两周前疯狂刷屏的爆款AI应用ChatGPT，也难逃互联网过气定理。
“人类离强大到危险的AI不远了。”这个让马斯克强烈安利的聊天机器人，在短短十余天的时间里，便拥有了一场从走红到凉凉的经历。
“ChatGPT本来的预期就不是商业化，一没有收费，二没有开放API，所以它只是一个DEMO。”AI赛道创业者，猴子无限创始人尹伯昊向「科技新知」表示，热度下来是正常现象，但这并不妨碍它是一个跨时代产品。
在他看来，ChatGPT爆火的背后，映射着一个不可忽视的事实：技术的拐点已经到了。
“ChatGPT背后运用的技术是GPT3.5，等GPT4出来的时候一定会非常火爆，届时国内很快就会有一大批创业公司出现。”
彼时的AIGC赛道，必将迎来一场“血战”，一边是布局多年的BAT老势力，一边是初生牛犊的新选手，谁的赢面比较大?
站在新的技术拐点前，或许大家都在同一起跑线上。
AI难被“驯服”
很多人对于ChatGPT的过气表示并不意外，甚至包括开发方Open AI的CEO Sam Altman本人。
“ChatGPT的局限性令人难以置信，但在某些方面足够出色，足以给人一种强烈的误导印象。现在依赖它来做任何重要的事情都是错误的。它是一个项目的DEMO;我们在稳健性和真实性方面还有很多工作要做。”Sam Altman在社交媒体上如此表示。
从实际体验来看，目前版本的ChatGPT存在两个关键性的问题。
问题一：只提供了“情绪价值”，没有提供“商业价值”。
正如Sam Altman所言，现在依赖ChatGPT来做任何重要的事情都是错误的。当作一种娱乐属性的软件来说没问题，但如果渴望ChatGPT能有更大的实用价值，似乎有些太过理想。
一款合格的工具是帮助人们减少重复性劳动，而一款好工具是能帮助人们进行决策。而ChatGPT目前能做到的，还处于第一阶段。
就拿前几天有人夸赞ChatGPT编程能力很强大举例，对于外行或者入门级程序员来说，ChatGPT快速生成的代码已经足够用，比如Java的简单编程例子，九九乘法表、水仙花数等，但对于中高级开发人员来说还远远不够。
问题二：看似合理，实则荒谬。
有时ChatGPT还会闹出一些乌龙事件。Open AI公司承认，尽管号称可以和人类对话，但ChatGPT也可能写出“看似合理但不正确或荒谬的答案”。
比如有网友输入“宫廷玉液酒”来考验ChatGPT，它一本正经地给出回答：“宫廷玉液酒是一种传统的中国白酒……”而我们都知道，如果这句话问一个中国网友，他给到的答案会截然不同。
OpenAI坦承，由于ChatGPT的知识只来自训练数据中的统计规律，而不是任何类似人类对世界复杂和抽象系统的理解，因此“该系统可能偶尔会产生不正确或误导性的信息，并产生攻击性或有偏见的内容。”
清华大学国强教授、智能产业研究院(AIR)首席研究员也指出，这款机器人本质上还是一个基于统计的语言模型，应该没有真正理解开放域的问题。它在处理开放域的问题上实际上还是基于概率，基于前一个值来生成下一个值。
狂欢的中国学徒们
人们对于技术的期待，往往太过于理想主义。或许应该放低些对AI的期待和要求，毕竟很多时候，人类自己都不知道心里想要的正确答案是什么。
就像微软旗下AI产品小冰公司CEO李笛说的那样，ChatGPT非常强调回答的因果关系，而回答的结论本身是否正确对它而言并不重要。强调过程，弱化结果，这是ChatGPT和搜索引擎最大的不同。
又或者说，ChatGPT的意义并不是给出人们想要的答案，而是让人们感知到，技术的拐点或许真的已经到了。
“技术拐点的核心体现在于，我们好像离图灵测试越来越近了。”尹伯昊向「科技新知」感慨道。
Gartner在《2022年重要战略技术趋势报告》中指出，生成式人工智能 (Generative Artificial Intelligence)将是最引人注目和最强大的人工智能技术之一，可用于多种场景，如创建软件代码、促进药物研发和营销等。
从Disco Diffusion到Midjourney和DALL-E2，AIGC的门槛一次次被降低，最后到Stable Diffusion模型开源，彻底让AIGC站上了风口浪尖。
