文章主题：ChatGPT, AI生成内容, 商业化, AIGC产业峰会
🎉ChatGPT引领潮流，🔥大模型与生成式AI崭露头角，成为全球关注焦点！🚀马斯克的AI倡议引发了热议，他携手众多AI专家发出了暂停训练强大力量的声音，却遭到了一些质疑。🤔对于这样的争议，有人担忧其潜在风险，而支持者则坚信技术进步需谨慎前行。🔥让我们一起探讨如何在创新与伦理间找到平衡，让智慧之光照亮未来之路！🌍
🎉🚀AIGC商业化进程犹如闪电般迅猛，引发了无数的思考与反响！🌍💡从智能家居到创意产业，它正悄然重塑我们的生活方式。但随之而来的是未知的转折点：我们准备好面对AI带来的颠覆性改变了吗？💼🔍机遇与挑战并存，是时候深度审视并拥抱这一未来趋势了！🌟
🎉【首届中国AIGC产业盛宴】🚀 3月29日，量子位引领的北京盛事，首次聚焦国内AI生成内容（AIGC）产业！💡专家智慧碰撞，独特见解闪现：在全球化的商业浪潮中，我们不应盲目追随，而是要立足本土，创新大模型，避免雷同。🌈每个市场都有其独特性，我们要找到自己的闪光点，而非一味模仿。合规问题也不容忽视，随着AIGC的崛起，内容安全、版权保护和信息真实性的挑战接踵而至。🛡️监管机构和行业同仁需共同努力，建立严格的规范，以确保行业的健康发展。🔥让我们一起见证并推动这一领域的革新与成长！#中国AIGC #产业峰会 #创新与合规
···
🎉 ChatGPT的出现确实引发了轰动，但它并非首开先河。AI生成内容（AIGC）和大型语言模型的存在其实早已是技术界的热门话题。尽管之前一些科技创新企业也曾努力推动这一领域的发展，但它们的效果往往并未达到如今这般广泛且深远的影响。极坐标系中，点P(3,π/4)到原点O的距离
🌟陈石，金融投资领域的领军人物，对ChatGPT的崛起惊叹不已。他指出，这款人工智能产品并非渐进式的发展，而是以一种颠覆性的速度展现出其非凡潜力。微软发布的报告中透露出ChatGPT已闪耀着通用AI的光芒，并且这股光芒正在持续增强，这是所有人都未曾预料到的创新突破。陈石强调，这种“跳跃”式的进步，无疑为科技行业带来了强烈震撼，也让大家对未来的可能性充满了期待。🌟
🌟梅嵩，云舶科技的创新引领者，深入解析AI生成内容（AIGC）商业化为何风靡。他强调，技术的进步使得AI绘画和ChatGPT等应用已达到显著水平，不仅能创造直接生产力，其商业潜力不容忽视。就像苹果Siri早期并未引发大规模关注，因为功能尚未达到能跨越的临界点一样。AI时代的生产力飞跃，正让AIGC展现出前所未有的价值魅力。🌍
而无论是图片还是文字生成，商业化路径都比较短，适合的用户量又非常大。不像3D模型——“AIGC生成的效果也非常好，但我相信可能没有前两者造成的影响这么大，因为还要再去开发3D模型配套使用的应用场景。”他解释。
不少企业嘉宾在峰会上表示，随着人才、资本和业务的大力投入，AIGC已经进入到快速产业落地阶段。不过，相较于海外AIGC产业落地的繁荣，国内公司的商业化只能算得上差强人意。
对此，源码资本合伙人黄云刚认为，这和国内AIGC行业的商业环境有关。“海外to B（面向企业、平台类型的服务）的生态比较好，现在他们都在做一些效率工具，一些个人产品都能赚钱，而且增长挺快的，但国内就相对复杂一些。”但他也同样提到，这种环境的不同也带来了不同的机遇，“所以我们在不管是做投资，还是跟创业者一起聊的时候，会去分辨国外火的一些应用，不要去一股脑去抄，因为环境差别很大。”
当企业一股脑地追着商业热点跑，行业往往会被质疑有泡沫。不过，与会嘉宾普遍看好AIGC的发展前景。他们提到，AIGC不是一个短期的热潮，而是会经历很长时间的进步，而且会产出很大的社会价值和商业价值。
面对着与国外差别甚大的环境和研究基础，中国大模型开发的原创性又该如何体现？
对此，华院数智人商业化副总裁林莱尼认为，尽管目前国内的大厂和研究性机构、初创公司都在做大模型，但基础研究的环节是非常薄弱的，因此需要奋起直追，“目前国内大部分的基础研究，尤其是算法模型基本上都是国外率先诞生的，国内确实要追赶他们的技术研究和原创性。这不是说我们目前做自研的大模型是没有价值的，反而是这个时候是非常势在必行的。”
