資訊注入技術，還要限定它的資料範圍和應用場景，使得它生成的內容更為可靠，這是我們在做的。”
ChatGPT在AI的技術路線和訓練方式上的變革，讓人關注它對產業帶來的改變。特看科技CEO樂乘預計，很多單點環節裡，用不用大模型會有天地之別。沒用大模型，只基於自己上一代小模型做產品的企業，跟應用了大模型且還做了業務垂直化的公司，將無法競爭。
多名創業者談及，這兩年創業市場垂頭喪氣，所有人都在探尋能夠大幅度提升生產力的技術是什麼。“ChatGPT其實提供了一種新的正規化。垂頭喪氣、青黃不接的狀態可能會成為過去。這個領域出幾家千億級別的公司是完全有可能的。”樂乘說。
三、中國企業的動作
ChatGPT推出後，很多人在講谷歌、百度的焦慮。但大多數中國業內人士認為，目前ChatGPT仍是一個對AI技術正規化的探索，它並不能代替搜尋。ChatGPT當下一個很大的弊端是無法實時獲取網際網路資訊。由於它只是一個端到端的生成模型，能夠自我構造虛假答案，這些都是它替代搜尋的障礙。而如果以目前每一條几美分的成本來看，它會讓商業搜尋引擎公司入不敷出。
它作為搜尋引擎的補充是有機會的，因為搜尋引擎也講求“所問即所答”，但這還有一個發展過程。
劉傑認為，ChatGPT主要的產業化路徑，目前可能性比較大的首先仍是在C端。由於ChatGPT展現出的大模型的創造性，以及對長篇上下文的理解能力，它可能會聚焦於一些開放性、創意性和通用性的任務上。
不外，中國企業在行業市場的探索已經開啟。比如，在智慧客服領域，雲蝠智慧CEO魏佳星告訴數智前線，上個月他們在一些場景嘗試引入ChatGPT來做外呼的Demo測試，呼叫ChatGPT來回復客戶的問題。
“在智慧客服領域應用這項技術，核心點在大模型的NLP（自然語言處理）能力和此前企業裡已有的NLP之間怎麼結合。”魏佳星說。例如幫助順豐去做回訪的快遞通知體系，是基於幾個標準動作而進行，在這個封閉條件下應該優先企業已有的技術，滿足客戶當下的核心需求。
在這個需求之外，此前智慧客服中的AI工具，在泛化能力和通用性方面存在一定的缺陷，語料資訊不充分時，AI沒辦法對問題做出反應，ChatGPT大模型能夠補全這方面的能力。魏佳星反饋，雲蝠智慧外呼的Demo測試效果較好。在其他行業裡這項技術可能仍處於娛樂狀態，但在智慧客服領域，ChatGPT已具備商用潛力。
從事通訊及數字化服務的上市企業容聯雲，從2021年圍繞著人機智慧對話，做核心技術和產品研發，比如智慧客服。目前，在研發與ChatGPT類似的人工智慧內容生成產品。
但就模型的規模，劉傑有不同的看法。“ChatGPT的優勢是它的大帶來的，但在應用落地上，由於它過大，也帶來了挑戰和侷限。”他告訴數智前線，“脫離場景去談大和小是沒有意義的。在特定應用場景、特定條件約束下、在特定的資料上，去訓練規模適宜的模型，是我們努力的目標。”
劉傑還稱，AI是一個鏈條比較長的產品技術，如果沒有建立一個好的反饋機制，在部署運營階段，從最前線發現的問題，就很難有效定位解決，所以要讓模型去持續成長和最佳化，“它不是靜態的，不是交付了就不再管它。”
雲知聲梁家恩告訴數智前線，他們一直緊密親密跟進業內最前沿的演算法，是最早把BERT和GPT2模型方法用到實際業務系統的團隊之一，“現在相當於是把基於BERT的技術框架做個升級，目前已納入雲知聲今年的技術升級目標規劃中。”梁家恩說，ChatGPT的優勢是意圖理解、上下文對話管理和高質量內容生成，技術升級後，預計會帶來顯著的體驗提升。
與其他企業一樣，雲知聲的目標是先走通，之後在既有的業務比如在IoT智慧語音互動對話，以及醫療行業應用中落地。梁家恩也提到了模型的規模問題，考慮商業化成本，實用模型的引數目最終可能要壓到10億量級。
商湯科技數字文娛事業部總經理欒青告訴數智前線，團隊更多是利用GPT等生成式內容進行短影片等創作，讓大家在創作的過程當中，把生產效率提升，“這是我們的核心點”。同時，商湯已訓練了超過300億量級超大基模型。
出門問問創始人李志飛則告訴數智前線，出門問問從2019年底開始做生成式應用，2020年GPT-3出來後一直在跟蹤大模型。目前發力的一個行業應用是寫文案。
某遊戲人工智慧的資深開發者告訴數智前線，這項技術在遊戲的使用者互動環節和製作環節能看到應用前景。比如使用者和NPC（一種角色）互動對話時呼叫，由於ChatGPT對自然語言的優秀理解能力，使用者和NPC互動的開放效能大幅提升。另外在製作環節裡，應用ChatGPT，可透過關鍵詞生成故事線，能給策劃在劇情走向設計時提供參考。
另外，在數字人領域，特看科技CEO樂乘告訴數智前線，大模型讓數字人的內容生產和互動方式發生了變化。
在沒有引入大模型之前，數字人說話和行動基本要靠真人行為去驅動。有了大模型之後，內容的輸出可以透過大模型來完成。以直播帶貨為例，數字人公司先給本地生活、知識付費和直播商家等建立一個數字人的虛擬主播形象，而後可以將大模型接入，讓大模型輔助撰寫數字人直播帶貨的話術和指令碼，“未來在我們關注的泛生活和電商賽道，可能有30%內容能夠透過大模型生成來完成。”樂乘說。
四、ChatGPT在行業落地難
不外，業界資深人士提出，當下ChatGPT在行業裡要真正落地還面臨困難。
“商業模型上跑不通。”魏佳星對數智前線說。ChatGPT目前呼叫一次的費用在幾美分，智慧客服一天的問答場景，通常可能要呼叫幾十萬次。“我們一通電話收費才1.2毛，利潤可能也就2分錢，現在的成本使得它根本跑不起來。“魏佳星認為，當這項產品的呼叫成本降到1分錢時，行業裡可能就會大範圍使用起來。
遊戲行業的開發者們也坦言，呼叫ChatGPT的成本和它當下所帶來的回報可能並不成正比。幾美分只是呼叫費用，還不算運營費用。“沒有一個老闆能接受，NPC回覆一句話要花掉幾毛錢，即使它說得再好。”而使用者的遊戲體驗是個系統工程，文字互動只是其中的一環。當下即使有廠商願意不顧高成本使用ChatGPT，最終的使用者體驗也依然可能無法有質的飛躍。
在遊戲製作環節，ChatGPT可能也只能作為策劃和遊戲設計環節的參考，“乍看中規中矩要素齊全，但細品會發現缺少靈魂，在觀念性的創造上仍有待提升”。
不外，樂乘對ChatGPT的成本問題相對樂觀。OpenAI公司自己也是初創團隊，沒有那麼有錢。隨著競爭加劇，大模型會像水電煤一樣，是大家都用得起的狀態。
刨除成本考量，在對企業的落地中，ChatGPT這類大模型，也有典型的問題。
容聯雲劉傑舉例，首先，很多客戶有私有化部署要求，但這些模型非常大，對資源要求高，當前不太可能實現私有化部署。其次，這些大模型在一些特定行業或特定任務上，專業性是欠缺的，需要去適配。
而對於ChatGPT這類非開源的大模型應用來說，對它在下游任務上的微調，如何兼顧成本、靈活性和資料隱私則是一個關鍵問題。這些問題也造成，這種模型還沒有走到服務企業級客戶，尤其是大型企業客戶那一步。
除此之外，現在人工智慧技術都在與企業的核心業務流程做深度融合，而像ChatGPT這個基於大模型的應用服務，更像一個獨立的外掛，如何深度繫結，這也成為企業使用它的一個待解決問題。
業界人士期望ChatGPT未來在商業模式上有更好的呈現方式。目前ChatGPT對外提供的API還非常單一，影響了應用。
五、創業公司會被ChatGPT吞噬嗎
大家在期待OpenAI的下一個版本。GPT-3大模型釋出於2020年， ChatGPT則基於它的改進版本建立。此前盛傳，GPT-4將於今年一季度或下半年推出，不過OpenAI的執行長 Sam Altman在1月份回應，沒有具體的時間表。
