吳洋洋

ChatGPT自去年11月末發(fā)布至今已經(jīng)整整半年，全球有關(guān)生成式AI或者大語(yǔ)言模型（Large Language Models， LLMs）的投資仍然持續(xù)高漲，不同國(guó)家在這個(gè)領(lǐng)域的技術(shù)發(fā)展水平也正在拉開差距。這種差距，既表現(xiàn)在大模型的迭代速度上，更表現(xiàn)在各家大模型在應(yīng)用場(chǎng)景端的落地速度上。

在美國(guó)硅谷，自5月中旬到6月中旬，幾乎所有大公司都在忙著召開年度開發(fā)者大會(huì)，發(fā)布他們?cè)贏I領(lǐng)域的重要成果。先是Google，5月11日發(fā)布其第二代大語(yǔ)言模型PaLM 2，相較于一代模型，它能夠理解更多種類的語(yǔ)言，并開始具備寫代碼的能力。只隔一天，5月13日，OpenAI CEO薩姆·奧特曼（Sam Altman）就在Twitter上宣布，所有ChatGPT Plus付費(fèi)用戶都可以試用“聯(lián)網(wǎng)”與“插件”功能了，而在此之前，這些功能只有部分開發(fā)者才有試用資格。

5月24日微軟也召開了開發(fā)者大會(huì)，宣布Copilot（注：基于GPT的AI助手）登陸Windows 11，用戶可以獲得操作系統(tǒng)級(jí)的AI功能；Bing將成為ChatGPT的默認(rèn)搜索引擎插件，開發(fā)者為OpenAI開發(fā)的插件，也適用于Copilot。通過云計(jì)算平臺(tái)Azure AI Studio，客戶還能自定義公司的Copilot。

OpenAI在應(yīng)用端的進(jìn)展仍是最為迅猛的。在ChatGPT開放付費(fèi)用戶試用聯(lián)網(wǎng)與插件兩個(gè)功能后不到一周，ChatGPT的iOS版發(fā)布，最先只在美國(guó)地區(qū)上線，一周后，能夠在蘋果應(yīng)用商店中下載這款應(yīng)用的國(guó)家市場(chǎng)就擴(kuò)展到了42個(gè)。

GPT引發(fā)的大模型開發(fā)熱潮，還將一家芯片公司推向其發(fā)展歷史上的巔峰—英偉達(dá)。盡管2024財(cái)年第一財(cái)季顯示這家企業(yè)在總收入和凈利潤(rùn)兩項(xiàng)指標(biāo)上出現(xiàn)大幅“雙降”，同比分別下滑13%和21%，但由于其AI芯片收入同比增長(zhǎng)了14%，財(cái)報(bào)發(fā)布當(dāng)天，英偉達(dá)的股價(jià)飆升了近30%，市值凈增長(zhǎng)2000億美元—相當(dāng)于一個(gè)阿里巴巴、兩個(gè)英特爾（注：阿里巴巴當(dāng)天市值2099億美元，英特爾1209億美元）。

不僅如此，5月29日在臺(tái)北舉辦的COMPUTEX大會(huì)上，英偉達(dá)CEO黃仁勛宣布一款名為“GH200 Grace Hopper”的芯片已經(jīng)正式投產(chǎn)，這是一個(gè)CPU與GPU封裝在一起的超級(jí)芯片。將256個(gè)超級(jí)芯片GH200連接在一起，就能組成一個(gè)數(shù)據(jù)中心DGX GH200，4個(gè)這樣的數(shù)據(jù)中心，其算力就能夠超過天河2號(hào)（目前中國(guó)最強(qiáng)的超級(jí)計(jì)算機(jī)）。

GPU比CPU更適合AI的并行計(jì)算，這個(gè)邏輯在黃仁勛口中不斷被強(qiáng)調(diào)，然后很快就被資本市場(chǎng)接受了。黃仁勛在臺(tái)北發(fā)表演講的次日，英偉達(dá)市值首次超過萬億美元，成為繼蘋果、微軟、亞馬遜和Alphabet之后，第5個(gè)市值過萬億的公司（Facebook也曾在這個(gè)名單上，不過已經(jīng)滑落很久了）。

自ChatGPT發(fā)布，中國(guó)公司就處于追趕狀態(tài)。硅谷公司紛紛展示自己在AI時(shí)代的野心并在產(chǎn)品落地方面取得實(shí)質(zhì)進(jìn)展的時(shí)候，中國(guó)公司還處于模型開發(fā)和產(chǎn)品內(nèi)測(cè)階段。進(jìn)入6月以來，雙方的差距沒有縮小，而是被進(jìn)一步拉大了：OpenAI的基礎(chǔ)模型、微軟的操作系統(tǒng)、英偉達(dá)的AI芯片和蘋果的AIGC設(shè)備都亮相了—硅谷公司在AI新紀(jì)元的版圖已基本構(gòu)建完成，而中國(guó)公司多數(shù)還掙扎在基礎(chǔ)模型的開發(fā)上，加之“如何監(jiān)管大模型”的問題依舊懸置，各家的應(yīng)用類產(chǎn)品到底何時(shí)可以被許可上市，目前仍沒有時(shí)間表。

