自2022年11月Chat GPT上線后，短短2個月的時間內，月活躍用戶就已突破1億，成為史上用戶增長速度最快的消費級應用程序。

目前Chat GPT也已更新至4.0版本。新版GPT-4在諸多能力上也進行了優化，以文字生產領域為例，GPT-4能實現作詩、寫郵件、寫廣告、劇本和小說。采用AIGC技術所撰寫的高考作文，在不到1分鐘的時間，完成了40多篇文章，獲得專家打分48分的成績，擊敗了75%的考生。

在此背景下，國內大廠紛紛跟進推出屬于自身的AI大模型。比如說，百度的“文心一言大模型”，騰訊的“混元大模型”，阿里的“通義大模型”，華為的“盤古大模型”等等。

而在二級市場上，Chat GPT的火爆也直接帶火了和AI相關的概念股。以人臉識別、大數據、智能交互技術、產品及服務提供商漢王科技為例，按照漢王科技對外公布的業績預告來看，公司在2022年歸屬于上市公司股東的凈利潤為：-9800萬元至-14000萬元。長期的虧損，讓漢王科技在1月30日以前的市值僅有40.85億元左右。

但進入到今年2月份以后，漢王科技的股價一路上漲，甚至在今年3月時，股價曾達到30.66元/股的最高點。這一股價若是和今年1月份時期的15.34元/股相比，漲幅比例接近1倍。

但硬幣的另一面卻是關于Chat GPT的爭議聲音越來越大。3月30日，人工智能和數字政策中心向美國聯邦貿易委員會投訴，試圖阻止向消費者發布強大的AI系統。次日，意大利隱私監管機構宣布境內暫時禁用Chat GPT。4月2日，在三星引入Chat GPT不到20天的時間內，已先后出現三次泄密事件等等。

針對以上問題，在美國當地時間5月16日召開的Open AI首次聽證會上，圍繞著外界所關注的由AI所產生的版權侵害，虛假內容、失業問題，數據安全等問題也展開了相關討論。

本次接受質詢的對象包括Open AI CEO Sam Altman，IBM副總裁兼首席安全官Christina Montgomery，紐約大學教授Gary Marcus。而本次聽證會上的一些核心內容，也讓我們提前感知到未來Chat GPT行業發生的一些變化。

一、Chat GPT發展依然坎坷

針對3月29日，科學界聯名呼吁：所有AI實驗室立即暫停訓練比GPT-4更強大的AI系統，為期至少6個月的聯名信。

作為聯名信簽署人之一的Gary Marcus在會上解釋道，簽署聯名信并不是要求暫停AI研發，而是希望在具備規范、安全的AI管理措施之前，暫停部署比GPT-4更大的AI模型。若現階段將這些具備超級功能的AI，全部交給普通人使用，這未免太過于冒進了。

對此，Sam Altman解釋道，未來6個月內Open AI暫無推出類似于GPT-5的計劃。因為現階段Open AI對部署更高版本的Chat GPT仍存在諸多顧慮。但與此同時，Sam Altman也提出了一個靈魂問題：若我們暫停6個月的AI研發，很有可能就會與時代脫節，6個月之后我們要怎么辦呢？還要再停6個月嗎？

如Sam Altman所言，若超級AI大模型需不斷保持自身優勢的話，則需要對模型進行不斷反復的訓練，但在訓練過程中也產生了諸多問題。比如說，高成本和商業化問題。

以Chat GPT為例，2018年Open AI在訓練GPT-1時，所用到的參數數量和數據訓練量分別為1.17億和5GB。但在2020年訓練GPT-3時，以上兩項數字則分別增長到1750億和45 TB，GPT-4的訓練參數量更是高達1.6萬億。

另據Open Al發布的相關數據顯示，訓練13億參數的GPT-3 XL模型訓練一次消耗的算力約為27.5 PF-days，訓練1750億參數的完整GPT-3模型則會消耗算力3640 PF-days（以一萬億次每秒速度計算，需要3640天完成）。

龐大的數據量以及算力決定了搭建AI模型為典型的重資金產業。以GPT-3模型消耗的算力3640 PF-days來看，相關證券機構測算，保守估計前期成本至少投入在200多億元。并且Chat GPT在前期訪問階段初始投入近十億美元，單日電費數萬美元。訓練階段，單次訓練約為百萬至千萬美元。