一些創業者已經開始關注到，隨著大模型被越來越多地應用，細分賽道的創業公司在大模型的強大推力加持下，如何尋找自己的生存空間。
它涉及到兩點，首先是如何深化對垂直行業的認知，真正把大模型融入到企業的創新業務流中。特看科技樂乘認為，垂直行業的小模型，考驗的是創業公司對垂直行業的know-how。創業公司需要基於對行業的認知深度，採集足夠多的場景資料，並基於這些細分資料更好服務使用者。使用者越多，反饋越多，最終形成資料反饋的閉環。
創業公司在小模型的競爭終局比拼的是，誰家的小模型跟業務結合得緊，且能解決好跟大模型結合的問題。
另一點是，大模型被充分使用、喂得很肥後，是否會成為最強大的AI，最終吞噬細分賽道上小創業公司的發展空間。
海外初創公司Jasper的命運頗能反映這種境況。Jasper是一家基於GPT-3大模型來生成營銷文案的AI服務商，去年10月它宣佈以15億美元的估值獲得1.25億美元A輪融資。一個月後，基於GPT-3改進版本搭建的ChatGPT大火，智慧程度更泛化的ChatGPT徹底蓋過了Jasper的風頭。
“對創業者而言，在充分利用已有大模型的情況下，也要儘可能要把小模型的閉環資料保護好。”特看科技樂乘說，這也是他們公司未來會重點攻克的方向。
不外，當下底層大模型還在高速迭代階段，行業內都在等 GPT-4 出來。樂乘認為，從GPT-3到GPT-4的變遷，很像移動網際網路早期 iPhone 1和 iPhone4 階段iOS的升級速度，它的發展速度也許會超出大家的認知。
一些人士猜測， GPT-4將在多模態上有進展，也就是會引入影片、音訊等。國內某遊戲人工智慧的資深開發則告訴數智前線，他們關注的是下一代的大模型能不能在理解上下文上有突破。“如果大模型能讓人工智慧打贏辯論賽，那麼它的能力就算是有質的突破了。”
“短期內可能大家會高估這個東西，但長期可能有很多人會低估這個東西。”這名遊戲AI資深開發評價。
本文來自微信公眾號：數智前線（ID：szqx1991），作者：趙豔秋 徐鑫，編輯：周路平
本內容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯絡hezuo@huxiu.com
如對本稿件有異議或投訴，請聯絡tougao@huxiu.comEnd
想漲知識 關注虎嗅影片號！
本文來自微信公眾號：數智前線（ID：szqx1991），作者：趙豔秋 徐鑫，編輯：周路平，題圖來自：視覺中國
春節前，人工智慧組織OpenAI推出的大模型ChatGPT，在國內業界引起了不小的轟動。
一名AI從業者告訴數智前線，人工智慧每五六年都有一波浪潮，上一波AlphaGO讓大家震撼，這一波就是ChatGPT。但這兩次大家的心態迥然不同，當谷歌的AI下棋戰勝圍棋世界冠軍時，大家當新聞看，但這一次許多人是從消費者的角度來體驗它。一個月裡，全世界100萬用戶在使用和體驗它，這是非常顛覆性的體驗。這也是AI第一次大規模的自傳播。
數智前線獲悉，除了感嘆於ChatGPT的驚豔體驗外，國內業界也在迅速反思和行動：我們的差距在哪裡？我們將如何正視和改進不足？哪些是中國從業者的機會？
一名從業人士告訴數智前線，ChatGPT出現後，行業重新變得熱鬧而有活力，前幾年青黃不接、垂頭喪氣的局面一掃而空。
一、中美差距究竟有多大
在ChatGPT推出後，一位百度資深人士告訴數智前線，他“沒有興趣”談論ChatGPT，言語之間，五味雜陳。一位人工智慧企業創始人稱，面對ChatGPT的驚豔表現，心癢癢也迷茫，失眠了。他坦承，從模型的規模到效果，差距還比較遠。
有人用同樣的問題向國內某廠商的大模型和ChatGPT同時發問，ChatGPT從回答的邏輯性和完整度上都遠超國內大模型，國內大模型的答案帶有明顯的拼湊感，夾雜著不少主題之外的胡編內容。而且，在回覆速度上，ChatGPT也領先一截。
從事數字人研發的特看科技CEO樂乘認為，目前全球還沒有能跟ChatGPT抗衡的大模型，業界共識是差距在兩年以上。國內先不談彎道超車，趁早追趕反而是更重要的。
雖然一些人工智慧資深人士認為，在ChatGPT所涉及的技術上，中美是“平級”的，但華為諾亞方舟實驗室語音語義首席科學家劉群，在黃大年茶思屋的討論中坦承，中國在技術上仍是有差距的。其中一個是基礎模型本身的差距，雖然我們訓練了很多萬億模型或者是幾千億的模型，但訓練的充分程度，是遠遠不夠的。“我估計到現在為止，沒有哪個模型能吃GPT那麼多資料。”
清華大學計算機科學與技術系長聘副教授黃民烈提到，在GPT-3之後，OpenAI所有的模型都沒有開源，但它提供了API呼叫。在這個過程中，它幹了一件事，就是建立起了真實的使用者呼叫和模型迭代之間的飛輪，它非常重視真實世界資料的呼叫，以及這些資料對模型的迭代。當然，在此過程中，它也養活了美國一大幫創業公司，建立了一個生態。
“你看我們國內的大模型研究，是A公司訓練了一個，B公司也訓練了一個，打個廣告就完了，模型開源，你愛用不用。至少目前還沒看到一家比較好的公司，把資料和模型的飛輪完整轉起來。所以，我覺得這是我們趕超ChatGPT的難點。”一位業內人士坦言。
除此之外，業界人士都提到了算力問題。由於GPU晶片等問題，在一定程度上，國內算力已被洽談了。即使國內頭部公司，從算力上跟谷歌等相比，差距也是比較顯著的。
從資料質量來說，整個網際網路的中文資料質量，相比於英文仍是有明顯差距。“我們可能要想辦法，做中英文不同語言之間的資料互補。”有業內人士稱。
此外，幾乎所有受訪人士都提到了OpenAI這家人工智慧組織，所體現的純碎創新精神和長期主義。“其實從原理和方法看，他們所做的東西業界都是瞭解的，倒沒有說什麼是美國做得了、我們做不了的。”雲知聲董事長梁家恩對數智前線說，但像OpenAI和DeepMind，他們可能是業界唯二的兩家機構，無論在創新性、投入、決心，仍是在頂尖人才儲備上，都是一如既往堅持的。“我們看到的是成功，但裡面可能已經有很多失敗的嘗試。”
有資深AI從業者認為，在看不到前景和沒有顯著效果的階段，OpenAI非常堅定地做了投入，相反國內傾向於在技術出現突破後，快速追隨。“國內大家第一步想的是，我們現在怎麼用起來，但在不能用的時候，人家就在長期投入。”
“這件事實在是值得我們學習的，我們真的需要有足夠多的錢，有這麼一幫熱血的人才，能夠在一個方向上這樣持續積累發力，我覺得這是一個非常必要的條件。”黃民烈稱。
最近一段時間，業界也在討論中國企業能否超越。容聯雲AI研究院院長劉傑告訴數智前線，圍繞業務，尤其是國內的場景，是有超越機會的。在區域性應用中開始超越，這也是業界的共識。
二、對中國人工智慧界有何啟發
ChatGPT是一種大模型。在它推出之前，國內外實際上已有不少大模型。相比其他大模型，它有了業界意料之外的突破，也給國內業界帶來啟發。
第一，ChatGPT有一個非常強大的技術底座，也就是InstructGPT模型。但這個模型的論文剛發出來時，沒有引起特別大的反響，大家覺得也就是 OpenAI的一篇論文而已。
梁家恩也告訴數智前線，此前，GPT與BERT模型路線一直在競爭，2018年時BERT模型先贏了，但GPT模型路線一直沒放棄，模型引數和資料規模越做越大，最終結合人工反饋增強學習（RLHF），在ChatGPT上取得了重大突破，效果上反超了BERT模型路線。因此，業內公司正在關注投入更大精力到GPT模型路線上，技術路線交替競爭，在業內是常態。
