2022年12月份的時候，ChatGPT還只是個被人各種撩的聊天工具。但進入2023年后,，已經(jīng)向著效率工具邁進了,。

　　微軟宣布正和ChatGPT開發(fā)團隊OpenAI進行洽談，投資百億美元，并計劃把這個工具整合到云服務、搜索引擎、甚至office中,。海外高校、學術機構,，也興起了關于用ChatGPT寫論文是否合規(guī)的大討論,；咨詢公司也開始擔憂是否會被搶飯碗。

　　毫無疑問,，ChatGPT的應用熱情,，已經(jīng)被點燃；應用場景也不斷拓展,。但ChatGPT并不是一蹴而就,，以更廣闊的的視野來看，這背后是AIGC“智慧涌現(xiàn)”的大浪潮,。那么,，AIGC的發(fā)展節(jié)點有哪些？企業(yè)競爭靠什么,？

　　AIGC是如何一步步突破的,？

　　AI懂創(chuàng)作、會畫畫,，可以說是人工智能的一個“跨越式”提升,。雖然人工智能在生活中不斷普及，比如我們習慣了機器代替人去搬運重物,、制造精密的產(chǎn)品,、完成復雜的計算等等。但是,，如果人工智能更接近人，那就必須具備人類“創(chuàng)作”的能力。這就是AIGC的意義,。

　　AI能力的提升,，并不是一蹴而就，而大部分則經(jīng)歷了“模型突破-大幅提升-規(guī)?；a(chǎn)-遇到障礙-再模型突破-大幅提升”的循環(huán)發(fā)展,。而要實現(xiàn)落地、走進人類生活,，則必須具備“規(guī)?；a(chǎn)”的能力，在資源消耗,、學習門檻等方面大幅降低到平民化,。

　　比如以AI畫畫為例，則經(jīng)歷了三個關鍵節(jié)點：

　　第一個節(jié)點,，早期突破：2014年,，對抗生成網(wǎng)絡（GAN）誕生，真正“教會”AI自己畫畫,。

　　GAN包含兩個模型,，一個是生成網(wǎng)絡G、一個是判別網(wǎng)絡D,。G負責把接收到的隨機噪聲生成圖片,，D則要判斷這張圖是G畫的、還是現(xiàn)實世界就存在的,。G,、D互相博弈，能力也不斷提升,，而當D不再能判斷出G生成的圖片時,，訓練就達到了平衡。

　　GAN的開創(chuàng)性在于,，精巧地設計了一種“自監(jiān)督學習”方式,，跳出了以往監(jiān)督學習需要大量標簽數(shù)據(jù)的應用困境，可以廣泛應用于圖像生成,、風格遷移,、AI藝術和黑白老照片上色修復。

　　但其缺陷也正來源于這一開創(chuàng)性：由于需要同步訓練兩個模型,，GAN的穩(wěn)定性較差,，容易出現(xiàn)模式崩潰。以及另一個有趣的現(xiàn)象“海奧維提卡現(xiàn)象”（the helvetica scenario）：如果G模型發(fā)現(xiàn)了一個能夠騙過D模型的bug,，它就會開始偷懶,，一直用這張圖片來欺騙D,，導致整個平衡的無效。

　　模型也會躺平,，這雞賊的特性,，真是有人的風格。

　　第二個節(jié)點,，大幅提升：2020年,，一篇關于擴散模型（Diffusion Model）的學術論文，大幅提升AI的畫畫水平,。

　　擴散模型的原理是“先增噪后降噪”,。首先給現(xiàn)有的圖像逐步施加高斯噪聲，直到圖像被完全破壞,，然后再根據(jù)給定的高斯噪聲,，逆向逐步還原出原圖。當模型訓練完成后,，輸入一個隨機的高斯噪聲,，便能“無中生有”出一張圖像了。

　　這樣的設計大大降低了模型訓練難度,，突破了GAN模型的局限,，在逼真的基礎上兼具多樣性，也就能夠更快,、更穩(wěn)定的生成圖片,。

　　擴散模型在AI業(yè)界的“起飛”源于2021年1月，Open AI基于此開發(fā)出DALL·E文字生成圖片模型,，能夠生成接近真實生活但并不真實存在的圖片,，讓AI業(yè)界震了三震。但由于在像素空間進行了大量計算,，這一模型仍存在進程緩慢,、內(nèi)存消耗大的缺陷。

