现在好多媒体都在鼓吹AI无所不能，说得神乎其神。又是要替代人类，又是引发大面积赋闲，还有的说“不是AI筛选了你，而是筛选了没有把握AI的你”。吧啦吧啦，跟直播间带货相同。

我自己便是做AI应用开发的，或许是才触摸到皮裘的原因，我从一开端就没有感觉到，有什么值的震动的当地。

由于我感觉东西仍是那些东西。它便是个任务式生成。不管是写案牍的文字创造，仍是智能对话，或许关闭、开发式问答，这些都是老生常谈的功用。当川普仍是总统的那年，这些东西就有许多Demo了，我也逐个测验过。仅仅现在，有人乐意花钱了，乐意买GPU了。并且从全球的网络上，搞到了足够多的练习数据，再加上算法的确优化了，所以才让AIGC瓜熟蒂落地锋芒毕露。

可是，上面的这些话，我可不敢说呀。

由于说了便是逆着潮流，现在咱们对ChatGPT可谓是好评如潮。我一说，信任网友的唾沫就能把我淹死，我的罪行比哥白尼轻不了。

博士的言论

后来，仍是有一位老前辈说了，他便是吴军博士。

吴军博士说完后，如同也被网友攻击了。媒体给起得标题是“吴军说ChatGPT没什么”。

为了保命，我表达观点之前，先真心肠必定一下ChatGPT。ChatGPT的确很强壮。在内容创造范畴来讲，他的确起到了革命性的作用。AIGC爆火后，信任咱们也看到了许多新闻，比方游戏公司裁掉了一些美工，电商店肆也不再聘请一天四五万的服装模特，取而代之的是改用了AI来生成作用图。

其实，吴军也没有否定它的价值。

我仔细分析了吴军说的内容，其实，跟我上面的见地也差不多。当然，这不排除是由于我喜爱读他的书，受他的影响。

他说，ChatGPT是一个言语模型，言语模型并不是新产品。另外，复杂模型的成败受算力的影响很大。这一点，以前是没有人乐意不计本钱地花钱研讨的。可是OpenAI这次舍得花钱了。这一火爆，会引发咱们都舍得花钱。终究，他说ChatGPT在内容创造范畴的确有用，可是人类的涉及的范畴何其广泛。他提醒其他范畴的同学们，不要盲目跟风，小心被卖课程的割了韭菜。

我觉得他说的没啥毛病。

文末假如有人想持续怼他或许怼我，请恕我无力回复。咱们素昧平生，犯不上有这般的冤仇。假如乐意平和地讨论，我乐意互相交换一下想法。

我仅仅想说一下自己遇到和看到的工作，仅此而已。

电力哥

最近，我遇到了许多人找我，有公司的领导，也有外界的朋友。

他们找我，无非便是想搞一搞人工智能，给自己的产业稍微加持一下AI能力，然后期望在职业内，能火上一把。

很遗憾，我帮不上他们的忙。或许说，他们有些达观了。

有个做电力的老哥，他经朋友介绍，找到我。他见我第一面就跟我讲ChatGPT。然后，给我讲大言语模型，他还知道Transformer（一种神经网络的架构）。他说，他有个哥们在澳大利亚研讨ChatGPT的源码。

介绍人跟我说，这哥们有AI需求，想咨询一下。怎样我这一来，他开端给我讲课了呢？

后来他说，他对AI是有触摸的，可是太忙，没时刻研讨。

我点了允许说，是的，您连Transformer都知道。

他说，现在ChatGPT很火，又是开源的。能不能帮助在私有云布置一套，他想自己再练习一下。他的要求不高，便是想完成电力数据的AI确诊。便是把一个工厂的电力信息给到ChatGPT，然后让ChatGPT供给一份具体的分析陈述。包含哪个设备耗电多，哪个设备运转不正常。然后，再归纳起来，评价一下这个工厂整体的电力布局，有什么优势，存在什么危险，并给出一些优化主张。

他差点就开口问五千块够不够了。我赶忙说，我干不了。

我除了自己无能以外，我也给他分析了其他的几点客观原因。

咱们也都看到了，像ChatGPT 4.0，铺天盖地满是新闻，可是国内还没有普遍运用。并且，ChatGPT它是以API的形式供给的，也便是花钱买一个账号，每次都去问它，它现场答复，要是断网那就芭比Q了。对方也能随时让你的账号失效。自从ChatGPT开端好用的那个版本开端，它就不开源了。一方面他开源了你也用不了，由于硬件本钱太高。你自己练习一次需求上千万人民币。许多企业触摸ChatGPT都是想要挣这上千万，并不是花这个钱。

