深入浅出解析ChatGPT引领的科技浪潮【AI行研商业价值分析】

Rocky Ding

【AI行研&商业价值分析】栏目专注于分享AI行业中最新热点/风口的思考与判断。也欢迎大家提出宝贵的意见或优化ideas&＃xff0c;一起交流学习&＃x1f4aa;

大家好&＃xff0c;我是Rocky。

2022年底&＃xff0c;ChatGPT横空出世&＃xff0c;火爆全网&＃xff0c;一时风光无限。人工智能领域的浪潮再次汹涌澎湃&＃xff0c;人工智能行业的全栈架构&＃xff08;芯片层&＃xff0c;框架层&＃xff0c;模型层和应用层&＃xff09;都产生了爆破性机会的可能&＃xff0c;各架构中的巨头纷纷下注入场。

但与此同时&＃xff0c;“危&＃xff01;以下行业可能被人工智能替代”&＃xff0c;“ChatGPT将彻底改变XX行业”&＃xff0c;“ChatGPT的出现&＃xff0c;XX公司会大势已去”&＃xff0c;“ChatGPT会马上取代你&＃xff01;”等等言论也甚嚣尘上。

Rocky认为ChatGPT是迄今为止最具ToC落地优势的AI产品&＃xff0c;ToC意味着高上限以及无限的迭代可能性。

在本系列的上一篇文章中&＃xff0c;Rocky已经与ChatGPT“谈笑风生”了一回。Rocky和ChatGPT“谈笑风生”的日子 |【AI行研&商业价值分析】

那么在此基础上&＃xff0c;Rocky继续深挖核心价值&＃xff0c;我们到底该怎么看待ChatGPT&＃xff1f;ChatGPT的前世今生以及未来是怎么样的&＃xff1f;有哪些潜在玩家跃跃欲试&＃xff1f;如何看待ChatGPT的商业价值和影响冲击&＃xff1f;

在本文中&＃xff0c;Rocky将为大家娓娓道来。

So&＃xff0c;enjoy&＃xff1a;

1. ChatGPT的底层原理

2. OpenAI的前世今生

3. 风口里的潜在玩家

4. ChatGPT的商业价值

5. ChatGPT对原有行业的冲击

6. Rocky的一些“畅想”

ChatGPT的底层原理

在这个章节中&＃xff0c;我们主要探讨“ChatGPT到底是什么&＃xff1f;”&＃xff0c;“ChatGPT有哪些关键特征&＃xff1f;”以及“ChatGPT有着什么样的发展脉络&＃xff1f;”这几个问题。

首先&＃xff0c;ChatGPT到底是什么&＃xff1f;

按照惯例&＃xff0c;我们先让ChatGPT自己回答&＃xff1a;

Rocky在此基础上接着进行补充&＃xff0c;从宏观技术角度总结归纳ChatGPT的概念&＃xff1a;

ChatGPT是一个超大规模的语言预训练模型&＃xff0c;其底层架构为Transformer&＃xff0c;并结合强化学习思想&＃xff0c;在拥有上千亿的参数量的同时&＃xff0c;使用上万亿的高质量训练素材进行迭代优化。

看完Rocky的总结&＃xff0c;我们可以发现ChatGPT并没有那么神秘&＃xff0c;在“大力出奇迹”式的参数量&＃xff0c;算力和数据量的支撑下&＃xff0c;ChatGPT本质上是一个对自然语言进行深度建模的高维函数&＃xff0c;有足够的表达能力能cover大多数的对话问答场景。

强化学习本身在Alpha Go中已经证明它的价值&＃xff0c;其非常像生物进化的方式&＃xff0c;能让ChatGPT在定义的环境中&＃xff0c;不断地根据环境的惩罚和奖励&＃xff08;reward&＃xff09;&＃xff0c;持续优化到能在这个特定环境中从容应对的状态。

那么在上万亿级别数据量的情况下&＃xff0c;该如何设计强化学习的reward模型并进行高效reward呢&＃xff1f;答案就是人工反馈&＃xff0c;也被称为RLHF&＃xff08;Reinforcement Learning from Human Feedback&＃xff09;。

写到这里&＃xff0c;“ChatGPT到底是什么&＃xff1f;”的问题应该已经能够得到较为全面的回答&＃xff0c;Rocky再将上面的内容进行提炼归纳&＃xff0c;就可以得到ChatGPT的关键特征&＃xff1a;

