GPT-4震撼空降，谷歌「紧追」微软有点难

运营|陈小妍

策划| 晨曦 丁珏汭

另镜 ( ID:DMS-012 )

海内外互联网大厂与创业者，正陷入一场有关 ChatGPT 的竞赛中。

3 月 15 日凌晨，OpenAI 推出 GPT-4 多模态预训练大模型，除语言文本外，还支持图像识别输入，以文本形式输出。

在发布会上，官方人员演示 GPT-4 可以识别手绘网页草图，并仅用十秒钟左右，就根据草图写出网站代码。

在 OpenAI 发布会前几个小时，谷歌刚刚宣布推出一系列生成式 AI 功能，用于其各种办公软件中，包括谷歌 Gmail、Docs、Sheets和 Slides。

在外界看来，这是谷歌意图抢在微软 3 月 16 日预期官宣 GPT 接入 Office 之前，展现自己的成果。

作为直接竞争对手，谷歌已走在 " 对抗 " 微软与 OpenAI 的最前列。但随着 OpenAI 空降官宣 GPT-4，谷歌又陷入下一场追逐战中。

ChatGPT 是 AIGC 领域的颠覆性产品，在上线后吸引了全球关注。将 ChatGPT 嵌入微软 Bing 搜索引擎后，Bing 日活首次突破 1 亿，直接影响到谷歌的用户基础。

面对微软的步步紧逼，苹果、Meta 和亚马逊等公司也正计划重新评估其人工智能的开发策略。

3 月 16 日，百度将率先发布 " 中国版 ChatGPT" 文心一言。国内创业公司和互联网大厂，都迅速跟进，不愿成为新技术掉队者。在王兴、王慧文再度携手、开启 AI 领域创业的同时，快手前 AI 核心人物李岩也投身 " 多模态大模型 " 创业。

随着 OpenAI 发布 GPT-4，多模态大模型已成为最新的技术变革方向，人工智能正迈入 "iPhone 时刻 "。正如 iPhone 带来的智能手机变革，GPT 模型的出现又将影响未来 AI 领域的发展方向。

如今，微软与谷歌竞争的不只是当前的市场，还有未来 AI 时代的定义标准与话语权。

GPT-4：多模态变革

Distinct Mirror

面对 ChatGPT 的步步紧逼，海外大厂都在追赶和阻击微软，以动摇其目前在人工智能领域的领先地位。

在 " 对抗 " 微软与 Open AI 方面，谷歌已经走在前列。知情人士透露，谷歌高级管理层已经宣布 " 红色指令 "，其中要求在几个月时间里将 " 生成式人工智能 " 技术集成到谷歌的所有重要产品中。

去年 12 月，谷歌母公司 Alphabet 就曾发布 " 红色警告 "，已处于半退休状态的创始人拉里 · 佩奇和谢尔盖 · 布林重新回到公司，商讨制定了人工智能后续战略，并决定将聊天机器人纳入搜索引擎，以应对 ChatGPT 的威胁。

但从微软和 OpenAI 近期举动来看，单纯的文本交互已无法满足其在生成式 AI 方向的野望，包含文本、图像、视频处理等在内的多模态大模型已成为其最新的技术变革发力点。

在 GPT4.0 发布前，今年 3 月初，微软发布了多模态 AI 大模型 Kosmos-1。微软 AI 技术专家 Holger Kenn 表示，多模态 AI 不仅能够将文本转变成图像，还可以转变成音乐和视频，尤其在编程领域，AI 模型能够更轻松的生成样板代码。

在微软发布 Kosmos-1 后，3 月 7 日，谷歌和柏林工业大学的团队推出了 PaLM-E 视觉语言模型，参数量高达 5620 亿，约为 GPT-3 参数量的三倍。

据悉，PaLM-E 大模型是在语言类模型 PaLM和视觉类模型 ViT的基础上开发的。其不仅可以理解图像，还能理解、生成语言，以及将两者结合，处理复杂的机器人指令。

谷歌与微软的较量不仅体现在生成式 AI 的场景应用层面，也聚焦于大模型底层实力。但随着 GPT4.0 的发布，多模态大模型的能力得到进一步展现，谷歌的声量又再度落于下风。

今天凌晨，OpenAI 发布最新 GPT4.0 多模态大模型，引爆全网讨论。与前一代相比，最新的 GPT4.0 可以识别图片输入；文字输入上限提升至 2.5 万字；回答深度和专业性、推理和风格变化能力也显著提高。

OpenAI 称，GPT-4 在各种专业学术基准上有着人类水平表现。在最新测试中，GPT-4 通过了模拟律师考试，得分约为前 10%，而 GPT-3.5 得分约为倒数 10%。GRE、SAT 数学考试成绩也有大幅提升，击败了 80% 以上的人类答题水平。

