昨天發(fā)表了一篇關(guān)于ChatGPT背后技術(shù)原理的文章，我知道比較晦澀難懂，大部分人看的一臉懵逼。今天我就從另一個(gè)角度來側(cè)面印證一下，做出ChatGPT是多么的困難。

在上一篇文章中，我強(qiáng)調(diào)了ChatGPT2個(gè)護(hù)城河，第一個(gè)就是訓(xùn)練數(shù)據(jù)——大型語料庫的收集護(hù)城河，大部分的公司根本就沒有這個(gè)能力去收集相關(guān)的、給人工智能進(jìn)行訓(xùn)練的數(shù)據(jù)。第二個(gè)則是ChatGPT的訓(xùn)練需要耗費(fèi)大量的計(jì)算資源、費(fèi)用，例如ChatGPT的前身GPT-3花了1200萬美元：

（這里我給出ChatGPT的前身，GPT-3的訓(xùn)練費(fèi)用參考）

(資料圖片僅供參考)

這也不是一般的公司能夠承受的起的，面對(duì)如此巨額的開支，而且ChatGPT不一定能盈利，從而沒有這個(gè)魄力去做這個(gè)事情。

百度既有搜索引擎的多年沉淀作為數(shù)據(jù)，注意到本來ChatGPT就是要代替搜索引擎，所以百度當(dāng)然有這個(gè)數(shù)據(jù)。另一方面是百度在AI方面也早早轉(zhuǎn)型了，在無人駕駛上面已經(jīng)做了很多年了，并且也推出了自己的文心大模型（ChatGPT的前身GPT，就是一個(gè)預(yù)訓(xùn)練語言大模型）。

最后便是人工智能算法的壁壘，復(fù)刻出ChatGPT絕非易事。

這里引用一下復(fù)旦大學(xué)邱錫鵬教授的一句話，這位教授是研究自然語言處理的國內(nèi)大牛，著有《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》的人工智能教材。其中，自然語言處理也就是ChatGPT所對(duì)應(yīng)的一個(gè)人工智能的子學(xué)科。

幾個(gè)重點(diǎn)：

（1）預(yù)訓(xùn)練比大部分人工智能業(yè)內(nèi)人士想象的要難。

（2）ChatGPT對(duì)（計(jì)算機(jī)程序設(shè)計(jì)）工程能力要求很高。

（3）科研環(huán)境阻礙了ChatGPT誕生在國內(nèi)。

（4）國內(nèi)缺乏研發(fā)ChatGPT的人才。

所以說，道阻且長啊，這種技術(shù)不是一般的公司能做出來的。

那么百度有相關(guān)的技術(shù)嗎？其實(shí)，百度是國內(nèi)所有互聯(lián)網(wǎng)公司當(dāng)中人工智能技術(shù)最強(qiáng)的一家公司。

一方面，其他公司的所謂人工智能算法研究部門已經(jīng)由于業(yè)務(wù)的壓力被要求轉(zhuǎn)型去做業(yè)務(wù)性的工作，和學(xué)術(shù)上的研究突破沒有什么關(guān)系。

另一方面，百度取得的成果也是令人有目共睹，除了上述的文心大模型之外，百度還推出了自己的人工智能框架飛漿。稍微科普一下，寫人工智能模型代碼的時(shí)候，我們不是從最底層做起的，而是利用一個(gè)成熟的框架快速的搭建一個(gè)模型進(jìn)行測試，這樣做的目的是省去代碼當(dāng)中的一些工程性細(xì)節(jié)，我們只需要專注于算法設(shè)計(jì)就可以了，這就是框架的重要性。

現(xiàn)在常用的框架還是美國的公司搞的，比如最常用的叫PyTorch的框架，是美國Facebook公司的搞的，還有其他的Tensorflow、Jax等二線框架是由美國的谷歌公司搞的，那么國內(nèi)只有百度的飛漿框架是取得一些突破的。

總結(jié)

ChatGPT的研發(fā)絕非易事，只有百度這種既有訓(xùn)練數(shù)據(jù)沉積，又有人工智能算法方面長期的研發(fā)積累，還有充足的現(xiàn)金流去做這樣一個(gè)風(fēng)險(xiǎn)的業(yè)務(wù)，才有機(jī)會(huì)研發(fā)出中國ChatGPT。

$納斯達(dá)克綜合指數(shù)(.IXIC)$$中概互聯(lián)網(wǎng)指數(shù)ETF-KraneShares(KWEB)$$百度(BIDU)$#ChatGPT繼續(xù)發(fā)酵，軟件概念集體狂飆#

關(guān)鍵詞： 人工智能 互聯(lián)網(wǎng)公司 搜索引擎