第38章 关于ChatGPT的一些解读上（1/2）

关于chatGpt的一些解读

阅读蕴藏着无尽可能，有益于明理、增信、崇德、力行，让人生绽放光彩。

在近 10 年 AI 发展的前两个阶段，人工智能的进展更多体现在基于规模的技术突破，如 2015-2020 年，用于模型训练的计算量增长了 6 个数量级，同时随着规模的增大，输出结果的质量亦迎来质变，在语言文字、书写、图像识别等领域皆表现出超越人类的水平。但在实用层面，由于所需要的算力巨大，往往需要特殊的 GpU 配置，同时训练过程相对封闭，大多数人并无法使用，因此技术无法被多数人触达。而人工智能的第三个阶段，随着更新的技术、更优的算法、更大的模型出现，算力的成本越来越低，使得模型训练与运行所需成本持续下降，

而算法从封闭测试到开放测试、开源的逐渐普及，亦降低了使用门槛。由此人工智能无论在经济性与可获得性上都达到了支持普及的水平。得益于 AIGc 基础设施可获得性的逐步提高，平台层变得更加稳固，算力成本持续下探，模型逐渐趋于开源与免费，应用层爆发式发展的节点正在靠近

目前我们正经历从 web2.0 开始向web3.0 转型的启航阶段，我们已经看到内容创造从专业创作（pFc）转型为了用户创作（UGc）。而 chat-Gpt 的出现以及中短期内的产业化落地将会为从用户创作（UGc）到 AI 创作（AIGc）的转型提供关键的辅助支持。结合 chat-Gpt的底层技术逻辑，我们认为 chat-Gpt 中短期内产业化的方向主要分为四大板块。1）chat-Gpt 对于文字模态的 AIGc 应用具有重要意义，在归纳性的文字类工作中展现出了其优异的表现。中短期内 chat-Gpt 能在办公辅助类工具中迅速落地，例如会议总结、文件翻译、例行报告等，提升办公效率并节省人力成本。

代码开发相关的工作更加规整也非常适合 AI 辅助生成。2021 年中与Github、微软合作上线的 copilot 是目前最成熟的 AI 代码补全工具，根据 Github数据，测试一年来已有 120 万用户，这些用户编写的代码中 40%是由 copilot自动生成，而截至 2022 年 10 月，copilot 已经融资 2200 万美元。chat-Gpt在目前测试中表现出的代码生成能力相比于 copilot 更加灵活，但欠缺一些底层的稳定性。在进行针对性的优化后，基于新 Gpt 模型的 AI 代码辅助工具也有望在中短期内落地。3）图像生成领域成为了 2022 年下半年一级市场公司布局的热点，随着 dalle2 的热度，在商稿方面用 AI 取代人类画手的思路基本明确。