產品化的GPT，能否爲“百模大战”照亮未來？

2023-11-09 18:40:18 編輯： robot

導讀這兩天，AI圈都處在一種莫名的震撼感當中。北京時間 11月7日，OpenAI 舉辦了首次DevDay开發者日活動。活動現場發布了非常多內容，其中有一些按部就班的，比如技術上更新了最新版本的GPT-...

這兩天，AI圈都處在一種莫名的震撼感當中。

北京時間 11月7日，OpenAI 舉辦了首次DevDay开發者日活動。活動現場發布了非常多內容，其中有一些按部就班的，比如技術上更新了最新版本的GPT-4 Turbo。也有一些讓從業者目瞪口呆，不知道從何聊起的，比如能夠讓用戶僅用幾句話就生成獨立應用的GPTs，以及配套推出的GPT Store。

出人意料的地方在於，OpenAI這些動作完全是非技術的。你可以說這是一種應用模式，一種开發工具，或者一種編程語言，反正它跟我們經常在AI發布會上看到的模型能力升級一點關系都沒有。

這種感覺就是，我們明明都跟着你往北跑，甚至跑出了“百模大战”的氣勢，結果一覺醒來，你宣布向西拐了，於是結結實實讓AI行業閃了一下腰。

那可能有朋友說了，這不是正好嗎？反正國內大模型這么卷，OpenAI給出了新方向，我們繼續跟着跑就是了。

然而現實情況是OpenAI的一系列新動作，完全建立在一套新的遊戲規則體系上。這種能力是絕大多數AI算法公司並不具備的。

提起iPhone，我們會說它不一定是技術最強、生態最強，但肯定是產品最強。OpenAI在做的其實就是基於一套全新的“GPT遊戲規則”，來實現大模型的產品化。

我們認爲，這對於今天“百模大战”的絕大多數參與者來說都是壞事，但對於中國AI的長期發展來說卻是好事。

OpenAI在做的，是將“新規則”產品化

我們首先還是來回顧一下OpenAI的开發者日，到底是如何又一次帶來行業震撼的。

本次活動，OpenAI首先是對GPT-4進行了一定升級，比如此次GPT-4 Turbo更新了長度達到128k的上下文窗口，是此前GPT-4的四倍。與此同時，也進行了其他一些關於AIGC壓縮成本，提高效率方面的升級。而在开發者賦能方面，OpenAI帶來了Assistants API等新升級，從而幫助开發者在自身應用中構築Agent體驗。

真正引人注目的，是可以快速構建自定義AI應用的GPTs。

這一平台可以支持用戶通過提需求的方式，僅僅用幾句話就生成一個獨立的GPT應用，也就是GPTs。在現場演示中，OpenAI創始人奧特曼使用GPTs定制了一個商業建議類的應用：

首先，他向GPT提出自己的訴求是構建一個創業公司的幫手，可以爲公司創始人提供相應的商業建議。

第二步，GPT Builder輸出了初步的GPTs，並詢問是否需要進行更多信息輸入，有哪些重點強調的內容和需要避免的問題。

第三步，GPT Builder會詢問應用是否聯網，是否應該具備以文生圖能力、代碼生成能力等GPT的基礎能力，以及是否需要加入專業數據進行精調。

經過這三輪與GPT Builder的對話之後，一個GPTs就生成完畢。換句話說，在這個應用开發過程中，人類沒有貢獻任何的代碼能力、邏輯能力、設計能力，只提供了一個idea，最多再加上少量行業數據。

GPTs發布之後，很快衆多开發者都把它玩出花，不難由此看出其潛力廣泛。當然，我們可以說這種开發模式有很多問題，比如其能力上限就是當前版本GPT的上限，它應用到的能力也僅僅是目前GPT具有的能力，極大收窄了應用开發邊界。但不可否認的是，GPTs顛覆了有史以來的應用歷程。开發者不再需要軟硬件成本、开發工具、开源軟件集，甚至可以不懂代碼，不耗費時間。就像iPhone之前，用戶從不會距離訂制化軟件這么近，而GPTs之前，可能也不會有开發者距離訂制化軟件這么近。這種模式確立之後，GPT本身的技術升級，會通過GPTs得到快速釋放。

當創建應用像拍短視頻一樣簡單，一系列產業洗牌與商業模式興起已經可以預見，而爲了配合這種極簡开發模式，OpenAI也將打造類似應用市場的GPT Store。

過去我們說，智能手機本身就是產品，同時還是更多軟件類產品誕生的基礎。如今OpenAI在做的事情也是一樣，它讓ChatGPT本身成爲不斷迭代的超級產品，同時也將其能力外放，打造新的軟件基礎設施。

在由大模型定義的全新技術規則下，GPT的產品化脫離了以往所有軟件的範式，走出了一條新路。

這條路上，未來可能會出現這樣一幕：一個不會編程的孩子，僅用幾句話就完成了一家企業耗費巨大人力物力打造的應用。那么大公司裏的員工要做什么呢？他們爲什么不提前利用新規則呢？

這些問題其實在ChatGPT开始興起時就被提了觸雷，而OpenAI在做的，就是通過將大模型的新遊戲規則產品化，來讓這些問題更加真實可感。

大战中的“百模”，能否跟上GPT？

讓我們把OpenAI的故事先放一放，他們的野心顯然還在發酵，按照這個節奏，幾個月之內應該還會有更炸裂的發布。

這時候，要來看看中國與全球同步上演的“百模大战”到今年10月，國內已經湧現出了超過130個大模型。大模型开源、大模型進入垂直行業，以及基於大模型打造的新應用模式等一系列產業端口都非常火爆。

