ChatGPT的火熱讓投資人群體今年開年后密集出差。通過觀察，創新工場執行董事兼前沿科技基金總經理任博冰發現現狀“挺有意思的”。各個領域的創業者都在進入這個領域，有時有些人會講一些自己都不一定能夠實現的故事，而冷靜的創業者們已經根據新能力的體現，在嘗試和摸索過程中得到更好的結論和路徑。
對于國內人工智能公司而言，恐懼者有之，焦慮者有之，看到機遇準備打場翻身仗的亦有眾多。多位接受第一財經記者采訪的從業者表示，OpenAI為人工智能的火熱創造出新的機遇，但中國公司需結合自身特點與國情，走出不一樣的“活路”。
AI 2.0拐點來臨
雖然GPT-4訓練運行呈現出更強的穩定性，產生的錯誤答案更少，但有時也會產生不準確或不相關的回答。OpenAI表示，與之前的GPT版本相比，GPT-4存在類似局限，目前仍然不完全可靠，它容易產生“幻覺”，產生推理錯誤。以及，“GPT-4通常缺乏對大部分數據被切斷后(2021年9月)發生事件的了解，也沒有從經驗中吸取教訓。”“它有時會犯一些簡單的推理錯誤，接受用戶的明顯虛假陳述。有時它也會像人類一樣在棘手的問題上失敗，比如在它生成的代碼中引入安全漏洞。”OpenAI方面表示。
對于此次GPT-4發布所帶來的行業震動，Forrester分析師盧冠男對第一財經表示，技術方面，由于 OpenAI目前披露的技術信息有限，這無疑增加了其他技術廠商與其競爭的難度;工程實現方面，得益于OpenAI與微軟的合作而獲得的超算資源，使得 OpenAI能和其他不具備算力優勢的企業拉開差距;商業化方面，微軟與 OpenAI的緊密合作能夠更好地幫助 OpenAI構建生態。
上述多方面的優勢疊加先發優勢，使得OpenAI的進展速度超越其他所有同類公司。盧冠男稱，討論技術層面差距時，一方面是關注中美差距，另一方面是關注在這一領域的科技公司與 OpenAI的差距。不僅是中國公司，美國的科技公司也沒法做到同時在技術和商業層面追趕上 OpenAI。雖然這不是短期能改善的，但長期來看，特別是結合具體應用場景后，中國企業仍然具備追趕的空間。
任博冰對第一財經記者表示，此次GPT-4在多模態上雖然沒有超出預期的顛覆，但在能力質量上大幅提升，且在工程上給出了新的啟發，能夠支撐大批高質量的AI 2.0產品的爆發。
在創新工場董事長兼首席執行官李開復看來，深度學習取得重大突破后，AI已經來到從1.0邁入2.0的拐點。多模態、巨型數據集的飛速發展，AI優化目標函數及訓練模型的技術方法將大幅精進，能更好地模擬人類的認知智能。此外，AI2.0將會帶來平臺式的變革，改寫用戶的入口和界面，誕生全新平臺催生新一代 AI 2.0應用的研發和商業化。
李開復所定義的AI 1.0是以CNN卷積神經網絡模型為核心的計算機視覺技術，拉開AI 感知智能時代的序幕，AI1.0 也遇到了瓶頸，大多數行業想利用AI需要花費巨大的成本來收集和標注數據，而這些數據集和諸多模型各成“孤島”缺乏縱效。這也是為什么大部分AI 1.0 企業投入大筆研發經費但仍然長年虧損。除此之外，AI 1.0 缺少像互聯網時代Windows與Android一樣的規模化能力，來降低應用開發的門檻，打造完善生態鏈。幾年下來，AI 1.0 尚未真正實現商業上的成功。
而AI 2.0 的巨大躍遷在于克服了前者單領域、多模型的限制，可以用無需人工標注的超級海量數據去訓練一個具有跨領域知識的基礎大模型(Foundation Model)，通過微調等方式適配和執行五花八門的任務，真正有望實現平臺化的效應，進而探索商業化的應用創新機會。
AI 2.0 的機會在哪里?