GPT-4 也拥有更高级的推理能力。用户在 GPT 上传了一张梗图，问这张图为什么会引人发笑：

GPT4.0 一一给出回答：

在官方的示例中，GPT-4.0 可以 10 秒钟编写网站代码，可以编写剧本、计算物理题、速读专业论文、分析数据图表，甚至可以解读搞笑图片与漫画。

在业内人士看来，生成式 AI 的产生本质上是一种生产力革命，其不仅是工具，而是直接成为生产要素的重要部分。以文本、音频、图像和视频为处理对象的多模态大模型和生成式 AI，势必会对未来的内容创作、数据处理等相关行业带来巨大冲击。

AI 对传统工作方式的革命和颠覆或许即将到来，未来最核心的竞争力和技能可能不再是编程，计算，甚至分析能力，而是和大模型的对话能力。

现在人工智能正处于一个决定性的时刻，就像 90 年代的互联网以及 iPhone 带来的手机变革，人工智能正朝着大规模采用的方向发展，ChatGPT 类的大模型正推动数据革命。

美国银行战略分析师预测，人工智能正迈入 "iPhone 时刻 "，预估到 2030 年会为全球经济带来 15.7 万亿美元的增长。

在过去，苹果曾经两次定义硬件工具的交互方式：PC 时代的 Apple Lisa 电脑，是首次采用图形用户界面 ( GUI ) 和鼠标的个人电脑；到智能手机时代，iPhone 定义了触控交互。

如今，ChatGPT 已经改变了人与文字、知识的交互方式，而下一步，ChatGPT 类的大模型又将影响未来 AI 的发展方向和人类的工作方式。

ChatGPT 开放端口是创业机会吗？

作为 OpenAI 背后的投资者，微软的相关产品已经取得了初步成果。

微软在 GPT-4 发布后第一时间表示，新的 Bing 已经基于 GPT-4 技术运行，这是为搜索产品量身定制的模型产品。

在集成 ChatGPT 的 Bing 搜索引擎推出一个月后，微软宣布 Bing 每日活跃用户首次突破 1 亿，每天大约有 1/3 的必应用户与 BingChat 进行交互。此外，Bing 在移动设备上的使用率也有所增长，BingChat 应用使得每日活跃用户增加了 6 倍。

此外，微软宣布，将于 3 月 16 日召开 " 工作的 AI 未来 " 发布会，预计将展示其类似 ChatGPT 的人工智能，如何在 Teams、Word 和 Outlook 等 Office 生产力套件中发挥作用。

从 Bing 浏览器到 Office 办公套件，微软正筹划将 AI 赋能更多 C 端、甚至 B 端用户。据悉，微软计划将 ChatGPT 背后的技术整合到其 Power Platform 平台上，允许用户在几乎不需要编码的情况下，就能开发自己的应用程序。

" 我们不想把它打造成定制产品，它一开始是一个定制产品，但我们总是想办法把它打造成通用型产品，这样任何想训练大型语言模型的人都可以利用同样的改进，" 微软负责云计算和人工智能的执行副总裁斯科特・格思里曾对外表示，" 这真的能够帮助我们成为使用更广泛的人工智能云。"

对旗下平台进行 AI 赋能是互联网大厂的优势，微软、谷歌、BAT 等互联网大厂具备充足的资金和技术支持，同时具备庞大的 C 端流量入口。对于他们来说，开发自有大模型一方面可以探索更多的场景和商业模式，另一方面也是为了保证自身对于用户的竞争力和行业话语权。

但对于资金和技术实力欠缺的企业或创业者来说，利用大厂开源模型，优先采用接口模式，结合自身产品，将重心放在更具体的需求场景上，或许才是最优的选择。

ChatGPT 之父、OpenAI 创始人山姆 · 阿尔特曼在 3 月 10 日的摩根士丹利大会上透露，OpenAI 将重点开发一个平台，向开发者开放 API 接口，并创建类似 ChatGPT 的应用程序，第三方开发者被允许通过 API 将 ChatGPT 集成到他们的应用程序和服务中。

OpenAI 将推出一系列工具，让用户可以更好地控制这套生成式人工智能系统，并针对通用用户用例和具体用户用例进行改进。

最新 GPT-4 发布后，OpenAI 把 ChatGPT 直接升级为 GPT-4 最新版本。同时，OpenAI 开放了 GPT-4 的 API。

ChatGPT Plus 付费订阅用户可以获得具有使用上限的 GPT-4 访问权限，可以向 GPT-4 模型发出纯文本请求，图像输入处于研究预览阶段，仍不完全公开。

