原文來源：白馬商評
圖片來源：由無界AI 生成
“都快成紅海了。”當我和一個創業者聊起大模型的時候，他直接甩了這句話給我。
去年11月，OpenAI發布基於GPT-3.5的ChatGPT，瞬間引爆大模型的熱潮。半年多的時間，中國出現了“百模大戰”的局面，BAT等頭部互聯網公司和人工智能公司基本都對外宣布了自己的大模型。
5月初，360掌門人周鴻禕對外稱，“如果不經過兩年的模仿和抄襲，上來就說自己能超越，那才叫吹牛呢。”僅僅一個月後，周鴻禕就表示，“我原來說國內大模型跟國外差距兩年，我收回這句話，今天已經接近國際水平。”
有人感慨，半年就追上ChatGPT了，大模型似乎也不難。
那麼，大模型的核心壁壘是什麼？中國大模型到底什麼水平？大模型為人類社會帶來哪些風險？
為此，我們和多年從事機器學習研究、某知名985高校教授沈為（化名）聊了聊，揭開大模型的迷霧。
GPT路徑跑通了，所以有了“百模大戰”
白馬商評：能不能用最通俗簡單的語言解釋一下大模型，大模型是什麼？和以往的AI模型有什麼區別？
沈為：所謂大模型就是指模型的參數量大，但學術界並沒有一個清晰明確的定義界定到底多大參數叫“大”，還在快速研究發展階段，一般來講大模型的參數量達到1億以上。
其實，深度學習的發展大致經歷了三個階段。第一個階段是2012-2017年，以圖像分割yolo、圖像分類ResNet這種特定領域的小模型為代表，所以參數量佔內存最多也就幾百MB。
2017年，Transformer的問世讓深度學習可以並行化計算，效率更高，意味著可以做大模型的運算，隨後產生了OpenAI GPT和谷歌Bert這類自然語言大模型。這一階段誕生的是特定任務的大模型，模型參數突破了1億。
到了2020年前後，深度學習進入通用模型階段，它的輸入就是一句帶空格的話，模型的作用就是“填空”，以前是模型適配下游應用，現在是下游應用適配模型。這一階段的模型代表包括自然語言領域的GPT 3.5、GPT 4以及圖像領域的Clip、DALLE、Stable Diffusion、Midjourney等等。這一階段模型參數可以達到百億、千億級別。
白馬商評：你了解到最早研究大模型是哪家企業或機構？有哪些成果？
沈為：最早是高校和科研機構做相關的研究，我了解比較早的是北京智源人工智能研究院的悟道、鵬程實驗室的腦海，現在產業界的研究也很同步了。學術界的研究有一些成果，但性能沒有ChatGPT那麼驚艷。
白馬商評：短短幾個月的時間，國內出現了“百模大戰”的局面，推出大模型的公司已經數不過來了，你怎麼看待這種現象？
沈為：大模型肯定是趨勢，也一直有人在研究。之前很多公司可能會小範圍投入，做一些淺嚐輒止的研究；現在突然出現了ChatGPT這樣一個好產品，大家看到了明確的商業方向，於是都開始加大投入。
另一方面，很多公司面臨商業競爭的壓力，不做大模型可能就掉隊了，所以必須上馬大模型項目。
白馬商評：周鴻禕最近說他收回“國內大模型跟國外差距兩年”這句話，他認為今天已經接近國際水平。這才過去幾個月的時間，大模型好像也不難嘛。你覺得差距有多少？
沈為：差距看跟誰對標吧，我目前沒有體驗過360智腦的產品，不太好評價。但是國內有些生成式AI產品，我體驗以後感覺跟ChatGPT還是有差距的，國內的大模型還需要努力。
重資本投入下，只有頭部公司有機會？
白馬商評：研發大模型的核心壁壘是什麼？
沈為：大模型的核心壁壘包括數據、算力、算法。
從算力上看，訓練ChatGPT這樣的生成式AI需要至少1萬張英偉達A100顯卡，單張顯卡的價格目前是六七萬，性能更優的V100單價8萬元人民幣，也就是說光算力投入至少就要達到六七個億以上，只有少數頭部公司和機構能承擔得起。對於商業機構而言，花幾個億買一堆顯卡，還不一定能產出成果，這是必須要思考的問題。
接下來是數據和算法，算法比較好理解，比如開發框架、優化算法。數據方面，中國不缺數據，甚至互聯網數據比美國還要多，但是選擇哪些數據去訓練、採用什麼樣的方式處理，這些都是核心的壁壘。
白馬商評：你平時會跟企業交易所嗎？非營利性的研究機構和企業在研究上有什麼區別？