1. 千亿参数
2. 万亿数据
3. 海量算力
4. 强化学习&＃43;“人工”智能

可以看到&＃xff0c;这是一场昂贵的&＃xff0c;门槛极高的技术变革。

而正是这些关键特征&＃xff0c;造就了ChatGPT的核心能力&＃xff1a;

1. 敢于质疑“不怀好意”和不正确的假设与问题
2. 主动承认错误
3. 能够承认无知&＃xff08;无法回答的问题&＃xff09;
4. 能够连续多轮对话
5. 能够进行上下文理解
6. 大幅提升对用户意图的理解
7. 大幅提升结果的准确性

在本章节的最后一个部分&＃xff0c;我们接着梳理一下ChatGPT的发展脉络&＃xff0c;看看ChatGPT如何从“原始形态”一步一步进化而来的&＃xff1a;

1. 时间周期&＃xff1a;可以看到&＃xff0c;每个阶段的发展周期短则需要10年&＃xff0c;长则需要30年。

2. 参数量&＃xff1a;从无参数的规则方式&＃xff0c;到需要参数的机器学习方式&＃xff0c;再到需要大量参数的神经网络方式

3. 技术演进&＃xff1a;从规则&＃xff0c;到机器学习&＃xff0c;再到神经网络&＃xff0c;进而到Transformer。

4. 算力成本&＃xff1a;从无需算力到需要海量算力。

5. 人工支持&＃xff1a;从机器的自主学习到人工反馈强化。

总而言之&＃xff0c;ChatGPT为了与我们相遇&＃xff0c;花费了漫长时间的努力。这中间&＃xff0c;有挫折&＃xff0c;有低谷&＃xff0c;有突破&＃xff0c;有爆发&＃xff0c;在那个沉默的岁月中&＃xff0c;依然有“人”一直陪伴在它身边&＃xff0c;那就是OpenAI。在下一个章节中&＃xff0c;Rocky将向大家讲述OpenAI的故事。

OpenAI的前世今生

OpenAI的总部位于旧金山&＃xff0c;由马院士&＃xff08;马斯克&＃xff09;、Sam Altman及其他投资者在2015年共同创立&＃xff0c;启动资金10亿美元&＃xff0c;目标是推动和促进AI技术的研究&＃xff0c;而马斯克在2018年时因与其他创始人产生分歧而离开。

OpenAI的主要研究方向分为&＃xff1a;计算机视觉&＃xff0c;自然语言处理&＃xff0c;强化学习。

2016年&＃xff0c;OpenAI开发的人工智能系统在《Dota 2》游戏中击败了职业玩家。

之后&＃xff0c;OpenAI更是因推出GPT系列自然语言处理模型而闻名。从2017年起&＃xff0c;OpenAI就开始发布生成式预训练语言模型GPT&＃xff08;Generative Pre-trained Transformer&＃xff09;&＃xff0c;可用于生成文章、代码、机器翻译、问答等各类内容。

每一代GPT模型的参数量都爆炸式增长&＃xff0c;堪称“越大越好”。2019年发布的GPT-2参数量为15亿&＃xff0c;而2020年发布的GPT-3&＃xff0c;参数量达到了1750亿。

而ChatGPT每一次训练更是需要花费亿级别的费用&＃xff0c;备用资金储备的量级可想而知。2022年&＃xff0c;OpenAI光是算力&＃43;人工支出&＃xff0c;就达到了约5亿美元&＃xff0c;也就是约35亿人民币。

如此高的研究成本与研究门槛&＃xff0c;标志着新一代科技革命进程也开始遵循二八法则。

AI前沿突破的主动权&＃xff0c;从过去自由、粗放、百花齐放的状态&＃xff0c;转而形成高度垄断的态势。

比如在OpenAI接连开发出DALL- E和ChatGPT这两个重量级生成式AI模型后&＃xff0c;微软决定向OpenAI投资数十亿美元&＃xff0c;新一轮投资也让其估值达到290亿美元。

是的&＃xff0c;恍惚间仿佛回到了2012年&＃xff0c;上一次AI给人们带来无限想象的时间节点。

而这次的主角是OpenAI的联合创始人Sam Altman。

在Sam Altman眼中&＃xff0c;AI是一个可以孵化出无数工具&＃xff0c;推动各行各业前进的基础平台。AI大模型技术&＃xff0c;将成为继移动互联网之后&＃xff0c;未来最大的技术平台。而以聊天机器人为界面&＃xff0c;加上图像、音乐、文本等多模态模型的持续发展&＃xff0c;终将诞生新的巨头。

