“中国版ChatGPT”的虚与实

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）