《我国互联网大厂在生成式AI领域的挑战》

五一长假前后，我有幸跟一些互联网大厂的朋友深聊，大家有一个话题是绕不开的：ChatGPT，以及由此席卷而起的 ” 生成式 AI” 潮流。A 股市场当然早已把一切能攀上 GPT 概念的公司给炒到天上去了，但是稍有常识的人都承认，中国做生成式 AI（无论是模型还是应用）最值得仰仗的还是互联网大厂，只有它们拥有足够的资源和决心去做这件事情。不过，互联网大厂的 “ChatGPT 追赶之旅 ” 的具体进度，很大程度上尚未被外人所知，也尚未反应在财务业绩和资本市场当中。

在与一些熟悉内情的朋友交流后，我感到目前的自信 levels相较之前有所提升，然而这种提升仅仅是一点点的差距。在生成式 AI 这个领域，我国的互联网大型企业虽然在技术上与世界先进水平有所差距（具体来说，就是 OpenAI 领先地位），但这种差距并不致命，且我国具备迎头赶上甚至超越的可能性。因此，我们需要关注的关键问题并不在于技术层面，而是在其他方面。总的来说：

在互联网行业中，大型企业对于生成式AI技术展现出了极高的热情，并且愿意投入大量的资源。这种现象并不仅仅是因为它们想要追求新颖或满足资本市场的需求，而是因为它们看到了这项技术的潜力和价值。这些公司深知，生成式AI不仅能够帮助他们提升效率和生产力，还能够为他们带来巨大的商业优势。因此，他们愿意在技术研发上进行投资，以保持自己在市场竞争中的领先地位。

在当前的AI技术领域，大型互联网企业主要将精力放在了内部的降本增效上，而在大规模面向C端（包括中小B端）的应用方面，他们仍然处于探索的阶段，这表明生成式AI在互联网行业中的应用仍存在一定的距离。

在追求OpenAI的道路上，我们面临着巨大的挑战，但这并不意味着我们需要放弃。虽然投入成本可能会很高，但如果能保持持续的努力并不断优化策略，我们有可能在一定程度上缩小与他们的差距。然而，我们必须接受一个事实，那就是这种差距可能会一直存在，这并不妨碍我们在未来继续前进。

对于支持来说，各级主管部门的认可无疑至关重要。然而，当前互联网巨头们并未提出能够令主管部门信服的概念或实例，这使得生成式AI难以争取到更多的上级资源。

在互联网行业内部，尤其是大型科技企业，从事技术开发的人员对于生成式AI的热情高涨。这主要是因为在ChatGPT面世之前，AI已经在互联网的各个领域（如搜索、个性化推荐、自动客服等）中的应用已经达到了极致，很难有更大的发展空间。而且，当时还没有出现具有突破性的新技術。因此，在2021-22年期间，许多互联网大厂都對算法岗位进行了裁员。在这种背景下，ChatGPT的问世无疑是一股强大的春风，为技术人员提供了一个展示自己价值、争取升职加薪的重要契机。由于其卓越的性能和广泛的应用前景，ChatGPT成为了技术人员争相追捧的技术热点。

对于我国互联网行业的领军企业，他们热切地响应并支持生成式AI的发展。与元宇宙、Web3.0等概念不同，生成式AI已经拥有实际的应用场景，并且硅谷已经为其探索出一条明确的发展路径。这使得我国互联网公司进入了熟悉的”资源投入模仿追赶”模式。目前，许多互联网大公司的基础研发团队和业务部门的算法团队都在暂停原有工作，全力投入到生成式AI的研发中。这种趋势使得大模型不仅成为公司层面的重点工程，同时也成为了各个事业群和事业部的一号位工程。这一地位决定了生成式AI将获得无限制的资源投入。