　　第三個節(jié)點,，批量生產(chǎn)：2022年夏天誕生的Stable Diffusion,，讓高大上的學術理論變得“接地氣”。

　　去年8月,，Stability AI將擴散過程放到更低維度的潛空間（Latent Diffusion）,，從而開發(fā)出了Stable Diffusion模型。這個模型帶來的提升,，在于資源消耗大幅降低,，消費級顯卡就可以驅(qū)動的，可以操作也更為方便,，普通人也可以體會到人工智能驚艷的創(chuàng)作能力,。而且開發(fā)團隊還把所有代碼,、模型和權重參數(shù)庫都進行了開源，踐行了Geek的共享精神,、去中心化主義,。

　　門檻降低、效果提升,，因此，大受歡迎,。發(fā)布10天后,，活躍數(shù)據(jù)達到了每天1700萬張，如果都用A4紙打印出來疊一起,，相當于一座52層高的大樓,。

　　共享，也是Stability AI的另一特色,。在開源社區(qū)中,，除了更小的內(nèi)存和更快的速度，Stable Diffusion收獲了更完善的指南與教程,、共享提示詞,、新UI，也依靠集體的智慧,，走進了Photoshop,、Figma等經(jīng)典軟件，匯入創(chuàng)作者們的既有工作流中,?？芍^是，依靠群眾,、回饋群眾,。

　　從技術實現(xiàn)突破、到技術提升,、再到規(guī)?；档烷T檻，AI創(chuàng)作能力也不斷提升,。2022年10月,，美國一名男子用AI繪畫工具Midjourney，生成了一幅名為《太空歌劇院》的作品,，并獲得了第一名,。這引起了一波不小的爭論，也終于形成了一條新賽道,。于是,，2022年以AI繪畫為代表的各種生成式AI工具,，如雨后春筍般瘋狂冒尖，比如盜夢師,、意間AI,、6pen、novelAI等等,。

　　而在文本AI領域也是如此,。如今大火的ChatGPT則是基于GPT3.5模型，已經(jīng)迭代了4次,。而對話一次的平均成本為0.01-0.2美元,，也就是六毛到一塊錢人民幣，成本依然需要不斷降低,。但整體而言,，無論畫畫、還是聊天,，AI已經(jīng)體現(xiàn)出智慧涌現(xiàn),。

　　如何成為浪潮寵兒？

　　Stability AI的創(chuàng)始人Emad認為,，圖像才是殺手級應用,。

　　圖像模型可以迅速創(chuàng)造，并引導人們迅速消費,，同時又能以較低成本快速整合到不同領域,，從而快速普及，掀起浪潮,。而事實上,，確實許多創(chuàng)業(yè)者涌入了這些領域。AIGC成為了幣圈之后的投資新焦點,。在 GPT-3 發(fā)布的兩年內(nèi),，風投資本對 AIGC 的投資增長了四倍，在 2022 年更是達到了 21 億美元,。

　　公司增多,，投資增多，但并不是每家企業(yè)都能活得很好,。比如2022年底,，僅創(chuàng)立4個月的AI繪畫公司StockAI就停止了運營。公司CEO表示,，主要是因為商業(yè)化模式不成熟,，目前的付費用戶群體無法覆蓋高昂的運營成本。雖然他也表明會在今年1月份推出全新的平臺，但從透露的信息來看,，新平臺已不會有需要大量算力的AI圖片生成功能了,。

　　那么，什么樣的企業(yè),，才是這波浪潮的“寵兒”,？

　　首先，無疑是掌握核心前沿技術的行業(yè)引領者,。全球TOP3的人工智能研究機構,，都在各出奇招、爭奪AIGC主導地位,。

　　OpenAI是文字生成領域的領航員,。不光吸引了“生成對抗網(wǎng)絡之父”Ian Goodfellow加盟，還早早獲得了微軟的10億美元投資,。從GPT到GPT3.5，OpenAI不斷迭代,，也不斷帶給行業(yè)驚喜,。這一次的ChatGPT更加獲得了微軟的認可。而通過開放GPT-3受控API的模式,，OpenAI也將賦能更多公司和創(chuàng)業(yè)者,。

　　DeepMind是通用型AI的探路人。2016年,，AlphaGo擊敗人類圍棋的最高代表韓國棋手李世石,，Go背后正是谷歌旗下的DeepMind。但DeepMind的目標并不是下棋,，而是通用型AI,，比如能預測蛋白質(zhì)結(jié)構的AlphaFold、能解決復雜數(shù)學計算的AlphaTensor等等,。但這些AI始終面臨著一個瓶頸,，即無法像人類一樣進行“無中生有”的創(chuàng)作。