第二，ChatGPT引入了強化學習機制。容聯雲劉傑告訴數智前線，ChatGPT不僅僅像以前的大模型，利用了沒有人工標註的資料去學習，還在新版本上引入了人工標註的資料，透過人類的反饋，有針對性地進行最佳化。“這是ChatGPT一個重要的進展，給了我們很大的啟發。”
“這是它核心的一點。”華為終端雲服務搜尋與地圖BU總裁趙世奇稱，“今天，我們的模型越來越大，它就像一股洪荒之力，有人會害怕未來它會不會控制人類？但引入了這種強化學習機制後，就相當於給洪荒之力一個引導，讓大模型的產出朝著可控的方向走，生成符合預期的結果。”比如，你去問它一些倫理安全的敏感話題，它都能答得很好。
這裡的難度是建立怎樣的強化學習機制。此前，在下圍棋的AI中，強化學習是用勝負做反饋。但對於ChatGPT如此開放的系統，是沒有明確的反饋機制的。黃民烈稱，過去大家也嘗試了強化學習機制，但很多都不太成功。ChatGPT在這件事上取得了突破。
第三，它在資料質量和多樣性上非常講究。OpenAI僱傭了一個數十人的資料團隊，其實ChatGPT強化學習的資料量並不大，但對資料多樣性、標註體系都有精巧的設計，讓資料發揮出了強大的作用。業內認為，這確實是值得我們借鑑的地方。
當然，ChatGPT也有明顯的不足。大家公認的，是它善於一本正經地胡說八道。劉傑告訴數智前線，ChatGPT是一個黑盒計算，當下在內容的可信性和可控性上有一定侷限。“我們要給它足夠正確的知識，再引入知識圖譜這類知識管理和資訊注入技術，還要限定它的資料範圍和應用場景，使得它生成的內容更為可靠，這是我們在做的。”
ChatGPT在AI的技術路線和訓練方式上的變革，讓人關注它對產業帶來的改變。特看科技CEO樂乘預計，很多單點環節裡，用不用大模型會有天地之別。沒用大模型，只基於自己上一代小模型做產品的企業，跟應用了大模型且還做了業務垂直化的公司，將無法競爭。
多名創業者談及，這兩年創業市場垂頭喪氣，所有人都在探尋能夠大幅度提升生產力的技術是什麼。“ChatGPT其實提供了一種新的正規化。垂頭喪氣、青黃不接的狀態可能會成為過去。這個領域出幾家千億級別的公司是完全有可能的。”樂乘說。
三、中國企業的動作
ChatGPT推出後，很多人在講谷歌、百度的焦慮。但大多數中國業內人士認為，目前ChatGPT仍是一個對AI技術正規化的探索，它並不能代替搜尋。ChatGPT當下一個很大的弊端是無法實時獲取網際網路資訊。由於它只是一個端到端的生成模型，能夠自我構造虛假答案，這些都是它替代搜尋的障礙。而如果以目前每一條几美分的成本來看，它會讓商業搜尋引擎公司入不敷出。
它作為搜尋引擎的補充是有機會的，因為搜尋引擎也講求“所問即所答”，但這還有一個發展過程。
劉傑認為，ChatGPT主要的產業化路徑，目前可能性比較大的首先仍是在C端。由於ChatGPT展現出的大模型的創造性，以及對長篇上下文的理解能力，它可能會聚焦於一些開放性、創意性和通用性的任務上。
不外，中國企業在行業市場的探索已經開啟。比如，在智慧客服領域，雲蝠智慧CEO魏佳星告訴數智前線，上個月他們在一些場景嘗試引入ChatGPT來做外呼的Demo測試，呼叫ChatGPT來回復客戶的問題。
“在智慧客服領域應用這項技術，核心點在大模型的NLP（自然語言處理）能力和此前企業裡已有的NLP之間怎麼結合。”魏佳星說。例如幫助順豐去做回訪的快遞通知體系，是基於幾個標準動作而進行，在這個封閉條件下應該優先企業已有的技術，滿足客戶當下的核心需求。
在這個需求之外，此前智慧客服中的AI工具，在泛化能力和通用性方面存在一定的缺陷，語料資訊不充分時，AI沒辦法對問題做出反應，ChatGPT大模型能夠補全這方面的能力。魏佳星反饋，雲蝠智慧外呼的Demo測試效果較好。在其他行業裡這項技術可能仍處於娛樂狀態，但在智慧客服領域，ChatGPT已具備商用潛力。
從事通訊及數字化服務的上市企業容聯雲，從2021年圍繞著人機智慧對話，做核心技術和產品研發，比如智慧客服。目前，在研發與ChatGPT類似的人工智慧內容生成產品。
但就模型的規模，劉傑有不同的看法。“ChatGPT的優勢是它的大帶來的，但在應用落地上，由於它過大，也帶來了挑戰和侷限。”他告訴數智前線，“脫離場景去談大和小是沒有意義的。在特定應用場景、特定條件約束下、在特定的資料上，去訓練規模適宜的模型，是我們努力的目標。”
劉傑還稱，AI是一個鏈條比較長的產品技術，如果沒有建立一個好的反饋機制，在部署運營階段，從最前線發現的問題，就很難有效定位解決，所以要讓模型去持續成長和最佳化，“它不是靜態的，不是交付了就不再管它。”
雲知聲梁家恩告訴數智前線，他們一直緊密親密跟進業內最前沿的演算法，是最早把BERT和GPT2模型方法用到實際業務系統的團隊之一，“現在相當於是把基於BERT的技術框架做個升級，目前已納入雲知聲今年的技術升級目標規劃中。”梁家恩說，ChatGPT的優勢是意圖理解、上下文對話管理和高質量內容生成，技術升級後，預計會帶來顯著的體驗提升。
與其他企業一樣，雲知聲的目標是先走通，之後在既有的業務比如在IoT智慧語音互動對話，以及醫療行業應用中落地。梁家恩也提到了模型的規模問題，考慮商業化成本，實用模型的引數目最終可能要壓到10億量級。
商湯科技數字文娛事業部總經理欒青告訴數智前線，團隊更多是利用GPT等生成式內容進行短影片等創作，讓大家在創作的過程當中，把生產效率提升，“這是我們的核心點”。同時，商湯已訓練了超過300億量級超大基模型。
出門問問創始人李志飛則告訴數智前線，出門問問從2019年底開始做生成式應用，2020年GPT-3出來後一直在跟蹤大模型。目前發力的一個行業應用是寫文案。
某遊戲人工智慧的資深開發者告訴數智前線，這項技術在遊戲的使用者互動環節和製作環節能看到應用前景。比如使用者和NPC（一種角色）互動對話時呼叫，由於ChatGPT對自然語言的優秀理解能力，使用者和NPC互動的開放效能大幅提升。另外在製作環節裡，應用ChatGPT，可透過關鍵詞生成故事線，能給策劃在劇情走向設計時提供參考。
另外，在數字人領域，特看科技CEO樂乘告訴數智前線，大模型讓數字人的內容生產和互動方式發生了變化。
在沒有引入大模型之前，數字人說話和行動基本要靠真人行為去驅動。有了大模型之後，內容的輸出可以透過大模型來完成。以直播帶貨為例，數字人公司先給本地生活、知識付費和直播商家等建立一個數字人的虛擬主播形象，而後可以將大模型接入，讓大模型輔助撰寫數字人直播帶貨的話術和指令碼，“未來在我們關注的泛生活和電商賽道，可能有30%內容能夠透過大模型生成來完成。”樂乘說。
四、ChatGPT在行業落地難
不外，業界資深人士提出，當下ChatGPT在行業裡要真正落地還面臨困難。
“商業模型上跑不通。”魏佳星對數智前線說。ChatGPT目前呼叫一次的費用在幾美分，智慧客服一天的問答場景，通常可能要呼叫幾十萬次。“我們一通電話收費才1.2毛，利潤可能也就2分錢，現在的成本使得它根本跑不起來。“魏佳星認為，當這項產品的呼叫成本降到1分錢時，行業裡可能就會大範圍使用起來。
遊戲行業的開發者們也坦言，呼叫ChatGPT的成本和它當下所帶來的回報可能並不成正比。幾美分只是呼叫費用，還不算運營費用。“沒有一個老闆能接受，NPC回覆一句話要花掉幾毛錢，即使它說得再好。”而使用者的遊戲體驗是個系統工程，文字互動只是其中的一環。當下即使有廠商願意不顧高成本使用ChatGPT，最終的使用者體驗也依然可能無法有質的飛躍。
