萬字長(zhǎng)文：ChatGPT能否成為互聯(lián)網(wǎng)后下一個(gè)系統(tǒng)性機(jī)會(huì)？

轉(zhuǎn)載自 險(xiǎn)峰創(chuàng)

量子位 | 公眾號(hào) QbitAI

2023年險(xiǎn)峰線上沙龍的第一期，我們和四位行業(yè)大牛聊了聊最近大火的ChatGPT。

首先介紹一下本場(chǎng)嘉賓：陶芳波博士是前Facebook高級(jí)研究科學(xué)家，回國(guó)后進(jìn)入阿里達(dá)摩院，搭建了阿里的神經(jīng)符號(hào)實(shí)驗(yàn)室，屬于全球最頂級(jí)的AI科學(xué)家之一，目前正在創(chuàng)業(yè)，擔(dān)任人工智能公司「心識(shí)宇宙」的CEO。

黃東旭是險(xiǎn)峰的老朋友，「PingCAP」的聯(lián)合創(chuàng)始人兼CTO，他本人是國(guó)內(nèi)最早一批開源數(shù)據(jù)庫的創(chuàng)業(yè)者，在程序員圈子里非?；钴S；PingCAP也是目前Infra領(lǐng)域估值最高的科技公司之一，險(xiǎn)峰曾在天使輪分別投資了PingCAP和心識(shí)宇宙。

費(fèi)良宏老師是AWS的首席架構(gòu)師，曾供職于微軟、蘋果等多家硅谷巨頭擔(dān)任技術(shù)顧問，在云計(jì)算行業(yè)里深耕多年；龍波博士目前擔(dān)任Meta商業(yè)化AI研究團(tuán)隊(duì)的負(fù)責(zé)人，之前曾深度參與過京東搜索推薦算法的搭建。

此次圓桌由險(xiǎn)峰長(zhǎng)青投資副總裁李抗主持，李抗主要專注于人工智能、機(jī)器人、云計(jì)算等方向的投資。

本次我們將聊到：

1. ChatGPT 效果如此“炸裂”，AI從業(yè)者們事先是否預(yù)見到了？
2. ChatGPT 是否能理解語言邏輯本身？
3. 為什么谷歌沒能做出 ChatGPT？
4. 開源圈和云計(jì)算巨頭是如何看待 ChatGPT的？
5. ChatGPT 能讓TMT投資人“再干15年”嗎？
6. ChatGPT 正在對(duì)哪些工作崗位造成影響？
7. ChatGPT 廣泛使用后，人的認(rèn)知能力會(huì)下降嗎？
8. ChatGPT 會(huì)導(dǎo)致哪些行業(yè)消失？哪些公司急需轉(zhuǎn)型？
9. 小公司如何抓住 ChatGPT 的逆襲機(jī)會(huì)？
10. 硅谷現(xiàn)在如何看待 ChatGPT？
11. 普通人如何擁抱 ChatGPT ？報(bào)考計(jì)算機(jī)專業(yè)還有前途嗎？
12. OpenAI的組織設(shè)計(jì)給創(chuàng)業(yè)者帶來哪些啟示？

ChatGPT效果如此“炸裂”，AI從業(yè)者們是否預(yù)見到了？

險(xiǎn)峰：去年AI作畫也火過一陣，但都沒能像ChatGPT一樣讓普通人感到震撼，似乎是一夜之間，AI就達(dá)到了一個(gè)如此炸裂的效果，基于各位對(duì)NLP與AIGC的理解，這種進(jìn)步是在意料之中還是意料之外？

陶芳波：剛才主持人已經(jīng)介紹過我的背景，我本人從讀博士到后來工作創(chuàng)業(yè)，一直在從事AI相關(guān)的科研工作，但坦白來說，這次ChatGPT給我?guī)淼恼鸷?，并不亞于屏幕前的每個(gè)人。

傳統(tǒng)上，越復(fù)雜的技術(shù)，信息壁壘也越高，所以過去的情況往往是，行業(yè)內(nèi)的人都已經(jīng)知道技術(shù)發(fā)展到了什么水平，但大眾可能還不知道；而ChatGPT完全不是這樣，它剛剛誕生3個(gè)月，我們就看到無論巨頭大廠還是AI科學(xué)家們，都馬上進(jìn)入了一種非常緊張的應(yīng)對(duì)狀態(tài)，甚至可以說是應(yīng)激狀態(tài)。ChatGPT突然具有了這么強(qiáng)大的通用性能力和邏輯推理能力，是超出很多AI從業(yè)者設(shè)想的。

為什么這件事會(huì)發(fā)生？我僅從個(gè)人角度做一個(gè)簡(jiǎn)單的總結(jié)。

第一，是大數(shù)據(jù)和大算力的發(fā)展，這是一個(gè)基礎(chǔ)。2012年深度學(xué)習(xí)剛剛誕生的時(shí)候，大家就嘗試把更多的算力和數(shù)據(jù)灌輸?shù)揭粋€(gè)模型中去，讓AI具有更強(qiáng)的能力，這個(gè)邏輯在今天依然沒有變化。

我們知道人腦要比動(dòng)物的大腦更聰明，兩者最直觀的差別，是人腦的神經(jīng)元和神經(jīng)突觸更多，比如人腦的神經(jīng)元有1000億，神經(jīng)突觸可能有幾萬億，今天ChatGPT可以達(dá)到上千億的參數(shù)量，已經(jīng)跟人腦比較接近了，量變才有可能引發(fā)質(zhì)變，AI的發(fā)展首先要靠算力數(shù)據(jù)的指數(shù)級(jí)發(fā)展。

第二，是在人工智能的發(fā)展背后，其實(shí)一直有「專用人工智能」和「通用人工智能」的兩派觀點(diǎn)的爭(zhēng)論。

以前我們熟悉的人工智能，比如計(jì)算機(jī)視覺算法和自然語言算法，都屬于「專用人工智能」。而在他們以外，其實(shí)一直有另一撥人在嘗試，有沒有可能把單個(gè)的專項(xiàng)AI變成一個(gè)通用AI？用一個(gè)統(tǒng)一的大模型來解決所有的問題？

這里面有幾個(gè)關(guān)鍵性的節(jié)點(diǎn)，首先是2017年，谷歌大腦（Google brain）發(fā)表了一篇關(guān)于transformer的文章，奠定了包括今天ChatGPT所有技術(shù)的基礎(chǔ)，細(xì)節(jié)這里不展開了——總之它讓很多人意識(shí)到，通用型AI是有可能被造出來的。

對(duì)此，谷歌的做法是首先搞一個(gè)底座，這個(gè)底座叫做「預(yù)訓(xùn)練大模型」，然后不斷向底座里灌輸數(shù)據(jù)，讓它上面能長(zhǎng)出一個(gè)個(gè)小模型來，再用這些小模型去解決不同的任務(wù)。

這時(shí)出現(xiàn)了一家公司叫OpenAI，他說我不相信仍然需要訓(xùn)練小模型來造出通用AI，那我能不能直接讓大模型去閱讀互聯(lián)網(wǎng)上所有的數(shù)據(jù)？砍掉中間環(huán)節(jié)，直接讓人用語言去和大模型交流？

基于這種思想，OpenAI在2018和2019年，分別推出了GPT1和GPT2，但當(dāng)時(shí)它的通用性還不強(qiáng)，沒有引起太多關(guān)注，然而到2020年，第三代也就是GPT3出現(xiàn)了。

GPT3直接把模型參數(shù)量從15億提升到1,750億，接近了人腦中神經(jīng)連接的數(shù)量水平，這時(shí)一個(gè)神奇的事情就發(fā)生了，AI開始「涌現(xiàn)」出了一些人腦獨(dú)特的能力，甚至出現(xiàn)了邏輯判斷能力，這在以前的機(jī)器學(xué)習(xí)界是不存在的，我甚至覺得連OpenAI內(nèi)部都不一定能預(yù)判到這件事情會(huì)發(fā)生。

而這個(gè)GPT3，就是今天ChatGPT誕生的起點(diǎn)，正是因?yàn)镚PT3的出現(xiàn)，大家才開始去基于它去開發(fā)一些全新的AI能力。

可以這么說，從2020年的GPT3開始，整個(gè)AI行業(yè)都進(jìn)入到了下一代范式，至于它的邊界在哪里，大家都不知道，沒有人有足夠的認(rèn)知。

這也是我想講的第三點(diǎn)，就是OpenAI之所以能超越于谷歌，是他們真的在嘗試?yán)斫狻笇W(xué)習(xí)」這件事的本質(zhì)。

早期的AI要靠人工打標(biāo)簽，要一個(gè)活人坐在屏幕前告訴機(jī)器——這是一只貓，這是一只狗；之后發(fā)展到GPT3，這時(shí)已經(jīng)不用再打標(biāo)，而是讓機(jī)器直接去閱讀大量的數(shù)據(jù)，看它能不能找出里面蘊(yùn)含的規(guī)律和規(guī)則。

在這個(gè)基礎(chǔ)上，OpenAI又進(jìn)一步，他們說既然AI已經(jīng)學(xué)了這么多知識(shí)，那下一步就是怎么把這些知識(shí)輸出來，變成人可以用的東西；于是OpenAI開始教大模型如何自我改造，更好的去解答人類提出的指令，而后甚至演化成AI自我對(duì)抗一個(gè)人類制定的判斷標(biāo)準(zhǔn)，完成AI的“社會(huì)化改造”，到2022年，ChatGPT橫空出世了。

剛才東旭提到，他現(xiàn)在每天都用ChatGPT幫自己寫代碼，代碼其實(shí)比自然語言更有邏輯性，站在AI的視角，等于你也是在幫它培養(yǎng)邏輯能力。

如果說GPT3還在無目的數(shù)據(jù)中學(xué)習(xí)，到了ChatGPT就已經(jīng)變成了“在應(yīng)用中學(xué)習(xí)”。整個(gè)過程真的很像一個(gè)年輕人走出校園，進(jìn)入到公司中實(shí)習(xí)的感覺。

