ChatGPT火了，中国人工智能圈有点上火

作者：赵艳秋 徐鑫

来源：数智前线（ID：szqx1991）

春节前，人工智能组织OpenAI推出的大模型ChatGPT，在国内业界引起了不小的轰动。

一名AI从业者告诉数智前线，人工智能每五六年都有一波浪潮，上一波AlphaGO让大家震撼，这一波就是ChatGPT。但这两次大家的心态迥然不同，当谷歌的AI下棋战胜围棋世界冠军时，大家当新闻看，但这一次许多人是从消费者的角度来体验它。一个月里，全世界100万用户在使用和体验它，这是非常颠覆性的体验。这也是AI第一次大规模的自传播。

数智前线获悉，除了感叹于ChatGPT的惊艳体验外，国内业界也在迅速反思和行动：我们的差距在哪里？我们将如何正视和改进不足？哪些是中国从业者的机会？

一名从业人士告诉数智前线，ChatGPT出现后，行业重新变得热闹而有活力，前几年青黄不接、垂头丧气的局面一扫而空。

01

中美差距究竟有多大

在ChatGPT推出后，一位百度资深人士告诉数智前线，他没有兴趣谈论ChatGPT，言语之间，五味杂陈。一位人工智能企业创始人称，面对ChatGPT的惊艳表现，心痒痒也迷茫，失眠了。他坦承，从模型的规模到效果，差距还比较远。

有人用同样的问题向国内某厂商的大模型和ChatGPT同时发问，ChatGPT从回答的逻辑性和完整度上都远超国内大模型，国内大模型的答案带有明显的拼凑感，夹杂着不少主题之外的胡编内容。而且，在回复速度上，ChatGPT也领先一截。

从事数字人研发的特看科技CEO乐乘认为，目前全球还没有能跟ChatGPT抗衡的大模型，业界共识是差距在两年以上。国内先不谈弯道超车，趁早追赶反而是更重要的。

虽然一些人工智能资深人士认为，在ChatGPT所涉及的技术上，中美是平级的，但华为诺亚方舟实验室语音语义首席科学家刘群，在黄大年茶思屋的讨论中坦承，中国在技术上还是有差距的。其中一个是基础模型本身的差距，虽然我们训练了很多万亿模型或者是几千亿的模型，但训练的充分程度，是远远不够的。我估计到现在为止，没有哪个模型能吃GPT那么多数据。

清华大学计算机科学与技术系长聘副教授黄民烈提到，在GPT-3之后，OpenAI所有的模型都没有开源，但它提供了API调用。在这个过程中，它干了一件事，就是建立起了真实的用户调用和模型迭代之间的飞轮，它非常重视真实世界数据的调用，以及这些数据对模型的迭代。当然，在此过程中，它也养活了美国一大帮创业公司，建立了一个生态。

你看我们国内的大模型研究，是A公司训练了一个，B公司也训练了一个，打个广告就完了，模型开源，你爱用不用。至少目前还没看到一家比较好的公司，把数据和模型的飞轮完整转起来。所以，我觉得这是我们赶超ChatGPT的难点。一位业内人士坦言。

除此之外，业界人士都提到了算力问题。由于GPU芯片等问题，在一定程度上，国内算力已被卡脖子了。即使国内头部公司，从算力上跟谷歌等相比，差距也是比较明显的。

从数据质量来说，整个互联网的中文数据质量，相比于英文还是有明显差距。我们可能要想办法，做中英文不同语言之间的数据互补。有业内人士称。

此外，几乎所有受访人士都提到了OpenAI这家人工智能组织，所体现的纯碎创新精神和长期主义。其实从原理和方法看，他们所做的东西业界都是了解的，倒没有说什么是美国做得了、我们做不了的。云知声董事长梁家恩对数智前线说，但像OpenAI和DeepMind，他们可能是业界唯二的两家机构，无论在创新性、投入、决心，还是在顶尖人才储备上，都是一如既往坚持的。我们看到的是成功，但里面可能已经有很多失败的尝试。

有资深AI从业者认为，在看不到前景和没有明显效果的阶段，OpenAI非常坚定地做了投入，相反国内倾向于在技术出现突破后，快速追随。国内大家第一步想的是，我们现在怎么用起来，但在不能用的时候，人家就在长期投入。

