科大讯飞被曝加紧开发中国版ChatGPT，具体发布时间已确定

Posted 2023-03-02 QbitAl

杨净 萧箫 发自 凹非寺
量子位 | 公众号 QbitAI

ChatGPT火热，国内玩家接连爆出加紧开发中国版ChatGPT的消息。

现在又最新获悉：科大讯飞也加入此列中。

并且发布就会是直接落地场景的产品，具体时间也已经确定：5月6日。

这是ChatGPT火得一塌糊涂之下，最快给出具体时间的国产玩家。

更早之前，一众互联网玩家包括百度360阿里网易京东官宣入局之际，关于谁能打造中国版ChatGPT的问题也争得一塌糊涂。

事实上，自ChatGPT上线以来，作为A股AI龙头科大讯飞就备受市场关注，一直被基金疯狂调研和热捧。

据证券时报消息，截至2022年四季度末，80只基金重仓持有科大讯飞6100万股，去年四季度基金大幅加仓1807万股。

有着数十年技术产业积累的科大讯飞，也被认为是国内最有希望打造ChatGPT的玩家之一。

但问题是，包括讯飞在内的中国玩家是否真的有希望复刻ChatGPT？至少从技术维度来看，又应该具备什么样的条件？

打造中国版ChatGPT需要什么条件？

ChatGPT的打造，核心绕不过算法、数据、算力三要素。

算力是支撑背后大语言模型训练的硬件基础；数据，影响模型能力强弱甚至生成质量的关键；算法则包括模型架构和优化方法，决定着模型的核心技能。

如果说前两者算力和数据是资本资源积累，毕竟训练一个1750亿参数的GPT-3就得花费460万美元；那么算法是ChatGPT区别于其他的独到之处。

作为一个对话式AI，ChatGPT所具备的技能包括多语言文本生成、具备大量世界知识、零样本生成、代码理解和生成、对话能力等。

更概括地来说，其强大之处在于同时具备知识、推理和沟通能力——

也是实现认知智能必备的几项能力。

首先是知识能力。为了让ChatGPT既具备应用数据能力、又能生成符合人类要求的答案，要求它能具备大量世界知识和基础常识，且符合人类输出要求。

这背后不仅离不开ChatGPT“底座”大语言模型的参数量和算法架构，更离不开极高的数据质量。

值得注意的是，ChatGPT比其他AI模型生成质量高的原因，在于它更了解人类的“雷区”，包括回答中立客观、不输出违规内容、不回答认知范围之外的问题等。

严格来说，这不仅需要各行业通用的高质量数据，而且还需要经过大量数据清洗和人工标注。

这种方法被命名为基于人类反馈的强化学习（RLHF），需要经过大量各行各业的人工标注，仅凭模型自身无法达到这样的效果。

随后是推理能力。这包括理解并生成代码等技能，让模型能像人一样，一步步思考并推算目标结果。

这里面考验的又不仅仅是代码和语言数据量，同样还强调模型的零样本生成能力和复杂推理能力。

具体而言，零样本生成指的是模型完成没见过的新任务的能力，而代码生成更是考验模型根据任务目标，一步步推理生成最终结果的能力。

最后便是沟通能力，即多语言文本生成、对话能力等。

ChatGPT之所以在沟通能力上有所进步，是因为它能学会基于之前的对话内容生成新输出，而并非局限于当前对话中、导致无法理解代词或暗含前文信息点的词。

这背后除了要求模型在预训练时的语言文本具有多样性，还必须增加如指令学习在内的任务，确保模型能更好地听懂人类对话中的要求，并准确合理地实现。

综上来看，ChatGPT在各方面都提出了不低的要求，国内玩家要想打造这样的模型，就必须在NLP乃至认知智能相关的算法上，实现深厚积淀。

国内玩家有希望吗？

既然如此，那么国内的玩家来打造ChatGPT有希望吗？

从目前已被曝出玩家来看，主要有两类企业想要抢占ChatGPT的高地。

一类是网络搜索领域，这个被认为ChatGPT率先颠覆的场景，微软谷歌之争也在此再次打响。而回到国内，搜索引擎的两大巨头都表示对ChatGPT的持续关注。

一边，百度官宣即将上线文心一言；另一边，周鸿祎也肯定表示：360不会放弃对ChatGPT这门技术的研究和跟踪。

另一类则是其他专业领域的玩家，比如聚焦于电商物流的阿里京东、文娱场景下的腾讯网易，还有像教育医疗场景深耕的科大讯飞……

不妨就从这两类玩家入手，以百度和科大讯飞为例，来看看是否真的有希望。他们一个是搜索引擎代表，一个所代表的场景有广泛的社会价值。

△图注：图源科大讯飞，智医助理电话机器人

如前所言，想要打造ChatGPT，需要算法、数据和算力三个方面。

首先从算法上，目前国内很多公司都有NLP技术和预训练语言模型的研究和开发。百度有文心大模型，而AI龙头科大讯飞自然更是在这两方面，有诸多研究积累——

在NLP所在的认知智能领域，科大讯飞主导承建了认知智能全国重点实验室（科技部首批20家标杆全国重点实验室之一），多年来始终保持关键核心技术处于世界前沿水平，比如在去年就获得CommonsenseQA 2.0、OpenBookQA等12项认知智能领域权威评测的第一；

而在预训练语言模型上，还面向认知智能领域陆续开源了6大类、超过40个通用领域的系列中文预训练语言模型，成为业界最广泛流行的中文预训练模型系列之一，在Github获13346颗星，位列中文预训练模型星标数第一。

