ChatGPT浪潮重构互联网生态 哪些创业机会涌现？

　　ChatGPT依然在搅动人工智能(AI)风云。尽管谷歌在过去的两年中由于谨慎的态度未能发布Bard，让OpenAI抢占先机。但作为硅谷巨头，谷歌从来不缺乏“后来居上”的决心和实力。

　　当地时间3月6日，来自谷歌和德国柏林工业大学的一组AI研究人员公布了史上最大的视觉语言模型：PaLM-E.作为一种多模态具身视觉语言模型，PaLM-E能将视觉和语言集成到机器人控制中。

　　这个消息，让已经在AI投资圈深耕多年的刘天杰兴奋起来。刘天杰是华映资本董事，也是AIGC领域的一线投资人。早在去年下半年，由ChatGPT模型前身GPT3驱动的恋爱应用——AI聊天软件Replika就走入了他的视线，他意识到基于NLP(自然语言处理)的AI模型已经较以前有了变化。

　　在接受《每日经济新闻》记者采访时，他表示，“我们理解，它(PaLM-E)已经跟真实世界有一些交互能力。”巧合的是，在他的预想中，ChatGPT引领的这条路子是很清楚的，他看重的就是未来更多各行各业能够去做AI赋能的应用，比如SaaS、RPA(机器人流程自动化)，甚至是机器人。

　　随着ChatGPT及其API的发布，这一大模型身后的蓝海让许多创业公司蜂拥而至。刘天杰认为，这一波兴起的AI浪潮与元宇宙、Web3有本质上的区别，互联网的生态得以重建了。但在泥沙俱下的市场中，第一波有很多“蹭热度的”，只有拥有真实用户和了解用户需求的项目才能生存下来。

　　ChatGPT出圈创业者拥抱大模型

　　2022年下半年，一款AI聊天软件Replika突然火爆全球。人们惊喜地发现，与AI聊得越多，AI就越“懂”你，甚至还会提炼出用户的语气。更有意思的是，该软件的创始人在采访中表示，约有40%的用户描述自己与AI为恋人关系。

　　Replika这款聊天软件正是基于OpenAI的GPT- 3大模型，它也是ChatGPT基于的GPT-3.5模型的前身。很快，Replika就走入了刘天杰的视线。他意识到，基于NLP(自然语言处理)的AI模型已经较以前有了很大变化，他开始关注相关领域的投资机会。

　　随着ChatGPT的公布，以及GPT-3.5 Turbo的API开放，AI的浪潮蔓延到各行各业，市场对此的反应可以用“狂欢”二字来概括。在刘天杰看来，实际上，开放API是符合预期的，这个项目原本就是开源的，此前也已经有很多人在用GPT3或者GPT-3.5的开源代码来做应用。

　　不过，ChatGPT如此“出圈”，还是超出了他的意料。放眼整个AIGC领域，“国内现在肯定是风起云涌。硅谷这股风比国内要更大，因为(国外)几个大模型都已经成熟了，美国那边至少已经有几百上千的项目涌现出来。”

　　“(ChatGPT)确实加快了公众对于AIGC或者AI领域的关注。但是，这条路进化到今天并非一蹴而就。包括ChatGPT的基础模型Transformer，实际上也是2017年就提出来了。”刘天杰告诉《每日经济新闻》记者，“从2017年到今天，大家一直在做大量的工程化工作。到今天ChatGPT有这个成绩，跟之前多年的积累是息息相关的。”

　　他向《每日经济新闻》记者透露，目前看到的创业者其实不仅仅是AI领域的，其他很多领域也在开始拥抱新的大模型以及新的AI能力。

　　“我们更多地会把这个领域定义成AI ，而不是AIGC.意思就是，利用AI赋能给各行各业。我觉得未来这将是(所有公司的)一个基础能力。”刘天杰说道。

　　低价策略 OpenAI构建“AI飞轮”

　　OpenAI在ChatGPT上的脚步显得非常主动和激动。大热刚刚3个月，ChatGPT API就高调上线了。这个API由GPT-3.5 Turbo模型支持。HerAI App的开发者王绍此前告诉《每日经济新闻》记者，接口服务定价大约是3分/1000个汉字。这一定价较GPT-3.5模型便宜90%。

　　“Turbo就是加速的意思，它的反应速度是要比ChatGPT要快很多的。从底层算力上看，其实没有发生太大的变化。但成本降低、反应速度提高，这只能说明一件事，就是GPT-3.5 Turbo模型实际使用的参数相比ChatGPT下降了。”刘天杰说道。

　　他随即向《每日经济新闻》记者解释，“比如说，你有1750亿个参数，但是你喂给它的训练集很小，也训练不出效果，会导致大量的问题，我们称其为过拟合。所以，参数大意味着训练集要足够大。但是，参数越大并不意味着模型的表现越好，越能理解人的语义。恰恰相反的是，现在大家都想用更少的参数训练出一个更好的大模型。”

　　为什么GPT-3.5 Turbo能在更小的参数上实现更好的效果呢？“实际上，ChatGPT已经积累了大量用户使用的实际对话集，这些对话集相比OpenAI使用无监督训练的语义集，要更准确、更高质量。”刘天杰说道，因为，用户实际使用的对话中有上下文、有反馈，收集这些数据后再去训练模型，新的模型就会比之前更精确，就达到了用更小的参数量实现更准确的效果。

