文|新眸 吳明燦
編輯|桑明強(qiáng)
最近的科技圈狂歡，屬于ChatGPT。
自從OpenAI公司公開了ChatGPT的公測平臺(tái)后，ChatGPT就迅速霸占了國內(nèi)各平臺(tái)的科技榜單，短短一周，用戶量已經(jīng)突破了1百萬人。但事實(shí)上，它不是一個(gè)新概念，確切的說，他算是介于GPT-3和GPT-4中間的一個(gè)彩蛋，而且，GPT-3已經(jīng)是現(xiàn)象級(jí)的AI產(chǎn)品了。
在ChatGPT之前，OpenAI推出了GPT-3，同樣是對人類語言的理解，GPT-3對比ChatGPT來說就顯得冰冷。后來，在GPT-3的基礎(chǔ)上，ChatGPT引入了人類偏好學(xué)習(xí)機(jī)制，讓他的回答更貼近人類，不僅如此，ChatGPT學(xué)會(huì)了糾正提問中的錯(cuò)誤，并對一些敏感的問題做出回避。
在一些業(yè)內(nèi)人士看來，ChatGPT的出現(xiàn)對傳統(tǒng)的搜索引擎是一個(gè)沖擊。無論是谷歌還是百度，用的都是一套“推薦制”的搜索方式，而ChatGPT跳過了網(wǎng)頁瀏覽和整合這個(gè)步驟，直接給你一個(gè)答案，而這樣的搜索結(jié)果顯然更加效率，能大量節(jié)省用戶瀏覽和比對的時(shí)間。
更有人預(yù)言，ChatGPT會(huì)顛覆現(xiàn)在已有的產(chǎn)業(yè)業(yè)態(tài)，就像當(dāng)年互聯(lián)網(wǎng)對線下商業(yè)的沖擊一樣。那么，事實(shí)真的如此嗎？這篇文章我們來好好聊一聊。
01 ChatGPT帶來了什么改變？
大約在6年前，一篇大名鼎鼎的論文《Attention Is All You Needed》正式發(fā)表，它第一次提出了注意力機(jī)制（Attention），并且在Attention的基礎(chǔ)上創(chuàng)造了一個(gè)全新的NLP（自然語言處理）模型Transformer。
Transformer是GPT和BERT的前身。谷歌和OpenAI在自然語言處理技術(shù)上的優(yōu)化，都是基于這個(gè)模型。
后來，從2018年開始，GPT技術(shù)基本上是一年迭代一次，所使用的參數(shù)量從初代GPT的1.17億，增加到GPT-3的1750億。優(yōu)化的背后，是OpenAI巨額的研發(fā)經(jīng)費(fèi)投入。據(jù)相關(guān)數(shù)據(jù)顯示，GPT-3訓(xùn)練一次的費(fèi)用是460萬美元，總訓(xùn)練成本達(dá)到了1200萬美元，不僅測試成本非常高，GPT技術(shù)對算力的要求也是目前AIGC技術(shù)領(lǐng)域最高的。
各項(xiàng)技術(shù)算力需求，圖源國盛證卷
與此同時(shí)，在大算力的驅(qū)動(dòng)下，AIGC生成的結(jié)果會(huì)更優(yōu)質(zhì)，更效率。從第一代的GPT技術(shù)到現(xiàn)在的ChatGPT，如今的技術(shù)已經(jīng)可以讓AI跟人進(jìn)行自然的交流。因此，它也就具有了更多的應(yīng)用場景，比如搜索引擎、電商客服等。
有趣的是，最近大家都在擔(dān)憂谷歌會(huì)不會(huì)被ChatGPT替代掉的問題。關(guān)于這個(gè)問題，我們先來看一個(gè)應(yīng)用場景：我從旅游景點(diǎn)推薦的方向，分別問了ChatGPT這樣幾個(gè)問題，它給出的答案如下：
ChatGPT問答測試，圖源新眸自制
以往我們需要查找一項(xiàng)攻略的時(shí)候，需要經(jīng)歷四個(gè)步驟才能得到答案：輸入、檢索、整理、結(jié)果，而ChatGPT跳過了中間的兩個(gè)步驟，實(shí)現(xiàn)了從輸入到結(jié)果的新搜索方式。
