ChatGPT背后的AI背景、技術(shù)門道和商業(yè)應用

1.3 ChatGPT背后的NLP和Transformer

在了解ChatGPT的能力圈和人工智能的發(fā)展史之后，非AI從業(yè)者也能明白ChatGPT的研究屬于自然語言處理(Natural Language Processing, NLP)領(lǐng)域范疇。

自然語言處理(Natural Language Processing, NLP) 被譽為“人工智能皇冠上的明珠”，一方面表明了它的重要性，另一方面也突出了它的技術(shù)難度。

簡單來說，NLP要做的事就是利用計算機實現(xiàn)自然語言數(shù)據(jù)的智能化處理、分析和生成，以期讓計算機實現(xiàn)聽、說、讀、寫、譯這些人類所具備的語言能力。

更具體一點，NLP領(lǐng)域根據(jù)下游任務不同主要包括以下幾類研究方向：

細心的讀者已經(jīng)發(fā)現(xiàn)了，ChatGPT基本已經(jīng)實現(xiàn)了以上7大類任務的中階目標，所以NLP研究員和工程師們擔心自己發(fā)明工具卻搶了自己飯碗不是沒有道理，其他技術(shù)含量不高的行業(yè)工作者也就更加戰(zhàn)戰(zhàn)兢兢。

NLP的發(fā)展也經(jīng)歷了三個大的階段，即以規(guī)則學習為代表的第一階段(1960-1990)、以統(tǒng)計學習為代表的第二階段(1990-2010)和以深度學習為代表的第三階段(2010-至今)。

而其中真正影響ChatGPT和其他大語言模型產(chǎn)生的無疑是Transformer架構(gòu)。

可以說，Transformer的出現(xiàn)完全打開了大規(guī)模預訓練語言模型(Pre-trained Language Model , PLM)的空間，并且奠定了生成式AI的游戲規(guī)則。

2017 年，Google 機器翻譯團隊在機器學習頂級會議NIPS上發(fā)表了《Attention is All You Need》論文，文章的核心正是 Transformer 模型。

Transformer相比之前論文的novalty在于：大膽地拋棄了傳統(tǒng)的CNN和RNN基礎(chǔ)模型，整個網(wǎng)絡(luò)結(jié)構(gòu)完全是由Attention機制組成。更準確地說，Transformer由且僅由自注意力(self-Attenion)機制和前饋神經(jīng)網(wǎng)絡(luò)(Feed Forward Neural Network)組成。

而從實際應用的角度來看，Transformer的主要貢獻(contribution)在于以下幾個方面：

1.突破了 RNN 模型不能并行計算的限制

2.精度和模型復雜度相比RNN/CNN + Attention系列模型更優(yōu)

3.Transformer本身也可以作為base model擴展

我們站在此刻回想，ChatGPT背后的Transformer，其思想和架構(gòu)恰恰印證了那句: 「大道至簡」。

它首先在機器翻譯任務中取得SOTA，而后成功被應用到NLP和CV等各個任務中，并獲得了穩(wěn)定優(yōu)異的性能表現(xiàn)。

Transformer 模型架構(gòu)圖

后來的故事很多人都知道了，Google人再接再厲， 他們在2018年10月提出來的BERT(Bidirectional Encoder Representation from Transformers)模型再次轟動業(yè)界。

BERT在機器閱讀理解頂級水平測試SQuAD1.1中表現(xiàn)出驚人的成績: 全部兩個衡量指標上全面超越人類，并且在11種不同NLP測試中創(chuàng)出SOTA(業(yè)界最佳)表現(xiàn)，包括將GLUE基準推高至80.4% (絕對改進7.6%)，MultiNLI準確度達到86.7% (絕對改進5.6%)，成為NLP發(fā)展史上的里程碑式的模型成就。

就當所有人以為Google會在大語言模型賽道中一騎絕塵時，最終率先讓世人熟知的卻是來自O(shè)penAI的GPT系列模型。

二、技術(shù)門道

2.1 GPT-1到ChatGPT的演進和技術(shù)原理

GPT(Generative Pre-training Transformer)系列模型首先選擇和BERT繞道而行，盡管GPT-1(2018/06)發(fā)布的時間比BERT(2018/10)還要早。

BERT僅使用了Transformer的編碼器(Encoder)部分進行訓練，而GPT-1則只使用了Transformer的解碼器(Decoder)部分。

由此二者各自走上了不同的道路。

GPT-1: 預訓練+微調(diào)模式，117M參數(shù)、12層、2億單詞

原文：Improving Language Understanding by Generative Pre-Training

預訓練階段：基于Transformer Decoder架構(gòu)，以語言建模作為訓練目標(自監(jiān)督，根據(jù)已知的詞預測未知的詞)。

微調(diào)階段：將訓練好的Decoder參數(shù)固定，接上一層線性層，通過有監(jiān)督訓練任務微調(diào)線性層的參數(shù)，從而進行預測。

