近期ChatGPT突然爆火，2個月內(nèi)猛增1億用戶，科技巨頭爭相布局業(yè)務(wù)，大量資本跟進投入，足以見得它的受歡迎程度和應(yīng)用前景潛力。這一不斷被提及討論和試用體驗的“聊天機器人”，并不僅僅是陪聊這么簡單，而是可能成為人們工作、生活的實用工具，甚至取代部分人的工作。

“我記得上次引發(fā)全民興趣和討論的還是iPhone手機的面世。”凱旋創(chuàng)投董事總經(jīng)理朱璘說，她并不認為ChatGPT的突然爆火是曇花一現(xiàn)，相反，她認為ChatGPT不只是一個現(xiàn)象級的產(chǎn)品，其背后的GPT3.5更是一種顛覆性的技術(shù)，在各行各業(yè)都有落地應(yīng)用的可能。

與此前同樣突然備受關(guān)注的“元宇宙”相比，ChatGPT背后的技術(shù)能力，使得它不僅是存在于想象之中，而是成為真切發(fā)生的現(xiàn)實，是人工智能有望賦能不同產(chǎn)業(yè)的最新實踐。那么，包括ChatGPT在內(nèi)的生成式AI以及背后的大模型技術(shù)是否具有長期投資價值，國內(nèi)企業(yè)在這方面又有什么應(yīng)用發(fā)展機會呢？

(資料圖)

凱旋創(chuàng)投董事總經(jīng)理朱璘認為，ChatGPT不只是一個現(xiàn)象級的產(chǎn)品，其背后的GPT3.5更是一種顛覆性的技術(shù)，在各行各業(yè)都有落地應(yīng)用的可能。

澎湃新聞：您認為包括ChatGPT在內(nèi)的生成式AI以及背后的大模型技術(shù)有什么投資價值，它是曇花一現(xiàn)的概念還是具有長期價值的應(yīng)用技術(shù)？

朱璘：技術(shù)本身和投資是否活躍，其實是兩個維度的事。我先說技術(shù)，ChatGPT和iPhone在技術(shù)層面和對人類生活的影響上是非常接近的，甚至前者比后者的技術(shù)更為顛覆。我認為，ChatGPT不只是一個現(xiàn)象級的產(chǎn)品，它背后的GPT3.5更是一種顛覆性的底層技術(shù)。它所帶來的不僅是工作會被取代的問題，更深層的影響在于它可能會改變?nèi)祟惾绾螌W習、掌握知識這件事。因此，我覺得ChatGPT的出現(xiàn)非常有意思，也將可能產(chǎn)生深遠的影響。

我個人非常看好包括ChatGPT在內(nèi)的生成式AI以及背后的大模型技術(shù)的投資價值，它的顛覆性在于提升了理解力、智能程度，這是一項技術(shù)革命。ChatGPT已經(jīng)可以作為一種生產(chǎn)力工具幫助某些行業(yè)了，我們的學習模式也將因此和過去有所不同。

不過，從投資角度看，模型層方向上的機會可能更多屬于大廠，因為需要一定量的數(shù)據(jù)量級為基礎(chǔ)，且需要大量的資金、時間、人才的投入，以及一定的容錯率。創(chuàng)業(yè)公司需要考慮更多的是如何利用大模型把各類產(chǎn)品更好落地，并將其融入我們?nèi)粘Ｄ軌蜷L期使用的一些應(yīng)用里。

當然，具體投資情況還是要看企業(yè)項目如何，如果大家能運用這項技術(shù)踏實做些事，而不是急著趕這一波熱點，行業(yè)就會有一個良性的發(fā)展。

澎湃新聞：企業(yè)如何借助GPT3.5等大模型技術(shù)實現(xiàn)商業(yè)化，在這一過程中需要注意什么？

朱璘：從投資人角度來說，我認為創(chuàng)業(yè)公司一定會發(fā)掘出很多有意思的應(yīng)用，就像當年iPhone面世時，我們也無法預(yù)測究竟哪個APP會火，但這類的應(yīng)用一定有很多，因為大模型技術(shù)帶來的是一種深層的改變。

