一、ChatGPT会给行业带来怎样的影响？
AI技术的“乐高化”会让迭代速度越来越快
戴雨森真格基金管理合伙人
从ChatGPT中，我看到新一代的AI技术随着不同组件走向成熟，已经进入“乐高化”的趋势。比如，我可以在ChatGPT里生成适合Midjourney的prompt，把多个AI应用打通来使用。当技术出现“乐高化”的时候，意味着迭代的速度会越来越快，原来需要单独开发的部分变成了公用的、可复用、可调用的组件。
互联网底层技术“乐高化”之后，应用开发者的门槛不断降低，所以迎来了消费互联网创业的大爆发。我相信AI领域的创新也走在这个阶段。
很多人也在诟病ChatGPT会胡编乱造事实，的确是这样。我认为目前AI更适合需要创意而非需要精确的商业模式。例如需要对生命负责精确度的L4自动驾驶商业化应用的进度就比较慢，而ChatGPT很适合需要打草稿和找创意的行业。一些我认为已经做到“经过简单修改可用”的例子包括：
1、为程序员编程和debug提供帮助；
2、为公司起草招聘启事、Offerletter，活动预告等日常文本；
3、跨境电商等跨语言的商品描述和客户服务；
4、帮助文案策划从不同的角度寻找论点和思路。给ChatGPT一个观点，他能够帮助从正反给出几个不同的论点；
5、帮助创意人士进行头脑风暴。例如我尝试用ChatGPT生成虚拟世界里面怪物的描述，写得很好。
应用成本降低后，ChatGPT类产品会颠覆未来
Peter刘欣旸Magi创始人
ChatGPT可能带来标注服务的创业机会
包英泽跳悦智能创始人兼CEO
如果ChatGPT也是依赖大量人工标注，似乎就产生了一个新的范式：AI产品前期都会有一个人工重度参与的过程。一个投资的机会就在于提供标注服务。
比如，中国各行各业不可能直接用现有ChatGPT的标注。想用中国版ChatGPT的企业，都需要花很多钱比如500万请100个人标注。为大模型做人工标注冷启动，可能会变成一个生意。纯粹追求不用标注员，就做一个能结合场景的大模型，会变得越来越少。想用大模型，前期必须有重金投入做标注。
ChatGPT是否能帮助未来AI对人类情绪的猜测
代码家真格基金投资副总裁
如果标注者能够训练出人们预期的文字的数据，未来能不能继续拓展？例如，如果我想要用标记者的方法来训练符合人类预期的情感类的输入输出，或对于某些垂直领域更多专业知识，会不会达到更好的效果？
也就是NLP会脱离文本本身，它用ChatGPT的训练方式能够训练出来更多更情感化的东西。这次大家看到它生成了很多创造性的内容，它其实本身就是一个内容的创造者，能不能衍生和泛化到更多更抽象的东西上？
未来当你说话的时候，用标记者这个方式去拓展，它可能能够用大量的数据来猜测你的情绪。虽然过去有很多情绪上的猜测，但很多还是基于文字本身以及视觉（比如看脸的动作，眉毛的抖动等）。标记者这种方式能不能用一个更泛化的方式去猜测情绪，把对人的理解提升到一个新的维度？
如果ChatGPT能继续“模糊地问答”，会提高到新层次
现在我觉得ChatGPT的问答，更像学术论文式的交流，比如你问：XXX病毒是什么，起源是什么？ChatGPT可以严谨给出学术回答。但是，普通人与人之间的互动其实是“一个模糊地提问，对应一个模糊地回答”，但结果是可以统计量化的。
我们需要积累大量的数据，让AI能用一种模糊的回答对应到一个模糊的问题，促成商业化的结果。这要么需要花费大量资金做数据标注，要么做一个形成数据闭环的产品。在中国的商业化场景落地，需要ChatGPT的数据再提高一个层次。
中国AI在应用层面上领先于海外
刘超一面数据联合创始人
在技术上面坦白讲，在中国的AI的技术应用是领先于国外的。这点也许大家认知不一样，但根据我们过去5年的经验来讲，很多海外企业都把中国的AI应用场景翻到国外去；很多创业者做的事情也是把场景场化的AI迁移到海外去。
落地的时候，可能中国比国外要快一些，因为试错成本要比国外要便宜。伴随着ToC端的发展，我觉得可能全球网络的监管会变得更谨慎。
