ChatGPT浪潮重構互聯網生態 哪些創業機會涌現？:世界觀察

每經記者 文 巧 每經編輯 高 涵

(資料圖片僅供參考)

ChatGPT依然在攪動人工智能（AI）風云。盡管谷歌在過去的兩年中由于謹慎的態度未能發布Bard，讓OpenAI搶占先機。但作為硅谷巨頭，谷歌從來不缺乏“后來居上”的決心和實力。

當地時間3月6日，來自谷歌和德國柏林工業大學的一組AI研究人員公布了史上最大的視覺語言模型：PaLM-E。作為一種多模態具身視覺語言模型，PaLM-E能將視覺和語言集成到機器人控制中。

這個消息，讓已經在AI投資圈深耕多年的劉天杰興奮起來。劉天杰是華映資本董事，也是AIGC領域的一線投資人。早在去年下半年，由ChatGPT模型前身GPT3驅動的戀愛應用——AI聊天軟件Replika就走入了他的視線，他意識到基于NLP（自然語言處理）的AI模型已經較以前有了變化。

在接受《每日經濟新聞》記者采訪時，他表示，“我們理解，它（PaLM-E）已經跟真實世界有一些交互能力。”巧合的是，在他的預想中，ChatGPT引領的這條路子是很清楚的，他看重的就是未來更多各行各業能夠去做AI賦能的應用，比如SaaS、RPA（機器人流程自動化），甚至是機器人。

隨著ChatGPT及其API的發布，這一大模型身后的藍海讓許多創業公司蜂擁而至。劉天杰認為，這一波興起的AI浪潮與元宇宙、Web3有本質上的區別，互聯網的生態得以重建了。但在泥沙俱下的市場中，第一波有很多“蹭熱度的”，只有擁有真實用戶和了解用戶需求的項目才能生存下來。

ChatGPT出圈 創業者擁抱大模型

2022年下半年，一款AI聊天軟件Replika突然火爆全球。人們驚喜地發現，與AI聊得越多，AI就越“懂”你，甚至還會提煉出用戶的語氣。更有意思的是，該軟件的創始人在采訪中表示，約有40%的用戶描述自己與AI為戀人關系。

Replika這款聊天軟件正是基于OpenAI的GPT- 3大模型，它也是ChatGPT基于的GPT-3.5模型的前身。很快，Replika就走入了劉天杰的視線。他意識到，基于NLP（自然語言處理）的AI模型已經較以前有了很大變化，他開始關注相關領域的投資機會。

隨著ChatGPT的公布，以及GPT-3.5 Turbo的API開放，AI的浪潮蔓延到各行各業，市場對此的反應可以用“狂歡”二字來概括。在劉天杰看來，實際上，開放API是符合預期的，這個項目原本就是開源的，此前也已經有很多人在用GPT3或者GPT-3.5的開源代碼來做應用。

不過，ChatGPT如此“出圈”，還是超出了他的意料。放眼整個AIGC領域，“國內現在肯定是風起云涌。硅谷這股風比國內要更大，因為（國外）幾個大模型都已經成熟了，美國那邊至少已經有幾百上千的項目涌現出來?！?/p>

“（ChatGPT）確實加快了公眾對于AIGC或者AI領域的關注。但是，這條路進化到今天并非一蹴而就。包括ChatGPT的基礎模型Transformer，實際上也是2017年就提出來了。”劉天杰告訴《每日經濟新聞》記者，“從2017年到今天，大家一直在做大量的工程化工作。到今天ChatGPT有這個成績，跟之前多年的積累是息息相關的。”

他向《每日經濟新聞》記者透露，目前看到的創業者其實不僅僅是AI領域的，其他很多領域也在開始擁抱新的大模型以及新的AI能力。

“我們更多地會把這個領域定義成AI+，而不是AIGC。意思就是，利用AI賦能給各行各業。我覺得未來這將是（所有公司的）一個基礎能力?！眲⑻旖苷f道。

低價策略 OpenAI構建“AI飛輪”

OpenAI在ChatGPT上的腳步顯得非常主動和激動。大熱剛剛3個月，ChatGPT API就高調上線了。這個API由GPT-3.5 Turbo模型支持。HerAI App的開發者王紹此前告訴《每日經濟新聞》記者，接口服務定價大約是3分/1000個漢字。這一定價較GPT-3.5模型便宜90%。

“Turbo就是加速的意思，它的反應速度是要比ChatGPT要快很多的。從底層算力上看，其實沒有發生太大的變化。但成本降低、反應速度提高，這只能說明一件事，就是GPT-3.5 Turbo模型實際使用的參數相比ChatGPT下降了?！眲⑻旖苷f道。

他隨即向《每日經濟新聞》記者解釋，“比如說，你有1750億個參數，但是你喂給它的訓練集很小，也訓練不出效果，會導致大量的問題，我們稱其為過擬合。所以，參數大意味著訓練集要足夠大。但是，參數越大并不意味著模型的表現越好，越能理解人的語義。恰恰相反的是，現在大家都想用更少的參數訓練出一個更好的大模型。”

為什么GPT-3.5 Turbo能在更小的參數上實現更好的效果呢？“實際上，ChatGPT已經積累了大量用戶使用的實際對話集，這些對話集相比OpenAI使用無監督訓練的語義集，要更準確、更高質量?！眲⑻旖苷f道，“因為，用戶實際使用的對話中有上下文、有反饋，收集這些數據后再去訓練模型，新的模型就會比之前更精確，就達到了用更小的參數量實現更準確的效果。

