自 2022年11月Chat GPT上线后，短短2个月的时间内，月活跃用户就已突破1亿，成为史上用户增长速度最快的消费级应用程序。
图源：西南证券
目前Chat GPT也已更新至4.0版本。新版GPT-4在诸多能力上也进行了优化，以文字生产领域为例，GPT-4能实现作诗、写邮件、写广告、剧本和小说。采用AIGC技术所撰写的高考作文，在不到1分钟的时间，完成了40多篇文章，获得专家打分48分的成绩，击败了75%的考生。
在此背景下，国内大厂纷纷跟进推出属于自身的AI大模型。比如说，百度的“文心一言大模型”，腾讯的“混元大模型”，阿里的“通义大模型”，华为的“盘古大模型”等等。
而在二级市场上，Chat GPT的火爆也直接带火了和AI相关的概念股。以人脸识别、大数据、智能交互技术、产品及服务提供商汉王科技为例，按照汉王科技对外公布的业绩预告来看，公司在2022年归属于上市公司股东的净利润为：-9800万元至-14000万元。长期的亏损，让汉王科技在1月30日以前的市值仅有40.85亿元左右。
但进入到今年2月份以后，汉王科技的股价一路上涨，甚至在今年3月时，股价曾达到30.66元/股的最高点。这一股价若是和今年1月份时期的15.34元/股相比，涨幅比例接近1倍。
图源：雪球
但硬币的另一面却是关于Chat GPT的争议声音越来越大。3月30日，人工智能和数字政策中心向美国联邦贸易委员会投诉，试图阻止向消费者发布强大的AI系统。次日，意大利隐私监管机构宣布境内暂时禁用Chat GPT。4月2日，在三星引入Chat GPT不到20天的时间内，已先后出现三次泄密事件等等。
针对以上问题，在美国当地时间5月16日召开的Open AI首次听证会上，围绕着外界所关注的由AI所产生的版权侵害，虚假内容、失业问题，数据安全等问题也展开了相关讨论。
本次接受质询的对象包括Open AI CEO Sam Altman，IBM副总裁兼首席安全官Christina Montgomery，纽约大学教授Gary Marcus。而本次听证会上的一些核心内容，也让我们提前感知到未来Chat GPT行业发生的一些变化。
图源：Open AI听证会
01.Chat GPT发展依然坎坷
针对3月29日，科学界联名呼吁：所有AI实验室立即暂停训练比GPT-4更强大的AI系统，为期至少6个月的联名信。
作为联名信签署人之一的Gary Marcus在会上解释道，签署联名信并不是要求暂停AI研发，而是希望在具备规范、安全的AI管理措施之前，暂停部署比GPT-4更大的AI模型。若现阶段将这些具备超级功能的AI，全部交给普通人使用，这未免太过于冒进了。
对此，Sam Altman解释道，未来6个月内Open AI暂无推出类似于GPT-5的计划。因为现阶段Open AI对部署更高版本的Chat GPT仍存在诸多顾虑。但与此同时，Sam Altman也提出了一个灵魂问题：若我们暂停6个月的AI研发，很有可能就会与时代脱节，6个月之后我们要怎么办呢？还要再停6个月吗？
如Sam Altman所言，若超级AI大模型需不断保持自身优势的话，则需要对模型进行不断反复的训练，但在训练过程中也产生了诸多问题。比如说，高成本和商业化问题。
以Chat GPT为例，2018年Open AI在训练GPT-1时，所用到的参数数量和数据训练量分别为1.17亿和5GB。但在2020年训练GPT-3时，以上两项数字则分别增长到1750亿和45 TB，GPT-4的训练参数量更是高达1.6万亿。
另据Open Al发布的相关数据显示，训练13亿参数的GPT-3 XL模型训练一次消耗的算力约为27.5 PF-days，训练1750亿参数的完整GPT-3模型则会消耗算力3640 PF-days（以一万亿次每秒速度计算，需要3640天完成）。
图源：Open Al