所以我們可以看到，OpenAI一直在探索人類學(xué)習(xí)的本質(zhì)是什么，當(dāng)他們把這一整套工業(yè)化的體系和自己對(duì)AI的超前認(rèn)知整合到一起，就創(chuàng)造出了ChatGPT，這時(shí)候所有人才發(fā)現(xiàn)，原來我們已經(jīng)落后了OpenAI這么多，我們還在模仿人家2020年的GPT3版本。

所以ChatGPT不僅對(duì)普通人是震撼，對(duì)大公司來說更是震撼，我們必須去面對(duì)這個(gè)全新的現(xiàn)實(shí)，思考該怎樣迎接這樣一個(gè)新物種的出現(xiàn)，以及未來人類分工的變化。

費(fèi)良宏：我補(bǔ)充兩句，今天我們看到市場(chǎng)一夜間被引爆，但背后絕不是一日之功。

首先是2017年transformer那篇論文，將整個(gè)NLP市場(chǎng)完全被顛覆了。以前很長(zhǎng)一段時(shí)間里，大家都覺得非精確的模糊化語義很難被突破，但transformer出現(xiàn)之后，一下把NLP精度提升到了無法想象的量級(jí)。這時(shí)所有人的研究方向全部都開始轉(zhuǎn)向了transformer，這是一個(gè)里程碑式的改變，我覺得怎么樣去夸它都不為過。

第二個(gè)是算力，剛才陶博士也提到，最早的時(shí)候我們自己搞一臺(tái)電腦，裝上1080Ti都可以跑一些模型，但今天由于參數(shù)提升，千億級(jí)規(guī)模的算力已經(jīng)不是普通人能參與的，也許真的是大力出奇跡，誕生了ChatGPT，那么未來延續(xù)著這條路，不斷堆積數(shù)據(jù)量，增加模型的數(shù)量，比如據(jù)說GPT3使用了45PB的數(shù)據(jù)量，未來是不是可以用100PB數(shù)量、萬億級(jí)參數(shù)甚至更大規(guī)模的算力？或許真能誕生出一個(gè)非常強(qiáng)大的通用型AI，對(duì)此我是比較樂觀的。

龍波：我對(duì)于ChatGPT的出現(xiàn)并不特別驚訝，準(zhǔn)確的說，是對(duì)它的效果不驚訝，但是速度上我還是挺驚訝的，沒想到會(huì)來的這么快。

剛才幾位都談到了一個(gè)重要的點(diǎn)，即transformer的里程碑作用，這里我想從NLP的角度分享一下，為什么它是里程碑？

從NLP發(fā)展的邏輯來看，最早的NLP模型是基于對(duì)單個(gè)單詞統(tǒng)計(jì)來做的，到后來卷積網(wǎng)絡(luò)（CNN）出現(xiàn)，機(jī)器開始能夠基于兩三個(gè)單詞來理解詞義；再往下發(fā)展到RNN時(shí)代，這時(shí)AI基本上就可以沿著整個(gè)sequence進(jìn)行積累，可以理解相對(duì)長(zhǎng)的短語和句子，不過依然還無法真正理解上下文。

隨后一個(gè)很重要的突破，是「注意力機(jī)制」（attention model）被提出，其實(shí)transformer的核心概念也是來自于此；在這個(gè)階段，AI開始能夠結(jié)合所有上下文，理解每個(gè)詞之間表達(dá)重要性的不同。

這就很像我們的快速閱讀，為什么人類能夠做到“一目十行”，是因?yàn)槲覀兡芸吹揭恍╆P(guān)鍵詞，而每個(gè)詞的重要性不一樣。

「注意力機(jī)制」正是起到了這個(gè)作用，它告訴AI各個(gè)關(guān)鍵詞之間的關(guān)系如何，誰重要誰不重要。整個(gè)行業(yè)再往后就是transformer誕生，然后Bert（Bidirectional Encoder Representations from Transformers）誕生，其實(shí)Bert也非常重要，就像陶博士剛才提到的，Bert可以使用大量沒有標(biāo)注的數(shù)據(jù)，自己創(chuàng)建一些簡(jiǎn)單任務(wù)來做self learning。

舉個(gè)例子，比如一句話，AI會(huì)把其中的一個(gè)詞藏起來，然后猜這個(gè)詞應(yīng)該是什么，有點(diǎn)像機(jī)器自己和自己玩游戲，如此它的語言理解能力就變得越來越強(qiáng)——我覺得到了這個(gè)時(shí)間點(diǎn)上，當(dāng)AI開始利用大量非標(biāo)注數(shù)據(jù)完成自主訓(xùn)練，ChatGPT的出現(xiàn)就只是個(gè)時(shí)間問題了。

但是這也是它的局限性，ChatGPT無論如何驚艷，它仍然是個(gè)統(tǒng)計(jì)語言模型，本質(zhì)還是基于它所看到過所有數(shù)據(jù)，用統(tǒng)計(jì)意義上的預(yù)測(cè)結(jié)果進(jìn)行下一步輸出，當(dāng)它拿到的數(shù)據(jù)里有邏輯的時(shí)候，它會(huì)通過統(tǒng)計(jì)的方法把邏輯找出來，讓你感覺到它的回答很有邏輯，但假如它讀了很多雜亂無章的文本，它一樣會(huì)說話沒有邏輯，這是統(tǒng)計(jì)語言模型天生的缺陷。

所以我并不確定，未來隨著參數(shù)越來越多，ChatGPT能否真正成為AGI（通用人工智能）？因?yàn)槿说耐评砟芰Σ⒉煌耆诮y(tǒng)計(jì)信號(hào)，這是我個(gè)人比較保守的看法。

ChatGPT是否能理解邏輯本身？

險(xiǎn)峰：這個(gè)話題本來是后面的，正好提到了就提前探討一下。

現(xiàn)在很多人會(huì)覺得ChatGPT很酷、很有邏輯，但有的時(shí)候也會(huì)覺得它在一本正經(jīng)的胡說八道，有些很簡(jiǎn)單的問題它會(huì)答錯(cuò)，這件事反過來也會(huì)讓大家好奇，ChatGPT是否真的具有邏輯？或者說理解邏輯？

對(duì)此，也有兩派觀點(diǎn)，一派是覺得極致的模擬就可以實(shí)現(xiàn)邏輯，雖然只是基于統(tǒng)計(jì)學(xué)，但看起來有邏輯其實(shí)就等于邏輯本身；另一派覺得所有模擬都只能得到大概的正確，最后還是要建立在極其精準(zhǔn)的規(guī)則之上，兩派的分歧可能就是統(tǒng)計(jì)和規(guī)則的區(qū)別。

此外還有第三種觀點(diǎn)，借鑒了生物組織的復(fù)雜性來解釋這個(gè)問題，比如蟻群，單獨(dú)一只螞蟻可能不知道自己在干什么，但是一個(gè)蟻群就可以做很多復(fù)雜的事情，這兩者也類似于神經(jīng)元和大腦的關(guān)系，對(duì)這個(gè)問題也想聽聽?zhēng)孜坏乃伎肌?/p>

黃東旭：先說一個(gè)外部視角，我最近一直在用ChatGPT寫代碼，可能是玩的確實(shí)太多了，基本沒有遇到AI胡說八道的情況；個(gè)人觀點(diǎn)，很多人覺得它不準(zhǔn)有兩種情況，一種是問題沒問對(duì)，如果問題本身是模糊的，它給出的答案也會(huì)是模糊的，比如一些開放式的問題。

第二是它有些回答不一定是假的，只是中間跳過了很多步驟，比如一個(gè)問題，需要從A到B再到C依次推理，其實(shí)每一步都會(huì)有一些假設(shè)，但如果某個(gè)假設(shè)錯(cuò)了，答案也會(huì)出問題。

所以我們內(nèi)部在使用時(shí)，會(huì)不停地教ChatGPT如何思考，跟教小朋友一樣，他回答錯(cuò)了就跟他說，你要不再讀一遍題目？或者直接問他——那你覺得這個(gè)問題應(yīng)該如何提問？最后你會(huì)發(fā)現(xiàn)，只要你把你想要的思考方法教給他，他回答的準(zhǔn)確率會(huì)非常高。

注意，在這個(gè)過程里，我們并沒有向它提供任何的信息增量，所以我覺得ChatGPT已經(jīng)超越了一個(gè)傳統(tǒng)意義上的語言統(tǒng)計(jì)模型，絕對(duì)不是單純的鸚鵡學(xué)舌，但我也不知道它為什么會(huì)有這個(gè)能力。

陶芳波：我也簡(jiǎn)單說一下我的看法。我觀察到一個(gè)現(xiàn)象，在GPT3出來之后，特別是今年ChatGPT出來之后，很多AI領(lǐng)域非常資深的人都在激烈地反對(duì)大模型。

我曾經(jīng)也有這樣的心態(tài)，覺得這個(gè)東西也許就只是一個(gè)統(tǒng)計(jì)模型，解決不了人類的終極問題。但是現(xiàn)在我認(rèn)為，這樣的思想說嚴(yán)重點(diǎn)，就屬于是“舊時(shí)代的余孽”，當(dāng)然這句話是自嘲的，因?yàn)槲以?jīng)就是舊時(shí)代的余孽，但今天我選擇去擁抱他。

因?yàn)閷?duì)于人工智能，我們永遠(yuǎn)都可以從「它在某某事情上做得還不夠好」來批評(píng)它。但是如果我們回過頭來想一下，一個(gè)人如果只有大腦，我們的邏輯能力又有多強(qiáng)？

人的所謂邏輯能力，說到底也無非是通過直覺，跳過兩三步來推演出一個(gè)結(jié)果，如果真到了六步七步的推理，我們光靠一個(gè)大腦也解決不了，也需要草稿紙和計(jì)算器，換句話說，人類也是要通過外部工具來增強(qiáng)邏輯能力的。

