2565
Twitter上有人對比了ChatGPT、instagram、spotify、Facebook、netflix、twitter，收獲百萬、1億用戶所花的時間，其中，ChatGPT以火箭躥升之姿光速登頂，業(yè)內人士評論“Something different is happening”、“它不是一個新產品、而是一個新物種”。
科技界這種盛況并不多見，上一次還是iPhone問世？ChatGPT霸屏的這段時間，相關概念股群魔亂舞，創(chuàng)業(yè)公司爭做“中國版的Open AI”……一個核心的問題浮出水面：ChatGPT會不會固化AI產業(yè)格局，強者恒強？如果這是一場巨頭的游戲，國內的中小企業(yè)該怎么玩？
會否加劇“強者恒強”的兩極局面？
從硅谷到中國，ChatGPT的熱度有增無減，但主要玩家都是巨頭。目前國內有能力競逐的也都是行業(yè)翹楚：百度文心一言、騰訊HunYuan-NLP 1T大模型、阿里“通義”大模型、華為盤古大模型、中科院自動化研究所“紫東·太初”等。當AI闊步進入大模型時代，走在前列的巨頭會不會把追逐者遠遠甩開？
曾任華為系NLP企業(yè)首席科學家、現任千芯科技董事長陳巍認為，可以從企業(yè)和國家整體產業(yè)兩個層面來看。
目前ChatGPT這類大模型領域確實有一定的馬太效應，跑在前面的企業(yè)玩家具備完整的算法、數據和算力優(yōu)勢，后發(fā)者想要追趕確實有較大難度。但是對企業(yè)來說，未必就是強者恒強。例如OpenAI在ChatGPT這類問答型NLP算法曾一度落后于Google BERT，但現在又開始重新領跑。這其中少數研發(fā)人員的智慧、天賦，以及破釜沉舟般的專注，實際上是決定勝負的關鍵。
“而資金或者攢局恐怕無法代替技術，比如微軟自己做小冰，最后也要讓位于ChatGPT”， 陳巍談到，“如果國內的技術偏執(zhí)狂人能夠領悟或訓練出更高水平的模型，在算法或訓練方法上形成降維打擊，超越OpenAI也不是不可能?！?/p>
再從各國產業(yè)發(fā)展而言，由于AI領先的國家確實具備了系統(tǒng)化且領先的AI技術人群和豐富的算力基礎（大算力芯片），已經在教育-研究-產品-需求上形成完整閉環(huán)，一旦在ChatGPT這類大模型上拉開差距，很可能形成兩極分化的國力競爭格局，甚至形成“強者恒強”的局面。
面對ChatGPT沖擊波，中小企業(yè)的機會在哪里？
近期不少人給ChatGPT算經濟賬，國盛證券以英偉達A100芯片、DGXA100服務器、現階段每日2500萬訪問量等假設為基礎，估算得出：在初始算力投入上，為滿足ChatGPT當前千萬級用戶的咨詢量，投入成本約為8億美元，對應約4000臺服務器。
反觀國內AI中小企業(yè)，他們既撐不起全棧式的AI研發(fā)，也無力為高昂的算力買單。那么在大模型快速發(fā)展、走向商用的過程中，他們的發(fā)展機會主要有哪些？如果只能接入巨頭的生態(tài)求生存，會不會產生同質化競爭？
陳巍表示，對于做NLP算法的中小創(chuàng)業(yè)企業(yè)來說，初期確實可能會遇到比較大的打擊。因為ChatGPT這類應用，把這些公司之前的積累基本拉平到同一檔位上，甚至可能早期的一些投入基本打水漂了。
不過，中小企業(yè)有自身的靈活優(yōu)勢，船小好掉頭，可以基于ChatGPT這類應用，針對細分垂域做專用的領域模型（例如做ChatGPT+領域模型的混合模型）。而對于巨頭來說，由于細分領域眾多，即便分散兵力、撒胡椒面也未必劃算。他強調，ChatGPT是通識智能、千人一面，目前并不具有個性特征、情感和某些特定領域專家知識，國內的中小NLP企業(yè)反而可以充分借助ChatGPT帶來的通識和多輪對話能力提升來拓展更多客戶。
