文章主题：ChatGPT, AI大模型, 生成式AI, 技术演进
来源：IT桔子
来源：华兴资本
🎉🚀ChatGPT引领革命，AI浪潮再掀高潮！🌟industry热浪滚滚，创新巨头与初创者齐心追逐🔥——新一代AI大模型，颠覆性力量震撼登场！💡技术革新风暴席卷，头部玩家与新兴势力共襄盛举，备受全球关注与市场宠爱。🌍无论教育、医疗、娱乐还是商业，AI的触角正深入每个角落，引领未来变革。🌐SEO优化提示：使用行业关键词如”AI热度”, “颠覆性技术”, “创新者竞赛”等，增加表情符号以提升可读性和吸引力。
🎉🚀ChatGPT引领的AI浪潮，背后是生产力革命的加速！🔍技术迭代，见证了AI从概念到生产力的飞跃。💡新一代AI，如ChatGPT这般，正重塑产业结构，成为颠覆性的创新引擎。📈产业链上，哪些应用场景将率先受益？🤔投资机会又隐藏在何处？🚀让我们深入探索，紧跟这股科技风暴，挖掘未来生产力的新高地！🏆🌟#AI生产力革命 #ChatGPT技术演进 #产业链机遇
🌟🚀华兴新经济基金科技团队深度解析ChatGPT🔥——探索生成式AI技术革新与未来应用💡🔍ChatGPT的崛起，犹如科技界的璀璨明星，我们紧跟其成长脉络，深入剖析其技术内核与创新路径。它引领了人工智能领域的一次革命性飞跃，生成式AI的发展正处在关键节点，迭代的脚步声清晰可见。🚀🌈🔍从技术突破到落地场景，ChatGPT的每一次迭代都为我们揭示了AI未来的新可能。我们聚焦于那些将直接影响社会生产力和商业模式的核心场景，如教育、医疗、内容创作等。📚🏥🎨🔍在产业链机遇方面，ChatGPT的崛起无疑为相关行业带来了前所未有的变革机遇。从数据驱动到智能协作，每个环节都可能迎来翻天覆地的变化。💼💡🌐📝本文旨在分享我们的洞见与思考，希望这些深入的研究能启发大家，共同见证AI技术如何塑造未来。🌟📚若您对ChatGPT或生成式AI有任何疑问，欢迎留言交流！🙏💌#ChatGPT #AI技术革新 #产业链机遇
🌟【ChatGPT：全球爆火的AI聊天神器】🔥2022年11月末，Open AI的创新之作——ChatGPT横空出世，以惊人的速度席卷科技界！仅仅40天，它就实现了千万级别的活跃用户里程碑，60天后的突破亿大关更是让其热度飙升至前所未有的高度。这款人工智能聊天机器人如同旋风般迅速崛起，无人能及的涨粉速度令人瞩目，成为史上瞩目的焦点🔥。ChatGPT以其卓越的功能和用户体验，颠覆了传统的人机交互模式，引领了AI技术的新潮流。它的出现，无疑为全球科技爱好者带来了前所未有的便捷与乐趣，引发了广泛讨论和热烈追捧🌈。SEO优化提示：ChatGPT、人工智能聊天机器人、Open AI、月活破亿、AI技术新潮流、用户体验等关键词应适当融入。
🌟ChatGPT：革新性大模型与强化学习交汇的智慧结晶🌟Transformer架构的稳健成长，引领ChatGPT走向成熟，它巧妙地将先进技术与人类反馈相融合，展现科技力量的无限可能。得益于LLM（大型语言模型）的核心创新——Transformer结构，我们得以见证数据驱动训练的大规模突破，实现了模型的社会化适应。🚀以GPT为代表的AI新纪元，背后的技术革新显而易见：模型技术的精进、参数优化、海量数据的利用以及训练策略的融合，共同推动了这一领域的飞跃。🔍SEO优化词汇如：“Transformer驱动”、“大规模数据训练”、“社会化的智能模型”等，将有助于提升文章在搜索引擎中的可见度，同时用emoji符号如💡、🌐、📈等增加表达的生动性，让内容更具吸引力。记得保持专业且信息丰富哦！
生成式AI与上一代AI的核心区别来自于以下几个维度：