在遊戲製作環節，ChatGPT可能也只能作為策劃和遊戲設計環節的參考，“乍看中規中矩要素齊全，但細品會發現缺少靈魂，在觀念性的創造上仍有待提升”。
不外，樂乘對ChatGPT的成本問題相對樂觀。OpenAI公司自己也是初創團隊，沒有那麼有錢。隨著競爭加劇，大模型會像水電煤一樣，是大家都用得起的狀態。
刨除成本考量，在對企業的落地中，ChatGPT這類大模型，也有典型的問題。
容聯雲劉傑舉例，首先，很多客戶有私有化部署要求，但這些模型非常大，對資源要求高，當前不太可能實現私有化部署。其次，這些大模型在一些特定行業或特定任務上，專業性是欠缺的，需要去適配。
而對於ChatGPT這類非開源的大模型應用來說，對它在下游任務上的微調，如何兼顧成本、靈活性和資料隱私則是一個關鍵問題。這些問題也造成，這種模型還沒有走到服務企業級客戶，尤其是大型企業客戶那一步。
除此之外，現在人工智慧技術都在與企業的核心業務流程做深度融合，而像ChatGPT這個基於大模型的應用服務，更像一個獨立的外掛，如何深度繫結，這也成為企業使用它的一個待解決問題。
業界人士期望ChatGPT未來在商業模式上有更好的呈現方式。目前ChatGPT對外提供的API還非常單一，影響了應用。
五、創業公司會被ChatGPT吞噬嗎
大家在期待OpenAI的下一個版本。GPT-3大模型釋出於2020年， ChatGPT則基於它的改進版本建立。此前盛傳，GPT-4將於今年一季度或下半年推出，不過OpenAI的執行長 Sam Altman在1月份回應，沒有具體的時間表。
一些創業者已經開始關注到，隨著大模型被越來越多地應用，細分賽道的創業公司在大模型的強大推力加持下，如何尋找自己的生存空間。
它涉及到兩點，首先是如何深化對垂直行業的認知，真正把大模型融入到企業的創新業務流中。特看科技樂乘認為，垂直行業的小模型，考驗的是創業公司對垂直行業的know-how。創業公司需要基於對行業的認知深度，採集足夠多的場景資料，並基於這些細分資料更好服務使用者。使用者越多，反饋越多，最終形成資料反饋的閉環。
創業公司在小模型的競爭終局比拼的是，誰家的小模型跟業務結合得緊，且能解決好跟大模型結合的問題。
另一點是，大模型被充分使用、喂得很肥後，是否會成為最強大的AI，最終吞噬細分賽道上小創業公司的發展空間。
海外初創公司Jasper的命運頗能反映這種境況。Jasper是一家基於GPT-3大模型來生成營銷文案的AI服務商，去年10月它宣佈以15億美元的估值獲得1.25億美元A輪融資。一個月後，基於GPT-3改進版本搭建的ChatGPT大火，智慧程度更泛化的ChatGPT徹底蓋過了Jasper的風頭。
“對創業者而言，在充分利用已有大模型的情況下，也要儘可能要把小模型的閉環資料保護好。”特看科技樂乘說，這也是他們公司未來會重點攻克的方向。
不外，當下底層大模型還在高速迭代階段，行業內都在等 GPT-4 出來。樂乘認為，從GPT-3到GPT-4的變遷，很像移動網際網路早期 iPhone 1和 iPhone4 階段iOS的升級速度，它的發展速度也許會超出大家的認知。
一些人士猜測， GPT-4將在多模態上有進展，也就是會引入影片、音訊等。國內某遊戲人工智慧的資深開發則告訴數智前線，他們關注的是下一代的大模型能不能在理解上下文上有突破。“如果大模型能讓人工智慧打贏辯論賽，那麼它的能力就算是有質的突破了。”
“短期內可能大家會高估這個東西，但長期可能有很多人會低估這個東西。”這名遊戲AI資深開發評價。
本文來自微信公眾號：數智前線（ID：szqx1991），作者：趙豔秋 徐鑫，編輯：周路平
本內容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯絡hezuo@huxiu.com
如對本稿件有異議或投訴，請聯絡tougao@huxiu.comEnd
想漲知識 關注虎嗅影片號！
本文來自微信公眾號：數智前線（ID：szqx1991），作者：趙豔秋 徐鑫，編輯：周路平，題圖來自：視覺中國
春節前，人工智慧組織OpenAI推出的大模型ChatGPT，在國內業界引起了不小的轟動。
一名AI從業者告訴數智前線，人工智慧每五六年都有一波浪潮，上一波AlphaGO讓大家震撼，這一波就是ChatGPT。但這兩次大家的心態迥然不同，當谷歌的AI下棋戰勝圍棋世界冠軍時，大家當新聞看，但這一次許多人是從消費者的角度來體驗它。一個月裡，全世界100萬用戶在使用和體驗它，這是非常顛覆性的體驗。這也是AI第一次大規模的自傳播。
數智前線獲悉，除了感嘆於ChatGPT的驚豔體驗外，國內業界也在迅速反思和行動：我們的差距在哪裡？我們將如何正視和改進不足？哪些是中國從業者的機會？
一名從業人士告訴數智前線，ChatGPT出現後，行業重新變得熱鬧而有活力，前幾年青黃不接、垂頭喪氣的局面一掃而空。
一、中美差距究竟有多大
在ChatGPT推出後，一位百度資深人士告訴數智前線，他“沒有興趣”談論ChatGPT，言語之間，五味雜陳。一位人工智慧企業創始人稱，面對ChatGPT的驚豔表現，心癢癢也迷茫，失眠了。他坦承，從模型的規模到效果，差距還比較遠。
有人用同樣的問題向國內某廠商的大模型和ChatGPT同時發問，ChatGPT從回答的邏輯性和完整度上都遠超國內大模型，國內大模型的答案帶有明顯的拼湊感，夾雜著不少主題之外的胡編內容。而且，在回覆速度上，ChatGPT也領先一截。
從事數字人研發的特看科技CEO樂乘認為，目前全球還沒有能跟ChatGPT抗衡的大模型，業界共識是差距在兩年以上。國內先不談彎道超車，趁早追趕反而是更重要的。
雖然一些人工智慧資深人士認為，在ChatGPT所涉及的技術上，中美是“平級”的，但華為諾亞方舟實驗室語音語義首席科學家劉群，在黃大年茶思屋的討論中坦承，中國在技術上仍是有差距的。其中一個是基礎模型本身的差距，雖然我們訓練了很多萬億模型或者是幾千億的模型，但訓練的充分程度，是遠遠不夠的。“我估計到現在為止，沒有哪個模型能吃GPT那麼多資料。”
清華大學計算機科學與技術系長聘副教授黃民烈提到，在GPT-3之後，OpenAI所有的模型都沒有開源，但它提供了API呼叫。在這個過程中，它幹了一件事，就是建立起了真實的使用者呼叫和模型迭代之間的飛輪，它非常重視真實世界資料的呼叫，以及這些資料對模型的迭代。當然，在此過程中，它也養活了美國一大幫創業公司，建立了一個生態。
“你看我們國內的大模型研究，是A公司訓練了一個，B公司也訓練了一個，打個廣告就完了，模型開源，你愛用不用。至少目前還沒看到一家比較好的公司，把資料和模型的飛輪完整轉起來。所以，我覺得這是我們趕超ChatGPT的難點。”一位業內人士坦言。
除此之外，業界人士都提到了算力問題。由於GPU晶片等問題，在一定程度上，國內算力已被洽談了。即使國內頭部公司，從算力上跟谷歌等相比，差距也是比較顯著的。
從資料質量來說，整個網際網路的中文資料質量，相比於英文仍是有明顯差距。“我們可能要想辦法，做中英文不同語言之間的資料互補。”有業內人士稱。
