摘要： 随着ChatGPT登台亮相，从科技从业者，到投资圈，再到普罗大众，越来越多人再次关注到了“过气”的AI，及其所能带来的价值和改变。 商业界也的确源源不断贡献着更多新的素材：OpenAI和微软的联姻让性能提升、成本降低成为可能；Google...
随着ChatGPT登台亮相，从科技从业者，到投资圈，再到普罗大众，越来越多人再次关注到了“过气”的AI，及其所能带来的价值和改变。
商业界也的确源源不断贡献着更多新的素材：OpenAI和微软的联姻让性能提升、成本降低成为可能；Google、Meta穷追不舍更新动作；国内，百度、字节、腾讯等大厂，以及众多创业公司，都开始从自己擅长的角度切入竞争……
为了帮助读者能够持续关注由ChatGPT引发的科技圈海啸，36氪推出「Chat AI」栏目，从中立的第三方视角，探索、分析每一次热点背后的商业观点。
作者 | Ben
刚刚看过了“文心一言”发布会，从大模型本身来说已无需过度解读。
从发布会可见，国内厂商的优势更多还是在应用和商业化方面。
发布会”让复杂的世界更简单“的副标题则让人印象深刻。
让复杂的世界更简单
也因此想对百度提出一些建议。
其中比较重要的一点是，能否运用“文心一言”+商业人工智能模型的能力让复杂的“车”变得更简单些？
在这个人工智能可能颠覆一切的时代，在软件重新定义了一遍汽车之后之后，如何用人工智能重新定义汽车或将是对AI厂商大模型能力全面的考验。
如果说“简单”是人作为个体的终极追求之一，起码个人对车的需求也确实如此。
不需要大屏，也不需要智能座舱，只希望车是精确、快捷的点到点工具，能将原来半个小时的路程再多缩短5-10分钟，但这样的车已经越来越少。
过去几年，智能化让乘用车愈加复杂，据说一辆车的代码总量已经达到亿行级，甚至超过最先进的战斗机一个数量级。
分辨不出这个说法是褒义还是贬义，但它毕竟只是个车而已，或许一万行、一百万行代码就足够了，为什么要弄得那么复杂呢？
在智能化的路线上，终端消费者非但没有体验到高等级自动驾驶的红利，却还要为系统巨大的冗余和Bug买单。
我们更希望看到人工智能可以在这些有价值的地方落地。
站在人工智能的角度，百度和谷歌高度类似，在对大模型投入研发的同时，为自动驾驶所投入的精力只怕会更多一些。
古话说“学贵有恒，人贵有专”，很难说OpenAI是不是因为足够专注，所以在大模型上率先取得了突破。
但在下一步，能否借助大模型的能力，从底层实现产业级的颠覆，比如泛出行行业的辅助驾驶、高等级自动驾驶、汽车机器人等赛道；再比如泛内容行业的元宇宙赛道，或许才是诸如谷歌、百度之类AI大厂们一定要扳回一局的发力点。
在未来可见的时间轴内，大模型对行业的颠覆越快越好、越猛烈越好。
已经能明确感受到，产业界也纷纷将启动第四次工业革命的希望寄托于AI和大模型。
近两周以来，几乎每一次见人都会被问道两个问题：你们怎么看3月16号“文心一言”的发布？GPT4真的会发布么？
说实话，关于这两个问题，很难听到、也很难预先给出有建设性的观点、意见、或小道消息。
但还是会一遍又一遍的求证、与被求证。
我的回答是，不如把这些问题交给ChatGPT，看看2021年的智能能否解决2023年的疑惑。
还可以想象，3.16的下午和晚间估计会充斥着大量ChatGPT写的“文心一言”发布会报道。
倒计时3天，环境变量开始不断增加。
3月14日，商汤发布了多模态、多任务通用大模型“书生（INTERN）2.5”，并在商汤参与的通用视觉开源平台OpenGVLab开源。
北京时间3月15日凌晨，谷歌官方宣布，正式开放其 PaLM 大型语言模型 API，并将在 Gmail、Docs 等中陆续提供 AI 功能，帮助企业“从简单的自然语言提示中生成文本、图像、代码、视频、音频等”。
但是这些消息几乎石沉大海。
因为几乎与谷歌同时，OpenAI真的发布了GPT4。
