上海交通大學“人工智能+”行業研究團隊首席科學家史占中：各互聯網巨頭有研發ChatGPT類似產品的算力資源和人才儲備，AIGC產業鏈價值或被重估

每經記者 張凌霄    每經編輯 梁宏亮    

圖片來源：受訪者供圖

11月30日，美國人工智能研究公司OpenAI公司的人工智能（AI）對話模型ChatGPT正式亮相。這款聊天機器人一經上線立即就在全網“刷屏”，各界對其技術展開了熱烈討論。

科技巨頭們也開始積極搶占風口，2月初，谷歌發布了AI聊天機器人Bard，微軟也宣布推出ChatGPT版新搜索引擎Bing。國內互聯網企業也緊跟步伐，京東在上周推出產業版ChatGPT——“ChatJD”,并公布了ChatJD的落地應用路線圖“125”計劃，百度的生成式對話產品文心一言則將于3月面世。

ChatGPT有哪些技術創新？科技巨頭為何紛紛入局？中國版ChatGPT是否即將出現？AIGC（人工智能生成內容）產業新一輪爆發期已至？《每日經濟新聞》專訪上海交通大學“人工智能+”行業研究團隊首席科學家史占中教授，深度解密ChatGPT及生成式AI的創新突破與行業趨勢。

ChatGPT模型泛化能力強大

NBD：在您看來，ChatGPT相比于從前的人機交互形式，它的突破性在哪里？

史占中：相較于以前的人機交互形式，ChatGPT的突破性在于其強大的自然語言處理能力和廣泛的知識儲備。ChatGPT是一個基于深度學習的模型，通過對大量文本數據的訓練，可以自動學習語言的規則、結構和語義，并能夠理解人類語言表達的復雜性和多樣性，與傳統應用的回答和模型相比，精度和準確性有了更大的提升，用戶體驗相較于傳統人機交互有了極大改善。并且因為激增的用戶數量和源源不斷的訓練數據輸入，ChatGPT的迭代速度將會更加可觀。

ChatGPT還可以通過其廣泛的知識儲備為用戶提供有用的答案。之前分析型AI人機交互形式拘泥于具體的場景和對話，ChatGPT屬于生成式AI，不局限于已有的內容，底層強大的泛化能力讓它可以對各種主題進行理解和處理，從而為用戶提供有用的建議、指導和解決方案。不僅能文生文，還能文生圖，生成代碼并具有最重要的推理能力，比如簡單的求長寬高的數學題到基本的財務分析都能勝任，并且已在藝術創作，代碼處理，營銷等多個創造性場景內都得到應用。

NBD：近幾年里有不少AI公司都在進行對話式人工智能的開發，和它們相比起來ChatGPT有什么不同之處？

史占中：在近幾年的人工智能領域，對話式人工智能已經成為了一個熱門的方向，許多公司和組織都在進行對話式人工智能的研發和應用。

與這些對話式人工智能相比，ChatGPT的不同之處在于以下幾個方面：首先，與其他對話式人工智能不同，ChatGPT是一個獨立學習的模型，它通過自監督學習的方式從海量的數據中學習語言的規律和語義，而不是像其他對話式人工智能一樣需要事先手動編寫大量的規則和策略。另一方面，ChatGPT采用了Transformer架構，通過自注意力機制和多層網絡結構實現了長時記憶，能夠更好地捕捉文本序列中的上下文信息和語義關系。同時，ChatGPT具有強大的自然語言處理能力，能夠理解語言的多樣性和復雜性，同時可以自然流暢地表達復雜的語言信息和概念。

NBD：您認為ChatGPT采用Transformer架構具體的利弊各有哪些？

史占中：Transformer架構是一種基于注意力機制的神經網絡架構，它被廣泛應用于自然語言處理領域，其中ChatGPT就是其中之一的代表性模型。拿ChatGPT來說，較于一些應用特定的對話式人工智能，如客服機器人或語音助手，ChatGPT可以應對各種不同主題和領域的對話，這樣的能力可以歸功于Transformer 模型的泛化能力。