此外，幾乎所有受訪人士都提到了OpenAI這家人工智慧組織，所體現的純碎創新精神和長期主義。“其實從原理和方法看，他們所做的東西業界都是瞭解的，倒沒有說什麼是美國做得了、我們做不了的。”雲知聲董事長梁家恩對數智前線說，但像OpenAI和DeepMind，他們可能是業界唯二的兩家機構，無論在創新性、投入、決心，仍是在頂尖人才儲備上，都是一如既往堅持的。“我們看到的是成功，但裡面可能已經有很多失敗的嘗試。”
有資深AI從業者認為，在看不到前景和沒有顯著效果的階段，OpenAI非常堅定地做了投入，相反國內傾向於在技術出現突破後，快速追隨。“國內大家第一步想的是，我們現在怎麼用起來，但在不能用的時候，人家就在長期投入。”
“這件事實在是值得我們學習的，我們真的需要有足夠多的錢，有這麼一幫熱血的人才，能夠在一個方向上這樣持續積累發力，我覺得這是一個非常必要的條件。”黃民烈稱。
最近一段時間，業界也在討論中國企業能否超越。容聯雲AI研究院院長劉傑告訴數智前線，圍繞業務，尤其是國內的場景，是有超越機會的。在區域性應用中開始超越，這也是業界的共識。
二、對中國人工智慧界有何啟發
ChatGPT是一種大模型。在它推出之前，國內外實際上已有不少大模型。相比其他大模型，它有了業界意料之外的突破，也給國內業界帶來啟發。
第一，ChatGPT有一個非常強大的技術底座，也就是InstructGPT模型。但這個模型的論文剛發出來時，沒有引起特別大的反響，大家覺得也就是 OpenAI的一篇論文而已。
梁家恩也告訴數智前線，此前，GPT與BERT模型路線一直在競爭，2018年時BERT模型先贏了，但GPT模型路線一直沒放棄，模型引數和資料規模越做越大，最終結合人工反饋增強學習（RLHF），在ChatGPT上取得了重大突破，效果上反超了BERT模型路線。因此，業內公司正在關注投入更大精力到GPT模型路線上，技術路線交替競爭，在業內是常態。
第二，ChatGPT引入了強化學習機制。容聯雲劉傑告訴數智前線，ChatGPT不僅僅像以前的大模型，利用了沒有人工標註的資料去學習，還在新版本上引入了人工標註的資料，透過人類的反饋，有針對性地進行最佳化。“這是ChatGPT一個重要的進展，給了我們很大的啟發。”
“這是它核心的一點。”華為終端雲服務搜尋與地圖BU總裁趙世奇稱，“今天，我們的模型越來越大，它就像一股洪荒之力，有人會害怕未來它會不會控制人類？但引入了這種強化學習機制後，就相當於給洪荒之力一個引導，讓大模型的產出朝著可控的方向走，生成符合預期的結果。”比如，你去問它一些倫理安全的敏感話題，它都能答得很好。
這裡的難度是建立怎樣的強化學習機制。此前，在下圍棋的AI中，強化學習是用勝負做反饋。但對於ChatGPT如此開放的系統，是沒有明確的反饋機制的。黃民烈稱，過去大家也嘗試了強化學習機制，但很多都不太成功。ChatGPT在這件事上取得了突破。
第三，它在資料質量和多樣性上非常講究。OpenAI僱傭了一個數十人的資料團隊，其實ChatGPT強化學習的資料量並不大，但對資料多樣性、標註體系都有精巧的設計，讓資料發揮出了強大的作用。業內認為，這確實是值得我們借鑑的地方。
當然，ChatGPT也有明顯的不足。大家公認的，是它善於一本正經地胡說八道。劉傑告訴數智前線，ChatGPT是一個黑盒計算，當下在內容的可信性和可控性上有一定侷限。“我們要給它足夠正確的知識，再引入知識圖譜這類知識管理和資訊注入技術，還要限定它的資料範圍和應用場景，使得它生成的內容更為可靠，這是我們在做的。”
ChatGPT在AI的技術路線和訓練方式上的變革，讓人關注它對產業帶來的改變。特看科技CEO樂乘預計，很多單點環節裡，用不用大模型會有天地之別。沒用大模型，只基於自己上一代小模型做產品的企業，跟應用了大模型且還做了業務垂直化的公司，將無法競爭。
多名創業者談及，這兩年創業市場垂頭喪氣，所有人都在探尋能夠大幅度提升生產力的技術是什麼。“ChatGPT其實提供了一種新的正規化。垂頭喪氣、青黃不接的狀態可能會成為過去。這個領域出幾家千億級別的公司是完全有可能的。”樂乘說。
三、中國企業的動作
ChatGPT推出後，很多人在講谷歌、百度的焦慮。但大多數中國業內人士認為，目前ChatGPT仍是一個對AI技術正規化的探索，它並不能代替搜尋。ChatGPT當下一個很大的弊端是無法實時獲取網際網路資訊。由於它只是一個端到端的生成模型，能夠自我構造虛假答案，這些都是它替代搜尋的障礙。而如果以目前每一條几美分的成本來看，它會讓商業搜尋引擎公司入不敷出。
它作為搜尋引擎的補充是有機會的，因為搜尋引擎也講求“所問即所答”，但這還有一個發展過程。
劉傑認為，ChatGPT主要的產業化路徑，目前可能性比較大的首先仍是在C端。由於ChatGPT展現出的大模型的創造性，以及對長篇上下文的理解能力，它可能會聚焦於一些開放性、創意性和通用性的任務上。
不外，中國企業在行業市場的探索已經開啟。比如，在智慧客服領域，雲蝠智慧CEO魏佳星告訴數智前線，上個月他們在一些場景嘗試引入ChatGPT來做外呼的Demo測試，呼叫ChatGPT來回復客戶的問題。
“在智慧客服領域應用這項技術，核心點在大模型的NLP（自然語言處理）能力和此前企業裡已有的NLP之間怎麼結合。”魏佳星說。例如幫助順豐去做回訪的快遞通知體系，是基於幾個標準動作而進行，在這個封閉條件下應該優先企業已有的技術，滿足客戶當下的核心需求。
在這個需求之外，此前智慧客服中的AI工具，在泛化能力和通用性方面存在一定的缺陷，語料資訊不充分時，AI沒辦法對問題做出反應，ChatGPT大模型能夠補全這方面的能力。魏佳星反饋，雲蝠智慧外呼的Demo測試效果較好。在其他行業裡這項技術可能仍處於娛樂狀態，但在智慧客服領域，ChatGPT已具備商用潛力。
從事通訊及數字化服務的上市企業容聯雲，從2021年圍繞著人機智慧對話，做核心技術和產品研發，比如智慧客服。目前，在研發與ChatGPT類似的人工智慧內容生成產品。
但就模型的規模，劉傑有不同的看法。“ChatGPT的優勢是它的大帶來的，但在應用落地上，由於它過大，也帶來了挑戰和侷限。”他告訴數智前線，“脫離場景去談大和小是沒有意義的。在特定應用場景、特定條件約束下、在特定的資料上，去訓練規模適宜的模型，是我們努力的目標。”
劉傑還稱，AI是一個鏈條比較長的產品技術，如果沒有建立一個好的反饋機制，在部署運營階段，從最前線發現的問題，就很難有效定位解決，所以要讓模型去持續成長和最佳化，“它不是靜態的，不是交付了就不再管它。”
雲知聲梁家恩告訴數智前線，他們一直緊密親密跟進業內最前沿的演算法，是最早把BERT和GPT2模型方法用到實際業務系統的團隊之一，“現在相當於是把基於BERT的技術框架做個升級，目前已納入雲知聲今年的技術升級目標規劃中。”梁家恩說，ChatGPT的優勢是意圖理解、上下文對話管理和高質量內容生成，技術升級後，預計會帶來顯著的體驗提升。
與其他企業一樣，雲知聲的目標是先走通，之後在既有的業務比如在IoT智慧語音互動對話，以及醫療行業應用中落地。梁家恩也提到了模型的規模問題，考慮商業化成本，實用模型的引數目最終可能要壓到10億量級。
商湯科技數字文娛事業部總經理欒青告訴數智前線，團隊更多是利用GPT等生成式內容進行短影片等創作，讓大家在創作的過程當中，把生產效率提升，“這是我們的核心點”。同時，商湯已訓練了超過300億量級超大基模型。
出門問問創始人李志飛則告訴數智前線，出門問問從2019年底開始做生成式應用，2020年GPT-3出來後一直在跟蹤大模型。目前發力的一個行業應用是寫文案。