GPT-1的局限：微調(diào)只能用到特定任務中，如果fine-tune一個分類任務，就不能用到句子相似度任務中去。

所以能不能用一個模型去做所有NLP的任務？

這就是后續(xù)GPT-2和GPT-3的改進目標。

GPT-2: 多任務學習 + zero-shot learning，1542M參數(shù)、48層、400億單詞

原文：Language Models are Unsupervised Multitask Learners

GPT-2的目標是試圖用一個模型去做多個NLP任務，它的核心思想就反映在論文標題里：語言模型=無監(jiān)督多任務學習。

通俗地解釋一下： 語言模型實際上是一種自監(jiān)督的方式，根據(jù)已知的詞預測未知的詞，只是不需要顯示地定義哪些字段是要預測的輸出。 那如何用無監(jiān)督多任務的訓練方式實現(xiàn)語言模型自監(jiān)督訓練+多任務微調(diào)的效果呢？ 我們只需要將input、output和task都表示為數(shù)據(jù)，例如在一個英文翻譯成法語的機器翻譯任務中，我們只需要將樣本、標簽和任務表示成如下格式，就實現(xiàn)了對P(output|input,task)的建模。

重要的是，這種方式可以實現(xiàn)無監(jiān)督訓練，并且里面的task可以變化，也就是說現(xiàn)在GPT-2可以實現(xiàn)無監(jiān)督多任務訓練而不需要第二階段分不同任務有監(jiān)督的微調(diào)！

所以最后我們看到，GPT-2相對于GPT-1，最大的改進就是去掉了第二階段的微調(diào)(fine-tune)層，實現(xiàn)了多任務訓練和zero-shot方式(Zero-shot learning，零樣本學習)直接接諸多的下游任務，在多個任務下都可以取得很好的效果。

當然肉眼可見的還有數(shù)據(jù)集、網(wǎng)絡(luò)層數(shù)、參數(shù)量、詞匯表大小、初始化和LN(layer normalization)的調(diào)整。

GPT-3：in-context learning + few-shot learning，1750億參數(shù)、96層、5000億單詞

原文：Language Models Are Few-shot Learners

GPT-3 基本繼承了GPT-2的模型架構(gòu)和訓練模式，除了大力出奇跡的海量數(shù)據(jù)和巨型參數(shù)之外，GPT-3在模型設(shè)計層面相對于GPT-1和GPT-2主要的改進點在于：in-context learning(上下文情境學習，ICL) 和 few-shot learning(小樣本學習，F(xiàn)SL)配合服用。

我們已經(jīng)知道，GPT-1和BERT都需要對下游任務進行微調(diào)，而GPT-2通過無監(jiān)督多任務和零樣本學習舍棄了微調(diào)，并且驗證了性能更加優(yōu)越，那能否在不需要微調(diào)的前提下繼續(xù)提升呢？

答案是可以，引入in-context learning(上下文情境)學習機制。

這種機制可以理解為給模型加一定的先驗知識，適當對模型進行引導，教會它應當輸出什么內(nèi)容。

比如你希望GPT3幫你把中文翻譯成英文，你可以這么向他提問：

用戶輸入到GPT3：請把以下中文翻譯成英文：你覺得球神帥嗎？

如果你希望GPT3回答你的問題，你可以換個方式問：

用戶輸入到GPT3：模型模型你說說：你覺得球神帥嗎？

這樣模型就可以根據(jù)用戶提示的情境，進行針對性的回答了。

這里只是告訴了模型怎么做，能不能先給個示例呢？

用戶輸入到 GPT-3：請回答以下問題：你覺得球神帥嗎？=> 我覺得還挺帥的呢; 你覺得科比打球帥還是歐文打球帥？=>

其中回答球神帥不帥就是一個示例，用于讓模型感知應該輸出什么。

基于以上，只給提示就是zero-shot，給一個示例叫做one-shot，給少量多個示例就是few-shot。

專業(yè)的讀者應該能發(fā)現(xiàn)，這里給提示的in-context learning(上下文情境)學習跟prompt learning(提示學習)的思想很相似。

GPT-3論文里提供了3個版本的性能比較：

顯然，in-context learning(情境學習)搭配few-shot learning(小樣本學習)效果更好。

InstructGPT: RLHF（人類反饋強化學習）+ PPO(近端策略優(yōu)化)

原文：Training language models to follow instructions with human feedback

InstructGPT相對GPT-3要解決的是大模型的alignment(對齊)問題。其背景是：大型語言模型會生成一些不真實、有毒(不符合人類道德倫理等)或?qū)τ脩艉翢o幫助的輸出，顯然這些與用戶期待的不一致。