從這個(gè)角度講，今天ChatGPT所涌現(xiàn)出來的邏輯能力和人是其實(shí)差不多的。

但是大家低估了一個(gè)東西，如果用發(fā)展的眼光再往前推一步，你覺得OpenAI下一步會(huì)做什么？微軟下一步會(huì)做什么？一件非常可能的事，是他們會(huì)把ChatGPT跟各種各樣的工具結(jié)合起來。

那時(shí)，ChatGPT完全可以把這些工具變成自己的“草稿紙和計(jì)算器”，他自己只完成邏輯的部分即可。

所以，我們其實(shí)可以把ChatGPT當(dāng)做是一個(gè)非常穩(wěn)定的原始大腦，未來他還將去學(xué)習(xí)使用工具，那時(shí)他所具有的能力會(huì)比今天大得多，這將是一個(gè)非常有想象力的未來。

費(fèi)良宏：非常認(rèn)同陶博士，前幾天看到LeCun在推特上跟人論戰(zhàn)，談ChatGPT對(duì)于AI的影響，我也有同樣的感覺，就是可能很多人對(duì)ChatGPT的判斷太拘泥于以往的經(jīng)驗(yàn)了，還是把它當(dāng)做是GPT3或者GPT2。

比如OpenAI在發(fā)表ChatGPT的那篇論文中，專門提到他們使用了人類反饋的強(qiáng)化學(xué)習(xí)，去彌補(bǔ)堆砌資料造成的一些不足。所以某種程度來講，ChatGPT的邏輯不僅僅是來自于文本的訓(xùn)練，還來自于人類給它的主觀反饋，我們利用這種獎(jiǎng)勵(lì)機(jī)制，讓AI產(chǎn)生一種內(nèi)部的自我判斷能力。

我覺得這是一種非常巧妙的進(jìn)步，相當(dāng)于把強(qiáng)化學(xué)習(xí)跟大模型結(jié)合在了一起。今天可能我們的資源投入還比較有限，讓ChatGPT不足以解決更廣義上的所有問題，但未來如果我們的投入足夠大，強(qiáng)化學(xué)習(xí)的引入程度足夠高，機(jī)制設(shè)計(jì)得足夠巧妙，會(huì)不會(huì)結(jié)果也將遠(yuǎn)遠(yuǎn)超出我們今天的預(yù)期？

不過，這也引出了另外一個(gè)問題，就是關(guān)于ChatGPT傾向性的爭(zhēng)論。隨著人類用越來越多的反饋干預(yù)了它的判斷，那會(huì)不會(huì)讓ChatGPT帶有某種思潮，比如說政治傾向，最近我看到國(guó)外有一些人對(duì)它進(jìn)行測(cè)試，發(fā)現(xiàn)它在政治上并不是完全中立的，是一個(gè)左翼的自由派環(huán)保主義者。

從這個(gè)角度出發(fā)，我認(rèn)為ChatGPT是具有邏輯的，因?yàn)檫@個(gè)邏輯是由人賦予他的，也是人自身所存在的，這是我的看法。

龍波：當(dāng)一個(gè)非常有沖擊性的產(chǎn)品出來后，人的觀念很容易受到?jīng)_擊，但這里還是要看一些根本問題是否發(fā)生了改變，這個(gè)話題涉及到一些更深刻的東西，即我們?nèi)绾卫斫饨y(tǒng)計(jì)模型？

比如大家都提到，ChatGPT反饋模型的提高，這是一定的，因?yàn)槟憬o了它更多的統(tǒng)計(jì)數(shù)據(jù)，不論是用AI的方法，還是傳統(tǒng)方法，模型都會(huì)提高，LeCun也談到過這個(gè)問題，他并不是反對(duì)統(tǒng)計(jì)模型本身，他只是想說，如果我們要?jiǎng)?chuàng)造真正的通用人工智能，僅僅靠統(tǒng)計(jì)模型就夠了嗎？

統(tǒng)計(jì)模型應(yīng)用在人工智能領(lǐng)域已經(jīng)幾十年了，到深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)達(dá)到高點(diǎn)，但是我們想一下，人的認(rèn)知是純粹基于統(tǒng)計(jì)的嗎？我們每個(gè)人都知道，太陽從東邊升起，這是我們每天都看到的，100%的概率，這是統(tǒng)計(jì)學(xué)上的認(rèn)知，但是我們沒有停留在這一點(diǎn)，我們最終理解了行星之間的相互作用力，從物理學(xué)的角度解釋了這個(gè)現(xiàn)象。

所以人類認(rèn)知的本質(zhì)是什么，我們對(duì)此的認(rèn)知也還不夠透徹，我覺得大師們是想說，統(tǒng)計(jì)模型之外，還有什么東西讓機(jī)器能更接于近人？這個(gè)問題其實(shí)沒有答案，他想表達(dá)的是一種open的心態(tài)，即統(tǒng)計(jì)模型不能解決一切，它甚至都沒解決我們自己認(rèn)知的問題。

為什么谷歌沒能做出ChatGPT？

險(xiǎn)峰：剛才大家都提到了transformer，它其實(shí)是由谷歌發(fā)表出來的，但今天做出ChatGPT的卻是微軟系的OpenAI，各位覺得這背后的原因是什么？

龍波：確實(shí)很多人都有這個(gè)疑問，但其實(shí)到今天我依然認(rèn)為，谷歌在技術(shù)上是非常領(lǐng)先的，ChatGPT最關(guān)鍵的核心模型起點(diǎn)，無論是transformer，還是后來的bert，這些概念都是谷歌首先提出來的。

我們知道微軟在算力方面給了ChatGPT很大幫助，但谷歌自己的TPU研發(fā)能力也非常強(qiáng)大，谷歌不缺算力，更不缺數(shù)據(jù)，但正因?yàn)槿绱?，大公司要做出這種創(chuàng)新性很大的產(chǎn)品，注意我是說產(chǎn)品，一般都會(huì)被自己的優(yōu)勢(shì)束縛住手腳。

首先谷歌是一個(gè)搜索引擎巨頭，它對(duì)此非常自信，這反而讓它對(duì)其他系統(tǒng)的投入和關(guān)注都不夠，在我看來，谷歌被ChatGPT反超其實(shí)是有先兆的。

比如語音助手，坦白說谷歌的產(chǎn)品是不如亞馬遜和Siri的，像Google Assistant ，采用的依然是搜索引擎的用戶界面，你給它搜索詞，它就給你最高質(zhì)量的回答，強(qiáng)調(diào)的還是單次交互，這種觀念已經(jīng)深入產(chǎn)品的設(shè)計(jì)之中，我覺得在互動(dòng)體驗(yàn)上谷歌的投入是不足的。

但這并不是說谷歌技術(shù)不行，我有不少前同事就在谷歌research工作，他們的技術(shù)發(fā)展得非常好、非常成熟，他們有最好的資源可以從事研究，但是他們認(rèn)為搜索是他們最重要的產(chǎn)品，他們會(huì)下意識(shí)的用搜索的觀念去做一些新產(chǎn)品，對(duì)用戶的交互式體驗(yàn)本身就沒有那么注重，這是我從產(chǎn)品角度的觀察。

費(fèi)良宏：這個(gè)話題讓我想到一段商業(yè)史故事。世界上第一臺(tái)數(shù)碼相機(jī)，是一名叫史蒂夫薩森的工程師在1975年發(fā)明的，他后來被稱為”數(shù)碼相機(jī)之父”，但是當(dāng)時(shí)，他是一名柯達(dá)公司的員工。

后來據(jù)他回憶，這是一次前所未有的嘗試，“公司內(nèi)的反之強(qiáng)烈超出了他的想象”，結(jié)果38年之后，由于數(shù)碼相機(jī)的崛起，傳統(tǒng)膠片時(shí)代的王者柯達(dá)公司破產(chǎn)，我覺得回顧歷史，跟今天也有非常相似的地方。

今天整個(gè)搜索市場(chǎng)，谷歌占了96%，微軟只有3%，但因?yàn)镃hatGPT的出現(xiàn)，微軟很可能也會(huì)顛覆搜索領(lǐng)域的格局，而谷歌空有技術(shù)卻沒有做出這個(gè)產(chǎn)品，我覺得可見一斑，歷史總是驚人的相似。

黃東旭：這是件特別有意思的事情，因?yàn)橐郧鞍缪葸@個(gè)顛覆者的，其實(shí)是Google自己。

2000年的時(shí)候，雅虎的地位就和今天的Google一樣，當(dāng)時(shí)雅虎的搜索引擎走的是人工標(biāo)注路線，說你看我人工標(biāo)注的黃頁多準(zhǔn)確，而Google是當(dāng)時(shí)幾個(gè)大學(xué)生搞出來的，結(jié)果歷史又一次重演。

如果拋開數(shù)據(jù)量和算力這些硬性限制，只去看里面最核心的代碼量，其實(shí)就是一個(gè)小團(tuán)隊(duì)就能寫出來的。一家巨頭再次被一家小公司打敗，我覺得這就是軟件行業(yè)有意思的地方，一個(gè)非常硅谷的故事。

開源圈和云計(jì)算巨頭是如何看待ChatGPT的？

險(xiǎn)峰：谷歌的早期模型都是開源的，但ChatGPT卻選擇了閉源，結(jié)果在2個(gè)月內(nèi)用戶破億，東旭對(duì)此怎么看，ChatGPT的選擇對(duì)于后來者是否有參考價(jià)值？

黃東旭：我覺得ChatGPT的成功，并不在于開源或閉源，而是它向整個(gè)業(yè)界證明了某種技術(shù)的可行性，其實(shí)開源的工具一直都在，關(guān)鍵是有沒有人會(huì)拿出幾千萬美金去做這些東西，對(duì)此我是比較樂觀的，據(jù)我所知已經(jīng)有一些開源項(xiàng)目在做和ChatGPT差不多的事情，未來很短的時(shí)間之內(nèi)，一定會(huì)出現(xiàn)一個(gè)開源的通用語言大模型。

