中国版ChatGPT的虚与实：商业应用的认知陷阱

ChatGPT与Excel 10个月前 lida

38 0 0

文章主题：关键词：ChatGPT，国内企业，讨论，影响，技术应用，商业空间，微软，ChatGPT类产品，文心一言，人工智能，模型迭代，商业策略，用户心理阈值，空间换时间，认知陷阱，大模型，技术门槛，创新，快速开发，市场反应

ChatGPT 的热烈讨论及其在国际和国内互联网领域产生的影响已经持续蔓延。在国内，诸如百度等企业纷纷跟进并投入大模型研发。那么，关于如何解析国内类似 ChatGPT 产品的实际应用与“虚”或“实”之间的差别，让我们一起来探讨作者的独特见解。

文心一言发布十余天后，争论仍未有止歇的迹象。

文心一言收到了 “拉垮” 的评价，在逻辑推理和多轮对话等方面与多轮迭代的 ChatGPT 相比存在差距。然而，也有人为文心一言辩护，他们认为这款产品填补了中文互联网的空白，并展现了百度直面竞争的勇气，因此值得肯定。

在未来的发展中，我们可能会听到这样的话：当前的“文心一言”内测体验尚未达到完美的境界，但这并不意味着它的发布将会止步。相反，我们相信它将在市场上找到自己的定位，并凭借真实用户反馈、开发者调用以及模型迭代之间的相互促进，实现快速的提升。正如古人云：“士别三日，当刮目相看”，我们期待“文心一言”在未来的表现定会让人们刮目相看。

在本文中，我们并非要比较文心一言和ChatGPT之间的差异，而是关注一个更广泛的话题：那些自称为“中国版 ChatGPT”的游戏玩家，他们的行为是追求卓越，还是仅仅满足于跟随者的地位？这个问题实际上涉及到了人们在不同初心驱使下的不同结果。

一、中国版 ChatGPT 的虚与实

国内企业对 ChatGPT 的态度，大致可以分为三个阶段：

第一个阶段是 2023 年农历春节前。

在2022年11月30日，OpenAI推出了一款名为ChatGPT的聊天机器人，仅仅五天的时间，其注册用户数量便突破了百万大关。这个消息在国内媒体以及微博等社交网络上引起了广泛的关注，并出现了诸多关于ChatGPT可能引发搜索引擎大革命、大学生利用ChatGPT撰写论文以及部分高校禁止使用ChatGPT的声音。

在技术论坛中，一个被称为“中国版 ChatGPT”的话题引起了关注，这个话题在圈内人之间小范围地进行了探讨，国内的许多大公司 likely都有工程师参与其中。然而，ChatGPT 的频繁失误、虚假信息的报道以及商业化的不确定性，让国内大部分企业选择了保持沉默。

第二个阶段是 ChatGPT 爆红后。

时间来到 2023 年 1 月末，ChatGPT 的注册用户破亿，成为史上扩散速度最快的应用，这场 AI 风暴终于吹到了太平洋对岸。国内社交媒体上充斥着 ChatGPT 的对话截图，并且出现了 “ChatGPT 概念股 ” 的说法。

中国的科技大厂们 ” 猛然醒悟 “，纷纷开始就中国版 ChatGPT 表明态度：百度在 2 月 7 日官宣将在 3 月上线文心一言；腾讯在 2 月 9 日回应称 ” 在相关方向上已有布局，专项研究也在有序推进 “；阿里传出了类 ChatGPT 应用的对话截图；京东、网易有道、科大讯飞、小米也先后发声将推出相关产品。

第三个阶段是文心一言上线后。

可能因为发布会上的录屏展示，百度的股价在文心一言发布当天即下跌 10%，一度成为互联网上的众嘲对象，即使李彦宏和百度 CTO 王海峰均在发布会上提前打了 ” 预防针 “，直言模型目前 ” 训练不够充分 “。

有趣的是其他科技大厂的态度。目前申请测试百度文心的用户已经百万，超过 10 家企业用户申请调用文心一言的企业版 API。如果说 ChatGPT 的走红只是唤醒了国内网民的好奇心，摆出了一副吃瓜群众的姿态，现在已然被彻底点燃了热情。但百度文心上线近 10 天后，并未有第二家企业官宣。