　　這兩年,，DeepMind終于向通用型AI又推近了一步,。在對話機器人Sparrow、劇本創(chuàng)作機器人Dramatron等背后的語言大模型中找到靈感,，構建了會聊天,、會干活、會玩游戲的Gato,。

　　Meta在加速AI的商業(yè)化落地,。重組調(diào)整AI部門，將其分布式地下放到各實際業(yè)務中,，而FAIR被并入元宇宙核心部門Reality Labs Research,，成為新場景探索者的一員,。

　　也許同行相輕，Meta首席人工智能科學家Yann LeCun對ChatGPT的評價并不高,，他認為從底層技術上看,，ChatGPT并不是什么創(chuàng)新性、革命性的發(fā)明,，除了谷歌和Meta,，至少有六家初創(chuàng)公司擁有類似的技術。

　　當被問及Meta的AI愿景時,，LeCun為FAIR畫下了“生成藝術”的大餅,。他提出，F(xiàn)acebook上有1200萬商鋪在投放廣告,，其中多是沒有什么資源定制廣告的夫妻店,，Meta將通過能夠自動生成宣傳資料的AI幫助他們做更好的推廣。

　　其次,，另一類寵兒,，則是押對應用場景的企業(yè)們，在“繪畫”之外吸納了不少資本支持與人才投入,。

　　在所有內(nèi)容生成式AI中,，輸出文字和音樂的已經(jīng)先一步找到了財富密碼。最早出現(xiàn)的AI生成文字在遍歷了寫新聞稿,、寫詩,、寫小劇本等頗受關注的應用方式后，終于在營銷場景找到了能夠穩(wěn)定變現(xiàn)的商業(yè)模式,，成為寫作輔助的效率工具,，幫助從業(yè)者寫郵件、文案,、甚至策劃,。專注于音樂的LifeScore，則讓人工智能學會了即時編曲,，按照場景,、長度的需要，組織藝術家同事人工創(chuàng)作,、演奏的音樂素材,，在人類的創(chuàng)作流程中找到了自己的位置。

　　能夠互動的聊天機器人,，則在客服和游戲這兩個相去甚遠的行業(yè)分別“打工”,。區(qū)別于當下只會提供預設問題解答，有時還會答非所問的“智能客服”，真正的AI需要結(jié)合用戶的行為和上下文來理解人類的真正意圖,。在游戲領域,，AI則被用來協(xié)助人類，高效地創(chuàng)造內(nèi)容豐富,、體驗良好的游戲內(nèi)容,，從而延長用戶的游戲時間。

　　顯然,，寵兒是少的,。而經(jīng)歷了過去一年多“科技股大回落”后，投資者們也謹慎一些了,，當下的AIGC雖然很好,，但等大模型出來也許更香。

　　大模型,，也許是企業(yè)比拼的護城河

　　模型是人工智能的靈魂,，本質(zhì)上它是一套計算公式和數(shù)學模型?！皡?shù)”可以看做是模型里的一個個公式,，這意味著，參數(shù)量越大,，模型越復雜，做出來的預測就越準確,。

　　小模型就像“偏科的機器”,，只學習針對特定應用場景的有限數(shù)據(jù)，“舉一反三”能力不足,，一些智能產(chǎn)品被用戶調(diào)侃為“人工智障”的情況時有發(fā)生,。

　　大模型就是參數(shù)量極大的模型，目前業(yè)界主流的AIGC模型都是千億級,、萬億級參數(shù)量的水平,。通過學習各行各業(yè)各類數(shù)據(jù)，除了能給出相較于小模型更準確的預測結(jié)果之外,，它也展現(xiàn)出了驚人的泛化能力,、遷移能力，產(chǎn)出內(nèi)容質(zhì)量更高,、更智能,，這也是當前AIGC工具讓人眼前一亮的原因。

　　而大模型的快速發(fā)展,，對行業(yè)發(fā)展起到了明顯的推動作用,。例如ChatGPT是基于GPT-3模型進行優(yōu)化所產(chǎn)生的，引領AI繪畫發(fā)展的DALL·E 2也離不開GPT-3的貢獻。類似的還有Deepmind的Chinchilla,、百度的文心大模型等等,。

　　大模型，很大概率是行業(yè)淘汰與否的判斷要素,。

　　首先,，訓練數(shù)據(jù)量大，OpenAI為了讓GPT-3的表現(xiàn)更接近人類,，用了45TB的數(shù)據(jù)量,、近 1 萬億個單詞來訓練它，大概是1351萬本牛津詞典,。