“先做摆在我们面前的最有信心能成功的事情&＃xff0c;然后分出10%的资源进行成功确定性更低的探索工作。”———— Sam Altman

OpenAI现阶段并没有把重点放在让AI“无所不能”上&＃xff0c;而是先沿着现有的道路慢慢发展完善AI&＃xff0c;然后留有开放探索的空间——伟大的事物和重大的突破有时往往诞生于持续坚持中的偶然。

风口里的潜在玩家

2022年可以说是AIGC元年&＃xff0c;首先出现了图像生成式模型&＃xff0c;比如DALL-E和Stable Diffusion&＃xff0c;然后便是ChatGPT火爆出圈&＃xff0c;发布仅两个月后&＃xff0c;其月活用户就已经突破了1亿&＃xff0c;成为史上用户增长速度最快的消费级应用程序。如此惊人的扩张速度&＃xff0c;表明我们很有可能正在进入一个新的技术纪元。

在这个炙手可热的新风口中&＃xff0c;各方势力暗流涌动&＃xff0c;争相布局入场&＃xff0c;未来的AI超大模型江湖定会波澜壮阔&＃xff0c;高手过招。

巨头下场&＃xff1a;

1. 微软&＃xff1a;与ChatGPT火速绑定&＃xff0c;出现ChatGPT版新Bing。
2. 谷歌&＃xff1a;推出竞品Bard&＃xff0c;并向由前OpenAI员工创立的Anthropic公司补救性投资4亿美元。
3. 百度&＃xff1a;文心一言&＃xff08;Ernie Bot&＃xff09;将于三月份向公众开放。

总之&＃xff0c;全球最大的科技公司仿佛都回到了自己年轻时的样子。

可以看到&＃xff0c;ChatGPT的商业落地速度比想象中还要快&＃xff0c;而一年前还“性感异常”的元宇宙概念&＃xff0c;现在已经“牛夫人”&＃xff0c;商业落地更是遥遥无期。

巨头之外&＃xff1a;

除了上面讲到的一些科技巨头已经稳稳拿住入场券&＃xff0c;还有很多其他势力在争夺入场资格。

1. 一些已经退休/转VC的大佬们想要带资进组。
2. 一些高管想要出厂单干&＃xff0c;但高管的问题是能力相对单一&＃xff0c;基本面能力可能不够&＃xff0c;意志不坚定。
3. 一些初创公司想要入场&＃xff0c;但是初创公司能不能把商业闭环跑通还是一个问号。
4. 由于生成式AI还处于比较专业的阶段&＃xff0c;所以很多高校教授们也看到了自己入局的可能性。虽然有一堆弟子可以在一线干活&＃xff0c;但是创业需要的综合能力与基本面并不一定具备。
5. 活跃战场氛围的吃瓜公司与追梦者。

Rocky观点&＃xff1a;

这波浪潮在宏观上需要很高的门槛和昂贵的成本&＃xff0c;国内外最终大概率会回归到头部巨头的竞争。在细分领域&＃xff0c;等未来这波浪潮持续落地赋能之后&＃xff0c;会出现一些新的机会&＃xff0c;但对数据的护城河和数据迭代能力&＃xff08;本身有很多行业数据可以训练出优秀的模型&＃xff0c;从而吸引更多用户&＃xff0c;继而产生更多用户数据用于训练&＃xff0c;形成良性优化迭代&＃xff09;要求非常高&＃xff0c;这是大部分公司所不具备的。

ChatGPT的商业价值

1. Rocky认为ChatGPT有非常大的想象空间。比起元宇宙等概念&＃xff0c;用户对ChatGPT有更强的感知&＃xff0c;ToC落地前景向好。

2. 以ChatGPT为代表的超大AI模型&＃xff0c;有机会可以成为孵化各种AI应用的平台&＃xff0c;就像移动互联网的出现催生出众多APP一样&＃xff0c;它们的共同点都是可以制造无数的商业机会。

3. 未来在超大AI基础模型和具体AI业务的开发应用之间会有一个中间媒介&＃xff0c;会出现一些专注于微调超大AI基础模型以适应具体AI业务需求的初创企业&＃xff0c;为每个垂类场景创建应用解决方案&＃xff0c;比如广告创意&＃xff0c;会议纪要生成&＃xff0c;社交媒体文案等。Rocky认为这些中间媒介会创造很多价值。

