文 | 另镜 刘雨婷
海内外互联网大厂与创业者,正陷入一场有关ChatGPT的竞赛中。
3月15日凌晨,OpenAI推出GPT-4多模态预训练大模型,除语言文本外,还支持图像识别输入,以文本形式输出。
在发布会上,官方人员演示GPT-4可以识别手绘网页草图,并仅用十秒钟左右,就根据草图写出网站代码。
在OpenAI发布会前几个小时,谷歌刚刚宣布推出一系列生成式AI功能,用于其各种办公软件中,包括谷歌Gmail、Docs(文档)、Sheets(表格)和 Slides(幻灯片)。
在外界看来,这是谷歌意图抢在微软3月16日预期官宣GPT接入Office之前,展现自己的成果。
作为直接竞争对手,谷歌已走在“对抗”微软与OpenAI的最前列。但随着OpenAI空降官宣GPT-4,谷歌又陷入下一场追逐战中。
ChatGPT是AIGC领域的颠覆性产品,在上线后吸引了全球关注。将ChatGPT嵌入微软Bing搜索引擎后,Bing日活首次突破1亿,直接影响到谷歌的用户基础。
面对微软的步步紧逼,苹果、Meta和亚马逊等公司也正计划重新评估其人工智能的开发策略。
3月16日,百度将率先发布“中国版ChatGPT”文心一言。国内创业公司和互联网大厂,都迅速跟进,不愿成为新技术掉队者。在王兴、王慧文再度携手、开启AI领域创业的同时,快手前AI核心人物李岩也投身“多模态大模型”创业。
随着OpenAI发布GPT-4,多模态大模型已成为最新的技术变革方向,人工智能正迈入“iPhone 时刻”。正如iPhone带来的智能手机变革,GPT模型的出现又将影响未来AI领域的发展方向。
如今,微软与谷歌竞争的不只是当前的市场,还有未来AI时代的定义标准与话语权。
GPT-4:多模态变革
面对ChatGPT的步步紧逼,海外大厂都在追赶和阻击微软,以动摇其目前在人工智能领域的领先地位。
在“对抗”微软与Open AI方面,谷歌已经走在前列。知情人士透露,谷歌高级管理层已经宣布“红色指令”,其中要求在几个月时间里将“生成式人工智能”技术集成到谷歌的所有重要产品中。
去年12月,谷歌母公司Alphabet就曾发布“红色警告”,已处于半退休状态的创始人拉里·佩奇和谢尔盖·布林重新回到公司,商讨制定了人工智能后续战略,并决定将聊天机器人纳入搜索引擎,以应对ChatGPT的威胁。
但从微软和OpenAI近期举动来看,单纯的文本交互已无法满足其在生成式AI方向的野望,包含文本、图像、视频处理等在内的多模态大模型已成为其最新的技术变革发力点。
在GPT4.0发布前,今年3月初,微软发布了多模态AI大模型Kosmos-1。微软AI技术专家Holger Kenn表示,多模态AI不仅能够将文本转变成图像,还可以转变成音乐和视频,尤其在编程领域,AI模型能够更轻松的生成样板代码。
在微软发布Kosmos-1后,3月7日,谷歌和柏林工业大学的团队推出了PaLM-E视觉语言模型,参数量高达5620亿,约为GPT-3参数量的三倍。
据悉,PaLM-E大模型是在语言类模型PaLM(5400亿参数)和视觉类模型ViT(220亿参数)的基础上开发的。其不仅可以理解图像,还能理解、生成语言,以及将两者结合,处理复杂的机器人指令。
谷歌与微软的较量不仅体现在生成式AI的场景应用层面,也聚焦于大模型底层实力。但随着GPT4.0的发布,多模态大模型的能力得到进一步展现,谷歌的声量又再度落于下风。
今天凌晨,OpenAI发布最新GPT4.0多模态大模型,引爆全网讨论。与前一代相比,最新的GPT4.0可以识别图片输入;文字输入上限提升至2.5万字;回答深度和专业性、推理和风格变化能力也显著提高。
OpenAI称,GPT-4在各种专业学术基准上有着人类水平表现。在最新测试中,GPT-4通过了模拟律师考试,得分约为前10%,而GPT-3.5得分约为倒数10%。GRE、SAT数学考试成绩也有大幅提升,击败了80%以上的人类答题水平。
GPT-4也拥有更高级的推理能力。用户在GPT上传了一张梗图,问这张图为什么会引人发笑:
GPT4.0一一给出回答:
在官方的示例中,GPT-4.0可以10秒钟编写网站代码,可以编写剧本、计算物理题、速读专业论文、分析数据图表,甚至可以解读搞笑图片与漫画。
在业内人士看来,生成式AI的产生本质上是一种生产力革命,其不仅是工具,而是直接成为生产要素的重要部分。以文本、音频、图像和视频为处理对象的多模态大模型和生成式AI,势必会对未来的内容创作、数据处理等相关行业带来巨大冲击。
AI对传统工作方式的革命和颠覆或许即将到来,未来最核心的竞争力和技能可能不再是编程,计算,甚至分析能力,而是和大模型的对话能力。
现在人工智能正处于一个决定性的时刻,就像90年代的互联网以及iPhone带来的手机变革,人工智能正朝着大规模采用的方向发展,ChatGPT类的大模型正推动数据革命。
美国银行战略分析师预测,人工智能正迈入“iPhone 时刻”,预估到2030年会为全球经济带来15.7万亿美元的增长。
在过去,苹果曾经两次定义硬件工具的交互方式:PC时代的Apple Lisa电脑,是首次采用图形用户界面(GUI)和鼠标的个人电脑;到智能手机时代,iPhone定义了触控交互。
如今,ChatGPT已经改变了人与文字、知识的交互方式,而下一步,ChatGPT类的大模型又将影响未来AI的发展方向和人类的工作方式。
ChatGPT开放端口是创业机会吗?
作为OpenAI背后的投资者,微软的相关产品已经取得了初步成果。
微软在GPT-4发布后第一时间表示,新的Bing已经基于GPT-4技术运行,这是为搜索产品量身定制的模型产品。
在集成ChatGPT的Bing搜索引擎推出一个月后,微软宣布Bing每日活跃用户首次突破1亿,每天大约有1/3的必应用户与BingChat进行交互。此外,Bing在移动设备上的使用率也有所增长,BingChat应用使得每日活跃用户增加了6倍。
此外,微软宣布,将于3月16日召开“工作的AI未来”发布会,预计将展示其类似ChatGPT的人工智能,如何在Teams、Word和Outlook等Office生产力套件中发挥作用。
从Bing浏览器到Office办公套件,微软正筹划将AI赋能更多C端、甚至B端用户。据悉,微软计划将ChatGPT背后的技术整合到其Power Platform平台上,允许用户在几乎不需要编码的情况下,就能开发自己的应用程序。
“我们不想把它打造成定制产品,它一开始是一个定制产品,但我们总是想办法把它打造成通用型产品,这样任何想训练大型语言模型的人都可以利用同样的改进,”微软负责云计算和人工智能的执行副总裁斯科特 格思里曾对外表示,“这真的能够帮助我们成为使用更广泛的人工智能云。”
对旗下平台进行AI赋能是互联网大厂的优势,微软、谷歌、BAT等互联网大厂具备充足的资金和技术支持,同时具备庞大的C端流量入口。对于他们来说,开发自有大模型一方面可以探索更多的场景和商业模式,另一方面也是为了保证自身对于用户的竞争力和行业话语权。
但对于资金和技术实力欠缺的企业或创业者来说,利用大厂开源模型,优先采用接口模式,结合自身产品,将重心放在更具体的需求场景上,或许才是最优的选择。
ChatGPT之父、OpenAI创始人山姆·阿尔特曼在3月10日的摩根士丹利大会上透露,OpenAI将重点开发一个平台,向开发者开放API接口,并创建类似ChatGPT的应用程序,第三方开发者被允许通过API将ChatGPT集成到他们的应用程序和服务中。
OpenAI将推出一系列工具,让用户可以更好地控制这套生成式人工智能系统,并针对通用用户用例和具体用户用例进行改进。
最新GPT-4发布后,OpenAI把ChatGPT直接升级为GPT-4最新版本。同时,OpenAI开放了GPT-4的API。
ChatGPT Plus付费订阅用户可以获得具有使用上限的GPT-4访问权限(每4小时100条消息),可以向GPT-4模型发出纯文本请求,图像输入处于研究预览阶段,仍不完全公开。
