AI 再次看到了實現商業化價值的曙光。
這次，借助 OpenAI 團隊的 AI 夢想結晶，現象級産品 "ChatGPT"，AI 應用火出天際。
但是，就目前而言，ChatGPT 和之前的 AI 産品一樣，仍未随之出現可見的商業化模式。
既出人意料而又無意外，這看上去矛盾。但多年的實踐證明，作爲技術應用大國，中國對原創技術的商業化應用探索，常能領先。如今，這對矛盾又一次在類 ChatGPT 商業化價值探索領域，閃耀着這抹中國色彩。
來自中國合肥的 AI 創業公司——未來智能，開發的會議辦公耳機 iFLYBUDS 系列，即爲類 ChatGPT 平台商業化做多年努力的結果呈現，也是爲之實現商業價值的生态系統，提供垂直場景數據和訓練叠代的智能終端。
多年的原創技術和應用大勢都曾經或仍在證明：共建才能産生真正的商業繁榮，而共建法則，即構建生态平台。從 ChatGPT 聚合的技術應用前景看，ChatGPT 具備生态特征。
生态需要何種應用技術？未來智能的會議耳機這種 AI 終端有哪些功能，和 ChatGPT 有什麽關系？如何實現商業化？
老問題：ChatGPT 爲何在美問世
從 AI 技術發展路徑看，ChatGPT 并非新技術成果。在理論上，ChatGPT 沒有更多創建——核心技術在 2017 年就已出現。
這次爲很麽能大火？" 因爲面向公衆開放。" 未來智能 CEO 馬嘯對華爾街見聞說，" 原先 ChatGPT 做的是企業級服務，或面向大型開發者，這次對公衆開放後掀起狂潮。"
ChatGPT 問世後橫掃全球，在短期内（2 個月）即積累了 1 億用戶，成爲全球迄今爲止達成 1 億用戶最快的技術應用工具。說這是工具，但究竟什麽是 ChatGPT？
簡單說，ChatGPT 是用 Problem Models（問題模型）加上 1750 億個參數 / 節點，以之爲基礎提供巨量、有監督的學習數據，借助 Transformer 架構，" 投喂 " 給 AI 訓練模型，做出的 AI 應用效果。
這麽解釋或許過于抽象，那就換種說法。
顧名思義，ChatGPT 中的 "Chat" 是 " 聊天 " 的意思，GPT 是什麽？這是 OpenAI 公司的一個 AI 技術名詞。民生證券電子行業分析師方競在研報中寫道：ChatGPT 是基于 OpenAI GPT 技術的聊天機器人，擁有 3000 億單詞的語料基礎，預訓練出擁有 1750 億個參數的模型。
由于 GPT 的技術核心 Transformer 神經網絡架構在 2017 年就實現了開源——這個架構由谷歌創建，其革命性在于能讓 AI" 聽懂人話 " ——因此，中國 AI 領域對此也不陌生。
但是，中國在技術領域一向有着秉持實用主義的 " 優秀 " 傳統，不願爲看不見或不明确的未來持續投入資本。因此，沒有人像 OpenAI 那樣，持續保持大投入，通過 Transformer 架構做 AI 技術開發。
" 大模型要燒很多錢，因爲要大規模做算力分布式節點投入。" 馬嘯說，" 所以 2017 年以來，國内都在觀望。"
從現實的角度看，國内不敢投入，也确實因爲基于 Transformer 架構的 AI 技術開發成本難以承受。
自 2017 年，Transformer 神經網絡架構問世，AI 即進入大模型階段。這什麽意思？大模型有三要素，即算力、算法和數據。這三要素的相互關系是，算力的強弱，決定算法的效率，而算法又決定數據的有效性；反過來，數據是訓練算法的要件，能決定 AI 學到的知識量。
在業界，能提供高效 AI 訓練的載體是英偉達的 A100 和 H100 等 AI 專用顯卡。這種專用顯卡與普通消費級顯卡的區别在于，後者通常會将部分算力讓渡于光追等功能，而前者的特點是從硬件設計到軟件配套，都爲 all in AI 服務。
