ChatGPT 火熱，國内玩家接連爆出加緊開發中國版 ChatGPT的消息。
現在又最新獲悉：科大訊飛也加入此列中。
并且發布就會是直接落地場景的産品，具體時間也已經确定：5 月 6 日。
這是 ChatGPT 火得一塌糊塗之下，最快給出具體時間的國産玩家。
更早之前，一衆互聯網玩家包括百度 360 阿裡網易京東官宣入局之際，關于誰能打造中國版 ChatGPT 的問題也争得一塌糊塗。
事實上，自 ChatGPT 上線以來，作為 A 股 AI 龍頭科大訊飛就備受市場關注，一直被基金瘋狂調研和熱捧。
據證券時報消息，截至 2022 年四季度末，80 隻基金重倉持有科大訊飛 6100 萬股，去年四季度基金大幅加倉 1807 萬股。
有着數十年技術産業積累的科大訊飛，也被認為是國内最有希望打造 ChatGPT 的玩家之一。
但問題是，包括訊飛在内的中國玩家是否真的有希望複刻 ChatGPT？至少從技術維度來看，又應該具備什麼樣的條件？
打造中國版 ChatGPT 需要什麼條件？
ChatGPT 的打造，核心繞不過算法、數據、算力三要素。
算力是支撐背後大語言模型訓練的硬件基礎；數據，影響模型能力強弱甚至生成質量的關鍵；算法則包括模型架構和優化方法，決定着模型的核心技能。
如果說前兩者算力和數據是資本資源積累，畢竟訓練一個 1750 億參數的 GPT-3 就得花費 460 萬美元；那麼算法是 ChatGPT 區别于其他的獨到之處。
作為一個對話式 AI，ChatGPT 所具備的技能包括多語言文本生成、具備大量世界知識、零樣本生成、代碼理解和生成、對話能力等。
更概括地來說，其強大之處在于同時具備知識、推理和溝通能力——
也是實現認知智能必備的幾項能力。
首先是知識能力。為了讓 ChatGPT 既具備應用數據能力、又能生成符合人類要求的答案，要求它能具備大量世界知識和基礎常識，且符合人類輸出要求。
這背後不僅離不開 ChatGPT" 底座 " 大語言模型的參數量和算法架構，更離不開極高的數據質量。
值得注意的是，ChatGPT 比其他 AI 模型生成質量高的原因，在于它更了解人類的 " 雷區 "，包括回答中立客觀、不輸出違規内容、不回答認知範圍之外的問題等。
嚴格來說，這不僅需要各行業通用的高質量數據，而且還需要經過大量數據清洗和人工标注。
這種方法被命名為基于人類反饋的強化學習（RLHF），需要經過大量各行各業的人工标注，僅憑模型自身無法達到這樣的效果。
随後是推理能力。這包括理解并生成代碼等技能，讓模型能像人一樣，一步步思考并推算目标結果。
這裡面考驗的又不僅僅是代碼和語言數據量，同樣還強調模型的零樣本生成能力和複雜推理能力。
具體而言，零樣本生成指的是模型完成沒見過的新任務的能力，而代碼生成更是考驗模型根據任務目标，一步步推理生成最終結果的能力。
最後便是溝通能力，即多語言文本生成、對話能力等。
ChatGPT 之所以在溝通能力上有所進步，是因為它能學會基于之前的對話内容生成新輸出，而并非局限于當前對話中、導緻無法理解代詞或暗含前文信息點的詞。
這背後除了要求模型在預訓練時的語言文本具有多樣性，還必須增加如指令學習在内的任務，确保模型能更好地聽懂人類對話中的要求，并準确合理地實現。
綜上來看，ChatGPT 在各方面都提出了不低的要求，國内玩家要想打造這樣的模型，就必須在 NLP 乃至認知智能相關的算法上，實現深厚積澱。
國内玩家有希望嗎？
既然如此，那麼國内的玩家來打造 ChatGPT 有希望嗎？