在劉天杰看來，GPT-3.5 Turbo成本的下降，核心的一點就是實際計算的成本確實比之前要低，因為它的模型更準了。

“當然，一方面也因為OpenAI本身不是一個盈利機構，并且它也需要更多的用戶參與進來，去形成這種實際的對話集，再輸入模型中做進一步的訓練，而低價也會導致用戶量進一步的增長。”他說道。

劉天杰表示，這就是所謂的“AI飛輪”。“用戶提高了，數據變多了，模型更準了，用戶自然更多了。飛輪一旦跑起來，OpenAI就能甩掉其他對手，這也是它低價策略的一個原因。”

生態重構 三類創業機會涌現

隨著ChatGPTAPI的開放，調用這個接口來實現AI賦能成為許多創業公司的追求，這種熱潮不免讓人想起元宇宙、Web3等新概念引領的風潮。許多人會問，看看兩年前扎克伯格看好的元宇宙如今在哪兒，未來ChatGPT又會在哪兒？不過，在劉天杰看來，這一波興起的AI浪潮與前一段時間的元宇宙、Web3有本質上的區別。

“元宇宙、Web3是一個分布式的東西。在這里，大家希望互聯網信息或者經濟系統，都用一個分布式、加密式的方式去重構?！彼颉睹咳战洕侣劇酚浾哒f道，“但當前這一波AI浪潮恰恰相反，它會變成一個非常集中的東西，未來AI的底層能力將由有基礎預訓練大模型能力的幾個大廠提供，其他人就在這些底層大模型上去開發應用?！?/p>

“所以說，整個互聯網的生態我認為是重構了。這有點類似于當年的云服務，由幾個大廠來做云服務廠商，在云之上，你們去開發各種各樣的應用?！眲⑻旖苓M一步說道。

在ChatGPT引領的這一波AI浪潮中，劉天杰看到了三大層次的創業機會。第一類是做中文的底層大模型。“這類創業者往往都是高校出來的，比如說清華系有一大堆人在做底層大模型。但任重而道遠，訓練底層大模型，一是非常燒錢，二是要有足夠強的算力。”他告訴《每日經濟新聞》記者。

“另外，小公司收集訓練集的能力不夠，而大模型的‘大’，大在它的訓練集。小公司并沒有積累大量的數據?！彼f道。

第二類是中間層，比如做模型的微調、預訓練；或者在底層大模型的基礎上訓練新模型，比如虛擬人模型?！斑@些模型是基于底層大模型的語義能力，然后在這個能力之上加了各種限制條件?！彼f道，這里有一些創業機會，但并不算多。

第三類是應用層，這也是大多數創業公司正在探究的道路?！澳壳白钪苯拥氖巧蓤D片、文字、視頻甚至3D內容。但是這些相對來說壁壘不夠，因為模型也不是你的，訓練集也不是你的，無非就是做一點優化的工作?！眲⑻旖苷f道。

“當然還有更前沿的，就是科學家團隊在探索真正的終局——通用智能，但這一塊現在還在一個非常早期的階段?！彼颉睹咳战洕侣劇酚浾呓榻B道。

泥沙俱下 用戶需求才是根本

在劉天杰的預想中，ChatGPT引領的這條路子是很清楚的，他看重的就是未來更多各行各業能夠去做AI賦能的應用，比如SaaS、RPA（機器人流程自動化），甚至是機器人。

他現在主要關注兩大板塊，一是AI生成3D資產?！耙驗檫@一塊有真正會掏錢的客戶——游戲公司。這一塊是他們的痛點，因為制作3D內容非常昂貴，如果能用AI制作3D內容，是他們求之不得的。但目前大模型的能力還解決不了3D的生成，這是一個我們會重點關注的領域?！?/p>

二是文字轉換動作的應用?！耙簿褪钦f，我用AI指揮實體的東西去執行操作，比如說機器人、RPA（機器人流程自動化）、全局的智能助手等。這一塊涉及到大模型的多模態輸出和輸入，是一個相對來說比較前沿的領域，也是大模型沒有完全解決的領域?！眲⑻旖芙忉尩?。

市場太熱，到底哪些才是靠譜的項目？對此，一些投資人直言“又興奮又焦慮”。

不過，劉天杰還沒到焦慮的地步，他直言，“我們看了太多這種新技術、新概念的例子，第一波（沖在前面的）有很多蹭熱度的。從經典的蓋特納創業模型來看，新技術都會先經歷這樣的事情，后面真正能使用這個技術的人才會崛起。”

他向《每日經濟新聞》記者透露，很多很強的創業者，例如傳統大廠里面職位非常高的人，或者在科學界有頭有臉的人，也都被吸引入場?！皣鴥缺热缯f美團的王慧文、快手CTO以及某電商大廠技術負責人?！?/p>

據劉天杰介紹，某電商大廠技術負責人提出了Transformer大模型中一個關鍵的技術路線，叫做多頭注意力機制?！澳嗌尘阆?，當然有大量蹭熱度的，但是也有很多很強的創業者在開始干這件事。”他說道。

ChatGPT身后的藍海讓許多創業公司蜂擁而至。在劉天杰看來，“現在許多所謂的AIGC項目，并非這一波預訓練大模型（ChatGPT）之后產生的，它的技術路線上其實跟大模型沒有任何關系，相當于之前傳統范式的AI上，包了一層AIGC的殼，就非說自己是大模型，但實際上跟大模型沒什么關系?！?/p>

他認為，能夠落地的應用需要創業者在對應的細分產業中做實?！澳阋斫猱a業本身的經濟機制和運行規則，以及用戶需求，尤其用戶需求永遠是最重要的。因為在這里，AI只是提供效率的工具，它類似一個乘數。你必須得有前面的‘1’，也就是真實的客戶和客戶需求?！?/p>