|
来源：证券时报 记者 阮润生
上一轮2016年人工智能程序AlphaGo击败职业围棋世界冠军引发人工智能热议，人们似乎还可以作壁上观；本轮热炒的聊天机器人ChatGPT，则从写学术论文到医疗咨询几乎席卷各个行业，自生式智能新范式已经让人们近距离感受到人工智能带来惊喜与危机，引燃新一轮AI革命。
即便多家上市公司提示交易风险，暂无相关业务，近期A股市场还是掀起了ChatGPT概念股涨停旋风。资本层面已经开始关注ChatGPT所代表的大模型AI公司以及相关AIGC（人工智能创造内容）概念。
业内人士介绍，国内也有AI大模型公司，但从参数训练到工程调优还有差距，相比而言，OpenAI在大模型的探索上，通过ChatGPT已经实现从可供到可用实现的跨越，预计随着未来成本下降，ChatGPT相关应用将会在更多行业领域紧密结合。目前搜索引擎公司已经开始竞相布局ChatGPT类似应用，ChatGPT所属的AIGC技术也将赋能内容创作等诸多领域，并且随着算力提升，高性能计算、数据中心芯片等环节将迎来发展机遇。
探索大数据模型路径
ChatGPT像开辟了一片新大陆，无论是编写代码、撰写文案，甚至还可以用于高度专业的辅助医学诊断，各行各业试用的热情被点燃。对于ChatGPT的表现，记者采访到多位业内专家表示已经相当“惊艳”。
“如果把人工智能级别与人类智能对比，划分拟人、同人以及超人水平，那么ChatGPT相当于同人水位，并且在很多领域的水平已经近似一般的本科生。”清华大学新闻学院元宇宙文化实验室主任沈阳向记者表示，“目前AI正在处于从弱人工智能向强人工智能过渡阶段，预计5到10年时间，ChatGPT将在很多领域达到硕士水平。”
从技术路径来看，ChatGPT的成功意味着大模型的发展成熟。
“ChatGPT堪称人工智能里程碑式代表，证明了以海量大数据和超大参数为基础的大模型方案在发展通用型人工智能方案上是可行的，而之前工业、学术界对这个路径一直比较质疑。”云从科技战略技术总监温浩向记者表示，“ChatGPT可以说是融合学术界成果和工业界经验的集大成者，实现了指令学习的效果，通过不断强化反馈，形成有逻辑性的回复，并且能够摒弃有害信息，比较高质量提炼出有用信息。”
申万宏源提供的资料显示，国内大部分视觉类AI公司此前都以小模型路线为主，大模型底层创新在美国开始。
以GPT-3为例，其调用的参数量达到了1750亿个，是传统深度学习小模型参数量的至少1万倍以上；另外，GPT-3通过海量数据（维权）预训练大模型，提炼出模型参数后再度初始化和训练，大幅降低后续对数据量的需求，减少后期成本投入，比小模型能够更广泛适应不同任务类型。另外，通过Transformer引入的Self-Attention 自注意力机制，可以让每个单元都可以捕捉到完整句义，帮助ChatGPT实现“对答如流”的效果。
除了提升ChatGPT 智能性，OpenAI还在信息立场安全方面下功夫。温浩指出，OpenAI使用了高学历的人工智能数据标准团队，加强人工反馈学习，优化算法结构，“一般的AI团队很少会启用这么庞大的数据标注团队”。
A股ChatGPT概念股中，AI训练数据标准商海天瑞声涨幅居前，今年来累计涨幅已经超过2倍。公司多次发布股价异动公告，提示公司暂未与OpenAI开展合作，其ChatGPT的产品和服务未给公司带来业务收入，该领域对数据需求的发展趋势有待观察。
资本已经开始高度关注具备大模型能力与服务场景能力结合的标的。
云岫资本方面也向记者表示，中国最成功的AI公司需要同时具备底层大模型能力和服务具体场景的应用层能力。据介绍，中国AIGC领域预计不会像美国一样出现非常清晰的基础层和应用层的解耦。相比，过去中国成功的AI公司来自绑定口袋深的垂直行业，比如安防、金融、制造业，通过一体化的AI产品和服务来提升客单价。未来中国新一代的AI公司可能也会采取此模式，AI能力的商业化会绑定在具体的场景中。
引领搜索与
创作生态变革
“ChatGPT在语言效果、逻辑方面等方面呈现得很优秀，但是在跨场景、专业领域的智能还比较欠缺，全面商业化还有一定距离，但至少可以在To C端开始替代Siri类应用。”温浩表示，在To B端应用上需要搭建模型，数据训练成本还是比较高的。目前ChatGPT已经推出了付费订阅版ChatGPT Plus。
不过，在万兴科技战略发展部负责人唐芳鑫看来，ChatGPT已经开启向To B端商业化应用。
“ChatGPT版本经过了从1.0到3.5的逐步迭代，去年营销行业已经开始使用3.0版本，推出了相应SaaS产品。”唐芳鑫表示，目前ChatGPT已经放开了API接口（不含中国），能够许多垂直细分场景上进一步开发落地。 共2页 [1] [2] 下一页
|