这件事其实是值得我们学习的，我们真的需要有足够多的钱，有这么一帮热血的人才，能够在一个方向上这样持续积累发力，我觉得这是一个非常必要的条件。黄民烈称。

最近一段时间，业界也在讨论中国企业能否超越。容联云AI研究院院长刘杰告诉数智前线，围绕业务，尤其是国内的场景，是有超越机会的。在局部应用中开始超越，这也是业界的共识。

02

对中国人工智能界有何启发

ChatGPT是一种大模型。在它推出之前，国内外实际上已有不少大模型。相比其他大模型，它有了业界意料之外的突破，也给国内业界带来启发。

首先，ChatGPT有一个非常强大的技术底座，也就是InstructGPT模型。但这个模型的论文刚发出来时，没有引起特别大的反响，大家觉得也就是 OpenAI的一篇论文而已。梁家恩也告诉数智前线，此前，GPT与BERT模型路线一直在竞争，2018年时BERT模型先赢了，但GPT模型路线一直没放弃，模型参数和数据规模越做越大，最终结合人工反馈增强学习(RLHF)，在ChatGPT上取得了重大突破，效果上反超了BERT模型路线。因此，业内公司正在关注投入更大精力到GPT模型路线上，技术路线交替竞争，在业内是常态。

其次，ChatGPT引入了强化学习机制。容联云刘杰告诉数智前线，ChatGPT不仅仅像以前的大模型，利用了没有人工标注的数据去学习，还在新版本上引入了人工标注的数据，通过人类的反馈，有针对性地进行优化。这是ChatGPT一个重要的进展，给了我们很大的启发。

这是它核心的一点。华为终端云服务搜索与地图BU总裁赵世奇称，今天，我们的模型越来越大，它就像一股洪荒之力，有人会害怕未来它会不会控制人类？但引入了这种强化学习机制后，就相当于给洪荒之力一个引导，让大模型的产出朝着可控的方向走，生成符合预期的结果。比如，你去问它一些伦理安全的敏感话题，它都能答得很好。

这里的难度是建立怎样的强化学习机制。此前，在下围棋的AI中，强化学习是用胜负做反馈。但对于ChatGPT如此开放的系统，是没有明确的反馈机制的。黄民烈称，过去大家也尝试了强化学习机制，但很多都不太成功。ChatGPT在这件事上取得了突破。

第三，它在数据质量和多样性上非常讲究。OpenAI雇佣了一个数十人的数据团队，其实ChatGPT强化学习的数据量并不大，但对数据多样性、标注体系都有精巧的设计，让数据发挥出了强大的作用。业内认为，这确实是值得我们借鉴的地方。

当然，ChatGPT也有明显的不足。大家公认的，是它善于一本正经地胡说八道。刘杰告诉数智前线，ChatGPT是一个黑盒计算，当下在内容的可信性和可控性上有一定局限。我们要给它足够正确的知识，再引入知识图谱这类知识管理和信息注入技术，还要限定它的数据范围和应用场景，使得它生成的内容更为可靠，这是我们在做的。

ChatGPT在AI的技术路线和训练方式上的变革，让人关注它对产业带来的改变。特看科技CEO乐乘预计，很多单点环节里，用不用大模型会有天壤之别。没用大模型，只基于自己上一代小模型做产品的企业，跟应用了大模型且还做了业务垂直化的公司，将无法竞争。

多名创业者谈及，这两年创业市场垂头丧气，所有人都在探寻能够大幅度提升生产力的技术是什么。ChatGPT其实提供了一种新的范式。垂头丧气、青黄不接的状态可能会成为过去。这个领域出几家千亿级别的公司是完全有可能的。乐乘说。

03

中国企业的动作

ChatGPT推出后，很多人在讲谷歌、百度的焦虑。但大多数中国业内人士认为，目前ChatGPT还是一个对AI技术范式的探索，它并不能代替搜索。ChatGPT当下一个很大的弊端是无法实时获取互联网信息。由于它只是一个端到端的生成模型，能够自我构造虚假答案，这些都是它替代搜索的障碍。而如果以目前每一条几美分的成本来看，它会让商业搜索引擎公司入不敷出。

它作为搜索引擎的补充是有机会的，因为搜索引擎也讲求所问即所答，但这还有一个发展过程。

刘杰认为，ChatGPT主要的产业化路径，目前可能性比较大的首先还是在C端。由于ChatGPT展现出的大模型的创造性，以及对长篇上下文的理解能力，它可能会聚焦于一些开放性、创意性和通用性的任务上。

