关于 chatGPT 的几个预测

network

关于 chatGPT 的几个预测：
１.　chatGPT 现在提供每个月 20 美元的付费服务，称之为 chatGpt plus. OpenAI 积累了两到三个季度的营收数据后，可能到 2023 年底筹划上市。2024年上半年上市后，市值很快突破五百亿美元，甚至有可能突破一千亿美元。
２.　这种估值靠谱吗？有个数据可以比较：微软 2016 年以二百六十亿美元的价格收购 LinkedIn. 后者被微软收购后，在 2021 年的年收入就达到一百二十亿美元 (以上数据来自笔者对 chatGpt plus 的问询.  OpenAI 被用户追捧的热度和产品发展的潜力，显然要大于 LinkedIn.有了微软的销售渠道，收入和利润潜力的想象空间，显然也要大很多。这里的关键是，当下的营收数据没有那么重要，只要能够显示出强劲的市场需求和增长，只要有投行愿意画大饼，有足够多热钱愿意为之买单，就完全可能在短期内支撑这样的市值。
３.　openAI 如果成功上市，在　２０１５年的原始的几家风险投资机构回报颇丰，可能达到 50 -100 倍以上，他们拿着这个业绩去四处吹嘘，向机构投资者融资，　建立新的更大的几十亿美元级别，专门投资人工智能和相关应用的基金。
４.　微软　（ＭＳＦＴ）　，英伟达　（ＮＶＤＡ），台积电　（ＴＳＭ）这三家公司是这波浪潮的直接受益者。英伟达　2021 年在 GPU 市场的份额超过 80%, 台积电 2021 年在全球晶圆代工厂的市场份额超过 50%.


5．微软是 openAI 的股东之一，和　openAI 有比较复杂的利润分成协议，但基本上在 chatGPT 的问题上，可以把他们两家看成是一体的。微软会把此技术和其生态内其它工具如 bing, edge 等等牢牢绑定，帮助建立用户习惯和依赖性。并且给其它各类软件服务运营商提供付费的　chatgpt 定制软件服务，扩大生态圈的影响力。微软有先发优势，规模成本优势和渠道优势。对于大多数用户和软件服务商而言，投入微软的怀抱，将是阻力最小的选择。


6.　chatGPT 语言模型的生成，是在 64  个Nvidia v100 GPU上面培训完成。一个 v100 GPU 市价在 2023年二月，根据不同设置从4000 到两万美元不等。光在GPU 上面的花费，就至少要二十五万美元起步。这还不包括需要获取海量的数据用于培训，软件工程师调算法模型等成本。　chatgpt 本身也在不断进步，创业公司要想另起炉灶和微软展开军备竞赛，GPU 的投入是不能省钱的。Nvidia 的销售人员也一定会给你足够多的鼓励。人工智能的风投基金，最后相当比例的钱一定会去购买　Nvidia 的 GPU ；这正如 web2 风投的钱，相当比例去谷歌脸书打广告 ；web3 风投的钱，相当比例去以太坊上变成 gas 烧掉。


7.　人工智能的本质，就是做大量的矩阵乘法计算，这是大学里线性代数的必修课。如果要把军备竞赛升级，那就要去做自己的专用人工智能芯片，做一些专门的优化，以期待在算力成本上超越现有的　GPU．谷歌搞了自己的 TPU，特斯拉有　ｄojo．但要在单位算力成本上超越年收入两百亿美元的 Nvidia，就一定要有巨大的规模，这是普通小公司无法参与的游戏。不管谁做自己的专用芯片，最后大概率会投入台积电的怀抱。台积电在亚利桑那州建造的晶圆代工厂，一定要忙死了。

network

我所了解的 ChatGPT：二次开发；有何限制；对未来的影响

• 前言
• OpenAI 的服务
  
  • 注册
  • 绑卡
  • GPT-3 与 GPT-3.5
  • 我的进展
    
• ChatGPT 的限制
  
  • 4097 tokens
  • 听起来有理有据，但其实错误百出
  • 还没有真正的智能，也无法持续学习
    
• 哪些未来更可期？
  
  • 老年人陪护（x）
  • 语言类，翻译、文书等
  • 用户界面
  • AI 公司的未来
    
• 我会怎么做？
  
  • 前端怎么做？
    
• 总结
  

前言

ChatGPT 其实去年底就已经在开发界大放异彩，但是圈子之外对它了解不多。春节过后，公关公司开工上班，马上开始紧锣密鼓的宣传，然后就开始破圈，如今已经是整个公共领域，尤其是创投方面最热门的话题。

我最近也接到需求，要开发一个基于 OpenAI API 的小应用，于是开始深入了解。如今应用初步完成，对 OpenAI 的产品有了更具体的了解。再结合之前向做 AI 的朋友请教，并总结自己观察思考，于是想写一篇文章分享给大家。希望未来的 AI 世界我们都不要缺席。

