AIGC創(chuàng)投現(xiàn)狀：激情與焦慮同行 | 圓桌論壇@中國AIGC產(chǎn)業(yè)峰會

明敏 蕭簫 整理自 AIGC峰會

量子位 | 公眾號 QbitAI

AIGC熱得發(fā)燙，不跟上就會被淘汰。

這是當下創(chuàng)投圈最直觀的感受。

但“跟上”并不是一件容易的事：怎么跟？朝什么方向跟？

一不留神，就可能與風口錯過。

對初創(chuàng)公司而言，如今AIGC技術發(fā)展過快，即便從應用層出發(fā)創(chuàng)業(yè)，公司PPT也不一定能活過一次OpenAI技術迭代；

對投資方來說，短時間內(nèi)出現(xiàn)的AI新技術和新創(chuàng)業(yè)方向太多，從0開始學習很可能與潛力股擦肩而過。

技術狂歡之下，關于國內(nèi)外大模型創(chuàng)業(yè)差異、大模型未來發(fā)展方向和AIGC創(chuàng)新性的體現(xiàn)，企業(yè)和投資者們有了不一樣的思考。

為此，量子位邀請到了元語智能聯(lián)合創(chuàng)始人兼COO朱雷、峰瑞資本投資合伙人陳石、無界Ai聯(lián)合創(chuàng)始人馬千里和華院數(shù)智人商業(yè)化副總裁林萊尼，一起來討論這波AIGC浪潮下，中國面臨的新機遇和新挑戰(zhàn)。

圓桌環(huán)節(jié)由量子位主編金磊主持。在不改變原意的基礎上，量子位對內(nèi)容進行了編輯整理。希望能夠給你帶來更多的啟發(fā)與思考。

中國 AIGC 產(chǎn)業(yè)峰會是由量子位主辦的行業(yè)峰會，近 20 位產(chǎn)業(yè)代表與會討論。線下參與觀眾 600+，線上收看觀眾近 300 萬，得到了包括 CCTV2、BTV 等在內(nèi)的數(shù)十家媒體的廣泛報道關注。

話題要點

• AIGC讓很多人才重回AI賽道，長遠來看對我國科技發(fā)展非常有利。
• 這輪AIGC熱潮讓創(chuàng)業(yè)者感到焦慮，但更多是在焦慮中前進。
• 大部分AIGC創(chuàng)業(yè)公司的機會可能還是在非模型層，或是做一些垂類模型。
• 只要AI不背叛人類，就一定會帶來社會效率和人類體驗的飛升。
• 成為像OpenAI一樣的企業(yè)，并不意味著打造一個中國版OpenAI。
• 國內(nèi)AIGC這一波巨大的浪潮，大家都說是“iPhone”時刻，但其實更像是初期的PC互聯(lián)網(wǎng)時刻。

以下為論壇對話全文：

論壇實錄

AIGC熱潮帶來震撼、興奮和焦慮

量子位金磊：特別感謝各位參與“中國AIGC新機遇”圓桌論壇，如今由ChatGPT引爆AIGC大熱潮，尤其是國內(nèi)已形成了一股燎原之勢。因此我們認為站在當下的時間點上，有必要對AIGC的快速發(fā)展做一個總結和討論，以應對即將到來的新機遇。

為此，我們邀請了幾位走在業(yè)界前沿的企業(yè)嘉賓來共同探討這一話題。

第一位是元語智能聯(lián)合創(chuàng)始人兼COO朱雷，元語智能是這一波AIGC熱潮的先行者。

第二位是峰瑞資本投資合伙人陳石，前沿科技一直是峰瑞資本重點投資的方向。

第三位是無界Ai聯(lián)合創(chuàng)始人馬千里，在生成式繪畫方面，無界Ai同樣是國內(nèi)企業(yè)中的先行者，目前APP上的用戶已超過200萬人。

