用微信掃碼二維碼

分享至好友和朋友圈

出品｜網易科技《后廠村7號》欄目（ID: tech_163）

為什么中國沒有出現ChatGPT？我們的差距在哪里？要投入多少資金才能與之抗衡？

“本質是專注和決心，是有沒有做到AI First。”小冰CEO李笛直言，從技術層面來講，的技術沒有太多的秘密，中國人的技術不亞于歐美。在本土化實踐技術、中文大模型等方面，中國甚至某些方面領先。

“背后的大模型是大資本的游戲，長期持續投入真的很貴。”資深研究專家田濤源告訴《后廠村7號》，在ChatGPT出現之前，較多企業不會選擇把錢燒在一個未知的機會上。“GPT3.5訓練一次需要花費300-460萬美金，還只是算力的成本，沒算人才的成本，Open AI一共375人左右，一年工資開支就要2億美金，AI算力開支5億美元，需要雄厚的資本支撐。”

但ChatGPT的驚艷四座，AIGC的技術質變，投射到廣闊的中國互聯網上，引燃了AI從業者的光榮與夢想、激情與野望，在噴薄、在躍動。

AI創業者陳東記得，臨近過年的寒夜，在北京的朋友家里，他們吃著開心果、瓜子，徹夜交流，一晚上的話題幾乎都與AIGC和ChatGPT有關，雖然不少人對此還是半懂不懂，卻富有熱情。

在被ChatGPT驚艷的同時，國內業界也在思考：AIGC的商業模式是什么？哪些方向存在更多機會？中國版ChatGPT的危與機？

（圖為張頎AI繪畫作品，由受訪者供圖）

中國AIGC生態初現：大廠搞基建，小廠做創新

當下，全世界互聯網都刮起了一陣ChatGPT風。這款由OpenAI推出的全新聊天機器人模型，不僅可以回答人類的提問，承認自己的錯誤，還能作詩、編程甚至幫助大學生完成論文。它讓馬斯克感嘆“好得嚇人”，也代表AIGC向全世界喊出了“芝麻開門”。

在中國，圍繞AIGC生長出的市場生態，已嶄露頭角。

“AIGC并不是一個多么新鮮的概念。”陳東談到，大廠很多2C應用里，已經有不少內容是AI生成的，甚至出現過廣告對外宣傳已經在大規模使用AIGC技術，至少兩年前就有這個方向的創業團隊出現，并得到了一線美元基金的青睞和投資。

在他看來，AIGC不只是大廠的機會，也將新起很多創業公司。一類公司偏底層，在新場景中孕育大模型的突破，產研類似DALL·E、GPT等產生很多新模型；另外是在應用層中，也會出現很多新公司，包括生成文字、圖像、視頻、數字人等等。

在趕超ChatGPT的巨大誘惑下，大廠率先打響了追平基礎大模型差距的“攻堅戰”。

2月7日，經百度確認，百度類ChatGPT項目名字確定為“文心一言”，英文名ERNIE Bot，預計3月份完成內測，面向公眾開放。除百度外，還有騰訊、阿里巴巴、快手、字節跳動、京東、網易、360、商湯、美圖等大廠都在AIGC領域有所投入，加入到這場全球新一輪AIGC技術競賽。

“好的人工智能大模型是非常費錢的。”在資深人工智能研究專家田濤源看來，這股預訓練大模型的風潮之下，其實是一場拼數據、拼算力、拼財力的軍備競賽長跑。

他介紹，基礎模型GPT3.5訓練一次需要花費300-460萬美金，還只是算力的成本，沒算人才的成本，Open AI一共375人左右，一年工資開支就要2億美金，算力開支5億美元。“這真是很貴，而且前面那么多年是沒商業回報的，基礎模型的參數又是持續優化的過程，隨著商業化進展加速要不斷進行訓練，需要雄厚的資本支撐，確實是小公司用不起來。”

但對于基礎大模型、應用大模型未來的商業價值，行業從業者都有共識、有期待。

“AIGC生態最值得關注的就是大模型的建設能力，這將成為AIGC長期價值的重要增長點。”AI創業者“web3天空之城城主”激動地說，“這是用短期的投入換10年后千倍收益的事情。”