Transformer架构的革新引领了大規模模型的发展，它在2017年由谷歌的创新提出，通过并行化的語言處理方式，显著提升了计算效能。随后的2018年，Open AI凭借Transformer模型的基石，推出了GPT，这是首个能够在无监督环境下训练的模型，尤其在海量语料的支持下，其表现力惊人，开启了NLP（自然语言处理）领域内的预训练新时代。优化词汇以利于搜索引擎SEO：Transformer架构革新，大規模模型发展可能，2017年谷歌提出并行語言处理Transformer，Open AI2018用GPT引领无监督训练新纪元，海量语料下效果显著，NLP步入预训练黄金时代。
大规模数据的训练及模型参数上升带来模型涌现：对LLM而言，模型效果在很大程度上取决于参数量和其训练的数据，其中训练数据的数据质量的重要性甚至高于参数。进一步而言，训练数据的清洗，模型参数的调整等不断的尝试，也是呈现出最优效果必不可少的步骤。而真正打开大模型之路的是模型的涌现能力。到2022年1月，思维链（一种提示词的方法，不仅给出结果，也要给出计算过程）的引入，模型性能出现了明显相变，明显超越了小模型精调，大模型的研发路线进入了拐点时刻。
训练方法的融合与改进：以ChatGPT为例，RLHF方法的引入，一方面能够尽可能地对齐GPT的输出，让GPT具备更加友好或者说拟人化的语言逻辑，使得其具备与大众沟通的基础，符合监管要求，避免了重蹈上一代聊天机器人-泰依的覆辙；另一方面，人工反馈的引入，帮助模型更好地理解人类思维和意图。总的来说，LLM的演化和进步，不是得益于某一种技术或者训练方法，而是多种模型技术和训练方法不断工程化尝试和融合的结果，是一种需要经历时间的探索。
大模型具备高的算力门槛、创造力门槛、工程化门槛等，使得其必然是高举高打的。从行业终局上看，大模型的终局会类似云，但考虑到不同的技术路线，会比云略分散，预期市场将有4-5家通用大模型公司，其中1-2家可能属于创业公司的机会。
同时，市场会出现几十亿-百亿级参数级别的服务于特定场景的所谓vertical的模型。考虑到更快的落地速度、更低的使用成本以及不亚于大模型的使用效果，叠加更好产品交互体验，vertical的模型会凭借自己在特定场景的深耕而有自己的一方市场。
大模型是有边界的：大模型类似于以往操作系统的存在，其发展起来的核心就要铸造自己的生态，生态的繁荣才是其稳固且长期的壁垒。所以我们看到了Open AI与微软的结合是一个双赢，且是对双方都有极大放大效应的组合。为了生态的繁荣，大模型一定有自己的不可为，同时，大模型的能力也是有边界的。其本质是语言模型，对于规模导向、资源导向、产品体验导向的领域，都不是未来迭代和发展的关键，也不是其能力所在。
大模型生态下的软件和应用：LLM的发展本质带来的是人与软件的的交互形式发生了根本性的改变，所以从浅层来说，软件公司需要思考的是在这个基础上如何让软件的使用门槛更低，而更深层次需要思考的是，未来工作流会不会发生变革，而带来Best Practice的变革，但基于新一代AI的infra的机会是确定的。
基于此，我们简要梳理了四个基础模型的筛选标准：
主流benchmark任务表现：包括其在主流的机器学习任务上的表现（与当下特定任务下表现最好的模型做比较）；跨多模态/跨多语言的的能力、参数量/训练数据质量等作为参照。
技术路线：虽然GPT的decoder-only暂时看起来热度最高，但我们依然保持开放度，关注其他transformer变体的模型。
创始人：有工程化经验的创始团队。大模型本质是摸着石头过河，有实际经历的团队在效率和潜在的成本上会有极大优势。
综合实力：融资能力强+其选择的战略伙伴。
因为底层大模型兼具数据壁垒和算力壁垒，对资金/算力要求高，且具备优势的公司可建立起用户调用和模型迭代之间的飞轮，预计头部玩家较为集中。而目前国内市场格局仍还较为初期和分散，参与大模型的公司已超过30家，未来市场将面临洗牌。
