袁凱

做ChatGPT好比踢足球，踢足球都是盤帶、射門，但是要做到梅西那么好也不容易。

以ChatGPT為代表的人工智能內容生成技術能為人們做些什么？文案宣傳、智能營銷、智能風控、代碼編寫……近期，國內如雨后春筍般冒出的眾多團隊與公司，都試圖用自己的途徑回答問題。但ChatGPT真的這么簡單嗎？

“踢足球都是盤帶、射門，但是要做到梅西那么好也不容易。”3月5日，中國科技部部長王志剛用踢足球比喻ChatGPT，直言“從這一點看，ChatGPT在技術進步上，特別是保證算法的實時性與算法質量的有效性上，非常難”。

復旦MOSS團隊：路還很長

前不久，復旦大學計算機科學技術學院邱錫鵬團隊發(fā)布類ChatGPT模型MOSS。一經(jīng)發(fā)布，MOSS就“火”了。2月20日發(fā)布當日，MOSS就收到大量內測申請、采訪、投資、合作邀約——因為ChatGPT的火熱，公眾對于這項原本局限于NLP（自然語言處理）學術圈的新技術熱情高漲。

據(jù)了解，早在2021年，邱錫鵬團隊就已經(jīng)在探索中文生成式預訓練領域，還做了相關模型，并開源供他人下載，平均每月都有上萬次下載。隨著研究的深入，團隊提出了“語言模型即服務”概念，將基礎語言模型視作語言服務的基石。2022年，邱錫鵬團隊開始在訓練大型語言模型上下功夫。此后，又用了半年時間，研究如何使大型語言模型理解人類指令以及具備對話能力。

令邱錫鵬團隊最興奮的一天，是今年春節(jié)前的臘月二十八。項目主開發(fā)者、計算機科學技術學院博士研究生孫天祥，在常規(guī)的測試過程中輸入了一個中文問題，MOSS卻以英文正確回答，“就像一個不會說但聽得懂中文的人”。值得注意的是，當時那個版本的MOSS還很初級，中文語料占所有訓練數(shù)據(jù)不到0.1%。

“很神奇，我們沒有教過它機器翻譯。”MOSS顯示出的潛能讓邱錫鵬當晚激動到失眠。他把MOSS比作一個“聰明的小孩”，即便現(xiàn)在還不擅長寫詩、解題或很多具體的事，但已展示出成為通用人工智能（AGI）大框架的潛能，“很多遙不可及的事情，它一點就通了”。

在不少人看來，ChatGPT、MOSS這類大型語言模型與現(xiàn)在我們日常使用的小愛同學、Siri這樣的語音助手似乎差別不大。真的是這樣嗎？邱錫鵬打了個比方，解釋道：“這兩者的關系就像智能手機和功能手機。之前的聊天系統(tǒng)還屬于弱人工智能，設計它們就是用來聊天的，正如傳統(tǒng)的功能手機只能用來打電話；而現(xiàn)在的大型語言模型，像ChatGPT、MOSS，它們能做很多事，聊天只是功能之一，就像智能手機可以用來打電話，但它的功能遠遠不止于此?！?/p>

邱錫鵬也坦言，與ChatGPT相比，MOSS的最大差異還是參數(shù)規(guī)模。?“ChatGPT的參數(shù)量多達1750億個，而MOSS的參數(shù)量比其小一個數(shù)量級，大約是前者的1/10左右。”?邱錫鵬團隊認為，這個規(guī)模在財力物力承受范圍之內，也使模型具備一定的智能。實驗結果證實了團隊的猜想，MOSS模型可以非常順利地與人類進行聊天互動。邱錫鵬介紹，MOSS的特點是小規(guī)模，比較容易適應個性化模型，可以賦予更多專業(yè)化能力，利于企業(yè)內部私有部署，經(jīng)過一些數(shù)據(jù)微調就可以轉化為生產(chǎn)力。

2月20日，MOSS上線當晚，網(wǎng)站一度癱瘓。邱錫鵬團隊在官方回應中表示，MOSS還是一個不太成熟的模型，計算資源不足以支撐龐大的訪問量，距離ChatGPT還有很長的路要走。在MOSS完成初步驗證之后，團隊會將經(jīng)驗、代碼、模型參數(shù)開源出來供大家參考。中國版ChatGPT的誕生還需要中國全體AI從業(yè)者的共同努力，更需要不斷和人交互以提高能力。團隊也將堅持對最前沿AI模型的不懈追求。