它可能沒有ChatGPT那么強(qiáng)，但是也會(huì)大致夠用，甚至可能是一個(gè)通識(shí)模型，你可以把它裝載到自己的系統(tǒng)里面去，跟它一起去協(xié)作，我覺得很快就會(huì)有人沿著ChatGPT的路線，做出可以私有化部署的開源大模型，可能會(huì)是一個(gè)大廠或者一個(gè)foundation，每隔半年change一次，然后大家下載下來用。

險(xiǎn)峰：云計(jì)算大廠們?cè)趺纯碈hatGPT？

費(fèi)良宏：AI的商業(yè)化主要是SaaS化，之前有很多成功案例了。另外從技術(shù)角度來看，AI的推理能力API化也已經(jīng)是一種標(biāo)準(zhǔn)做法，比如在云上部署一個(gè)推理服務(wù)器，讓前端用戶可以非常快速地獲得圖像語音內(nèi)容，這兩種模式在云計(jì)算發(fā)展的歷史上已經(jīng)被證明是完全可行的。

接下來的關(guān)鍵就是如何差異化的大模型，我個(gè)人認(rèn)為，我們可能低估計(jì)了ChatGPT的工程化難度，比如說并行訓(xùn)練、標(biāo)注以及數(shù)據(jù)管理的工作量和成本開銷，都會(huì)是非常巨大的，所以我不認(rèn)為在短時(shí)間內(nèi)，會(huì)有大量能完全媲美ChatGPT的競(jìng)品出現(xiàn)。

當(dāng)然，下一步還是有很多人會(huì)去做與ChatGPT類似的事情，但是我認(rèn)為時(shí)間上可能會(huì)比較久，這其中，我個(gè)人比較看好谷歌和微軟，因?yàn)樗麄冎暗姆e累已經(jīng)有足夠多。

其實(shí)剛才也談到了微軟的問題，雖然微軟只是給ChatGPT投了錢，技術(shù)上沒有參與，但是從它的布局來看，我覺得微軟其實(shí)非常有野心，要知道2019年微軟就開始向OpenAI投錢，第一次就投了10億美元，2020年就跟OpenAI談妥了GPT3的獨(dú)家授權(quán)，2021年微軟就專門給OpenAI構(gòu)建了自己的超算能力。

微軟提供的這些工程能力和云計(jì)算能力，足以確保OpenAI繼續(xù)保持領(lǐng)先優(yōu)勢(shì)，如果未來任何一個(gè)競(jìng)爭(zhēng)對(duì)手想要超越OpenAI，在這些資源上都要加倍付出，甚至要在短時(shí)間內(nèi)實(shí)現(xiàn)突破才有可能，但是現(xiàn)在，時(shí)間反而是最稀缺的，像之前“學(xué)徒巴德”（Apprentice Bard）在谷歌的發(fā)布會(huì)上“翻車”也說明，互聯(lián)網(wǎng)產(chǎn)品的競(jìng)爭(zhēng)是非常殘酷的，雖然你也能做出來一個(gè)差不多的，但只要你不能超越市場(chǎng)中最好的，那就意味著失敗。

陶芳波：我接著這個(gè)話題稍微說下，因?yàn)槲覀兊臉I(yè)務(wù)跟大模型接觸非常多，首先大模型開源這件事不是剛剛開始，其實(shí)去年很多公司已經(jīng)出來了，包括OPT（Meta AI 的開源項(xiàng)目）和BLOOM（法國(guó)政府資助的開源AI），但其實(shí)它們和ChatGPT的差距非常大。

我覺得OpenAI的競(jìng)爭(zhēng)力，表現(xiàn)在他們對(duì)于數(shù)據(jù)使用方式的認(rèn)知，還有剛才費(fèi)老師提到的工程能力和數(shù)據(jù)體系，這套東西不是說拿出50億美金，招很多的人馬上就可以解決的，這是現(xiàn)在很多投資人的誤解。

另外，我覺得AI的分層其實(shí)在今天就已經(jīng)開始了，像Sam Altman（OpenAI首席執(zhí)行官）自己就說過，OpenAI現(xiàn)在就是個(gè)Infra，未來在它上面可能會(huì)有中間層，這個(gè)中間層的作用是幫助一個(gè)個(gè)大模型Infra變成各個(gè)行業(yè)里的解決方案。

ChatGPT 能讓TMT投資人“再干15年”嗎？

險(xiǎn)峰：ChatGPT下一步會(huì)往何處去？會(huì)不會(huì)被下一個(gè)transformer顛覆？

陶芳波：個(gè)人觀點(diǎn)，我們可以從底層視角來看，比如今天OpenAI做出了ChatGPT，未來或許還會(huì)有GPT4，我們先假設(shè)OpenAI的技術(shù)是最領(lǐng)先的，現(xiàn)在后面有一堆大廠巨頭和創(chuàng)業(yè)公司，正在或者將要做大模型，那如果我是OpenAI，我接下來會(huì)做什么？

我覺得第一個(gè)方向，還是怎樣用好手上的現(xiàn)有數(shù)據(jù)，把模型的潛力全部挖掘出來。下一代GPT的參數(shù)量也許還能再大個(gè)10倍，但估計(jì)也就是這個(gè)規(guī)模了，不可能再擴(kuò)大1000倍，因?yàn)閰?shù)要有足夠的數(shù)據(jù)來匹配，全世界的優(yōu)質(zhì)數(shù)據(jù)就這么多，參數(shù)量搞得再大效果也不有太大提升。

另一個(gè)方向，也是Anthropic提出的，叫做「憲法AI」。就是我們能不能讓AI在一套憲法，或者說一套規(guī)則下，實(shí)現(xiàn)自我進(jìn)化，最終變得符合這套規(guī)則。舉個(gè)例子，每個(gè)國(guó)家都有自己的監(jiān)管體系，比如中東地區(qū)，只有符合當(dāng)?shù)乇O(jiān)管的AI才能進(jìn)入該國(guó)，我覺得這會(huì)是一個(gè)非常好的方向，可以大大降低AI吸收信息的成本，提高它的效率。

第三個(gè)方向是多模態(tài)，讓OpenAI變成一個(gè)思考引擎。我們知道人類的感知不是單一的，而是許多模塊組成的，不是說用戶說了一段話，我能感受到這段話就夠了，最簡(jiǎn)單的，比如看漫畫書，人能夠把感知圖像和感知文字結(jié)合在一起，而不是兩個(gè)單獨(dú)的東西。

所以我覺得，接下來大模型會(huì)在這些方向上繼續(xù)發(fā)展，這是一個(gè)底座，這種狀態(tài)會(huì)維持相當(dāng)長(zhǎng)一段時(shí)間，而接下來才是更巨大的挑戰(zhàn)，無論是投資人，還是創(chuàng)業(yè)者，我們到底應(yīng)該怎樣去迎接ChatGPT的革命性變化，在它上面重構(gòu)一個(gè)巨大的新體系？

舉個(gè)例子，2007年iPhone誕生，10年之后你會(huì)發(fā)現(xiàn)整個(gè)互聯(lián)網(wǎng)生態(tài)都變了，iPhone上面長(zhǎng)出了各種各樣的應(yīng)用，這10年間，全球誕生了多少獨(dú)角獸，誕生了多少千億、萬億美金級(jí)的公司，這些公司在iPhone出現(xiàn)之前都是不存在的，都是從一個(gè)很小的作坊開始做起來的。

我覺得今天大量的機(jī)會(huì)其實(shí)是這里面，首先是中間層的機(jī)會(huì)，就像在大模型外面搭一個(gè)腳手架，讓它有1000只手1000只腳，可以做更復(fù)雜的事情，比如基于如何使用大模型構(gòu)建一個(gè)社區(qū)，這是一種最輕量級(jí)的創(chuàng)業(yè)思路。再比如教會(huì)大模型怎么去使用外部工具，怎么樣更好的去理解對(duì)面的用戶，而不只是從文字輸入來理解他——這也是我們正在做的事情。

在中間層上面，還會(huì)有各種應(yīng)用層，剛才費(fèi)老師也講到，AI在SaaS端已經(jīng)被驗(yàn)證了，但我個(gè)人認(rèn)為這一波AI浪潮席卷的范圍會(huì)遠(yuǎn)大于SaaS。因?yàn)镾aaS更多還是服務(wù)于企業(yè)的效率工具，但ChatGPT肯定會(huì)拓展到C端，比如說健身、醫(yī)療，都有機(jī)會(huì)可以重做出一個(gè)交互式的軟件，把用戶界面完全拋棄掉，和移動(dòng)互聯(lián)網(wǎng)時(shí)代相比，我認(rèn)為這會(huì)是一種全新體驗(yàn)的產(chǎn)品。

黃東旭：我也有類似的觀點(diǎn)，其實(shí)軟件的進(jìn)步一直都是交互方式的進(jìn)步，以前是字符界面，到后來是UI，沿著這條線往下走，未來最重要的軟件交互形態(tài)其實(shí)就是自然語言。過去我們一直在嘗試，讓軟件的使用變得更加貼近人類自然語言，但是今天我們終于有了這樣一個(gè)新工具，能重新去塑造我們跟軟件的溝通方式。

以前我們用軟件，比如說Linux，輸入一堆命令，機(jī)器才能去完成一件事情，相當(dāng)于我們要去學(xué)習(xí)機(jī)器的語言。但現(xiàn)在有了ChatGPT，你可以直接去跟他說，我想要到達(dá)到某某結(jié)果，我不管你怎么干，最后能給我結(jié)果就好，這其實(shí)是一個(gè)非常顛覆性的東西，所以我們現(xiàn)在正在做的，不斷跟GPT磨合的，也是類似的思路。

