人工智能组织OpenAI推出大模型ChatGPT

人工智能组织OpenAI推出大模型ChatGPT，让高喊人工智能的百度如坐针毡，人工智能每五六年都有一波浪潮，上一波AlphaGO让大家震撼，这一波就是ChatGPT。

这是非常颠覆性的体验，短短一个月的时间，全球100多万用户在使用和体验ChatGPT，除了感叹于ChatGPT的惊艳体验外，国内业界迅速反思，行业变得热闹而有活力。

ChatGPT从回答的逻辑性和完整度上都远超国内大模型，国内大模型的答案带有明显的拼凑感，夹杂着不少主题之外的胡编内容，在回复速度上也是无法相提并论。

目前全球还没有能跟ChatGPT抗衡的大模型，国内先不谈弯道超车，趁早追赶反而是更重要的，虽然训练了很多万亿模型或者是几千亿的模型，但是训练的程度还是不行。

在GPT-3之后，OpenAI所有的模型都没有开源，但它提供了API调用，建立起了真实的用户调用和模型迭代之间的飞轮，重视真实世界数据调用和模型迭代。

国内的大模型研究，是A公司训练了一个，B公司也训练了一个，打个广告就完了，模型开源，你爱用不用，没有把数据和模型飞轮完整转动，要想办法做中英文不同语言之间的数据互补。

人工智能组织OpenAI推出大模型ChatGPT，在看不到前景和没有明显效果的阶段，OpenAI非常坚定地做了投入，相反国内倾向于在技术出现突破后，快速追随，围绕业务在局部应用中开始超越。

ChatGPT有一个非常强大的技术底座，这个模型的论文刚发出来时，没有引起特别大的反响，大家觉得也就是 OpenAI的一篇论文而已，业内公司正在关注投入更大精力到GPT模型路线上。

ChatGPT不仅仅像以前的大模型，利用了没有人工标注的数据去学习，还在新版本上引入了人工标注的数据，通过人类的反馈，有针对性地进行优化。

模型越来越大，就像一股洪荒之力，有人会害怕未来它会不会控制人类，引入了这种强化学习机制后，就相当于给洪荒之力一个引导，让大模型的产出朝着可控的方向走，生成符合预期的结果。

对于ChatGPT如此开放的系统，没有明确的反馈机制，过去大家也尝试强化学习机制，问题是很多都不太成功，只有ChatGPT在数据质量和多样性上探讨较多。

OpenAI雇佣了一个数十人的数据团队，其实ChatGPT强化学习的数据量并不大，但对数据多样性、标注体系都有精巧的设计，让数据发挥出强大作用，在内容的可信性和可控性上有一定局限。

需要给ChatGPT足够正确的知识，引入知识图谱这类知识管理和信息注入技术，要限定它的数据范围和应用场景，让它生成的内容更为可靠。

很多单点环节里，用不用大模型会有天壤之别，没用大模型，只基于自己上一代小模型做产品的企业，跟应用了大模型且还做了业务垂直化的公司，将无法竞争。

目前ChatGPT还是一个对AI技术范式的探索，无法实时获取互联网信息，不能代替搜索，只是一个端到端的生成模型，能够自我构造虚假答案，会让商业搜索引擎公司入不敷出。

由于ChatGPT展现出的大模型的创造性，以及对长篇上下文的理解能力，会聚焦于一些开放性、创意性和通用性的任务上，在一些场景尝试引入ChatGPT来做外呼的Demo测试，调用ChatGPT来回复客户的问题。

智能客服中的AI工具，在泛化能力和通用性方面存在一定的缺陷，语料信息不充分时，AI没办法对问题做出反应，ChatGPT大模型能够补全这方面的能力。

AI是一个链条比较长的产品技术，如果没有建立一个好的反馈机制，在部署运营阶段，从最前线发现的问题，就很难有效定位解决，要让模型去持续成长和优化。

ChatGPT的优势是意图理解、上下文对话管理和高质量内容生成，技术升级后，预计会带来显著的体验提升，有了大模型之后，内容的输出可以通过大模型来完成。

数字人公司先给本地生活、知识付费和直播商家等建立一个数字人的虚拟主播形象，可以将大模型接入，让大模型辅助撰写数字人直播带货的话术和脚本。

ChatGPT目前调用一次的费用在几美分，智能客服一天的问答场景，通常可能要调用几十万次，几美分只是调用费用，还不算运营费用，调用ChatGPT的成本和它当下所带来的回报不成正比。

乍看中规中矩要素齐全，但细品会发现缺少灵魂，在观念性的创造上仍有待提升，除成本考量，在对企业的落地中，ChatGPT这类大模型，也有典型的问题。

这些大模型在一些特定行业或特定任务上，专业性是欠缺的，需要去适配，很多客户有私有化部署要求，但这些模型非常大，对资源要求高，当前不太可能实现私有化部署。

人工智能组织OpenAI推出大模型ChatGPT，如何兼顾成本、灵活性和数据隐私则是一个关键问题，这些问题也造成，这种模型还没有走到服务企业级客户，尤其是大型企业客户那一步。

人工智能技术都在与企业的核心业务流程做深度融合，而ChatGPT这个基于大模型的应用服务，ChatGPT对外提供的API还非常单一，更像一个独立的外挂，如何深度绑定成为企业使用它的一个难题。

随着大模型被越来越多地应用，要深化对垂直行业的认知，把大模型融入到企业的创新业务流中，创业公司需要基于对行业的认知深度，采集足够多的场景数据，基于这些细分数据更好服务用户。

用户越多，反馈越多，最终形成数据反馈的闭环，创业公司在小模型的竞争终局比拼的是，谁家的小模型跟业务结合得紧，且能解决好跟大模型结合的问题。

人工智能组织OpenAI推出大模型ChatGPT，大模型被充分使用、喂肥后可能成为强大的AI，最终吞噬细分赛道上小创业公司的发展空间，在充分利用已有大模型的情况下，要把小模型的闭环数据保护好。