最后一位是華院數(shù)智人商業(yè)化副總裁林萊尼，華院計算深耕于人工智能數(shù)智人領域，長期致力于智能技術賦能產(chǎn)業(yè)。

在這場討論中，我們圍繞每個話題設置了一個關鍵詞。第一個話題比較輕松，關鍵詞為“感受”。

我們想首先請各位談一下，這波AIGC熱潮，給您所處的行業(yè)及相關業(yè)務，帶來的最直觀感受是什么？

元語智能朱雷：最直接的感受就是震撼和沖擊。

盡管我們一直在行業(yè)內(nèi)做大模型探索和開發(fā)，會有一定的預期，但這一輪熱潮中還是有很多方面超出我們的預判。

體現(xiàn)明顯的一個方面是ChatGPT在各行各業(yè)中的接受程度和應用深度。這是人工智能發(fā)展以來非常大的一個改變。原來AI都是在小圈子或固定環(huán)節(jié)里應用，這一次是真正實現(xiàn)了破圈，從廣度到深度，都是一個非常大的技術變革，這是我們認為的震撼之處。
對我們所處行業(yè)來講，影響大概有兩點。

第一，我們正在做的模型迅速被推到了聚光燈下。舉例來說，我們在2022年10月正式開源了單模型多任務大模型PromptCLUE，當時的下載量不是很多，但在ChatGPT推出后，尤其是今年1月份，隨著全球范圍內(nèi)ChatGPT話題持續(xù)發(fā)酵，我們的開源模型下載量增長很快，這對我們來說是一個比較大的促進作用，也加速了模型研發(fā)。

第二，人才方面。此前在國內(nèi)氛圍的影響下，不少國內(nèi)外人才加入AI浪潮，但也不免有些人對這一賽道有點失望。如今隨著這波巨浪襲來，讓很多人才重新回到了AI的大方向之下，所以我認為從長遠來看，這會是對我國科技行業(yè)的一個重大利好。

峰瑞資本陳石：其實我以前是寫程序的，對AI的技術和應用比較了解。我自己本身也經(jīng)歷過之前深度學習的計算機視覺那一波AI浪潮，那么這一次是做生成式AI，以預訓練大規(guī)模語言模型為主，GPT-4加入了多模態(tài)的輸入輸出。這次的技術變革讓我們感到非常驚訝，因為它是一個突然的跳躍，不是連續(xù)漸進的變化。

這背后最主要的原因在于，AI其實已經(jīng)具備了一些通用智能。微軟研究院最近有一個報告，認為當下語言模型的發(fā)展，我們已經(jīng)看到了通用人工智能的火花，而且這個火花還在不停燃燒、變大，這是讓人很驚喜的事情。

從產(chǎn)業(yè)角度來說，我會覺得這一輪技術浪潮和上一輪深度學習浪潮相比，也有很大的不同。上一輪的AI技術變革，總體上來說沒有達到預期，主要是在通用性方面比較差，最后只在安防、人臉識別等少數(shù)應用場景有一些真正的落地實踐，投入產(chǎn)出是不好的。但這一輪的AI技術變革，技術的通用性更好，適用的場景比較寬廣，產(chǎn)出價值會比較大。

我認為如果AI會讓人類的社會運轉(zhuǎn)效率、體驗都實現(xiàn)提升。而這種變化是可以看到的，它也會從本質(zhì)上改變各行各業(yè)，特別是內(nèi)容生產(chǎn)、教育、科研等，還有其他更多行業(yè)都會受到影響。

因此我們對這一輪AIGC浪潮感到非常興奮。這是人類的福祉，但前提是AI不背叛人類；這也為各位創(chuàng)業(yè)者帶來了很好的機遇。

無界Ai馬千里：站在創(chuàng)業(yè)者角度來看，這輪AIGC熱潮讓我更加焦慮了。

因為它的發(fā)展速度太快了，我們?nèi)ツ?月的時候預估，在今年2、3月AI對圖片內(nèi)容的影響會越來越強，變化體現(xiàn)在漫畫、GIF、短視頻等領域。但沒想到，一季度Controlnet加入進來后，誕生了非常多碾壓式的新成果。

