常识 在人工智能领域，一个基础常识是，算法训练是一件没有办法弯道超车的事情。自2018年推出第一代生成式预训练模型GPT-1起，OpenAI用了近6年的时间沉淀出了当前的大语言模型。图源/hellorf
以ChatGPT为代表的人工智能内容生成技术能为人们做些什么?文案宣传、智能营销、智能风控、代码编写……近期，国内如雨后春笋般冒出的众多团队与公司，都试图用自己的途径回答问题。但ChatGPT真的这么简单吗?
“踢足球都是盘带、射门，但是要做到梅西那么好也不容易。”3月5日，中国科技部部长王志刚用踢足球比喻ChatGPT，直言“从这一点看，ChatGPT在技术进步上，特别是保证算法的实时性与算法质量的有效性上，非常难”。
复旦MOSS团队：路还很长
前不久，复旦大学计算机科学技术学院邱锡鹏团队发布类ChatGPT模型MOSS。一经发布，MOSS就“火”了。2月20日发布当日，MOSS就收到大量内测申请、采访、投资、合作邀约——因为ChatGPT的火热，公众对于这项原本局限于NLP(自然语言处理)学术圈的新技术热情高涨。
据了解，早在2021年，邱锡鹏团队就已经在探索中文生成式预训练领域，还做了相关模型，并开源供他人下载，平均每月都有上万次下载。随着研究的深入，团队提出了“语言模型即服务”概念，将基础语言模型视作语言服务的基石。2022年，邱锡鹏团队开始在训练大型语言模型上下功夫。此后，又用了半年时间，研究如何使大型语言模型理解人类指令以及具备对话能力。
令邱锡鹏团队最兴奋的一天，是今年春节前的腊月二十八。项目主开发者、计算机科学技术学院博士研究生孙天祥，在常规的测试过程中输入了一个中文问题，MOSS却以英文正确回答，“就像一个不会说但听得懂中文的人”。值得注意的是，当时那个版本的MOSS还很初级，中文语料占所有训练数据不到0.1%。
“很神奇，我们没有教过它机器翻译。”MOSS显示出的潜能让邱锡鹏当晚激动到失眠。他把MOSS比作一个“聪明的小孩”，即便现在还不擅长写诗、解题或很多具体的事，但已展示出成为通用人工智能(AGI)大框架的潜能，“很多遥不可及的事情，它一点就通了”。
在不少人看来，ChatGPT、MOSS这类大型语言模型与现在我们日常使用的小爱同学、Siri这样的语音助手似乎差别不大。真的是这样吗?邱锡鹏打了个比方，解释道：“这两者的关系就像智能手机和功能手机。之前的聊天系统还属于弱人工智能，设计它们就是用来聊天的，正如传统的功能手机只能用来打电话;而现在的大型语言模型，像ChatGPT、MOSS，它们能做很多事，聊天只是功能之一，就像智能手机可以用来打电话，但它的功能远远不止于此。”
邱锡鹏也坦言，与ChatGPT相比，MOSS的最大差异还是参数规模。 “ChatGPT的参数量多达1750亿个，而MOSS的参数量比其小一个数量级，大约是前者的1/10左右。” 邱锡鹏团队认为，这个规模在财力物力承受范围之内，也使模型具备一定的智能。实验结果证实了团队的猜想，MOSS模型可以非常顺利地与人类进行聊天互动。邱锡鹏介绍，MOSS的特点是小规模，比较容易适应个性化模型，可以赋予更多专业化能力，利于企业内部私有部署，经过一些数据微调就可以转化为生产力。
2月20日，MOSS上线当晚，网站一度瘫痪。邱锡鹏团队在官方回应中表示，MOSS还是一个不太成熟的模型，计算资源不足以支撑庞大的访问量，距离ChatGPT还有很长的路要走。在MOSS完成初步验证之后，团队会将经验、代码、模型参数开源出来供大家参考。中国版ChatGPT的诞生还需要中国全体AI从业者的共同努力，更需要不断和人交互以提高能力。团队也将坚持对最前沿AI模型的不懈追求。
AI从业者：一天成本要3亿
在国内ChatGPT的追逐赛道上，除了作为重头戏的头部科技公司与专家研究团队，还有不少想要尝鲜ChatGPT的个人，但他们往往无法迈出第一步。
“若用ChatGPT的方法，以小冰框架当前支撑的对话交互量计算，每天成本将高达3亿元，一年成本超过1000亿元。” 在来自大洋彼岸的这股科技潮最初传导至国内之时，小冰CEO李笛就为不少想要尝试做国内ChatGPT的人泼了一盆冷水。
马新几乎是国内最早接触到ChatGPT那批人。2022年11月30日，ChatGPT发布，5天内涌入100万用户。马新深受触动，开始考虑自己做类ChatGPT的可行性。
“我本身从事的是AI行业。ChatGPT拥有持续的上下文对话能力，同时支持文章写作、诗词生成、代码生成等。这让我很是惊讶。”马新知道，这对AI行业是颠覆性的，它不在于技术上的创新，而在于向大众展示了一个全新的使用技术的途径，那就是NLP任务(自然语言处理)中基于大型语言模型(LLM，Large Language Model)演进出的GPT。马新认为，NLP任务(自然语言处理)的核心逻辑是 “猜概率”。“现阶段所有的NLP任务，都不意味着机器真正理解这个世界，他只是在玩文字游戏，进行一次又一次的概率解谜，本质上和我们玩报纸上的填字游戏是一个逻辑。只是我们靠知识和智慧，AI靠概率计算。”这决定了如果没有大量资金支持，AI便无法进行足够的“语言预训练”。正如ChatGPT铺天盖地的宣传里总是离不开这样一句话：在拥有3000亿单词的语料基础上预训练出拥有1750亿参数的模型。“如果说3000亿单词是训练数据，那么1750亿参数就是沉淀下来的AI对这个世界的理解。”了解到训练步骤需要花费的资金后，马新彻底打消了试水ChatGPT的念头。“做中国版ChatGPT是百度、阿里这样的大厂才敢拥有的野心。而其它挂着ChatGPT概念的公司，几乎只能局限在很小的领域，资金不足以支撑语言训练是最大的问题。”
而在多位行业人士看来，要做中国ChatGPT，不光是“语言预训练”的问题。与OpenAI相比，国内大厂在算力和算法方面与之同样有差距。高性能GPU是人工智能的基石。去年英伟达高端GPU芯片对中国供应受限，有行业人士算了一笔账：想要训练与ChatGPT相匹敌的大模型，每年在显卡、CPU等设备方面投入的成本高达10亿美元。面对如此庞大的现金流需求，不少人预判，“微软、谷歌这样的硅谷大厂有这个能力，国内大厂有这一实力的也少”。
李笛认为，与其说中美两国在人工智能领域有巨大的“技术壁垒”，不如说有一定的“时间壁垒”。“时间壁垒”带来的则是算法方面的差距。一个基础常识是，算法训练是一件没有办法弯道超车的事情。自2018年推出第一代生成式预训练模型GPT-1起，OpenAI用了近6年的时间沉淀出了当前的大语言模型。“这6年的差距没办法用半年的时间实现超越，除非有天才少年用更加完善的算法框架实现降维打击。”
其实，不少AI从业人士同样认为，由于人工智能对算力、算法、时间的要求很大，其成本压力太高，因此，AI必须要找到一个明确具体的垂直场景。
与其临渊羡鱼，不如退而结网。对于许多国内公司而言，基于ChatGPT的场景赋能应用，或许是新一轮科技军备竞赛中的理性选择。