ChatGPT与AI大模型｜一村资本研究社

　　2022年12月，由OpenAI研究开发的ChatGPT正式发布。ChatGPT一经发布，就成为史上最快达到1亿活跃用户的APP。ChatGPT的超强人工智能引发热议，以其为代表的AI大模型展现代际提升的通用AI能力，向“通用人工智能”迈进了一大步，并引发了AI的技术革命和创业热潮。在本文中，我们将从行业发展、投资机会和挑战三个方面来探讨新一代大型AI模型的趋势和影响。希望通过此文的分析抛砖引玉，为新一代AI领域的研究提供启发。

　　ChatGPT的发展历程

　　ChatGPT的强大得益于前期大型语言模型（LLM，Large Language Model）的发展和积累。2017年，Google提出的Transformer架构引入自注意力机制，进一步模拟和优化了人脑学习过程，使得自然语言处理（NLP）能力大幅提升，自此开启了大模型训练之路。至2020年，OpenAI推出的GPT-3展现了出色的多任务语言能力和效果，GPT（Generative Pre-Training Transformer）路线成为当下主流技术路线。AI大模型也引发AI范式发生变化：此前的共识是专有小模型+小算力，用精妙的算法和更高的模型精度，来减少算力投入；而新的共识是“大力出奇迹”，即预训练大模型+大算力+海量数据。

　　ChatGPT是基OpenAI在2020年推出的大模型GPT-3的基础上、引入基于人工反馈的强化学习、做了大型fine-tuning（微调）和alignment（对齐）后的超级应用。1750亿参数的GPT-3在问答、摘要、翻译、续写、理解等语言类任务上均展现出了优秀的通用能力。GPT-1至GPT-3在参数量和训练数据量在指数级提升，而ChatGPT是在GPT3.5（InstructGPT）基础上升级的超级APP。ChatGPT的效果远超上一代AI，主要是基于以下几点：

　　●Transformer模型架构的capacity更强，可以承载和训练海量的数据，使得它能够获取海量的知识。

　　●参数级别在超过一定规模后，系统出现“涌现”（emergent）。涌现现象使它具有多方面的性能爆发。

　　●引入基于人工反馈的强化学习（Reinforcement Learning from Human Feedback），将人类交互与机器学习做了对齐（alignment），使机器更类人，遵循人类伦理。

　　●从InstructGPT开始，除了语料外还学习了海量的代码数据，代码的学习使ChatGPT具有更好的逻辑理解与运用能力。

　　●大语言模型的涌现现象，在一定规模后迅速涌现出新能力。

　　AI大模型正处于加速“军备竞赛”的状态，国内外均引发了创业热潮。过去十年表现，的模型的参数，每18个月增加了35倍，已远超摩尔定律，展现了“新摩尔定律”的特点，其在参数量和多模态方面仍然具有巨大的空间和潜力。短期内AI的价值可能被高估，存在泡沫化风险，但长期来看，AI技术将会迎来真正的技术拐点。预计新一代的AI将在未来3-5年内渗透到我们的生活中，成为像现在的互联网一样不可或缺的存在。

　　*“新摩尔定律”：宇宙中的智能数量每18个月翻一番。（OpenAI CEO提出）

　　新一代AI的投资机遇

　　AI大模型和生成式AI为我们带来了，的开创性和颠覆性机会，同时也成为了投资领域的热点。在投资分析中，我们可以将AI分为模型层/中间层和应用层两个层面。

　　生成式AI

　　是一种新型人工智能技术，能够根据输入数据自动生成相应的输出内容。与传统的基于规则的人工智能不同，生成式AI通常使用深度学习技术训练模型，使其能够学习到输入数据中的内在规律，并根据这些规律自主创作新的内容。

　　模型层/中间层方面，显然AI大模型是资金密集和人才密集型的领域。受限于AI人才的稀缺性和大模型对人力、资金的巨大需求，通用大模型的机会会更多集中在科技巨头公司。然而，垂直行业的端到端大模型仍为创业公司提供了广阔的市场空间，例如Bloomberg利用其金融领域的独特数据和行业认知在金融领域推出的BloombergGPT模型，效果超过了GPT-4。此外，创业公司还可以借助开源大模型带来的中间层机会，在开源模型管理、部署、模型训练相关工具链等方面均有大量需求。

　　应用层方面，大模型和生成式AI将带来很多全新场景，改变生产和生活方式。文字生成、文生图、AI视频、AI代码生成和Prompt工具等技术将引领潮流，为To C和To B市场创造新价值。这些技术将提升内容创作效率、智能数据可视化、降低视频制作成本、简化（乃至重塑）软件开发流程并提高决策效率。企业和创业者需探索创新，将前沿技术应用于实际场景，实现产业升级和变革。

　　To C的机会包含平台型机会，如AI虚拟社交、搜索引擎、游戏、虚拟陪伴等。举例来说，AI虚拟社交可以是一个全新的场景，也是一种游戏；而在未来游戏里的内容和NPC都会是高度智能化的而非预设的，游戏的可玩度、创造力会有无穷的提升。

　　To B的机会则包括行业垂直SaaS机会，如电商、短视频、金融、生物制药等领域。可以是生成式AI原生创业公司的机会，更是原有SaaS公司的能力升级的机会，如Office 365、设计软件Canva的能力大幅提等，以及协同工具Notion引入生成式AI后，其文字撰写、summary、会议记录等等知识能力也大幅提升。