總結(jié)起來，就是ChatGPT技術(shù)已經(jīng)可以替代部分的搜索引擎功能，大幅提高了用戶的檢索效率。再回到ChatGPT的核心技術(shù)上，GPT的全稱是生成式預(yù)訓(xùn)練模型（Generative Pre-Training Transformer），ChatGPT也就是在無監(jiān)督無標(biāo)記，這種更符合日常溝通的條件下，識(shí)別人的語言并進(jìn)行對話。
某種程度上，NLP技術(shù)的優(yōu)劣，決定了AI對人類意圖的理解能力，如果AI能理解人類的意圖，就能生產(chǎn)更符合人類需求、更優(yōu)質(zhì)的產(chǎn)品。
作為AIGC賽道上重要的一個(gè)階段，NLP技術(shù)的升級(jí)是整個(gè)AIGC技術(shù)更新的第一步。
ChatGPT在原來GPT的模型基礎(chǔ)上加入了人類反饋學(xué)習(xí)的機(jī)制，也就意味著，新的GPT技術(shù)將更好的理解人類的自然語言。
用建筑設(shè)計(jì)領(lǐng)域舉個(gè)例子，AIGC技術(shù)如果能完美的理解設(shè)計(jì)師的意圖，就能免去很多繁瑣和重復(fù)的工作，在提高效率的同時(shí)，也能釋放勞動(dòng)力的潛力，創(chuàng)作者可以逃離重復(fù)的工作，利用多余的時(shí)間進(jìn)行自我提升。
從GPT-1到如今的ChatGPT，在NLP技術(shù)上的優(yōu)化和迭代，讓AIGC技術(shù)有能力開拓更多的應(yīng)用場景。如果將優(yōu)化后的AIGC技術(shù)落實(shí)在企業(yè)應(yīng)用端，也會(huì)進(jìn)一步提高企業(yè)效率，釋放更多的人力成本。
AIGC應(yīng)用場景，圖源紅杉資本
02 焦慮是留給其余AI企業(yè)的
在技術(shù)圈和投資者們都為AIGC技術(shù)狂歡的同時(shí)，感到焦慮的是大部分AI企業(yè)。對于AI賽道上的其他企業(yè)來說，OpenAI和它們之間已經(jīng)形成了很大的差距。
在ChatGPT發(fā)布之前，不是沒有人挑戰(zhàn)OpenAI的技術(shù)。
自從OpenAI發(fā)布了GPT-3并創(chuàng)開創(chuàng)了AIGC大算力的發(fā)展前景的時(shí)候，不少工程師開始研究對NLP過程進(jìn)行瘦身，在保證運(yùn)行效果不變的情況下，通過降低算力和參數(shù)量的需求，開發(fā)Transformer模型在應(yīng)用端的潛力，目的在于希望小企業(yè)也能有能力運(yùn)用NLP的新技術(shù)，但其實(shí)這是比較難實(shí)現(xiàn)的，尤其是參數(shù)量的需求對于AIGC技術(shù)來說是剛需，越多的參數(shù)量，所產(chǎn)出的AIGC作品也就更優(yōu)質(zhì)。
就像一位分析師在李rumor公眾號(hào)中所提出的問題：“如果商用智能作為公司助手，你是會(huì)選擇高價(jià)但是能精準(zhǔn)提高效率的，還是低價(jià)但是準(zhǔn)確率只有70%-80%的產(chǎn)品呢？”從長期投資的角度來看，企業(yè)是會(huì)傾向更精準(zhǔn)的機(jī)器的。
最典型的例子是，在GPT-3發(fā)布之后不久，Meta AI推出了OPT技術(shù)。
OPT和GPT-3的運(yùn)行效果幾乎沒有什么區(qū)別，參數(shù)量也是很巧合的1750億。不僅如此，Meta AI還將OPT技術(shù)做了開源，提供給所有需要的企業(yè)和個(gè)人作為研發(fā)的基礎(chǔ)技術(shù)。
那么問題來了，推特上的一位數(shù)字科技的風(fēng)險(xiǎn)投資人Andrew Steinwold這樣評(píng)論GPT-4技術(shù)，他說：“GPT-3需要1750億參數(shù)，GPT-4明顯會(huì)擁有100萬億的參數(shù)量，你們想用GPT-4做出什么樣的東西來呀？”
也許GPT-3對參數(shù)和算力的要求還能被一些比較大的企業(yè)滿足，如果換做是參數(shù)量翻了幾百倍的GPT-4，能跑得動(dòng)巨額參數(shù)的企業(yè)也只能是鳳毛麟角了。