沈為：我們會跟企業的研究部門有一些交易所。跟企業交易所我們會更加了解實際的業務需求，有時候我們做的學術研究會更關注技術前瞻性，對落地性要求不那麼高；但企業一般更強調落地性。
白馬商評：你有沒有研究過國內的大模型？最看好哪家？
沈為：可能還是頭部公司能跑出來吧。一是重資本的投入，只有頭部公司有實力；二是幾家頭部公司手裡的數據更豐富；三是在人工智能領域已經有了一段時間的技術增持。
白馬商評：你最看好的大模型應用是什麼？
沈為：從技術角度看，最先應用的應該是自然語言處理和圖像領域，語音識別可能要晚一些。
大家看到比較多的用ChatGPT來寫文案，這類內容創作的應用越來越多，其他我覺得像智能客服這種應用應該也會比較快。現在的一些智能客服很多時候理解不了用戶的需求，解決不了實際問題，如果讓用戶區分不出到底是人還是機器人，體驗就會改善很多；包括遊戲中的NPC，以前的對話是寫死的，現在漸漸可以互動了，玩家體驗也會更好。
白馬商評：你原來做過頭部券商的首席分析師，從投資角度看，你覺得大模型有哪些機會？
沈為：資金炒作的邏輯是從應用到算法、模型，再到算力；產業的邏輯反而是相反的，算力是有明確的增長預期的，所以英偉達最近上漲很快、很多。投資者現在也明白了，誰家的大模型能跑出來、能變現還需要驗證，但是增加的資本投入大部分都投到了算力。經過反复炒作，普漲行情應該已經告一段落，後面需要邏輯驗證和業績兌現。
我原來主要看傳媒互聯網行業，比如前段時間比較強勢的遊戲板塊，資本的邏輯一是應用大模型提升研發效率、降低成本；二是大模型帶來更好的體驗，NPC角色更智能，最後用戶的粘性提升、UP值提升。當然，最終可能還需要業績驗證。
人類無法左右AI，甚至無法左右自己的命運
白馬商評：我們看到包括奧特曼、馬斯克都對人工智能的安全性問題提出過擔憂，現在我們只知道通過大模型訓練出現了智能化的結果，但訓練過程像一個黑箱，其實挺可怕的。你怎麼看待安全問題？
沈為：在安全方面，首先我觀察到幾個反常的現象。第一個是今年3月包括馬斯克、蘋果公司聯合創始人史蒂夫·沃茲尼亞克在內的1000多人簽署了一份公開信，呼籲暫停訓練比GPT-4更強大的AI系統。
第二個是，今年5月谷歌首席科學家、已經75歲的“AI教父”杰弗裡·辛頓辭職，他離開谷歌的直接原因是擔憂人工智能的危險，甚至對自己一生從事的工作感到後悔。
第三個是近兩年學術領域訓練大模型新增了倫理討論。
目前來看，我覺得大模型還是可控的，沒有大的問題；但是技術發展太快了，出圈以來短短幾個月的時間，GPT就又經歷了幾次迭代，發展速度太快，越來越智能，會不會產生自主意識，不再聽人類的“使喚”，走向失控？這個問題是大家擔心的。
白馬商評：你覺得AI會不會造成大量失業？在AI面前，普通人怎麼保住工作？
沈為：從宏觀上看我不覺得AI會造成大量的失業，人類總會有工作的，只是說人的工作內容會發生轉變。當然，從個體角度看肯定會出現結構性的失業，我們只能不斷學習。
白馬商評：之前很多人說機器沒有感情、缺乏想像力，取代不了人類；現在既然人類大腦可以通過AI模擬出來，那人類的情慾、性慾是不是未來也可以模擬，荷爾蒙、多巴胺這些不過是一種生物學的獎勵機制嘛。
沈為：機器沒有感情是當前的假設，人工智能越來越接近人的思考模式，那是不是就會產生類似於人類的“感情”？只是他們和人類生活在不同的空間維度，就像《流浪地球》裡圖恆宇的女兒。人工智能可能會產生自己世界類似於人類的生物學意義上獎勵機制。
白馬商評：如果一切都可以計算、規劃、設置，是不是有點無趣？
沈為：AI的行為並不是人類預測和規劃的，而是他自我強化、自我訓練的結果，《流浪地球》裡MOSS的決策是自己做的，而不是服從人類給的指令。
白馬商評：矽基文明取代碳基文明是不是確定性的方向？
沈為：這個問題超綱了。按照目前的發展趨勢可能是這樣的，就像《流浪地球》裡真正主宰人類命運的是MOSS，而不是人類；但現實中也有可能技術會停滯在某個階段，跨不過去，畢竟技術發展不是線性的。
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載