近期ChatGPT突然爆火，2個月內猛增1億用戶，科技巨頭爭相布局業(yè)務，大量資本跟進投入，足以見得它的受歡迎程度和應用前景潛力。這一不斷被提及討論和試用體驗的“聊天機器人”，并不僅僅是陪聊這么簡單，而是可能成為人們工作、生活的實用工具，甚至取代部分人的工作。

“我記得上次引發(fā)全民興趣和討論的還是iPhone手機的面世?！眲P旋創(chuàng)投董事總經理朱璘說，她并不認為ChatGPT的突然爆火是曇花一現(xiàn)，相反，她認為ChatGPT不只是一個現(xiàn)象級的產品，其背后的GPT3.5更是一種顛覆性的技術，在各行各業(yè)都有落地應用的可能。

與此前同樣突然備受關注的“元宇宙”相比，ChatGPT背后的技術能力，使得它不僅是存在于想象之中，而是成為真切發(fā)生的現(xiàn)實，是人工智能有望賦能不同產業(yè)的最新實踐。那么，包括ChatGPT在內的生成式AI以及背后的大模型技術是否具有長期投資價值，國內企業(yè)在這方面又有什么應用發(fā)展機會呢？

(資料圖)

凱旋創(chuàng)投董事總經理朱璘認為，ChatGPT不只是一個現(xiàn)象級的產品，其背后的GPT3.5更是一種顛覆性的技術，在各行各業(yè)都有落地應用的可能。

澎湃新聞：您認為包括ChatGPT在內的生成式AI以及背后的大模型技術有什么投資價值，它是曇花一現(xiàn)的概念還是具有長期價值的應用技術？

朱璘：技術本身和投資是否活躍，其實是兩個維度的事。我先說技術，ChatGPT和iPhone在技術層面和對人類生活的影響上是非常接近的，甚至前者比后者的技術更為顛覆。我認為，ChatGPT不只是一個現(xiàn)象級的產品，它背后的GPT3.5更是一種顛覆性的底層技術。它所帶來的不僅是工作會被取代的問題，更深層的影響在于它可能會改變人類如何學習、掌握知識這件事。因此，我覺得ChatGPT的出現(xiàn)非常有意思，也將可能產生深遠的影響。

我個人非?？春冒–hatGPT在內的生成式AI以及背后的大模型技術的投資價值，它的顛覆性在于提升了理解力、智能程度，這是一項技術革命。ChatGPT已經可以作為一種生產力工具幫助某些行業(yè)了，我們的學習模式也將因此和過去有所不同。

不過，從投資角度看，模型層方向上的機會可能更多屬于大廠，因為需要一定量的數(shù)據(jù)量級為基礎，且需要大量的資金、時間、人才的投入，以及一定的容錯率。創(chuàng)業(yè)公司需要考慮更多的是如何利用大模型把各類產品更好落地，并將其融入我們日常能夠長期使用的一些應用里。

當然，具體投資情況還是要看企業(yè)項目如何，如果大家能運用這項技術踏實做些事，而不是急著趕這一波熱點，行業(yè)就會有一個良性的發(fā)展。

澎湃新聞：企業(yè)如何借助GPT3.5等大模型技術實現(xiàn)商業(yè)化，在這一過程中需要注意什么？

朱璘：從投資人角度來說，我認為創(chuàng)業(yè)公司一定會發(fā)掘出很多有意思的應用，就像當年iPhone面世時，我們也無法預測究竟哪個APP會火，但這類的應用一定有很多，因為大模型技術帶來的是一種深層的改變。

剛才也說到，企業(yè)應該聚焦的是如何把GPT、Diffusion這類基礎模型做到應用上，特別是一些可以日常長期使用的應用上，這往往和算法層面有關，需要降低應用成本，否則AI訓練成本太高，在商業(yè)模式上不一定能跑得通。

為了降低大模型的應用成本，企業(yè)在基于大模型訓練應用時，可以考慮如何用更少的數(shù)據(jù)訓練出更好的結果，或者把較大的神經網(wǎng)絡做小，減少模型層數(shù)，這方面也需要技術較高的算法工程師。此外，只有更好的數(shù)據(jù)才能渲染出更好的模型，以ChatGPT為例，雖然它的數(shù)據(jù)量不是很大，但卻使用了非常專業(yè)的數(shù)據(jù)標注。總之，通過更好的數(shù)據(jù)和模型，并降低模型層數(shù)和數(shù)據(jù)量，才可能降低算力成本。

因此，對創(chuàng)業(yè)公司來說，需要考慮技術、算法層面的調整，把模型做細，這其中有很多技術難關有待攻克。而在考慮數(shù)據(jù)層面時，要注意如果數(shù)據(jù)源不同，最終跑出的模型就會有所不同。比如AI作畫工具midjourney和DALL·E，它們的畫風就有所不同，因為不同的數(shù)據(jù)源導致訓練的圖片庫有所不同。

與此同時，創(chuàng)業(yè)公司還需要考慮，他們能提供什么樣的產品，讓市場上的哪些人去使用，以及他們有哪些數(shù)據(jù)，怎么把這些數(shù)據(jù)用好，需要渲染出什么模型。我們也希望在這些方面看到創(chuàng)業(yè)者的思考和創(chuàng)新，將產品更好落地。此外，中國創(chuàng)業(yè)者比較擅長UI、吸引流量，而將文字、圖像、語音、3D等多模態(tài)結合，也很有商業(yè)價值，這可能需要一個漸進的過程。