AIGC未來對算力和規(guī)模的要求，對于進(jìn)入賽道尚且年輕的企業(yè)來說更是不可能超越的。某種意義上，OpenAI憑借著大規(guī)模和大算力，在同行和自己之間構(gòu)建了足夠厚的技術(shù)壁壘，而這份研發(fā)投入，是非常難超越的。在全球市場排在頭部的企業(yè)也就幾家，能做到微軟這個(gè)量級(jí)的企業(yè)就更少了。
這也是OpenAI開發(fā)GPT技術(shù)讓人感到害怕的地方。
對于AIGC這個(gè)賽道來說，算力、算法、數(shù)據(jù)都是促使它優(yōu)化的主要因素，而GPT技術(shù)的迭代升級(jí)，將大數(shù)據(jù)的重要性放到了一個(gè)空前的位置。在大算力、大投資、大規(guī)模的要求下，后來的AIGC企業(yè)想要做出更好的技術(shù)，只會(huì)變得更難。
也有人會(huì)問，為什么國內(nèi)做不出ChatGPT這樣的產(chǎn)品？是創(chuàng)新力不夠嗎？其實(shí)，創(chuàng)新力是一個(gè)因素，但不是全部。
03 我們距離ChatGPT還有多遠(yuǎn)？
我們從融資、科研投入、技術(shù)三個(gè)方面分別聊聊國內(nèi)的情況。
國內(nèi)企業(yè)有很多從事AIGC研究的企業(yè)，例如盜夢師、TIAMAT等，但是國內(nèi)的投資人對AIGC的狂熱度遠(yuǎn)不及海外。在海外獨(dú)角獸公司Jasper和Stability AI在今年10月相繼獲得了1.25億美元和1.01億美元的融資后，國內(nèi)的AIGC企業(yè)目前只有TIAMAT完成了百萬美元的天使輪的融資。
先不看投資人的金錢實(shí)力，單憑投資邏輯，對于國內(nèi)投資市場來說，投資人更關(guān)心AIGC的商業(yè)化落地問題。百度集團(tuán)副總裁吳甜就曾針對AI的深度學(xué)習(xí)說過這樣的話：“深度學(xué)習(xí)技術(shù)已經(jīng)開始向多個(gè)行業(yè)進(jìn)行大規(guī)模地滲透推廣，但目前AI大生產(chǎn)仍處于起步階段?！边@也意味著，其實(shí)企業(yè)內(nèi)部也對AIGC的商業(yè)化程度不夠自信。
再比如PICO這樣的元宇宙系列產(chǎn)品，最近也面臨著銷售瓶頸，這樣的情況時(shí)國內(nèi)很多高科技企業(yè)都會(huì)面臨的問題，技術(shù)是好的，但落實(shí)在產(chǎn)品銷售上就賣的不好，從某種程度上也會(huì)抵消企業(yè)內(nèi)部對一個(gè)新產(chǎn)品的信心。
由于國內(nèi)的AI企業(yè)在核心技術(shù)門檻上并不具備先天的優(yōu)勢，如果想實(shí)現(xiàn)凈利潤的提升，最終總會(huì)走向技術(shù)商業(yè)化。筆者此前針對科大訊飛的商業(yè)模式做過一些了解，對于科大訊飛來說，語音技術(shù)門檻被突破，單純做技術(shù)不能賺錢的話，它會(huì)先選擇賣產(chǎn)品掙錢，先將技術(shù)在產(chǎn)品端落地了，有一份收入來源，剩下的就邊走邊看。
在這樣的邏輯下，國內(nèi)AI企業(yè)就會(huì)更關(guān)注一項(xiàng)技術(shù)能不能實(shí)現(xiàn)快速實(shí)現(xiàn)商業(yè)化，是否可以在產(chǎn)品端落實(shí)之后帶來收益。
但是OpenAI的思路明顯和國內(nèi)的大部分企業(yè)都不一樣，OpenAI之前獲得了微軟的20億投資，進(jìn)行GPT的開發(fā)。GPT-4技術(shù)需要的大算力和大規(guī)模，顯然在近幾年是不能回本的。光是GPT-3在測試階段就花出去了千萬美金，作為算力要求翻了幾百倍的GPT-4技術(shù)，在開銷方面也只會(huì)成百倍的增加。
總結(jié)起來，這也是國內(nèi)外科研邏輯的不同。相比國外，國內(nèi)更追求商業(yè)產(chǎn)品的落地，投資人在對一些概念性的產(chǎn)品進(jìn)行投資時(shí)也更加謹(jǐn)慎。然而，在大算力的新競爭生態(tài)下，融資投入的增加對于AIGC企業(yè)來說非常重要。
