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

自從ChatGPT發布之后，生成式AI成為新的和方向，國內外都揭起了上馬大模型的熱潮。國內的百度、阿里、360等公司也紛紛發布了自己的大模型產品，但相比ChatGPT而言，還是有不少差距；那么，差距還有多少呢？

五一長假前后，我有幸跟一些互聯網大廠的朋友深聊，大家有一個話題是繞不開的：ChatGPT，以及由此席卷而起的“生成式AI”潮流。

A股市場當然早已把一切能攀上GPT概念的公司給炒到天上去了，但是稍有常識的人都承認，中國做生成式AI（無論是模型還是應用）最值得仰仗的還是互聯網大廠，只有它們擁有足夠的資源和決心去做這件事情。

不過，互聯網大廠的“ChatGPT追趕之旅”的具體進度，很大程度上尚未被外人所知，也尚未反應在財務業績和資本市場當中。

在跟一些熟悉內情的朋友溝通之后，我感覺比以前更有信心一點了，但也只是“一點”而已。在生成式AI這一賽道，國內互聯網大廠固然落后于世界先進水平（其實就是OpenAI），但落后的幅度尚不致命，而且不缺乏追趕的手段。關鍵的掣肘可能不在于技術層，而在于其他方面。

總而言之：

1. 互聯網大廠內部的技術團隊對生成式AI的熱情很高，老板也樂意投入巨額資源，這不僅僅是出于“追新”或迎合資本市場。
2. 互聯網大廠做生成式AI，目前的主要應用方向還是內部降本增效，至于面向C端（或中小B端）的大規模應用尚十分遙遠。
3. 追趕OpenAI的道路是艱難的，但是在不計成本的投入之下，差距可能縮小到一個合理的量級，盡管差距將一直存在。
4. 各級主管部門的支持當然很重要，不過目前互聯網大廠尚未拿出能說服主管部門的概念或實例，從而難以為生成式AI爭取更多上層資源。

先說第一條。

互聯網大廠內部做技術的人，無論是基礎研發團隊還是應用技術團隊，對生成式AI的熱情都很高。因為在ChatGPT橫空出世之前，AI在互聯網行業的落地場景（搜索、個性化推薦、自動客服等）已經基本被做到極限，進化空間不大了；而其他突破性技術又沒有出現。

所以，2021-22年，互聯網大廠普遍對算法崗位進行裁員。

在這種情況下，ChatGPT的誕生可謂雪中送炭，給了技術人員一個向公司證明自己價值、升職加薪的大好機會。

而互聯網大廠的各級老板們也非常樂意配合，因為生成式AI跟此前的元宇宙、Web3.0等概念不同，有著切切實實的應用案例，而且硅谷已經在前面踩出了一條清晰的道路。這就進入了中國互聯網行業最擅長的“投入資源模仿追趕”的模式。目前很多互聯網大廠的基礎研發團隊，以及業務部門里面的算法團隊，都把原來手頭做的東西暫停了，集中力量all-in大模型?，F在大模型不僅是公司層面的一號位工程，也成為了諸多事業群、事業部的一號位工程，這就決定了它能得到近乎無窮的資源投入。

接著說第二條。

在降本增效的大背景下，互聯網大廠目前對生成式AI最大的期望其實不是開辟財源，而是節約成本或為老業務賦能。例如GPT商業化的第一批客戶包括Shopify這樣的電商SaaS及代運營商，在國內阿里、京東可以把自己的大模型直接用于自身電商平臺的代運營；騰訊可以利用大模型補齊自己的客服短板，還能在騰訊文檔等應用中加入自動生成文案功能；所有的信息流媒體平臺都可以利用生成式AI進行轉評贊、活躍社區氛圍。上面舉出的只是一小批正在進行的案例而已。

至于開發大型C端應用，或者面向廣大中小B端開放API，目前看來還比較遙遠。除了技術瓶頸之外，監管風險是一個主要考慮點：國內對生成式AI的監管討論才剛剛開始，尚未形成成熟的監管體系，此時貿然上馬大型C端應用的風險極高。然而，這里有牽扯出了一個新的問題：互聯網大廠在既有的應用中大規模使用生成式AI，是否也會帶來潛在的監管風險？這個話題比較敏感，目前還難以討論，在此就不展開了。

再說第三條。

OpenAI不是世界上唯一的生成式AI大模型開發者，GPT的技術路線也不是唯一的。但是，國內互聯網大廠的研發思路高度統一，那就是模仿乃至徹底復刻GPT。結果就是一切與OpenAI能夠沾邊的人才和信息幾乎全部被瓜分利用殆盡——其中既有合法的利用，也有灰色地帶的利用。不計成本的投入，加上國內相對硅谷而言較低的人力成本，是可以在一定程度上拉近差距的。這種模仿路線當然不可能把落后轉化為領先，不過目前大家還考慮不到這么遠。

第四條也是一個非常重要的因素。

我們知道，對于芯片、新能源等“硬科技”產業，國內各級主管部門（包括國家和地方）予以了極大的政策和資源扶持；生成式AI在理論上也屬于“硬科技”，如果也能得到類似的扶持，無疑可以大幅度加快發展進度、降低風險。然而，生成式AI有一個嚴重的軟肋：它不是制造業，無法像芯片、新能源、生物醫藥那樣提供較長的產業鏈、立竿見影地為地方創造GDP。此外，它也尚未被主流媒體認為是一項“卡脖子”技術。在幾個月乃至幾年之內，生成式AI要成為一項被大力扶持的“硬科技”，還是很有難度的。

當然，互聯網大廠可以采取一種話術，即生成式AI具備很強的“乘數效應”或上下游拉動作用，例如可以間接刺激芯片行業的成長，以及促進智慧城市、智慧交通的實現，等等。但是，上述“乘數效應”過于迂回，在短期內又很難看到效果。在可見的未來，主流媒體和主管部門心目中的“硬科技”代表仍將是光刻機而非ChatGPT，互聯網大廠必須主要依靠自身資源投入而非政策扶持。

過去多年，中國互聯網行業曾一再證明：只要它們下定決心投入足夠的資源，并且有龐大的潛在C端應用場景，它們就能夠成功模仿乃至超越硅谷的同行。這一發展路線并非百試不爽，不過大部分情況下是成立的。生成式AI是對上述路線的一次大考：在GPT3.5以前版本已經開源，基礎研發路線并無秘密可言，潛在應用市場非常廣闊，而且國內互聯網大廠均已投入足夠資源、提起絕對重視的情況下，中國能否在生成式AI這條賽道上迅速縮小差距乃至有朝一日超越？

相信這個問題已經被資本市場提了無數次，也被互聯網從業者提了無數次。

我的觀點偏向悲觀一邊：由于種種掣肘（在此就不討論了）、種種天然限制，國內生成式AI最多只能將與硅谷的差距縮小到可以接受的程度，而不可能徹底消除這種差距。

不過，我的上述“悲觀”觀點，在很多人看來或許已經算是樂觀了？

事在人為，但在很多時候，形勢比人強。