个中原因恐怕离不开 ” 功利 ” 二字。

在 ChatGPT 的方向被论证前，国内的大部分投资人和技术领袖并不敢冒险跟进，不考虑短期收益的只有少数派中的少数派；ChatGPT 爆红后，特别是 “ChatGPT 概念股 ” 出现后，中国版 ChatGPT 已经成为一种政治正确，大厂们的表态也就无可厚非；文心一言上线后则是另一个极端，在 ” 肉眼可见 ” 的技术差距面前，暂时收敛锋芒是否也是一种避开被舆论讨伐的选项？

” 中国版 ChatGPT” 或喧嚣或冷静的背后，似乎还有另外一种解释：在用户心理阈值最高的时候，跟风放出消息不失为一种聪明的商业策略，而落实到产品上，终归还要结合现实需求。就像科大讯飞董事长刘庆峰的观点：AI 要兑现红利，标准之一就是有看得见摸得着的应用场景。

二、空间换时间的认知陷阱

至于 ChatGPT 类产品的商业空间，微软无疑是最佳的参考对象。

作为 OpenAI 的大股东，微软被中国网友们戏称为 ” 坐在副驾驶上狂飙 “，尤其是在 ChatGPT 的商业应用上，微软可谓动作频频：1 月 17 日的公开活动上，微软 CEO 纳德拉表示，计划将 ChatGPT 整合进其所有产品；半个多月后，微软正式推出新版必应，将 ChatGPT 与搜索引擎融合；GPT-4 发布两天后，微软发布了新功能 Copilot，将用于 Word、PowerPoint、Excel、Outlook 等产品中，可自动生成 PPT、自动写文章……

为何国内企业并没有兵临城下的危机感？最常见的说法是 ” 空间换时间 “，中文互联网的特殊性，为国内企业留下了充足的反应时间。譬如晚于 ChatGPT 三个半月诞生的文心一言，照旧抓住了大把的机会。诸如此类的说辞在某种程度上有其道理，却也存在一些不可小觑的认知陷阱。

比如中文语料库的问题。

在不少人的理解中，中文语料库是 ChatGPT 难以逾越的壁垒，李彦宏称 ” 文心一言是更适合中国市场的人工智能模型 “，理由正是中文特殊的分词和语法结构。中文语料库的建设需要大量的人力、物力和财力投入，同时还需要考虑语料的质量、版权等问题，几乎是一个天然避风港。

可国内互联网巨头的 ” 数据隔离 ” 也是不争的事实，尽管在工信部的施压下，大厂们被迫 ” 拆墙 “，但不同平台的数据仍然很难产生交流和总结，无形中增加了模型训练的难度。就连文心一言的图像生成都经被传出先将中文指令翻译成英文，再根据英文描述生成图像，中文语料的现状可见一斑。

再比如技术上的硬性门槛。

国内并不缺少媲美 GPT-3 的大模型，这也是很多企业自信可以开发出 ChatGPT 类应用的直接原因，然而算力资源、工程能力、模型迭代策略、调优机制等能力的缺失也是不争的事实。还是文心一言的例子，虽然有 ChatGPT 这个参考答案，迭代、调优的路还是要重新走一遍才行。

一个浅显的道理，OpenAI 在推出 ChatGPT 前，已经在大模型上默默耕耘了 4 年时间，期间不知道有多少次的试错。毕竟一个现象级产品诞生，往往是资源、基础技术、人才、产业需求等一系列因素的集大成，国内到底有多少家企业能够越过技术上的硬性门槛，目前还是一个未知数。

按照华西证券的测算，百度的文心一言想要达到 ChatGPT 目前的能力，需要补足的训练、推理和数据标注成本分别为 2.29 亿元、13.62 亿元、0.05 亿元，需要保持年均 16 亿元的投入。

倘若再算上维持正常运转的人力成本、训练模型的算力成本、存储数据的数据中心耗费，百度想要追平 OpenAI 需要付出相当庞大的投入，遑论其他缺少前期布局的企业。

就在百度们还在追赶 GPT-3.5 时，OpneAI 已经有条不紊的推出了功能更为强大的 GPT-4，并在 3 月 24 日宣布部分解除了 ChatGPT 无法联网的限制，正在推出 ChatGPT 插件，可以访问训练数据外的信息，增加一些特定功能，开始了从工具向平台的进化。