陶芳波：我記得ChatGPT剛出來的時(shí)候，就有投資人提出一個(gè)觀點(diǎn)，說TMT可以重新再干15年，我覺得這個(gè)邏輯是對(duì)的，因?yàn)樯蟼€(gè)時(shí)代我們基于移動(dòng)互聯(lián)網(wǎng)，做出了各種各樣的APP，而今天新的交互形式出現(xiàn)了，每一個(gè)細(xì)分的賽道上可能都會(huì)成長(zhǎng)出一個(gè)全新的獨(dú)角獸，或者全新的商業(yè)模式，我覺得是一個(gè)完全的大洗牌。

今天ChatGPT的潛力大概只發(fā)揮了百分之幾，就已經(jīng)創(chuàng)造出超過了萬億的市場(chǎng)，未來這個(gè)規(guī)模可能是幾十萬億。

ChatGPT 正在對(duì)哪些工作崗位造成影響？

險(xiǎn)峰：這個(gè)問題是幫別人問的，他是個(gè)很早期的NLP從業(yè)者，想問大模型出來以后，其他的模型可能就成為歷史了，他們這些人未來應(yīng)該怎么辦？

龍波：這個(gè)問題的答案還是比較清晰的，以前那些傳統(tǒng)的NLP的手段，在這個(gè)時(shí)代肯定是不會(huì)再有用了，比如大量的語法樹之類，非常繁瑣，過去開發(fā)過程很痛苦，要一支很大的團(tuán)隊(duì)才能做出一個(gè)很小的東西，我們肯定不會(huì)再回到那個(gè)年代，老的技術(shù)基本都可以用大型語言模型（LLM，large language model）替代。

對(duì)于ChatGPT的未來，我非常同意陶博士剛才說的，如果只是一味地增加數(shù)據(jù)或增加參數(shù)，不一定還能得到好的ROI，因?yàn)槟憬o了更多的數(shù)據(jù)，就意味著有更多的噪音，最后信噪比可能反而更差，這也是為什么我們有時(shí)覺得ChatGPT會(huì)回答錯(cuò)的原因，所以還是要關(guān)注如何提高數(shù)據(jù)的質(zhì)量。

與數(shù)據(jù)質(zhì)量同樣重要的，可能是跟大模型的互動(dòng)。舉個(gè)例子，如果我們真的要讓ChatGPT變成某個(gè)領(lǐng)域的專家，不再犯什么錯(cuò)誤，可以想想我們培養(yǎng)一個(gè)PHD的過程是什么樣的？他需要和他的導(dǎo)師、行業(yè)大牛反復(fù)地交互討論學(xué)習(xí)，才能最終成為專家，而不是說簡(jiǎn)單的篩選高質(zhì)量數(shù)據(jù)喂給他就完了。

如果再進(jìn)一步，我們要讓ChatGPT成為真正的通用人工智能，在每個(gè)領(lǐng)域都很精深，也需要有一個(gè)方法能夠讓AI迭代高質(zhì)量數(shù)據(jù)，所以我覺得未來在算法層面可能會(huì)有一些突破，比如說讓RL和大語言模型更完美的結(jié)合，能夠更好地篩選出高質(zhì)量數(shù)據(jù)，甚至是自動(dòng)采集這種數(shù)據(jù)，這些都會(huì)跟人學(xué)習(xí)的過程越來越像。

到那時(shí)，我不知道是不是只靠現(xiàn)在的統(tǒng)計(jì)模型或者大型語言模型就夠了，還是會(huì)跟其他新技術(shù)綁定在一起，比如現(xiàn)在也有人在研究，怎么把真正的推理能力和神經(jīng)網(wǎng)絡(luò)相結(jié)合，這是我看到一些未來可能發(fā)生的事情。

險(xiǎn)峰：接下來可能是很多CEO比較感興趣的問題，創(chuàng)業(yè)公司應(yīng)該如何使用ChatGPT ？它將可以替代哪些崗位？

黃東旭：個(gè)人認(rèn)為可以從兩個(gè)方面來看，對(duì)內(nèi)和對(duì)外，我先說對(duì)外。

首先在AI爆發(fā)的大背景下，我們做數(shù)據(jù)庫的還是一個(gè)挺安全的生意，因?yàn)椴还茉趺礃幽氵€是要存數(shù)據(jù)。在過去沒有AI的時(shí)候，我要從數(shù)據(jù)庫里提取數(shù)據(jù)，學(xué)過計(jì)算機(jī)的朋友可能都知道要用到SQL，或者其他語言，總之是需要敲代碼才能去跟數(shù)據(jù)庫做交互。

舉個(gè)例子，之前我曾經(jīng)把我自己所有看過的電影、所有看過的書，全都導(dǎo)到了我的數(shù)據(jù)庫里，我就可以直接去問我的數(shù)據(jù)庫說，在我去年看過所有的電影里，哪個(gè)導(dǎo)演的片子最多？他會(huì)直接幫我生成SQL，SQL再去數(shù)據(jù)庫里進(jìn)行查詢，非?？焖偾覝?zhǔn)確，但是前提是你必須會(huì)敲代碼，懂得機(jī)器的語言。

沿著我剛才的理論——自然語言會(huì)變成下一個(gè)軟件交互的UI，大家想象一下，如果你是個(gè)CEO，你公司里面有很多運(yùn)營(yíng)數(shù)據(jù)，每次你去找財(cái)務(wù)，或者數(shù)據(jù)分析師，說我需要一個(gè)某某數(shù)據(jù)，他可能過好幾天才能返過來，但現(xiàn)在如果有這樣的一個(gè)很神奇的數(shù)據(jù)庫，CEO可以直接開口問AI，比如今年公司花錢最多的部門是哪個(gè)，馬上就可以得到答案。

那如果再推一步，我們把背后的數(shù)據(jù)集換成了區(qū)塊鏈，換成了房地產(chǎn)信息，換成了股市信息，你會(huì)發(fā)現(xiàn)一下子人人都是數(shù)據(jù)分析師，這對(duì)于各個(gè)行業(yè)都會(huì)是一個(gè)巨大的顛覆。

至于對(duì)內(nèi)部，我覺得CEO一定要放棄ChatGPT可以完全取代人的觀念，現(xiàn)階段肯定是取代不了，但是它能提高人的效率。

如果大家寫過程序就會(huì)知道，一個(gè)工程師可能有80%的時(shí)間都是做重復(fù)勞動(dòng)，未來這80%的工作其實(shí)都可以讓ChatGPT來做，比如說寫文檔、寫單元測(cè)試，生成一些腳手架之類，它不會(huì)完全取代程序員，但是確實(shí)能帶來很大的提升效率。

大家如果看過《鋼鐵俠1》，里面有一個(gè)AI助手叫做賈維斯，現(xiàn)在我跟ChatGPT的工作模式與它很像，我會(huì)告訴它我要做什么東西，你先做一個(gè)原型出來，然后一步步跟它交互，告訴它可以這樣這樣搞。

所以至少目前，我并不會(huì)把ChatGPT當(dāng)做是一個(gè)可以取代人工的東西，而是給所有的工程師都配了一個(gè)賬號(hào)，告訴他們遇事不決先問一下ChatGPT，搞不好效率就提升了，這是我大概的經(jīng)驗(yàn)分享。

陶芳波：我稍微插一句，我覺得東旭他們公司很厲害，已經(jīng)開始使用ChatGPT來提高效率了，其實(shí)很多國(guó)內(nèi)的公司都可以學(xué)一下。

另外他講的第一點(diǎn)我感觸很深，數(shù)據(jù)庫公司未來一定會(huì)存在，但也一定還會(huì)很多有提供其他互聯(lián)網(wǎng)信息服務(wù)的公司，我覺得他們可能都要去思考，是不是今天我暫時(shí)是安全的，ChatGPT跟我就沒有關(guān)系？

我覺得可以換一種視角，現(xiàn)在的現(xiàn)實(shí)是，這個(gè)超級(jí)大腦已經(jīng)在那里了，他未來一定是會(huì)跟各種各樣的東西連接在一起，這里面有一個(gè)很重要的點(diǎn)，以前我們說信息服務(wù)的連接端口是API，還有一大堆代碼之類的，但今天這個(gè)端口很可能會(huì)變掉，變成一個(gè)更加接近于人類語言的東西。

所以我覺得每一個(gè)服務(wù)提供商，如果覺得你的信息服務(wù)很有價(jià)值，我覺得都可以嘗試去擁抱ChatGPT，看看怎么跟他建立起對(duì)話通道，越早擁抱，就越早可以讓ChatGPT把你的服務(wù)分發(fā)到更多的場(chǎng)景、更多的用戶。我覺得這件事情誰做得快，誰就可能成為自己賽道里的下一代巨頭企業(yè)。

ChatGPT廣泛使用后，人類的認(rèn)知能力會(huì)下降嗎？

險(xiǎn)峰：ChatGPT出來以后，主流聲音認(rèn)為以后可能就不再需要搜索引擎了，但也有一些悲觀者認(rèn)為，我們將來接觸的大部分信息都會(huì)由機(jī)器生成，里面會(huì)有大量的假信息，這將威脅人類的認(rèn)知和判斷能力，如果我們從小就依賴這樣的產(chǎn)品，可能會(huì)是一個(gè)災(zāi)難性，對(duì)此各位怎么看？

費(fèi)良宏：這不是一個(gè)新問題，其實(shí)互聯(lián)網(wǎng)從誕生之日起，就一直在改變我們使用和消費(fèi)信息的習(xí)慣。

比如，最開始出現(xiàn)的是瀏覽器，它讓網(wǎng)頁信息變成了一種規(guī)范的、可以被瀏覽的形式；之后，隨著信息總量的不斷增長(zhǎng)，大量垃圾信息開始影響我們的用戶體驗(yàn)，這時(shí)出現(xiàn)了雅虎的黃頁，它通過人工方式去維護(hù)目錄，給每個(gè)網(wǎng)頁設(shè)置優(yōu)先級(jí)。

