GPT国内的一些产品真的比国外的差吗？（篇幅较长，请收藏）

关注并星标

从此不迷路

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

计算机视觉研究院专栏

作者：Edison_G

本次讨论的话题仅限于计算机视觉研究院个人观点，若有说的不对的地方勿喷，有兴趣的也可以加入我们ChatGPT讨论兴趣小组。

一、背景

ChatGPT到底是个啥？

对于小白或者不知情的人士，其实对其还是很不了解，并且通过各种媒体报道，觉得它是一个神乎其神的产品，也是未来可替代部分劳动力的源头。

那今天我们来聊聊这个GPT，并说说国内发布的情况以及未来发展，真的国内会比国外差吗？——这个问题是开放性问题，大家可以一起讨论。

ChatGPT的横空出世拉开了大语言模型（LLM）产业和生成式AI产业蓬勃发展的序幕。今天我们先分析“OpenAI ChatGPT的成功之路”、“国内ChatGPT产业发展趋势”、“ChatGPT应用场景”、“ChatGPT风波下的‘危’与‘机’”四个问题。聚焦国内市场，辨析中国自研通用基础大语言模型的重要意义、分析中国大语言模型产业参与角色分化路径及原因、梳理呈现中国大语言模型产业受益链图谱。

大模型（以LLM为主，包含多模态模型等）产业的蓬勃发展将改变数字产业生态，助力AI工业化进程、变革交互方式、创造数字产业新的增长空间。

二、分析

OpenAI ChatGPT的成功之路

ChatGPT的发展史可以追溯到2015年，美国OpenAI公司由特斯拉创始人马斯克等硅谷大亨创立。2017年，OpenAI推出了基于Transformer模型的GPT-1，随后于2018年推出了具有1.17亿个参数的GPT-1模型。2019年，OpenAI公布了GPT-2，具有15亿个参数，该模型架构与GPT-1原理相同，主要区别是比GPT-1的规模更大。2020年，OpenAI推出了最新的GPT-3模型，具有1750亿个参数。GPT-3模型的训练规模比GPT-2更大，使用了更大量的语料库进行训练，从而可以生成更加准确和有用的文本。2022年3月，OpenAI推出了InstructGPT模型，该模型为GPT-3的微调版，以教人为目的而训练的 language model。2022年11月底，人工智能对话聊天机器人ChatGPT推出，短短几个月时间，ChatGPT在2023年1月份的月活跃用户数已达1亿，这使其成为史上用户数增长最快的消费者应用。

总的来说，ChatGPT的发展历程曲折而精彩，OpenAI公司在人工智能领域持续探索，不断推出新的模型和产品，旨在让人工智能技术更好地服务于人类。

ChatGPT与InstructGPT

谈到Chatgpt，就要聊聊它的“前身”InstructGPT。2022年初，OpenAI发布了InstructGPT；在这项研究中，相比 GPT-3 而言，OpenAI 采用对齐研究（alignment research），训练出更真实、更无害，而且更好地遵循用户意图的语言模型 InstructGPT，InstructGPT是一个经过微调的新版本GPT-3，可以将有害的、不真实的和有偏差的输出最小化。

InstructGPT的工作原理是什么？

开发人员通过结合监督学习+从人类反馈中获得的强化学习。来提高GPT-3的输出质量。在这种学习中，人类对模型的潜在输出进行排序；强化学习算法则对产生类似于高级输出材料的模型进行奖励。训练数据集以创建提示开始，其中一些提示是基于GPT-3用户的输入，比如“给我讲一个关于青蛙的故事”或“用几句话给一个6岁的孩子解释一下登月”。

开发人员将提示分为三个部分，并以不同的方式为每个部分创建响应：

人类作家会对第一组提示做出响应。开发人员微调了一个经过训练的GPT-3，将它变成InstructGPT以生成每个提示的现有响应。

下一步是训练一个模型，使其对更好的响应做出更高的奖励。对于第二组提示，经过优化的模型会生成多个响应。人工评分者会对每个回复进行排名。在给出一个提示和两个响应后，一个奖励模型(另一个预先训练的GPT-3)学会了为评分高的响应计算更高的奖励，为评分低的回答计算更低的奖励。

