 他们极少数是自己创业，大多数则是加入了OpenAI的竞争对手，比如谷歌、亚马逊、anthropic、xAI、META、微软等等。 他们优化大模型的路径几乎都是基于更多的GPU、数据和顶尖人才。 密切参与硅谷顶尖人才招聘的Databricks 的 AI 副总裁Naveen Rao最近在接受访谈时表示，随着顶尖人才频繁地在不同组织之间流动，几乎不再存在什么商业秘密了。 他是一位连续创业者，在将上一家公司 MosaicML 于 2023 年以 13 亿美元的价格卖给了 Databricks后，他开始负责 Databricks 的 AI 产品。数据分析公司Databricks在本月刚刚完成了硅谷历史上最大一笔融资，100亿美元。 在他看来，全球真正能够建立新的前沿大模型的研究人员数量小于1000人，这也是为何这些顶尖人才的争夺战如此激烈的原因。极少有一个行业，顶尖人才能够如此频繁地跳槽，“供不应求”的局面给了他们更大的自由和权力。 Naveen Rao说，在大模型赛道，研究人员在组织中拥有的影响力是前所未有的，一个研究人员的想法可以完全改变产品，对一家公司的未来产生巨大影响。 这是科技产业发挥个人英雄主义最好的舞台。 OpenAI核心人员的大量出走，无疑一边将崛起的秘密和影响力带给了对手，也一边瓦解了OpenAI的商业壁垒。
OpenAI的下一张牌GPT-5，依旧悲观
在OpenAI连续举办了12天发布会的最后一天——这个本应是“大喜”的日子，华尔街日报却披露了一则重磅消息：GPT-5的研发进展受阻。 据报道，自2023年3月GPT-4发布以来，OpenAI一直在全力推进GPT-5的研发工作。GPT-5项目的内部代号为Orion，至今已筹备了18个月之久。 作为OpenAI的最大投资者，微软原本希望能够在今年年中看到新模型的问世，但这一目标并未实现。 OpenAI已经进行了至少两轮大规模训练，每轮训练都需要几个月时间处理海量的数据，而每一次训练都会遇到新的技术难题。知情人士透露，单是六个月的训练运行，计算成本可能已经达到约5亿美元。如今，是否值得投入如此巨额的资金，已经让人动摇。 此外，大模型训练所需的数据一般来自于书籍、学术出版物、新闻文章、社交媒体帖子等各种渠道。经验表明，给大模型输入的数据越多，它的智能表现就越好。然而，参与Orion项目的研究人员表示，现有的互联网数据已经不再足够，他们需要更加多样化和高质量的数据。 这一观点与OpenAI已经离职的联合创始人Ilya Sutskever的看法一致，他曾指出，互联网上的数据接近枯竭。 有知情人士透露，OpenAI甚至开始探索所谓的“合成数据”——即由人工智能生成的数据，用以训练Orion。然而，研究表明，人工智能生成的数据往往会导致系统故障或产生无意义的回答。 为了训练大模型，行业急需新的解决方案，但什么方法才是最佳选择，业内依然没有达成共识。正如Ilya所言，“在过去十年的AI预测中，我几乎一直是对的，但现在，我完全不知道下一步会发生什么。” 尽管如此，部分业内人士认为，尽管大模型的能力发展可能面临瓶颈，但我们不必因此而过度焦虑。如今的大模型已经远超过去的AI技术，它们依然能够显著改变商业运营，甚至重塑整个行业竞争格局。 有AI投资人认为，AI的传播热度或许在下降，但AI领域每个月都有新的进展，大模型正在逐渐深入到不同场景和行业中，这些可能不那么容易出现在大众视野里。 可以说，现在正是人工智能产业的黄金时代，但OpenAI面临的挑战和危机，确实比以往更多了。 |