4. 未来很可能会出现提示工程师&＃xff08;Prompt Engineer&＃xff09;。提示工程是指在任务的描述、或者提问中找出合适的提示词输入AI模型中&＃xff0c;激发AI模型输出理想结果的调试过程。

5. 能够独立思考&＃xff0c;深度思考&＃xff0c;思考质量极佳&＃xff0c;对事物本质理解深刻的人&＃xff0c;能够从AI大模型中获取更多高价值的回馈。

6. 作为AI工具用于提升工作效率。&＃xff08;会议辅助系统&＃xff0c;辅助文字生成&＃xff0c;代码Debug等&＃xff09;

7. 上下游产业链会优先收益。&＃xff08;硬件产业链&＃xff0c;云计算和搜索引擎巨头公司等&＃xff09;

ChatGPT对原有行业的冲击

ChatGPT的整体性能确实很强大&＃xff0c;很多人担心&＃xff0c;甚至恐慌&＃xff0c;觉得很多岗位会像板砖手机一样&＃xff0c;被智能手机极速替代。

其实&＃xff0c;Rocky认为不用慌。

人们常常会低估一项技术对未来的影响&＃xff0c;但是却高估一项技术对今天的影响。

目前来说&＃xff0c;类ChatGPT的AI生成式大模型依然存在不足&＃xff0c;有很多问题需要解决和完善&＃xff0c;市场渗透程度也正在从系统市场到细分市场的转变中&＃xff0c;而这些都不是短期能够爆破解决的&＃xff0c;需要一定的时间周期。

短期内看&＃xff0c;最受益的是炒作相关概念的那部分人&＃xff0c;而最受损的是交了智商税的那部分人。

但长期来看&＃xff0c;能够将类ChatGPT技术引入&＃xff0c;并且达到裁员不减产能的岗位&＃xff0c;将会受到极大冲击。

这就是本质。

比如一个企业&＃xff0c;需要应用类ChatGPT技术完成需求&＃xff0c;向类ChatGPT公司购买接口就可以了&＃xff0c;不再需要相应的职能人员来完成工作。显然购买接口的费用远比人力成本要便宜得多&＃xff0c;但类ChatGPT提供商依然能够获得巨额垄断利润。

这些岗位&＃xff0c;可能会裁员2/3&＃xff0c;让剩下的1/3去承担原本部门100%的工作量&＃xff0c;并因为类ChatGPT技术的支持&＃xff0c;能够保持产能不变&＃xff0c;甚至扩大产能。

而对于AI研究行业&＃xff0c;核心竞争力不再是微小细分领域的Trick尝试并发论文&＃xff0c;算力和数据的护城河成为了关键因素&＃xff0c;但这些关键因素是几乎大部分实验室所不具备的&＃xff0c;这一情形会加剧AI Lab等纯研究部门的动荡与优化。

Rocky的一些“畅想”

未来&＃xff0c;生成式AI大模型是否能带来更多振奋人心的惊喜呢&＃xff1f;Rocky这里抛砖引玉提出了一些“畅想”&＃xff1a;

1. 未来ChatGPT能在推理阶段连接外部信息吗&＃xff1f;比如用预训练知识&＃43;互联网最新知识作为回答的素材。

2. 图像&＃xff0c;语音和自然语言超大AI模型的多模态融合发展。

3. 目前类ChatPGT模型已经可以充分“计算”对话者的意图&＃xff0c;并进行合理的回应&＃xff0c;那么未来会不会出现能够理解对话的本质的AI模型呢。

到这里&＃xff0c;我们已经对ChatGPT的核心价值进行了比较全面的分析。可以看到&＃xff0c;AI领域未来将进入更高质量的发展阶段&＃xff0c;整个生态将更加有趣。

2012年的浪潮让AI在ToB方向上扎稳脚跟&＃xff0c;2022年的AIGC风口&＃xff0c;让AI在ToC方向产生了诱人的可能性&＃xff0c;而且大概率又会是一个10年的红利期。

那2032年的时候&＃xff0c;又会是AI的哪一个风口呢&＃xff1f;Rocky能够判断的是&＃xff0c;AI已经是一个“不朽”的行业&＃xff0c;能给予不断进取成长的人们以庇护。

大家喜欢本文的话&＃xff0c;欢迎一键三连。更多人工智能行业的深度思考文章会持续发布&＃xff0c;大家不要错过哦。