CMC资本董事总经理易然在采访中指出，目前各个科技巨头主要在模型层竞争，而创业公司在应用层有更多的机会。
例如OpenAI开发的GPT-3模型、谷歌开发的LaMDA模型、Meta开发的OPT-175B模型、阿里巴巴达摩院开发的M6模型、微软与英伟达联合开发的Megatron-Turing(MT-NLP)模型等。
视野聚焦到国内不难发现，互联网大小厂都开始更加关注AIGC。
在今年7月的百度世界大会上，创始人李彦宏表示：“AIGC或许将颠覆现有内容生产模式，实现以‘十分之一的成本’，以百倍千倍的生产速度，去生成AI原创内容。”
不光是一把手亲自站台，百度还将在内部组织上进行相应调整。有相关人士获悉，眼下百度MEG正在筹划新一轮组织架构调整，重心是将图文与视频部门单独成立的内容事业群，百度对于AIGC的重视程度可见一斑。
此外，其他大厂也动作频频。例如，腾讯AI Lab有能够通过用户提供的关键词自动生成歌词并演唱的虚拟歌手“艾灵”、能够辅助疾病诊断的游戏AI“绝悟”;字节跳动也于近期推出了抖音AI绘画特效，进一步让AIGC真正走向大众视野。
阿里在AIGC上的布局稍有不同，从动作来看更偏向于底座。达摩院提出了新概念“模型即服务”(Model as a Service)，即把AI模型当作生产的重要元素，从模型预训练到二次调优，再到模型部署，阿里将围绕模型的生命周期来提供相应的服务。
另外一边，“国家队”北京智源人工智能研究院，在科技部和北京市政府支持下，于今年11月开发了AltDiffusion，以及开源文生图系统FlagStudio等，将生成式模型进行了本地化。
除了头部科技公司之外，诸如昆仑万维、科大讯飞、天娱数科等细分领域的厂商也都已涉足AIGC。
站在同一起跑线
AIGC大潮的幕布在国内已经被掀开，这是一场关于ChatGPT“中国学徒”的狂欢。那么问题来了，现在入局AIGC晚不晚?
要知道，国内应用层的创业公司，大多基于Stability AI或OpenAI这类底座厂商模型进行二次开发，只能在应用层“卷”。
产品门槛低导致的同质化现象严重，对于厂商来说是“无效的卷”，对于用户来说则是“无限的薅羊毛”，想要找到差异化并发掘变现潜力并不容易。
另外，很多从业者表示，版权一直是AIGC商业化过程中难以忽视的问题。不过，尹伯昊认为，在中国的话语体系里，版权一定不是制约AIGC商业化落地的制约因素。
况且，版权问题其实也在模型端尝试被解决，比如Stable Diffusion推出的2.0版本，核心就是让生成出来的内容是版权干净。
“AIGC商业落地真正的痛点在于场景还没有特别明确，产品有意思并不代表着成功，人很难为一个娱乐属性的东西付费，最终还是看能否有持续生产力。”尹伯昊向「科技新知」表示。
初创公司如何与百度、腾讯、阿里这样的大厂比拼?在尹伯昊看来，似乎并不存在这个问题，因为在新的技术拐点出现的时候，在大模型的范式下，过去的积累是清零的，大家都在同一起跑线上。
“坦率来讲，百度、腾讯在做的事情和我们是比较像的，都是基于海外出现了创新后，在上面找新场景和新应用。”
同时也有业内人士分析，大厂在应用层的打法可能不会很垂直，而是更偏向于搭建生态，未来或许会和很多创业的垂直厂商有合作机会。
写在最后
1966年，历史上第一个聊天机器人Eliza诞生，它被麻省理工学院人工智能实验室的德裔美国计算机科学家约瑟夫·维森鲍姆赋予了充满戏剧性的内涵。
Eliza名字源于戏剧作品《卖花女》，剧中出身贫寒的卖花女Eliza通过学习与上流社会沟通的方式，变成大使馆舞会上被人尊敬的“匈牙利王家公主”。
作为Eliza的创造者，维森鲍姆却想时刻提醒人们：“即使有时好像他们会说话，但他们从未真正聆听过你，它们只是机器。”
他认为，正是由于当时的社会环境日渐冷漠，才使得人们变得如此绝望，以至于抛弃应有的理性和判断力，转而去相信一个机器程序可以聆听他们的心声。
很庆幸的是，在半个世纪后的今天，人们似乎已经找到AI存在的真正意义，它绝非仅仅是提供“情绪价值”。
接下来，摆在创业者们眼前的命题便是，如何用技术改变时代，用AI技术深入到产业，带来更长远的商用价值和产业价值。