生成式人工智能是什么意思-生成式人工智能：走在改变世界的路上

很少有技术像生成人工智能那样受到如此褒贬不一的评价。 所谓生成式人工智能（AIGC）是指能够根据提示生成文本、图像或其他信息的人工智能系统。 去年11月诞生的ChatGPT就是其中最知名的代表。

支持者认为它与互联网、印刷术和电力的发明一样重要。 微软联合创始人盖茨表示：“人工智能有能力改变世界。” 担心者认为这是“未来人类文明面临的最大风险之一”。 特斯拉首席执行官马斯克推测，它可以控制甚至摧毁人类文明。 不屑一顾的人认为“它的智商连狗都不如”。 图灵奖获得者杨立坤断言：“5年内，没有人会使用ChatGPT。”

在这篇文章的写作过程中，记者要求ChatGPT写一篇介绍生成式人工智能的文章。 它生成的文章标题反映了人类爱与恐惧的复杂情感——“释放生成式人工智能的创造力：改变技术并对人类提出威胁”。

兴奋与困惑

对生成式人工智能的追求源于其超越人类期望的能力。 ChatGPT 所基于的大型模型 GPT-4 在各种测试中的表现令人惊叹：成功通过统一律师考试，得分高于 90% 的人类考生； 参加生物奥林匹克竞赛，击败了99%的人类候选人； 在艺术史、生物学等课程的大学考试中名列前茅。

对生成式人工智能的恐惧源于对它的困惑——它的能力从何而来，就连它的开发人员也不完全了解。 这与过去的程序完全不同，在过去的程序中，程序员在开始编写代码之前就已经在脑海中进行了设计，解释了机器将要做什么。 但人工智能所基于的机器学习模型本质上是一个“黑匣子”，研究人员并不完全知道它是如何生成内容的。 复旦大学大数据研究院教授赵兴表示：“人们将数据放入模型中，但对结果没有明确的预期。” 显而易见，在技术层面，生成式人工智能存在内生的不一致性。 肯定。

无论人们对生成式人工智能的态度如何，它的流行是不争的事实。 ChatGPT 上线两个月后，月活跃用户达到 1 亿，成为历史上增长最快的应用程序。 继ChatGPT之后，中美各大科技公司相继推出了自己的生成式人工智能产品。 PitchBook数据显示，仅2022年，生成式人工智能赛道就有78笔投资，融资总额超过13.7亿美元，几乎相当于过去五年的融资总额。 据ResearchandMarkets预测，2020年至2024年全球数字内容市场将增长5198.3亿美元，年复合增长率为15%。

自iPhone问世以来，人们对新技术改变行业的能力从未如此有信心。 云计算公司也纷纷效仿，开发并销售基于大型模型的产品； 电子商务公司希望利用生成式人工智能来改变他们的商业模式； 社交媒体平台上充斥着机器人撰写的帖子……

面对生成式人工智能可能带来的风险，监管和监管的呼声逐渐增多。 意大利数据保护局3月31日宣布暂时停止使用ChatGPT，并已对ChatGPT涉嫌违反数据收集规则的行为展开调查。 欧洲数据保护委员会4月13日表示，正在成立一个工作组，帮助欧盟国家应对ChatGPT，促进欧盟国家之间的合作。 4月11日，我国国家互联网信息办公室发布《生成式人工智能服务管理办法（征求意见稿）》，拟规范我国生成式人工智能的开发和应用。

改变生产逻辑

人们对人工智能的认识已经被重塑。 国内咨询行业的一位从业者告诉记者，2023年业界讨论的人工智能与2022年讨论的人工智能已经不一样了。之前，人工智能行业更多的是基于算法构建知识图谱，但之后2023年，人工智能将意味着关注大模型、生成式人工智能和自然语言交互。

事实上，这种定义的改变意味着未来人类生产模式逻辑的改变。

一方面，生成式人工智能可以加强人工智能技术对传统产业的融合、渗透和改造，提升质量和效率。 中国银行研究院人工智能行业研究员刘晨告诉记者表情包设计，正如ChatGPT已经可以提供智能咨询、稿件撰写、代码编写、翻译等基础工作一样，生成式人工智能也可以涵盖诸如如文本、音频、图像和视频。 模态，还可以进行跨模态生成，从而赋能各个细分行业提高生产力。 未来，从感知到认知，人工智能的创造能力将不断增强，走进人类日常生活，赋予万物智能。

另一方面，与专业生成内容（PGC卡通人物，ProfessionalGeneeratedContent）和用户生成内容（UGC，UserGenerateContent）相比，生成式人工智能成本更低，内容更丰富。 人工智能实现了从筛选、推荐到内容创作者的角色转变，将成为新一代全行业生产力工具。