大模型在預訓練過程中見識了各種各樣的數(shù)據(jù)，因此針對一個prompt/instruct(提示)會輸出什么東西，也可能是多種多樣的，但是預訓練數(shù)據(jù)中出現(xiàn)的數(shù)據(jù)模式，不代表都是人類在使用模型時希望看到的模式，因此需要一個alignment(對齊)的過程，來規(guī)范模型的“言行舉止”。

而實現(xiàn)這個過程InstructGPT引入了RLHF機制(人類反饋強化學習)，實際上6年前的AlphaGo正是充分利用了強化學習，才在圍棋領(lǐng)域?qū)崿F(xiàn)了所到之處無敵手。

簡單點說，InstructGPT就是在GPT-3基礎(chǔ)上利用RLHF機制(人類反饋強化學習)做了微調(diào)，以解決大模型的alignment(對齊)問題。

我們不妨先想一下，應該如何解決模型輸出跟人類期待不匹配的問題？

最直接的辦法，就是人工構(gòu)造一大批數(shù)據(jù)（標注員自己寫prompt和期待的輸出），完全符合人類的期待的模式，然后交給模型去學。然而，這代價顯然太大了。因此，我們得想辦法怎么讓這個過程變得更輕松一點，RLHF機制(人類反饋強化學習)做到了這一點。

下面是InstructGPT的流程圖，看懂了它也就能明白RLHF機制是如何實現(xiàn)的。

Step-1: 稱初始模型為V0，也就是GPT-3。我們可以先人工構(gòu)造一批數(shù)據(jù)，不用數(shù)量很大，盡其所能，然后先讓模型學一學，稱這個時候模型為V1。

Step-2: 然后讓模型再根據(jù)一堆prompt(提示)輸出，看看效果咋樣，我們讓模型V1對一個prompt進行多個輸出，然后讓人對多個輸出進行打分排序，排序的過程雖然也需要人工，但是比直接讓人寫訓練數(shù)據(jù)，還是要方便的多，因此這個過程可以更輕松地標注更多數(shù)據(jù)。然而，這個標注數(shù)據(jù)，并不能直接拿來訓練模型，因為這是一個排序，但我們可以訓練一個打分模型，稱為RM（reward-model，也即獎勵模型），RM的作用就是可以對一個 pair打分，評價這個output跟prompt搭不搭。,output>

Step-3: 接下來，我們繼續(xù)訓練V1模型(被一個策略包裝并且用PPO更新)，給定一些prompt，得到輸出之后，把prompt和output輸入給RM，得到打分，然后借助強化學習的方法，來訓練V1模型(打分會交給包著V0模型內(nèi)核的策略來更新梯度)，如此反復迭代，最終修煉得到V2模型，也就是最終的InstructGPT。

整體理解一下：整個過程就是老師（人類標注員）先注入一些精華知識，然后讓模型試著模仿老師的喜好做出一些嘗試，然后老師對模型的這些嘗試進行打分，打分之后，學習一個打分機器，最后打分機器就可以和模型配合，自動化地進行模型的迭代，總體思路稱為RLHF：基于人類反饋的強化學習。

其中，PPO機制( Proximal Policy Optimization，近端策略優(yōu)化) 是強化學習中AC類(Actor/Critic)的經(jīng)典算法，由OpenAI 2017年提出，既有Policy Gradient方法的優(yōu)勢，同時基于importance sampling實現(xiàn)experience buffer的利用，發(fā)揮類似DQN類算法的數(shù)據(jù)利用優(yōu)勢。

PPO是OpenAI常用的baseline方法，理論部分相當復雜，感興趣的專業(yè)讀者可以閱讀原文和相關(guān)博客。

原文：Proximal policy optimization algorithms

非專業(yè)讀者只需要理解到這是一種適應人類反饋強化學習(RLHF)機制完成整個流程訓練的策略優(yōu)化算法即可。

通過以上流程拆解，我們不難發(fā)現(xiàn)InstructGPT能通過這種RLHF機制實現(xiàn)更好的性能，有一個大的前提：就是初始模型GPT-3已經(jīng)足夠強大。

只有初始模型本身比較強大了，才能實現(xiàn)人類提供少量的精華數(shù)據(jù)，就可以開始進行模仿，同時在第二步產(chǎn)出較為合理的輸出供人類打分。

ChatGPT: 聊天升級版InstructGPT

根據(jù)OpenAI官方介紹，2022/11 發(fā)布的ChatGPT和2022/02 發(fā)布的InstructGPT在模型結(jié)構(gòu)，訓練方式上都完全一致，只是采集數(shù)據(jù)的方式上有所差異，但是目前沒有更多的資料表明數(shù)據(jù)采集上有哪些細節(jié)不同。

