中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

在未來，ChatGPT的成本會下降嗎？它產生的商業影響是什么呢？語言模型與現存端口會如何結合？本文作者對這三個方面，分享了他的看法，希望能給你帶來一些啟發。

本文說三件事：

1. 價格-90%背后是什么？
2. 商業影響是什么？真的要全面AIGC了？
3. 老調重彈，關注語言模型與現存交互端口的融合

一、成本下降猜測

結論在前：可以大膽地說，在未來，成本還會進一步下降，并且會令人難以想象。

1. 技術角度

技術優化一直在進行，2020年GPT-3發布的時候，單次訓練成本是460萬美元，而現在這個價格是140萬美元，約-70%。盡管這是訓練成本，而非推理（回答你的問題即推理）成本，但也能夠作為參考。

具體的技術優化產生在哪些方面，算法？模型結構？工程設計？定制GPU？任務調度？——不知道（我沒去搜哈哈）。但技術角度出發，成本會下降大家應該是不會懷疑的。

2. 商業角度

假設，你現在擁有全世界最領先的技術，拔劍四顧心茫然，寰球宇內一個能打的都沒有。那么你會：

1. 趁著技術領先期，能賺就賺。
2. 直接成本價售賣，圈用戶圈數據圈場景圈服務商（特別我還有個金主爸爸的情況下），數據飛輪給我跑出火花來！剩余參賽者全都給我撿我挑剩的少量數據。

我想這道選擇題應該不難做。

用另一個角度推理佐證：

1. SaaS服務成本一般在20%
2. 云服務成本在50%
3. 即背靠微軟的OpenAI，其成本線恰好就是之前價格的十分之一
4. 也就是說人家說不定還有余力進一步降價，目前這個價格只是讓渡了利潤，還沒算上技術點來的成本下降。（參考《ChatGPT背后的經濟賬》，深度好文，推薦搜索學習?。?/li>

那么降價90%就不難理解了，不管是技術成本優化還是商業成本優化，這場降價都必將發生（事后諸葛亮就是我了）。

3. 競爭角度

假設Google的產品出來了——面對勢如烈火的微軟，面對產生動搖的云客戶。他發布基本對標產品之外，在價格上會做什么設計呢？

假設3月16日百度出來了，再過一段時間阿里、字節、騰訊等有能力的都跟進了，那么他們在價格上會形成默契的卡特爾嗎？還是像當初百團大戰一樣，不得不陷入一場爭奪數據、客戶的囚徒困境？

好玩！刺激！曾經的免費打車、免費吃飯、免費騎單車似乎在向我招手了！

二、商業影響是什么

結論在前：有人狂喜有人沒那么喜，走一步看三步。

1. 獨立開發者狂喜

現在看似降價90%，但我更傾向這是一種商業行為促使的降價，即把LLM的成本和創業公司的費用成本拉到一條線（38000字/元）。

說白了這技術還是那么貴，只是我揮淚大甩賣，大公司和創業公司站一起奔跑。

Twitter一條令我印象深刻的評論是：“這下子我可以做那些掛廣告盈利的項目了”。

2. 創業公司不一定喜

因為以前也能這么低成本的，只是你不知道。

0.02美元的價格是最貴的Davinci模型（GPT3.5），而Curie模型比他弱一些也更便宜一些，價格是0.002美元——就是ChatGPT現在的價格。

所以很多以前用GPT-3的創業公司，他根本就是基于Curie,或Curie微調后的模型在跑的業務。這次降價對他們更多是效果提升而非成本下降。

而且！暫時我在官網上沒看到ChatGPT支持微調的說明（我沒找到），如果真的是這樣，一些創業公司應該正在難受——我是擁抱新模型呢？還是用現在這個微調過的舊模型將就一下？相信他們應該都在加班測試了。

3. 小模型公司風中飄揚

之前我認為LLM模型存在一些弊端，會提供給小模型公司一定的生存空間，具體包括：實時性（車載/直播等）、私有化（金融）、成本敏感（客服）、答案精確（金融）、道德控制（心理）等要求的場景還是會使用小模型。