开发人员使用第三组提示和强化学习方法近端策略优化(Proximal Policy Optimization, PPO)进一步微调了语言模型。给出提示后，语言模型会生成响应，而奖励模型会给予相应奖励。PPO使用奖励来更新语言模型。

重要在何处？核心在于——人工智能需要是能够负责任的人工智能

OpenAI的语言模型可以助力教育领域、虚拟治疗师、写作辅助工具、角色扮演游戏等，在这些领域，社会偏见、错误信息和毒害信息存在都是比较麻烦的，能够避免这些缺陷的系统才能更具备有用性。

Chatgpt与InstructGPT的训练过程有哪些不同？

总体来说，Chatgpt和上文的InstructGPT一样，是使用RLHF（从人类反馈中强化学习）训练的。不同之处在于数据是如何设置用于训练（以及收集）的。（注解：之前的InstructGPT模型，是给一个输入就给一个输出，再跟训练数据对比，对了有奖励不对有惩罚；现在的Chatgpt是一个输入，模型给出多个输出，然后人给这个输出结果排序，让模型去给这些结果从“更像人话”到“狗屁不通”排序，让模型学习人类排序的方式，这种策略叫做supervised learning。

国内外竞品分析

国内外主要LLMs研发路径与技术对比（转自艾瑞咨询）

（转自艾瑞咨询）

国内外LLMs产商商业路径对比

a、研究方向：

国外：谷歌、微软、脸书等大型语言模型公司主要研究方向为自然语言处理技术（NLP）和人工智能（AI），致力于开发更为智能、更具有交互性的语言模型。他们将大语言模型视为未来数字世界与人类之间沟通的桥梁，以此为出发点不断拓展技术边界。

国内：国内公司在确保技术领先的基础上，更加关注产业链的整合和布局。中国大型语言模型公司倾向于在多个领域同时发力，包括基础层（芯片、算法、云计算）、技术层（语言模型、预训练模型）和应用层（智能手机、智能汽车、智能家居等），旨在打造更加全面和具有综合竞争力的产业生态。

b、商业变现：
国外：国外公司主要通过向企业出售大型语言模型提供的API服务接口来实现商业变现，或者通过将广告投放至模型输出结果界面等方式获得营收。

（转自艾瑞咨询）

国内：国内公司则主要依靠向企业提供定制化的AI能力输出、技术赋能和解决方案，从而实现收益。同时，基于大语言模型的AI 2.0技术也在逐步拓展到智能手机、智能汽车、智能家居等领域，通过与移动互联网、物联网等产业结合，实现更为丰富的应用场景和商业模式。

（转自艾瑞咨询）

c、未来展望：
国外：未来，国外公司将继续深耕自然语言处理技术和人工智能领域，致力于打造更为智能、更为人性化的大语言模型。同时，国外公司也将拓展更多元化的应用场景，例如医疗、教育等领域，通过大语言模型技术的不断升级和进步，为用户带来更多便利和价值。

国内：国内公司将继续在基础研究和应用场景方面取得平衡发展，注重提升大语言模型的智能性和可用性。同时，随着中国产业升级和消费升级的推进，大语言模型技术将被广泛应用于智能制造、智慧城市、智能金融等领域，为中国经济的数字化转型和升级提供强有力的支撑。

总体来说，国内外大语言模型产商的商业路径存在一定差异，但都在不断拓展技术边界，以更好地适应市场需求和变化。随着大语言模型技术的不断发展和成熟，这些差异可能会逐渐缩小，而更加注重发掘模型的商业价值和技术实用性。