所以，ChatGPT的技術(shù)原理與他的小兄弟InstructGPT基本一致，相當于InstructGPT是ChatGPT的預熱版，也被稱為GPT3.5，而傳言即將發(fā)布的GPT-4是一個多模態(tài)模型(可以處理圖片+文本+語音等多模態(tài)數(shù)據(jù))，期待。

至此，從GPT-1到ChatGPT的演進和技術(shù)原理就解釋得差不多了。

import有點爆肝

最后來一張Instruct/ChatGPT中文架構(gòu)流程圖，更加清晰易懂。

2.2 ChatGPT的局限性

盡管ChatGPT已經(jīng)足夠人工智能了，但是在眾多真實智能人類的鑒定下，它目前還存在不少局限。

功能局限

1.有時答案會出現(xiàn)事實性錯誤

2.仍然會產(chǎn)生有偏見、與人類道德倫理不對齊的內(nèi)容

3.沒有與實時信息建立關(guān)聯(lián)

4.有時對輸入的表達方式表現(xiàn)敏感

5.有時回答過于冗長

以上限制主要基于以下幾點復合原因：

1.ChatGPT乃至所有機器學習模型都是基于已有的數(shù)據(jù)、知識、關(guān)聯(lián)、標簽等做出的預測，因此只要它有所依賴和基于概率預測，錯誤、不準、有偏見的答案理論上都是存在的，只是精度和召回的問題；

2.ChatGPT的人工標注(包括指示和輸出)準確度、表達層度、“價值觀”等還可以提升，目前的AI對齊方式--RLHF機制也未必是最優(yōu)；

3.ChatGPT的信息更新停留在了 2021年，它目前還無法連接搜索引擎，將最新、最實時的信息反饋給用戶。

技術(shù)局限

1.再大的模型都不能無限大

2.模型受獎勵模型和人工標注影響較大

這是ChatGPT技術(shù)架構(gòu)的兩大痛點，也是目前深度學習和強化學習研究領(lǐng)域的兩大難點問題。

其他局限

1.數(shù)據(jù)和算力帶來技術(shù)的壟斷

ChatGPT訓練需要的這種數(shù)據(jù)和算力體量，使得玩家基本就國外和國內(nèi)那些科技巨頭企業(yè)。而且目前ChatGPT也不會開源，這就使得學校和中小AI企業(yè)沒得研究，這并不利于ChatGPT本身的進步。

2.模型輕量化和性能的平衡

ChatGPT的參數(shù)量已經(jīng)到達千億級，如此大的模型顯然不適合大規(guī)模真實場景應用，后續(xù)的模型輕量化研究不可回避，而輕量化和性能的平衡也是一個巨大的挑戰(zhàn)。

3.可解釋性背后的AI可信

即使目前的ChatGPT在各項NLP任務上表現(xiàn)驚人，但是模型本身還像一個黑盒，可解釋性依然是專業(yè)算法人需要深入探索的點，用戶的期待依然是更加可信的AI。

2.3 ChatGPT的優(yōu)化和探索方向

1.多模態(tài)擴展

ChatGPT目前所展示出來的能力還主要在文本域和少部分跨模態(tài)/域的內(nèi)容生成。

下一步的趨勢已經(jīng)很明顯，統(tǒng)一集成文本、圖像、語音、視頻等多模態(tài)理解和生成能力，像人一樣，多模態(tài)思考、多模態(tài)處理。

2.不止于RLHF，探索其他AI對齊方式 RLHF(人類反饋強化學習)并不是唯一的AI對齊技術(shù)，針對強化學習的AI對齊還有很多方法、很多策略可以探索。

3.提升指示的泛化和糾錯能力

除了人工標注的標簽(ground truth)，ChatGPT對指示(prompt)的依賴也非常明顯，進一步提升模型對指示的泛化能力以及對錯誤指示的糾錯能力，不僅能提升用戶使用模型的體驗，也能使模型能夠適應更廣泛的應用場景。

4.模型輕量化技術(shù)探索

自深度學習框架效果被廣泛驗證以來，CV界和NLP界為了追求性能，過去10年的研究工作總體趨勢是模型層數(shù)越來越深、參數(shù)越來越多、數(shù)據(jù)量越來越大。

但是在圈里的每個人其實又都知道，到了某個階段必須得破圈，如今，ChatGPT雖然性能爆棚，但其模型之大之深顯然不適合大規(guī)模真實場景甚至在端上應用，未來對模型輕量化的研究不可回避，而輕量化和性能的平衡也非?？简?a href="http://ttokpm.com/soft/data/42-102/" target="_blank">AI技術(shù)是否真的走向成熟。