再往后，當(dāng)信息量繼續(xù)爆炸，黃頁的維護(hù)開始跟不上數(shù)據(jù)的生產(chǎn)速度，人們慢慢意識(shí)到，使用搜索可能會(huì)比使用黃頁更有效率，這時(shí)誕生了最早期的搜索引擎，比如AltaVista和Infoseek，但是它們的能力受限于當(dāng)時(shí)的技術(shù)，還只能在一個(gè)很小的范圍內(nèi)能進(jìn)行搜索。

后來的故事大家都知道了，1998年，谷歌的兩個(gè)合伙人開始創(chuàng)業(yè)，他們希望用計(jì)算機(jī)構(gòu)建一個(gè)更廣義的集群，通過大量廉價(jià)的硬件設(shè)備來滿足整個(gè)互聯(lián)網(wǎng)的搜索需求。在當(dāng)時(shí)，大家認(rèn)為這是不可能實(shí)現(xiàn)的，但后來的事實(shí)證明，技術(shù)的進(jìn)步遠(yuǎn)超我們的想象，于是人類進(jìn)入了關(guān)鍵字搜索時(shí)代，開始通過搜索引擎來使用和消費(fèi)互聯(lián)網(wǎng)信息。

到了今天，互聯(lián)網(wǎng)上的信息總量已經(jīng)是一個(gè)天文數(shù)字，你的每一次搜索，結(jié)果可能有成百上千頁，里面存在大量無用或者重復(fù)的信息，那我們應(yīng)該如何應(yīng)對(duì)這樣的局面？這時(shí)ChatGPT出現(xiàn)了，它可以幫助我們?nèi)プ隹偨Y(jié)歸納，如果從信息消費(fèi)的歷史來看，這是一個(gè)巨大的進(jìn)步，這點(diǎn)無可否認(rèn)。

而從歷史來看，一旦我們養(yǎng)成了新的信息消費(fèi)習(xí)慣，就沒有辦法再回到之前的時(shí)代，我們不可能用黃頁去替代今天的搜索引擎，同樣的，未來當(dāng)我們適應(yīng)了ChatGPT，我們也回不到關(guān)鍵字搜索時(shí)代。

因此，人類下一階段的信息使用習(xí)慣一定是更高級(jí)別的，當(dāng)然這里還有成本問題，比如像ChatGPT的每一次搜索大概需要1.3美分，成本還是比較高的，如果再能降低10倍的話，我覺得整個(gè)搜索市場(chǎng)會(huì)被完全顛覆。

從這個(gè)角度說，ChatGPT的歷史地位可以等價(jià)于瀏覽器的出現(xiàn)，或者是谷歌搜索引擎的出現(xiàn)，人類每一個(gè)信息消費(fèi)習(xí)慣的進(jìn)步都意味著一個(gè)里程碑式。

龍波：非常贊同良宏的觀點(diǎn)，ChatGPT的交互方式讓我們獲取信息更加高效，它帶來的影響是不可逆的，肯定會(huì)對(duì)搜索引擎，甚至推薦引擎都帶來沖擊，而且我認(rèn)為沖擊會(huì)很大。盡管短時(shí)間內(nèi)會(huì)有些技術(shù)上的挑戰(zhàn)，比如如何把ChatGPT融入到搜索引擎中去，但我認(rèn)為這些都不是問題，很快都會(huì)被解決。

那么ChatGPT的挑戰(zhàn)是什么？第一個(gè)挑戰(zhàn)是商業(yè)化，任何2C的技術(shù)應(yīng)用背后一定要有商業(yè)支撐。

剛才良宏談到谷歌的巨大成功，但是其實(shí)在1999年，布林和拉里佩奇是準(zhǔn)備以100萬美元的價(jià)格把谷歌賣掉的，據(jù)說最后已經(jīng)談到了75萬，如果當(dāng)時(shí)交易達(dá)成，也就沒有后面的故事了；到了2002年，雅虎打算收購谷歌時(shí)，開出的價(jià)格是100億美金，等于說4年翻了一萬倍。

為什么形勢(shì)會(huì)逆轉(zhuǎn)呢？因?yàn)樯虡I(yè)模式走通了，從display as到search as，搜索廣告的收入開始有了巨大的增長(zhǎng)，當(dāng)時(shí)所有人都看到了谷歌的商業(yè)潛力，所以價(jià)值一下就不一樣了。也正因?yàn)槿绱?，谷歌才能有資源雇最好的員工，創(chuàng)造最好的企業(yè)文化。

未來ChatGPT也會(huì)面臨同樣的問題，比如現(xiàn)在的搜索引擎是靠點(diǎn)擊量來收費(fèi)，本質(zhì)上賣的是用戶的注意力，而如果AI一秒鐘就完成了答案交付，那賣廣告的模式肯定就不再work了，一定還需要尋找新的商業(yè)模式來支撐它，當(dāng)然，我相信最后肯定也會(huì)找到。

第二個(gè)挑戰(zhàn)是人文方面的，剛才問題中也提到了，ChatGPT會(huì)極大影響人的認(rèn)知模式。

在搜索引擎時(shí)代，我們每完成一次信息收集，其實(shí)都是完成一次學(xué)習(xí)的過程。舉個(gè)例子，比如我們發(fā)論文，每篇文章后面一定要有一個(gè)reference（參考文獻(xiàn)），你要先把前人做出的研究成果講清楚，再說你在這個(gè)基礎(chǔ)上取得什么成果，這是一種知識(shí)的傳接，如果沒有reference就不可以被稱為學(xué)術(shù)論文。

谷歌的搜索引擎，也是把它認(rèn)為最相關(guān)、最高質(zhì)量的鏈接排在最上面，最后還是需要你自己去做判斷，這是人類學(xué)習(xí)的方法，你一定要有出處，要有reference，這是我們作為研究者對(duì)人類知識(shí)積累的一個(gè)基本態(tài)度。而如果AI就只給一個(gè)答案，會(huì)讓信息繭房變得更嚴(yán)重。

傳統(tǒng)來說，我們?cè)诨ヂ?lián)網(wǎng)獲取信息有兩種基本方式，一個(gè)是搜索，一個(gè)是推薦。搜索是說用戶知道自己想找什么，我就給他什么，推薦是用戶不知道自己想要什么，那我就猜你想要什么。而當(dāng)ChatGPT出來以后，因?yàn)樗刻於紩?huì)和你有交互，它會(huì)猜得更準(zhǔn)確，更嚴(yán)重的是，它還會(huì)主動(dòng)創(chuàng)造出一些讓你喜歡的答案或信息，你聽了會(huì)覺得那就是真實(shí)的，而且又沒有reference。

到那時(shí)，我們要面對(duì)的信息繭房會(huì)比推薦引擎時(shí)代大得多，每個(gè)人可能只聽到自己想聽到的，只理解自己能理解的，我不知道這會(huì)對(duì)人類產(chǎn)生什么影響，但這個(gè)影響一定是世界范圍的。

ChatGPT 會(huì)導(dǎo)致哪些行業(yè)消失？

險(xiǎn)峰：在你們看來，ChatGPT的出現(xiàn)可能會(huì)把哪些行業(yè)沖垮？哪些公司現(xiàn)在急需轉(zhuǎn)型？

黃東旭：非常主觀的個(gè)人觀點(diǎn)，不一定對(duì)。

第一我覺得是一些簡(jiǎn)單的內(nèi)容編輯，或者簡(jiǎn)單的內(nèi)容生成工作，比如寫新聞稿、寫一些簡(jiǎn)單的summary，或者一些初級(jí)分析崗位，未來可能都要想一想，但很遺憾這樣的工作其實(shí)可能還挺多的。我覺得ChatGPT出來以后，肯定對(duì)整個(gè)社會(huì)分工造成很大的改變，但這個(gè)改變不會(huì)馬上出現(xiàn)，會(huì)有一定的滯后性，但是這個(gè)改變一定是很深遠(yuǎn)的。

第二是程序員這個(gè)行業(yè)會(huì)被改變，你想象一下，相當(dāng)于過去大家都是步行趕路，現(xiàn)在突然每人發(fā)輛自行車，好處是效率一定會(huì)提升，但當(dāng)有一波人能夠熟練使用ChatGPT的時(shí)候，公司老板就會(huì)想，到底還需不需要雇這么多人了？甚至當(dāng)未來AI能夠自己寫程序時(shí)，程序員在里面的位置又是什么？我自己會(huì)稍微有點(diǎn)悲觀。

陶芳波：其實(shí)從我的觀點(diǎn)來講，大公司可能是第一波受到?jīng)_擊的，都會(huì)被迫面對(duì)這樣一個(gè)巨大的變革。

今天早上我跟一個(gè)非常知名的TMT投資人交流，提到了一個(gè)點(diǎn)，就是蘋果的壁壘到底有多高？在移動(dòng)互聯(lián)網(wǎng)時(shí)代，用戶只能用一臺(tái)手機(jī)去處理許多復(fù)雜的事情，所以需要強(qiáng)大的算力，需要非常好的人機(jī)交互，這是蘋果真正的壁壘。

但如果ChatGPT開始與各種產(chǎn)品結(jié)合，產(chǎn)生了一種新的交互形態(tài)，是不是最后手機(jī)就會(huì)變成了一個(gè)普通的終端？換言之，如果未來AI的軟件部分，提供的服務(wù)比重越來越高，就意味著硬件價(jià)值會(huì)越來越低，蘋果手機(jī)做得再好，以后還會(huì)有那么大的價(jià)值嗎？

當(dāng)天平的兩端發(fā)生調(diào)整，如果蘋果不能及時(shí)入場(chǎng)，為自己的開發(fā)者生態(tài)提供AI化的能力，我覺得它其實(shí)也是很危險(xiǎn)的，再比如說亞馬遜，它的內(nèi)部也一定是red alert（亮起紅色警報(bào)），假如一個(gè)微軟云的客服，跑過去告AWS的用戶說，你要用ChatGPT嗎？來，come to Azure，我覺得至少對(duì)很多中小企業(yè)來說是一個(gè)巨大的誘惑。