OpenAI 的服务

ChatGPT 是 OpenAI 的一项服务。它的内核是 GPT-3.5。OpenAI 还提供很多其它服务，比如图像生成、文本分析、比 ChatGPT 质量略差的 GPT-3 等。使用这些服务需要一些操作或技巧，比如翻墙——这次是 OpenAI 先动的手。以下是我摸索出的一些经验，希望可以帮后来者省去一些时间。

注册

目前注册 OpenAI 比较麻烦，因为他不向中国用户提供服务，所以必须有国外手机号，并且全程使用全局代理才可以完成。国外手机号可以借用接号平台来绕过，大家可以按需选用；如果有国外的亲朋好友帮忙，就会很容易。

绑卡

如果你只想在网页端使用 ChatGPT，可以暂时不绑卡。如果要使用 API 或者其它服务，就得绑卡。绑卡很麻烦，国内信用卡都不支持。虚拟信用卡比如 Payoneer，只对企业开放，需要资质审查，也不太好搞。

至于我，最后还是拜托国外的亲戚帮忙搞定。目前有三个月的免费期，暂时够我把设想的应用场景跑一遍了。

GPT-3 与 GPT-3.5

大热的 ChatGPT 就是 GPT-3.5，现在只提供网页服务，如果要当成 API 调用，需要一些转换步骤，比较麻烦。从开发角度来说，直接使用 OpenAI API 会简单很多，但是只能使用 GPT-3 模型，质量会差一些。不过看起来 ChatGPT API 已经在登记预约中，猜测很快也会开放，所以先把代码写好，等待开放应该也可以。

目前来看，我认为官方不希望大家偷摸使用 Web 接口，近期可以继续尝试，长远来看最好做好切换到 API 的准备。

我的进展

我目前实现了本地通过 OpenAI SDK 调用服务 API。不过官方 SDK 有些问题，比如因为使用 Axios，无法部署在 Vercel Edge Function，必须放在自己的服务器上。所以接下来我计划做两件事情：

• 尝试不用 SDK，把逻辑直接放在 Vercel Edge Function 里
• 搭建 ChatGPT Web API 环境，以便直接使用更好的服务
  

ChatGPT 的限制

（以下内容感谢 @Gary 指导。）

4097 tokens

GPT-3.5 的最大长度是 4097 token，根据我做 AI 的朋友讲解，汉字=2token，英文=0.5 token。也就是 GPT-3.5 的上下文最多保持 2k 汉字或 8k 英文字符 的内容。所有文本合并到一起发给 AI，AI 给出答案；我们再把新文本续上，发过去，AI 给出新的答案。直到最初的内容被挤出去，产生新的上下文。

这是什么意思呢？比如我们日常交流，都是自带上下文的，跟父母、跟同事、跟恋人说话不一样，也是因为上下文不同。我会跟游戏里的同好聊魔兽世界，但是如果跟父母说同样的话题，他们就会不知所云。这就是上下文的差异。

换言之，我们跟 ChatGPT 对话，用中文，教给它一件事情，累计 2k 字之后，他就会忘记这个要求。要避免这种情况，我们就得每隔一段时间重新教它一次；或者，以编程的方式重构 prompt，添加先决条件，以便维持特定功能。

听起来有理有据，但其实错误百出

我称其为“尬聊之神”。ChatGPT 并不是真的智能，或者说，目前的 AI 实现都在从不同方向模拟人类的智能，也许我们最终会成功，但是现在似乎还有些距离。具体到 ChatGPT 上就是，你说什么，他都会给出回应，但是回应有没有价值，不好说。

尤其在一些绝对的事实方面，因为训练语料的问题，ChatGPT 的表现会比较差。因为对它来说，假的、错的语料，只要语法正确，也是好语料。这方面 Bing 里号称 GPT-4（我对此版本号表示怀疑）的模型表现就会好很多，因为它会结合网页权重，使用更权威的材料。

在编程领域也是如此。因为开源软件的关系，ChatGPT 拥有非常丰富的程序开发知识，可以帮我们解决很多问题，写出很多代码。但是这些代码写得如何、能不能跑起来，还很难讲。所以，能不能把编程的工作丢给它？目前不能，它甚至不具备基于语言特性进行逻辑推导（语法检查）的能力。——但是不代表我们不能用它提升效率、学习技术。

还没有真正的智能，也无法持续学习

前面说过，ChatGPT 可以在保留一定上下文的基础上，与当前用户进行有状态的交流。所以我们也可以教 ChatGPT 做一些事情，比如发出指令：“以后提到日期，都用 YYYY-MM-DD 的格式”。接下来，我们就能把 ChatGPT 当成自动格式转换器来使用。或者，我们可以让它换用不同的语气、不同的语法，改变输出的内容，契合某种风格。比如出名的胡总编模拟器、鲁迅模拟器等。

但这些并不是自我意识与学习，本质上只是 ChatGPT 根据完整上下文合成的文本，而已。有很大的限制：首先我们必须保留足够的上下文，其次我们也没有办法直接把这个状态转移到其它用户。