5.數(shù)據(jù)+算力+人工標注的降本增效

數(shù)據(jù)、算力和算法作為AI三要素，ChatGPT成功地把其中的數(shù)據(jù)、算力附加人工標注的資源成本打到高校、研究機構(gòu)、其他小AI公司無法承受的水平，所以即便眾多專家學者吐槽“大力出奇跡”卻也無可奈何。

技術(shù)似乎又一次走在了科學的前面，這對科技本身的長期進步顯然并不有利。

然而，從OpenAI等大型資本加持的巨頭企業(yè)角度來看，他們也同樣希望在未來能夠逐步降本增效，畢竟AI開發(fā)者的終極目標還是“AI，讓生活更美好”，只不過這其中會有諸如技術(shù)壟斷、商業(yè)競爭等因素夾雜在其中更影響實現(xiàn)的時間。

三、商業(yè)應用

3.1 國內(nèi)外資本投入層層加碼

除了ChatGPT能做什么以及背后的技術(shù)門道，人們或許更關(guān)心它未來的產(chǎn)品化和商業(yè)化的過程。

而復雜且高投入的技術(shù)要想能夠大規(guī)模產(chǎn)品化和商業(yè)化，離不開資本的助力。

事實上，OpenAI的發(fā)展歷程首先證明了這一點。

OpenAI由創(chuàng)業(yè)家埃隆·馬斯克、美國創(chuàng)業(yè)孵化器Y Combinator總裁阿爾特曼、全球在線支付平臺PayPal聯(lián)合創(chuàng)始人彼得·蒂爾等人于2015年12月在舊金山創(chuàng)立。

起初它的定位是一家非盈利的AI研究公司，而后在2019年3月，OpenAI成立了一家叫做 OpenAI LP 的有限合伙公司，正式過度到“封頂盈利”性質(zhì)。

轉(zhuǎn)折點在2019年7月，微軟向OpenAI豪注10億美金，并獲得了OpenAI技術(shù)商業(yè)化的授權(quán)。

所以2020年5月OpenAI成功發(fā)布了1750億參數(shù)+45TB數(shù)據(jù)量的GPT-3語言模型，僅僅訓練階段就花費了大約 1200 萬美元。

真就Money is all you need.

而在ChatGPT大放異彩的2023年初，微軟、谷歌、亞馬遜、百度、騰訊等國內(nèi)外科技巨頭更加不愿意錯過機會，隨之而來的是資本和研發(fā)投入的層層加碼，燒錢 + 燒人。

3.2 ChatGPT商業(yè)化序幕已經(jīng)拉開

2月1日，微軟宣布推出由ChatGPT提供技術(shù)支持的視頻會議及遠程協(xié)作平臺Teams的高級付費版Microsoft Teams Premium，訂閱者可享用OpenAI GPT提供支持的大型語言模型技術(shù)，用AI自動生成會議筆記。

2月2日，OpenAI宣布，推出其人工智能聊天機器人ChatGPT的付費訂閱版本，新的訂閱服務名為ChatGPT Plus，月費為20美元。訂閱包括在高峰使用時間訪問聊天機器人。目前的免費版本在使用率高的時間段將限制對用戶的服務。

2月8日，微軟推出了由OpenAI提供最新技術(shù)支持的新版搜索引擎必應（Bing）和Edge瀏覽器。

ChatGPT 已經(jīng)被亞馬遜用于各種不同的工作職能中，包括回答面試問題、編寫軟件代碼和創(chuàng)建培訓文檔等。

文案自動生成平臺Jasper，其技術(shù)底層是 OpenAI 的 GPT-3，在成立僅 18 個月后就達到了 15 億美元的高估值。

2月7日，百度宣布將在3月份完成其ChatGPT產(chǎn)品的內(nèi)測，面向公眾開放，該項目名字為文心一言（ERNIE Bot）。

ChatGPT應用場景廣泛，商業(yè)價值巨大，有望賦能傳媒、影視、營銷、教育、金融、醫(yī)療、科研、游戲等多個行業(yè)。

ChatGPT賦能傳媒：實現(xiàn)智能新聞寫作，提升新聞的時效性

ChatGPT可以幫助新聞媒體工作者智能生成報道，將部分勞動性的采編工作自動化，更快、更準、更智能地生成內(nèi)容。

ChatGPT賦能影視：拓寬創(chuàng)作素材，提升作品質(zhì)量

ChatGPT可以根據(jù)大眾的興趣身定制影視內(nèi)容，從而更有可能吸引大眾的注意力，獲得更好的收視率、票房和口碑。 ChatGPT可以為劇本創(chuàng)作提供新思路，創(chuàng)作者可根據(jù)ChatGPT的生成內(nèi)容再進行篩選和二次加工，從而激發(fā)創(chuàng)作者的靈感，開拓創(chuàng)作思路，縮短創(chuàng)作周期。