某遊戲人工智慧的資深開發者告訴數智前線，這項技術在遊戲的使用者互動環節和製作環節能看到應用前景。比如使用者和NPC（一種角色）互動對話時呼叫，由於ChatGPT對自然語言的優秀理解能力，使用者和NPC互動的開放效能大幅提升。另外在製作環節裡，應用ChatGPT，可透過關鍵詞生成故事線，能給策劃在劇情走向設計時提供參考。
另外，在數字人領域，特看科技CEO樂乘告訴數智前線，大模型讓數字人的內容生產和互動方式發生了變化。
在沒有引入大模型之前，數字人說話和行動基本要靠真人行為去驅動。有了大模型之後，內容的輸出可以透過大模型來完成。以直播帶貨為例，數字人公司先給本地生活、知識付費和直播商家等建立一個數字人的虛擬主播形象，而後可以將大模型接入，讓大模型輔助撰寫數字人直播帶貨的話術和指令碼，“未來在我們關注的泛生活和電商賽道，可能有30%內容能夠透過大模型生成來完成。”樂乘說。
四、ChatGPT在行業落地難
不外，業界資深人士提出，當下ChatGPT在行業裡要真正落地還面臨困難。
“商業模型上跑不通。”魏佳星對數智前線說。ChatGPT目前呼叫一次的費用在幾美分，智慧客服一天的問答場景，通常可能要呼叫幾十萬次。“我們一通電話收費才1.2毛，利潤可能也就2分錢，現在的成本使得它根本跑不起來。“魏佳星認為，當這項產品的呼叫成本降到1分錢時，行業裡可能就會大範圍使用起來。
遊戲行業的開發者們也坦言，呼叫ChatGPT的成本和它當下所帶來的回報可能並不成正比。幾美分只是呼叫費用，還不算運營費用。“沒有一個老闆能接受，NPC回覆一句話要花掉幾毛錢，即使它說得再好。”而使用者的遊戲體驗是個系統工程，文字互動只是其中的一環。當下即使有廠商願意不顧高成本使用ChatGPT，最終的使用者體驗也依然可能無法有質的飛躍。
在遊戲製作環節，ChatGPT可能也只能作為策劃和遊戲設計環節的參考，“乍看中規中矩要素齊全，但細品會發現缺少靈魂，在觀念性的創造上仍有待提升”。
不外，樂乘對ChatGPT的成本問題相對樂觀。OpenAI公司自己也是初創團隊，沒有那麼有錢。隨著競爭加劇，大模型會像水電煤一樣，是大家都用得起的狀態。
刨除成本考量，在對企業的落地中，ChatGPT這類大模型，也有典型的問題。
容聯雲劉傑舉例，首先，很多客戶有私有化部署要求，但這些模型非常大，對資源要求高，當前不太可能實現私有化部署。其次，這些大模型在一些特定行業或特定任務上，專業性是欠缺的，需要去適配。
而對於ChatGPT這類非開源的大模型應用來說，對它在下游任務上的微調，如何兼顧成本、靈活性和資料隱私則是一個關鍵問題。這些問題也造成，這種模型還沒有走到服務企業級客戶，尤其是大型企業客戶那一步。
除此之外，現在人工智慧技術都在與企業的核心業務流程做深度融合，而像ChatGPT這個基於大模型的應用服務，更像一個獨立的外掛，如何深度繫結，這也成為企業使用它的一個待解決問題。
業界人士期望ChatGPT未來在商業模式上有更好的呈現方式。目前ChatGPT對外提供的API還非常單一，影響了應用。
五、創業公司會被ChatGPT吞噬嗎
大家在期待OpenAI的下一個版本。GPT-3大模型釋出於2020年， ChatGPT則基於它的改進版本建立。此前盛傳，GPT-4將於今年一季度或下半年推出，不過OpenAI的執行長 Sam Altman在1月份回應，沒有具體的時間表。
一些創業者已經開始關注到，隨著大模型被越來越多地應用，細分賽道的創業公司在大模型的強大推力加持下，如何尋找自己的生存空間。
它涉及到兩點，首先是如何深化對垂直行業的認知，真正把大模型融入到企業的創新業務流中。特看科技樂乘認為，垂直行業的小模型，考驗的是創業公司對垂直行業的know-how。創業公司需要基於對行業的認知深度，採集足夠多的場景資料，並基於這些細分資料更好服務使用者。使用者越多，反饋越多，最終形成資料反饋的閉環。
創業公司在小模型的競爭終局比拼的是，誰家的小模型跟業務結合得緊，且能解決好跟大模型結合的問題。
另一點是，大模型被充分使用、喂得很肥後，是否會成為最強大的AI，最終吞噬細分賽道上小創業公司的發展空間。
海外初創公司Jasper的命運頗能反映這種境況。Jasper是一家基於GPT-3大模型來生成營銷文案的AI服務商，去年10月它宣佈以15億美元的估值獲得1.25億美元A輪融資。一個月後，基於GPT-3改進版本搭建的ChatGPT大火，智慧程度更泛化的ChatGPT徹底蓋過了Jasper的風頭。
“對創業者而言，在充分利用已有大模型的情況下，也要儘可能要把小模型的閉環資料保護好。”特看科技樂乘說，這也是他們公司未來會重點攻克的方向。
不外，當下底層大模型還在高速迭代階段，行業內都在等 GPT-4 出來。樂乘認為，從GPT-3到GPT-4的變遷，很像移動網際網路早期 iPhone 1和 iPhone4 階段iOS的升級速度，它的發展速度也許會超出大家的認知。
一些人士猜測， GPT-4將在多模態上有進展，也就是會引入影片、音訊等。國內某遊戲人工智慧的資深開發則告訴數智前線，他們關注的是下一代的大模型能不能在理解上下文上有突破。“如果大模型能讓人工智慧打贏辯論賽，那麼它的能力就算是有質的突破了。”
“短期內可能大家會高估這個東西，但長期可能有很多人會低估這個東西。”這名遊戲AI資深開發評價。
本文來自微信公眾號：數智前線（ID：szqx1991），作者：趙豔秋 徐鑫，編輯：周路平
本內容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯絡hezuo@huxiu.com
如對本稿件有異議或投訴，請聯絡tougao@huxiu.comEnd
想漲知識 關注虎嗅影片號！
本文來自微信公眾號：數智前線（ID：szqx1991），作者：趙豔秋 徐鑫，編輯：周路平，題圖來自：視覺中國
春節前，人工智慧組織OpenAI推出的大模型ChatGPT，在國內業界引起了不小的轟動。
一名AI從業者告訴數智前線，人工智慧每五六年都有一波浪潮，上一波AlphaGO讓大家震撼，這一波就是ChatGPT。但這兩次大家的心態迥然不同，當谷歌的AI下棋戰勝圍棋世界冠軍時，大家當新聞看，但這一次許多人是從消費者的角度來體驗它。一個月裡，全世界100萬用戶在使用和體驗它，這是非常顛覆性的體驗。這也是AI第一次大規模的自傳播。
數智前線獲悉，除了感嘆於ChatGPT的驚豔體驗外，國內業界也在迅速反思和行動：我們的差距在哪裡？我們將如何正視和改進不足？哪些是中國從業者的機會？
一名從業人士告訴數智前線，ChatGPT出現後，行業重新變得熱鬧而有活力，前幾年青黃不接、垂頭喪氣的局面一掃而空。
一、中美差距究竟有多大
在ChatGPT推出後，一位百度資深人士告訴數智前線，他“沒有興趣”談論ChatGPT，言語之間，五味雜陳。一位人工智慧企業創始人稱，面對ChatGPT的驚豔表現，心癢癢也迷茫，失眠了。他坦承，從模型的規模到效果，差距還比較遠。
有人用同樣的問題向國內某廠商的大模型和ChatGPT同時發問，ChatGPT從回答的邏輯性和完整度上都遠超國內大模型，國內大模型的答案帶有明顯的拼湊感，夾雜著不少主題之外的胡編內容。而且，在回覆速度上，ChatGPT也領先一截。
從事數字人研發的特看科技CEO樂乘認為，目前全球還沒有能跟ChatGPT抗衡的大模型，業界共識是差距在兩年以上。國內先不談彎道超車，趁早追趕反而是更重要的。