李開復認為，AI 2.0 時代的第一個現象級應用是生成式 AI(Generative AI)，也就是國內流行的AIGC。生成式 AI 能夠實現無需標注的自監督學習，讓AI從“輔助”人到逐步“替代”人，如AI與搜索引擎、電商/廣告、金融、醫療、元宇宙/游戲、影視/娛樂等行業的結合等。
目前，國內外包括微軟、谷歌、騰訊、百度等巨頭廠商先后公布在生成式AI領域的布局。如據記者了解，此前騰訊已在AI大模型(預訓練大模型)方面備有騰訊混元AI大模型，覆蓋NLP(自然語言處理)、CV(計算機視覺)、多模態等基礎模型和眾多行業/領域模型。
騰訊云副總裁、騰訊云智能平臺負責人李學朝表示，目前AI行業已經進入深水區，過去客戶群體可能有一些單點應用就足夠，但現在他們會更強調AI在自身業務場景下是否真的解決問題了。也有一部分客戶開始通過購買企業技術能力，來搭建自身AI平臺與應用，培養自身研發實力。再往下走的話，李學朝認為行業會深挖垂類應用——如智能客服、語音助手，或數智人等。
無論如何，焦慮感已經在中國產業界蔓延。曠視科技聯合創始人兼CEO印奇表示，整體來說，中國AI行業已經算挺爭氣了。其次，美國在中國最為人所熟知的除了大廠之外，就是DeepMind和OpenAI，美國在純技術創新方面確實有更大的資金量，且長期投入，而中國AI公司仍面臨相對短周期商業化的壓力。
從務實角度來看，印奇稱，中國AI公司不可能具備類似OpenAI和DeepMind的研發條件。因此，中國企業一方面要用最艱苦樸素與節約的方法做技術科研。其次，別有幻想，在中國AI公司想活得長必須要商業化。印奇表示，“這是個既要也要的事情，大家對中國AI公司不用太苛責，他們已經挺努力了。”
作為從科研側轉型至業務側的創業者，瀾舟科技創始人兼CEO周明認為創業公司的長板是能夠快速迭代，落地容易，短板便是GPU資源與人力成本需要考慮，不適合追風大模型，過早將錢燒沒了，“千億萬億的成本別說小公司，BAT也燒不起這么多錢。”
其次，周明表示，需審時度勢，先花幾千萬元人民幣的價格訓練出百億或千億參數的模型，這是初創公司可承受的，再為客戶點對點地提供服務，進行業務落地，“不要想著將所有能力都做到極致后再去掙錢，不需要全面超越OpenAI，找到自己的發展空間再滾雪球到其他領域，甚至研發更多AGI(通用人工智能)能力也是可期待的，但路要一步步地走。”周明稱。
印奇認為，國內行業還是需要有極強的危機感，GPT4到5還有更多技術迭代。GPT3.5是更重要的節點，至少可以讓行業建立共同的基準線，未來無論是應用還是技術創新也都有感覺。如果是GPT4到5的程度，行業投入至少是一個跨越10億美元起跳的差距，門檻較高。
中美之間有差距但可追趕
經過多方考察，任博冰也認為真正優秀的項目在這個階段非常少，但任博冰相信在一段時間的發酵以及創業者之間碰撞、試錯之后，有些行業新的需求會誕生，“只不過現在的時間點早了些”。
另外，任博冰稱，國內整體在應用層與模型層的公司越來越多了，雖然相對來說美國創業公司冒出頭的速度更快一些——近乎每天都有十個，國內稍微少一點。但中國創業者在產品創新層面的能力完全不亞于美國創業者，在面臨不同路徑選擇方面——如可控性這件事上，美國公司也并沒有給出更好的解決方案。
作為人工智能三大基石——算法、算力、數據，算力問題一直被行業認為在制約中國企業追趕的核心因素，行業已嘗試通過多種方式進行緩解。
在算法領域，騰訊將混元等大模型的相關能力用在產業場景中，通過騰訊云TI平臺對外輸出能力，方便客戶自己做數據訓練，目前已有八個行業超過五十家用戶使用了這個能力。在工業領域，富馳高科算了一筆賬，通過TI平臺，工作效率是原來人工的20倍，在機器持續滿載生產的情況下，一年可為公司節省數千萬元成本。在算力領域，騰訊云異構計算產品負責人宋丹丹表示，紫霄是騰訊面向AI推理場景的自研芯片，滄海是騰訊自研的視頻編解碼芯片，目前先在自研業務上部署。
宋丹丹表示，每家AI公司都有核心的算法與模型，云廠商可提供的方案如通過模型分層或降低時延，減少重復調用，做到訓練成本與推演成本的降低，將算力更多地釋放到應用層。比如云原生的架構非但不會制約AI工程化進程，反而會助推，讓AI落地應用越來越快。
下游領域，任博冰認為中美差距很大，完全照搬美國利用API接口的方式在中國并不完全適用，中國消費者的基數、使用習慣，近些年在企業市場發展出不同的走向。
以To B行業為例，周明表示，很多中國企業不接受SaaS的形式，而選擇本地化部署，因為他們存在不將數據拿出來的自身理由。而一旦本地化部署，便意味著要花更多成本——包括了解客戶需求，承擔項目交付與維護的成本等。一旦公司模型本身就很脆弱，便意味著做一個項目賠一個項目。所以中國公司必須先將底座做好，對用戶進行統一了解，且具備快速迭代的能力，這都是中國企業做大模型必須面對的現實，“快速復制一個ChatGPT然后快速賺錢的想法，我個人認為非常幼稚。”周明表示。
如果要從AI去顛覆之前的產品，任博冰認為創業者需謹慎思考之前哪些領域的產品做得好，哪些要素是不能解決的。如果要做一個新的產品，無論是To C還是To B，要小步快跑地去驗證和試錯，這里面需要的還是大膽想象。目前行業內還沒有創業者真的利用AI技術去嘗試沒人走過的方向，美國也沒有，未來幾年可能會有重新定義新的內容生態、新的工藝形態出現。
周明表示，ChatGPT得到了很好的“包裝”，體現出大模型與通用能力，以及AGI的產業力。但中國企業會走出中國特色，如每個功能做到更加可控、To B落地方面走在ChatGPT前面等，甚至形成所謂武林派別中的“中國派”，將中國特色發揮到極致。這是行業目前需要思考的問題。