所以在我的視角里，未來大公司的格局會(huì)首先發(fā)生變化，就像是微軟拿著一把全世界最牛逼的屠龍刀，一刀一刀的斬過去，就看誰的反應(yīng)夠快。

同樣沖擊也會(huì)向下影響到中小公司，比如說訂票軟件，假設(shè)行業(yè)有10個(gè)競(jìng)爭(zhēng)者，那么誰第一個(gè)擁抱ChatGPT，把自己的數(shù)據(jù)和大模型進(jìn)行鏈接，為客戶提供一種交互式模式的訂票服務(wù)，就像一個(gè)私人助理一樣，這家公司就能把所有的訂單吸過去，其他9家可能就會(huì)死掉。

這個(gè)邏輯在任何行業(yè)都會(huì)存在，因?yàn)槿丝傄喥?，總要接受醫(yī)療服務(wù)，法律服務(wù)，各種各樣的服務(wù)，總要戀愛和社交，所以我在內(nèi)部分享時(shí)常說一句話，當(dāng)ChatGPT出現(xiàn)后，全世界只有兩種人，一種叫溺水者，他的頭被按在水下，他想要浮起來，奮力的想抓住一些東西讓自己活下來，谷歌就是這種感覺。第二種人叫淘金者，他想沖到這波浪潮里面去淘金。

這是今天市場(chǎng)上的兩種公司，我覺得可能誰都無法完全置身事外。你適應(yīng)能力很強(qiáng)，能接受現(xiàn)實(shí)，快速擁抱這個(gè)趨勢(shì)，就能抓住下一個(gè)時(shí)代的機(jī)會(huì)。

小公司如何抓住 ChatGPT 的逆襲機(jī)會(huì)？

費(fèi)良宏： ChatGPT 這一波技術(shù)革命來得比較迅猛，我個(gè)人是有點(diǎn)擔(dān)心，主要是兩點(diǎn)。一個(gè)是從個(gè)人層面。我們回顧歷史，第一次、第二次工業(yè)革命徹底粉碎了手工業(yè)者，過去這些人曾處于一個(gè)比較優(yōu)沃的社會(huì)位置，靠一門手藝就夠確保自己的美好生活，但是機(jī)器大生產(chǎn)將他們變成了普通工人。

在手工業(yè)者衰落的同時(shí)，另一個(gè)新群體開始崛起，就是知識(shí)工作者，在二戰(zhàn)以后，他們成為了貢獻(xiàn)和收益都最大的一群人，當(dāng)然我們也都受益于這個(gè)群體。但ChatGPT出現(xiàn)之后，無論是程序員，還是知識(shí)工作者，都有著被機(jī)器取代的可能，這種模式一旦出現(xiàn)，對(duì)每個(gè)個(gè)體的挑戰(zhàn)是非常巨大的，我對(duì)此會(huì)有擔(dān)憂，尤其應(yīng)該思考我們未來的價(jià)值在哪里？

第二是從企業(yè)的角度來看，OpenAI并不是微軟內(nèi)部孵化的，它到今天也只有375個(gè)員工，是一個(gè)100%的創(chuàng)業(yè)公司，而且是一個(gè)小型創(chuàng)業(yè)公司。包括DeepMind也是家小公司，截止到今天它的員工數(shù)量也才1000個(gè)人，和谷歌的19萬員工比起來九牛一毛。為什么微軟和谷歌內(nèi)部無法孵化出這些項(xiàng)目，而要依賴于外部的這些小企業(yè)？很重要一點(diǎn)，是大企業(yè)在創(chuàng)新上的天生存在弊端和不足，哪怕是最厲害的硅谷科技公司，也無法逃脫這個(gè)規(guī)律。

我前幾天讀了一本書，Netflix 的創(chuàng)始人里德·哈斯廷斯所著的《不拘一格》，其中提到一個(gè)觀點(diǎn)叫「人才密度」——這是創(chuàng)新的前提和基礎(chǔ)，只有足夠聰明的人聚在在一起共事，才會(huì)產(chǎn)生創(chuàng)意的火花，推動(dòng)偉大的創(chuàng)意變成偉大的產(chǎn)品。而如果是在人才密度相對(duì)較小的環(huán)境中，哪怕他真的是一個(gè)人才，也會(huì)被淹沒在各種噪聲和平庸的見解中。

OpenAI只有375個(gè)人，但他的人才密度一定比微軟、谷歌更好，這樣的小企業(yè)才會(huì)推動(dòng)真正的科技進(jìn)步。所以從創(chuàng)新角度看，我并不認(rèn)為大企業(yè)會(huì)對(duì)整個(gè)市場(chǎng)產(chǎn)生多大的影響，反倒是在資本加持之下，創(chuàng)新小企業(yè)才是科技的顛覆力量。

所以我覺得，ChatGPT給我們開了一個(gè)窗口，這個(gè)是一個(gè)千載難逢的機(jī)遇，但它是為創(chuàng)新型小企業(yè)準(zhǔn)備的，而不是大企業(yè)。這點(diǎn)上，我的觀點(diǎn)會(huì)和大家不太一樣，我并不認(rèn)為大企業(yè)能夠獲得最大的紅利。

龍波：談下我的視角，這次ChatGPT帶來的沖擊和改變，無論是大企業(yè)小企業(yè)都必須要去適應(yīng)。在它面前，我甚至認(rèn)為所有公司都是創(chuàng)業(yè)公司，如果大企業(yè)不進(jìn)行二次創(chuàng)業(yè)，那么就會(huì)失去自己的優(yōu)勢(shì)，走下坡路。

總體來說，小企業(yè)的機(jī)會(huì)可能更多在應(yīng)用層。大企業(yè)的話，更要在基礎(chǔ)層和中間層開始二次創(chuàng)業(yè)，不然的話那么肯定會(huì)受到巨大的挑戰(zhàn)。

舉個(gè)例子，很多人現(xiàn)在會(huì)關(guān)注微軟和谷歌的競(jìng)爭(zhēng)，這是一條明線，但暗線的話，我認(rèn)為微軟下一個(gè)對(duì)手其實(shí)是AWS，微軟完全可以利用ChatGPT，改變整個(gè)cloud service（云服務(wù)）格局，實(shí)際上ChatGPT非常適合做各種to B或者cloud-based service一類的工作，比如剛才東旭講到的數(shù)據(jù)庫例子。

再往前推一步，大家都知道，過去電商平臺(tái)要搭一套推薦系統(tǒng)，是一件非常復(fù)雜的事情，因?yàn)槟愕膸炖镆呀?jīng)錄入了過去10年的商品，這些商品都是基于關(guān)鍵詞搜索系統(tǒng)設(shè)計(jì)的，如果要改成推薦制，需要招一支非常資深的工程師團(tuán)隊(duì)，小公司完全用不起。但是如果將來，這些東西都可以通過ChatGPT指令自動(dòng)化完成，整個(gè)cloud的格局都會(huì)改變，我覺得微軟在這方面的機(jī)會(huì)很大，我更看好這條線。相反，在搜索引擎方面，我覺得除非是谷歌犯下很多致命的錯(cuò)誤，不然它還是很有機(jī)會(huì)能翻身的。

硅谷如何看待ChatGPT？

險(xiǎn)峰：現(xiàn)在國(guó)內(nèi)媒體對(duì)于ChatGPT討論的非常熱烈，硅谷那邊的情況如何？他們主要關(guān)注的點(diǎn)是什么？

黃東旭：一樣非?；?。無論是在推特上，還是我身邊的人，ChatGPT應(yīng)該近幾年最大的IT新聞了。

我舉個(gè)例子，從ChatGPT第一個(gè)demo出來到現(xiàn)在，可能也就是兩個(gè)多月的時(shí)間，但硅谷可能已經(jīng)有上百家基于類似產(chǎn)品的創(chuàng)業(yè)公司出來了，所以我覺得硅谷這邊可能動(dòng)作更快一點(diǎn)，而且大家不只是在討論，我甚至覺得很快就會(huì)有獨(dú)角獸出現(xiàn)了。

Everything is a wrapper of openAI，現(xiàn)在就是這樣的一個(gè)市場(chǎng)。

龍波：同樣的熱度，中美都一樣。不同點(diǎn)可能有兩個(gè)地方，只是我自己觀察的，不一定準(zhǔn)確。

第一是硅谷這邊更多還是在聊未來，聊技術(shù)路線的分歧，比如現(xiàn)在的大模型是不是能產(chǎn)生通用AI？未來還需要融入哪些新技術(shù)？國(guó)內(nèi)的話，我覺得反思的人可能會(huì)更多一些，比如為什么我們?cè)贏I領(lǐng)域落后了？下一步要如何追趕？這是我看到的不同，但我覺得兩者都非常好，無論是反思還是展望，可能都是我們現(xiàn)在非常需要的。

第二是硅谷對(duì)于人文關(guān)懷的討論會(huì)多一些，大家更關(guān)心ChatGPT對(duì)社會(huì)、對(duì)人類有什么樣的影響。比如很多人會(huì)持有一種悲觀的觀點(diǎn)，認(rèn)為它不利于人類社會(huì)去中心化發(fā)展。

想象一下，有一個(gè)萬能的AI，它給你提供了所有答案，人人都依靠它，無條件相信它，它就變成了你的權(quán)威，實(shí)際上意味著一種中心化對(duì)個(gè)人思想的控制，而且這種東西往往只有大公司才能做出來，那就意味著大資本對(duì)整個(gè)社會(huì)思想的控制。所以可能大家會(huì)更關(guān)心如何避免這種情況發(fā)生，同時(shí)又能讓這樣的新技術(shù)提高我們效率和幸福感。

普通人如何擁抱ChatGPT ？

險(xiǎn)峰：最后一個(gè)話題，各位覺得自己或者自己所在的業(yè)務(wù)部門，面對(duì)ChatGPT會(huì)有哪些思考和行動(dòng)？