ChatGPT賦能營銷：打造虛擬客服，助力售前和售后

ChatGPT賦能教育金融醫(yī)療：促進數(shù)實共生，助力產(chǎn)業(yè)升級

ChatGPT+教育：賦予教育教材新活力，讓教育方式更個性化、更智能；

ChatGPT+金融：幫助金融機構(gòu)降本增效，讓金融服務更有溫度；

ChatGPT+醫(yī)療：賦能醫(yī)療機構(gòu)診療全過程。

另外，ChatGPT和之前熱炒的元宇宙顯然還不太一樣。

元宇宙到目前為止更像是一個美好的想法，還沒有實際的產(chǎn)品和成熟的模式產(chǎn)生，大眾甚至查閱資料都無法明白元宇宙是要做什么。

但ChatGPT以及背后的生成式人工智能(AIGC)，不僅有ChatGPT這樣To C觸感非常強烈的產(chǎn)品，而且已經(jīng)能看到如上述一些比較清晰的商業(yè)化模式。

現(xiàn)在缺的就是資本加速和技術(shù)突破。

3.3 ChatGPT助力AIGC浪潮再起

AIGC(Artificial Intelligence Generated Context)，是指利用人工智能技術(shù)來生成內(nèi)容，常見如AI繪畫、AI寫作、AI生成圖片、代碼、視頻等。

AIGC順著AI發(fā)展的脈絡(luò)，大致經(jīng)歷了三個大的階段：

2010年以來，隨著深度學習的快速突破以及數(shù)字內(nèi)容的海量增長，AIGC領(lǐng)域相關(guān)技術(shù)打破了預定義規(guī)則的局限性，算法模型結(jié)構(gòu)不斷創(chuàng)新，使得快速便捷且智慧地輸出多模態(tài)的數(shù)字內(nèi)容成為可能。

從2017年微軟小冰作詩到2018年英偉達StyleGAN生成高質(zhì)量圖片，再到2019年谷歌DeepMind DVD-E2生成連續(xù)視頻，AIGC正在經(jīng)歷一波蓬勃發(fā)展。

直到本文的主角ChatGPT 2022年年底出場，AIGC終于迎來了突破式的拐點，新一輪的浪潮正在徐徐展開。

AIGC應用場景

AIGC按內(nèi)容生成類別可劃分為文本、代碼、圖像、音視頻四大類，而跨模態(tài)生成技術(shù)是真正實現(xiàn)生成式智能的核心。

AIGC的意義在于提高內(nèi)容生產(chǎn)力、打開內(nèi)容創(chuàng)作想象空間，這或許也是巨頭爭相加碼AIGC的原因所在。從現(xiàn)有的應用場景來看，AIGC已經(jīng)可以替代部分重復勞動力，并協(xié)助部分創(chuàng)造性勞動，未來AI技術(shù)的發(fā)展有望不斷降低內(nèi)容生產(chǎn)成本、提高生產(chǎn)效率并拓展內(nèi)容邊界。

AIGC市場空間

2023年人工智能從學術(shù)研究逐漸走向產(chǎn)業(yè)化，商業(yè)與AI技術(shù)的融合形成互為支點的發(fā)展格局，進入產(chǎn)業(yè)規(guī)模商用期。人工智能技術(shù)將不斷地對AI數(shù)字商業(yè)的各個領(lǐng)域進行滲透。

據(jù)量子位預測，2030年AIGC市場規(guī)模有望超過萬億元。在內(nèi)容領(lǐng)域，人機協(xié)同，對于存量業(yè)務，AIGC的價值在于降本增效，對于增量業(yè)務，其價值在于跨模態(tài)的內(nèi)容生成等。

據(jù)Gartner的“人工智能技術(shù)成熟度曲線”，生成式AI仍處于萌芽期，但其廣闊的應用場景和需求空間吸引大量資本和技術(shù)的投入，預計將在2-5年內(nèi)實現(xiàn)規(guī)模化應用。

AIGC有潛力產(chǎn)生數(shù)萬億元的經(jīng)濟價值，AIGC繁榮發(fā)展，將促進資產(chǎn)服務快速跟進，通過對生成內(nèi)容合規(guī)評估、資產(chǎn)管理、產(chǎn)權(quán)保護、交易服務等構(gòu)成AIGC完整生態(tài)鏈，并進行價值重塑，充分釋放其商業(yè)潛力，至2025年中國生成式AI商業(yè)應用規(guī)模至2070億元。