剛才也說到，企業(yè)應(yīng)該聚焦的是如何把GPT、Diffusion這類基礎(chǔ)模型做到應(yīng)用上，特別是一些可以日常長期使用的應(yīng)用上，這往往和算法層面有關(guān)，需要降低應(yīng)用成本，否則AI訓練成本太高，在商業(yè)模式上不一定能跑得通。

為了降低大模型的應(yīng)用成本，企業(yè)在基于大模型訓練應(yīng)用時，可以考慮如何用更少的數(shù)據(jù)訓練出更好的結(jié)果，或者把較大的神經(jīng)網(wǎng)絡(luò)做小，減少模型層數(shù)，這方面也需要技術(shù)較高的算法工程師。此外，只有更好的數(shù)據(jù)才能渲染出更好的模型，以ChatGPT為例，雖然它的數(shù)據(jù)量不是很大，但卻使用了非常專業(yè)的數(shù)據(jù)標注。總之，通過更好的數(shù)據(jù)和模型，并降低模型層數(shù)和數(shù)據(jù)量，才可能降低算力成本。

因此，對創(chuàng)業(yè)公司來說，需要考慮技術(shù)、算法層面的調(diào)整，把模型做細，這其中有很多技術(shù)難關(guān)有待攻克。而在考慮數(shù)據(jù)層面時，要注意如果數(shù)據(jù)源不同，最終跑出的模型就會有所不同。比如AI作畫工具midjourney和DALL·E，它們的畫風就有所不同，因為不同的數(shù)據(jù)源導(dǎo)致訓練的圖片庫有所不同。

與此同時，創(chuàng)業(yè)公司還需要考慮，他們能提供什么樣的產(chǎn)品，讓市場上的哪些人去使用，以及他們有哪些數(shù)據(jù)，怎么把這些數(shù)據(jù)用好，需要渲染出什么模型。我們也希望在這些方面看到創(chuàng)業(yè)者的思考和創(chuàng)新，將產(chǎn)品更好落地。此外，中國創(chuàng)業(yè)者比較擅長UI、吸引流量，而將文字、圖像、語音、3D等多模態(tài)結(jié)合，也很有商業(yè)價值，這可能需要一個漸進的過程。

澎湃新聞：在與ChatGPT有關(guān)的AIGC領(lǐng)域，什么樣的商業(yè)模式有機會跑通？

朱璘：從AIGC領(lǐng)域來看，ChatGPT和AI作畫工具midjourney、DALL·E并非處于同一層面。從底層上講，語言難度實際上高于圖像難度，因為還涉及到對人類知識庫的理解和認知，而作畫主要是將語言轉(zhuǎn)化成觸發(fā)，也是基于ChatGPT大模型語言理解之上的應(yīng)用。

AIGC主要是基于大模型，需要花費大量時間和資金投入，因此一般來說，只有國內(nèi)較大的互聯(lián)網(wǎng)公司才能真正推出自己的大模型，大家再在這一基礎(chǔ)上做應(yīng)用。比如，百度、阿里巴巴就在這一領(lǐng)域投入了很久，其中涉及布局算力，通過大量數(shù)據(jù)做訓練等工作。這類大模型也不一定用在他們自己的主要業(yè)務(wù)中，而是作為通用技術(shù)應(yīng)用在很多領(lǐng)域之中。

目前，AIGC領(lǐng)域的投資還處于非常早期的萌芽階段，但其實各行各業(yè)都有機會。對大公司來說，可能是人才、投資、不同知識模型的積累；但對創(chuàng)業(yè)公司來說，只要沒有政策或合規(guī)限制，就可以基于最好的模型去做應(yīng)用。

澎湃新聞：您看好AIGC這一投資方向嗎，其中有哪些發(fā)展機會？

朱璘：類GPT、Diffusion這樣的基礎(chǔ)大模型基礎(chǔ)上生成的各類應(yīng)用毫無疑問是我們關(guān)注的重點。只要產(chǎn)業(yè)能落地，應(yīng)用領(lǐng)域其實有很多。比如，AIGC在娛樂、游戲、工業(yè)、教育、醫(yī)療等方面，在影視內(nèi)容輔助、編程輔助工具、虛擬客服功能等領(lǐng)域都有較大的應(yīng)用前景。在AIGC和元宇宙的結(jié)合上，比如通過AI生成畫面、虛擬人、3D模型以及語音交互等的應(yīng)用方面，也有發(fā)展機會。

