技术拐点来了，大家都在同一起跑线上。
@科技新知 原创
作者丨苌乐 编辑丨 伊页
两周前疯狂刷屏的爆款 AI 应用 ChatGPT，也难逃互联网过气定理。
“人类离强大到危险的 AI 不远了。”这个让马斯克强烈安利的聊天机器人，在短短十余天的时间里，便拥有了一场从走红到凉凉的经历。
“ChatGPT 本来的预期就不是商业化，一没有收费，二没有开放 API，所以它只是一个 DEMO。”AI 赛道创业者，猴子无限创始人尹伯昊向‘科技新知’表示，热度下来是正常现象，但这并不妨碍它是一个跨时代产品。
在他看来，ChatGPT 爆火的背后，映射着一个不可忽视的事实：技术的拐点已经到了。
“ChatGPT 背后运用的技术是 GPT3.5，等 GPT4 出来的时候一定会非常火爆，届时国内很快就会有一大批创业公司出现。”
彼时的 AIGC 赛道，必将迎来一场“血战”，一边是布局多年的 BAT 老势力，一边是初生牛犊的新选手，谁的赢面比较大？
站在新的技术拐点前，或许大家都在同一起跑线上。
Part.1
AI 难被“驯服”
很多人对于 ChatGPT 的过气表示并不意外，甚至包括开发方 Open AI 的 CEO Sam Altman 本人。
“ChatGPT 的局限性令人难以置信，但在某些方面足够出色，足以给人一种强烈的误导印象。现在依赖它来做任何重要的事情都是错误的。它是一个项目的 DEMO；我们在稳健性和真实性方面还有很多工作要做。”Sam Altman 在社交媒体上如此表示。
从实际体验来看，目前版本的 ChatGPT 存在两个关键性的问题。
问题一：只提供了“情绪价值”，没有提供“商业价值”。
正如 Sam Altman 所言，现在依赖 ChatGPT 来做任何重要的事情都是错误的。当作一种娱乐属性的软件来说没问题，但如果渴望 ChatGPT 能有更大的实用价值，似乎有些太过理想。
一款合格的工具是帮助人们减少重复性劳动，而一款好工具是能帮助人们进行决策。而 ChatGPT 目前能做到的，还处于第一阶段。
就拿前几天有人夸赞 ChatGPT 编程能力很强大举例，对于外行或者入门级程序员来说，ChatGPT 快速生成的代码已经足够用，比如 Java 的简单编程例子，九九乘法表、水仙花数等，但对于中高级开发人员来说还远远不够。
问题二：看似合理，实则荒谬。
有时 ChatGPT 还会闹出一些乌龙事件。Open AI 公司承认，尽管号称可以和人类对话，但 ChatGPT 也可能写出“看似合理但不正确或荒谬的答案”。
比如有网友输入“宫廷玉液酒”来考验 ChatGPT，它一本正经地给出回答：“宫廷玉液酒是一种传统的中国白酒．．．．．．”而我们都知道，如果这句话问一个中国网友，他给到的答案会截然不同。
Open AI 坦承，由于 ChatGPT 的知识只来自训练数据中的统计规律，而不是任何类似人类对世界复杂和抽象系统的理解，因此“该系统可能偶尔会产生不正确或误导性的信息，并产生攻击性或有偏见的内容。”
清华大学国强教授、智能产业研究院（AIR）首席研究员也指出，这款机器人本质上还是一个基于统计的语言模型，应该没有真正理解开放域的问题。它在处理开放域的问题上实际上还是基于概率，基于前一个值来生成下一个值。
Part.2
狂欢的中国学徒们
人们对于技术的期待，往往太过于理想主义。或许应该放低些对 AI 的期待和要求，毕竟很多时候，人类自己都不知道心里想要的正确答案是什么。
就像微软旗下 AI 产品小冰公司 CEO 李笛说的那样，ChatGPT 非常强调回答的因果关系，而回答的结论本身是否正确对它而言并不重要。强调过程，弱化结果，这是 ChatGPT 和搜索引擎最大的不同。
又或者说，ChatGPT 的意义并不是给出人们想要的答案，而是让人们感知到，技术的拐点或许真的已经到了。
“技术拐点的核心体现在于，我们好像离图灵测试越来越近了。”尹伯昊向‘科技新知’感慨道。
Gartner 在《2022 年重要战略技术趋势报告》中指出，生成式人工智能 （Generative Artificial Intelligence）将是最引人注目和最强大的人工智能技术之一，可用于多种场景，如创建软件代码、促进药物研发和营销等。
从 Disco Diffusion 到 Midjourney 和 DALL-E2，AIGC 的门槛一次次被降低，最后到 Stable Diffusion 模型开源，彻底让 AIGC 站上了风口浪尖。
CMC 资本董事总经理易然在采访中指出，目前各个科技巨头主要在模型层竞争，而创业公司在应用层有更多的机会。