不过，中国企业在行业市场的探索已经开启。比如，在智能客服领域，云蝠智能CEO魏佳星告诉数智前线，上个月他们在一些场景尝试引入ChatGPT来做外呼的Demo测试，调用ChatGPT来回复客户的问题。

在智能客服领域应用这项技术，核心点在大模型的NLP（自然语言处理）能力和此前企业里已有的NLP之间怎么结合。魏佳星说。例如帮助顺丰去做回访的快递通知体系，是基于几个标准动作而进行，在这个封闭条件下应该优先企业已有的技术，满足客户当下的核心需求。

在这个需求之外，此前智能客服中的AI工具，在泛化能力和通用性方面存在一定的缺陷，语料信息不充分时，AI没办法对问题做出反应，ChatGPT大模型能够补全这方面的能力。魏佳星反馈，云蝠智能外呼的Demo测试效果较好。在其他行业里这项技术可能仍处于娱乐状态，但在智能客服领域，ChatGPT已具备商用潜力。

从事通讯及数字化服务的上市企业容联云，从2021年围绕着人机智能对话，做核心技术和产品研发，比如智能客服。目前，在研发与ChatGPT类似的人工智能内容生成产品。

但就模型的规模，刘杰有不同的看法。ChatGPT的优势是它的大带来的，但在应用落地上，由于它过大，也带来了挑战和局限。他告诉数智前线，脱离场景去谈大和小是没有意义的。在特定应用场景、特定条件约束下、在特定的数据上，去训练规模适宜的模型，是我们努力的目标。

刘杰还称，AI是一个链条比较长的产品技术，如果没有建立一个好的反馈机制，在部署运营阶段，从最前线发现的问题，就很难有效定位解决，所以要让模型去持续成长和优化，它不是静态的，不是交付了就不再管它。

云知声梁家恩告诉数智前线，他们一直密切跟进业内最前沿的算法，是最早把BERT和GPT2模型方法用到实际业务系统的团队之一，现在相当于是把基于BERT的技术框架做个升级，目前已纳入云知声今年的技术升级目标规划中。梁家恩说，ChatGPT的优势是意图理解、上下文对话管理和高质量内容生成，技术升级后，预计会带来显著的体验提升。

与其他企业一样，云知声的目标是先走通，之后在既有的业务比如在IoT智能语音交互对话，以及医疗行业应用中落地。梁家恩也提到了模型的规模问题，考虑商业化成本，实用模型的参数量最终可能要压到10亿量级。

商汤科技数字文娱事业部总经理栾青告诉数智前线，团队更多是利用GPT等生成式内容进行短视频等创作，让大家在创作的过程当中，把生产效率提升，这是我们的核心点。同时，商汤已训练了超过300亿量级超大基模型。

出门问问创始人李志飞则告诉数智前线，出门问问从2019年底开始做生成式应用，2020年GPT-3出来后一直在跟踪大模型。目前发力的一个行业应用是写文案。

某游戏人工智能的资深开发者告诉数智前线，这项技术在游戏的用户互动环节和制作环节能看到应用前景。比如用户和NPC（一种角色）互动对话时调用，由于ChatGPT对自然语言的优秀理解能力，用户和NPC互动的开放性能大幅提升。另外在制作环节里，应用ChatGPT，可通过关键词生成故事线，能给策划在剧情走向设计时提供参考。

另外，在数字人领域，特看科技CEO乐乘告诉数智前线，大模型让数字人的内容生产和交互方式发生了变化。

在没有引入大模型之前，数字人说话和行动基本要靠真人行为去驱动。有了大模型之后，内容的输出可以通过大模型来完成。以直播带货为例，数字人公司先给本地生活、知识付费和直播商家等建立一个数字人的虚拟主播形象，而后可以将大模型接入，让大模型辅助撰写数字人直播带货的话术和脚本，未来在我们关注的泛生活和电商赛道，可能有30%内容能够通过大模型生成来完成。乐乘说。

04

ChatGPT在行业落地难

不过，业界资深人士提出，当下ChatGPT在行业里要真正落地还面临困难。

商业模型上跑不通。魏佳星对数智前线说。ChatGPT目前调用一次的费用在几美分，智能客服一天的问答场景，通常可能要调用几十万次。我们一通电话收费才1.2毛，利润可能也就2分钱，现在的成本使得它根本跑不起来。魏佳星认为，当这项产品的调用成本降到1分钱时，行业里可能就会大范围使用起来。