尽管GPT4公布的信息中隐藏了太多秘密，按其官方披露“GPT-4通常缺乏对其绝大多数训练前数据在2021年9月中断后发生的事件的知识，并且不从其经验中学习。”模型训练参数的截至时间甚至早于GPT3.5的12月31日。
但是GPT4所展示出来的能力却令人叹为观止，谷歌PaLM可以说被直接钉上了背景墙。
“文心一言”顿时压力陡增，但几乎已经没有什么可调整空间。
从GPT3.5到ChatGPT，再到GPT4，OpenAI让一切都变快了，让行业、让产业在狂风暴雨般的节奏中重新认识了AI，甚至让普通人也在试图理解那些只应该出现在论文中晦涩难懂的术语。
在这样的时候，能够保持清醒是一件难得的事情，特别是身处风暴眼中的那些同样具备大模型能力的AI大厂。
谷歌仓促应战，其结果比差强人意更差；此后，Meta只能用讨巧的方式发布开源大语言模型LLaMA，并号称优于ChatGPT，当然，是否真的超越就仁者见仁智者见智了。
事实上，在C端市场不要说超越、哪怕是达到或接近ChatGPT用户过亿的速度，几乎已经是不可能完成的任务，而更难的则是在使用体验上实现突破。
当百度在一个月前宣布3.16发布“文心一言”的时候，各界反响热烈，甚至海外媒体同样高度关注。作为国内用户，期望当然很大，但或许会失望的隐忧也同样存在。
近些年来，很少有哪项技术像ChatGPT一般出道即巅峰，在早期阶段就被如此寄予厚望。之前的自动驾驶、XR也曾经被推上神坛，但它们毕竟还有着明确的落地场景。
而AI则不然，商业化曾经是初代AI公司们很难回避的痛点。而当ChatGPT开始颠覆AI1.0的时候，压力给到了所有人。
单凭揣测，多数人应该不会对“文心一言”有太高的预期，只要真实的展示应有的水准就好。
并且这一次，当看到百度在提前一周推送的直播预热页面中，副标题低调的写道：
“百度使命 · 用科技让复杂的世界更简单”。
直觉是“文心一言”的发布会不会有太多惊喜，更可能是一场太极。包括外界的一些猜测，比如“大概率不会开放大范围公测”、“API接口的排队周期可能会很长、审核可能会很严格”等等，或许答案都是肯定的。
不能否认，这个副标题其实很巧妙，对新一代AI技术的内核提炼得精准而直接，“大道至简”代表了一种终极追求，也绝不是朝夕之间就能够实现。
去年，在ChatGPT正式发布前不久，Salesforce 副总裁兼首席科学家Silvio Savarese 曾写了一篇文章“If You Can Say It，You Can Do It：The Age of Conversational AI”。
文章从人类对未知空间的探索入手，逐渐揭示出作者关于对话式AI的核心观点：
"最好的工具不仅功能强大且易于使用，而是因为它们易于使用而强大”。
这也和”让复杂的世界更简单“有着相同的逻辑。
起码，我们现在已经来到了让“可能”逐渐变成“现实”的阶段。
2022 年，Gartner 将生成式 AI 列为 五大影响力技术之一，MIT 科技评论也将 AI 合成数据列为 2022 年十大突破性技术之一，甚至将 Generative AI 称为是 AI 领域过去十年最具前景的进展。
而作为底层技术，大模型和多模态模型让 AIGC 成为全新的平台级应用，但是多模态大模型的能力上限应该远不止于此。
据百度发布会介绍，一个月以来，“文心一言”的朋友圈已经有了650多个成员，如何赋能生态，如何构建完美的数据闭环才是对大模型能力真正的考验。
此前，以视觉识别技术为代表的初代AI创业公司们，也曾通过大量训练基于行业应用场景的AI商业模型，试图在垂直领域中找到AI的落地场景。
其中的不少尝试被市场证明是伪命题，比如在人脸识别等不可或缺的应用场景中，商业化的天平最终向硬件厂商倾斜。
而有待证伪的领域或许也包括百度投入重注的自动驾驶和智能汽车。
回到B端市场永远无法回避的问题，产品和服务有没有价值，要看市场痛点到底是什么？
