ChatGPT：AI产业化面临的困境与挑战

ChatGPT作为AI圈的新晋“顶流”，在全球二级市场内掀起热潮。Pitchbook数据显示，自2020年以来，VC对生成式AI（人工智能）的投资增加了425%，达21亿美元，其中6家估值超过10亿美元，Jasper等企业年收入超千万美元。国内二级市场方面，自今年春节至2月初，汉王科技、海天瑞声、开普云等概念股的市值已累计上涨近1400亿元（人民币）。

但是，一切高光背后，作为生产力工具的ChatGPT仍面临商业模式落地困难和资金需求的烦恼。有业内人士称，“ChatGPT是科技内卷的一种体现，其目前对C端的探索仍然很迷茫。”ToB不是刚需，ToC没有场景。可以说，ChatGPT的持续热度是依托于大模型（Tansformer）的技术红利，而大模型是整个AIGC领域的基础。早年AI业界更看好成本低更易实现商业化的小模型、小算力。2017年，大模型路线逐渐成为国内外行业巨头的发展共识。但成本与资金问题一直困扰着整个AI行业。目前，可面向ToB的业务并不少，例如辅助医疗领域进行线上问诊、金融领域的客服服务、创作领域的数据收集等。但若要实现某个领域的商业化落地，需根据不同领域的业务需求定制AI模型，有调研数据显示，约86%的市场需求需要对特定的业务场景进行AI模型定制开发。而训练并二次开发一个新模型的算力、资金、人力等成本都很高昂。

据美国《财富》杂志报道，过去7年中，ChatGPT背后的OpenAI公司累计获得投资40亿美元，然而在2022年，OpenAI公司预计全年总收入为3600万美元，净亏损总额达5.45亿美元。投资银行摩根士丹利（MorganStanley）的一份分析报告则显示，ChatGPT的一次回复成本大约是谷歌搜索查询平均成本的6-28倍。有业内人士表示，对于产品化而言，成本相较于人工没有优势，与企业达成合作的流程繁杂，下游企业接入AI模型的成本高，很多场景也不是刚需。对垂类领域的企业而言，市场空间相对狭窄，该领域供应商竞争也更激烈，由于AI生产过程难以标准化且通用性低，企业的研发投入与商业成功间普遍存在不平衡，即使这个成本再缩减10倍，也难实现商业化。

ChatGPT的持续热度是依托于大模型的技术红利，而大模型是整个AIGC领域的基础。未来商业化场景落地需要时间和探索，人机交互是一场正在发生的工业革命，锚定细分产业，如果让其服务于真正适用的行业是创作者团队仍需思考的问题。

法律风险和立法难题也是ChatGPT面临的挑战之一。生成式AI的进步也对应着法律风险增加，ChatGPT的出现已快速衍生出需求业务链条，例如代写、代注册、编写代码、图像生成等。此外也有恶意使用者利用ChatGPT进行网络犯罪。ChatGPT还存在个人隐私权保护风险、编造谣言风险，而最直接的冲击是知识产权。关于ChatGPT生产过程中抓取互联网信息是否存在知识产权侵权，是否能成为创作主体的问题，需要根据相关爬虫/爬取协议，来判断是否侵权。AI生成物可能会产生著作权，但AI（作为工具）不能被认定为创作主体。

未来或将替代流程化工作岗位从技术层面看，ChatGPT是一种AI聊天机器人模型，其中的“GPT”是“生成式预训练转换器”的缩写，“生成式AI”通过深度学习人类语言输出语序自然的新内容，本质是对生产力的提升和创造。技术的进步可能会对个别职业造成冲击，或是打破旧的工作模式从而被更高效的新模式替代。随着科技进步，一些成本高且需处理大量信息和标准化流程的基础工作，或将被拥有强大学习归纳能力的ChatGPT取代。这种流程自动化也将辅助人类缩短信息数据的整合时间。例如会计行业，部分繁杂的数据计算、统计、分析可交由ChatGPT完成，以此节省时间成本避免重复性机械化消耗工作。据路透社报道，由OpenAI管理的投资基金支持的人工智能初创公司HarveyAI已与世界上最大的律师事务所之一合作，将一些法律文件的起草和研究自动化。

科技创新是必然趋势，随着通信和技术的不断进步，算法能力持续走高势必会对硬件实力提出更高的要求，对中上游技术支持侧的推动具有良好意义。未来商业化场景落地需要时间和探索，人机交互是一场正在发生的工业革命，锚定细分产业，如果让其服务于真正适用的行业是创作者团队仍需思考的问题。未来或将替代流程化工作岗位。