另一面，在細分行業中，AIGC的造富速度同樣讓人們睜大眼睛。

去年10月19日，以文字生成為主的AIGC項目Jasper.Ai完成了1.25億美元的A輪融資。完成融資后，憑借15億美元的估值躋身AIGC賽道獨角獸俱樂部。就在Jasper.Ai宣布融資的前一天，Stability AI成功融得資金1.01億美元，投后估值達10億美元。

在AIGC的垂直技術場景中，按照模態區分，可以分為音頻生成、文本生成、圖像生成、視頻生成等細分領域，均已出現中國企業的探索身影。

文字生成：小冰、Glow、清華九歌、彩云小夢、寫作貓、瀾舟科技、元語智能等。

圖像生成：百度文心一格、盜夢師、TIAMAT、達利AI、6pen、圖宇宙、Artflow等。

視頻生成：抖音的剪映、快手的云剪、影譜科技、藍標分身、商湯智影、詩云科技的Movio等。

音頻生成：網易天音、StarX MusicX Lab、DeepMusic等。

數字人：啟元世界、倒映有聲等。

從獨角獸到大廠，從使用者到投資人，從業界到學術界，AIGC在應用層的創新引發了廣泛的關注。

資本涌入、互聯網巨頭紛紛布局的背后是AIGC巨大的經濟價值和市場規模。

Gartner預測稱，到2026年，全球30%的企業機構將擁有用于數字人和元宇宙的產品與服務。麥肯錫則預測，到2030年全球元宇宙相關支出或達5萬億美元。更值得期待是，AIGC正在逐步探索性地進入真實工業生產鏈條，應用到營銷、游戲、代碼、生命科學等多個領域。

尤其是一級市場，投資人的脈搏正在變快。

明勢資本合伙人夏令直言，2021年年底他就和同事在梳理AIGC領域的機會，并且做了投資布局。AIGC讓他感到興奮的有三點：一是，用戶在環、端到端數據驅動模型的上限極高，模型迭代+高質量反饋能帶來持續效果提升；二是，以抖音、小紅書為代表的內容制作再分發的邏輯有可能變為用戶與AI系統共同創造個性化內容的邏輯；三是，新一代的AI技術范式將有機會讓人類腦力勞動真正商品化。

去年底，知春資本董事總經理謝夢暉就觀察到了這波創業的列車再一次提速。一個側面反映，“我們之前投資的相關領域被投企業，尤其是基于ChatGPT模型進行商業化衍生的公司，開始頻繁受邀參加各種技術和投資論壇。”

令他感到驚喜的是，這輪技術的迭代將推動創造商業的新增量。“在新的生產力基礎上，現有的生產關系必然重構，對應的經濟體系、組織模式必然會發生變革，創造力的估值將會呈指數級提升。”

AIGC的商業模式是什么？

生于1988年的創業者陳東意識到自己正身處歷史之中，連續許多天大廠宣布入局chatGPT的消息席卷著他的注意力，創業者的朋友圈就像創投世界的溫度計，“之前搞元宇宙、web3甚至NFT的都要搞AIGC”。他和朋友們感嘆太瘋狂了，“像王慧文這種大佬，在朋友圈發布人工智能入局宣言，說5000萬美元，帶資入組，不在意崗位、薪資和title，求組隊。”

雖然陳東目前還沒找到明確的方向，但已經和投資人喝上了咖啡，“他們其實也想更了解這個行業，尤其是如何商業化。”

自AI繪畫工具StableDiffusion開源以來，國內大量主打AI繪畫的網站和APP如雨后春筍般涌來。AI畫師張頎作為AI繪畫工具重度使用者，一些平臺內測階段就會主動找上門，讓他提看法，找bug。“有的甚至前端的開發人員直接過來問，要如何調整才能提升大家的付費意愿？”