二、惊喜过后，ChatGPT面临怎样的挑战？
数据集的更新是一个有待解决的问题
Peak季逸超Magi创始人
ChatGPT对我来说是非常震撼的新的科技，最直观一点就是这个模型知道自己什么东西不知道。但是从一个knowledgegraph（知识图谱）和searchengine（搜索引擎）从业者的角度来说，我觉得目前它仍然存在一个比较大的问题。
举一个例子，如果大家玩游戏可能知道，上个月宝可梦系列发售了一个新作《宝可梦:朱/紫》，如果你问ChatGPT关于《宝可梦:朱/紫》的信息，它会直截了断地告诉你，宝可梦系列里没有这个游戏，这是网友瞎编的不要去信。
这是因为ChatGPT用的是截止到2021年第四季度的语料去训练的，这个模型是静态的，训练完的那一刻，所有的信息都被这些参数以某种人类无法理解的形式保存在这个模型中了，它对这个世界的认知也就停在那一刻。
随着轮次的增加，回答的性能会下降
相较于ToB端，更适用于ToC端的内容创作
我们公司是做ToB的，之前也给很多大的公司做过一些AI语料，用来做企业数据服务。在ToC端，它的内容创作、营销或对话上是好的，但在ToB端，它可以被理解为一个非常废话的回答者，ToB端的人往往不太会喜欢这种东西。
但它确实是在迭代的，对于反复回答的体验是有质的提升的。所以我们也很关心未来会有怎样的技术发现，或者通过更多labeler的加入，让它的话题质量继续提高。如果数据端的质量能搭配上，以后可能会出现更多的ToB端的应用。
ChatGPT缺乏严谨计算推理的能力
林东生悉之智能算法负责人
我们公司主要做的是数学自动解题，当ChatGPT出来后就紧锣密鼓做了尝试。数学是一个很严谨的事情，错了就是错了，没有任何可商量，不可能让它有随机性。这其实就是大模型在强逻辑推理情况下比较难受的点。相较于大模型，我相对更坚定地用小模型去做数学解题，一定程度上对端到端能够“完美地完成数学求解”不抱期望。
第一，训练之后，整体的求解思路其实都是对的（主要是初高中的数学非应用题），讲解过程也像模像样。但是对于数学严谨推理来说不太能应用，经常一遇到计算就开始胡说八道，中间的计算过程一旦错了，后面的思路就开始出现偏移了。
图中两道数学题仅仅是一个数字的改变，左图正确求解，右图的结果却是错误的
另一个很有意思的是，感觉ChatGPT在应用题的表现是好于非应用题的，测试的过程中ChatGPT对于常识的表现是很惊艳的。在数学解题领域，如果它对于语义理解的要求高于对计算的要求的时候，在短期而言能达到的效果其实是更好的。
ChatGPT还需要其它专项性更强的AI模块的支持
陈郢十荟团创始人
我最近有什么不懂的问题，就开始在ChatGPT上问，它很快会给我一些回答。我觉得作为一个私人助手来讲，不管是帮我学习和了解一个东西，还是一个工作上的助手，它现在已经是合格的。作为一个工作助理，已经很接近一个有价值的产品了。
当然，ChatGPT作为一个自然语言模型，它的专业能力不是很强，在数据真实性、严谨性、复杂专业问题的处理等各方面，还需要其他AI模块的支持，如OpenAI自己的Davinci，WebGPT等。作为一个工作助理来讲，我觉得理想搭配是ChatGPT作为自然语言的交互界面，同时背后有其他专业领域的AI的支持。
大模型训练的成本高，用户付费意愿有待挖掘
宋嘉伟笔神作文CEO
我们目前在商业产品中还主要在用小一点的模型，大模型训练一次的成本对于创业公司来说太贵了。我们的APP里有一个AI自动批改作文的功能，就是用Albert来训练的，而模型的推理放在阿里云上。因为我们用户量比较大，所以还是要尽量转成CPU可以跑的模型才敢上线正式服务，否则从商业角度考虑，成本会超过收益。
另一方面是C端的付费意愿还不够，每一个用户到底愿意为一个更加聪明的AI多付出多少成本，这个商业的假设还有待挖掘和验证。
三、中国创业团队会有怎样新的创业机会？
将这样的大模型应用在缺乏训练样本的垂直领域