澎湃新聞：在與ChatGPT有關的AIGC領域，什么樣的商業(yè)模式有機會跑通？

朱璘：從AIGC領域來看，ChatGPT和AI作畫工具midjourney、DALL·E并非處于同一層面。從底層上講，語言難度實際上高于圖像難度，因為還涉及到對人類知識庫的理解和認知，而作畫主要是將語言轉化成觸發(fā)，也是基于ChatGPT大模型語言理解之上的應用。

AIGC主要是基于大模型，需要花費大量時間和資金投入，因此一般來說，只有國內較大的互聯(lián)網(wǎng)公司才能真正推出自己的大模型，大家再在這一基礎上做應用。比如，百度、阿里巴巴就在這一領域投入了很久，其中涉及布局算力，通過大量數(shù)據(jù)做訓練等工作。這類大模型也不一定用在他們自己的主要業(yè)務中，而是作為通用技術應用在很多領域之中。

目前，AIGC領域的投資還處于非常早期的萌芽階段，但其實各行各業(yè)都有機會。對大公司來說，可能是人才、投資、不同知識模型的積累；但對創(chuàng)業(yè)公司來說，只要沒有政策或合規(guī)限制，就可以基于最好的模型去做應用。

澎湃新聞：您看好AIGC這一投資方向嗎，其中有哪些發(fā)展機會？

朱璘：類GPT、Diffusion這樣的基礎大模型基礎上生成的各類應用毫無疑問是我們關注的重點。只要產業(yè)能落地，應用領域其實有很多。比如，AIGC在娛樂、游戲、工業(yè)、教育、醫(yī)療等方面，在影視內容輔助、編程輔助工具、虛擬客服功能等領域都有較大的應用前景。在AIGC和元宇宙的結合上，比如通過AI生成畫面、虛擬人、3D模型以及語音交互等的應用方面，也有發(fā)展機會。

我覺得今年下半年，國內AIGC領域中可能會有一些不錯的企業(yè)出現(xiàn)，這也是基于國內外大模型的推出和開源情況。

這其中，最具挑戰(zhàn)性的還是多模態(tài)應用。調用多個大模型生成以往沒有的全新應用，不僅需要創(chuàng)業(yè)公司對用戶需求有深度了解，還需要對技術有獨到的認知，我覺得非常有可能會跑出新一代的平臺級產品，也相信肯定會有屬于這個時代的字節(jié)跳動、美團、微博出現(xiàn)。

當然，除了AIGC之外，從基礎設施層面來看，AI算力是支撐背后大語言模型訓練的硬件基礎，算法則包括模型架構和優(yōu)化方法，決定著模型的核心技能。神經網(wǎng)絡日趨復雜，以 ChatGPT 為代表的底層模型已達千億參數(shù)量級，多模態(tài)趨勢給預訓練模型的參數(shù)量級帶來數(shù)量級的飛躍，帶來對 AI 算力需求的顯著提升。這就帶來了一些大的機會，比如，怎樣可以以最高性價比的解決方案幫助客戶實現(xiàn)大模型商業(yè)化的落地。算法方面的機會，則是怎樣在現(xiàn)有條件下，用更少的數(shù)據(jù)訓練出更適宜的算法模型，以此達到降本增效的目的，這里面想象空間很大，還有很多事情值得創(chuàng)業(yè)公司去做。

澎湃新聞：如何看待整個AI產業(yè)的發(fā)展，我們與國外在技術上的差距主要在哪？

朱璘：從技術上看，AI模型可分為分析式AI（Analytical AI）和生成式AI （Generative AI）兩類，前者主要基于對現(xiàn)有事物的分析，后者則是生成新的知識和內容，這兩類之間其實是一個巨大的跨越。

近年來，國內AI研發(fā)主要集中在分析式AI方面，國外則在這之外，也將大量資金和時間投入在了生成式AI的研發(fā)上。比如Google在2017年推出神經網(wǎng)絡架構Transformer時，就認為這一技術可以引發(fā)機器對語言理解力的質變，因此一直沒有停止這方面的開發(fā)和投入。

但由于參數(shù)量、模型層數(shù)的劇增，需要投入巨額資金和大量的時間、人才，且結果充滿不確定性，國內企業(yè)并沒有在這一領域繼續(xù)跟進，所以就慢慢有了差距。要想 “彎道超車”比較難，不過隨著國內資金的大量投入、創(chuàng)業(yè)人才的涌入，基礎研究的不斷深入，再加上原本中國創(chuàng)業(yè)公司就很有優(yōu)勢的場景商業(yè)化能力、流量吸引和變現(xiàn)能力以及快速迭代效率，有理由相信目前的技術差距可以不斷縮小。

澎湃新聞：國內AI產業(yè)的發(fā)展目前存在什么困難和阻礙，希望得到哪些支持？

朱璘：AI技術的發(fā)展離不開三件事——算法、算力和數(shù)據(jù)。算法主要取決于要有足夠的工程師，算力則對資金投入、高算力的GPU都有要求，這方面我們也面臨“卡脖子”的問題，需要得到政策上的支持。

而在數(shù)據(jù)方面，大模型主要是基于人類知識，包括互聯(lián)網(wǎng)所提供的大量豐富語料。語料質量如何對于模型訓練影響很大，因此，數(shù)據(jù)對于做出特別好的大模型來說也是一大需要解決的問題。

關鍵詞： chatgpt aigc 創(chuàng)業(yè)公司