（圖為張頎AI繪畫作品，由受訪者供圖）

產業圈和投資圈對于AIGC，仍有一串真正嚴肅、令人如鯁在喉的問題：AIGC的商業模式是什么？在中國像open AI這樣的公司在哪里？如何做成一個產品，既要普惠化，又要足夠深，足夠廣？

借鑒美國的商業化經驗，夏令大致將AIGC領域分為三類商業模式：一類是OpenAI這種專注于做大模型的公司，提供API，做細分場景應用的公司需要去調用它的API，按API去付費；第二類公司是既做大模型，又直接做垂直一體化應用的公司，比如在AI生成圖像很火的公司 Midjourney，第三類公司是調用第一類公司的大模型API，基于對細分場景的深刻理解，重點開發具體場景的AI應用，比如Jasper這樣的公司。

但對于像OpenAI這種提供API的商業模式，在中國能否真正work，還是個問號。

田濤源講，這個方向不僅在研發階段要承擔巨大的人力成本、算力開支壓力，即便真的推出效果類似ChatGPT的大模型，數據成本、調優、AI倫理優化依然居高不下。“目前ChatGPT每回答一個問題，成本至少要一美分，以這樣的方式去做商業變現，面臨著高昂的成本、海量的行業優化需求、多條科技戰略路徑決策選擇。”

同時，ChatGPT類似第一代iphone，上面尚沒有成功的爆款APP（例如憤怒的小鳥），它離穩定性的商業服務還存在距離，沒有跨過工業紅線。在他看來，當下還處于從實驗室基礎技術轉向產業界爆款應用服務的過程中，處于很早期。“但至少讓大家看到了基礎模型巨大的跨領域服務能力，找到了通用人工智能的一條可能成功的路。”

與此同時，在國內真正能做AI大模型的公司其實是極少的。

夏令觀察，但凡能做底層的模型，不管是去做語言大模型的，還是去做強化學習的，只要以技術見長，以工程化產品化的思維做底層模型的公司，融資都非常不錯，過去一兩年VC都要搶著投進去。“可能資本的溢價沒有像美國那么夸張，但一兩年時間做到10億美金估值的公司還是有一些的。”

王思捷和啟元世界團隊此刻正在經歷創業以來最繁忙的日子：由于入局較早，從算法到工程整個一套的體系積累下來的能力，已經自建出百億參數的game AI和數字人AI垂類大模型。風口降臨后，有頂級游戲制作人已經主動上門尋求合作。

他引以為傲的是，這套垂類模型的訓練和推理成本可以做到比Open AI同參數規模的模型低一個量級。在王思捷看來，先構建更小的垂類模型（比如百億參數、十億參數），讓數據飛輪和模型訓練能夠很好結合，垂類模型在某些領域可能比open AI的效果更好成本更低。“這種想象能力是在中國更能跑通的。”

小冰CEO李笛則直言AIGC商業回報賽道最大的是數字人，“它的客單價明顯會更高，我們做過終端內容的生成，感覺這是個菜市場般的內容市場，單價非常低，直到我們將AI生成能力捆綁到數字人身上，平均客單價迅速從20萬提高到了300萬，當然你的成品質量要足夠高。”

但對于只懂用API調用生成內容的創業團隊，參與本次采訪的受訪者大多表示，“價值有限。”

李笛試圖放出一個警惕信號，奉勸想要進入AIGC賽道的創業者，要謹慎使用大廠提供的可調用接口，盡可能自建垂類模型。

“API調用的商業模式掙不到錢，所以即便是為了發展，大廠也一定會跳進去，去做生態鏈上面其他生態類企業的事情，首當其沖就是直截了當應用他們的技術來提供服務的人。”他判斷最終的結果，“你要做起來一定會被吃掉，骨頭都不剩。”

中美差距：不在技術，在專注

在被ChatGPT驚艷的同時，國內業界也在反思：為什么中國沒有出現ChatGPT？

事實上，此前不乏有國內公司雄心勃勃想登上中文版ChatGPT的“王座”。但在可能的未來和確鑿的現實面前，在巨額投入和業績報表的沖突面前，選擇了猶豫不前。

“大模型的技術沒有太多的秘密。”李笛直言，在ChatGPT出現前，小冰從2017年就開始做AIGC相關的東西，從技術層面來講，中國人的技術不亞于歐美。在本土化實踐技術、中文大模型等方面，中國甚至某些方面領先。