以OpenAI为代表的新技术路线采用千亿参数的大模型训练，在理解需求时会更接近人类思维。 例如，过去我们在与智能音箱交谈时，经常会遇到语音助手表示不知道的情况。 这是因为其背后的知识图谱是相对静态的。 未来，在生成式人工智能技术的支持下，智能音箱可以根据外部信息进行综合判断，并以概率的方式给出答案，这更符合人类与世界交互的特点。

此外，生成式人工智能也有望加速数字内容创作、元宇宙、虚拟人等新兴领域的发展。

国内人工智能热点转移

近六个月来，国产大车型备受关注。 大型模型（LLM）是指具有大量参数的机器学习模型，可以在训练过程中处理大规模数据集。 大型模型用于构建 GPT 等生成式人工智能模型。

3月16日，百度推出搭载文心大模型的文心一言对标ChatGPT。 百度称文心一言为“新一代知识增强大语言模型”，具有基于人类反馈的增强学习、知识增强、检索增强和对话增强的能力。

继百度之后，一大批巨头公司跟进，发布了大型车型。 4月8日，华为更新盘古模型。 4月10日，商汤科技推出SenseChat。 4月11日，阿里巴巴上线统一钱文。 之后，360、字节跳动、科大讯飞、京东、腾讯、美图……几乎所有中国互联网巨头纷纷倒下。 对于互联网巨头来说，这场“大模战”是不得不打的，因为这直接关系到市场对企业发展前景的判断。

放眼全球，中国在大型车型的数量上绝不落后。 据科技部人工智能发展研究中心5月底发布的《中国人工智能大模型图谱研究报告》显示，已发布79个参数规模超过10亿参数的国产大模型，“百模大战”之势强劲。

与市场的热烈反响相反，国产大车型的使用体验却未能让所有人惊叹。 对于目前国内人工智能技术发展最快的百度来说，还存在很多不成熟的领域。 市场反映较多为“还算满意”。

在训练数据方面，国内大型模型与ChatGPT也存在一定差距。 极客圈推测文心一言的数据大小在 4TB（太字节）左右，而 ChatGPT 则推测超过 45TB。 业内人士认为，虽然不少企业宣布进入大模型，但通用大模型距离实际应用还很远。

国内生成式人工智能仍在路上

人工智能赛道的这次切换来得突然，国内很多大型模型还没有完全训练好。 人们现在看到的ChatGPT其实是多年积累的结果。 2019年，当OpenAI创始人Sam Altman完全接管公司时，OpenAI的资金链濒临断裂，几乎没有业界看好通用大模型赛道。 由于当时此类大型模型的应用场景并不明确，支持这种量级的大型模型产品成本非常昂贵，这对任何公司来说都是一个巨大的挑战。

随后的故事就为世人所熟知。 微软斥资数十亿美元成功“喂饱”了ChatGPT，重新燃起了人们对大型模型的兴趣和期待。

目前，我国在计算机视觉、智能语音、自然语言处理等人工智能应用技术领域发展迅速，但底层算法理论、开发平台等基础技术领域发展步伐缓慢。 刘晨认为，这很大程度上是由于我国在基础技术领域的科研实力仍然不足，缺乏低层次技术人才储备。

6月中旬生成式人工智能是什么意思，中国工程院院士、我国通信领域权威专家邬贺铨公开表示，我国从事人工智能研究的技术人员并不多，但仍有缺乏具备建筑设计能力和生成式人工智能数据训练的人才。 。 AIMiner发布的2022年全球人工智能领域最具影响力学者排行榜中，美国在机器学习领域顶尖科研人员数量上占据绝对优势，位居全球第一，而中国仅排名第四。

这使得基础技术在生成式人工智能国产化过程中面临从研发到实际应用的一系列困难。 刘晨举了一个例子。 以Fei Paddle为代表的中国深度学习框架正在发展成为更适合行业需求、更受中国开发者欢迎的开源开放平台。 但由于基础能力不足，一项技术从实验室到产业化实施，至少需要3到6个月的时间。 国产框架的技术和功能体验无法满足开发者的需求，将难以培育繁荣的人工智能开发和应用生态。

也许生成人工智能有多受欢迎并不那么重要。 只有从源头抓起，才能真正在人工智能技术浪潮中掌握主动权。

本届世界人工智能大会上，不仅有30余款国内外大型机型亮相展会，包括百度文心一言、商汤日日心、科大讯飞Spark、华为盘古、清华大学ChatGLM、复旦大学MOSS等生成式人工智能是什么意思，还设有主论坛和分论坛，重点讨论大模型技术演进、评价标准等基础问题。 华为等一些企业宣布将发布大模型训练与推广一体化解决方案，帮助解决大模型开发应用中成本高、周期长、技术难度高等行业痛点。 这些努力将推动国内大型车型更好夯实基础、协调发展，共同构建完整的发展生态系统。