這就會讓人時而覺得焦慮，因為自己在做大量工作時，其他團隊可能會追趕上來。

另一方面，這種焦慮其實是全行業(yè)范圍的，甚至傳統(tǒng)行業(yè)的人也在焦慮。

這反而形成了一種“抱團取暖”，一些“八竿子打不著”的合作對象找到我們，比如奇瑞汽車、若態(tài)潮玩、以及快消品的品牌等，他們把訴求給到我們，我們一起去做訓練，甚至還會給大量私有化數(shù)據(jù)。

要知道這些數(shù)據(jù)在一般情況下，企業(yè)是不會輕易分享出去的，但現(xiàn)在他們愿意提供，也是在擔心如果不參與到這輪浪潮中來，就會被淘汰。

雖然有焦慮，但是更多是在焦慮中有前進的感覺，這是創(chuàng)業(yè)者的一種感受。

華院林萊尼：我來從數(shù)智人領域談一下感受。

數(shù)智人從過去的文本客服，升級為語音客服，再到多模態(tài)人機交互系統(tǒng)的發(fā)展周期，人機交互模式正持續(xù)進化。

目前的數(shù)智人技術已經(jīng)覆蓋了較多能力域，如能夠回答問題、撰寫文章、文本摘要、語言翻譯和代碼生成等任務，甚至可處理更多小眾主題；這些具備多模態(tài)交互能力的數(shù)智人在許多業(yè)務場景中已基本實現(xiàn)“聽得清、聽得懂、會表達”，并在金融、文旅、傳媒、公共服務、醫(yī)療、零售、文娛、智能家居等越來越多的行業(yè)中商業(yè)化落地，提供坐席客服、理財顧問、播報主持、導游導覽、虛擬偶像、虛擬歌手等輔助人工服務，已可作為企業(yè)或個人在完成一些重復性工作時的輔助工具。

并且，我們都知道全球在醫(yī)療和教育方面仍處于嚴重的資源不足，這兩個領域存在巨大需求但缺乏足夠勞動力來滿足需求，這恰恰是數(shù)智人乃至人工智能未來的主要應用之一。

舉例來說，許多發(fā)展中國家的老百姓由于所處偏遠、基層醫(yī)療資源匱乏，就醫(yī)十分困難。

如設置一些專業(yè)醫(yī)療輔助用的數(shù)智人協(xié)助醫(yī)生完成基礎的預檢和分診工作，并為病人提供是否需要進一步治療的建議和相關注意事項等，從而提高醫(yī)療工作效率和服務水平；在教育領域，通過AI賦能教育可以根據(jù)不同學生的特點因地制宜提供個性化的學習方案，培養(yǎng)學生學習興趣、提高教育質(zhì)量等等。

所以數(shù)智人的出現(xiàn)既是挑戰(zhàn)也是機遇，我們需要保持敏銳的洞察力和前瞻性思維，積極應對它所帶來不管是正面亦或負面的影響。

中國AIGC創(chuàng)新性如何體現(xiàn)？

量子位金磊：討論的第二個關鍵詞，叫做模型同質(zhì)化和創(chuàng)新性。

就目前來看，無論是AIGC應用的玩法，或是背后算法模型似乎有同質(zhì)化的趨勢。因此，中國AIGC的原創(chuàng)性該如何體現(xiàn)？

元語智能朱雷：這個問題很好，我們也一直在思考這一問題。

可以看到，大部分基礎研究、尤其是算法模型方面，很多都是國外率先誕生。再看國內(nèi)目前做大模型，無論是大廠、研究機構還是初創(chuàng)公司，在基礎研究環(huán)節(jié)都是非常薄弱的，因此基礎研究或者原創(chuàng)性探索上，國內(nèi)目前還有一段距離需要追趕。

但這也不是說目前國內(nèi)自研大模型沒有價值，反而是非常勢在必行的。

第一，這可以推動開源數(shù)據(jù)集、模型這方面的生態(tài)構建。

比如在中文語料梳理上，通用語料質(zhì)量還不夠好；還有在開源方面的氛圍也比較差，據(jù)我們了解國外有很多醫(yī)療行業(yè)的開源數(shù)據(jù)集，但國內(nèi)我們已知的只有2個，開源數(shù)據(jù)集的質(zhì)量也不好。