　　這就帶來了兩個問題：巨大的算力需求與資金消耗,。訓練和運行模型都需要龐大的算力，有研究估測,，訓練 1750 億參數(shù)語言大模型 GPT-3,，需要有上萬個 CPU/GPU 24 小時不間輸入數(shù)據(jù)，所需能耗相當于開車往返地球和月球,，且一次運算就要花費450萬美元,。

　　國內(nèi)也不例外。目前國內(nèi)自研的大模型包括百度的文心大模型,、阿里的M6大模型,、騰訊的混元大模型，針對中文語境,，國內(nèi)廠商的表現(xiàn)要比國外大廠要好得多,。而且國內(nèi)的大模型發(fā)展速度也很驚人。

　　采用稀疏MoE結(jié)構的M6大模型,，2021年3月僅1000億參數(shù),，3個月后就達到了萬億級，又過了五個月模型參數(shù)達到了十萬億級,，成為全球最大的AI預訓練模型,。混元模型也是萬億級別,，成本大幅降低,，最快用256張卡，1天內(nèi)就能訓練完成,。而采用稠密結(jié)構（可以粗糙理解是和稀疏相比,，密度更大）的文心大模型，2021年,，參數(shù)規(guī)模達到2600億,。2022年,，百度又先后發(fā)布了數(shù)十個大模型，其中有11個行業(yè)大模型,。

　　這樣高的研發(fā)門檻,，注定目前主流的大模型多由大企業(yè)、或是背靠大企業(yè)的研究機構掌握,，中小企業(yè)只能望而卻步,。因此，大模型,，也就成為企業(yè)的“護城河”,。

　　但進行大模型的研發(fā)只是“成功第一步”，還有三個維度的比拼,，也非常重要,。

　　一是數(shù)據(jù)資源。有研究表明,，到2026年就沒有更多高質(zhì)量的數(shù)據(jù)可以訓練AI了,。此外，基于現(xiàn)實生活中已有的數(shù)據(jù)來訓練模型只能解決一些已知問題,，對于一些我們還沒有發(fā)現(xiàn)的,、潛在的、未知的問題,，現(xiàn)在的模型未必能解決,。因此有一些研究人員提出了合成數(shù)據(jù)的概念，即通過計算機程序人工合成的數(shù)據(jù),，一方面補充高質(zhì)量的訓練數(shù)據(jù),，另一方面填補一些極端或者邊緣的案例，增加模型的可靠性,。

　　二是綠色發(fā)展。雖然模型越大效果越好,，但無限“大”下去并不經(jīng)濟,，對自然資源消耗、數(shù)據(jù)資源都帶來巨大壓力,。而過高的資源消耗,，也不利于平民化普及。

　　三是應用場景,。商業(yè)和純理論研究不同,，不能拿著技術的錘子，瞎找釘子,，而是要結(jié)合應用來發(fā)展技術,。而國內(nèi)廠商要想拿出Stable Diffusion,、ChatGPT這樣的殺手級應用，還需要更多的思考和努力：

　　跳出“跑分”怪圈,，找到應用場景,，進行模型“瘦身”，甚至,，將模型開源,、形成生態(tài)，利用群眾的智慧,、為群眾服務,。

　　尾聲

　　隨著微軟對ChatGPT的關注，產(chǎn)業(yè),、投資圈都熱了起來,，美股BuzzFeed因為要采用ChatGPT技術就實現(xiàn)了兩天漲三倍的壯舉；H股,、A股也迎風而動,，不少上市公司也表態(tài)具備技術積累。

　　躁動當然是好事兒,，科技創(chuàng)新,，就是要令人心潮澎湃。我國廣闊的產(chǎn)業(yè),，是應用開花的土壤,。但與此同時，國內(nèi)的AIGC也存在著隱憂,，比如高算力的芯片,，如何造出來？

　　另一方面,，科技創(chuàng)新,，也要牢記Gartner曲線揭示的規(guī)律：萌發(fā)期→泡沫期→泡沫破裂期→穩(wěn)步發(fā)展期→穩(wěn)定產(chǎn)出期。只有躁動,，沒有篤定,、沒有低谷時的忍耐，也絕不可能成功的,。

　　適度的泡沫,，成為驅(qū)動力；過度的泡沫,，也許會劣幣驅(qū)逐良幣,。但至少目前，我們和海外相比,，幾乎在同一起跑線,，值得充滿熱情的期待,。

　　歡迎關注電子技術應用2023年2月22日==>>商業(yè)航天研討會<<