如此很明顯，GPT 的訓練效果優劣，與投入的顯卡數量有關——巨額成本即源于此。
這成本多高呢？據說有機構做了測算，訓練一個 GPT-3，需要至少 1024 張 A100 顯卡持續運轉 30 天，而 A100 顯卡最便宜的版本，價格也高達 8769 美元。也就是說，爲 AI 訓練做最基礎的核心硬件準備，就得投入 880 萬美元。
除了最基礎的高額硬件投入，ChatGPT 訓練所耗費的成本才是不可承受之重。訓練一次，需要 1000 萬美元，要訓練出一個 GPT-3，以每天訓練 10 次，持續 30 天計算，需要投入 30 億美元。
這就是爲什麽國内對開發基于 Transformer 架構的 GPT 技術缺乏探索熱情的原因。
因爲，成本太高！
樣本：" 未來智能 " 會議耳機
現在，美國 OpenAI 用實力證明 GPT 技術應用的有效性。
國内聞風而動。
但是，出于同樣的原因——實用主義——國内對新技術全部熱情的考量源自 " 這種技術能不能創造出确定的應用商業價值。
現在，ChatGPT 剛剛問世，還沒出現能大規模落地的商業模式。此時，中國技術公司行動的時刻到了。
就像在頂層話語體系中，相對于傳統的西方式現代化，有中國式現代化一樣（類似的相對于美國夢的中國夢），國内也會出現中國式 ChatGPT，頂層已有此方面的明确指向。
在馬嘯看來，中國式 ChatGPT，可能的演進路徑是數家像百度、騰訊或阿裏那樣的大廠負責平台搭建，之後在此平台上，必然會有 " 大量基于垂直領域的微調模型，在（中國式）ChatGPT 上做垂直領域服務 "。
這是互聯網和移動互聯網技術和商業模式發展的曆史路徑，也很可能是 ChatGPT 在中國發展的未來方向。
一旦國内 ChatGPT 開放 API 接口，這些做垂直領域小模型技術開發或服務的公司，就能随之接入平台，爲之提供垂直細分場景的訓練數據和成果，共同爲中國式 ChatGPT 平台的商業繁榮添磚加瓦。
有沒有這種公司在做這種探索？
答案：有。
馬嘯領導的未來智能，已經持續開發了多年 AI 訓練的終端：辦公會議耳機。這種品類，立足于細分的辦公會議場景，解決辦公場景錄音、記錄、文字轉化或語言翻譯等多種問題，目的是幫助會議參與人提升辦公效率。
辦公會議耳機的定位，也就是目标消費群體，包括城市白領、政府官員、律師、記者、外貿從業人員、跨國公司管理和券商分析師等，從中提煉符合職業标準提問的問題模闆，以供後續同樣場景做調用，這能大幅提升交流效率。
在此過程中，實際上就涉及了垂直領域多種職業的特定語義标簽 / 參數提煉，形成大規模的海量用戶數據（庫），近似于創建語義大模型。在此基礎上，随着耳機目标用戶的高頻日常使用，相當于在做标準職業問題模闆的 AI 訓練。這是未來智能開發的辦公會議耳機與 ChatGPT 的内在關系寫照。
舉個例子，職業投資人經常跟企業開會，以更全面了解企業情況，以此爲投資與否提供參考依據。一般來說，投資人會經常問些共性問題：比如企業年營收多少？有多少盈利？毛利或估值是多少？這種大量的重複性問題，可通過會議耳機的 AI 技術做标準化特性提取。
當這種垂直職業的數據積累得越多，會議耳機能提取的信息就越精準。通過高效問題模型訓練，就會有極大的機會湧現出非常有價值的服務。随後，再通過這種優質服務，帶動耳機或其他可能的硬件端的銷售，以此形成商業閉環，這就是技術和服務雙輪驅動。
目前，未來智能的辦公會議耳機已叠代到第四代，共四種類型。2022 年，會議耳機出貨量同比實現 10 倍增長。到 2024 年，未來智能辦公會議耳機銷量将超過百萬台。
更重要的是，這種耳機的 AI 特性，未來智能的存量或增量耳機都在平時的高頻應用中，持續爲未來智能的雙輪驅動閉環提供動力。
