文丨任超

2023年，ChatGPT頂替元宇宙的地位，從技術界成功破圈，站上C位。它驗證了AI算法是可落地的，給AI、互聯網等領域帶來新的故事，產生了新的想象空間。在這里，我將從價值和問題的角度出發，嘗試撥開ChatGPT的迷霧，盡力找出真相。

從發展上看，ChatGPT既重要也不重要。重要的是，它不僅是AIGC（Artificial Intelligence  Generated Content，利用人工智能技術來生成內容）方向的重大突破，在應用層上的亮眼表現也成功做出AI領域To C方向的表率，消除了社會對AI應用和其商業化的疑慮；不重要的是，ChatGPT并不是嚴格意義上的AI革命，只是模型和場景應用的一次飛躍，底層三要素（算法、算力、數據）并沒有改變，且當前仍存在諸多問題。目前，ChatGPT僅覆蓋文字和圖片，無法適用于多模態信息和跨模態生成。

不可否認的是，ChatGPT已經帶來了極大的價值。它向一直找不到To C場景并逐漸對To C方向失望的AI從業者們證明了：奇點已到，AI已經可以和人類展開有效互動了。ChatGPT能夠理解的人類意圖，產生有效互動，依舊離不開數據、算力、算法、模型、場景這五個要素，其中主要在模型和場景方面做出了突破。在對話中，ChatGPT主動記憶對話內容信息，結合上下文理解，通過預測下一個詞語或短語的出現概率，基于在大型文本語料庫中學習到的語言模式，生成自然語言文本，并輔助假設性問題的回復，進而實現一問一答的交互對話。并且在過程中，將人類的反饋納入模型訓練過程，使得模型輸出與用戶意圖更好地保持一致。2月11日，斯坦福大學的計算機科學家米哈爾·科辛斯基（Michal Kosinski）在一篇名為《心智理論可能從大語言模型中自發涌現》的論文中，通過心智理論的驗證，證明ChatGPT已經有9歲孩子的心智，這標志著AI已經進入一個嶄新階段。

雖然ChatGPT發展迅速，但是，我們需要認識到尚且存在諸多根本問題。

第一，數據集的局限性導致AGI（Artificial General Intelligence，通用人工智能）僅僅走出關鍵一步，遠未成熟。模型數據集的來源是維基百科、書籍、期刊、Reddit鏈接、Common Crawl以及其他數據集（如論壇對話、視頻字幕等），只包括了人類創作的以文字為主的數據，尚未涉及其他模態數據，更不用說非人類創作的數據了。以此種數據集為基礎，結果大概率會出現偏見。

第二，ChatGPT答非所問、似是而非的回答層出不窮，目前更多作為娛樂使用，遠達不到工具層次，更不用說替代人類了。從生成結果看，ChatGPT得出的結論更多是基于一定邏輯的信息重組，并沒有實現知識創造，這必然會引發如知識產權等一系列問題。從產品角度看，用戶若因為嘗鮮而使用，使用黏性和使用生命周期有待商榷。很難想象，用戶出于完全信任ChatGPT給出的結論，進而做出決策。

ChatGPT帶來AIGC方向的重大突破，革新了數字文化創作的生產范式，也改變了用戶與人工智能的交互模式。目前，ChatGPT已經滲透到傳媒、電商、娛樂等各個行業

第三，將對社會穩定造成極大影響。對于處在“信息鴻溝”中的人群而言，ChatGPT的泛濫回答并不是什么好事情，安全隱私受到沖擊、謠言層出不窮、難以監管等現象大概率會出現。

第四，在新的商業模式尚未出現的時候，當前商業模式遭受沖擊。當前的商業模式建立在價值流的基礎上，即價值生產流向價值消費，其中價值生產的稀缺性提升了價值從生產到消費的勢能，推動了商業發展。但ChatGPT的出現，使價值生產尤其是信息的價值生產大眾化，降低了從價值生產到消費之間的勢能，導致價值流動形成新方式，從而影響原有商業模式。例如，當用戶在搜索頁面精準獲取結果時，搜索所建立的競價排名則無用武之地，如果廣告進入生成式AI系統，模型也需要進行相應調整，當進入的品牌達到一定規模，結果的精準性也將大打折扣。

第五，生成式AI的模型黑盒可能導致人類失去對AI的控制。相比之下，人類學習的路徑是清晰、可干預、可考核的，過程也是可控的。但是對于生成式AI，我們尚不清楚它們的學習機制和過程，相對難以把握其最終學習結果。

換個角度，如果放眼未來，ChatGPT極具潛力，生成式AI也必然會成為人類的有力工具�？紤]到當前存在的技術問題，它們的發展方向可能有如下幾種。

第一，若AGI方向不變，必然會對底層數據集提出更高的要求。一是數據會延伸到更多模態；二是將囊括環境及機器產生的數據，以環境數據為基礎提供答案，或實現機器之間的交互；三是ChatGPT產生的數據進入數據集后形成自閉環，提升了知識創造能力和AI學習能力。

第二，以通用為目標，以垂直領域為切入口，先垂直再通用。先對垂直領域的各維度和各模態數據進行整合，針對垂直領域特征進行模型調教，在垂直領域中實現AI工具化，而后連接各垂直領域，逐漸實現通用化。

第三，通過工程化技術大幅降低成本，包括數據成本、算力成本、訓練成本等。

第四，以工具為起始點，逐漸形成新的商業模式。生成式AI將率先賦能生產型企業，提升客服、廣告行業的整體效率。而對于平臺型企業來講，需要打造生成式AI能力，從而賦予生產型企業更強的能力，降低企業成本，在平臺價值勢能降低的情況下，提升價值流動的動能，為平臺上的用戶提供更有效的價值消費。

那么，國內企業在LLM（大型語言模型）上是否存在彎道超車的可能？目前看比較困難。在追趕的道路上，資金反而不是最重要的因素。從云到LLM模型再到平臺層和應用層，國內企業還有漫長的路要走。

從時間上看，2015年成立的人工智慧研究公司OpenAI，于2018年推出GPT-1模型，2020年推出GPT-3模型，直至2022年ChatGPT上市，歷經近8年時間。即使AI三要素仍沒有得到突破，但是隨著規�；瘧�用，訓練成本將大幅降低，加之算力仍是被“卡脖子”的技術，國內企業要實現短時間內在模型上追齊國外，困難程度較大。最重要的是，國內的內容數據集在規模上存在短板，質量參差不齊。

從規模上看，國內用戶主動生成的內容數據還無法與海外相比，原創知識類文字內容占比并不高。從質量上看，在優質內容、內容維度、內容標注等方面存在一定缺陷，導致模型使用效果不佳。場景應用只是表象，完備的數據集、超強算力、優秀的算法才是根本，要突破模型開發能力和調教能力。一旦夯實根基，經過長時間蟄伏，有突破欲望的企業才有可能與海外企業一較高下。

另外，企業對于LLM模型的定位和目標也是必要的影響因素之一。如果沒有明確的方向，很難形成有效規劃和風險規避手段。若僅希望短時間內產生商業價值，形成賣點，賺個吆喝，那么，所謂的彎道超車不過是一個市場營銷手段而已。

但是，ChatGPT通過在應用層包裝后實現商業化，這是中國企業比較擅長的領域。例如，ChatGPT與數字人結合，可以陪伴用戶或協助用戶解決問題，賦能更多有創作天分的用戶，生產更多內容等。盡管如此，衷心希望我國有更多企業能夠錨定根技術，形成自身技術壁壘，推動我國AI的發展，不斷提高AI生產力。