3月15日，OpenAI發布了GPT-4，並迅速成為熱點，引發大量關注。GPT-4核心提昇可總結為兩點：一點是基本智能水平提昇。舉例說，GPT3.0在全球多項考試中排名在倒數10%，而如今GPT-4在這些考試中能夠戰勝90%的人類，這種進步源自於數據訓練和參數的積累。另一點是多模態模型，ChatGPT過去只能文本交流，現在用戶可以發張圖片給ChatGPT，而ChatGPT將以文字回應。另外，GPT-4的參數量是GPT3.0的10倍，參數達到百萬億級別，這為GPT-4的用戶體驗優化提供了保障。

　　識圖能力應用前景廣闊

　　之前上市的ChatGPT實質上等同於GPT3.5，未來，GPT-4的功能將以plus訂閱的方式開展。新版本激發了用戶熱情，付款訂閱渠道一度被擠爆。但實際上OpenAI在技術上仍有保留，外界不禁感慨：OpenAI到底領先對手幾個身位？

　　之所以說OpenAI保守，主要是兩個原因：

　　其一是ChatGPT在去年底推出的時候本身是舊版本，很多人發現ChatGPT無法回答2021年以後的問題，原因是ChatGPT2021年就發布了GPT3.0，而ChatGPT只是在GPT3.0的基礎上略作優化的GPT3.5版本，而2021年以後新數據都去訓練GPT-4，當然就無法覆蓋這部分新知識。而GPT-4其實在2022年年中就基本完成，足見ChatGPT的發布是一個保守做法。

　　其二是GPT-4也是有保留的。原因是OpenAI有另一個熱點AI產品，也就是DELL-E2。DELL-E2的功能是你輸入一段文字，它生成一張圖片。而GPT-4的功能是，你輸入一張圖片，它生成一段文字答案。如果兩項AI功能結合，GPT將同時獲得圖片理解能力和圖片表達能力。可以說NLP自然語言處理只是OpenAI在人工智能領域的一塊業務，未來整合旗下的多個AI，功能內容還將進一步豐富。

　　當前GPT-4的識圖能力應用前景也非常廣闊。比方說醫學影像資料本身是圖片，未來普通人可以通過ChatGPT來實現醫學影像自檢，自己發現疾病。當然，這只是其中一項可能性。在很多行業領域，看懂圖片是需要專業能力的，而GPT-4降低了這種識圖門檻，比如醫學影像、設計圖紙、數學模型等，讓普通人能夠通過AI輔助介入到專業領域當中，所以GPT-4未來很可能成長為生產力工具。

　　國內企業要“結硬寨”

　　中國大模型生成式AI企業怎麼辦？

　　首先，國內生成式AI企業要走積累的路子。生成式AI需要持續大規模算力投入，微軟為GPT提供超過3萬張A100芯片的算力支持，一張A100價格要20多萬元人民幣，而算力訓練每次都要消耗大量能源。GPT-4百萬億的參數也需要投入大量人力財力來完成積累。而在數據方面投入的價值也很高，GPT從一 開始就重視“小數據”，也就是高質量數據，而高質量數據是GPT領先於其他生成式AI的核心競爭力。與之相對應的，數據質量提昇是需要錢的。綜上可以看出，算力、數據、算法調參這三個方面，OpenAI前期燒錢的規模是海量的，而GPT-4也是一步步技術積累的最終結果。所謂臺上一分鍾，臺下十年功，一點也不誇張。

　　其次，國內生成式AI企業要在基礎科學上做積累。大模型算法的道理並不復雜，復雜的是算法細節，自從微軟收購OpenAI後，OpenAI的算法不可能開源，所以“等、靠、要”的做法已經行不通，國內AI企業要在算法技術上投入研發，構建中國AI企業自身的算法能力，然而算法的精益也要依靠基礎科學的進步，比如基礎數學研究。所以要積極在學術上加強投入，而不應該僅僅聚焦在應用科學層面。

　　再者，國內生成式AI企業不要盲目地推出對標產品。前車之鑒就是谷歌，在OpenAI推出產品後，谷歌匆忙應戰，結果發布會的若乾個小瑕疵導致谷歌股價暴跌。國內生成式AI企業要清楚認識到，這一次ChatGPT的成功和過去其他概念有所不同，其成功基礎在於用戶的認可，用戶是會拿著ChatGPT和其他競品比較的，這就讓後來者實際上更難做，要求也更高。如果生成式AI方面沒有達到ChatGPT的效果，則往往會暴露自己能力上的短板。反過來說，國內生成式AI企業也可以另闢蹊徑，GPT-4並不是萬能的，在其短板領域完全可有一番作為。

　　綜上，國內AI企業還是要重視積累，包括參數積累、數據訓練積累以及算力積累。科技的道路，彎道超車的機會有，但不多，諸如新能源車我國就實現了彎道超車，但大多數科技領域開展的是陣地戰，要嘗試“結硬寨，打呆仗”的做法，夯實中國生成式AI發展的基礎，推出成熟度較高的產品。