這就是中國式 ChatGPT 平台商業應用的實際發展和可見的商業價值路徑。更重要的是，這一路徑經過實踐被證明是切實有效的。
核心價值：推動生态共建
要明晰未來智能會議耳機的商業價值，這也是中國式 ChatGPT 在垂直領域商業化可能的樣本。對于這樣的樣本，像建立在生成類問題模型基礎上的 ChatGPT 技術應用，同類技術原理的會議耳機，AI 技術的生成性如何形成？
華爾街見聞了解到，未來智能當前推出的辦公會議耳機，自帶的軟件系統能實現自動學習。這種學習結果，能在又一次的基于語言發音生成的語義文本過程中，按照用戶的發音習慣更新自動學習的準确率。由此形成數據訓練效果循環叠代。
在用戶語音和會議耳機 " 記錄翻譯 " 做 " 溝通 "，也就是 AI" 聽懂人話 " 時，這種會議耳機的 " 智能 " 在一開始，做不到精準理解和文本的準确記錄。未來智能設計了一套詢問最終文本是不是符合用戶理想的系統，以解決這個問題。
如果用戶認可，比如打勾，就相當于給耳機做了一次訓練；如果打叉，那也是訓練，相當于告訴耳機，文本結果不準确。通過這樣的方式，實施多輪使用訓練叠代後，耳機就會對用戶的喜好，越來越理解。當再生成語音轉化成文本時，會議耳機對語義的理解就會越來越接近原意。目前，iFLYBUDS 系列辦公會議耳機的轉寫準确率已達 98%，在業内首屈一指。
未來智能爲用戶設立的賬号，是提升 " 人機默契 " 的核心。比如聲紋識别功能，在用戶使用會議耳機是，耳機會自動根據聲紋特質做匹配。一旦發現是某個曾經使用過耳機的人，就自動關聯該用戶的溝通記錄，随之形成一張該用戶的社交網絡數據。
這張網将爲該行爲人的職業特征，提煉重複性的标準問題的标簽參數，供 AI 訓練模型跑數據。不同職業的共性問題參數，即形成問題模型數據庫。
從底層技術原理出發，未來智能的辦公會議耳機，就是所有聲音，隻要經過耳機，都可被記錄和處理。比如将線上或線下的會議語音轉成文字，這種文字可能是英文，也可能是日文或其他語種。這要看用戶需求是什麽。
如果用戶想将中文會議記錄轉成日文，或将英文會議語音轉成中文，都能通過這種耳機實現。同時，未來智能的辦公會議耳機還具備強智能 AI 自動學習能力。
事實上，華爾街見聞發現，未來智能開發的辦公會議耳機，除了聚合多種 AI 應用能力，實現圍繞辦公場景的效率提升，更具想象力的商業前景，是其目标用戶應用耳機的過程，相當于在構建一套垂直細分市場的子生态。
若對整個過程簡做要概括，即在美國推出 ChatGPT 生成式 AI 應用聊天機器人前，國内商業組織在做類似的技術應用探索。雙方的區别是美方做高成本的 AI 技術驗證，中方做同類 AI 技術應用的商業化探索。
比如未來智能，這家公司多年緻力于圍繞辦公場景的細分領域研發 AI 提效工具——辦公會議耳機。自 2021 年以來至今，未來智能的會議耳機銷售的存量和增量終端，在高頻應用過程中，形成了領域内有商業閉環的子生态。這個子生态已運行了至少兩年，而且是在推進商業落地的過程中逐步叠代。
不難預見，一旦中國式 ChatGPT 問世，開放 API 後，未來智能的辦公場景 AI 終端系統就可接入。這相當于給 ChatGPT 提供了辦公場景的 AI 訓練、數據和應用數據庫和技術應用解決方案。
像諸如安卓和 Windows 等平台，之所以具有超越想象的商業價值，是因爲在這個平台之上，奔跑着海量的細分生态子系統。這些子系統，共同構成了繁榮的整體大生态。在共建具有高度價值超級平台的同時，子系統也在持續爲其所在的垂直細分場景，持續提供源源不斷的商業動力。
這才是未來智能推出的會議耳機真正的、核心的、極具商業想象空間的價值核心，也是必将出現的中國式 ChatGPT 爲世界 AI 商業化落地做出的真正貢獻。
