发布短短五天,注册用户数超过100万,两个月后,月活用户已经超过1亿人次….
ChatGPT刚一发布就让全球的人工智能企业羡慕不已。
然而就在人们还在沉浸在感慨中,GPT-4又再度“出圈”:更强大的数据库、更聪明的对话、更接近于人类的思考方式……
就在上个月,国内互联网巨头百度发布了对标ChatGPT产品“文心一言”。结果却是,体验不佳、股价下跌。
相比于多轮迭代的ChatGPT,“文心一言”在逻辑推理、多轮对话等方面的表现不尽如人意。国产人工智能从“追风者”变成“追赶者”,到底难在哪里?
在上海徐汇,竹间智能产品总监徐珲向记者介绍了他们自主研发的一款文案神器“灵感闪写”。
在这里,记者进行了个小测试,将同样的主题分别提给“灵感闪写”和ChatGPT。
结果ChatGPT生成的内容更胜一筹,从拍摄景别到镜头设计,从采访提纲到拍摄场景,都非常专业。比如开场和结尾镜头的详细设计,都是记者可以直接采用的视频脚本。
徐珲坦言,同为基于大模型技术的文字生产类产品,“灵感闪写”的数量级仅为百亿级,与ChatGPT的千亿级相去甚远,模型缺少训练是主因。
而ChatGPT背后的训练跟参数非常庞大,需要非常多的一些硬件的辅助,最关键的就是GPU。
GPU,即人工智能的算力支撑。由于美国实施的贸易限制,国内企业无法获取相关芯片,而运行ChatGPT至少需要上万枚芯片。算力的缺失,是限制中国生成式AI诞生的最直接因素之一。
在竹间智能CEO简仁贤看来,没有这些算力,就应该去想办法,把这些基础的模型,用最好的方式,到最有用的场景。
上海银行研发总部,产品经理姜亚文正向记者介绍处于测试阶段的虚拟员工产品,与之前的“元宇宙”虚拟人不同,她运用的也是大模型技术,扮演的是一位专业的金融行业客服。
事实上,ChatGPT一经问世,就有不少人认为金融行业将是ChatGPT落地场景的最佳领域。究其原因,金融行业在纵向上涵盖多种工作需求,又覆盖了从金融到各行各业的多元化应用场景。
如果说早前ChatGPT的走红只是唤醒了国内网民的好奇心,摆出了一副“吃瓜”姿态,现在已然被彻底点燃了热情。
但“文心一言”上线至今,并未有第二家企业官宣跟进,或喧嚣或冷静的背后,科大讯飞董事长刘庆峰的观点似乎代表了国内科技界的主流看法:AI要兑现红利,标准之一就是有看得见摸得着的应用场景。
事实上,人工智能产业规模占全国三分之一,企业数占比达到30%的长三角,并不缺少媲美ChatGPT的大模型,更有超过全球的实实在在的应用场景,这也是很多企业自信可以开发出相关应用的直接原因。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。
更重要的是,ChatGPT能够提炼的语料是开放的、共享的、免费的,而中国版ChatGPT所需要的高质量中文语料大多被存在各家企业或机构的“后花园”里无法共享。尽管在工信部的“施压”下,大厂们已经开始“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。
即使有高质量数据,还需要多轮训练。ChatGPT一次完整的模型训练成本超过1200万美元,频率通常在几个月到一年不等。高昂的成本,短时间内看不到回报,喜欢“赚快钱”的中国互联网企业显然也有些不太适应。
在“肉眼可见”的技术差距面前,做垂直、做细分领域的NO.1已经成为当下国内人工智能行业实现追赶的共识。
目前,上海银行已经实现了人工智能在营销、风控、客服及运营等领域的应用覆盖,支撑近200个业务场景。但细究来看,当前银行业广泛应用的人工智能和ChatGPT仍存在代际性区别。
在上海银行信息技术部总经理曹广智看来,生成式AI,不可能适用金融业的所有场景。
作为客服对话,90%的准确性就够了,但如果真的用于企业服务,比方说导致了错误的引导,那最后的损失一定是商业银行承担责任的。
金融业作为被严格监管、需持牌合规经营的行业,有其特殊性,ChatGPT依托的通用知识库需要优化,甚至针对金融业的特性进行专门训练,才能解决业务痛点。
从“通才”变“专才”,国产ChatGPT的路还很长。
工作日一早,徐珲就忙着和客户交流产品体验,他们最近又新开发了一款培训类ChatGPT技术产品,即将内测上线。
在徐珲和团队看来,ChatGPT的爆火将人工智能的关注度带到了前所未有的高度,这是挑战,更是机遇。
竹间智能CEO简仁贤告诉记者,中国不需要做一个和ChatGPT一模一样的大模型,而需要去做能够支持有价值场景的这些基础模型,聚合起来,让所有的人都可以去垂手可得。
(看看新闻Knews记者:王骋 张琦 高原)
顶级复刻,货到付款,质量保证,对版发货,售后五年,添加 微信:AFZF66 备注:大云时间圈!
如若转载,请注明出处:https://www.watch555.com/9447.html