“國內中小企業(yè)說不定能誕生有高超天賦的NLP人才，未必不能打造出類似當年TMD（今日頭條、美團、滴滴）在BAT（百度、阿里、騰訊）之后成為新巨頭的故事。因為巨頭內部有嚴格的季度ROI考核，對于ChatGPT這類需要多年冷板凳的研發(fā)項目不是太友好，頂尖項目在巨頭內部發(fā)展未必好”，陳巍從研發(fā)方面指出了中小企業(yè)的可能性。
其次，對于做NLP應用的中小創(chuàng)業(yè)企業(yè)來說，他們往往側重于場景、模型研發(fā)少，ChatGPT這類產品會在一定程度上加劇同質化競爭。但接入ChatGPT，也會讓這些企業(yè)更好地提升服務獲得更多客戶。特別是那些有深厚行業(yè)積累、充分理解行業(yè)的NLP應用企業(yè)，反而會進一步受益。就好比淘寶最初把中小商家和大商家放到同一個平臺上，開始的時候競價激烈，但后來大家發(fā)現平臺大了，客戶圈也大了，反而擴展到省外甚至國外。
2年后有望追上ChatGPT現有水平？
以ChatGPT為代表的AIGC應用，離不開大數據、大算力、大模型的訓練結果。當我們面對這股龍卷風般的潮流席卷時，首先要看清自身的水平和現實差距。
陳巍指出，首先數據方面，國內的高質量語料較少，大部分能用的語料標記質量恐怕達不到ChatGPT的訓練要求。就拿OpenAI來說，是雇用了約40多個全職的標記員，按照特定的要求來標記語料，而不是直接找數據公司買通用的標記數據。推測這個標記方法應該與其訓練策略密切相關，可能有一定的保密要求，是完全私有的數據集。因此，國內企業(yè)首先要補上私有數據集這個短板、以及數據集的標記策略，而這可能都是大量燒錢訓練之后學到的經驗。
再說模型本身。以ChatGPT為例，基本上國內大部分開發(fā)者都是從開源的GPT-2開始起步，大部分企業(yè)恐怕要經過大量的盲人摸象般的訓練才能進階到GPT-3的水平，然后再繼續(xù)訓練到GPT-3.5和ChatGPT。假如按理想的情況：準備數據和摸索訓練方法用半年，GPT-2到GPT-3用半年，依此類推，大概也需要2年時間才能追上ChatGPT現有的速度。而這還是項目進展順利、沒有被公司砍掉的情況下。而2年后，國外可能已經進階到GPT-5或者GPT-6的水平了。
最后是大算力芯片，這才是對國內開發(fā)者最頭大的事情。大模型訓練規(guī)模的現實擺在那里，即便使用GPU，也要消耗巨大的成本?！艾F在看GPU訓練大模型，有點像早期的深度學習研發(fā)人員看CPU訓練AlexNet這些早期的深度學習模型，訓練成本很高，速度又慢，這是大模型訓練未來需要努力改進的方向”，陳巍表示。
綜合來看當前的三方面短板，數據和模型方面，可以通過大量資金投入和研發(fā)人員的努力來補上；但大算力芯片方面，則需要半導體和相關產業(yè)鏈的整體提升，這點并不容易且是一個長期的過程，可能會成為國內趕超的重中之重。
寫在最后
一個朋友感慨：“我對AI的印象還停留在人工智障階段，怎么突然就成了再進宮的甄嬛——不可同日而語了？”
ChatGPT的橫空出世，讓AI再度引發(fā)轟動。隨著國內AI大模型的發(fā)展，使用成本的降低，AI將通過各種NLP或AIGC應用進入每個人的生活，甚至成為普通人的伙伴、助手或老師。ChatGPT這類大模型技術，還可以與機器人或傳統(tǒng)的制藥、材料、航空、汽車等領域結合，促進行業(yè)技術的快速發(fā)展。
因此，ChatGPT絕不僅僅是一個聊天機器人，也不會止步于顛覆現有的搜索引擎，它可能只是通用人工智能的一道開胃菜。
下載ECAD模型