從目前已被曝出玩家來看，主要有兩類企業想要搶占 ChatGPT 的高地。
一類是網絡搜索領域，這個被認為 ChatGPT 率先颠覆的場景，微軟谷歌之争也在此再次打響。而回到國内，搜索引擎的兩大巨頭都表示對 ChatGPT 的持續關注。
一邊，百度官宣即将上線文心一言；另一邊，周鴻祎也肯定表示：360 不會放棄對 ChatGPT 這門技術的研究和跟蹤。
另一類則是其他專業領域的玩家，比如聚焦于電商物流的阿裡京東、文娛場景下的騰訊網易，還有像教育醫療場景深耕的科大訊飛……
不妨就從這兩類玩家入手，以百度和科大訊飛為例，來看看是否真的有希望。他們一個是搜索引擎代表，一個所代表的場景有廣泛的社會價值。
△圖注：圖源科大訊飛，智醫助理電話機器人
如前所言，想要打造 ChatGPT，需要算法、數據和算力三個方面。
首先從算法上，目前國内很多公司都有 NLP 技術和預訓練語言模型的研究和開發。百度有文心大模型，而 AI 龍頭科大訊飛自然更是在這兩方面，有諸多研究積累——
在 NLP 所在的認知智能領域，科大訊飛主導承建了認知智能全國重點實驗室（科技部首批 20 家标杆全國重點實驗室之一），多年來始終保持關鍵核心技術處于世界前沿水平，比如在去年就獲得 CommonsenseQA 2.0、OpenBookQA 等 12 項認知智能領域權威評測的第一；
而在預訓練語言模型上，還面向認知智能領域陸續開源了 6 大類、超過 40 個通用領域的系列中文預訓練語言模型，成為業界最廣泛流行的中文預訓練模型系列之一，在 Github 獲 13346 顆星，位列中文預訓練模型星标數第一。
從這個維度上看，中國玩家是有希望造出一個類 ChatGPT 模型。
但要造出一個高質量的語言模型，需要大量的數據和計算資源。
數據方面，諸多現象表明，數據多少是決定模型智能與否的關鍵。一度驚豔衆人的 GPT-3 就有 1750 億參數，而上一版本 GPT-2 隻有 15 億參數。
百度 360 這樣的搜索引擎玩家，有着天然的通用數據來源。不過之後的數據清洗和人工标注也是難度不小的工程。
而像科大訊飛，雖然沒有像前兩者有通用數據上的優勢。但在教育、醫療這種高壁壘、高門檻的領域有規模化的專業數據積累，并且有在訊飛輸入法、訊飛開放平台、消費辦公類産品帶來的大量數據，
待到 ChatGPT 行業落地時，可以迅速占領市場高地。
再來看計算資源方面，實際上看的是願意投入的成本有多少。
OpenAI 背靠微軟這樣一頭算力奶牛——擁有 28.5 萬個 CPU 核心、1 萬個英偉達 V100 GPU，光是訓練一個 GPT-3，費用就高達 460 萬美元。
國内像百度、科大訊飛這類數十年的 AI 玩家，自然有諸多算力和資金的積累。而且也有生态鍊上的合作夥伴，想必也會是水到渠成的。
巧合的是，訊飛在今年年初提出了要開啟高質量發展——将在未來 5 年實現 500 億根據地業務營收、200 億毛利，可提供物質保障；另一方面，還有中國玩家繞不開的國産替代的考量，近年來訊飛一直推進在算力和算法上的自主可控。
據官方數據，目前研發訓練服務器已經開始進入國産化， 切換之後效率有的是原來平台的 70-80%，有的效率是超原來平台 100+%。另外在算法上，也啟動了推理服務器的國産替代；像部分産品，學習機芯片已經全部切換成國産自主。
不可否認的是，我們跟 ChatGPT 是有先天的技術差距。但至少從算法、算力和數據這三個基本盤來看，想要打造一個中國版 ChatGPT 也并非沒有希望。
