国产ChatGPT何时问世？事件：根据公开新闻报道，百度对标ChatGPT的AI产品中文名字叫做文心一言，英文名ERNIE Bot，3月完成测试，对公众开放，目前还在做上线前的冲刺，时间有可能提前。百度集团-SW涨幅超15%，此外其他百度系公司表现亮眼，应用公司表现亮眼，行情正往两头演绎，优秀的大模型+基于大模型的创新应用场景。【国内互联网大厂进度】百度：1）百度布局较早，有自主研发的深度学习平台，有文心大模型，在预训练大模型方面有不错的积累，在AI发展方面把握先机。百度的文心大模型具备多功能，可以进行文本生成，内容提取，摘要生成，观点归纳、图片绘画等。和GPT很像。2）一般情况下，AIGC优先考虑To B，再考虑To C。因为To B的商业群体比较稳定，付费意愿也比较稳定。百度计划同时推出To B和To C的产品，并先发布To C的demo。字节：已经开始布局，主要是AI+内容。比如自动生成投稿和辅助写作，在今日头条上利用AIGC生产内容。目前AIGC整体的生成质量的内容还是较好的，要好于普通的UGC，但和PGC相比还有所欠缺。抖音方面也有应用，通过AI 的模式来生成短视频，比如一些图文类的短视频的。阿里、京东等电商类平台：在智能客服领域有布局，其次是AI+营销，例如阿里巴巴，可以结合商品，自动生成高质量文案描述商品，提高营销效率。腾讯：以广告为主，支持广告智能制作，以AIGC技术生成广告文案和视频，降低了制作成本，目前市场规模快速增长，未来5年内AIGC产生的图片的占比预计会达到10-30%。前期可作为UGC和 PGC的辅助，帮助广告主设计文案。到后期就是 AI 技术整体的发展，后期可能是有望代替人工的工作。【Q&A】Q：百度To C产品的进度如何，使用体验如何？A：1）百度有文心大模型的基础，去年ChatGPT刚发布后，他们基于对话的语料，做了一个类似的新模型，是多轮对话的模型和百度搜索引擎相结合——用户问一个问题，AI会给一个答案，同时搜索引擎会基于这个问题做一些相关的补充，比如答案的来源和链接。2）如果和搜索引擎结合起来后，整体使用效果还是可以的，因为结合后，不涉及到特别多轮对话，一般我问一句，它回一句，就结束了。至于多轮对话容易遗忘的问题，可能需要在后续的优化过程中，重点考虑怎么捕捉更远的信息，怎么捕捉用户长期讲话的意图。Q：ChatGPT会替代传统搜索引擎嘛？A：1）短期内不太可能取代传统的搜索引擎，ChatGPT会给出一些看似有道理但实际是错误的回答，可信度不是很高。2）ChatGPT对于新数据不太友好，未能建立和实时信息的连接，目前预训练模型如何保持实时更新，是一个大问题。3）ChatGPT的训练成本很高，付费过多，可能用户放弃使用；但不付费，成本压力过大，长期可能在训练成本或者推理成本上都做了比较多的优化以后，再看对搜索引擎的替代。4）可能短期内还不能替代，但长期不好说。至少可以跟百度的模式一样，搞双引擎的模式。Q：除了百度外，国内还有其他公司可以推出类似的产品吗？国内其他大厂，比如腾讯、字节等，会想着在短时间内做出来类似ChatGPT的产品吗，抢占先机，形成类似微软对谷歌的卡位？A：1）小公司机会比较小，这是一个技术积累的工作，需要有数据训练的基础和经验，需要资源和人力的投入。小厂很难做出来，因为成本太高了。小厂更适合去接入这些大厂的模型，成为大厂的客户，然后做这些模型的应用，比如AI绘画等，对接C端消费者。2）国内的大厂比如字节、腾讯、阿里有机会。字节已经开始在做语言处理模型，目前在数据和算法方面的积累都不差，字节其实也要发大力发展搜索，包括培养用户的搜索心智。