例如 Open AI 开发的 GPT-3 模型、谷歌开发的 LaMDA 模型、Meta 开发的 OPT-175B 模型、阿里巴巴达摩院开发的 M6 模型、微软与英伟达联合开发的 Megatron-Turing（MT-NLP）模型等。
视野聚焦到国内不难发现，互联网大小厂都开始更加关注 AIGC。
在今年 7 月的百度世界大会上，创始人李彦宏表示：“AIGC 或许将颠覆现有内容生产模式，实现以‘十分之一的成本’，以百倍千倍的生产速度，去生成 AI 原创内容。”
不光是一把手亲自站台，百度还将在内部组织上进行相应调整。有相关人士获悉，眼下百度 MEG 正在筹划新一轮组织架构调整，重心是将图文与视频部门单独成立的内容事业群，百度对于 AIGC 的重视程度可见一斑。
此外，其他大厂也动作频频。例如，腾讯 AI Lab 有能够通过用户提供的关键词自动生成歌词并演唱的虚拟歌手“艾灵”、能够辅助疾病诊断的游戏 AI“绝悟”；字节跳动也于近期推出了抖音 AI 绘画特效，进一步让 AIGC 真正走向大众视野。
阿里在 AIGC 上的布局稍有不同，从动作来看更偏向于底座。达摩院提出了新概念“模型即服务”（Model as a Service），即把 AI 模型当作生产的重要元素，从模型预训练到二次调优，再到模型部署，阿里将围绕模型的生命周期来提供相应的服务。
另外一边，“国家队”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 月开发了 AltDiffusion，以及开源文生图系统 FlagStudio 等，将生成式模型进行了本地化。
除了头部科技公司之外，诸如昆仑万维、科大讯飞、天娱数科等细分领域的厂商也都已涉足 AIGC。
Part.3
站在同一起跑线
AIGC 大潮的幕布在国内已经被掀开，这是一场关于 ChatGPT“中国学徒”的狂欢。那么问题来了，现在入局 AIGC 晚不晚？
要知道，国内应用层的创业公司，大多基于 Stability AI 或 Open AI 这类底座厂商模型进行二次开发，只能在应用层“卷”。
产品门槛低导致的同质化现象严重，对于厂商来说是“无效的卷”，对于用户来说则是“无限的薅羊毛”，想要找到差异化并发掘变现潜力并不容易。
另外，很多从业者表示，版权一直是 AIGC 商业化过程中难以忽视的问题。不过，尹伯昊认为，在中国的话语体系里，版权一定不是制约 AIGC 商业化落地的制约因素。
况且，版权问题其实也在模型端尝试被解决，比如 Stable Diffusion 推出的 2.0 版本，核心就是让生成出来的内容是版权干净。
“AIGC 商业落地真正的痛点在于场景还没有特别明确，产品有意思并不代表着成功，人很难为一个娱乐属性的东西付费，最终还是看能否有持续生产力。”尹伯昊向‘科技新知’表示。
初创公司如何与百度、腾讯、阿里这样的大厂比拼？在尹伯昊看来，似乎并不存在这个问题，因为在新的技术拐点出现的时候，在大模型的范式下，过去的积累是清零的，大家都在同一起跑线上。
“坦率来讲，百度、腾讯在做的事情和我们是比较像的，都是基于海外出现了创新后，在上面找新场景和新应用。”
同时也有业内人士分析，大厂在应用层的打法可能不会很垂直，而是更偏向于搭建生态，未来或许会和很多创业的垂直厂商有合作机会。
Part.4
写在最后
1966 年，历史上第一个聊天机器人 Eliza 诞生，它被麻省理工学院人工智能实验室的德裔美国计算机科学家约瑟夫·维森鲍姆赋予了充满戏剧性的内涵。
Eliza 名字源于戏剧作品《卖花女》，剧中出身贫寒的卖花女 Eliza 通过学习与上流社会沟通的方式，变成大使馆舞会上被人尊敬的“匈牙利王家公主”。
作为 Eliza 的创造者，维森鲍姆却想时刻提醒人们：“即使有时好像他们会说话，但他们从未真正聆听过你，它们只是机器。”
他认为，正是由于当时的社会环境日渐冷漠，才使得人们变得如此绝望，以至于抛弃应有的理性和判断力，转而去相信一个机器程序可以聆听他们的心声。
很庆幸的是，在半个世纪后的今天，人们似乎已经找到 AI 存在的真正意义，它绝非仅仅是提供“情绪价值”。
接下来，摆在创业者们眼前的命题便是，如何用技术改变时代，用 AI 技术深入到产业，带来更长远的商用价值和产业价值。
参考文献：
1、《ChatGPT 走红，人工智能离通过图灵测试还有多远？》，中国经济新闻网
2、《创业者的 AIGC 淘金记》，光锥智能
3、《百度隐藏的 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