在当前降低成本、提高效率的背景下，互联网巨头对于生成式AI的应用主要集中在两个方面：一是节省成本，二是为现有业务提供支持。例如，GPT的商业化应用初始阶段就包括了像Shopify这样的电商SaaS以及代运营商成为其第一批客户。在我国，阿里巴巴和京东可以将自身的巨大模型直接应用于自己电商平台的代运营，而腾讯则可以借助于大模型来弥补自家的客服短板，甚至在腾讯文档等应用中添加自动生成文案的功能。此外，所有信息流媒体平台都有可能通过生成式AI来提升用户互动体验，例如进行评论、点赞，以及活跃社区氛围。以上所提到的只是正在进行的部分案例，实际上生成式AI在各行各业的应用远不止于此。

至于开发大型 C 端应用，或者面向广大中小 B 端开放 API，目前看来还比较遥远。除了技术瓶颈之外，监管风险是一个主要考虑点：国内对生成式 AI 的监管讨论才刚刚开始，尚未形成成熟的监管体系，此时贸然上马大型 C 端应用的风险极高。然而，这里有牵扯出了一个新的问题：互联网大厂在既有的应用中大规模使用生成式 AI，是否也会带来潜在的监管风险？这个话题比较敏感，目前还难以讨论，在此就不展开了。

再说第三条。OpenAI 不是世界上唯一的生成式 AI 大模型开发者，GPT 的技术路线也不是唯一的。但是，国内互联网大厂的研发思路高度统一，那就是模仿乃至彻底复刻 GPT。结果就是一切与 OpenAI 能够沾边的人才和信息几乎全部被瓜分利用殆尽——其中既有合法的利用，也有灰色地带的利用。不计成本的投入，加上国内相对硅谷而言较低的人力成本，是可以在一定程度上拉近差距的。这种模仿路线当然不可能把落后转化为领先，不过目前大家还考虑不到这么远。

第四条也是一个非常重要的因素。我们知道，对于芯片、新能源等 ” 硬科技 ” 产业，国内各级主管部门（包括国家和地方）予以了极大的政策和资源扶持；生成式 AI 在理论上也属于 ” 硬科技 “，如果也能得到类似的扶持，无疑可以大幅度加快发展进度、降低风险。然而，生成式 AI 有一个严重的软肋：它不是制造业，无法像芯片、新能源、生物医药那样提供较长的产业链、立竿见影地为地方创造 GDP。此外，它也尚未被主流媒体认为是一项 ” 卡脖子 ” 技术。在几个月乃至几年之内，生成式 AI 要成为一项被大力扶持的 ” 硬科技 “，还是很有难度的。

当然，互联网大厂可以采取一种话术，即生成式 AI 具备很强的 ” 乘数效应 ” 或上下游拉动作用，例如可以间接刺激芯片行业的成长，以及促进智慧城市、智慧交通的实现，等等。但是，上述 ” 乘数效应 ” 过于迂回，在短期内又很难看到效果。在可见的未来，主流媒体和主管部门心目中的 ” 硬科技 ” 代表仍将是光刻机而非 ChatGPT，互联网大厂必须主要依靠自身资源投入而非政策扶持。

过去多年，中国互联网行业曾一再证明：只要它们下定决心投入足够的资源，并且有庞大的潜在 C 端应用场景，它们就能够成功模仿乃至超越硅谷的同行。这一发展路线并非百试不爽，不过大部分情况下是成立的。生成式 AI 是对上述路线的一次大考：在 GPT3.5 以前版本已经开源，基础研发路线并无秘密可言，潜在应用市场非常广阔，而且国内互联网大厂均已投入足够资源、提起绝对重视的情况下，中国能否在生成式 AI 这条赛道上迅速缩小差距乃至有朝一日超越？

相信这个问题已经被资本市场提了无数次，也被互联网从业者提了无数次。我的观点偏向悲观一边：由于种种掣肘（在此就不讨论了）、种种天然限制，国内生成式 AI 最多只能将与硅谷的差距缩小到可以接受的程度，而不可能彻底消除这种差距。不过，我的上述 ” 悲观 ” 观点，在很多人看来或许已经算是乐观了？

事在人为，但在很多时候，形势比人强。