雖然一些人工智慧資深人士認為，在ChatGPT所涉及的技術上，中美是“平級”的，但華為諾亞方舟實驗室語音語義首席科學家劉群，在黃大年茶思屋的討論中坦承，中國在技術上仍是有差距的。其中一個是基礎模型本身的差距，雖然我們訓練了很多萬億模型或者是幾千億的模型，但訓練的充分程度，是遠遠不夠的。“我估計到現在為止，沒有哪個模型能吃GPT那麼多資料。”
清華大學計算機科學與技術系長聘副教授黃民烈提到，在GPT-3之後，OpenAI所有的模型都沒有開源，但它提供了API呼叫。在這個過程中，它幹了一件事，就是建立起了真實的使用者呼叫和模型迭代之間的飛輪，它非常重視真實世界資料的呼叫，以及這些資料對模型的迭代。當然，在此過程中，它也養活了美國一大幫創業公司，建立了一個生態。
“你看我們國內的大模型研究，是A公司訓練了一個，B公司也訓練了一個，打個廣告就完了，模型開源，你愛用不用。至少目前還沒看到一家比較好的公司，把資料和模型的飛輪完整轉起來。所以，我覺得這是我們趕超ChatGPT的難點。”一位業內人士坦言。
除此之外，業界人士都提到了算力問題。由於GPU晶片等問題，在一定程度上，國內算力已被洽談了。即使國內頭部公司，從算力上跟谷歌等相比，差距也是比較顯著的。
從資料質量來說，整個網際網路的中文資料質量，相比於英文仍是有明顯差距。“我們可能要想辦法，做中英文不同語言之間的資料互補。”有業內人士稱。
此外，幾乎所有受訪人士都提到了OpenAI這家人工智慧組織，所體現的純碎創新精神和長期主義。“其實從原理和方法看，他們所做的東西業界都是瞭解的，倒沒有說什麼是美國做得了、我們做不了的。”雲知聲董事長梁家恩對數智前線說，但像OpenAI和DeepMind，他們可能是業界唯二的兩家機構，無論在創新性、投入、決心，仍是在頂尖人才儲備上，都是一如既往堅持的。“我們看到的是成功，但裡面可能已經有很多失敗的嘗試。”
有資深AI從業者認為，在看不到前景和沒有顯著效果的階段，OpenAI非常堅定地做了投入，相反國內傾向於在技術出現突破後，快速追隨。“國內大家第一步想的是，我們現在怎麼用起來，但在不能用的時候，人家就在長期投入。”
“這件事實在是值得我們學習的，我們真的需要有足夠多的錢，有這麼一幫熱血的人才，能夠在一個方向上這樣持續積累發力，我覺得這是一個非常必要的條件。”黃民烈稱。
最近一段時間，業界也在討論中國企業能否超越。容聯雲AI研究院院長劉傑告訴數智前線，圍繞業務，尤其是國內的場景，是有超越機會的。在區域性應用中開始超越，這也是業界的共識。
二、對中國人工智慧界有何啟發
ChatGPT是一種大模型。在它推出之前，國內外實際上已有不少大模型。相比其他大模型，它有了業界意料之外的突破，也給國內業界帶來啟發。
第一，ChatGPT有一個非常強大的技術底座，也就是InstructGPT模型。但這個模型的論文剛發出來時，沒有引起特別大的反響，大家覺得也就是 OpenAI的一篇論文而已。
梁家恩也告訴數智前線，此前，GPT與BERT模型路線一直在競爭，2018年時BERT模型先贏了，但GPT模型路線一直沒放棄，模型引數和資料規模越做越大，最終結合人工反饋增強學習（RLHF），在ChatGPT上取得了重大突破，效果上反超了BERT模型路線。因此，業內公司正在關注投入更大精力到GPT模型路線上，技術路線交替競爭，在業內是常態。
第二，ChatGPT引入了強化學習機制。容聯雲劉傑告訴數智前線，ChatGPT不僅僅像以前的大模型，利用了沒有人工標註的資料去學習，還在新版本上引入了人工標註的資料，透過人類的反饋，有針對性地進行最佳化。“這是ChatGPT一個重要的進展，給了我們很大的啟發。”
“這是它核心的一點。”華為終端雲服務搜尋與地圖BU總裁趙世奇稱，“今天，我們的模型越來越大，它就像一股洪荒之力，有人會害怕未來它會不會控制人類？但引入了這種強化學習機制後，就相當於給洪荒之力一個引導，讓大模型的產出朝著可控的方向走，生成符合預期的結果。”比如，你去問它一些倫理安全的敏感話題，它都能答得很好。
這裡的難度是建立怎樣的強化學習機制。此前，在下圍棋的AI中，強化學習是用勝負做反饋。但對於ChatGPT如此開放的系統，是沒有明確的反饋機制的。黃民烈稱，過去大家也嘗試了強化學習機制，但很多都不太成功。ChatGPT在這件事上取得了突破。
第三，它在資料質量和多樣性上非常講究。OpenAI僱傭了一個數十人的資料團隊，其實ChatGPT強化學習的資料量並不大，但對資料多樣性、標註體系都有精巧的設計，讓資料發揮出了強大的作用。業內認為，這確實是值得我們借鑑的地方。
當然，ChatGPT也有明顯的不足。大家公認的，是它善於一本正經地胡說八道。劉傑告訴數智前線，ChatGPT是一個黑盒計算，當下在內容的可信性和可控性上有一定侷限。“我們要給它足夠正確的知識，再引入知識圖譜這類知識管理和資訊注入技術，還要限定它的資料範圍和應用場景，使得它生成的內容更為可靠，這是我們在做的。”
ChatGPT在AI的技術路線和訓練方式上的變革，讓人關注它對產業帶來的改變。特看科技CEO樂乘預計，很多單點環節裡，用不用大模型會有天地之別。沒用大模型，只基於自己上一代小模型做產品的企業，跟應用了大模型且還做了業務垂直化的公司，將無法競爭。
多名創業者談及，這兩年創業市場垂頭喪氣，所有人都在探尋能夠大幅度提升生產力的技術是什麼。“ChatGPT其實提供了一種新的正規化。垂頭喪氣、青黃不接的狀態可能會成為過去。這個領域出幾家千億級別的公司是完全有可能的。”樂乘說。
三、中國企業的動作
ChatGPT推出後，很多人在講谷歌、百度的焦慮。但大多數中國業內人士認為，目前ChatGPT仍是一個對AI技術正規化的探索，它並不能代替搜尋。ChatGPT當下一個很大的弊端是無法實時獲取網際網路資訊。由於它只是一個端到端的生成模型，能夠自我構造虛假答案，這些都是它替代搜尋的障礙。而如果以目前每一條几美分的成本來看，它會讓商業搜尋引擎公司入不敷出。
它作為搜尋引擎的補充是有機會的，因為搜尋引擎也講求“所問即所答”，但這還有一個發展過程。
劉傑認為，ChatGPT主要的產業化路徑，目前可能性比較大的首先仍是在C端。由於ChatGPT展現出的大模型的創造性，以及對長篇上下文的理解能力，它可能會聚焦於一些開放性、創意性和通用性的任務上。
不外，中國企業在行業市場的探索已經開啟。比如，在智慧客服領域，雲蝠智慧CEO魏佳星告訴數智前線，上個月他們在一些場景嘗試引入ChatGPT來做外呼的Demo測試，呼叫ChatGPT來回復客戶的問題。
“在智慧客服領域應用這項技術，核心點在大模型的NLP（自然語言處理）能力和此前企業裡已有的NLP之間怎麼結合。”魏佳星說。例如幫助順豐去做回訪的快遞通知體系，是基於幾個標準動作而進行，在這個封閉條件下應該優先企業已有的技術，滿足客戶當下的核心需求。
在這個需求之外，此前智慧客服中的AI工具，在泛化能力和通用性方面存在一定的缺陷，語料資訊不充分時，AI沒辦法對問題做出反應，ChatGPT大模型能夠補全這方面的能力。魏佳星反饋，雲蝠智慧外呼的Demo測試效果較好。在其他行業裡這項技術可能仍處於娛樂狀態，但在智慧客服領域，ChatGPT已具備商用潛力。
從事通訊及數字化服務的上市企業容聯雲，從2021年圍繞著人機智慧對話，做核心技術和產品研發，比如智慧客服。目前，在研發與ChatGPT類似的人工智慧內容生成產品。
