技術拐點來了，大家都在同一起跑線上。

　　@科技新知 原創

　　作者丨萇樂  編輯丨 伊頁

　　兩周前瘋狂刷屏的爆款AI應用ChatGPT，也難逃互聯網過氣定理。

　　“人類離強大到危險的AI不遠了。”這個讓馬斯克強烈安利的聊天機器人，在短短十余天的時間里，便擁有了一場從走紅到涼涼的經歷。

　　“ChatGPT本來的預期就不是商業化，一沒有收費，二沒有開放API，所以它只是一個DEMO。”AI賽道創業者，猴子無限創始人尹伯昊向‘科技新知’表示，熱度下來是正常現象，但這并不妨礙它是一個跨時代產品。

　　在他看來，ChatGPT爆火的背后，映射著一個不可忽視的事實：技術的拐點已經到了。

　　“ChatGPT背后運用的技術是GPT3.5，等GPT4出來的時候一定會非常火爆，屆時國內很快就會有一大批創業公司出現。”

　　彼時的AIGC賽道，必將迎來一場“血戰”，一邊是布局多年的BAT老勢力，一邊是初生牛犢的新選手，誰的贏面比較大？

　　站在新的技術拐點前，或許大家都在同一起跑線上。

　　Part.1

　　AI難被“馴服”

　　很多人對于ChatGPT的過氣表示并不意外，甚至包括開發方Open AI的CEO Sam Altman本人。

　　“ChatGPT的局限性令人難以置信，但在某些方面足夠出色，足以給人一種強烈的誤導印象。現在依賴它來做任何重要的事情都是錯誤的。它是一個項目的DEMO；我們在穩健性和真實性方面還有很多工作要做。”Sam Altman在社交媒體上如此表示。

　　從實際體驗來看，目前版本的ChatGPT存在兩個關鍵性的問題。

　　問題一：只提供了“情緒價值”，沒有提供“商業價值”。

　　正如Sam Altman所言，現在依賴ChatGPT來做任何重要的事情都是錯誤的。當作一種娛樂屬性的軟件來說沒問題，但如果渴望ChatGPT能有更大的實用價值，似乎有些太過理想。

　　一款合格的工具是幫助人們減少重復性勞動，而一款好工具是能幫助人們進行決策。而ChatGPT目前能做到的，還處于第一階段。

　　就拿前幾天有人夸贊ChatGPT編程能力很強大舉例，對于外行或者入門級程序員來說，ChatGPT快速生成的代碼已經足夠用，比如Java的簡單編程例子，九九乘法表、水仙花數等，但對于中高級開發人員來說還遠遠不夠。

　　問題二：看似合理，實則荒謬。

　　有時ChatGPT還會鬧出一些烏龍事件。Open AI公司承認，盡管號稱可以和人類對話，但ChatGPT也可能寫出“看似合理但不正確或荒謬的答案”。

　　比如有網友輸入“宮廷玉液酒”來考驗ChatGPT，它一本正經地給出回答：“宮廷玉液酒是一種傳統的中國白酒．．．．．．”而我們都知道，如果這句話問一個中國網友，他給到的答案會截然不同。

　　Open AI坦承，由于ChatGPT的知識只來自訓練數據中的統計規律，而不是任何類似人類對世界復雜和抽象系統的理解，因此“該系統可能偶爾會產生不正確或誤導性的信息，并產生攻擊性或有偏見的內容。”

　　清華大學國強教授、智能產業研究院（AIR）首席研究員也指出，這款機器人本質上還是一個基于統計的語言模型，應該沒有真正理解開放域的問題。它在處理開放域的問題上實際上還是基于概率，基于前一個值來生成下一個值。

　　Part.2

　　狂歡的中國學徒們

　　人們對于技術的期待，往往太過于理想主義。或許應該放低些對AI的期待和要求，畢竟很多時候，人類自己都不知道心里想要的正確答案是什么。

　　就像微軟旗下AI產品小冰公司CEO李笛說的那樣，ChatGPT非常強調回答的因果關系，而回答的結論本身是否正確對它而言并不重要。強調過程，弱化結果，這是ChatGPT和搜索引擎最大的不同。

　　又或者說，ChatGPT的意義并不是給出人們想要的答案，而是讓人們感知到，技術的拐點或許真的已經到了。

　　“技術拐點的核心體現在于，我們好像離圖靈測試越來越近了。”尹伯昊向‘科技新知’感慨道。

　　Gartner在《2022年重要戰略技術趨勢報告》中指出，生成式人工智能 （Generative Artificial Intelligence）將是最引人注目和最強大的人工智能技術之一，可用于多種場景，如創建軟件代碼、促進藥物研發和營銷等。

　　從Disco Diffusion到Midjourney和DALL-E2，AIGC的門檻一次次被降低，最后到Stable Diffusion模型開源，徹底讓AIGC站上了風口浪尖。

　　CMC資本董事總經理易然在采訪中指出，目前各個科技巨頭主要在模型層競爭，而創業公司在應用層有更多的機會。

　　例如Open AI開發的GPT-3模型、谷歌開發的LaMDA模型、Meta開發的OPT-175B模型、阿里巴巴達摩院開發的M6模型、微軟與英偉達聯合開發的Megatron-Turing（MT-NLP）模型等。