因此要有更多人來做這件事，這也是我們元語智能核心團隊在2019年發(fā)起中文語言模型評測基準開源社區(qū)時，就在倡導的方向和理念。

第二，現(xiàn)在國內(nèi)對大模型AI基礎設施的重視，已經(jīng)到了相當高的量級。這時對于人才的吸引，包括很多圈外人都愿意加入到這一浪潮中來，從長期角度來看，這件事對于國內(nèi)做AI基礎設施非常有價值。

國內(nèi)大模型的創(chuàng)新工作，大廠、初創(chuàng)公司都在做，各家的切入點也不同。

比如有專門做和心理咨詢相關的，比如元語智能就是在通用大模型之上，做上層專業(yè)模型。聚焦在一兩個行業(yè)里，解決客戶的具體問題。

對于國內(nèi)初創(chuàng)公司而言，創(chuàng)新性主要體現(xiàn)在對行業(yè)是否有足夠多、深刻的理解，以及是否能迅速在行業(yè)內(nèi)把數(shù)據(jù)和場景跑起來。這就要求初創(chuàng)公司在模型底層數(shù)據(jù)、指令微調(diào)層面上做一定創(chuàng)新。

無界Ai馬千里：做產(chǎn)品創(chuàng)新和擁抱Stable Diffusion生態(tài)并不沖突。SD只是幫忙從0-1的原型搭建，但是從底層數(shù)據(jù)、中層算法、上層應用方面還是要做從1-100的創(chuàng)新。怎么做出這個差差異化，這是每個創(chuàng)業(yè)者要思考的事情。

比如我們現(xiàn)在開發(fā)國風模型，首先這個模型底層要有大量國風數(shù)據(jù)，比如中國人面孔、眼睛、漢服等素材，以漢服為例，甚至具體精細區(qū)分不同時期、不同民族風格差別、漢服左右衣襟的不同代表意味都大不相同，細節(jié)見鬼神，對于關注國風的人來說細節(jié)非常重要。誰訓練出來了這種帶有豐富細節(jié)的戲份模型，誰就能具備底層的差異化。

訓練數(shù)據(jù)不是一次性的，而是實時的、自我迭代的。我們平臺上每天有200萬用戶每天創(chuàng)作接近220萬張圖片，很多圖片都會被分享到我們的“廣場”里面，我們會將受到關注和喜愛的作品的關鍵詞拿來做進一步訓練，使平臺能力得到實時增強、這樣的話差異化就更體現(xiàn)出來了。這也是為什么我們使用開源Stable Diffusion，但是平臺作品和市面上的內(nèi)容有很大區(qū)別，實時自我迭代的數(shù)據(jù)訓練成為了創(chuàng)新點。

當然，除了底層數(shù)據(jù)，在訓練方法方式上也有很多創(chuàng)新點，比如融合GPT的功能，這些功能我不贅述，歡迎大家直接用無界ai上手體驗。

華院林萊尼：數(shù)智人作為生成式AI技術的其中一種應用，本身包括了好幾個層面的內(nèi)容。就如我們評價一個演員，會從“聲臺行表”出發(fā)。除了外貌、聲音這些外在部分，數(shù)智人的行為動作、文本表達、語音表達、交互方式甚至個性等都在生成范圍內(nèi)。

剛剛馬總從數(shù)智人的外貌、類型和風格等方面做了解答。我這邊從數(shù)智人的內(nèi)容生成做一些補充。華院計算認為，數(shù)智人有三個層次，第一個層次是能說會動，第二個層次是真情實感，第三個層次是能思會想。

其中，第一個層次與 AIGC 技術中的音視頻生成相關，第二個層次與文本生成和跨模態(tài)生成相關，最后一個層次則是機器人能夠有自己的思考，經(jīng)持續(xù)進行自主學習后，涉及策略生成等方面。為達成第三層次的數(shù)智人，我們將“常識知識圖譜”中的社交常識加入到對話交互框架，實現(xiàn)數(shù)智人的情緒系統(tǒng)；通過建立行為概率性知識圖譜，該圖譜涵蓋了5000+ 種不同的行為，實現(xiàn)數(shù)智人的個性化交互。