用户可以申请使用GPT-4的API,OpenAI会邀请部分开发者体验,并逐渐扩大邀请范围。该API的定价为每输入1000个字符(约合750个单词),价格为0.03美元;GPT-4每生成1000个字符,价格为0.06美元。
与前一代模型相比,新推出的GPT-4 API价格提高不少。3月2日,OpenAI刚刚放出ChatGPT API,比之前的GPT-3.5模型便宜10倍,每生成1000字符,价格为0.002美元,即2.7美元就可输出100万个字符。
自去年12月以来,ChatGPT对于处理查询的方式进行了优化,使成本降低90%,最终带来了面向用户的大幅降价,GPT-4或许也能在将来重复这一过程,这将大大降低开发人员利用ChatGPT赋能自身产品的难度。
当调用ChatGPT模型的能力不再是门槛,对于场景赛道的理解、商业模式的构建能力就成为企业的核心竞争优势。
北极光创投合伙人张朋在一场直播中向创业者提出建议,产品和服务不能仅依靠调用大模型的能力,还要实现差异化,比如工具层+应用层结合在客户的场景落地,让客户买的是场景的价值。
张朋认为,从变现角度,最好从应用层下手,“以Pass为例的中间层的很难盈利,大多客户难以从通用模型框架自我研究出解决方案,还需要提供细化到应用的服务,B端客户需要的不是工具,是解决方案。”
千万美元入场券
美团联合创始人王慧文对于AI的态度很明确,“关于人工智能,到现在为止,我只有一个判断,必须参与。”
今年2月,王慧文在朋友圈发布“组队帖”,要带资5000万美元进入AI赛道,设立光年之外科技有限公司,资金占股25%,其余75%的股份用于邀请顶级研发人员,打造中国Open AI。
据王慧文透露,光年之外估值达2亿美元,下轮融资已有顶级VC认购2.3亿美元。3月8日,美团创始人王兴在朋友圈回应王慧文的宣言,宣布将以个人身份参与王慧文的创业公司“光年之外”的A轮投资,并出任董事。
在“双王”三度携手、进场AI赛道的同时,众多互联网大佬纷纷开始招兵买马,争相抢夺人才:原京东集团高级副总裁、集团技术委员会主席周伯文同样在朋友圈发布招募研发、产品及算法人员,原搜狗CEO王小川对媒体回应正快速筹备AI大模型,快手前AI核心人物李岩也投身“大模型”赛道创业,成立AI公司元石科技,进行多模态大模型的研发。
百度、腾讯、阿里、字节跳动等互联网大厂也在“争分夺秒”开发自有大模型,百度宣布将于3月16日推出类似产品“文心一言”,腾讯针对类ChatGPT产品已成立“混元助手”项目组,阿里巴巴则表示其聊天机器人正处于研发内测阶段。
在OpenAI发布GPT4.0后,即将发布文心一言的百度压力再度增加。ChatGPT的背后离不开大模型、大数据、大算力,大厂想要追赶Open AI,也需要面临多方面的挑战。
在算力要求方面,市场调查机构TrendForce集邦咨询公布的最新报告指出,如果以英伟达A100显卡的处理能力计算,运行ChatGPT将需要使用到3万块英伟达GPU,目前英伟达A100显卡的售价在1万-1.5万美元之间,3万块售价超过3亿美金。
除算力要求高外,需要大量的数据集得到ChatGPT训练成本非常高昂。其使用Transformer神经网络架构,训练数据来自包括维基百科,以及真实对话在内的庞大语料库,有着多达1750亿个模型参数。
根据中信研报测算,ChatGPT生成一条信息的成本在1.3美分左右,是目前传统搜索引擎的3-4倍,成本问题中短期内或只能等待硬件成本的继续下降。
尽管目前技术上还在追赶Open AI,但在这条新兴赛道上,BAT并不想缺席。
如今,现在生成式AI的商业模式还有待探索,但人的想象力是无穷的。ChatGPT可以写诗,可以优化搜索,可以回复邮件,可以整理数据,也可以编写代码……
ChatGPT只是更伟大事物的开始,英伟达CEO黄仁勋表示,“你知道你今天做不到,但是当然,它总有一天会做到的”。
无论现在的微软、谷歌、百度等旗下的聊天机器人表现如何,这也只是新时代AI技术迭代的最开始,未来的AI产业势必会更精彩。
运营|陈小妍
策划|晨曦 丁珏汭(澎湃新闻高级编辑)