其缺點在于，首先，相較于傳統的RNN和CNN等模型，Transformer模型的復雜性更高，導致其可解釋性較差，難以解釋模型內部的決策過程；其次模型訓練成本高，由于Transformer模型需要更大的計算資源和更多的數據進行訓練，因此需要更高的訓練成本。

互聯網企業有能力研發類似產品

NBD：ChatGPT這樣的產品是可以迅速復制的嗎？為什么？

史占中：ChatGPT是一個基于大規模預訓練的神經網絡模型，其訓練過程需要耗費大量的計算資源和時間，同時需要具備相關的技術能力和數據資源。因此，ChatGPT這樣的產品在短時間內復制的難度較大。

復制這一產品需要具備以下幾個條件：第一，ChatGPT的訓練需要使用大規模的計算資源，例如GPU集群，這需要企業具備強大的計算能力和相應的設備。其次，要復制ChatGPT這樣的產品需要具備一定的人工智能技術和相關領域的專業積累，需要有能夠對模型進行訓練和優化的技術團隊。最后，要訓練一個高質量的ChatGPT模型，需要具備大量的文本數據，這需要有大規模的語料庫和數據集來支持訓練。

NBD：您認為中國有研發類似ChatGPT這類的產品或者是其他AIGC應用的土壤嗎？國內的優勢在哪里？

史占中：當然有。國內百度公司多年深耕人工智能領域，在算力資源和人才儲備上都有研發類似ChatGPT的能力。

國內的優勢在于，一方面多年以來重視人工智能技術，培養了科研和工程人才，另一方面互聯網高度發達、數字化程度高，有充足的數據來進行模型的訓練。

NBD：您有沒有關注到哪些企業有這方面的潛力？您有什么感興趣的AIGC技術應用案例可以分享一下嗎？

史占中：主要還是各大互聯網企業，百度、字節、騰訊、阿里，等等大公司在AI的人才儲備上、資源上能夠支撐進行相關的研發。應用可以看微軟即將推出的New Bing，相信是能夠顛覆行業的革新。

AIGC產業鏈價值有望迎來重估

NBD：在您看來AIGC行業的發展是必然的嗎？其發展是否存在瓶頸？

史占中：AIGC行業的發展是AI行業發展擴張的結果，從人臉識別到自動駕駛，人工智能的發展必然會滲透到社會生活的方方面面，這只是時間問題。

AIGC發展的瓶頸本質上取決于人工智能技術的發展，短期來看人類的情感、創造力仍然是人類所獨有的，所以現階段AIGC必然是對人類的模仿，而非創造。

NBD：AIGC市場未來將出現什么樣的變化？

史占中：現在ChatGPT 已經在商業化方面彰顯出強于以往 AI 應用的潛力，2個月內已經突破1億用戶增長，另一方面得到了微軟為代表的科技巨頭的支持，ChatGPT已經接入了微軟旗下的Bing，Bing已經成為了New Bing，谷歌對ChatGPT如臨大敵，正是因為加上人類語言理解能力的搜索引擎，可能徹底改變之前搜索引擎的使用方式，這一行業也許會重新洗牌。

同時，ChatGPT的出現打開了 AIGC 商業空間，產業鏈的價值有望被重估。與傳統AI 技術變現困難不同，ChatGPT采用SaaS訂閱的創新收費模式打破了人們對于AI 技術大多應用于嵌入式項目的固有印象，拓寬了AI企業的商業模式。AIGC商業空間將進一步打開，不僅B端用戶對AIGC技術存在高需求，未來C端用戶對AIGC技術的付費有望成為常態化，產業鏈相關企業將迎來價值重估。

NBD：現在有業界人士認為，AI就是一場燒錢游戲。您認為AI的成本問題應該如何來解決？

史占中：AI最大的成本就是算力資源和人才，其中更重要的是相關人才的培養。如果僅僅以資源的多寡來判斷，那么最先取得突破的應該是世界上最大的科技公司，比如說谷歌、微軟等等公司，但是實際上最初震驚世界的AlphaGo和現在的ChatGPT都來自OpenAI。為正確的人燒錢才是有價值的投入。

當然我也注意到算力問題是一個很重要的問題，現在也有很多技術在克服這個困難，比如說CPO技術，就是高算力場景下的“降本增效”方案。

封面圖片來源：視覺中國-VCG41N1188747468