因此，最終生成的數(shù)智人，聲音外貌或有相像，但結合其形體動作、交互內(nèi)容以及差異化的個性足以讓數(shù)智人具備自己情感和個性的個體，擁有獨一無二的原創(chuàng)性。當然，目前華院要達成這種具備多模態(tài)交互能力且有自己個性和情感的數(shù)智人還需在認知智能領域持續(xù)、深入的研究。

峰瑞資本陳石：在趨勢上看，不僅是國內(nèi)，海外也是有大量偏同質(zhì)化的跟進。有個統(tǒng)計數(shù)據(jù)顯示，2022年平均四天出一個大模型，大概90多個大模型，主要是以美國為主。

本輪生成式AI的核心突破還是在算法層面和模型訓練范式層面。

算法方面，大家剛剛都提到了Transformer、Diffusion Model，是目前的主流模型，所以現(xiàn)在很多模型都是以他們?yōu)榈讓蛹軜媮碜龅妥兓摹?/p>

從熱度方面來看，我不認為這是一個短期熱潮或泡沫，我認為它會經(jīng)歷很長時間的進步，并產(chǎn)生出非常大的社會價值和商業(yè)價值。業(yè)界有人說，大型語言模型是人機接口，還是新形態(tài)的操作系統(tǒng)。

首先，語言模型已經(jīng)成為了人機接口第一界面，以前通過菜單、圖形化的方式，人們只能做有限選擇，但其實通過語言才是人機交互最自然和靈活的選擇。

另外從操作系統(tǒng)角度來看，因為GPT等語言模型已經(jīng)具備一定的通用智能，有點像大腦或者分發(fā)中心，它可以和人類做交互、接收、拆解和分發(fā)任務給各種外部插件應用，得到結果后再反饋給人類，所以可以認為它也具備了操作系統(tǒng)的特點。

未來軟件行業(yè)也在變化，我覺得方向是以語言模型為中樞的應用生態(tài)體系。AI除了賦能并提升行業(yè)效率產(chǎn)生商業(yè)價值之外，人類還可以通過向AI學習，不斷提升人類自己的學習能力。

舉例來說，人類學習語言是很痛苦的，比如學外語十幾年效果可能都不是很好，但是機器學習語言的效率非常高，如果我們能夠部分打開AI的內(nèi)部結構，找到一些其中的規(guī)律，或許人類也可以借此提升自己，和機器一起進步，這些事情就具備很大的社會價值。

因此我不認為AIGC熱潮會是短期的，它是有長期社會價值和商業(yè)價值的。

大模型只能靠“大力出奇跡”嗎？

量子位金磊：針對大模型的參數(shù)規(guī)模，還有一個問題要討論一下，叫做“大力出奇跡”。大力一定會出奇跡嗎？想先請教馬總，您覺得大力出奇跡這種方式一定是AIGC必經(jīng)之路嗎？

無界Ai馬千里：如果AIGC能出奇跡，不管是大力還是什么力，都是好事情。

在一些語境中，“大力出奇跡”像是一件壞事情一樣，好像迫不得已的選擇，但它不見得是壞事。

我曾經(jīng)看過一篇博客叫“苦澀的教訓”，是強化學習之父Richard Sutton寫的，他認為人類總是自作聰明地去干預機器，教它怎么下圍棋、讓它學習人類的棋譜，但其實最有效的方法還是自我學習，無監(jiān)督學習。

一定程度上，我們?nèi)祟惛深A太多反而會限制它的發(fā)揮。所以本質(zhì)上，雖然我們需要大量算力、算法上也要跟進，但我們不需要那么強地去干預它，否則效果可能會南轅北轍。

峰瑞資本陳石：大力出奇跡是必然，因為目前這個階段的突破，就是無監(jiān)督學習取得的。

無監(jiān)督學習、特別是大規(guī)模無監(jiān)督學習，此前一直是機器學習領域的圣杯，從來沒人取得過這個圣杯。如今OpenAI把它拿下來了，我覺得這是當下被驗證的一件事情，也是一個趨勢，所以估計大家還會這么做，在算法和訓練技術方面如果沒有取得大的突破，我覺得大模型還只能這么訓練。