AI從業(yè)者：一天成本要3億

在國內ChatGPT的追逐賽道上，除了作為重頭戲的頭部科技公司與專家研究團隊，還有不少想要嘗鮮ChatGPT的個人，但他們往往無法邁出第一步。

“若用ChatGPT的方法，以小冰框架當前支撐的對話交互量計算，每天成本將高達3億元，一年成本超過1000億元?！?在來自大洋彼岸的這股科技潮最初傳導至國內之時，小冰CEO李笛就為不少想要嘗試做國內ChatGPT的人潑了一盆冷水。

馬新幾乎是國內最早接觸到ChatGPT那批人。2022年11月30日，ChatGPT發(fā)布，5天內涌入100萬用戶。馬新深受觸動，開始考慮自己做類ChatGPT的可行性。

“我本身從事的是AI行業(yè)。ChatGPT擁有持續(xù)的上下文對話能力，同時支持文章寫作、詩詞生成、代碼生成等。這讓我很是驚訝。”馬新知道，這對AI行業(yè)是顛覆性的，它不在于技術上的創(chuàng)新，而在于向大眾展示了一個全新的使用技術的途徑，那就是NLP任務（自然語言處理）中基于大型語言模型（LLM，Large?Language?Model）演進出的GPT。馬新認為，NLP任務（自然語言處理）的核心邏輯是?“猜概率”。“現(xiàn)階段所有的NLP任務，都不意味著機器真正理解這個世界，他只是在玩文字游戲，進行一次又一次的概率解謎，本質上和我們玩報紙上的填字游戲是一個邏輯。只是我們靠知識和智慧，AI靠概率計算。”這決定了如果沒有大量資金支持，AI便無法進行足夠的“語言預訓練”。正如ChatGPT鋪天蓋地的宣傳里總是離不開這樣一句話：在擁有3000億單詞的語料基礎上預訓練出擁有1750億參數(shù)的模型?！叭绻f3000億單詞是訓練數(shù)據(jù)，那么1750億參數(shù)就是沉淀下來的AI對這個世界的理解?！绷私獾接柧毑襟E需要花費的資金后，馬新徹底打消了試水ChatGPT的念頭?！白鲋袊鍯hatGPT是百度、阿里這樣的大廠才敢擁有的野心。而其它掛著ChatGPT概念的公司，幾乎只能局限在很小的領域，資金不足以支撐語言訓練是最大的問題?！?/p>

而在多位行業(yè)人士看來，要做中國ChatGPT，不光是“語言預訓練”的問題。與OpenAI相比，國內大廠在算力和算法方面與之同樣有差距。高性能GPU是人工智能的基石。去年英偉達高端GPU芯片對中國供應受限，有行業(yè)人士算了一筆賬：想要訓練與ChatGPT相匹敵的大模型，每年在顯卡、CPU等設備方面投入的成本高達10億美元。面對如此龐大的現(xiàn)金流需求，不少人預判，“微軟、谷歌這樣的硅谷大廠有這個能力，國內大廠有這一實力的也少”。

李笛認為，與其說中美兩國在人工智能領域有巨大的“技術壁壘”，不如說有一定的“時間壁壘”?！皶r間壁壘”帶來的則是算法方面的差距。一個基礎常識是，算法訓練是一件沒有辦法彎道超車的事情。自2018年推出第一代生成式預訓練模型GPT-1起，OpenAI用了近6年的時間沉淀出了當前的大語言模型?！斑@6年的差距沒辦法用半年的時間實現(xiàn)超越，除非有天才少年用更加完善的算法框架實現(xiàn)降維打擊?！?/p>

其實，不少AI從業(yè)人士同樣認為，由于人工智能對算力、算法、時間的要求很大，其成本壓力太高，因此，AI必須要找到一個明確具體的垂直場景。

與其臨淵羨魚，不如退而結網(wǎng)。對于許多國內公司而言，基于ChatGPT的場景賦能應用，或許是新一輪科技軍備競賽中的理性選擇。