　　需要注意的是，应用层的创业公司需要关注构建技术栈和数据层面的竞争门槛，以及其与底层大模型的关系。在这方面，创业公司需要考虑如何在技术和数据上形成差异化优势，避免被底层模型供应商所限制。

　　基于上述，我们会，关注以下AI投资机会：

　　1、垂直行业的端到端大模型机会，利用特定的行业数据（公开数据、半公开数据、专有数据），并根据行业和应用侧需求针对性地进行大模型的预训练，该模式会兼备数据和技术门槛以及商业落地性；

　　2、利用新一代AI解锁了全新场景的原生生成式AI（Generative AI native）创业公司，他们会大幅创造增量价值、或破坏性地颠覆原有场景；

　　3、AI大模型相关的中间层机会，如开源模型托管、部署以及其他MLOps（机器学习运维）相关工具链，这些公司有机会成为这一波AI大模型热潮的“卖水人”。

　　新一代AI面临的挑战

　　新一代AI技术正呈现出爆炸式的增长，同时也带来了更多的机会和挑战。为了更好地探讨新一代AI面临的问题和解决方案，笔者将从三个方面进行说明。

　　挑战一：监管问题

　　4月11日，网信办发布了《生成式人工智能服务管理办法（征求意见稿）》，试图对生成式AI进行监管，以确保生成内容可控。然而，由于生成式AI具有不稳定性和不可解释性，监管变得，挑战性。

　　首先，生成式AI的不可预测性使监管部门难以制定完备的监管规定。实时识别和审查生成内容的技术手段还有待完善，这给监管带来了技术层面的困难。严格的监管可能会限制生成式AI的创新和发展，导致其潜力无法充分发挥。同时，如何兼顾保护公共利益和维护个人隐私，也是一个需要平衡选择的问题。

　　总之，对生成式AI进行监管的实际操作中面临诸多挑战。政府和监管部门需深入研究生成式AI的特点，与业界合作，共同寻找有效的监管策略，以确保技术创新与社会责任的平衡。

　　挑战二：教育范式变化

　　教育范式变化。随着AI大模型逐渐展现出越来越强大的能力，甚至可以媲美大学生的知识水平，教育领域的范式可能会发生重大变革，影响人类学习和教育方法。在这一过程中，教育者、政策制定者以及学生本身需要关注其中的机遇与挑战，确保AI技术为教育带来积极变革。

　　在知识传授方面，传统的教育方式或面临重大挑战。对于许多学科领域，人类可能不再需要死记硬背大量的知识，而是通过掌握如何有效运用AI工具来解决问题。这可能导致教育体系的重大调整，更加注重培养学生的创新能力、批判性思维和团队协作等软技能。为了满足这一变革，教育政策制定者和学校可能需要重新审视课程设计、评估标准和教学方法，以适应AI时代的需求。

　　此外，面对AI技术的普及，教育工作者也需要关注一些潜在问题。例如，如何确保AI技术在教育中的公平性和道德性，防止技术加剧社会不平等现象？教育者还需思考如何让学生保持对学习的热情，不被AI取代的恐惧所困扰。为了实现这一目标，教育者可以将AI作为辅助工具，引导学生主动参与学习，培养他们成为终身学习者。

　　挑战三：技术垄断

　　技术垄断可能也会带来挑战。基于GPT的大模型越来越接近AGI（通用人工智能），对于政府、社会关系的影响也会越来越大。技术垄断同时可能导致数据和算法资源的不公平分配，加大企业之间的差距。

　　例如，拥有大量数据和强大算力的科技巨头可能会成为AI技术的主要推动者，使中小型企业和创业公司难以与之竞争。这种垄断势力可能导致数据隐私和信息安全问题，因为这些企业可以利用其庞大的数据资源跟踪和分析用户行为。此外，技术垄断可能影响创新进程，因为垄断企业可能会抑制竞争对手的发展，从而限制新技术和应用的产生。

　　因此，政府和监管机构需要关注技术垄断所带来的挑战，寻求制定相应政策，以遏制垄断势力，促进公平竞争和创新。这也是一个值得思考的问题，未来是否会有必要对这些技术巨头进行监管或接管，以保障社会公平和创新环境。

　　小 结

　　正如Andrew Ng所说的 “人工智能是新电力，就像100年前电力改变了几乎所有产业，今天很难想象哪个行业未来几年不会被人工智能改变。” 生成式人工智能将改变多个行业并有助于解决现实世界的问题。

　　同时，也如Demis Hassabis 的观点所说的，“人工智能是人类创造的最强大技术，有助于解决许多全球，的问题。但我们需要确保AI的发展使全人类受益，力量得到明智使用。” ，我们需要在把握投资机遇的同时，审慎思考如何在保障公平、道德和创新的前提下，充分发挥生成式人工智能的潜力，只有这样才能实现技术与人类和谐共生的愿景，共创美好未来。毫无疑问，随着技术的普及和成熟，未来世界将更智能、高效且充满机遇。

　　•Andrew Ng：人工智能专家、谷歌大脑（Google Brain）和百度研究院（Baidu Research）的前任负责人，专注于推广人工智能的应用和发展。

　　•Demis Hassabis：人工智能专家、DeepMind公司的创始人和首席执行官，致力于解决人工智能方面的核心问题，并将其应用于改善人类的生活。

　　“一村研究社”是一村资本打造的全新专栏，旨在研究与分享产业领域，技术与消息，并针对有投资价值的赛道企业做价值评估，挖掘优质项目的潜在投资机会。我们期望通过投研联动，拓展公司同仁的眼界与新知，并搭建一个能与业界同行沟通交流的平台。