再说，人家OpenAI投入几十亿美金，搞出一个成果，很难白送，只会馋哭隔壁的小孩。所以，它有什么功用，你就用什么功用，想打造自己的GPT，难度很大。到现在为止，我还没听过它能为某家工厂确诊电力的问题。所以，大哥您无法运用。

这哥们似乎有些闷闷不乐，他感觉我说的不符合“人人皆可用AI逆天改命”的结论。他表明让我再研讨研讨，他也再找澳大利亚的那个哥们问问。

眼镜哥

我还触摸过一个人，他文质彬彬戴眼镜。他没有透露自己的单位，但我感觉他应该不是在小私企。

我问：“您也想搞一个，自己职业定制的ChatGPT吗？”

这位眼镜哥，连连摇头：“不，不，不！ChatGPT咱们不敢搞。他不支持私有化布置。咱们要的渠道，必定要能在内部网络中关闭运用”

我遽然有种遇到至交的感觉。

眼镜哥持续说：“其实，ChatGPT还有一个价值观导向的问题。假如它成了全民的常识大神、精力导师，它又是通过API方法调用，那么很难确保他不胡说乱说。除此之外，咱们也不想，把要害数据送给它去练习，那样信息安全就无法保障了”

他问，有没有一种功用相似于ChatGPT，可是能够私有布置、内部练习的开源渠道？

我问，预算多吗？

他答复，预算不少。

我说，你能够试试一个号称是ChatGPT的平替计划，是在4月中旬刚发布的。它便是Databricks公司发布的Dolly 2.0。据说它能够到达ChatGPT 3.5的水平。它完全开源，本钱也低，从技术上来说是零门槛。人家官方也说了，能够随意用。这个公司便是看不惯ChatGPT打着Open的旗号搞Close的工作。Dolly在做1.0时，那时GPT-3还开源，因而就借用了它的一些数据，成果OpenAI就限制它不能商用。到Dolly 2.0时，由于这个公司本身便是做大数据的，这次他们就自己花钱做了练习数据集。并且他们还声明“任何人均可出于任何意图运用、修改或扩展这套数据集，包含商业应用程序”。它起名叫“Dolly”，其实指的是从前的克隆羊多莉，便是期望咱们多Copy，让老树发新芽的意思。

眼镜哥问：“本钱大约得多少？”

我答复：“假如想跑得流畅，硬件起码得8块A100 GPU。这就80万了。再加上制作职业数据集，程序员开发布置。我觉得，少100万下不来”

后来，眼镜哥给了一个红包，就没再联络过我。

老领导

有一天，我的一个老领导也找到我。

老领导请我吃烤鱼，他说：现在ChatGPT很火，我很想借一把力。

老领导的公司是做教育职业的。我尽管不在那里干了，可是咱们的私人关系一直很好。

我太了解原来的公司了：乐意投多少钱，有什么机器，有什么数据，有多少人，想到达什么意图。我门清儿。

我说，好啊，最初在你手下时，我就一直撺弄公司搞AI。可是你连一台物理机都不舍得买。现在终于主动了。

老领导说，咱也不搞大的，就搞一个又小又有用的。咱们不是靠AI生计，仅仅想用AI给咱们的渠道点缀一下。

这样吧，咱们就搞一个相似ChatGPT的功用。不必比它强，有那么点意思就行。能够中英文翻译，让学生不必上网查询。能够常识问答，让学生不必查书就能快速获取到答案。能够案牍创造，让学生能够依据要害词就能学习如何写一段作文。

就这点功用吧，嵌入到咱们的一个兴趣问答的页面。学生闲暇时，能够跟它聊聊天。也算是增加了用户的粘性。可是，要注意要害词和灵敏信息的阻拦，这个和算法无关，我让他们从事务接口过滤就行了。

对我来说，这些需求很Easy。

于是，我就在我的电脑，搭建了一套清华大学的ChatGLM-6B模型。然后跑起来，给老领导看。

老领导喜爱看作用，并且还喜爱体验成果。

老领导问，这是你从GitHub上找的吧，哪个开源项目，叫什么名？

我说这是清华大学出的大言语模型，它用的练习数据集十分优质。所以，在中文的答复上，它表现很好，比百度那个强。并且它开源，能够自己布置，也能够自己微调练习。

“叫什么？”老领导问。

我说叫“ChatGLM-6B”。

“哦，ChatGLM-6B。哎，6B是什么意思？”

我说，B指的是billion，便是十亿的意思，6B便是60亿。这个数量，指的是大模型神经网络的参数。

这个参数就像是一个公司的部分。假如一个公司具有采购部，行政部，人力资源部，财务部，后勤部，部分越多，看问题的角度就越多，关于一个问题的表决就相对更准确。假如一个公司就一个人，老板、保洁满是自己干，那他答复的是很快，也省本钱，可是成果全看他的心境。