国内ChatGPT产业发展趋势

技术升级：中国类ChatGPT技术将不断升级，以满足不同场景的应用需求。例如，通过引入自然语言处理技术、机器学习算法、深度学习技术等，可以提高类ChatGPT应用的交互性和智能性
行业应用：中国类ChatGPT将广泛应用于各个行业，如医疗、金融、电商、教育等。这些行业将通过引入类ChatGPT技术，提高工作效率，降低成本，提升用户体验
定制化服务：随着类ChatGPT技术的不断成熟，将涌现出越来越多的定制化服务。例如，通过定制化的人工智能模型，为企业提供更准确的营销策略、更高效的产品推广等
市场竞争：中国类ChatGPT产业将面临激烈的市场竞争。国内外的科技巨头纷纷布局类ChatGPT领域，开发相关技术和产品。这必将引发市场的激烈争夺战，同时也将推动整个行业的技术进步和成本降低
法律监管：随着类ChatGPT应用越来越普及，法律监管问题也将日益凸显。例如，类ChatGPT应用可能会涉及到用户隐私泄露、虚假信息传播等问题。因此，相关的法律监管将需要不断完善和加强。

总之，中国类ChatGPT产业将在技术升级、行业应用、定制化服务、市场竞争和法律监管等方面呈现出发展趋势。这将为该行业的发展带来新的机遇和挑战。

中国LLMs产业价值链

ChatGPT应用场景

ChatGPT在金融领域有广泛的应用，包括以下几个方面：

客户服务：ChatGPT可以提供24/7在线客服服务，解答客户的问题和解决他们的需求，提高服务质量和客户满意度。
风险管理：ChatGPT可以利用历史数据和金融市场数据，自动化生成风险报告和预测模型，帮助金融机构更好地预测和评估风险。
投资分析：ChatGPT可以自动化生成投资研究报告和预测模型，帮助投资者做出更好的投资决策。
智能理财：ChatGPT可以提供智能投顾方案和推荐产品，帮助金融机构为客户提供更加个性化的服务。
自动化交易：ChatGPT可以自动化执行交易策略，帮助投资者快速决策并获得更好的交易体验。

总之，ChatGPT在金融领域有广泛的应用，可以提高金融机构的效率和服务质量，同时也可以帮助投资者做出更好的投资决策。

ChatGPT对数字产业产生了深远的影响，其中以下几个方面表现得尤为突出：

提升效率：ChatGPT可以协助数字产业中的企业进行文字梳理、归纳、创意和方案生成等工作，从而提高工作效率。
优化流程：ChatGPT通过对数字产业中的规章、标准和规范等文件进行语义理解，为企业提供更加清晰和简洁的解释，从而提高工作效率和准确性。
风险预估：在数字产业中，ChatGPT可以通过分析数据和模型，协助企业进行初步的风险预估，并提供预警和建议，从而降低风险。
人才培养：ChatGPT的出现为数字产业人才培养提供了新的工具和方法。通过ChatGPT等AI工具，可以更快速、更高效地培养出具备数字化素养的人才，提高企业的数字化转型能力。
业务创新：ChatGPT为数字产业中的企业提供了新的业务创新机会。通过对大量数据的分析，ChatGPT可以帮助企业挖掘新的商业价值，发现新的业务模式和市场机会。
产业协同：ChatGPT为数字产业中的企业提供了更好的产业协同工具。通过ChatGPT等AI工具，企业可以更快速、更高效地实现跨部门、跨组织的协作和沟通，从而提高整体的工作效率和协同效果。

总之，ChatGPT在数字产业中具有广泛的应用前景和深远的影响，它将推动数字产业的进一步发展，加速数字化转型的进程，为数字产业中的企业带来新的机遇和挑战。

ChatGPT对程序员的影响如下：

自动化编程：ChatGPT的出现使得程序员可以通过自然语言来描述需求和功能，从而自动生成代码。这种自动化编程技术可以大大减少编程的工作量和时间，并提高编程的效率和准确性。例如，Github推出了一个基于GPT-3的自动化编程工具Copilot，它可以根据用户的自然语言描述，自动完成代码的编写。这种技术不仅可以提高编程效率，还可以使得编程更加容易上手，降低了编程的门槛。
智能化调试：ChatGPT还可以帮助程序员进行智能化调试。程序员通常需要手动排除代码中的错误和漏洞，这是一个非常耗时和困难的过程。通过GPT-3的自然语言理解和推理能力，ChatGPT可以在代码中发现隐藏的错误和漏洞，帮助程序员更快地排除问题。
更好的团队协作：ChatGPT还可以作为一个团队协作工具，帮助团队成员更好地沟通交流和协作。通过 ChatGPT，团队成员可以更快速地理解他人的代码和想法。
释放人类创造力：ChatGPT可以生成一些重复性的代码，从而让程序员专注于算法设计和系统架构等方面的工作，释放人类创造力。