我认为大模型最大的能力在于，以后对数据或者对inhouse的labeler的要求会越来越少。这提供了一个新的思考方向，当我们要为某一个垂直领域服务时，如果这个垂直领域缺乏训练样本的数据，这时候可以多往大模型方向去想一想，转化成一个zero-shot或者对话式的问题。
给未来虚拟世界带来因人而异的体验
这次AI的进化，其实能够很大幅度地降低创作的门槛。不论是AI生成图片，还是AI生成内容，让以前有想法但没有办法的人把想法实现掉。我们也观察到一些AIGC的团队，尝试着让用户去编写有意思的内容、驱动的故事情节，又可以观看，又可以体验。
其次，我觉得它有可能会给未来虚拟世界带来因人而异的体验。大家玩游戏的时候经常看到NPC都是一模一样。NPC，如果它有很强的对语言的理解，我是不是能走到NPC面前主动地说话，它可以主动地回复我，我们俩可以有不同的交互，但最终达到类似的目标，我觉得这里会有非常多创业的机会。
AI能够以辅助的身份弥补人的机械能力
孙宇光真格基金投资经理
拿游戏来举例，大家如果之前玩过RTS游戏知道你要有很强的大局观，同时你要有特别强的操作能力。为什么RTS衰落了？一个主要原因是因为它的操作门槛太高，对普通人上手难度太大。
所以AI在这里我觉得会有一个方向，无论下棋时通过脑子去硬算，还是打游戏用键鼠快速的操作，其实都是一种劳力。在早期可能没有好的工具的时候，“劳力”是乐趣的一部分，或者是区分人与人水平的一部分。但是当我们现在用辅助工具之后，一定程度一定是让游戏变得更好玩的。AI会识别你的个人的模式，把模式转变为你的一种能力。
AI可能会以mentor的身份出现
AI可以作为mentor存在，mentor本身要比你懂得更多，它才能成为你的mentor，AI的mentor到底长什么样子？它学了足够多的东西，它能收集到你足够多的反馈，它引导你成为更厉害的自己。我觉得玩家其实是很愿意有一个AImentor去带自己。
如果再把这个东西泛化一下，未来会不会有一个AI的mentor引导你学瑜伽，引导你学数学。
从ChatGPT看商业拐点的重要性
可以说在GPT发明之前，NLP这件事似乎没有什么可用的。尽管GPT-3出来时大家觉得很震撼，但因为多轮对话的不可用，导致它的作用其实不大。
所以我觉得第一点，我们要尝试去找指数增长的拐点。因为一个新技术刚出来的时候，你去投资，你去做，其实风险都很大。互联网的拐点也差不多是在95年左右发生的，但是其实互联网是80年代出现的。在拐点的时候其实弹性是最大的，投资也是有大机会的。
第二点，从新技术来说，往往要先做那些人类目前还不是那么熟练的地方，要做那些对精确度要求不是很高的地方。为什么自动驾驶做了这么久，现在还是很难产出商业价值？第一是因为它对精确性要求非常高，一个新技术你一上来就要求精确性其实蛮难的。第二是驾驶是人类已经很普及，且日常使用频率很高的技能领域，如果要把这个领域直接替代掉，阻力会很大。
但是ChatGPT属于创造性比精确性更重要的领域，比如你让它去写一个营销文案或者招聘启示，它可能有些事实错误的地方，但你改改就没事了。所以它的这种特点，就导致像已有的Copilot、Jasper.AI这种没有多轮对话的生成型AI，都已经能获得不错的商业化收入。
第三点，不同的人对新技术出来的态度还挺不一样的。我基本上看到对ChatGPT的态度是挺二元的，有的人觉得特别革命，也有人说这其实也没什么。我觉得对待新技术的态度还是要往前看，很多颠覆性的技术出现时，比如iPhone出来的时候，也有很多传统做手机的人说这个也没什么。因为很多时候都是身在此山中，有的时候要用自己置身事外的直觉来看。
过去的很多技术其实基本原理都在，但是你没有用“用户能够去用”的包装来打包，就导致会觉得技术上没什么大的突破。在这个过程中，我自己的感觉是ChatGPT确实是这几年来见到最惊叹的一个技术突破，不只是惊叹于它的难度本身，而是它真的到了一个“对于普通人友好”的阶段。我觉得这点是很重要的，在这个时候，真的能基于此产出大量的应用。