老领导点了允许：“清华的这个是60亿参数。你原来说的那个什么克隆羊，它多少参数？”

我说，Dolly 2.0是12B，120亿参数。

“ChatGPT呢？”

“ChatGPT4.0……它的参数是B前面多个零，x00000B是百万亿级其他参数”

老领导想了想，他问，那咱们这个6B会不会有点low啊？

我说，应对你提的那些小问答，绰绰有余。最要害的是，我的电脑就能跑，不必买服务器。就算是想要自己个性化练习，万元之内也能搞定。

老领导传闻不必花钱，便饶有兴致地持续试用。

终究，领导说，它回复的还行，可是不符合职业特征。

我问：“什么职业特征？”

老领导说：“拿文本生成来说，我给它几个要害字，让它生成一段文本。我想让它给出学生作文的那种风格。可是，它输出的却更像是产品描绘，或许新闻报道，并且文笔太过老道，没有稚气，更像是大人写的。我想要的是学生写记叙文、议论文的那种感觉”

我说，这个好办呀，咱们能够练习自己的数据，这叫做“微调”。

老领导说，那你微调看看！

我说，我调不了。这种风格类的东西，得由专业一些的人来制作，像制作课件相同。

我给他展示了一条ChatGLM-6B中关于广告案牍生成的练习集：

输入: 类型#上衣颜色#是非风格#精约风格#休闲图案#条纹衣款式#风衣衣款式#外套。

输出: 规划师以条纹作为风衣外套的首要规划元素，以精约……带来大气休闲的视觉作用……不容易让人觉得它过时。

人工智能并不是天生就这么聪明的，其实它是通过海量数据练习出来的。

练习数据便是人工标记好的一些已知答案的数据。一般成对呈现。比方练习辨认猫，那这条数据便是先有一张猫的图片，然后再有一个猫的成果。通过上万条这样的数据练习。终究，再给一张猫的图片，人工智能就能分辨出来了。其实它的底层也是阅片许多，终究才干修成正果。

就跟教孩子叫爸爸相同，你得先朝着她喊几百声“爸爸”，她才干学会怎样叫。

练习案牍自动生成也是相同，需求先有一组要害词作为输入，然后再来一段相匹配的终究成果作为输出。终究把它交给算法模型，告知它：“你看，假如有人这么问，你就这么答复，好好体会下”。

终究，她就像孩子学话相同，她不但会说“爸爸”，也会偶尔冒出一句“哔了狗了”。这句话你并没有教她，是她自己从抖音上听的。她离开了你，也会学习了。

老领导说：“嗯，我理解了。我找人收拾一下你说的练习数据。大概要多少条？”

我说：“先测验2000条吧，这点数据量，作用或许也就一般。ChatGLM-6B能到达这个作用，那是运用了十万多条数据，才练习出来的！”

老领导终究仍是放弃了。

他叹了一口气说：“咱们都挺忙的，或许没有人去干这件事。就算有人，估计公司也没有途径，去弄那么多优质的学生作文数据”。

本钱、通用和定制

上面三件事，提到了一个限制，那便是人工智能有三驾马车：算法，算力，数据。

关于算法，其实好多年才更新一次。相似ChatGPT这么优秀的NLP模型，它上一次的霸主仍是Google推出的BERT，那仍是2018年。

当然，只要算法这一架马车，其实无法跑。这不叫缺一条腿，实际上是只要盆骨，你想单腿蹦跶都立不起来。

因而，得花钱，搞算力，得买练习设备，买机器。就跟当年比特币挖矿相同。

这个投入，五位数入个门，上不封底。马斯克前段时刻张狂抢购了1万个GPU，少不了上亿人民币。这点GPU，不必定够用。

那位问了，我不求快，不搞你们那些个并行运算，我排着队行吗？行！设备不够，倒是也能跑，便是时刻的问题，需求等。

需求等多久？举个例子。普通三五千的GPU练习Dolly 2.0，7.5个小时一轮。练习10000轮是3125天，练习完毕需求八年半的时刻。练习完了，终究工程师说，哎呦，不好意思，忘了加一个参数，得从头再来一遍。你说，这个企业还活不活了。

你要是用集群的英伟达A100，几天搞定。你用好设备，能够反复调试，调一点看一点，这样才干获得好的成果。A100，十万块钱一个，国内还买不到。兄弟，都是钱啊。

有人说，我为啥要练习呢？我花那个冤枉钱干啥？人家ChatGPT不都练习好了吗？我一块钱买5000个字符，也能跑起来。

这就不得不说第三辆马车，那便是数据。

数据是模型的灵魂与中心。人家拿自己手头的数据，练习出来的模型，那是人家的。类比到养孩子的话，数据就像是家庭、校园和社会对孩子的教育。培养出的孩子是勇敢担当，仍是胆小怕事，全看平常的所见所闻，并由此形成的人格。 尽管练习的数据都是通用的，可是细分到每个职业，却又有自己共同的需求。

