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

写在前面

【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，一起交流学习💪

大家好，我是Rocky。

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

但与此同时，“危！以下行业可能被人工智能替代”，“ChatGPT将彻底改变XX行业”，“ChatGPT的出现，XX公司会大势已去”，“ChatGPT会马上取代你！”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，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，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，Rocky继续深挖核心价值，我们到底该怎么看待ChatGPT？ChatGPT的前世今生以及未来是怎么样的？有哪些潜在玩家跃跃欲试？如何看待ChatGPT的商业价值和影响冲击？

在本文中，Rocky将为大家娓娓道来。

So，enjoy：

正文开始

----【目录先行】----

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，我们主要探讨“ChatGPT到底是什么？”，“ChatGPT有哪些关键特征？”以及“ChatGPT有着什么样的发展脉络？”这几个问题。

首先，ChatGPT到底是什么？

按照惯例，我们先让ChatGPT自己回答：

Rocky在此基础上接着进行补充，从宏观技术角度总结归纳ChatGPT的概念：

ChatGPT是一个超大规模的语言预训练模型，其底层架构为Transformer，并结合强化学习思想，在拥有上千亿的参数量的同时，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，我们可以发现ChatGPT并没有那么神秘，在“大力出奇迹”式的参数量，算力和数据量的支撑下，ChatGPT本质上是一个对自然语言进行深度建模的高维函数，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，其非常像生物进化的方式，能让ChatGPT在定义的环境中，不断地根据环境的惩罚和奖励（reward），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，该如何设计强化学习的reward模型并进行高效reward呢？答案就是人工反馈，也被称为RLHF（Reinforcement Learning from Human Feedback）。

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

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

可以看到，这是一场昂贵的，门槛极高的技术变革。

而正是这些关键特征，造就了ChatGPT的核心能力：

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（无法回答的问题）
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，我们接着梳理一下ChatGPT的发展脉络，看看ChatGPT如何从“原始形态”一步一步进化而来的：

1. 时间周期：可以看到，每个阶段的发展周期短则需要10年，长则需要30年。

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

3. 技术演进：从规则，到机器学习，再到神经网络，进而到Transformer。

4. 算力成本：从无需算力到需要海量算力。

5. 人工支持：从机器的自主学习到人工反馈强化。

总而言之，ChatGPT为了与我们相遇，花费了漫长时间的努力。这中间，有挫折，有低谷，有突破，有爆发，在那个沉默的岁月中，依然有“人”一直陪伴在它身边，那就是OpenAI。在下一个章节中，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，由马院士（马斯克）、Sam Altman及其他投资者在2015年共同创立，启动资金10亿美元，目标是推动和促进AI技术的研究，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：计算机视觉，自然语言处理，强化学习。

2016年，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，OpenAI更是因推出GPT系列自然语言处理模型而闻名。从2017年起，OpenAI就开始发布生成式预训练语言模型GPT（Generative Pre-trained Transformer），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，堪称“越大越好”。2019年发布的GPT-2参数量为15亿，而2020年发布的GPT-3，参数量达到了1750亿。

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

如此高的研究成本与研究门槛，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，从过去自由、粗放、百花齐放的状态，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，微软决定向OpenAI投资数十亿美元，新一轮投资也让其估值达到290亿美元。

是的，恍惚间仿佛回到了2012年，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，AI是一个可以孵化出无数工具，推动各行各业前进的基础平台。AI大模型技术，将成为继移动互联网之后，未来最大的技术平台。而以聊天机器人为界面，加上图像、音乐、文本等多模态模型的持续发展，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，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，而是先沿着现有的道路慢慢发展完善AI，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，首先出现了图像生成式模型，比如DALL-E和Stable Diffusion，然后便是ChatGPT火爆出圈，发布仅两个月后，其月活用户就已经突破了1亿，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，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，各方势力暗流涌动，争相布局入场，未来的AI超大模型江湖定会波澜壮阔，高手过招。

巨头下场：

1. 微软：与ChatGPT火速绑定，出现ChatGPT版新Bing。
2. 谷歌：推出竞品Bard，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：文心一言（Ernie Bot）将于三月份向公众开放。

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

巨头之外：

除了上面讲到的一些科技巨头已经稳稳拿住入场券，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，但高管的问题是能力相对单一，基本面能力可能不够，意志不坚定。
3. 一些初创公司想要入场，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，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，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：

这波浪潮在宏观上需要很高的门槛和昂贵的成本，国内外最终大概率会回归到头部巨头的竞争。在细分领域，等未来这波浪潮持续落地赋能之后，会出现一些新的机会，但对数据的护城河和数据迭代能力（本身有很多行业数据可以训练出优秀的模型，从而吸引更多用户，继而产生更多用户数据用于训练，形成良性优化迭代）要求非常高，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，用户对ChatGPT有更强的感知，ToC落地前景向好。

2. 以ChatGPT为代表的超大AI模型，有机会可以成为孵化各种AI应用的平台，就像移动互联网的出现催生出众多APP一样，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，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，为每个垂类场景创建应用解决方案，比如广告创意，会议纪要生成，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（Prompt Engineer）。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，激发AI模型输出理想结果的调试过程。

5. 能够独立思考，深度思考，思考质量极佳，对事物本质理解深刻的人，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。（会议辅助系统，辅助文字生成，代码Debug等）

7. 上下游产业链会优先收益。（硬件产业链，云计算和搜索引擎巨头公司等）

ChatGPT对原有行业的冲击

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

其实，Rocky认为不用慌。

人们常常会低估一项技术对未来的影响，但是却高估一项技术对今天的影响。

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

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

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

这就是本质。

比如一个企业，需要应用类ChatGPT技术完成需求，向类ChatGPT公司购买接口就可以了，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，但类ChatGPT提供商依然能够获得巨额垄断利润。

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

而对于AI研究行业，核心竞争力不再是微小细分领域的Trick尝试并发论文，算力和数据的护城河成为了关键因素，但这些关键因素是几乎大部分实验室所不具备的，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，生成式AI大模型是否能带来更多振奋人心的惊喜呢？Rocky这里抛砖引玉提出了一些“畅想”：

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

2. 图像，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，并进行合理的回应，那么未来会不会出现能够理解对话的本质的AI模型呢。

精致的结尾

到这里，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，AI领域未来将进入更高质量的发展阶段，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，2022年的AIGC风口，让AI在ToC方向产生了诱人的可能性，而且大概率又会是一个10年的红利期。

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

大家喜欢本文的话，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，大家不要错过哦。