對創(chuàng)業(yè)公司來說，他如果是做應用層，其實可以不需要自己去訓練模型，而是在大模型基礎上做調(diào)優(yōu)。所以我覺得，大部分AIGC創(chuàng)業(yè)公司的機會可能還是在應用層，或者做一些垂類模型方向。

大模型本身，我覺得未來中國可能不會有太多家、甚至全球也不會有太多家去做。但垂類模型還有一定的機會。

如何看待中國版OpenAI

量子位金磊：接下來的關鍵詞叫做“中國版OpenAI”。這波熱潮中，國內(nèi)有很多大佬紛紛下場布局、廣發(fā)AI英雄帖，說要打造中國版OpenAI。

所以，就中國目前大環(huán)境來看，有必要做“中國版OpenAI”嗎？可行性高嗎？

華院林萊尼：我對我們國家出現(xiàn)像OpenAI那樣基于底層算法研究、研發(fā)出劃時代創(chuàng)新技術或應用的公司充滿信心，尤其我看到現(xiàn)場有不少Z世代的年輕創(chuàng)業(yè)者，他們不僅有創(chuàng)新精神，也有情懷和責任感。

但成為像OpenAI一樣的企業(yè)，并不意味著打造一個中國版OpenAI，我們無需重復他人的道路，在人工智能領域，“創(chuàng)新”是非常重要的。雖然OpenAI打造了一個多模態(tài)大模型的底層平臺，為我們打開了生成式AI技術的應用大門，但從真實世界應用場景來看，多模態(tài)大模型也并非能“一招鮮、吃遍天”。

舉例來說，從GPT的1.17億到GPT-3的1750億，幾年來大模型參數(shù)量增長了近1500倍，而Google的Switch Transformer參數(shù)量更是達到1.6萬億，海量參數(shù)規(guī)模所需的龐大算力，是許多企業(yè)甚至行業(yè)無法提供的。

因此，如何提高算法魯棒性、提升模型效果，通過小樣本學習、多模態(tài)學習等實現(xiàn)少量數(shù)據(jù)完成新領域的訓練，仍然是AI需要考慮的問題。

目前，我國已有不少露出小荷尖尖角的AI企業(yè)正在茁壯發(fā)展，雖然暫時因算力或算法上積累的經(jīng)驗不足，與OpenAI這樣全球頂尖的AI公司尚有差距。但我堅信不久的未來，我們將看到屬于我們自己的AI代表企業(yè)及其創(chuàng)新技術。

元語智能朱雷：我覺得這個說法有一點以偏概全。OpenAI所謂“十年磨一劍”，是因為它最初是以非盈利性目的成立的一家組織。最近它跟微軟合作，整體才進入閉源狀態(tài)，也有了一些商業(yè)化的模式。

但其實以商業(yè)化為目標的技術研究，國外也有很多公司都在做，而不以商業(yè)化為目標的技術研究，國內(nèi)也有很多，比如高校、研究院、或是一些開源社區(qū)等，有一大批開發(fā)者和組織，以開源為目的在做這樣的事情。

只不過目前國內(nèi)環(huán)境下，大家普遍只會關注到一些有商業(yè)光環(huán)的項目，但對于那些非商業(yè)化的項目大家關注度比較低。

其實包括我們陳石總這樣的投資人也好，包括我們量子位這種媒體也好，大家可能真的要做一件事，就是推動國內(nèi)開源數(shù)據(jù)集和開源模型的發(fā)展，這個可能會成為未來的一個基石。

我認為，國內(nèi)和國外在這件事上沒有本質(zhì)區(qū)別，大家都有一些考慮商業(yè)化的公司和以開源為目的的組織。

對中國AIGC新機遇的期待

量子位金磊：最后一個關鍵詞，就是圓桌論壇的議題“中國AIGC新機遇”，我們用簡短一句話來談談對它的期待。

華院林萊尼：說起這個期待，我們發(fā)現(xiàn)互聯(lián)網(wǎng)企業(yè)可能對于35歲+的人群不是很友好，所以我們也在思考一個問題，AI真的創(chuàng)造了失業(yè)潮嗎？后來我覺得不是。我也是35歲以上的中年人了，在這里說說我的感受。