字节也希望推出新的产品，从而抢占先机，实现它在搜索领域的一个超车。 目前字节还处于大模型的训练和调试状态，没有产品的具体规划。但如果能做出来，还是对字节搜索领域的地位有积极影响，我认为字节跟百度在搜索领域，会有很多的交叉的冲突，也一直在大力发展搜索领域，所以是有可能做出类似的产品。Q：国内会引入ChatGPT嘛（考虑到有一些内容指向性的问题）？如果Bing引入了chatGPT对于中国搜素市场的影响？A：1）ChatGPT目前会有一些伦理层面的问题，目前国内的监管政策还不是很全面，相关的法律法规还没有健全，还有很多这种一些细节的东西，短期内我们的规章制度其实也没有覆盖到。2）总的来说，我认为ChatGPT的To B端可能会引入，国内的小公司可以应用，目前ChatGPT的To B端因为成本、优化等问题还没有开放，如果ChatGPT的To B端开放，国内的一些小型创业公司可能会接入，并去做下游应用端的产品。3）未来接入微软的Bing后，其实对搜索是会有一定的冲击的，首先我们考虑一下用户的猎奇心理，肯定会有大量的用户愿意去用，能够产生大量DAU，如果效果是比较好，这些用户是愿意留下来继续使用它的，久而久之其实是会改变到用户的搜索习惯。Q：字节内部目前在类chatGPT产品方面的规划？A：从我们看字节对搜索的重视程度，搜索现在也是一级部门，对搜索的重视程度很高，因为搜索在现在在抖音、今日头条的重要性上很高，本次也是集合了几个核心的部门，组成小团队来做模型。目前来说可能还没有产品的计划，虽然是比百度晚一些，但后续要看产品的效果和用户的体验，先发后发的影响不是很大，需要看后续的发展。Q：谷歌最近在财报上说，他们的LaMDA模型可能在近期推出类似ChatGPT的功能，如何看待谷歌在语言模型方面的积累？A：1）谷歌的技术积累很不错，团队都非常优秀，模型积累很好。2）数据方面，谷歌天然就有很多搜索引擎的数据，算力方面也不用担心，很多技术都是谷歌推行的。相对来说，谷歌研发类似产品的可行性非常大，而且成功概率非常高。而且它的效果也是值得我们期待的。如果效果比ChatGPT好的话，那也算一种后发优势。Q：如果未来出现很多的模型，这些模型都基于差不多的数据去训练出来的，又有很多应用去基于这些模型去开发不同领域的垂直应用。整个环节的价值量最大的地方会不会在公有云跟硬件厂商。因为最后有可能模型会趋于雷同，甚至很多应用程序会被迅速的抄袭，迅速的雷同化？A：1）他们肯定是受益者，但这种说法有一个前提，算法是有上限的。但是实际来看，各家公司的算法上限不同，不同的公司，它掌握的能力不一样，算法还是有很大的提升空间，我认为不会在短期内趋于雷同。模型的发展的效果。可能是越来越往上的。2）发展的模式也有区别。可能会有一批大的公司搞基础性的模型，比方类似于 GPT 这种模型，其实ChatGPT，它也是GPT-3.5的版本上，做了一些微调而做的产品。还有公司做应用层面/垂直赛道的小模型开发。未来是两种发展模式相结合。Q：字节和百度在该方向的算力、数据和人员投入如何？A：1）国内大厂的算力基础都不差。在模型方面，字节在推荐领域也已经有千亿参数的大模型，只是说在应用的领域不同。百度有文心大模型作为基础。2）数据方面，字节也有一些头条和抖音的搜索数据，量级上没有百度搜索的数据量大。3）从投入来看，其实两个公司的投入都非常大。百度把 AIGC 作为一个发展浪潮来追赶的，而且搜索是它非常核心的业务场景，所以百度的投入是很大的，而字节，其实切入的稍微有点晚，没有百度那么快。