中國距離ChatGPT還有多遠？

ChatGPT為何受到普遍關注？

近期，由美國人工智能研究實驗室OpenAI開發的人工智能聊天機器人程序ChatGPT受到廣泛關注，在短短的兩個月內，ChatGPT月活躍用戶數突破1億，成為一個現象級的人工智能應用，第一次令人工智能走入尋常百姓家，這是人工智能發展的一個里程碑。

從人與人工智能的關系上，人工智能發展要經歷交互、結合、融合的三個階段，而在交互階段最關鍵的是模擬人的邏輯能力。過去各類智能輔助工具如智能音箱等，也可以與人通過對話進行交互，但比較初級、生硬，僅停留在一問一答，而人與ChatGPT的交流更加貼近自然語言，不僅能夠基于歷史內容實現連續對話，還能根據人的簡單指令完成復雜的信息檢索、搜集、歸納等工作，更像是一個管家、助手。

比如利用ChatGPT可以直接生成論文或講稿。2022年12月一篇雷帕霉素抗衰老應用的論文中，ChatGPT就曾被列為第一作者；美國眾議員杰克·奧金克洛斯也在眾議院宣讀由ChatGPT代筆的兩段講稿。除寫文章以外，利用ChatGPT還能夠完成代碼開發、圖像生成、智能客服、健康診斷、輔助裁決等多種工作，有效提高人的工作效率。

以代碼開發為例，ChatGPT已通過了谷歌L3級別的編碼面試，雖然面試針對人而不是機器，ChatGPT等智能工具尚無法準確理解并滿足業務需求，不能獨立完成開發工作，但AI可以幫助一個初級程序員在更短時間內達到更高水平，極大縮短工作時間、提高工作效率。

ChatGPT讓人工智能非常直觀的展現在所有人面前，隨著越來越多的人大開“腦洞”，探索ChatGPT還能干什么，必將加速人工智能的發展。

人工智能會不會取代人類？

似乎一夜之間，人工智能就從對體力勞動的替代，快進到腦力勞動、經驗勞動。AI不可能替代人類，但能否使用好AI對個人而言極為重要，就像使用計算機、智能手機一樣，利用好新技術帶來的新工具，能夠極大提高工作效率，將加速替代一些職業，也將創造新的職業。一些征兆已經出現了。

一是如律師等咨詢、經驗類職業。

律師是一項專業性、綜合性極高的典型職業，但在一般情況下，多數人與律師打交道主要是較為初級的咨詢需求，比如面對裁員，如何依法維護自身勞動權益等等。

這些基礎性工作，AI不可能完全替代，但能夠大大降低普通人依法維權的難度，把相關法條、判例乃至更多維度的數據輸入AI，通過深度學習，AI完全可以勝任簡單的咨詢類工作。美國哥倫比亞的法官已經在實踐中使用了ChatGPT，ChatGPT能夠以更加簡單、條理化的方式提供信息，為起草文本提供了便利，有效節省了時間。

人工智能可以非常輕松的記憶所有法律文本和判決案例，基于海量數據的深度學習，可以勝任助手工作，這必將深刻改變人的思考方式，改變職業發展和教育需求。就如同人工智能AlphaGo擊敗人類職業圍棋選手后，圍棋AI深刻改變了圍棋界，人類要向AI學習如何下棋，人類棋手與AI的互動取代了過去的很多定式，隨著人工智能的普及，越來越多的領域必將迎來新的變革。

二是旅游規劃師等信息整合類職業。

信息整合創造了大量的商機和就業機會，告訴大家到一個地方該怎么玩，基于不同人的需求規劃游玩攻略，歸根到底是經驗和信息的匯總。我們已經處于信息爆炸時代，缺的不是信息而是如何篩選信息，一個掌握了一定搜索能力的人，想要在浩如煙海的信息中找到想要的仍不是件易事。

每次網絡搜索都是獨立的行為，搜索工具記不住上一個乃至更前面的搜索行為與結果，所以只能是人通過搜索查找信息，然后自行整合。而ChatGPT強大之處在于，不僅僅給出問題的答案，還具備信息匯總和整合能力，能夠根據人的進一步要求給出更針對性的答案。

利用ChatGPT可以代替人快速完成基礎的行程攻略，還可以不斷優化，只要不斷地提出更進一步的要求就行，就好像跟一位職業旅游規劃師在網上聊天一樣，這要比個人通過網絡搜索高效得多。

三是內容創作。

目前，AIGC（利用人工智能技術來生產內容）被認為是未來的新型內容生產方式，AI播音、AI繪畫、AI寫作展現了越來越旺盛的活力。以短視頻為例，借助AI技術，可以極大簡化視頻采集、剪輯制作等工作，比如智能防抖、AI剪輯、字幕制作、實時翻譯、一鍵特效等，實現了從專業工作到大眾普遍參與的轉變。