AIGC商業(yè)模式

過去AI發(fā)展多年，雖然在諸多領(lǐng)域也取得一些顯著成果，但從整個AI產(chǎn)業(yè)來看，過去的應用更多的像是經(jīng)過專業(yè)學習的“?？粕保痪邆渫ㄓ脠鼍暗姆夯?。

但ChatGPT的問世，證明了基于大模型的AIGC已經(jīng)像是一位接受過通識教育的“本科生”，雖然在發(fā)展初期在特定專業(yè)領(lǐng)域功能有限，卻有著更強的可拓展性，能夠賦能和落地各個商業(yè)領(lǐng)域。 并且直觀來看，ChatGPT告訴世人，AI變成了一個普通人也可以輕松運用、提升效率的工具。

這意味著AIGC的商業(yè)模式更加顯式化，不僅可以To B也可以To C。

AIGC To B模式主要希望解決的痛點問題在于：用AI代替人工生產(chǎn)，幫助企業(yè)實現(xiàn)降本增效。因為對B端帶來的效果是快而顯著的，因此客戶的付費意愿較強。

而 To C模式下，對于個人用戶來說，一方面AIGC應用可以作為效率工具，能夠在信息獲取、格式整理和工作流等各個流程提高個人用戶的效率，并且AI模型作為基礎(chǔ)設(shè)施能夠集成到現(xiàn)有的工作流程中；另一方面可以作為創(chuàng)作工具，類似剪輯、修圖軟件一樣，AIGC能夠在用戶原創(chuàng)流行的今天，大幅度降低大眾用戶的創(chuàng)作門檻，強化個人媒體的IP價值。

從商業(yè)角度而言，將AIGC作為底層基礎(chǔ)設(shè)施的SaaS訂閱將成為中長期趨勢。用戶選擇付費的邏輯在于：更高效的信息獲取方式；從輔助表達到替代表達；集成到已有的工作流；擴大用戶創(chuàng)造力。

AIGC產(chǎn)業(yè)鏈

一方面，AIGC產(chǎn)業(yè)鏈可根據(jù)模型層次劃分為基礎(chǔ)層、中間層、應用層三層架構(gòu)。

(1) 基礎(chǔ)層：利用預訓練模型搭建基礎(chǔ)設(shè)施，該環(huán)節(jié)具備最高的進入門檻，參與者以頭部企業(yè)為主

預訓練模型是眾多小模型的通用基底，為開發(fā)者降低AI開發(fā)與應用的門檻。預訓練模型初始投入成本高、運行成本高，對軟件、硬件均提出較高要求，因此涉足該環(huán)節(jié)的企業(yè)以微軟、谷歌、英偉達、Meta等科技巨頭以及OpenAI、Stability.ai等AI研究機構(gòu)為主。

以O(shè)penAI為例，2020年該機構(gòu)訓練GPT-3的硬件及電力成本達1200萬美元；以Meta為例，為了提供更強大的算力支撐，Meta攜手英偉達、Penguin Computing及Pure Storage打造AI超級計算機RSC，其測試數(shù)據(jù)顯示，RSC訓練大型NLP模型的速度提升3倍，運行計算機視覺工作的速度提升20倍。

(2) 中間層：基于預訓練模型開發(fā)垂直化、場景化、個性化的模型和應用工具

中間層廠商基于預訓練的大模型生成場景化定制化的小模型，幫助不同行業(yè)和垂直領(lǐng)域?qū)崿F(xiàn) AIGC 的快速部署。在預訓練模型基礎(chǔ)之上，開發(fā)者可根據(jù)不同行業(yè)、不同功能場景生成相應的小模型，基礎(chǔ)層企業(yè)向中間層延伸為順勢而為。

此外，基礎(chǔ)層企業(yè)還可扮演MaaS（Model-as-a-Service）服務提供方，將其模型開源給更多企業(yè)以二次開發(fā)模型，如Novel AI基于Stability.ai的開源模型Stable Diffusion開發(fā)出二次元風格AI繪畫工具。

(3) 應用層：面向C端用戶提供文本、圖像、音視頻等內(nèi)容生成服務

應用層是指面向 C 端提供 AIGC 相關(guān)服務，典型企業(yè)包括微軟、Meta、百度、騰訊，阿里巴巴等。基于基礎(chǔ)層、中間層的模型及工具，應用層企業(yè)可將其重心放在滿足用戶需求乃至創(chuàng)造內(nèi)容消費需求上，AI寫作、AI繪畫等AIGC應用已在營銷、娛樂、藝術(shù)收藏等領(lǐng)域落地。