然而，在高成本的背后，目前關于整個Chat GPT不管是在TOC端還是TOB端的商業化仍不清晰。以TOB端為例，Chat GPT若想要完全打開TOB端市場，也面臨著諸多現實問題。

一方面，如何打消TOB端的諸多顧慮，進而讓TOB敢用Chat GPT。比如說，目前TOB端普遍擔心因使用Chat GPT而產生數據泄露風險，進而對企業業務產生諸多不利影響。

但正如美國NIST（國家標準與技術研究院）發布了《AI風險管理框架1.0》所提到的那樣，AI模型的優化可解釋性和隱私增強性之間會存在矛盾；或者在數據較稀疏的情況下，隱私增強技術可能導致有效性降低。過度關注某一方面特性，例如：高度安全但不公平的系統、有效但不透明和不可解釋的系統以及不準確但安全、隱私增強和透明的系統都是不可取的。

另一方面，對標圍繞TOB端的SaaS產業的發展來看，TOB端產品只有給企業帶來真正“降本增效”的價值，企業才愿意付費。但由于TOB端行業的分散性、差異性、多而亂的特點，行業很難形成規模效應。

目前國內SaaS產業所走的“以低價換取市場份額”的路線，也決定了當前國內和SaaS相關的企業，除具有先發優勢的阿里云實現盈利，絕大多數企業仍以虧損為主。

那么未來Chat GPT在為TOB端服務時，其價格到底要如何制定呢？是走SaaS行業以價換量的路線，或是將價格定得很高，只服務小部分企業呢？但不管走哪個路線，均決定了Chat GPT在TOB端想要實現盈利，并非易事。

另外考慮到當前全球經濟進入到新一輪下行周期，未來諸多行業業績承壓已是不爭的事實。因此，不管是投資機構，或是大廠又是否有足夠的現金流和足夠的耐心，來真正探索出各類“超級AI大模型”的盈利，這里仍值得商榷。

二、生成式AI仍面臨外部多重壓力

若成本和收益問題超級AI大模型內部需面臨的問題，來自外部的種種質疑也決定了生成式AI后續的發展并不明朗。

其一，如何對AI公司進行監管。Sam Altman提出的建議如下：對AI廠商提供許可證，并吊銷不符合政府標準的廠商的許可證。為AI大模型創建一套安全標準，包括評估其風險，大模型必須通過一些安全測試；指派第三方專家獨立審核AI產品的各方面指標，支持創立一個為AI制定相關標準的國際組織，由美國領導。同時，Sam Altman和Gary Marcus均呼吁成立專門的TOG機構，負責對AI的監管。

事實上，Sam Altman 和 Gary Marcus所提出的這些建議，也的確符合未來超級AI大模型的需要。比如說，對標國內的網約車拍照和金融支付拍照的發放來看，政府監管加強后，能讓行業從此前的野蠻生長階段逐漸回歸到理性增長階段。

但仍需要指出的是，因全球不同國家的文化、政治差異性較大，又疊加自2022年全球地緣沖突的不斷升級和加劇，一套全球可行的AI式標準制定未來估計需要很長的時間才能制定。在尚無清晰的標準下，也決定了未來超級AI大模型的出海業務，將面臨著層層壓力。

其二，如何解決反壟斷問題。在聽證會上，參議員Cory Booke提出了一個問題：Open AI由微軟支持，Anthropic則由谷歌支持。那么，未來隨著這些公司的規模越來越大，其必然也會對人們的生活影響越來越大，并有可能在商業上實現壟斷。

對此，Sam Altman則解釋道AI大模型的研發相對困難，只有少數企業能夠研發出AI大模型。這并不會造成壟斷，反而會在一定程度上降低監管難度。但坦白來說，Sam Altman的解釋并不成立。一方面，如上文所述，基于研發AI大模型對企業的資金、技術均要求極高，目前AI大模型也的確被掌握在大廠手中。