　　視野聚焦到國內不難發現，互聯網大小廠都開始更加關注AIGC。

　　在今年7月的百度世界大會上，創始人李彥宏表示：“AIGC或許將顛覆現有內容生產模式，實現以‘十分之一的成本’，以百倍千倍的生產速度，去生成AI原創內容。”

　　不光是一把手親自站臺，百度還將在內部組織上進行相應調整。有相關人士獲悉，眼下百度MEG正在籌劃新一輪組織架構調整，重心是將圖文與視頻部門單獨成立的內容事業群，百度對于AIGC的重視程度可見一斑。

　　此外，其他大廠也動作頻頻。例如，騰訊AI Lab有能夠通過用戶提供的關鍵詞自動生成歌詞并演唱的虛擬歌手“艾靈”、能夠輔助疾病診斷的游戲AI“絕悟”；字節跳動也于近期推出了抖音AI繪畫特效，進一步讓AIGC真正走向大眾視野。

　　阿里在AIGC上的布局稍有不同，從動作來看更偏向于底座。達摩院提出了新概念“模型即服務”（Model as a Service），即把AI模型當作生產的重要元素，從模型預訓練到二次調優，再到模型部署，阿里將圍繞模型的生命周期來提供相應的服務。

　　另外一邊，“國家隊”北京智源人工智能研究院，在科技部和北京市政府支持下，于今年11月開發了AltDiffusion，以及開源文生圖系統FlagStudio等，將生成式模型進行了本地化。

　　除了頭部科技公司之外，諸如昆侖萬維、科大訊飛、天娛數科等細分領域的廠商也都已涉足AIGC。

　　Part.3

　　站在同一起跑線

　　AIGC大潮的幕布在國內已經被掀開，這是一場關于ChatGPT“中國學徒”的狂歡。那么問題來了，現在入局AIGC晚不晚？

　　要知道，國內應用層的創業公司，大多基于Stability AI或Open AI這類底座廠商模型進行二次開發，只能在應用層“卷”。

　　產品門檻低導致的同質化現象嚴重，對于廠商來說是“無效的卷”，對于用戶來說則是“無限的薅羊毛”，想要找到差異化并發掘變現潛力并不容易。

　　另外，很多從業者表示，版權一直是AIGC商業化過程中難以忽視的問題。不過，尹伯昊認為，在中國的話語體系里，版權一定不是制約AIGC商業化落地的制約因素。

　　況且，版權問題其實也在模型端嘗試被解決，比如Stable Diffusion推出的2.0版本，核心就是讓生成出來的內容是版權干凈。

　　“AIGC商業落地真正的痛點在于場景還沒有特別明確，產品有意思并不代表著成功，人很難為一個娛樂屬性的東西付費，最終還是看能否有持續生產力。”尹伯昊向‘科技新知’表示。

　　初創公司如何與百度、騰訊、阿里這樣的大廠比拼？在尹伯昊看來，似乎并不存在這個問題，因為在新的技術拐點出現的時候，在大模型的范式下，過去的積累是清零的，大家都在同一起跑線上。

　　“坦率來講，百度、騰訊在做的事情和我們是比較像的，都是基于海外出現了創新后，在上面找新場景和新應用。”

　　同時也有業內人士分析，大廠在應用層的打法可能不會很垂直，而是更偏向于搭建生態，未來或許會和很多創業的垂直廠商有合作機會。

　　Part.4

　　寫在最后

　　1966年，歷史上第一個聊天機器人Eliza誕生，它被麻省理工學院人工智能實驗室的德裔美國計算機科學家約瑟夫·維森鮑姆賦予了充滿戲劇性的內涵。

　　Eliza名字源于戲劇作品《賣花女》，劇中出身貧寒的賣花女Eliza通過學習與上流社會溝通的方式，變成大使館舞會上被人尊敬的“匈牙利王家公主”。

　　作為Eliza的創造者，維森鮑姆卻想時刻提醒人們：“即使有時好像他們會說話，但他們從未真正聆聽過你，它們只是機器。”

　　他認為，正是由于當時的社會環境日漸冷漠，才使得人們變得如此絕望，以至于拋棄應有的理性和判斷力，轉而去相信一個機器程序可以聆聽他們的心聲。

　　很慶幸的是，在半個世紀后的今天，人們似乎已經找到AI存在的真正意義，它絕非僅僅是提供“情緒價值”。

　　接下來，擺在創業者們眼前的命題便是，如何用技術改變時代，用AI技術深入到產業，帶來更長遠的商用價值和產業價值。

　　參考文獻：

　　1、《ChatGPT走紅，人工智能離通過圖靈測試還有多遠？》，中國經濟新聞網

　　2、《創業者的AIGC淘金記》，光錐智能

　　3、《百度隱藏的AIGC野心》，光子星球

　　4、《Here’s What To Know About Open AI’s ChatGPT—What It’s Disrupting And How To Use It》，Forbes

（聲明：本文僅代表作者觀點，不代表新浪網立場。）