庞大的数据量以及算力决定了搭建AI模型为典型的重资金产业。以GPT-3模型消耗的算力3640 PF-days来看，相关证券机构测算，保守估计前期成本至少投入在200多亿元。并且Chat GPT在前期访问阶段初始投入近十亿美元，单日电费数万美元。训练阶段，单次训练约为百万至千万美元。
然而，在高成本的背后，目前关于整个Chat GPT不管是在TOC端还是TOB端的商业化仍不清晰。以TOB端为例，Chat GPT若想要完全打开TOB端市场，也面临着诸多现实问题。
一方面，如何打消TOB端的诸多顾虑，进而让TOB敢用Chat GPT。比如说，目前TOB端普遍担心因使用Chat GPT而产生数据泄露风险，进而对企业业务产生诸多不利影响。
但正如美国NIST（国家标准与技术研究院）发布了《AI风险管理框架1.0》所提到的那样，AI模型的优化可解释性和隐私增强性之间会存在矛盾；或者在数据较稀疏的情况下，隐私增强技术可能导致有效性降低。过度关注某一方面特性，例如：高度安全但不公平的系统、有效但不透明和不可解释的系统以及不准确但安全、隐私增强和透明的系统都是不可取的。
另一方面，对标围绕TOB端的SaaS产业的发展来看，TOB端产品只有给企业带来真正“降本增效”的价值，企业才愿意付费。但由于TOB端行业的分散性、差异性、多而乱的特点，行业很难形成规模效应。
目前国内SaaS产业所走的“以低价换取市场份额”的路线，也决定了当前国内和SaaS相关的企业，除具有先发优势的阿里云实现盈利，绝大多数企业仍以亏损为主。
那么未来Chat GPT在为TOB端服务时，其价格到底要如何制定呢？是走SaaS行业以价换量的路线，或是将价格定得很高，只服务小部分企业呢？但不管走哪个路线，均决定了Chat GPT在TOB端想要实现盈利，并非易事。
另外考虑到当前全球经济进入到新一轮下行周期，未来诸多行业业绩承压已是不争的事实。因此，不管是投资机构，或是大厂又是否有足够的现金流和足够的耐心，来真正探索出各类“超级AI大模型”的盈利，这里仍值得商榷。
02.生成式AI仍面临外部多重压力
若成本和收益问题超级AI大模型内部需面临的问题，来自外部的种种质疑也决定了生成式AI后续的发展并不明朗。
其一，如何对AI公司进行监管。Sam Altman提出的建议如下：对AI厂商提供许可证，并吊销不符合政府标准的厂商的许可证。为AI大模型创建一套安全标准，包括评估其风险，大模型必须通过一些安全测试；指派第三方专家独立审核AI产品的各方面指标，支持创立一个为AI制定相关标准的国际组织，由美国领导。同时，Sam Altman和Gary Marcus均呼吁成立专门的TOG机构，负责对AI的监管。
事实上，Sam Altman 和 Gary Marcus所提出的这些建议，也的确符合未来超级AI大模型的需要。比如说，对标国内的网约车拍照和金融支付拍照的发放来看，政府监管加强后，能让行业从此前的野蛮生长阶段逐渐回归到理性增长阶段。
但仍需要指出的是，因全球不同国家的文化、政治差异性较大，又叠加自2022年全球地缘冲突的不断升级和加剧，一套全球可行的AI式标准制定未来估计需要很长的时间才能制定。在尚无清晰的标准下，也决定了未来超级AI大模型的出海业务，将面临着层层压力。
其二，如何解决反垄断问题。在听证会上，参议员Cory Booke提出了一个问题：Open AI由微软支持，Anthropic则由谷歌支持。那么，未来随着这些公司的规模越来越大，其必然也会对人们的生活影响越来越大，并有可能在商业上实现垄断。
对此，Sam Altman则解释道AI大模型的研发相对困难，只有少数企业能够研发出AI大模型。这并不会造成垄断，反而会在一定程度上降低监管难度。但坦白来说，Sam Altman的解释并不成立。一方面，如上文所述，基于研发AI大模型对企业的资金、技术均要求极高，目前AI大模型也的确被掌握在大厂手中。