游戏行业的开发者们也坦言，调用ChatGPT的成本和它当下所带来的回报可能并不成正比。几美分只是调用费用，还不算运营费用。没有一个老板能接受，NPC回复一句话要花掉几毛钱，即使它说得再好。而用户的游戏体验是个系统工程，文本互动只是其中的一环。当下即使有厂商愿意不顾高成本使用ChatGPT，最终的用户体验也依然可能无法有质的飞跃。

在游戏制作环节，ChatGPT可能也只能作为策划和游戏设计环节的参考，乍看中规中矩要素齐全，但细品会发现缺少灵魂，在观念性的创造上仍有待提升。

不过，乐乘对ChatGPT的成本问题相对乐观。OpenAI公司自己也是初创团队，没有那么有钱。随着竞争加剧，大模型会像水电煤一样，是大家都用得起的状态。

刨除成本考量，在对企业的落地中，ChatGPT这类大模型，也有典型的问题。

容联云刘杰举例，首先，很多客户有私有化部署要求，但这些模型非常大，对资源要求高，当前不太可能实现私有化部署。其次，这些大模型在一些特定行业或特定任务上，专业性是欠缺的，需要去适配。而对于ChatGPT这类非开源的大模型应用来说，对它在下游任务上的微调，如何兼顾成本、灵活性和数据隐私则是一个关键问题。这些问题也造成，这种模型还没有走到服务企业级客户，尤其是大型企业客户那一步。

除此之外，现在人工智能技术都在与企业的核心业务流程做深度融合，而像ChatGPT这个基于大模型的应用服务，更像一个独立的外挂，如何深度绑定，这也成为企业使用它的一个待解决问题。

业界人士期望ChatGPT未来在商业模式上有更好的呈现方式。目前ChatGPT对外提供的API还非常单一，影响了应用。

05

创业公司会被ChatGPT吞噬吗

大家在期待OpenAI的下一个版本。GPT-3大模型发布于2020年， ChatGPT则基于它的改进版本创建。此前盛传，GPT-4将于今年一季度或下半年推出，不过OpenAI的首席执行官 Sam Altman在1月份回应，没有具体的时间表。

一些创业者已经开始关注到，随着大模型被越来越多地应用，细分赛道的创业公司在大模型的强大推力加持下，如何寻找自己的生存空间。

它涉及到两点，首先是如何深化对垂直行业的认知，真正把大模型融入到企业的创新业务流中。特看科技乐乘认为，垂直行业的小模型，考验的是创业公司对垂直行业的know-how。创业公司需要基于对行业的认知深度，采集足够多的场景数据，并基于这些细分数据更好服务用户。用户越多，反馈越多，最终形成数据反馈的闭环。

创业公司在小模型的竞争终局比拼的是，谁家的小模型跟业务结合得紧，且能解决好跟大模型结合的问题。

另一点是，大模型被充分使用、喂得很肥后，是否会成为最强大的AI，最终吞噬细分赛道上小创业公司的发展空间。

海外初创公司Jasper的命运颇能反映这种境况。Jasper是一家基于GPT-3大模型来生成营销文案的AI服务商，去年10月它宣布以15亿美元的估值获得1.25亿美元A轮融资。一个月后，基于GPT-3改进版本搭建的ChatGPT大火，智能程度更泛化的ChatGPT彻底盖过了Jasper的风头。

对创业者而言，在充分利用已有大模型的情况下，也要尽可能要把小模型的闭环数据保护好。特看科技乐乘说，这也是他们公司未来会重点攻克的方向。

不过，当下底层大模型还在高速迭代阶段，行业内都在等 GPT-4 出来。乐乘认为，从GPT-3到GPT-4的变迁，很像移动互联网早期 iPhone 1和 iPhone4 阶段iOS的升级速度，它的发展速度也许会超出大家的认知。

一些人士猜测， GPT-4将在多模态上有进展，也就是会引入视频、音频等。国内某游戏人工智能的资深开发则告诉数智前线，他们关注的是下一代的大模型能不能在理解上下文上有突破。如果大模型能让人工智能打赢辩论赛，那么它的能力就算是有质的突破了。

短期内可能大家会高估这个东西，但长期可能有很多人会低估这个东西。这名游戏AI资深开发评价。

THE END