問

“ChatGPT，人工智能會如何發(fā)展？”

答

“人工智能的行業(yè)落地將繼續(xù)加速，今后會更加廣泛應用于工業(yè)、消費、金融、醫(yī)療、交通、教育、政府等多個領域?！?/p>

今天，你和ChatGPT聊天了嗎？它僅僅開發(fā)13天就匆匆上線，卻在兩個月就獲得過億用戶。這一基于AI的產品持續(xù)火熱出圈，在社會各界引發(fā)越來越多的熱情。以此為契機，業(yè)界對于人工智能技術也展開新討論，特別是大模型的創(chuàng)建和學習能力成為關注的焦點。

一

AI技術變革：算法、算力、數據

目前，預訓練技術（Pre-Trained Model）是人工智能研究的重要突破口。傳統的研究方法中，標注成本一直是阻礙AI算法推向更大數據集合的障礙；預訓練技術不依賴數據標注，就可以訓練出一個大規(guī)模深度學習模型。全球AI團隊選擇兒童電視節(jié)目《芝麻街》中的木偶人物來命名各種新預訓練算法，比如Elmo、Bert、Ernie等。

在對預訓練模型的各種不同的技術評測中，算法性能展示了一個規(guī)律：數據規(guī)模越大、預訓練模型參數越多，算法輸出精度往往也越高。隨著技術的突破，模型規(guī)模的不斷增長，其展現出的能力潛力和豐富的應用場景激發(fā)了更多的企業(yè)和研究機構投身其中。超級模型除了可以消化更大規(guī)模的數據，也需要消耗更高的算力。

OpenAI公司對人工智能算法訓練所消耗的算力做了一個統計，結果發(fā)現，從2012年到2020年，人工智能模型訓練消耗的算力增長了三十萬倍，平均每3.4個月翻一番，這超過了摩爾定律的每18個月翻番的增長速率，人工智能技術成為推動IT技術發(fā)展的新的動力引擎。

二

全球AI技術發(fā)展格局：中美領跑

從2019年開始，AI大模型突然爆發(fā)，參數規(guī)模以指數級的快速增長。從2014年到2018年，AI模型參數規(guī)模還在一億的數量級上下浮動。

2019年2月，OpenAI的GPT-2達到了15億參數規(guī)模

2020年6月，GPT-3達到了1750億參數的規(guī)模

2021年1月，谷歌大腦推出了1.6萬億參數規(guī)模超級模型，再次刷新規(guī)模記錄

中國本土技術團隊也加入到這一場人工智能技術競賽中。阿里巴巴達摩院在2020年初啟動中文多模態(tài)預訓練模型M6項目，同年6月推出3億參數的基礎模型。2021年1月，模型參數規(guī)模到達百億，已經成為世界上最大的中文多模態(tài)模型；2021年5月，具有萬億參數規(guī)模的模型正式投入使用，追上了谷歌的發(fā)展腳步；2020年10月，M6的參數規(guī)模擴展到10萬億，成為當時全球最大的AI預訓練模型[1]。

不少中國企業(yè)和研究機構也積極研發(fā)投入中文預訓練大模型項目。在人工智能超級大模型的這條數據、算法和算力三輪同時驅動的技術賽道上，中美兩國技術團隊已經形成了“兩架馬車”的發(fā)展模式，不斷刷新人工智能能力規(guī)模上的邊界線。

基于AMiner科技情報系統的數據[2]，根據AIGC領域知識圖譜（AIGC領域知識圖譜及關鍵詞參見附件1）進行檢索，利用文獻計量方法，我們對2012年到2021年期間全球發(fā)表的AIGC高質量論文（論文引用量排名前1%）做比較，共計1,646篇論文入選。在AIGC高質量論文領域，中國和美國數量幾乎持平，并大幅度領先其他國家。

數據來源：AMiner科技情報平臺

從發(fā)展趨勢上看，在AIGC領域，中國有后來者居上、超越美國的趨勢。

數據來源：AMiner科技情報平臺

在更大的數字技術領域，中國在高價值論文部分，同發(fā)達國家仍有不小差距[3]，未來需要產、學、研一起努力，共同推動中國數字技術向價值鏈高端躍升。

說明：論文檢索時間范圍為2012年1月至2021年12月

數據來源：AMiner科技情報平臺

三

AI產業(yè)發(fā)展：資本與人才

深藍打敗了卡什帕羅夫、AlphaGo戰(zhàn)勝了李世石……對于業(yè)內人士來說，這些曾經轟動一時的現象級技術進步，僅僅是完成固定任務的弱人工智能。開發(fā)具有跨領域學習能力的強人工智能技術才是人類努力的終極目標。常識學習、跨領域模型遷移、小樣本和零樣本學習……一個個技術的攔路虎擋在通往強人工智能的技術道路上，而人工智能超級模型給這條道路照亮了前方。