哪些未来更可期？

ChatGPT 的出现，让大家都很兴奋，我也一样。我们都确定未来可期，但是通常来说，总会有一些未来更可期，另一些未来不那么可期。结合上面提到的问题，我认为有一些领域可能不太好做：

老年人陪护（x）

我有个朋友上一份工作主攻老年人市场，所以他立刻就问，能不能用 ChatGPT 做一款老年陪护软件。

我认为不行。这里涉及到两个问题：

• 上下文限制。AI 会损失大量的历史记录，需要用户花费大量的时间反复训练。对有经验的用户来说，可以通过各种手法优化，对老年人来说，可能会反复经历挫折。
• 不够准确。因为训练语料的问题，ChatGPT 无法保证内容的准确性，如果老年人寻医问诊，可能得到错误的答案。众所周知，AI 不能背锅，这一点也很难解决。
  

但也有一些领域会有很大的机会：

语言类，翻译、文书等

这方面算是 ChatGPT 的主场了，无论翻译，还是文书书写，目前来看 ChatGPT 都能完成的非常好。4097 tokens 的限制，可能需要我们在产品层面给予一定的辅助设计，但是在可以想象的空间内，都能产生不错的产品。包括但不限于：

• 小说生成器
• 解说文字生成器
• 内容/关键词提取器
• 商务邮件辅助工具
• 学外语辅助工具
• ……
  

太多太多，不一一列举了。总之，这块儿几乎一定会产生很多应用，甚至我们现在就能见到不少。

用户界面

我认为 ChatGPT 最大的价值就是全新的用户界面。以前我们的用户界面，无论命令行、图形化，都只针对具体的需求，需要用户自己有清晰的认知、有明确的方向、并认真学习。如果用户没有学习过，就很难使用现有的产品。想象一下，如果用户可以用自然语言发出命令，那几乎所有产品界面都可以重建得更好用。

举个例子，我们家 Siri 最常用的功能就是定时，比如煮泡面：嘿，siri，定时 4 分钟。但是其它功能很难做到，因为其它的功能描述起来太复杂，而且表达方式也比较多，Siri 目前处理不了。

ChatGPT 则可以从用户的文字描述中提炼出有价值的信息；经过简单的训练之后，还可以发出指定的命令。所以我设想，将来很多东西都可以用它重建，比如（GPT 没有好的翻译，所以我就用姆伊姆伊来替代）：

• “姆伊姆伊，帮我叫水”——我家桶装水喝完之后，要打电话给水站让他们送水——ChatGPT 自动拨号，跟客服简单沟通，叫水。
• “姆伊姆伊，帮我订个外卖，吃粉吧“——这个需求会复杂很多，除了外卖之外，我们需要 AI 分辨出“吃米粉”这样的需求，并且从历史当中，判断我们常吃的粉是哪一家，然后帮我们完成订外卖的需要。
  

AI 公司的未来

未来 OpenAI 这样的大型公司，能提供通用模型的公司会越来越少，因为通用模型数据量和计算量太大，小公司根本烧不起。但是做 AI 的小公司可能会冒出来，类似用 WordPress 做建站，小公司可以帮客户在大模型的基础上做 finetuning，帮助客户将 AI 集成到产品里。

我会怎么做？

首先，我一定要尝试用 ChatGPT 做产品。我觉得它是很重要的产品，是未来的重要组成部分。去年它开始在业内刷屏的时候，我没想到它能获得这么大的公众关注度，这对我们来说既是好消息也是坏消息。好消息是将来可以借助它的品牌做宣传，坏消息是势必有更多的竞争者入局。

接下来是产品方向。我想做简历相关，让 ChatGPT 帮我们把简历做得更匹配 JD、更有竞争力。考虑到它在文本分析和生成方面的强势，我觉得这个方向有很大的机会。

我也计划加入一家以 AI 应用层为主要产品的公司，不要错失良机。希望能找到合适的老板或团队，即尊重技术，又擅长市场，大家能够合作共赢。

前端怎么做？

我认为现在是前端的好机会，因为目前 ChatGPT 基于浏览器提供服务，所以浏览器扩展就有很大的想象空间。建议所有前端小伙伴都好好学习一下 ChatGPT 的相关知识，能够实际开发一两个相关产品。比如，有人会让 ChatGPT 推荐一些配色，如下图：

ChatGPT 只能给出色值，不方便直接看到。我们就可以写一个浏览器插件，将页面上的颜色转换成色块显示出来，并且支持一键保存到自己的调色盘。利用好这段真空期，有很大的发展空间。

总结

以上，就是我从去年得知 ChatGPT，到最近一周基于 ChatGPT 开发浏览器扩展，再结合我看到的、聊到的、想到的内容，集中分享。

希望对看到文章的各位有启发、有帮助。如果你对 ChatGPT，对近期的 AI 热潮有想法、有问题，欢迎留言讨论。更欢迎针对我文章的评议、讨论。

未来，AI 一定会有一席之地，我们也一起来争取属于我们的新领地吧。