通用智能面临巨大掣肘，国产AIGC还在寻找光明

来源：“数科星球”（ID:digital-planet），作者：苑晶

图片来源：由无界版图AI工具生成

AIGC背后充满了故事，在一家家企业手握巨额融资之时，人们耳边再次响起了警钟。诚然，在新的浪潮之下，符合商业规律的企业才能笑到最后。在国外竞品大踏步前行之际，国内的通用智能企业境遇如何？

前景很乐观，但当下似乎并没那么好过。

来自OpenAI的压力

似乎OpenAI的进步更快。

“我觉得我们和OpenAI的差距越来越大了”，一位AIGC从业者对数科星球（ID：digital-planet）这样表述。前些日子，在ChatGPT推出后，不仅是英文对话，在中文领域，该系统的用户体验也超越了国内的众多产品。以至于，一时间，人们的朋友圈被ChatGPT的对话刷屏。

“最早，我测试过一些特殊的中文语境，ChatGPT表现不好，不过最近我在测试的时候发现它进步很快”，这位技术人员曾以诸如“关公战秦琼”等有中文历史背景的话术测试机器人，他发现，最近这款产品在中文适配方面有了明显进步。

赤裸裸的对照实验结果出现后，技术派的内心是焦虑且复杂的。一些国内企业对我们表示，以目前的进度来看，光是追上OpenAI，就感觉“很吃力”。

虽然，目前OpenAI的终端产品由于众所周知的问题未在国内市场全面铺开，但对于具有技术理想的相关企业来说，这种滋味是十分难受的。有人将这种情况描述为北斗未出现时的导航行业，“从信创的角度考虑，中国的AIGC是肯定要有的，但技术差距也是不可忽视的”，一位投资人评价道。

客观来说，造成国内AIGC落后于同行的原因是多方面的：有A100显卡的获得受到制约、国内人才队伍发展较慢等诸多原因。其中，在硬件方面，大模型训练过于依赖进口GPU显卡，虽行业间出现了便宜的国产替代品，但以目前的技术水平，还不能给出满意的性能支持；而在人才队伍方面，一些行业人士称“算法工程师多，但会大模型的凤毛麟角”。

全局来看，当下，似乎仅有百度公司、清北高校等团队立志于全身心投入于此。大模型所谈者甚多，但行业“孤勇者”数量寥寥。

国产AIGC的进击障碍

摆在通用智能或大模型发展之路的另一个障碍是小模型。

我们在文章中所提到的“大模型”概念是一个术语。之所以称之为大模型，因其在训练数据过程中引入多模态等数据，让数据标注的数量大规模增加，使之展现可打破行业藩篱的普适性。相对于小模型而言，具有通用性好、边际成本低、效率高等特点。

后来，OpenAI再次点燃人们对通用智能的期待。在一些具有前瞻思维的技术派眼里，大模型对于各行各业的影响将是摧枯拉朽式的，他们一致认为大模型是“当之无愧”的未来发展方向。也就是说，技术上，大模型的发展上限更高，其会在未来某个时间点达到各种小模型的用户体验阈值。

由于大模型的横空出世，小模型统治AI的格局被打破。应该说，就本质而言，两种技术路线背后代表着不同的利益。以至于，互联网上，网友对两种技术路线的讨论十分热烈：一会有人指责大模型是“大炼钢铁”，一会又有人攻讦小模型是“亚当斯密小作坊”式的抱残守缺。

客观来说，小模型在当今的市场竞争中仍然具有重大影响：从业者们通过算法微调、反复训练数据等措施下，一些产品收到了不错的效果，对于客户而言，甚至在一些领域内的结果要好于大模型产品。

其次，国内通用智能的AIGC缺少数据训练场景。

类似ChatGPT的训练场景尤为缺乏。在上文提到过的，这款产品之所以短时间之内进步神速，因大量用户为其充当了免费的数据标注员。不过，已目前情况来看，可与ChatGPT相较的数据训练场景在国内还鲜有见到。

另外，产业界对大模型有着浓烈的观望情绪。

在对谈多家相关企业后，数科星球（ID：digital-planet）发现了产业界对AIGC持观望态度的主要原因。概括来说，业界普遍存在这样的忧虑：目前大模型应用不成熟，骤而上马将会对原有业务造成冲击。

以电商售后和银行电话客服场景为例，目前行业内仍采用主流智能客服公司推出的QA问答库技术。客户企业希冀大模型产品能够解决QA库无法承担的长尾问题，覆盖到检索式问答路径无法涉足的领域，但金融行业的语料库等数据又不对外开放，让大模型企业不得不重头开始。

这都延迟了大模型进军具体行业的时间表。