但另一方面，从国内多个行业的经验来看，当大厂完全主导后，行业必然会出现垄断现象，比如网约车行业、在线货运平台、外卖行业等等。而随着各国政府对本国反垄断法律法规政策制定的愈发完善，不排除后续各国政府对由超级AI大模型所产生的垄断问题，监管只会更加严格。
其三，针对外界所关注的由Open AI所产生的版权以及版权付费问题。Sam Altman则表示，未来Open AI会拿出相关政策保护地方新闻业的发展。但对于内容创作者版权权益的问题，Sam Altman并没有给出明确的回复。
事实上，对于Sam Altman的不回复虽能理解，毕竟Chat GPT在内容创作上需海量的内容作为支撑，而从国内内容平台给到创作者的收益来看，Open AI若是真正为创作者付费的话，这必然会加重Chat GPT的成本投入。
但坦白来说，Chat GPT对创作者内容的随意抓取，并且不付费的方式，无异于杀鸡取卵。一旦后续内容创作者进行联合，全面抵制Open AI的这种做法，未来GPT更高版本是否能继续保持优势，仍有待观察。
而从现阶段来看这种情况已经出现，比如说，去年柏林两位艺术家搭建了一个名为“我正在被用来训练吗”的网站，艺术家可以检索自己的作品是否进入了AI训练数据库。但Chat GPT所面临的问题并非个案，而是国内外AI大模型公司都必须要思考的问题。
03.AI大模型是否会引发大规模失业？
在听证会上，Gary Marcus指出人们不应该小看AI对就业带来的影响。事实上，Gary Marcus的担忧并非空穴来风。此前IBM曾宣布：暂缓可以被AI取代的岗位的招聘，约7800人将被永久淘汰。
微软也宣布将于6月底进行裁员，裁员对象主要为记者和编辑，并将在未来加大力度使用AI技术取代人类新闻编辑。“新上岗”的AI算法将会代替人类编辑选取可报道的新闻事件、改写新闻标题、寻找文章配图等工作。
但Sam Altman却认为，目前GPT-4仍能被人类很好的所控制和使用，它会让一些工作自动化，甚至被替代掉。但人类利用AI大模型可以拥有更多能力、更多时间追求自己喜欢的事物，这将创造出更多工作机会。
IBM的Christina和Sam Altman有着一致的观点。她认为，AI大模型“将会改变每一项工作”，如今的工作重点应该是做好新老工作的过渡。到2030年，IBM将培训3000万个人掌握当今社会所需的技能。
事实上，Sam Altman和Christina说法并非没有道理。现阶段，AIGC的确可以创作海量的内容，但AIGC毕竟只是工具，缺乏人类的情感和思考能力。而人类的情感和思考能力，在诸多工作岗位中发挥着重要作用。
以内容创作为例，作家余华曾指出：从我们目前对那个GPT的理解
就他的能力，如果他要写小说的话，他大概能写出中庸的小说。但他不会写出充满了个性的小说，因为他是大量的那种文本，他可能把小说写得很完美，但是其实是很平庸。
在以电商行业的客服岗位为例，从事多年电商客服工作的李洋洋告诉我们，在处理客户的售后过程中，最为核心的地方在于需根据和客户沟通过程中的语气、文字，推测出当前客户的情感，并做到有针对性地处理客户的问题。若单纯使用AI大模型回复客户售后问题，这不但无法处理好客户的问题，反而还会降低售后质量。
而且拉长维度来看，若未来各类AI大模型具备和人类一样的情感，这必然会引发世界范围内的恐慌，不排除AI大模型会出现被关停的命运。但当AI大模型之充当辅助性工具后，也面临着一个问题。即它的能力和价格是否匹配，ToC端又是否愿意付费呢？
结语
事实上，任何新兴事物从成熟到发展，从来都是不走直线走曲线。但相较于其他行业而言，AI大模型所牵扯到的失业问题、各种法律风险、垄断问题、成本和收益等等，均注定了国内外任何一家AI大模型厂商在未来AI大模型商业化的探索之路上都难言轻松，对于后续AI大模型的发展是否能达到市场预期，仍需要时间来观察。
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