但就模型的規模，劉傑有不同的看法。“ChatGPT的優勢是它的大帶來的，但在應用落地上，由於它過大，也帶來了挑戰和侷限。”他告訴數智前線，“脫離場景去談大和小是沒有意義的。在特定應用場景、特定條件約束下、在特定的資料上，去訓練規模適宜的模型，是我們努力的目標。”
劉傑還稱，AI是一個鏈條比較長的產品技術，如果沒有建立一個好的反饋機制，在部署運營階段，從最前線發現的問題，就很難有效定位解決，所以要讓模型去持續成長和最佳化，“它不是靜態的，不是交付了就不再管它。”
雲知聲梁家恩告訴數智前線，他們一直緊密親密跟進業內最前沿的演算法，是最早把BERT和GPT2模型方法用到實際業務系統的團隊之一，“現在相當於是把基於BERT的技術框架做個升級，目前已納入雲知聲今年的技術升級目標規劃中。”梁家恩說，ChatGPT的優勢是意圖理解、上下文對話管理和高質量內容生成，技術升級後，預計會帶來顯著的體驗提升。
與其他企業一樣，雲知聲的目標是先走通，之後在既有的業務比如在IoT智慧語音互動對話，以及醫療行業應用中落地。梁家恩也提到了模型的規模問題，考慮商業化成本，實用模型的引數目最終可能要壓到10億量級。
商湯科技數字文娛事業部總經理欒青告訴數智前線，團隊更多是利用GPT等生成式內容進行短影片等創作，讓大家在創作的過程當中，把生產效率提升，“這是我們的核心點”。同時，商湯已訓練了超過300億量級超大基模型。
出門問問創始人李志飛則告訴數智前線，出門問問從2019年底開始做生成式應用，2020年GPT-3出來後一直在跟蹤大模型。目前發力的一個行業應用是寫文案。
某遊戲人工智慧的資深開發者告訴數智前線，這項技術在遊戲的使用者互動環節和製作環節能看到應用前景。比如使用者和NPC（一種角色）互動對話時呼叫，由於ChatGPT對自然語言的優秀理解能力，使用者和NPC互動的開放效能大幅提升。另外在製作環節裡，應用ChatGPT，可透過關鍵詞生成故事線，能給策劃在劇情走向設計時提供參考。
另外，在數字人領域，特看科技CEO樂乘告訴數智前線，大模型讓數字人的內容生產和互動方式發生了變化。
在沒有引入大模型之前，數字人說話和行動基本要靠真人行為去驅動。有了大模型之後，內容的輸出可以透過大模型來完成。以直播帶貨為例，數字人公司先給本地生活、知識付費和直播商家等建立一個數字人的虛擬主播形象，而後可以將大模型接入，讓大模型輔助撰寫數字人直播帶貨的話術和指令碼，“未來在我們關注的泛生活和電商賽道，可能有30%內容能夠透過大模型生成來完成。”樂乘說。
四、ChatGPT在行業落地難
不外，業界資深人士提出，當下ChatGPT在行業裡要真正落地還面臨困難。
“商業模型上跑不通。”魏佳星對數智前線說。ChatGPT目前呼叫一次的費用在幾美分，智慧客服一天的問答場景，通常可能要呼叫幾十萬次。“我們一通電話收費才1.2毛，利潤可能也就2分錢，現在的成本使得它根本跑不起來。“魏佳星認為，當這項產品的呼叫成本降到1分錢時，行業裡可能就會大範圍使用起來。
遊戲行業的開發者們也坦言，呼叫ChatGPT的成本和它當下所帶來的回報可能並不成正比。幾美分只是呼叫費用，還不算運營費用。“沒有一個老闆能接受，NPC回覆一句話要花掉幾毛錢，即使它說得再好。”而使用者的遊戲體驗是個系統工程，文字互動只是其中的一環。當下即使有廠商願意不顧高成本使用ChatGPT，最終的使用者體驗也依然可能無法有質的飛躍。
在遊戲製作環節，ChatGPT可能也只能作為策劃和遊戲設計環節的參考，“乍看中規中矩要素齊全，但細品會發現缺少靈魂，在觀念性的創造上仍有待提升”。
不外，樂乘對ChatGPT的成本問題相對樂觀。OpenAI公司自己也是初創團隊，沒有那麼有錢。隨著競爭加劇，大模型會像水電煤一樣，是大家都用得起的狀態。
刨除成本考量，在對企業的落地中，ChatGPT這類大模型，也有典型的問題。
容聯雲劉傑舉例，首先，很多客戶有私有化部署要求，但這些模型非常大，對資源要求高，當前不太可能實現私有化部署。其次，這些大模型在一些特定行業或特定任務上，專業性是欠缺的，需要去適配。
而對於ChatGPT這類非開源的大模型應用來說，對它在下游任務上的微調，如何兼顧成本、靈活性和資料隱私則是一個關鍵問題。這些問題也造成，這種模型還沒有走到服務企業級客戶，尤其是大型企業客戶那一步。
除此之外，現在人工智慧技術都在與企業的核心業務流程做深度融合，而像ChatGPT這個基於大模型的應用服務，更像一個獨立的外掛，如何深度繫結，這也成為企業使用它的一個待解決問題。
業界人士期望ChatGPT未來在商業模式上有更好的呈現方式。目前ChatGPT對外提供的API還非常單一，影響了應用。
五、創業公司會被ChatGPT吞噬嗎
大家在期待OpenAI的下一個版本。GPT-3大模型釋出於2020年， ChatGPT則基於它的改進版本建立。此前盛傳，GPT-4將於今年一季度或下半年推出，不過OpenAI的執行長 Sam Altman在1月份回應，沒有具體的時間表。
一些創業者已經開始關注到，隨著大模型被越來越多地應用，細分賽道的創業公司在大模型的強大推力加持下，如何尋找自己的生存空間。
它涉及到兩點，首先是如何深化對垂直行業的認知，真正把大模型融入到企業的創新業務流中。特看科技樂乘認為，垂直行業的小模型，考驗的是創業公司對垂直行業的know-how。創業公司需要基於對行業的認知深度，採集足夠多的場景資料，並基於這些細分資料更好服務使用者。使用者越多，反饋越多，最終形成資料反饋的閉環。
創業公司在小模型的競爭終局比拼的是，誰家的小模型跟業務結合得緊，且能解決好跟大模型結合的問題。
另一點是，大模型被充分使用、喂得很肥後，是否會成為最強大的AI，最終吞噬細分賽道上小創業公司的發展空間。
海外初創公司Jasper的命運頗能反映這種境況。Jasper是一家基於GPT-3大模型來生成營銷文案的AI服務商，去年10月它宣佈以15億美元的估值獲得1.25億美元A輪融資。一個月後，基於GPT-3改進版本搭建的ChatGPT大火，智慧程度更泛化的ChatGPT徹底蓋過了Jasper的風頭。
“對創業者而言，在充分利用已有大模型的情況下，也要儘可能要把小模型的閉環資料保護好。”特看科技樂乘說，這也是他們公司未來會重點攻克的方向。
不外，當下底層大模型還在高速迭代階段，行業內都在等 GPT-4 出來。樂乘認為，從GPT-3到GPT-4的變遷，很像移動網際網路早期 iPhone 1和 iPhone4 階段iOS的升級速度，它的發展速度也許會超出大家的認知。
一些人士猜測， GPT-4將在多模態上有進展，也就是會引入影片、音訊等。國內某遊戲人工智慧的資深開發則告訴數智前線，他們關注的是下一代的大模型能不能在理解上下文上有突破。“如果大模型能讓人工智慧打贏辯論賽，那麼它的能力就算是有質的突破了。”
“短期內可能大家會高估這個東西，但長期可能有很多人會低估這個東西。”這名遊戲AI資深開發評價。
本文來自微信公眾號：數智前線（ID：szqx1991），作者：趙豔秋 徐鑫，編輯：周路平
本內容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯絡hezuo@huxiu.com
如對本稿件有異議或投訴，請聯絡tougao@huxiu.comEnd
想漲知識 關注虎嗅影片號！