用户可以申请使用 GPT-4 的 API，OpenAI 会邀请部分开发者体验，并逐渐扩大邀请范围。该 API 的定价为每输入 1000 个字符 ( 约合 750 个单词 ) ，价格为 0.03 美元；GPT-4 每生成 1000 个字符，价格为 0.06 美元。

与前一代模型相比，新推出的 GPT-4 API 价格提高不少。3 月 2 日，OpenAI 刚刚放出 ChatGPT API，比之前的 GPT-3.5 模型便宜 10 倍，每生成 1000 字符，价格为 0.002 美元，即 2.7 美元就可输出 100 万个字符。

自去年 12 月以来，ChatGPT 对于处理查询的方式进行了优化，使成本降低 90%，最终带来了面向用户的大幅降价，GPT-4 或许也能在将来重复这一过程，这将大大降低开发人员利用 ChatGPT 赋能自身产品的难度。

当调用 ChatGPT 模型的能力不再是门槛，对于场景赛道的理解、商业模式的构建能力就成为企业的核心竞争优势。

北极光创投合伙人张朋在一场直播中向创业者提出建议，产品和服务不能仅依靠调用大模型的能力，还要实现差异化，比如工具层 + 应用层结合在客户的场景落地，让客户买的是场景的价值。

张朋认为，从变现角度，最好从应用层下手，" 以 Pass 为例的中间层的很难盈利，大多客户难以从通用模型框架自我研究出解决方案，还需要提供细化到应用的服务，B 端客户需要的不是工具，是解决方案。"

千万美元入场券

美团联合创始人王慧文对于 AI 的态度很明确，" 关于人工智能，到现在为止，我只有一个判断，必须参与。"

今年 2 月，王慧文在朋友圈发布 " 组队帖 "，要带资 5000 万美元进入 AI 赛道，设立光年之外科技有限公司，资金占股 25%，其余 75% 的股份用于邀请顶级研发人员，打造中国 Open AI。

据王慧文透露，光年之外估值达 2 亿美元，下轮融资已有顶级 VC 认购 2.3 亿美元。3 月 8 日，美团创始人王兴在朋友圈回应王慧文的宣言，宣布将以个人身份参与王慧文的创业公司 " 光年之外 " 的 A 轮投资，并出任董事。

在 " 双王 " 三度携手、进场 AI 赛道的同时，众多互联网大佬纷纷开始招兵买马，争相抢夺人才：原京东集团高级副总裁、集团技术委员会主席周伯文同样在朋友圈发布招募研发、产品及算法人员，原搜狗 CEO 王小川对媒体回应正快速筹备 AI 大模型，快手前 AI 核心人物李岩也投身 " 大模型 " 赛道创业，成立 AI 公司元石科技，进行多模态大模型的研发。

百度、腾讯、阿里、字节跳动等互联网大厂也在 " 争分夺秒 " 开发自有大模型，百度宣布将于 3 月 16 日推出类似产品 " 文心一言 "，腾讯针对类 ChatGPT 产品已成立 " 混元助手 " 项目组，阿里巴巴则表示其聊天机器人正处于研发内测阶段。

在 OpenAI 发布 GPT4.0 后，即将发布文心一言的百度压力再度增加。ChatGPT 的背后离不开大模型、大数据、大算力，大厂想要追赶 Open AI，也需要面临多方面的挑战。

在算力要求方面，市场调查机构 TrendForce 集邦咨询公布的最新报告指出，如果以英伟达 A100 显卡的处理能力计算，运行 ChatGPT 将需要使用到 3 万块英伟达 GPU，目前英伟达 A100 显卡的售价在 1 万 -1.5 万美元之间，3 万块售价超过 3 亿美金。

除算力要求高外，需要大量的数据集得到 ChatGPT 训练成本非常高昂。其使用 Transformer 神经网络架构，训练数据来自包括维基百科，以及真实对话在内的庞大语料库，有着多达 1750 亿个模型参数。

根据中信研报测算，ChatGPT 生成一条信息的成本在 1.3 美分左右，是目前传统搜索引擎的 3-4 倍，成本问题中短期内或只能等待硬件成本的继续下降。

尽管目前技术上还在追赶 Open AI，但在这条新兴赛道上，BAT 并不想缺席。

如今，现在生成式 AI 的商业模式还有待探索，但人的想象力是无穷的。ChatGPT 可以写诗，可以优化搜索，可以回复邮件，可以整理数据，也可以编写代码……

ChatGPT 只是更伟大事物的开始，英伟达 CEO 黄仁勋表示，" 你知道你今天做不到，但是当然，它总有一天会做到的 "。

无论现在的微软、谷歌、百度等旗下的聊天机器人表现如何，这也只是新时代 AI 技术迭代的最开始，未来的 AI 产业势必会更精彩。