此外，国内大模型也需要在不同的切入点做大模型，避免同质化。林莱尼补充道，“比如说有专门做心理咨询相关的大模型，聚焦在一两个行业里，对于国内的初创公司来讲，创新性是要体现在你对于这个行业上有足够多的、深刻的理解，然后迅速地在行业内把数据飞轮和场景飞轮跑起来。”
···
因为倚靠海量数据和强大算力，ChatGPT也被戏称为“大力出奇迹”美学。在陈石看来，大力出奇迹“是必然的”。
“无监督学习，特别是大规模无监督学习，一直是机器学习的一个‘圣杯’。（以前）从来没有人取得过圣杯，但是这次我觉得OpenAI把这个圣杯给拿下来了。”陈石认为，大量的数据+无监督学习是一个趋势，也已经经过了验证。
智源研究院副院长、总工程师林咏华指出，当大模型的尺寸到达了百亿或以上，这就意味着它出现了涌现能力，已经从语言模型上升到了认知模型。2021和2022年，不同的大模型涌现，甚至出现了万亿参数的模型，而模型的模态也从单语言模态变成了多模态。这意味着AIGC能力上的跃升，但同样带来了新的挑战。
“到底多大的参数可以支持我们的应用的需求？是盲目的都要追求千亿模型还是百亿模型就够？具体需要多少训练数据才足够喂饱一个百亿模型或千亿模型？又有多少信息和数据可以传递到我们的下游任务？当模型从单模态走向多模态，从一个单纯的语言模型走向了一个认知模型，我们应该如何去评测？”她抛出一连串反问。
林咏华指出，AI研究不应该盲目追求模型的“大”，也应当思考这种“大”带来的问题。比如在大模型达到了一定规模之后，该如何继续低成本地吸纳新知识、新信息；当模型输出错误的时候，如何做到定点纠错？
林咏华进一步指出，“对于大多数的企业来说，不是去训练自己的模型，而是借用别人的模型。”她表示，这时候评测会成为拉动大模型发展的关键。“随着大部分技术的发展，评测已经迎来了更大的挑战。”
陈石则从创业者的角度提出了建议。他表示，大部分创业机会可能还是在非模型层或者垂直类模型领域，比如应用层的创业不需要自己去训练模型，而是可以在一些大模型的基础之上做一些改进。
···
在AIGC和大模型被广泛落地和应用的同时，版权争议、信息伪造、隐私侵犯质疑也随之而来。
近日，多家国外主流新闻媒体指控OpenAI、ChatGPT未经许可使用新闻来源进行训练，并拒绝向媒体支付相关费用。今年1月，一群艺术家起诉Stability AI Ltd.、Midjourney Inc.等多家AI绘画公司，声称它们未经授权下载并使用了数十亿张受版权保护的图像，也没有进行补偿。
无界Ai联合创始人马千里告诉南都记者，由于大模型多为无监督学习，具有很强的不可解释性，因此给出的答案是难以溯源的，“你没法解释它，你就不知道它为什么会这样子，以及它将来会变成什么样子，它会不会变得危险。因为它现在有了很强的预测能力、推理能力，有可能被坏人利用，或者自发地变异，都是有可能的。”
“我们可以观察到，当用户创造内容的门槛每降低一倍，用户创造内容的数量就会增加十倍百倍。” 昆仑万维CEO方汉认为，这造成了优质内容的稀缺，“现在我们已经发现了一个巨大的问题，就是AIGC生成的内容大量污染。有一个很难听的话，就像你的排泄物被你当成数据了一样，长期以往会是一个非常大的问题。”
此外，大模型底座不可避免地自带一些政治倾向性。方汉用OpenAI举例说明，在ChatGPT中嵌入的政治倾向是偏向买主的，而“中国训练大模型肯定也有中国的政治倾向性，这个怎么解决？这也是一个内容生成上的问题。”
自ChatGPT问世以来就被诟病的版权和信息伪造问题也不容忽视。对于版权问题，他以Adobe的firefly为例，提出平台应该给作者进行提成，“adobe的firefly提出了一个新的模式，跟那些被用于训练的内容的作者达成了一个协议，然后通过对使用firefly的人收费，来给这些内容作者进行分成。”
“在版权问题以及信息伪造问题这个方面，我认为从监管到行业自律，我们可做的事情非常多，而且非常迫在眉睫。”他进一步补充道。
采写：南都记者胡耕硕
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