从这个维度上看，中国玩家是有希望造出一个类ChatGPT模型。

但要造出一个高质量的语言模型，需要大量的数据和计算资源。

数据方面，诸多现象表明，数据多少是决定模型智能与否的关键。一度惊艳众人的GPT-3就有1750亿参数，而上一版本GPT-2只有15亿参数。

百度360这样的搜索引擎玩家，有着天然的通用数据来源。不过之后的数据清洗和人工标注也是难度不小的工程。

而像科大讯飞，虽然没有像前两者有通用数据上的优势。但在教育、医疗这种高壁垒、高门槛的领域有规模化的专业数据积累，并且有在讯飞输入法、讯飞开放平台、消费办公类产品带来的大量数据，

待到ChatGPT行业落地时，可以迅速占领市场高地。

再来看计算资源方面，实际上看的是愿意投入的成本有多少。

OpenAI背靠微软这样一头算力奶牛——拥有28.5万个CPU核心、1万个英伟达V100 GPU，光是训练一个GPT-3，费用就高达460万美元。

国内像百度、科大讯飞这类数十年的AI玩家，自然有诸多算力和资金的积累。而且也有生态链上的合作伙伴，想必也会是水到渠成的。

巧合的是，讯飞在今年年初提出了要开启高质量发展——将在未来5年实现500亿根据地业务营收、200亿毛利，可提供物质保障；另一方面，还有中国玩家绕不开的国产替代的考量，近年来讯飞一直推进在算力和算法上的自主可控。

据官方数据，目前研发训练服务器已经开始进入国产化， 切换之后效率有的是原来平台的 70-80%，有的效率是超原来平台100+%。另外在算法上，也启动了推理服务器的国产替代；像部分产品，学习机芯片已经全部切换成国产自主。

不可否认的是，我们跟ChatGPT是有先天的技术差距。但至少从算法、算力和数据这三个基本盘来看，想要打造一个中国版ChatGPT也并非没有希望。

中美在打造ChatGPT上的差异

重新回到事件本身，就在一众中国玩家开始着手打造类ChatGPT产品之际，一个绕不开的问题是，中国明明不缺ChatGPT技术，为什么不是中国先诞生ChatGPT？中美之间在打造ChatGPT上差异有多大？

背后原因在此之前也没有进行系统性梳理过。归结起来，主要有三个层面。

其一，AI应用落地的行业路线差异。

ChatGPT作为AGI（通用人工智能）技术代表，对于商业化落地而言，本身不是一个“好生意”。

之所以这么说，是因为在相当长的一段时间内，AGI的商业前景其实都并不为业内和大多玩家所看好。

除了前期训练算力和数据投入的大量资金，后期优化和知识更新所需的迭代路线，无法像互联网商业模式创新那样快速变现增长。

在国内市场大环境中，并不是一个好的选择。相比之下，国内大多数科技厂商更倾向于在垂直专业领域应用AI技术，如推出针对不同行业的专业大模型、又例如采用预训练+微调的模式，针对更具体的场景用专业数据去调整差异……

这并不意味着垂直专业领域的AI应用一定比通用AI更差，甚至在某些领域上，经过专业数据训练的AI表现仍然比ChatGPT更好。

然而ChatGPT的成功，意味着通用模型以后也会成为商业化落地的方向之一，甚至覆盖原先一些AI技术不高、专业度不够的场景落地应用，如银行客服等。

其二，中美在ChatGPT技术上的差距。

如前所述，中国不缺ChatGPT技术。如科大讯飞研究的认知智能中，对于ChatGPT具备的自然语言理解、知识推理技术都已有所布局，相关全球基准测试中，成绩均达到了全球领先水平。

然而，如何将这些模型能力集成升级、达到ChatGPT的效果，又如何搜集并产生巨量的高质量通用数据、而非仅仅是某一行业的专业数据，国内外目前依旧存在差距。

更明确一点来说，存在技术代差。

360在最近电话会议中表示：

国内的技术水平目前整体在GPT2.3左右。如果基于互联网优势，大家都用中文提问、尤其是国内的问题，可能实际体验能达到GPT2.5版本左右。

但OpenAI这边，GPT-4早就已经呼之欲出，中美之间基本已存在一代多的技术差距。

其三，技术引发的生态差距。

GPT-3之后OpenAI所有的模型都没有开源，而是提供了API调用，并因此养活了美国一大帮创业公司，创造并盘活了整个生态。

清华大学计算机科学与技术系长聘副教授黄民烈，就曾这样形象地描述GPT系列模型的影响力：

这个过程它干了一件事，就是建立起了真实的用户调用和模型迭代之间的飞轮，它非常重视真实世界数据的调用，以及这些数据对模型的迭代。

相比之下，国内目前更多公司虽然开源了不少大模型，然而这些模型要想达到商业化落地效果，仍旧需要大量数据迭代乃至应用落地，这方面的费用绝非初创公司所能承担。

事实上，从技术、行业乃至生态差距来看，ChatGPT依靠的不是短期的角逐，而是一个长线投资行为。

目前，应用领域可能还集中在搜索引擎上，但随着ChatGPT应用潜力被各个领域挖掘出来，最终可能打造国产ChatGPT的，还是那些在技术、行业以及有能力构建生态的玩家中，科大讯飞是一个。

总之，关于全球ChatGPT之争，号角已经吹响。关乎ChatGPT落地价值探索，国内玩家已经起航。

— 完 —

点这里👇关注我，记得标星哦～