ChatGPT為人類自然語言和機器編程語言之間搭建了一座橋梁，能夠更加準確地理解人類的意圖，并轉化為AI能夠理解的語言，從而大大提高AI創作的準確性和確定性。

當然，ChatGPT還遠不完善，比如還不能正確判斷真實和虛假，連續追問可能導致出現邏輯錯誤，甚至為了證明自己的觀點，還會編造論據，如果不認真檢查，很可能被AI欺騙；而且人工智能雖然在信息搜集和語言表達上，已經超過了多數人，但還無法模擬人的身體價值和情緒價值。

因此，ChatGPT仍然只是一個輔助性工具，低創新性的腦力工作將會加速消失，但涉及創新和人性化交流的絕不會被替代，反而會變得更加稀缺。

為什么ChatGPT沒有首先出現在中國？

2012年美國將“大數據戰略”上升為國家戰略，把數據定義為“未來的新石油”，認為對數據的占有和控制將成為繼陸權、海權、空權之外的另一個國家核心權力；2020年4月，中共中央、國務院發布《關于構建更加完善的要素市場化配置體制機制的意見》，數據成為繼土地、勞動力、資本、技術之后的第五種生產要素。

算法、算力和數據是AI行業發展的三駕馬車，理論上中國應該擁有比美國更多的數據資源，但從現實看，我們對數據的關注度還不夠，這在ChatGPT上體現的尤為明顯。

在與ChatGPT相關的技術上，中美是平級的，中國完全有能力做出來，但客觀上，相比ChatGPT還有著明顯差距，核心在于對數據的應用。中國也有很多類似模型，有的也接受了千億、萬億級別數據的訓練，但仍然遠遠不夠，尤其在回答的邏輯性和完善度上。

總結起來，核心原因有三點：

一是各自為戰，沒有形成良好的生態循環。

國內類似的智能模型太多了，各個企業各自為戰，如寒武紀強項就是深度學習，推出了全球首個深度學習處理器芯片，這也是ChatGPT這類模型的基礎，但是寒武紀的模型，其他企業不愿使用，反之亦然。

又比如算力，一方面美國加強對中國的高端芯片制裁，國內算力提升陷入瓶頸，但另一方面有些芯片本可以國產替代，但因為成本、磨合等等問題，有的企業仍然習慣用國外的，客觀上阻礙了國產芯片的提升。

各自為戰的情況下，無法形成良性互動的生態，真實用戶使用模型不足，模型與用戶的互動少，導致模型迭代緩慢，進一步造成使用不足。模型、數據、應用，形不成閉環，有的公司搞出來模型、做個宣傳然后就棄之不用，重復浪費、內耗嚴重，又如何能行？

正如亞馬遜提出的“飛輪機制”，一個飛輪在啟動階段最為笨重，但只要操作得當，讓飛輪轉起來，就會越轉越快，我們缺的就是啟動的第一步。

二是中文世界數據質量不高。

AI進行深度學習，需要大量數據完成訓練，但絕不是囫圇吞棗，必須對數據進行清洗，提高數據質量。打個比方，就像某家公司統計員工信息，如果不規定好要求提供的信息內容、固定格式，報上來的信息肯定千人千面，根本無法使用，必須先把這些信息按照標準進行整理。

當前國內數據孤島、混亂問題極為嚴重，比如各地、各系統的數字政務系統，種種數據根本無法有效對接，想要打通不是短時間能夠完成的，再加上系統初期架構就有問題，后面更難以更改。

不僅僅政務系統，很多互聯網公司也有類似問題。不少公司創業時，最初的系統架構頗為粗糙，能用就行，系統優化極差，但用戶數量短短幾年內暴增，又不能暫停服務，就只能縫縫補補，就像給飛馳的高鐵換輪子一樣復雜。

相比之下，歐美等國家由于發展時間更長，完成工業化、城市化、農業現代化之后才進入信息化，在底層架構和數據清洗上較中國有很大優勢，也導致英文世界的數據質量要比中文世界高得多。

三是過于功利和短視的社會理念。

上面兩個還只是技術性問題，雖然難還是好解決的，以中國目前的資本、人才、技術實力，一個ChatGPT還不至于做不出來，但這背后更大的問題出在理念上。

美國已經習慣了開拓創新，在看不到前景和效果的時候，能保持長期持續投入，失敗的很多，但一旦成功就是革命性的；而中國更習慣在打通以后，快速跟隨，更擅長技術的市場化應用。

目前ChatGPT并沒有一個行得通的盈利模式，在商業前景還不明朗的情況下，中國的資本、人才不愿意投入重注，想再等等、再看看，而國內兩大創新主力，國企活力不足，民企更加功利，更加劇了這一問題。

以美國硅谷的仙童公司為例，這家公司趕上了美蘇航天競賽，拿到了第一桶金，但之后主動離開舒適區，逐步放棄美國軍方訂單，轉向民用，這才有了世界上最大、最富有創新精神的半導體生產企業。

我們現在顯然還不具備這樣的社會氛圍，隨著中國科技進步，我們越來越接近人類探索的邊界，必須盡快完成從“追趕者”到“領跑者”的轉變，在第四次工業革命中打造中國的創新型社會。