事實上，國內，一群最勇敢、懷抱最狂野夢想的年輕創業者，已經帶著自己的AI生成產品挑戰海外市場，與世界一流的上市公司對標產品能力。

“AIGC 這件事要真正落地，門檻不僅僅是技術水平，更重要的是從 AI 到用戶到數據，再到產品體驗能夠循環起來的一個飛輪。”從目前拿到手的海外用戶反饋，他判斷，“在這個方向上，我們現在技術和產品體驗上，都是比較領先的。

對比海內外的團隊，梁望最大的感受是大家對于創新的理解和投入度存在差異。例如，面對那些可能短期甚至中期內都看不到回報的創新，團隊是否仍然擁有無論如何都要去做出來的精神和決心。

作為企業的一把手，李笛也深刻認知到中國和北美的商業和科技環境的不一樣，國內大多企業沒有那么多的錢會燒在一個未知的預測上。“要花很多的錢，要花很多時間，短期內難有商業價值，誰也不知道這個是不是可行。”

“本質是專注和決心，是有沒有做到AI First。”李笛直言，好幾年前看到Open AI，他們做到了全情投入，這也是唯一的不同，Open AI花了足夠的時間和精力在賭，敢于相信一個暴力出奇跡的大模型，但他們那個賭小冰確實不敢賭，“創業生死一線間，某種意義上，如果Open AI不推出Chat GPT，他們今天可能很堪憂了。”

田濤源看來，這件事給大家一個啟發：我們對人工智能硬件（例如芯片）非常重視，但是人工智能的基礎軟件（例如大模型、訓練框架、大數據工具鏈），是不是長期投入不足、沒有足夠重視？有沒有決心進行長期的基礎研發投入？

中國投資與產業界更在乎短期商業回報上的表現，即快錢。“在中國是大家看到哪個技術到了商業價值轉化的臨界點，所有人一擁而上，對許多大型科技或實體行業龍頭企業來說，AI基礎科研重視程度不足，缺乏大模型自研能力和戰略定力，大家以快速產出的應用為導向，而技術算法的研發必須要很長時間的積累。”田濤源講。

但一些極擅長工程化的中國AI公司入場，也必將攪動全球AIGC市場。

夏令講中國優秀的AI初創公司擁有非常明確的一點優勢，就是具備很強的工程化能力，搭建一個相比openAI成本更低、迭代效率更高、更滿足明確優化目標要求的模型是可以實現的。

同時，中國整個應用場景具備足夠的豐富性。“我們這么大的人口基數，產業數字化基礎也已經初步具備，中國在高質量反饋數量上有優勢，而這對新一代AI模型格外重要。我們看重的AIGC公司要有比較好的工程化能力，對中國實際的商業場景有自己獨到認知，我們認為只有這樣的公司最有機會能夠跑出來。”夏令講。

隨著ChatGPT爆火，這一舊金山誕生的技術引爆了全球人工智能產業，AI 公司近乎全面入局，經濟鏈條的最上游資本市場也出現了震蕩，預示變革的信號彈一枚接一枚地炸響。

（圖為張頎AI繪畫作品，由受訪者供圖）

“中國一定要有自己的GPT-4，即基礎模型（大模型）。”

田濤源強調，“中國的科技創業團隊應有危機感。”ChatGPT也好，基礎模型也好，越多的開發者、越多樣化的高質量數據、使用場景，對基礎模型的反饋和優化就是越有價值。“誰先去做強化學習，誰就具備先發優勢，這對于我們是一個很大動力和壓力。”

而在機會的另一面，是所有ChatGPT面臨的最大門檻——“安全和合規”。

2016年，微軟就做出了聊天機器人，可以實時地通過用戶反饋，并修改自己的回答，但一經發布后，24小時就被教成了種族主義者，很快就被下架了。“我們的實驗室也有自己的對話機器人，過去這個是不敢放出來的。”一位頭部AI公司創始人告訴《后廠村7號》欄目。