OpenAI為訓練GPT-3超級模型投入了1200萬美元的成本。在人工智能超級模型的賽道上，賽手需要掌握海量的數據、超大規(guī)模的人工智能計算平臺以及掌握核心技術能力的算法團隊，三者缺一不可。這也許側面解釋了在追求人工智能技術最前沿的賽道上，目前只出現了美國和中國技術團隊的身影。中美兩國在人工智能技術領域形成了激烈的競爭格局。數據、算法和算力是這一輪人工智能技術浪潮的三輪驅動引擎。中國擁有全世界最大的互聯網和移動互聯網用戶規(guī)模，在數據領域讓我國具有毋庸置疑的領先地位，互聯網平臺企業(yè)也構建出極具競爭力的算力平臺和算法團隊。

在斯坦福大學HAI研究所發(fā)布的2021 全球AI指數報告中[4]，2020年全球盡管受新冠疫情拖累，在各方面的經濟發(fā)展都受到極其負面的影響。人工智能領域的發(fā)展卻一枝獨秀，相關投資仍然在大幅增加，2020年私人資本在人工智能領域的投資比前一年增加了9.3%，遠高于疫情前2019年5.7%的增長率。在資金方面，美國仍然是人工智能私人資本的最大目的地，2020年總投資超過230億美元，是中國相關資金99億美元的兩倍多。

圖表5 全球數字科技人才數量前 10 強機構

數據來源：AMiner科技情報平臺。

近日發(fā)布的《2023全球數字科技發(fā)展研究——科技人才儲備實力研究報告》[5]，對包括AI在內的各國數字科技人才儲備情況做了全面比較。結果顯示，與美國相比，中國數字科技人才基數大，但存在高層次人才少、凈流出數量多以及人才集中在高校而不是企業(yè)等問題，中國在鞏固數字科技人才方面的工作任重道遠。

四

ChatGPT的未來：腦力的解放

OpenAI公司應該也沒有想到ChatGPT會一夜爆紅，這款對話機器人（chatbot）產品不僅開發(fā)時間短，模型也沒有構建在OpenAI即將發(fā)布的最新一代GPT4模型之上，而是采用了上一代的GPT3的增強模型[6]。

不過，從生成式AI技術（Generative AI或AIGC）的發(fā)展趨勢來看，ChatGPT這一類現象級應用的橫空出世與迅速爆紅卻并不意外。隨著AI大模型技術的不斷成熟，AIGC技術已經走出實驗室，應用場景也已經從初始的文本生成發(fā)展到多模態(tài)領域：

谷歌旗下的Deepmind公司推出了自主編程應用AlphaCode，在 Codeforces 舉辦的編程比賽中，超過了 45.7% 的人類參賽者[7]

OpenAI開發(fā)的另一款圖片生成應用DALL·E-2，入選了時代雜志評選的2022年度最佳發(fā)明[8]

英偉達開發(fā)了一款3D模型生成工具Magic3D，用戶輸入文本描述就可以自動生成結構極其復雜的3D模型[9]

阿里巴巴達摩院多模態(tài)大模型M6，利用文本輸入可以自動驅動人體3D模型的動作合成[10]

在圖文創(chuàng)作、代碼生成、3D模型設計、3D動畫制作等領域，生成式AI技術展示著深厚的潛力，其應用邊界也將隨著技術的進步與成本的降低擴展到更多領域。

高科技投機機構方舟投資（ARK Invest）發(fā)布的報告[11]預測，以AIGC為代表的新一代人工智能技術將輔助知識工作者（包括教師、律師、醫(yī)生、財務、程序員等白領職業(yè)）提高工作效率。報告預測，到 2030 年，AI 將大幅提高知識工作者的工作效率，平均工作效率增加140%，新一代人工智能技術將有可能大幅度降低腦力勞動者的工作強度。如果這一切成為現實，或將是繼人類歷史上由于動力革命而擺脫繁重的體力勞動之后，人類社會發(fā)生的又一次偉大的技術革命。

附件1. AIGC領域知識圖譜及關鍵詞

審核編輯 ：李倩