而应用层的落地，发展路径可能会不太一样。这主要在于应用层可基于行业Know-how及数据对模型进一步优化，新一代AI对人类思维理解能力跃升，而行业知识则可以使AI更具备行业专深的能力。打一个形象的比喻，上一代AI模型如果是中学生，这一代大模型即是一个具备通识教育的本科生，应用层要做的就是专才的研究生。伴随专业知识输入和行业Know-how输入，AI可应对复杂度更高，且专业性也更强的工作任务，并能基于行业知识完成融会贯通。
目前在应用侧，生成式AI在文本领域、图像领域、代码领域的应用已经初步成熟，而视频/3D/游戏领域的成熟应用仍需要一定的发展时间。
以文字生成为例，上一代AI能力以辅助功能为主，如文字纠错、转写等，但核心价值还是由人创造。新一代AIGC自动生成部分专业内容，核心是基于对上下文理解后的结构化写作，类似于由辅助驾驶逐步走向自动驾驶，实现对业内初级专业人员的替代，如其可根据用户需求完成对简单专业材料的书写，如突发新闻、网络自媒体稿件等，乃至标书制作、招股书等各类有结构化规律的文书工作均可部分涉足，从而为文字作者、翻译人员、插画创作者、配音人员、音乐制作人、视频编辑人员等提供增效。
目前，借助大模型在细分场景内完成深耕，海外已有相关独角兽公司，我们看到如Jasper、Midjourney、Stability.AI等公司都在快速发展。而针对现有的各类软件，也均有接入新一代AI能力，如Notion AI、Office Copilot、Github Copilot等，我们预计AI落地将同时对新场景和老场景下的软件带来深远影响。
在应用侧，新一代AI对现有应用层软件也将带来影响。一方面，新一代AI对偏管理属性或行业知识属性的赋能效果更明显：此类软件的核心价值在于提供基于行业Know-how或管理Best Practice的知识凝结，现在借助能力更强的AI功能可使软件功能流转更为智能。新一代大模型公司可完成AI功能的搭建，但无法短期快速积累行业Know-how或管理实践，AI更多作为赋能者提升此类软件的实际使用效果。
我们预期，对于具备行业数据+工作流能力的积累的软件服务场景，在AI模型上完成Fine-Tuning，结合垂直行业知识+模型调优，可进一步在专业场景内使用，新一代AI的加入将大幅加强软件的智能性。
另一方面，新一代AI可能对纯工具类软件具有负面影响。无Know-how或数据沉淀下的工具软件的壁垒在大模型面前相对较低，特别是以上一代NLP技术为核心优势的公司，其技术能力被相对拉齐，后续需尽快拥抱新一代技术。
综上，在应用端，我们主要关注文字/图像/代码三个模态领域首先落地，新场景下关注结构化内容生成叠加高价值人力场景，可实现降本增效效果的机会；老场景下关注有潜力完成专有数据丰富积累+垂直行业Know-how积累的公司，推动公司后续跑起用户-数据-效果的飞轮。
本文由华兴资本集团（连同其关联公司，统称“华兴资本”）编写，谨供接收方作参考用途，不构成对接收方的投资建议，不构成买卖、认购证券或其它金融工具及产品的邀请或保证，不作为也不应被视为在任何地区对任何证券的研究报告或任何基金募集文件或对基金投资人的任何信息披露文件。接收方不应仅依靠本文，而应按照自己的判断作出投资决定，并在作出任何投资行动前，咨询专业意见。
本文所载资料的来源皆被华兴资本认为可靠，但华兴资本概不担保本文所含信息的准确性、完整性或新近度。本文所载的见解、分析、预测、推断和期望均截至本文的发表日期，且可能在未经事先通知的情况下调整。华兴资本与本文所提及的公司之间可能存在或寻求业务关系，因此，接收方请知悉可能存在的影响本文客观性的利益冲突。华兴资本不对因使用本文而承受的直接或间接损失承担任何责任。未经华兴资本的事先书面同意，本文件或其任何内容不得被披露或用作其他任何目的。
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