談到具體落地，資深人工智能研究者田濤源提出：“OpenAI官方在2020年7月發布的《Language Models are Few-Shot Learners》報告中對提出了ChatGPT背后語言大模型的能力邊界與挑戰提醒：

1、表達問題：語義重復，長篇幅段落中失去連貫性、自相矛盾，偶爾不符合邏輯

2、缺少物理常識：GPT-3很難回答“如果我把奶酪放進冰箱，它會融化嗎？”

3、訓練效率差與世界模型：GPT-3與人類語言訓練效率存在顯著差距，但GPT-3在預訓練期間學習的文本規模遠大于人類一生中看到的文本，以物理世界中額外信息為基礎、算法改進都可能提升效率。

4、不確定性：GPT-3的少樣本學習存在不確定性、模糊性，未來在準確理解少樣本學習原理的基礎上，能在模型推理時“真正從頭開始”學習新任務。（不清楚人類“從零學習”是否會受以往知識的影響）

5、大模型適用性不好：不方便進行推理，實用性不好，大模型蒸餾到可管理的大小，GPT-3等大模型包含廣泛的技能，但在特定任務中并不需要，原則上激進的蒸餾“瘦身”是可能的方法，但在對千億參數的大模型上還沒有過嘗試，可能會遇到“決策不易解釋”、 “輸入的預測不易校準”、 “訓練數據的偏差”（數據偏見帶來模型偏見，社會倫理影響）。”

“我看到像Open AI的負責人現在也跳出來，主動地說希望被監管。”

在上述AI頭部企業創始人看來，這種大模型的最終落地，必然要接受非常嚴格監管。“如果放任發展，過十年它能讓美國那一代學生的教育水平大幅度下滑。”

在他看來，ChatGPT真正在C端出圈，離不開想要借此抄作業的學生，背后涉及的是AI倫理問題。“在美國，10個學生有9個過去幾個月迅速知道了ChatGPT，并通過它寫作業上交，這是它會火爆的一個重要的推手，它解決了實際問題，但是這個解決問題的方法是不正確的。”

他對資本市場所謂的天氣預報不感興趣。這段時間，不乏有投資人找過來，提議去做ChatGPT類似的大模型，但他沒有接受這根橄欖枝。“不是特別愛搶這種風頭，我是不會推出一個讓學生抄作業的東西，不管賺再多的錢。”

他希望，選擇去做ChatGPT類似應用的同行，能夠更多考慮AI倫理的自律問題，提前預估學生拿到它會做什么？被迅速鋪開怎么辦？“盡力做好安全和合規吧，讓它last for long，能夠持續的存在。”

業內有共識，對于ChatGPT的討論，未來幾年都不會停歇。

但明確的是，ChatGPT以及其對應的大模型發展，就是未來的一個技術革命，可能還沒有到達大家想象的那種令人恐慌的程度，但確實會讓未來幾年的創新得以釋放。

在田濤源看來，大家現在執著于去搞ChatGPT，放眼整個人工智能未來，只是其向前邁進的一塊墊腳石。“再往上走，還有更多巨大的機會。”

在他的想像中，AI可以推動人類對航天的探索、對新能源的探索、對新材料的重大發現，隨著它對物理規律認識的越透徹，對人、對環境、對生命體的認知越來越深刻，能夠逼近一些人類認知范圍以外的未知知識，甚至具備新知的可能性。

在這場或許比移動互聯網更加顛覆的大變革里，對于中國AI企業，距離終點仍有漫長的道路要尋找、摸索、攀登。

（應受訪者要求AI創業者陳東為化名）

出品｜網易科技《后廠村7號》欄目（ID: tech_163）

---

---

相關標簽： 人工智能、 算法、 大模型、 aigc、 chatgpt、

上一篇：定格AI浪潮下的寶安御產業之風，向未來啟航寶

下一篇：董事長和高管們每天都在看的財經資訊