以國內(nèi)企業(yè)為例，視覺中國依托其數(shù)字版權(quán)內(nèi)容優(yōu)勢布局AIGC數(shù)字藏品，借力AI持續(xù)擴充藝術(shù)多元性，截至目前多輪發(fā)售的AIGC數(shù)字藏品均已售罄；藍色光標機器人小藍博面向廣告主推出AI繪畫、AI寫作工具，其中AI繪畫工具創(chuàng)意畫廊可生成抽象風格畫作以適配不同營銷場景。

另一方面，「數(shù)據(jù)算力、算法模型和上層應用」又構(gòu)成了AIGC產(chǎn)業(yè)鏈的直接上中下游關(guān)系。

AIGC上游主要包括數(shù)據(jù)供給方、算法機構(gòu)、創(chuàng)作者生態(tài)以及底層配合工具等，中游主要是文字、圖像、音頻和視頻處理廠商，其中玩家眾多；下游主要是各類內(nèi)容創(chuàng)作及分發(fā)平臺以及內(nèi)容服務機構(gòu)等。

后記

ChatGPT，作為一項影響力出圈的AI技術(shù)應用，是近10年來人工智能和計算機技術(shù)快速發(fā)展、不斷更新迭代、多種技術(shù)疊加在一起形成質(zhì)變的產(chǎn)物，是自然語言處理(NLP)領(lǐng)域近年來研究的結(jié)晶。

ChatGPT實現(xiàn)了一種使機器獲得語言智能的完整有效技術(shù)路線，但這個研究方向仍然面臨諸多挑戰(zhàn)，需要在科學和技術(shù)上進一步探索。

同時展望未來，它對AIGC、產(chǎn)業(yè)互聯(lián)網(wǎng)、數(shù)字經(jīng)濟等領(lǐng)域的長足發(fā)展也將影響深遠。

最后附上幾個有爭議性的話題，供讀者思考和交流。

ChatGPT會引領(lǐng)第四次科技革命嗎？

關(guān)鍵詞：生產(chǎn)力、規(guī)模、效率

ChatGPT會給人類帶來失業(yè)潮嗎？

關(guān)鍵詞：情感、創(chuàng)造力、稀缺性

ChatGPT適合下海創(chuàng)業(yè)嗎？

關(guān)鍵詞：技術(shù)、資金、團隊、商業(yè)模式

ChatGPT及AIGC產(chǎn)業(yè)鏈有值得投資的企業(yè)嗎？

關(guān)鍵詞：納指100、中概互聯(lián)、騰訊、百度、科大訊飛

參考文獻

學術(shù)論文：

Transformer: Attention Is All You Need, 2017. BERT: Bidirectional Encoder Representation from Transformers, 2018.

GPT-1: Improving Language Understanding by Generative Pre-Training, 2018.

GPT-2: Language Models are Unsupervised Multitask Learners, 2019.

GPT-3: Language Models Are Few-shot Learners, 2020.

InstructGPT: Training language models to follow instructions with human feedback, 2022.

ChatGPT: Optimizing Language Models for Dialogue, 2022.

證券研報：

1.國泰君安-計算機行業(yè)：ChatGPT 研究框架（2023）

2.華西證券-計算機行業(yè)深度研究報告：ChatGPT，開啟AI新紀元

3.銀河證券-計算機行業(yè)：聊天機器人頂流ChatGPT，開啟自然語言處理領(lǐng)域新篇章

4.招商證券-計算機行業(yè)：ChatGPT快速流行，重構(gòu)AI商業(yè)模式

5.國聯(lián)證券-計算機行業(yè)：ChatGPT風口已至，商業(yè)化落地加速

6.東方證券-計算機行業(yè)：ChatGPT引領(lǐng)AI新浪潮，AIGC商業(yè)化啟程

7.興業(yè)證券-計算機行業(yè)：從AIGC到ChatGPT，原理、前景和機會

8.華泰證券-計算機行業(yè)：ChatGPT：深度拆解

9.招銀國際-中國互聯(lián)網(wǎng)行業(yè)：ChatGPT & AIGC在中國市場的發(fā)展前景

公眾號文章：

慧博資訊：《ChatGPT行業(yè)深度報告》

慧博資訊：《AIGC行業(yè)深度報告》

TJUNLP：《對ChatGPT的二十點看法》，作者：熊得意老師

知乎文章：

https://zhuanlan.zhihu.com/p/589621442

https://zhuanlan.zhihu.com/p/517219229

https://zhuanlan.zhihu.com/p/34656727

https://zhuanlan.zhihu.com/p/595891945

https://zhuanlan.zhihu.com/p/597264009

https://zhuanlan.zhihu.com/p/563166533

https://zhuanlan.zhihu.com/p/606901798

https://www.zhihu.com/question/570431477/answer/2888747398

https://www.zhihu.com/question/581311491/answer/2882281060

審核編輯 黃宇