我就遇到过一个关于职业特性的事儿，挺有意思的。

当年做教育软件的时候，给学生做了一个用手写笔做试卷的功用。学生拿笔在设备上写，考试答题。然后系统依据轨道转成汉字。

成果教师找来了，有的学生写了这么一个字。

这个字便是功夫的“武”啊，只不过是右下角多写了一撇。

关于输入法来说，这个字和武很像，就很合理地被辨认成了“武”。

可是，关于教师来说，这是学生写错了，要保存原字图画，让我知道他写错了。写对了，你蹦出来个字没问题，写错了你就别再把正确的字给出来了。

这个问题，咱们就解决不了。算法是人家的，人家怎样供给，咱们就怎样用。人家也不会由于咱们一家，去修改他们的程序。要是咱们的改好了，写错了不出字，那么你让其他人怎样办？还有人想着写一横就出来个“武”字，他们感觉这样便利。

这或许不是特例。

那是厚积薄发，投机需谨慎

通用数据练习出来的模型，在垂直范畴内运用时，往往会不够准确，或许偏重点有偏差。

因而说，职业数据很重要。

咱们看，其实AIGC各有不同，也是有所偏重的，分为了许多方向。他们各自坚守一方，并不是啥都干，啥都能干。

Adobe公司推出了一款叫Firefly的软件。它能使用AI，完成对话式修图。下面这个图，你输入“把景色换成冬季”，咔一下，夏天变成冬季了，还能变成带有雪花飘飘的视频。

有人看到这个新闻就慨叹了：“快看，人家很快都搭上AI的快车道了，咱们公司得追上才行！”

其实，他们或许不知道Adobe公司是1982年创办的，到现在也40多年了。咱们熟悉的Photoshop便是他家的产品。他们在图画的处理、规划、印刷等范畴，深耕了几十年。相似的功用，我从2018年就看见他们提过，仅仅作用不好。

他们不是搭上了AI才火的，相反，是他们搞火了AI。

再个举例，微软搞的那个Office365 Copilot。说一句话就能自动制作PPT。你输入“给我增加一张PPT，内容是关于再生资料的优点”，咔咔就自动蹦出来一张规划好的PPT。

那么，谁又知道，这一项功用背后的算法、算力和数据呢？得是微软近50年来的沉积吧。

我也听到过许多老板，乃至产品经理都说，他们说“管它爱啥啥的，都扔给ChatGPT，让它去自己想去，咱们喝茶”。

说这么多，我一直没有否定AI的快速开展和巨大作用。我能去研讨那么多AI渠道和结构，还写这么一篇千字长文，说明我并不是一个科技保守派，顽固派。

我仅仅想说，蹭热度要适当，要量力而为，兢兢业业才是成功之道，千万不能脑袋一热就陷进去了。

作为一个普通人，咱们能够使用AI让日子和工作愈加便利。现在来看，基本免费用，因而你也不必投入太多。咱们便是普通用户。对咱们来说，是四爷登基，仍是八爷当皇上，跟咱们关系不大，这家关了，咱们就再换一家。

作为一个中小企业，假如不是以AI为生的，或许时机也不是许多。只要大模型才有惊人的作用，可是你自己又练习不起。假如仅仅是调用人家的API，运用别人练习好的模型，那么你与其他千千万万都调用的，又有什么区别呢？中心竞赛点在哪里？或许便是开头一段时刻火，会吸引一些普通用户注册个会员。可是，假如投入太大，后面仍是得自谋生路。

关于大企业，尤其是大企业中有海量职业数据沉淀的，有财力的，还乐意搞研讨的，或许是一个时机。花个千八百万，或许会省去一些人工本钱，并且有时机完成集团的智能化转型。

没啥其他意思。便是感觉过火了，唠一唠，期望能降降温。身边有许多连linux和windows还分不清的朋友，都想着自己搭一个ChatGPT挣钱。赚啥钱？赚到了吗？或许最挣钱的仍是那些卖课的。

正如吴军博士说的，这有点像当年的淘金潮。咱们都传闻这里有一座金山，等着自己去挖，因而大批人涌来淘金。终究淘到金子的人很少，路边卖水的人却发财了。就连吴教师也去卖课了，由于卖课的确挣钱，需求量大。他提前提醒过咱们，也算是讲些武德。

这次AI在一个范畴内的打破，就如同是研讨出来一种能彻底治愈艾滋病的解药。却引得糖尿病人、老年痴呆等一众患者纷纷张狂抢购。或许他们也清楚，抢到了药并不意味着就能改动自己的命运。可是，间隔他们的解药成功研制出来，应该也不远了。