综上所述，ChatGPT对程序员的影响是巨大的，它不仅可以提高编程的效率，还可以让编程更加容易上手，降低编程门槛，同时帮助程序员进行智能化调试、更好地进行团队协作，并释放人类的创造力。

ChatGPT风波下的“危”与“机”

ChatGPT风波下的危与机，可以从不同角度进行探讨。

从危机方面来看，ChatGPT的出现可能会对某些行业和就业产生影响，尤其是那些需要从事重复性工作的职业，如客服、数据标注等。此外，ChatGPT可能会带来的隐私和安全问题也需要引起关注。

从机遇方面来看，ChatGPT技术可以为企业和机构带来更加智能化和自动化的解决方案，从而提高工作效率和创造力。例如，通过ChatGPT技术可以自动生成代码、翻译文件、回答问题等等，对于提高个人和企业的工作效率都有很大的帮助。此外，ChatGPT所涉及的领域包括自然语言处理、机器学习、人工智能等，也给相关领域的创新和发展提供了新的机遇。

从挑战方面来看，ChatGPT浪潮下，个人和企业需要不断学习和适应新的技术和应用，同时也需要在合理应用ChatGPT技术的同时，积极应对可能出现的挑战和风险，确保ChatGPT技术的应用能够符合人类的价值观和需要。此外，ChatGPT浪潮下，如何保护个人隐私和数据安全也需要引起关注。

总之，ChatGPT风波下的危与机需要个人和企业进行全面分析和评估，从而把握机遇、应对危机。

三、头脑风暴

凤凰网《AI前哨》对话中科院自动化所复杂系统管理与控制国家重点实验室主任、中科慧拓首席科学家王飞跃。王飞跃主要研究领域为智能系统和复杂系统的建模、分析和控制与管理，是AI和智能控制方面的国际知名学者。

期间就有这么的对话：

AI前哨：国内的大模型和GPT相比，使用起来有什么不同？

王飞跃：从有限的例子里，我觉得有差别。

AI前哨：差距多大？

王飞跃：我认为至少差它们一半的时间。

AI前哨：有观点说我们只差两个月，也有创业者说我们离GPT3.5还差两年，还有企业说10月就要赶超ChatGPT了。

王飞跃：现在国外和国内都没有一个公认标准，以及一个相对对等可判定的环境去评测，不同说法也自然，大家心里都有一本账。不过我坚信，不要多久，我们一定会把，也必须把ChatGPT之类的大模型做成“白菜价”，问题还是：之后呢？

有些团队打着中国版ChatGPT的口号，实则是用的ChatGPT接口，一旦ChatGPT出现问题后，这些团队接入的数据也会出现尴尬的一幕，导致程序根本无法使用。

很显然，在新一轮的科技创新浪潮下，中国科技企业又输了，但这次输给美国，其实不能完全怪中企不努力，而是在技术沉淀上，美国确实领先了太多。

事实上GPT-3.5版本就已经十分强大了，但OpenAI却在短短几个月后又迭代升级GPT-4，虽然没有公布详细数据，但表现出来的强大能力，已经无法撼动了。GPT-4新版本不仅支持文字输入，还可以接受图像和文本输入，在信息处理能力上也有大幅提升，甚至可以玩角色扮演了。

从ChatGPT的智能化水平中，我们能够看到中美之间在人工智能技术上存在的差距，而造成这一差距的根本原因，就是我上面提到的那两点。

一方面是算法层面的经验积累，长达几十年的积累是实现技术突破的基石。

另一方面则是硬件层面的优势，靠着强大的硬件支持，美国科技企业有更有利的条件去发展人工智能技术。

而后者相比前者，技术门槛更高，毕竟算法靠的是一个团队的合力攻关，只要可以建一套好的模型出来，就能训练出一个自动化程序。这段转自《王石头科技》

© THE END

转载请联系本公众号获得授权

计算机视觉研究院学习群等你加入！

ABOUT

计算机视觉研究院

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！

VX：2311123606