這種繁榮經常會給我們某種錯覺：有了130個大模型，好像就是擁有了130家OpenAI。

事實絕非如此，在這些大模型當中，能做到“對外开放”“對話流暢自然”“能夠提供有效內容反饋”這幾點的大語言模型已經寥寥無幾。

大模型企業，更多動作還集中在提升參數、刷新榜單、开源等傳統意義上的AI算法層面，既無法大規模應用，也無法實現商業閉環。那么問題來了，在OpenAI轉向大模型產品化的新階段裏，百模大战的參數選手們能在未來跟進嗎？

恐怕對於多數大模型來說，答案是比較悲觀的，其原因有三點：

1.大模型泛化能力的缺失。預訓練大模型技術最大的亮點就是其泛化應用能力，這是“智能湧現”現象的來源，也是OpenAI可以實現無代碼开發、軟件能力訂制的來源。然而恰恰也就是這種難以准確量化的泛化能力，是衆多大模型最爲缺失的能力。“一看數值是高知，一上應用是弱智”目前是困擾大模型產業的最大問題。在技術上，絕大多數大模型還不具備擁抱“新規則”的基礎。

2.產品化能力的缺失。目前大多數大模型玩家，都是大模型風口下的創業團隊，以及院校搭建的科研類大模型。換言之，這些團隊普遍呈現技術能力比較強，但壓根沒考慮過產品能力的問題。未來想要從頭復刻OpenAI的大模型產品化體系，是一件極其艱難的工作。

3.生態成本與窗口的缺失。從頭打造大模型相對容易，但要從頭類似OpenAI的开發者生態卻很難。這一方面是需要持續且巨大的成本投入，另一方面需要搶佔开發者聚合的機遇窗口。這兩點，目前還在“百模大战”同質化競爭中的企業很難實現。

所以，從這些角度看，OpenAI這一個急轉彎，確實會將全球大多數夢想成爲其對手的公司甩出路外。其實就創業土壤來看，今天的大模型初創企業，面臨的挑战比幾年前的機器視覺公司更大。當時機器視覺公司還有安防等龐大藍海市場作爲支撐，但現在大模型公司是外有OpenAI遙遙領先，內有互聯網與AI巨頭強敵環伺。在打榜和對參數之外，大模型的出路何在，已經是一道眼前的必答題。

中國大模型的出路，是打造“新超級入口”

那么，OpenAI的大拐彎，真的會讓中國AI產業看不見未來嗎？答案當然不是這樣，甚至剛好相反。

在目前階段，GPT確實保持着極高的技術、產品、生態進化速度。中國AI行業更多處在模仿、跟隨，同時漸漸積累自身優勢的階段。但客觀來看，大模型帶來了全新的智能化遊戲規則，同時這個規則未來高度依賴產品能力、應用能力，這件事對中國AI行業是極爲有利的。

首先，客觀來看GPT是進不來的。無論如何評價這一點，這都會給中國大模型造成可觀的空間。這個階段，OpenAI還會源源不斷的提供參考範本，完成從0到1的工作，這就將給中國AI產業造成既有參考，又有空間的機會窗口。

其次，中國互聯網行業、手機行業等領域積累了龐大的產品設計、應用开發基礎。這些基礎能力除了少數科技巨頭之外，更多時候還沒有與大模型接駁。實事求是地說，基礎模型並不需要太多。最終“百模大战”會有超過90%的選手僅僅成爲時代的痕跡，但基礎模型與基礎平台之上的應用可以很多，甚至可能出現一個應用开創一個行業的情況。而這些，都是中國互聯網與軟件行業所擅長的。

對於中國AI，以及行業的從業者、开發者來說，應該看到只有將大模型基礎技術與中國的產品能力、商業能力、規模化市場結合在一起才有未來。中國大模型的真正出路，是基於大模型的新遊戲規則，打造出類似微信、支付寶、抖音的超級入口。

否則的話，中國廠商將一直擠在行業+大模型的賽道裏。這個賽道當然有意義，但缺乏規模化營收，商業邏輯難以大量復制。

真正值得期待的大模型創業潮，應該發生在中國AI進一步模仿GPT，完善與其對標的技術和平台能力之後。然後在這一基礎上，在大模型的新遊戲規則下，產生出融合了中國特色應用开發能力、C端市場需求的軟件應用。

多重優勢合流之後的超級入口成型之日，才是中國大模型的指數級增長之時。

那個超級入口有很多種可能。一位幫你找信息、完成工作的數字祕書？一個能夠支持用戶定制多媒體娛樂的平台？一個可以根據用戶指令來比價、比店、選品的“AI李佳奇”？一個虛擬群主帶大夥社交的“新QQ”？

有太多可能，發生在新規則確立之後，發生必須稍有耐心的未來。

2022年11月30日發布，ChatGPT悄無聲息地發布。一年之後的今天，大模型層出不窮，有太多公司宣布“要當中國的OpenAI”。同樣是今天，OpenAI已經开啓了變革，轉向了一個意料之外，情理之中的新方向。

那么問題來了，下一年我們做什么呢？

或許面對OpenAI，中國AI企業必須學會既要學習，又不能復制。

我們壓低身段去學習OpenAI。需要學習的是有能力持續推動大模型技術迭代，同時具備把大模型作爲一種全新數字化基礎設施的思考方式。