其次，是研發(fā)人員待遇的問題，根據(jù)市場調(diào)研數(shù)據(jù)，國內(nèi)的企業(yè)研發(fā)人員相比于美國的企業(yè)，收入更依賴工齡和學(xué)歷。
中美兩國研發(fā)人員收入對比，圖源OECD
最后從國內(nèi)AIGC相關(guān)的技術(shù)發(fā)展方面，根據(jù)Gartner數(shù)據(jù)統(tǒng)計(jì)，國內(nèi)的數(shù)字化技術(shù)還集中在發(fā)展階段。而美國的大部分技術(shù)都已經(jīng)可以平穩(wěn)發(fā)展。還有一個(gè)現(xiàn)象就是，在國內(nèi)很多技術(shù)就算發(fā)展了5-10年也還是分布在創(chuàng)新孵化階段，然而美國的很多技術(shù)在發(fā)展了1-2年后就能進(jìn)入成熟階段。從這個(gè)個(gè)統(tǒng)計(jì)結(jié)果來看，美國的企業(yè)相比于國內(nèi)，研發(fā)效率明顯更高。
綜上來看，國內(nèi)企業(yè)想要發(fā)展AIGC技術(shù)，首先要解決的就是資金問題。按照國內(nèi)高科技投資的邏輯，AIGC技術(shù)在獲得大量融資前，應(yīng)該先讓投資者看到它的應(yīng)用前景。但是現(xiàn)在的AIGC賽道，雖然應(yīng)用場景很多，但是商業(yè)前景還不夠明朗。
04 談?wù)凙IGC這門生意
實(shí)際上，盡管AIGC的技術(shù)一直在迭代升級(jí)，AIGC的商業(yè)化推進(jìn)其實(shí)是困難的。首先，AIGC對于算力的要求越來越大，不是一般企業(yè)可以負(fù)擔(dān)的起的，也只有一些大的B端企業(yè)可以負(fù)擔(dān)AIGC的大規(guī)模和大運(yùn)算需求，這樣一來將來能使用AIGC技術(shù)做應(yīng)用的公司并不多。
其次，AIGC的應(yīng)用路線還很模糊，就拿搜索引擎這一應(yīng)用場景來說，ChatGPT還不足以取代傳統(tǒng)的搜索引擎。
網(wǎng)絡(luò)上關(guān)于ChatGPT擊敗傳統(tǒng)搜索引擎的論調(diào)很多，我們回到前文提到的旅游推薦的應(yīng)用場景去說，當(dāng)我提問ChatGPT能不能給我一些旅游建議的時(shí)候，它直接給出了答案，搜索效率是提上去了，但是這個(gè)答案一定就是我需要的嗎？未必。
比如，我問它圣誕節(jié)倫敦有哪些值得去的地方。它給我列出了5個(gè)城市，現(xiàn)實(shí)的情況是，英國的圣誕活動(dòng)各地都有，它直接給我列出的5個(gè)城市，一定程度上也減少了我的選擇。
ChatGPT現(xiàn)在的問題在于，他給出的答案往往是大眾性質(zhì)的、普適化的，而非個(gè)性化的。
在用戶剛開始做檢索的時(shí)候，大部分情況下對自己的需求是沒有很明確的認(rèn)知的。而在使用傳統(tǒng)瀏覽器的時(shí)候，往往是在檢索過程中才能進(jìn)一步縮小自己的需求范圍，而ChatGPT是直接將用戶能看到的答案范圍進(jìn)行了縮減，它給出的答案是正確的，但不一定就是最合適用戶的。
就現(xiàn)在的情況看，AIGC的應(yīng)用前景并不明朗，盡管AIGC可以運(yùn)用在多種場景中，但好的技術(shù)，不一定能在商業(yè)上迅速落地。
盡管OpenAI用錢燒出了GPT技術(shù)的迭代，但是這一做法也有它的市場局限性，在大算力的要求下，沒有多少企業(yè)可以承擔(dān)得起GPT-3 的運(yùn)作，就算是面向大眾測試的ChatGPT，它的參數(shù)量要求也很大，將來如果運(yùn)用在B端市場，對于多數(shù)的企業(yè)來說是個(gè)不小的負(fù)擔(dān)。ChatGPT的出現(xiàn)也只是AIGC的一次技術(shù)迭代升級(jí)罷了，它的應(yīng)用前景還不明朗，現(xiàn)在就談到勞動(dòng)力替代和技術(shù)壟斷，還太早了。