我很喜歡一句廣告詞，就是“永不放棄，奔向未來”，雖然我們已經(jīng)35歲多了，但我們也可能會像Transformer用到一些機制進行自我變革一樣，永不放棄奔向未來，用積極和勇敢的心態(tài)正面來自未來的機遇和挑戰(zhàn)。

無界Ai馬千里：我倒覺得可能是比較復雜的一種，你看最近有一個新聞，就是包括馬斯克在內(nèi)，上千名科學家認為AIGC還有AI大模型是一件危險的事情。

我覺得國內(nèi)的機遇在于，即使你和國外有差距、甚至可能有幾倍差距，但對于人類來說夠用了就行，就像蘇聯(lián)和美國大戰(zhàn)時候，都說自己能毀滅地球多少遍，但其實毀滅一遍就夠了。可能AIGC產(chǎn)生的能力會強到，即使兩個模型之間有百分之多少的差距都無所謂，只要它對于人類來說夠用了就行，這是一個長期的看法。

所以即使我們現(xiàn)在的大模型，的確可能沒有外國人那么強，但是從邏輯上來說我們還是能趕上的。

峰瑞資本陳石：這個機遇其實是全人類的機遇，中國也有非常大的機會。當前無論是OpenAI、谷歌、還是其他一些國外大廠，我們很多中國工程師、或者華人工程師，深度地參與了這個研發(fā)過程。我覺得，這里面中國是有機會做成大基礎模型的，特別是大型語言模型，這是可以做的。為什么呢？

算法層面來說，這其實是大家共同的科研成果，從GPT-3的預訓練過程，到包括ChatGPT用到的基于人類反饋的強化學習過程，都有相關的論文詳細介紹其中的算法和實施邏輯，大部分訓練數(shù)據(jù)也是開放的。雖然細節(jié)上OpenAI可能有一些語焉不詳，但其實它剩下的最難的可能是一些具體的工程實施工作。我覺得在具體工程實施方面，我們中國的工程師是不怕的。

算力上，我覺得這個事情需要慢慢來，盡量地想到一些能替代的辦法，做到有自己的算力，或是通過別的方式去獲取一些算力。

數(shù)據(jù)上，我覺得我們是可以做到的，因為數(shù)據(jù)集這個事情，它現(xiàn)在是4500億的Token（每個約0.7個單詞），這個體量的數(shù)據(jù)相對而言，我們經(jīng)過努力，應該也是有辦法收集和整理出來的。

我認為，憑著中國人的聰明程度，基礎模型是可以突破的，當然復現(xiàn)到今天GPT-4這個水平可能還有差距，但也只是時間問題。我們的應用生態(tài)一定也會基于這些國外國內(nèi)的模型蓬勃發(fā)展。

其實包括微信、釘釘或是其他當年的手機上的應用生態(tài)，我們已經(jīng)一再證明，中國在軟件的應用上是很厲害的，所以我覺得這個是中國的新機遇。

元語智能朱雷：我非常同意陳石總的看法。雖然說現(xiàn)在跟GPT-4比，技術差距還是有的，但是確實是時間的問題，因為從全球范圍來看，除了硅谷，就是國內(nèi)的這波熱潮了。

國內(nèi)AIGC這一波巨大的浪潮，大家都說是“iPhone”時刻，但我覺得更像是初期的PC互聯(lián)網(wǎng)時刻。大家對于AI這件事認知沒有那么強的時候，突然出現(xiàn)一個巨大的機會和機遇，這時候我覺得對于我們臺上的各位和臺下的現(xiàn)場觀眾，包括直播的觀眾，各行各業(yè)來說，都是一個巨大的機遇。

但在機遇的同時，這也是一種挑戰(zhàn)，所以最后一句話就是我們擁抱AI。

量子位金磊：非常感謝各位嘉賓精彩的總結和分享，由于時間原因，本場圓桌討論到此為止。剛才嘉賓們所展望和期待一些新機遇，在未來將如何發(fā)展，我們明年揭曉答案。