ChatGPT爆火，带来哪些机会？(4)

03

丰满与骨感的一面 凭借AI魔法，AIGC正实实在在地影响着这个世界。例如，ChatGPT已经影响到现有互联网大厂的布局，尤其是传统搜索引擎领域。 伴随AIGC技术的发展，其极大的市场潜力也开始凸显，并获投资人看好。红杉资本认为，ChatGPT这类生成式AI工具，让机器开始大规模涉足知识类和创造性工作，这涉及数十亿人的工作，并预计未来将产生数万亿美元的经济价值。 同时，AIGC产业生态也已初现雏形。据《AIGC发展趋势报告2023：迎接人工智能的下一个时代》报告，目前AIGC产业生态已经覆盖基础层、中间层、应用层。 该报告也指出，AIGC的商业化应用将快速成熟，市场规模会迅速壮大。在广告领域，腾讯混元AI大模型能够支持广告智能制作，即利用AIGC将广告文案自动生成为广告视频，大大降低了广告视频制作成本。巨大的应用前景将带来市场规模的快速增长。 以数字内容营销为例，据业内人士认为，AIGC将彻底颠覆现有的内容生产模式，以十分之一的成本，实现百倍千倍的内容生产速度，对数字内容营销领域产生深远的影响。 期待很丰满，但也难掩“现实”骨感的一面。 尽管AIGC潜力巨大，但在技术和商业方面、道德伦理和法规层面，仍面临着客观的问题和挑战。 比如在技术上，ChatGPT仍然还不够聪明。当你打开ChatGPT的对话框，就会发现首页写着“对2021年后的世界和事件了解有限”，偶尔还会产生不正确的信息，有时会编造文献，也会给出错误虚假的答案。 AIGC内容质量仍然取决于算法、算力和数据，其中大模型、高算力和大数据是共识。根据业内普遍看法，相比海外以OpenAI和DeepMind为代表的AI厂商，国内不论是在算力、算法还是高质量的数据方面，都存在着一定的差距。尤其是ChatGPT的成功，再次印证了大模型路线和早期开源的意义。 目前，国内的巨头也这些方向上持续发力。例如，抖音集团旗下的火山引擎、阿里达摩院相继开源适配大模型的专业训练框架平台，针对大模型算法结构和数据参数量，利用分布式策略大幅降低训练时间和成本。 可想而知，不论是大模型还是走向开源，都需要极大的算力基础来支撑。 以ChatGPT为例，据悉，其作为GPT3.5的微调版，训练使用了微软专门建设的AI计算系统，由1万个V100 GPU组成的高性能网络集群，总算力消耗约3640 PF-days。也就是说，假如每秒计算一千万亿次，则需要计算3640天，将近十年之久。 近期，来自十二个国内外研究机构共同发表的一篇关于智能计算的论文中指出，AI模型所需算力每100天就要翻一倍，远超摩尔定律（集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍），也就是说，预计在未来五年内将增加超过100万倍。随着传统摩尔定律的失效，要跟上如此快速增长的计算能力要求，的确是一件很有挑战性的事。 另外，尽管ChatGPT推出付费订阅版进入商业化阶段，但AIGC的商业化之路尚处于摸索阶段，目前仍以B端为主。浙商证券研报指出，B端变现路径更为多元、成熟，广告和营销等行业均有可想见的应用情景，付费的可能性和水平相对更高。 不论怎样，在一直遵循着阶跃式的发展规律的信息技术领域，至少ChatGPT又打开了一个新窗口，将AI产业带入到一个全新阶段，同时也将加剧虚拟和现实世界的连接和交互。