實時性，有點崩，最新的ChatGPT接口，有人測試后發現，響應速度是之前的4倍（不嚴謹，未多方求證）。

成本敏感，暫時堅挺。對于客服來說，哪怕是目前的價格下降90%，仍然是扛不動的的價位——客服本來就是成本中心，多花任何一分錢都是困難的。不過一旦客服做upsell追加銷售額場景跑通，成本可能就不是問題了。

私有化，OpenAI暴露出了私有化計劃，一定程度上，這也不再是小模型公司獨有的優勢了。

只剩下答案精確、道德控制這兩個LLM模型天生的缺陷死死撐住。

我比較擔心在這樣狂暴的技術演進中，小模型公司如何面對日新月異的LLM模型能力升級（我朋友圈一位朋友說，舊模型剛跑通接上，就落伍了……），如何面對大廠們卷起來的價格戰？

跟還是不跟？怎么跟？這將是纏繞在小模型公司身上陰魂不散的魔咒。

4. 為什么走一步看三步

第一個原因前面提過，這個成本還會進一步下降——有一些業務你現在跑不通，或許等兩個月模式就能跑通了。

那么——你要提前下場嗎？還是等成本到尾再下場？一個典型的例子是AI繪畫領域，企業是在成本高昂時入場的，靠勉強盈虧平衡活下來，并收獲成本暴降后的紅利——順便還幸運地等來了ControlNet的二次升級，獲得了更大的商業空間。

第二個原因則與OpenAI的另一項猜測有關，有爆料稱OpenAI在預備開放支持32,000 token長度的模型——而上下文長度目前在最新的ChatGPT上是4096 token。更長的上下文可能使一些原本做不了的場景（例如長文本寫作）成為可能。

總之走一步，看三步，可能今天你覺得不行的場景，明天凌晨大洋彼岸一則公告就行了，時刻保持更新，時刻提前預判。

如果你想看全面的所有方向的解析，請看我的分析庫，因為每個方向我都要結合技術、商業做詳細分析，寫在文章里是徹頭徹尾的災難：重磅分享：40+ChatGPT商業項目庫開源分享（持續增加）

三、語言模型與現存端口的結合

這種結合依賴于多模態+Toolformer，詳情關注我上篇文章怎么風平浪靜的？多模態+Toolformer，這波還不原地起飛？

我曾經認為語言模型會成為新時代的虛擬終端，即你無論要做什么、要用什么，你都是首先經過他——因為他太好用了！你就像吩咐你的秘書去幫你做事情一樣。

但是我發現我錯了，人類終究是實體，要與虛擬終端交互離不開實體終端，什么是實體終端？手機、電腦、音箱、VR、手表等。

微軟發布多模態這篇論文可能不是沒有原因的，自從BING上的嘗試后，他現在一路脫韁野馬一般沖向瀏覽器和Windows。

你想象一個場景→ 你用著電腦，帶著耳機聽歌，在閱讀一篇商業報道。你對報道中提到的向量化數據庫這個陌生的單詞產生了疑問，你選中單詞，向耳機語音提問，這是什么？LLM在瀏覽器的側邊欄為你列舉了詳細說明?！@時你想找一下現在向量數據庫這個方向有多少從業者、市場空間怎么樣，但是你這篇文章剛讀到10%，你想繼續讀下去不想被打亂思緒?！谑悄闱昧讼露鷻C，對耳機里LLM說“幫我列一下向量數據庫的玩家是哪些，搜集一下相關的市場分析報告并總結好，下載到本地?！薄斈汩喿x到30%的時候，耳機叮咚一聲響，相關的分析和報告都下載好了，只等你閱讀完畢后前往桌面的文件夾“向量數據庫分析”中查看。

那么在未來，手機、電腦（其實就是Mac體系，window已經在搞了）、音箱、VR等多端聯合起來會發生什么呢？哪個端口敢于拒絕擁抱全新的人機交互范式呢？而這場擁抱又會催生出哪些復合應用呢？

我覺得在未來，互聯網陣營會圍繞脫穎而出的LLM廠商進行重新站隊重組——例如，假設蘋果自己做不出來，你說他是擁抱微軟還是擁抱Google呢？

新時代就要來了，不要只看到AIGC內容生成，也請看看這場顛覆式的交互革命吧！