我覺得今年下半年，國內(nèi)AIGC領(lǐng)域中可能會有一些不錯的企業(yè)出現(xiàn)，這也是基于國內(nèi)外大模型的推出和開源情況。

這其中，最具挑戰(zhàn)性的還是多模態(tài)應(yīng)用。調(diào)用多個大模型生成以往沒有的全新應(yīng)用，不僅需要創(chuàng)業(yè)公司對用戶需求有深度了解，還需要對技術(shù)有獨到的認知，我覺得非常有可能會跑出新一代的平臺級產(chǎn)品，也相信肯定會有屬于這個時代的字節(jié)跳動、美團、微博出現(xiàn)。

當然，除了AIGC之外，從基礎(chǔ)設(shè)施層面來看，AI算力是支撐背后大語言模型訓練的硬件基礎(chǔ)，算法則包括模型架構(gòu)和優(yōu)化方法，決定著模型的核心技能。神經(jīng)網(wǎng)絡(luò)日趨復(fù)雜，以 ChatGPT 為代表的底層模型已達千億參數(shù)量級，多模態(tài)趨勢給預(yù)訓練模型的參數(shù)量級帶來數(shù)量級的飛躍，帶來對 AI 算力需求的顯著提升。這就帶來了一些大的機會，比如，怎樣可以以最高性價比的解決方案幫助客戶實現(xiàn)大模型商業(yè)化的落地。算法方面的機會，則是怎樣在現(xiàn)有條件下，用更少的數(shù)據(jù)訓練出更適宜的算法模型，以此達到降本增效的目的，這里面想象空間很大，還有很多事情值得創(chuàng)業(yè)公司去做。

澎湃新聞：如何看待整個AI產(chǎn)業(yè)的發(fā)展，我們與國外在技術(shù)上的差距主要在哪？

朱璘：從技術(shù)上看，AI模型可分為分析式AI（Analytical AI）和生成式AI （Generative AI）兩類，前者主要基于對現(xiàn)有事物的分析，后者則是生成新的知識和內(nèi)容，這兩類之間其實是一個巨大的跨越。

近年來，國內(nèi)AI研發(fā)主要集中在分析式AI方面，國外則在這之外，也將大量資金和時間投入在了生成式AI的研發(fā)上。比如Google在2017年推出神經(jīng)網(wǎng)絡(luò)架構(gòu)Transformer時，就認為這一技術(shù)可以引發(fā)機器對語言理解力的質(zhì)變，因此一直沒有停止這方面的開發(fā)和投入。

但由于參數(shù)量、模型層數(shù)的劇增，需要投入巨額資金和大量的時間、人才，且結(jié)果充滿不確定性，國內(nèi)企業(yè)并沒有在這一領(lǐng)域繼續(xù)跟進，所以就慢慢有了差距。要想 “彎道超車”比較難，不過隨著國內(nèi)資金的大量投入、創(chuàng)業(yè)人才的涌入，基礎(chǔ)研究的不斷深入，再加上原本中國創(chuàng)業(yè)公司就很有優(yōu)勢的場景商業(yè)化能力、流量吸引和變現(xiàn)能力以及快速迭代效率，有理由相信目前的技術(shù)差距可以不斷縮小。

澎湃新聞：國內(nèi)AI產(chǎn)業(yè)的發(fā)展目前存在什么困難和阻礙，希望得到哪些支持？

朱璘：AI技術(shù)的發(fā)展離不開三件事——算法、算力和數(shù)據(jù)。算法主要取決于要有足夠的工程師，算力則對資金投入、高算力的GPU都有要求，這方面我們也面臨“卡脖子”的問題，需要得到政策上的支持。

而在數(shù)據(jù)方面，大模型主要是基于人類知識，包括互聯(lián)網(wǎng)所提供的大量豐富語料。語料質(zhì)量如何對于模型訓練影響很大，因此，數(shù)據(jù)對于做出特別好的大模型來說也是一大需要解決的問題。

關(guān)鍵詞： chatgpt aigc 創(chuàng)業(yè)公司