百度文心一言能否与ChatGPT一战 李彦宏还没给出答案
毕舸
随着ChatGPT的爆火，以及3月15日凌晨，OpenAI正式推出GPT-4，国内AI企业能否一战，也就成为热点话题。3月16日下午，百度召开新闻发布会，主题围绕新一代大语言模型、生成式AI产品文心一言。从现场展示来看，文心一言某种程度上具有了对人类意图的理解能力，回答的准确性、逻辑性、流畅性都逐渐接近人类水平。但百度CEO李彦宏也坦承，这类大语言模型还远未到发展完善的阶段，有赖于通过真实的用户反馈而逐步迭代。
ChatGPT的爆火，让其背后语言模型——GPT也受到市场广泛关注。以OpenAI新推出的GPT-4为例，其为多模态大模型，与此前ChatGPT所用的模型GPT-3.5相比，它的文本处理量扩大至2.5万个单词，还能处理图像内容。在用户同时输入文本和图像的情况下，能够生成自然语言和代码等文本。
ChatGPT背后的大规模预训练模型GPT-3.5，以及GPT-4，都需要长时间的投入，包括算法、算力、数据等多维度的“喂养”。GPT-1训练参数量为1.2亿个，数据库规模为5GB；GPT-2训练参数量为15亿个，数据库规模为40GB；GPT-3训练参数量飞跃至1750亿个，数据库规模达到45TB；GPT-4训练参数量据传达到100万亿个。
相比之下，百度方面表示，文心一言大模型的训练数据包括万亿级网页数据、数十亿的搜索数据和图片数据、百亿级的语音日均调用数据，以及5500亿事实的知识图谱等。
但有意思的，发布会开始后，百度集团股价出现持续下挫，跌幅一度达到9%。也在一定程度上说明，目前大家对于百度类GPT产品仍持谨慎观望态度。
这其实也可以理解。大语言模型指向资金、算力、数据等各方面的大投入，训练一次GPT-3所要消耗的成本高达近8400万元人民币；标注数据方面，在模型训练第一步，OpenAI雇佣标注师对1.3万条数据进行人工回答，在第二部分则需对模型给出的3.3万条答案进行排序。
此外，该技术还依赖高性能的GPU芯片所建成的GPU服务器集群，中国（深圳）综合开发研究院 数字战略与经济研究所所长对此称，业内的公认说法是，1万枚英伟达A100芯片是做好AI大模型的算力门槛。目前我国厂商拥有的GPU主要是英伟达中低性能产品（如英伟达A10），拥有超过1万枚GPU的企业不超过5家，其中，拥有1万枚英伟达A100 GPU的企业至多只有1家。
更为重要的是，OpenAI从2015年发展至今，除了获得巨额资金，投资方也没有急于要求其尽快商业变现，这使得OpenAI能够以庞大的技术团队，专注于其大预言模型的持续迭代。
这也说明，当科技研发进入类似于生成式AI的“无人区”，除了先行者的眼光与冒险精神外，来自大后方的支援也必不可少，包括资金、人才等方面的共济，更在于政府、投资界和企业家形成共识，注重长周期投入、强化技术研发的前沿性和引领性，允许试错和失败，而非将短期盈利放在首位。
而国内AI企业与之间的差距，或许恰恰体现于这一点上。无论是长期以来重商业创新、轻基础技术创新，还是一窝蜂追风口，都可能造成国内AI企业在核心技术领域的底盘不稳，乃至于在重大技术研发关口错失机会，从而被国外竞争对手甩开差距。
当然，百度被公认为国内投入AI研究最多、时间最长的企业之一，近年来我国AI企业还涌现出不少独角兽。此外，我国在算力、数据、应用层场景等方面也有着自身优势，但国内AI企业仍需加快补齐底层技术短板。同时，政策层面也应加大支持，既鼓励百度、阿里、腾讯等大型企业在大语言模型的持续投入，也为众多中小型企业在垂直领域“小模型”的研发与应用上提供广阔发展空间。
OpenAI总裁格雷格·布罗克曼称，公司正在测试GPT-4高级版本，是普通GPT-4储存内容能力的5倍。显然，面对OpenAI等一众国外企业现阶段的领跑，国内AI企业当沉下心来，以五到十年为周期，以长期主义换“长赢”。