2月，百度刚刚宣布下个月将发布“文心一言”，主机厂的反应大概是最积极的，据不完全统计，仅仅两三天的时间，就有长城、红旗、吉利、东风日产、哪吒、爱驰、零跑等十余家车企宣布加入“文心一言”的朋友圈。
在汽车这个大赛道，主机厂的痛点已经明盘，2023年一开年，降价促销突然成了主旋律，如何通过差异化突围是未来长期都要面临的挑战。
人工智能会不会是一根救命稻草呢？
欧阳明高院士在2月17日举办的中国电动汽车百人会论坛（2023）专家媒体沟通会上表示：ChatGPT将会引发人工智能新一轮的革命，对智能驾驶也会产生深远的影响。虽然目前车企与ChatGPT的合作大多还处于人车沟通的阶段，但可以预见的是，未来随着智能驾驶的不断进化，ChatGPT的模型和技术逻辑也将逐渐应用在自动驾驶情境之下。
对于百度和“文心一言”生态圈的合作伙伴而言，不如一起加快颠覆自己，总好过被革命。
人工智能不代表垄断，从长线看也不可能一家独大，开源与否对于AI来说已经并不重要，从基础层以上为生态伙伴赋能对于各垂域来说有着更大的价值。
汽车行业如此，在广阔的B端市场，企业们还是应该接受即将被颠覆的事实，已经少有赛道能独善其身。
在大力出奇迹的当下，关于AI的大模型军备竞赛已经不亚于枪林弹雨的战场，没有人甘愿做第二。
第二名的代价就是：公众可以带着微笑听ChatGPT一本正经的胡说八道，像是对待自己说谎的孩子；而Bert只说错一句话，就像是高铁车厢中大声喧哗的熊孩子被薅住脖子，人人都想喊打。
但事实是，当第二对于大量同赛道的玩家可能都是一种奢望，更不用说跃跃欲试的新选手们。
ChatGPT是自带颠覆属性横空出世的，不但有着跨语种的强大知识整合和内容生成能力，在对话中甚至能感受到微妙的情绪变化，这种微妙的人性也是它更吸引人的地方。
ChatGPT发布之后，军备竞赛进一步升级，OpenAI、谷歌、Meta、百度，都开始大幅提高自己AI大模型的迭代频率，从原来的年缩短到以季度或更低的频率来计算。
对百度而言，未来在这个战场上要保住一席之地，在成本控制、创新能力、人才储备等维度都需要不断加码。
据报道，由OpenAI 所提供的数据统计显示：在2016 年，OpenAI 员工总数 52 人，平均年薪不到20万美元，云计算成本在 230 万美元左右；到 2019 年，OpenAI 的员工平均薪酬变化不大，云计算的支出则接近 3100 万美元，增长了 12 倍。
这对国内AI公司，将成本是投在算力上、还是人力上或许提供了一些差异化的观点。
从中长线来看，大模型对于提升人类学习能力、改变知识结构的影响必然越发明显。
这中间一定存在着巨大的市场机会。
替代不一定是使用人工智能的目的，但大模型对实体经济中薪酬结构的影响则不容忽视。
有外媒曾报道，谷歌对ChatGPT进行过一次内部测试，结果显示其代码输出能力已经可以通过谷歌L3级软件工程师的职级测试，该岗位在谷歌所对应的年薪接近20万美元。
这也是对百度的另一点建议，是不是可以借助“文心一言”大模型的能力为改善国人的学习能力做一些有效的尝试。
一直以来，在媒体报导中，OpenAI的上一代大模型GPT3.5大概相当于人类9岁的IQ，真实性很难考据，毕竟它做国内各省的高考试卷，通常都能过一本线。
从2022年11月，到2023年3月，只用了不到半年的时间，GPT4已经能高分通过律考之类世界上最难的考试。
我们大可以试着把不同的AI、不同的大模型看成一群小朋友，他们天资不同，有的赢在起跑线，有的累倒在中途，希望有新面孔能在中后程脱颖而出。
GPT4“多点开花”，但技术细节却“点到为止” | Chat AI
ChatGPT模型API接口1折开放，全球AI格局巨变进行时 | Chat AI
ChatGPT走红背后：苦熬五年，三次AI路线迭代｜Chat AI
Chat AI | 最快月活过亿，但ChatGPT或终将被开源打败
ChatGPT背后：一个天才、百亿融资和1亿月活 | 全球独角兽