字节把几个最重要的核心部门，联合起来成立专项团队。其实整体上来说投入也还可以。4）所以综合比较，在算力和数据上，字节跟百度的区别可能没有那么大。 但在人力投入上，因为搜索是百度的核心业务，百度的整体的投入可能会比字节更大一些。Q：现在ChatGPT没有对国内开放，国内厂商在中文的领域，相比海外厂商，在用户体验上能形成一定的或者明显的优势？A：我认为语言不是大的壁垒，我认为短期内，ChatGPT没有向我们大陆开放，我们国内其实是有机会这样做出来产品的，但是想要超越ChatGPT的可能性会非常低。因为像一些我们的头部大公司，目前来说也还没有推出一款产品，能够跟ChatGPT的模型的效果能够PK，所以可能短期来看不大能够超过它。但是短期来看，我们可以通过这样的一个时间窗口做逼近它的效果，是国内公司比较好的状态。Q：腾讯和阿里在AIGC方面的布局如何？A：1）腾讯和阿里的搜索业务弱一些，不是重点，例如阿里，主要聚焦于电商领域，所以他可能在ChatGPT上不会有很多布局，目前阿里主要的发力方向是利用AIGC去做AI+营销，比如赋能商品的文案撰写等，未来阿里可能会继续往这个方向布局。2）腾讯可能在广告、社交、游戏等领域应用AIGC技术。比方塑造更广义的互动叙事的品类，带来一些新的社交的玩法和商业模式的新的启发等等。3）总的来说，AIGC是一波技术浪潮。国内的大厂的看法是要和现有的业务结合起来，实现自身业务更好地发展。而不是只关注ChatGPT这一个AIGC的细分赛道。Q：可以大概理解成，腾讯和阿里更偏向应用端吗，未来腾讯和阿里的大模型会自研吗？A：我认为腾讯和阿里的大模型是会有自研的趋势的。像这种大公司，它对专利，包括一些专业的技术积累其实还是比较有讲究的。所以我觉得长期来看，大厂大模型会自研。Q：如果大模型投入使用，对于算力等基础设施的需求会不会是指数级的提升？A：我认为是的，ChatGPT刚发布的时候，就因为用户访问量过大，算力不足而出现问题。随着用户量级的大规模的上涨，算力的需求确实会呈现一个指数级的上涨。至少是非常正相关的，因此推理和训练的资源的开销肯定是非常大的。所以这一块也是优化的重点，就是怎么去让资源尽可能地节省，让整体的一个性能更好地提升。Q：除了GPU，芯片方面还有可以替代的产品吗？A：1）自研芯片，但是目前整体来说目前还没有看到特别好的一个产品。2）采用分布式的CPU，性能上差一些，但是成本便宜，很适合做推荐算法模型的公司，比如抖音、快手、Tiktok等，都是采用分布式的CPU做大模型的基础算力设施。Q：如何去辨别海内外厂商大模型的优劣？A：如果我们要评价它的具体的效果，最直接的是人工测评，看下真实的感受和评分。专业角度来讲，我们可以用测试集，分别请求这些模型的API，基于一些评价指标，去看这些模型的表现如何。模型的参数、训练数据可以作为参考的指标。它的模型的参数量级更大，理论上模型的效果应该会更好，但相对片面一些，还是要实际测试和感受后才知道。Q：应用场景的数据，在中国来讲是不是一种比较紧缺的资源。如果是要把模型训练好，可能非常依赖这些产业厂商的合作？A：1）特定领域的数据是比较稀缺的，比如医疗、司法等领域，所以可能会生成类似的商业模式。2）可能最后就会形成这种商业模式：大公司负责训练大的基础模型，其他的一些创业型的公司或者一些小公司，在大模型的基础上，加上他们自己特定领域的一些数据集，得到这种新的领域式的模型，来服务于他们自己的一些商业化的计划。3）这种模式下，大厂有钱赚，对于小厂来说，它既能保护到自己的数据的隐私，同时也能够形成这样自己的领域类的商业化的路径。