值得快速跟进的是新的AI技术趋势，是未来语言模型在不同领域的应用

文 | 《财经》记者 刘以秦编辑 | 谢丽容以ChatGPT为代表的AIGC（AI生成内容）应用爆火，带动全球人工智能领域的第二波热潮。2022年11月人工智能公司OpenAI推出ChatGPT后，估值一路走高，已达290亿美元。美国一众科技公司闻风而动，中国科技领域也在跟进，投资机构们看到了新热点，重点寻找相关初创公司。

与语音交互、图像识别等AI应用类似，ChatGPT也是一种人机交互。

人通过文字和机器对话，获得内容。

但是ChatGPT的突破之处在于，它可以基于大数据集自己生成内容，而不是简单的比对和匹配。

这意味着AI掌握了一定的自学习能力，技术迭代的速度大幅提升。

在1.0时代，我们使用语音交互时，获得的内容是技术人员提前预设的，AI只是在海量数据库中做快速比对，如果数据库中并没有对应内容，AI的回答就会是“对不起，我没听懂您的问题。

”1.0时代应用最广泛的AI技术是人脸识别，同样也是数据库比对，AI起到的作用更多是提高效率。

AI 2.0时代的先发者ChatGPT是一次令科技行业震惊的技术进展，未来会影响到各行各业。

但需要厘清的是，OpenAI是一家有独特背景的创业公司，ChatGPT是该公司基于AI大模型，长期烧钱砸出来的人机交互服务，再加上明星创始人以及资本方的影响力，共同打造一次全球科技领域的营销活动。

中国科技公司需要学习先进技术，而不是简单模仿一家暂时炙手可热的公司。

有人担心若不快速跟进，会让中国在AI领域失去主动权。

掌握主动权不是跟风，是要结合自身特点做出独特优势。

很难学中国公司很难在短时间内学会ChatGPT。

ChatGPT能够火爆，是多重因素共同作用的结果。

包括长期高额投入且没有盈利压力；全球云计算市场份额排名第二的微软云提供算力支持；以及创始团队的营销能力。

OpenAI成立于2015年，含着金汤匙出生，三位创始人分别是马斯克、美国创业孵化器Y Combinator总裁阿尔特·曼、PayPal联合创始人彼得·蒂尔。

创立之初就抱上了微软的“大腿”，目前微软持股比例49%。

这些背景让OpenAI在前几年没有营收压力，可以专心投入技术研发、迭代、优化，在它尚未起势之前，曾多次被外界嘲讽。

各国媒体报道称，为了做出ChatGPT，投入了数十亿美元。

更具体的数字是，大约每年25亿美元。

即使公司名字里有“Open”这个单词，OpenAI目前使用的模型、参数等，均未开源。

这意味着其他公司目前想要跟进，只能同样的路子一步不差照样走一遍，同样“烧钱”。

在中国，一家创业公司很难有这样的成长环境，或许在初期可以通过融资，专心技术研发，但很快就要面临商业化的挑战。

甚至会为了商业化，不断调整研发方向。

大型科技公司则大多都在“降本增效”，一个还难以看到明确商业回报的技术趋势，可以布局，但不会一年烧掉几十亿美元。

此外，ChatGPT是一次AI技术的“暴力式”突破，用当下最极端的方式，通过大算力的堆叠，全球大数据集不计成本的训练，最高性能硬件的支持，以及顶尖人才等因素共同实现。

也就是说，如果说AI的投入是一个吞金兽，那ChatGPT就是一个超级吞金兽。

ChatGPT使用的是Transformer架构，擅长处理大量数据和处理语言长期依赖性，可以并行处理，能够极大缩短模型训练时间。

这一架构2017年已经出现，并非OpenAI独创，有不少AI公司都在使用这一架构。

算力，硬件，人才，是可以在短期内用资金投入来跟上，但是数据不同，尤其是能够满足大模型运转的高质量数据，在中国相对稀缺。

过去我们常说，中国AI产业的优势之一是有海量丰富的数据，这一点放在今天依然成立，但是在过去几年，中国的AI公司们并没有在数据的质量和广度上花太多功夫。

为了做具体行业的商业化应用，中国公司更多精力用于扎根具体行业或细分场景，例如应用最广泛的人脸识别，积累了大量同质化数据。

也就是说，我们有海量数据，但是这些数据需要通过专业的人力，进行挖掘、采集、标注、整理。

中国的数据采集标注行业虽然不缺人，但缺专业团队，也缺少有效的管理方式。

还有一点中国公司们难以学习的，是影响力。

美国公司擅于做宏大叙事下的“病毒式营销”。

以马斯克为代表的美国商人们，能够通过讲故事，激发讨论度，共识与热情，质疑或否定，他们自己就是公司和产品的代言人。

当下不值得学ChatGPT代表了新一代AI技术方向，帮助OpenAI估值大涨，但目前还处于非常初级的阶段。

就像是自动驾驶，看起来很酷炫，一旦真的尝试，就会发现很多问题。

ChatGPT能实现流畅对话，甚至探讨一些专业话题，但更多时候是一个“胡编乱造的语言大师”，存在数据过时、偏见、虚假信息、价值观不正等问题。

如果真的把它当成搜索工具来用，得到的结果还需要在传统搜索引擎或其他地方进行二次验证，反而会降低效率。