三、” 追风者 ” 无缘 ” 星辰大海 “

最糟糕的并不是做一个 ” 追赶者 “，而是 ” 反应迟钝 ” 的追风者。

早在 2020 年的时候，OpenAI 就借着 GPT-3 一鸣惊人，随即在全球范围内拉开了一场大模型军备竞赛，国内的华为、智源、浪潮、阿里云、百度、腾讯等企业先后发布了自家的预训练大模型品，并不断从 NLP 延伸出了双语、CV、跨模态等大模型。

而后的一段日子里，来自中国的大模型覇榜各类榜单，学术论文如流水线般生产。一些研究人员以发论文为己任，鲜有人思考学术以外的价值；企业对大模型满怀信心，并试图推动产业落地中来变现。最终也仅仅止步于此，没有一家企业能创造性地越过大模型到 ChatGPT 的天堑。

有人在知乎上问道：阻碍国内团队研究 ChatGPT 这样产品的障碍有哪些，技术、钱还是领导力？OneFlow 创始人袁进辉的回答道出了问题的本质：” 需要有远见且为理想而持之以恒的人。”

不可否认的是，” 谈理想 ” 在国内的商业环境中多少有些感性且不切实际，甚至连相应的故事都是 ” 舶来品 “：图灵奖得主 Hinton 潜心研究神经网络 50 多年；斯坦福的李飞飞教授花费 6 年时间创建了 ImageNet 数据集；OpenAI 最初被定义为非营利性人工智能组织，要向全世界公开分享他们的研究成果……

国内盛行的是另一种商业故事：张小龙在 2010 年带领一个不到 10 人的团队，用了不足 70 天的时间开发出了微信的第一个版本；出行大战中胜出的滴滴，曾用四个月的时间拉来了一万多名网约车司机；2013 年才立项测试外卖项目的美团，到了 2014 年就将外卖送到了全国 200 个城市……

问题在于，追逐风口、快速创新的打法到了人工智能时代是否依然奏效？不妨借用英伟达 CEO 黄仁勋的一个比喻：” 每家公司都应该知道，未来的软件开发有点像炼丹，这是一个 MLOps 的过程。” 其中的 MLOps 可以翻译为 ” 人工智能研发运营体系 “，涵盖开发、部署、交付验证三个必不可少的过程。

在中国版 ChatGPT 的研发中，国内的企业已然走了 ” 捷径 “：比如 ChatGPT 最大的特点就是引入了人类反馈的强化学习（RLHF），即用人工标注的方式，不断地将结果去反馈给模型，让模型不断自我迭代。百度等企业后来也采用了 RLHF 模式，并辅以 ” 对话增强、有监督精调 ” 等机制，底层架构和技术路径都与 OpenAI 相似。

最危险的地方恰恰也在于此。

不少人将 ChatGPT 比作是移动互联网时代的 iPhone，意味着 ChatGPT 只是个开始，将有更多超出固有认知的新事物出现，可能是聊天机器人，可能是 ” 画图高手 “，也可能是当前还想不到的应用。同时也预示着层出不穷的新风口，凡是风口，皆有虚实，一味跟着别人走路，总有踏空的时候。

李彦宏曾在 2021 年初的内部信中写道：” 我们熬得过万丈孤独，藏得下星辰大海。” 冥冥中成了中国企业面对 ChatGPT 时的命运写照：熬不过万丈孤独，何谈星辰大海？

四、写在最后

中国版 ChatGPT 的故事还在继续，不排除有越来越多的相似产品上线，甚至出现 ” 百花齐放 ” 的局面。

需要警惕的是那些自诩为 ” 国产之光 ” 的追风者，聊天机器人的风口来临时，迅速整顿人马开发类似应用；AI 生图的热度起来后，快速组建团队抓住新的契机；而当新的风向标出现时，会再次调转方向…… 不愿意在底层技术上 ” 苦修 “，注定要在风口里兜兜转转。

因为 ” 追赶者 ” 仍抱有理想、信念和希望，” 追风者 ” 注定只会在风中盘旋，被风势裹挟。

专栏作家

Alter，微信公众号：Alter 聊 IT（ID：spnews），人人都是产品经理专栏作家，互联网观察者。专注于移动互联网、智能硬件、电子商务等科技领域。独立的自媒体人，走在创业的路上。

本文原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议