 问题不在于是否舍得投钱，而是取决于公司对通用人工智能的信心。 “不是说之前就没有大厂想过这条路。有很多人想过这条路，”张俊林说，“但是没有人（像Open AI一样）如此有决心发展LLM。那时候，大家不知道这条路能不能走得通,也就不会不计回报地烧钱。” 这也就能解释，为何百度等中国巨头和研究机构，技术底子并不薄弱，投入的也足够多，但类似ChatGPT的产品就是没率先在中国出现。这背后或许更多是路线选择和选择方法的差异。 黄民烈分析，就发展ChatGPT的底层技术而言，中国有很多团队和公司都有。“但在最终体现的系统能力上，我们有较大的差距。这里面有企业家精神、资本环境、人才、技术理念等多方面的因素，非常复杂。” “比如大模型研究，我们是做一个项目，还是实现AI生成内容（AGI)的最终理想？” “比如资本，我是为了短期逐利，还是坚持长期投入？” 这些差异都导致了“百度们”现今陷入奋起直追的被动结果。
部分国内科技公司布局AIGC赛道 好消息是，ChatGPT很大程度上依靠“大力出奇迹”的方法，靠着参数升级、反复训练和生成内容反馈持续迭代优化。反复投入、烧钱、迭代，这对中国公司并不陌生。 但坏消息是，留给“百度们”的时间不多了。 通用人工智能的技术迭代正在全球加速。刘知远说，虽然底层技术差别不大，但AI技术变革非常快。这一领域又对专利有要求，“国内外很多研究组都没那么快开展这方面研究。” 他认为，与ChatGPT有关的大模型以及背后技术，学界和业界都没有完全吃透。 张俊林分析，做第二个ChatGPT除了钱的门槛外，还有数据的阻碍。“中文数据相对英文数据还有太大差距。”他解释，由于互联网上英文占比最高，中文的高质量数据比英文相差很多。“要制作出一个相同能力的模型，在数据方面也有一定短板。” 而想做成类ChatGPT产品，刘知远认为，不只事关算法和底层技术。“数据、算力和人力的投入，可能都会是问题。这个领域本身需要有一个持续的投入，有一个量变，才能够产生质变。”
据调研机构CB Insights数据显示，2022年有110笔创投交易和AIGC概念有关，投资金额超过26亿美元 他判断，中美科技公司的差距，保守估计1-2年。 2023年，席卷公众视野的ChatGPT无疑让众多中国科技公司拉响“红色警报”。如果这一波没有迎头赶上，技术的优势可能将造成结构性垄断和技术壁垒。到时候，再漂亮的讲故事能力，都无法掩盖技术的空心。 尽快做出叫好叫座的ChatGPT之余，黄民烈认为，国内科技公司的难点不在于什么时候推出中国版的ChatGPT。 “而是在这股AI浪潮中，我们到底是否能够有深入的远见和创新性的想法，最终在人工智能时代迎面赶上，实现超越。” 盐财经，南风窗旗下唯一财经号关注它，看新鲜热辣的财经讯息 THE END |