中美在打造 ChatGPT 上的差異
重新回到事件本身，就在一衆中國玩家開始着手打造類 ChatGPT 産品之際，一個繞不開的問題是，中國明明不缺 ChatGPT 技術，為什麼不是中國先誕生 ChatGPT？中美之間在打造 ChatGPT 上差異有多大？
背後原因在此之前也沒有進行系統性梳理過。歸結起來，主要有三個層面。
其一，AI 應用落地的行業路線差異。
ChatGPT 作為 AGI（通用人工智能）技術代表，對于商業化落地而言，本身不是一個 " 好生意 "。
之所以這麼說，是因為在相當長的一段時間内，AGI 的商業前景其實都并不為業内和大多玩家所看好。
除了前期訓練算力和數據投入的大量資金，後期優化和知識更新所需的叠代路線，無法像互聯網商業模式創新那樣快速變現增長。
在國内市場大環境中，并不是一個好的選擇。相比之下，國内大多數科技廠商更傾向于在垂直專業領域應用 AI 技術，如推出針對不同行業的專業大模型、又例如采用預訓練 + 微調的模式，針對更具體的場景用專業數據去調整差異……
這并不意味着垂直專業領域的 AI 應用一定比通用 AI 更差，甚至在某些領域上，經過專業數據訓練的 AI 表現仍然比 ChatGPT 更好。
然而 ChatGPT 的成功，意味着通用模型以後也會成為商業化落地的方向之一，甚至覆蓋原先一些 AI 技術不高、專業度不夠的場景落地應用，如銀行客服等。
其二，中美在 ChatGPT 技術上的差距。
如前所述，中國不缺 ChatGPT 技術。如科大訊飛研究的認知智能中，對于 ChatGPT 具備的自然語言理解、知識推理技術都已有所布局，相關全球基準測試中，成績均達到了全球領先水平。
然而，如何将這些模型能力集成升級、達到 ChatGPT 的效果，又如何搜集并産生巨量的高質量通用數據、而非僅僅是某一行業的專業數據，國内外目前依舊存在差距。
更明确一點來說，存在技術代差。
360 在最近電話會議中表示：
國内的技術水平目前整體在 GPT2.3 左右。如果基于互聯網優勢，大家都用中文提問、尤其是國内的問題，可能實際體驗能達到 GPT2.5 版本左右。
但 OpenAI 這邊，GPT-4早就已經呼之欲出，中美之間基本已存在一代多的技術差距。
其三，技術引發的生态差距。
GPT-3 之後 OpenAI 所有的模型都沒有開源，而是提供了 API 調用，并因此養活了美國一大幫創業公司，創造并盤活了整個生态。
清華大學計算機科學與技術系長聘副教授黃民烈，就曾這樣形象地描述 GPT 系列模型的影響力：
這個過程它幹了一件事，就是建立起了真實的用戶調用和模型叠代之間的飛輪，它非常重視真實世界數據的調用，以及這些數據對模型的叠代。
相比之下，國内目前更多公司雖然開源了不少大模型，然而這些模型要想達到商業化落地效果，仍舊需要大量數據叠代乃至應用落地，這方面的費用絕非初創公司所能承擔。
事實上，從技術、行業乃至生态差距來看，ChatGPT 依靠的不是短期的角逐，而是一個長線投資行為。
目前，應用領域可能還集中在搜索引擎上，但随着 ChatGPT 應用潛力被各個領域挖掘出來，最終可能打造國産 ChatGPT 的，還是那些在技術、行業以及有能力構建生态的玩家中，科大訊飛是一個。
總之，關于全球 ChatGPT 之争，号角已經吹響。關乎 ChatGPT 落地價值探索，國内玩家已經起航。
— 完 —
點這裡關注我，記得标星哦～
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見 ~