　　在刘天杰看来，GPT-3.5 Turbo成本的下降，核心的一点就是实际计算的成本确实比之前要低，因为它的模型更准了。

　　“当然，一方面也因为OpenAI本身不是一个盈利机构，并且它也需要更多的用户参与进来，去形成这种实际的对话集，再输入模型中做进一步的训练，而低价也会导致用户量进一步的增长。”他说道。

　　刘天杰表示，这就是所谓的“AI飞轮”。“用户提高了，数据变多了，模型更准了，用户自然更多了。飞轮一旦跑起来，OpenAI就能甩掉其他对手，这也是它低价策略的一个原因。”

　　生态重构三类创业机会涌现

　　随着ChatGPTAPI的开放，调用这个接口来实现AI赋能成为许多创业公司的追求，这种热潮不免让人想起元宇宙、Web3等新概念引领的风潮。许多人会问，看看两年前扎克伯格看好的元宇宙如今在哪儿，未来ChatGPT又会在哪儿？不过，在刘天杰看来，这一波兴起的AI浪潮与前一段时间的元宇宙、Web3有本质上的区别。

　　“元宇宙、Web3是一个分布式的东西。在这里，大家希望互联网信息或者经济系统，都用一个分布式、加密式的方式去重构。”他向《每日经济新闻》记者说道，“但当前这一波AI浪潮恰恰相反，它会变成一个非常集中的东西，未来AI的底层能力将由有基础预训练大模型能力的几个大厂提供，其他人就在这些底层大模型上去开发应用。”

　　“所以说，整个互联网的生态我认为是重构了。这有点类似于当年的云服务，由几个大厂来做云服务厂商，在云之上，你们去开发各种各样的应用。”刘天杰进一步说道。

　　在ChatGPT引领的这一波AI浪潮中，刘天杰看到了三大层次的创业机会。第一类是做中文的底层大模型。“这类创业者往往都是高校出来的，比如说清华系有一大堆人在做底层大模型。但任重而道远，训练底层大模型，一是非常烧钱，二是要有足够强的算力。”他告诉《每日经济新闻》记者。

　　“另外，小公司收集训练集的能力不够，而大模型的‘大’，大在它的训练集。小公司并没有积累大量的数据。”他说道。

　　第二类是中间层，比如做模型的微调、预训练；或者在底层大模型的基础上训练新模型，比如虚拟人模型。“这些模型是基于底层大模型的语义能力，然后在这个能力之上加了各种限制条件。”他说道，这里有一些创业机会，但并不算多。

　　第三类是应用层，这也是大多数创业公司正在探究的道路。“目前最直接的是生成图片、文字、视频甚至3D内容。但是这些相对来说壁垒不够，因为模型也不是你的，训练集也不是你的，无非就是做一点优化的工作。”刘天杰说道。

　　“当然还有更前沿的，就是科学家团队在探索真正的终局——通用智能，但这一块现在还在一个非常早期的阶段。”他向《每日经济新闻》记者介绍道。

　　泥沙俱下用户需求才是根本

　　在刘天杰的预想中，ChatGPT引领的这条路子是很清楚的，他看重的就是未来更多各行各业能够去做AI赋能的应用，比如SaaS、RPA(机器人流程自动化)，甚至是机器人。

　　他现在主要关注两大板块，一是AI生成3D资产。“因为这一块有真正会掏钱的客户——游戏公司。这一块是他们的痛点，因为制作3D内容非常昂贵，如果能用AI制作3D内容，是他们求之不得的。但目前大模型的能力还解决不了3D的生成，这是一个我们会重点关注的领域。”

　　二是文字转换动作的应用。“也就是说，我用AI指挥实体的东西去执行操作，比如说机器人、RPA(机器人流程自动化)、全局的智能助手等。这一块涉及到大模型的多模态输出和输入，是一个相对来说比较前沿的领域，也是大模型没有完全解决的领域。”刘天杰解释道。

　　市场太热，到底哪些才是靠谱的项目？对此，一些投资人直言“又兴奋又焦虑”。

　　不过，刘天杰还没到焦虑的地步，他直言，“我们看了太多这种新技术、新概念的例子，第一波(冲在前面的)有很多蹭热度的。从经典的盖特纳创业模型来看，新技术都会先经历这样的事情，后面真正能使用这个技术的人才会崛起。”

　　他向《每日经济新闻》记者透露，很多很强的创业者，例如传统大厂里面职位非常高的人，或者在科学界有头有脸的人，也都被吸引入场。“国内比如说美团的王慧文、快手CTO以及某电商大厂技术负责人。”

　　据刘天杰介绍，某电商大厂技术负责人提出了Transformer大模型中一个关键的技术路线，叫做多头注意力机制。“泥沙俱下，当然有大量蹭热度的，但是也有很多很强的创业者在开始干这件事。”他说道。

　　ChatGPT身后的蓝海让许多创业公司蜂拥而至。在刘天杰看来，“现在许多所谓的AIGC项目，并非这一波预训练大模型(ChatGPT)之后产生的，它的技术路线上其实跟大模型没有任何关系，相当于之前传统范式的AI上，包了一层AIGC的壳，就非说自己是大模型，但实际上跟大模型没什么关系。”

　　他认为，能够落地的应用需要创业者在对应的细分产业中做实。“你要理解产业本身的经济机制和运行规则，以及用户需求，尤其用户需求永远是最重要的。因为在这里，AI只是提供效率的工具，它类似一个乘数。你必须得有前面的‘1’，也就是真实的客户和客户需求。”