陶芳波：因?yàn)槲覀冏约壕褪茿I公司，可能參與會(huì)比較直接。剛才也提到，國(guó)內(nèi)現(xiàn)在沒有辦法使用ChatGPT，目前來看，雖然有一些很不錯(cuò)的團(tuán)隊(duì)正在組建，但離跑出來可能還需要一段時(shí)間。

我覺得整個(gè)ChatGPT的生態(tài)，會(huì)在未來一兩年內(nèi)逐漸形成，所以對(duì)中國(guó)企業(yè)來說，這里面還是有一些全球性機(jī)會(huì)的，中國(guó)的創(chuàng)業(yè)者不一定非要窩在家里，等著國(guó)內(nèi)的生態(tài)建立起來。

就我們公司而言，第一，是嘗試探索未來的中間層在哪里，怎樣把ChatGPT的能力提升，并用它服務(wù)于其他的企業(yè)。像東旭剛才講的，everything is a wrapper of GPT，那么how can we be the best wrapper？我覺得能做好一個(gè)wrapper本身就很有價(jià)值。

第二就是作為中國(guó)企業(yè)，我們未來怎么樣幫助中國(guó)參與到全球的AI生態(tài)競(jìng)爭(zhēng)當(dāng)中？最近有幾個(gè)大新聞，包括王慧文也在組建中國(guó)的OpenAI團(tuán)隊(duì)，我們也在時(shí)刻關(guān)注著，畢竟中國(guó)是一個(gè)世界大國(guó)，無論從國(guó)家安全考慮或者科技競(jìng)爭(zhēng)考慮，中國(guó)都需要一個(gè)這樣的東西出來。所以我們也在跟政府、大企業(yè)去合作，看看能不能幫到一些忙，或說是能參與到其中的建設(shè)。

費(fèi)良宏：可以預(yù)計(jì)的是，云計(jì)算跟AI的結(jié)合會(huì)越來越緊密，隨著ChatGPT對(duì)整個(gè)市場(chǎng)的普及和教育，大家對(duì)AI的認(rèn)識(shí)達(dá)到了一個(gè)新的高度。我身邊很多非技術(shù)的朋友都開始跟我探討ChatGPT，這是一個(gè)非常好的苗頭，未來無論是AI as services或者是Model as services，一定會(huì)越來普及，幫助AI與人實(shí)現(xiàn)更好的交互。

對(duì)于一個(gè)開發(fā)人員來講，與 ChatGPT相關(guān)的工程化能力未來會(huì)是一個(gè)非常關(guān)鍵的技能，所以抓緊時(shí)間窗口的機(jī)會(huì)，盡快掌握這個(gè)能力，ChatGPT對(duì)每個(gè)人來說都是公平的，也是有挑戰(zhàn)的，總體來講還是機(jī)會(huì)大于挑戰(zhàn)。

黃東旭：說一個(gè)我最近的思考：在這個(gè)時(shí)代，我們應(yīng)該放棄一種觀念，就是人比AI強(qiáng)，未來不應(yīng)該是我們?nèi)ソ藺I做事情，而是讓AI來教我們做事情，放棄這個(gè)執(zhí)念以后，你才可能打開新世界的大門。

比如之前我教 ChatGPT寫代碼，會(huì)給他一些例子，告訴他說你不要這么做，你應(yīng)該這么做，但他學(xué)了這些例子后，做出來的東西效果反而更不好了。后來我干脆放開手腳，讓AI自己去弄，你覺得怎么樣好就怎么做，結(jié)果反而更好。這件事給我?guī)硪恍┱軐W(xué)思考，我會(huì)經(jīng)常提醒自己放下執(zhí)念。

龍波：我之前主要從事Computational Ad（計(jì)算廣告行業(yè)），大家都知道，計(jì)算廣告是支撐起整個(gè)互聯(lián)網(wǎng)最重要的商業(yè)模式，前面我也談到過，ChatGPT的擠占了傳統(tǒng)廣告的注意力空間，對(duì)這個(gè)行業(yè)帶來巨大的沖擊，這是挑戰(zhàn)的一面。

反過來，用戶之所以討厭廣告，是因?yàn)檫@些廣告的體驗(yàn)不好，用戶覺得為什么你要讓我看到這些，我不喜歡。但如果，未來AI會(huì)變成你最貼心的的管家，變成鋼鐵俠的賈維斯，那時(shí)廣告可能會(huì)達(dá)到它的最高境界，即完全不損壞用戶體驗(yàn)，我給你的就是你最需要的東西，也許ChatGPT真能做到這一點(diǎn)，這會(huì)是一個(gè)巨大的機(jī)遇，這是我的一些思考。

險(xiǎn)峰：謝謝幾位，下面是幾位觀眾的留言提問，有人問現(xiàn)在考大學(xué)的話，CS專業(yè)以后還有前途嗎？各位怎么看？

費(fèi)良宏：如果一年之前，我肯定會(huì)鼓勵(lì)他學(xué)習(xí)計(jì)算機(jī)專業(yè)，但是今年答案可能就沒那么簡(jiǎn)單了，比如經(jīng)濟(jì)環(huán)境改變的裁員問題，包括ChatGPT帶來的沖擊。

但沖擊其實(shí)無處不在，我記得是去年Alpha Fold剛出來的時(shí)候，對(duì)大家沖擊其實(shí)不亞于這一次，我們用一個(gè)簡(jiǎn)單的語言模型就能預(yù)測(cè)出2萬多種生物蛋白，而且準(zhǔn)確率非常高，整個(gè)分子生物學(xué)的格局都被改變了，背后也是千千萬萬的從業(yè)者受到影響。

所以我是在這么看的，我們不一定要以薪酬高低來選擇自己的行業(yè)，而應(yīng)該看按照自己的特長(zhǎng)。簡(jiǎn)單來說，如果你是基于薪水多才選擇了做程序員，在大變革面前你很難堅(jiān)持下來。但反過來，如果這是興趣專長(zhǎng)或愛好，能夠長(zhǎng)期堅(jiān)持，我相信在這個(gè)世界當(dāng)中的機(jī)會(huì)無處不在。

回到最初這個(gè)問題上，我不建議大家簡(jiǎn)單的把專業(yè)定位在計(jì)算機(jī)或非計(jì)算機(jī)上，而是更大程度上選擇你擅長(zhǎng)和喜歡的領(lǐng)域，接下來AI會(huì)和各行各業(yè)發(fā)生連接，如果你有能力把自己的專業(yè)與AI相結(jié)合，可能會(huì)是一個(gè)更有價(jià)值的選擇。

OpenAI的組織設(shè)計(jì)給創(chuàng)業(yè)者帶來哪些啟示？

險(xiǎn)峰：有觀眾問，未來各巨頭都會(huì)有自己的大模型，所有大模型之間會(huì)不會(huì)趨同？以后差異化會(huì)在哪里？

陶芳波：這個(gè)是一個(gè)很預(yù)測(cè)性的問題，可能我也不能完全回答，但我覺得ChatGPT本身需要調(diào)教，這個(gè)調(diào)教的過程里就包含了很多你對(duì)于業(yè)務(wù)的理解，最終的形態(tài)肯定也會(huì)很不一樣。這件事我一個(gè)人的大腦肯定是不夠用的，現(xiàn)在全世界無數(shù)的人都在想大模型的下一個(gè)形態(tài)是什么？我覺得可以多關(guān)注一些行業(yè)動(dòng)態(tài)，我相信一定有人已經(jīng)在做類似的事情。

險(xiǎn)峰：有觀眾問到，OpenAI團(tuán)隊(duì)和組織框架設(shè)計(jì)上的一些獨(dú)特之處，是否對(duì)他們的成功產(chǎn)生了影響？

龍波：我可能剛才提到過一點(diǎn)，對(duì)于創(chuàng)新型企業(yè)，堅(jiān)持是其中一個(gè)非常重要的品質(zhì)。做出ChatGPT要調(diào)用大量的資源，對(duì)一家小企業(yè)來說其實(shí)是很困難的，另外站在當(dāng)時(shí)看，技術(shù)路徑也遠(yuǎn)不如現(xiàn)在清晰，所以他們選擇了一個(gè)非常獨(dú)特的非盈利組織架構(gòu)，就是不想被短期商業(yè)利益所脅迫，這讓創(chuàng)始團(tuán)隊(duì)在早期就打下了一個(gè)比較深厚的技術(shù)烙印。

所以你看這次王慧文老師出來創(chuàng)業(yè)，也是要做一家關(guān)注技術(shù)創(chuàng)新，而不是短時(shí)間內(nèi)商業(yè)變現(xiàn)的企業(yè)，我想這可能是OpenAI對(duì)我們的啟發(fā)，要堅(jiān)持長(zhǎng)期主義，更加集中注意力，真正做出一些有深度的東西。

陶芳波：非常同意龍波總說的，可能我倆都屬于AI科班出身，會(huì)非常有共鳴。我覺得OpenAI的成功，跟團(tuán)隊(duì)成員都有著非常強(qiáng)烈的技術(shù)信仰有關(guān)，他們相信這件事情一定能成，在5年前剛開始做GPT1的時(shí)候，他們就堅(jiān)信，只要把自回歸的大語言模型做到極致，就一定能可以做出AGI，所以才能一直堅(jiān)持下來。

其實(shí)在GPT3出來之前，根本沒人在乎他們，大家都覺得，這些東西我們也能做，但GPT3出來之后，那些大廠才開始追隨他們?nèi)ジM(jìn)，但此時(shí)他們已經(jīng)繼續(xù)再往前推了。所以我想說，堅(jiān)持當(dāng)然不一定能成功的，99%的堅(jiān)持最后可能也都是失敗的，但如果不堅(jiān)持，至少就不會(huì)像他們那么成功。凡是取得巨大成功的人，一定是堅(jiān)持下來的人，人有時(shí)候是要對(duì)抗全世界的，我覺得這種感覺真的會(huì)特別好。