但另一方面，從國內多個行業的經驗來看，當大廠完全主導后，行業必然會出現壟斷現象，比如網約車行業、在線貨運平臺、外賣行業等等。而隨著各國政府對本國反壟斷法律法規政策制定的愈發完善，不排除后續各國政府對由超級AI大模型所產生的壟斷問題，監管只會更加嚴格。

其三，針對外界所關注的由Open AI所產生的版權以及版權付費問題。Sam Altman則表示，未來Open AI會拿出相關政策保護地方新聞業的發展。但對于內容創作者版權權益的問題，Sam Altman并沒有給出明確的回復。

事實上，對于Sam Altman的不回復雖能理解，畢竟Chat GPT在內容創作上需海量的內容作為支撐，而從國內內容平臺給到創作者的收益來看，Open AI若是真正為創作者付費的話，這必然會加重Chat GPT的成本投入。

但坦白來說，Chat GPT對創作者內容的隨意抓取，并且不付費的方式，無異于殺雞取卵。一旦后續內容創作者進行聯合，全面抵制Open AI的這種做法，未來GPT更高版本是否能繼續保持優勢，仍有待觀察。

而從現階段來看這種情況已經出現，比如說，去年柏林兩位藝術家搭建了一個名為“我正在被用來訓練嗎”的網站，藝術家可以檢索自己的作品是否進入了AI訓練數據庫。但Chat GPT所面臨的問題并非個案，而是國內外AI大模型公司都必須要思考的問題。

三、AI大模型是否會引發大規模失業？

在聽證會上，Gary Marcus指出人們不應該小看AI對就業帶來的影響。事實上，Gary Marcus的擔憂并非空穴來風。此前IBM曾宣布：暫緩可以被AI取代的崗位的招聘，約7800人將被永久淘汰。

微軟也宣布將于6月底進行裁員，裁員對象主要為記者和編輯，并將在未來加大力度使用AI技術取代人類新聞編輯。“新上崗”的AI算法將會代替人類編輯選取可報道的新聞事件、改寫新聞標題、尋找文章配圖等工作。

但Sam Altman卻認為，目前GPT-4仍能被人類很好的所控制和使用，它會讓一些工作自動化，甚至被替代掉。但人類利用AI大模型可以擁有更多能力、更多時間追求自己喜歡的事物，這將創造出更多工作機會。

IBM的Christina和Sam Altman有著一致的觀點。她認為，AI大模型“將會改變每一項工作”，如今的工作重點應該是做好新老工作的過渡。到2030年，IBM將培訓3000萬個人掌握當今社會所需的技能。

事實上，Sam Altman和Christina說法并非沒有道理。現階段，AIGC的確可以創作海量的內容，但AIGC畢竟只是工具，缺乏人類的情感和思考能力。而人類的情感和思考能力，在諸多工作崗位中發揮著重要作用。

以內容創作為例，作家余華曾指出：從我們目前對那個GPT的理解

就他的能力，如果他要寫小說的話，他大概能寫出中庸的小說。但他不會寫出充滿了個性的小說，因為他是大量的那種文本，他可能把小說寫得很完美，但是其實是很平庸。

在以電商行業的客服崗位為例，從事多年電商客服工作的李洋洋告訴我們，在處理客戶的售后過程中，最為核心的地方在于需根據和客戶溝通過程中的語氣、文字，推測出當前客戶的情感，并做到有針對性地處理客戶的問題。若單純使用AI大模型回復客戶售后問題，這不但無法處理好客戶的問題，反而還會降低售后質量。

而且拉長維度來看，若未來各類AI大模型具備和人類一樣的情感，這必然會引發世界范圍內的恐慌，不排除AI大模型會出現被關停的命運。但當AI大模型之充當輔助性工具后，也面臨著一個問題。即它的能力和價格是否匹配，ToC端又是否愿意付費呢？

結語：

事實上，任何新興事物從成熟到發展，從來都是不走直線走曲線。但相較于其他行業而言，AI大模型所牽扯到的失業問題、各種法律風險、壟斷問題、成本和收益等等，均注定了國內外任何一家AI大模型廠商在未來AI大模型商業化的探索之路上都難言輕松，對于后續AI大模型的發展是否能達到市場預期，仍需要時間來觀察。

標簽： 人工智能 消費級應用 人工智能大數據