以下是2023年6月全球不同市場(chǎng)在人工智能領(lǐng)域的進(jìn)展。

全球篇

#OpenAI大幅更新大模型API，綁定更多開發(fā)者

6月13日，OpenAI大幅更新了其大語(yǔ)言模型的應(yīng)用程序接口（API）方案，包括推出新的函數(shù)調(diào)用（function calling）功能、支持更長(zhǎng)token（服務(wù)端生成的一串字符串）的API，以及降低使用價(jià)格等等。

“函數(shù)調(diào)用”功能，可以讓開發(fā)者在調(diào)用GPT的API時(shí)，通過一個(gè)自定義參數(shù)，調(diào)用外部軟件或數(shù)據(jù)源，從而更精確地控制GPT的回答。像“今天天氣怎么樣”的提問，開發(fā)者可以自定義函數(shù)調(diào)用的數(shù)據(jù)來源，比如告訴GPT“被問到天氣信息時(shí)，可以從‘高德天氣這個(gè)平臺(tái)獲取數(shù)據(jù)”。用戶一旦能自主控制數(shù)據(jù)來源，可有效避免GPT在沒有數(shù)據(jù)時(shí)編造一個(gè)答案來回復(fù)。

OpenAI今年3月推出的“插件”（Plugin）功能，也是讓GPT能夠連接到模型以外的軟件或數(shù)據(jù)，從而在回答特定問題時(shí)給出更有針對(duì)性的答案。此番推出“調(diào)用函數(shù)”，二者的區(qū)別在于，之前的插件功能只能在ChatGPT里使用，而函數(shù)調(diào)用可以讓開發(fā)者對(duì)接自己公司的內(nèi)部API，利用GPT分析內(nèi)部數(shù)據(jù)。

OpenAI此前的戰(zhàn)略是鼓勵(lì)開發(fā)者更多地為GPT開發(fā)公用插件，形成一個(gè)“App Store”一樣的“插件市場(chǎng)”，讓GPT模型和ChatGPT這個(gè)智能機(jī)器人更好用，而OpenAI將因此成為一個(gè)平臺(tái)型公司。函數(shù)調(diào)用功能，則會(huì)賦予開發(fā)者更多權(quán)限以利用GPT開發(fā)更多本地化的應(yīng)用，它是OpenAI充分發(fā)揮其大模型優(yōu)勢(shì)的另一種方向，目標(biāo)同樣是想將更多開發(fā)者牢牢綁定在其基礎(chǔ)模型上。

此外，OpenAI 6月13日更新的API支持更長(zhǎng)token—16k，是原來的4倍，并對(duì)所有用戶開放。這個(gè)長(zhǎng)度與其競(jìng)爭(zhēng)對(duì)手Anthropic的大模型Claude相比仍然處于弱勢(shì)。更長(zhǎng)的token意味著模型能夠處理的文檔長(zhǎng)度更長(zhǎng)，16k的token使得GPT現(xiàn)在可以一次處理約20頁(yè)長(zhǎng)度的英文文本，但Claude更強(qiáng)大，它一次性處理的文字量已等同于一本《了不起的蓋茨比》（約7.2萬token）這樣的書籍。

不過，OpenAI這一輪降價(jià)策略，有助于它在模型競(jìng)爭(zhēng)中繼續(xù)保有優(yōu)勢(shì)。對(duì)于最流行的嵌入模型text-embedding-ada-002，OpenAI直接把價(jià)格砍掉了75%，至每1k token的價(jià)格為0.0001美元。最流行的聊天模型gpt-3.5-turbo的token輸入價(jià)格也下調(diào)了25%，每1k token的輸入價(jià)格為0.0015美元。輸出價(jià)格保持不變，為每1k token 0.002美元。

#微軟測(cè)試

Copilot版Windows 11

繼5月發(fā)布Copilot全家桶后，微軟在6月上線了Copilot版Windows 11做測(cè)試。與ChatGPT、Midjourney等軟件級(jí)AI工具不同，Windows Copilot是一個(gè)操作系統(tǒng)級(jí)的AI助手，而且是生成式的。

只要點(diǎn)擊圖標(biāo)，它就能在側(cè)邊欄出現(xiàn)。你可以向它提出這臺(tái)電腦系統(tǒng)操作層面的問題，比如當(dāng)你提問“能否讓我的電腦變得更適合工作”，Windows Copilot就會(huì)提議你開啟專注功能和深色模式。用戶點(diǎn)選Yes，它就可以自動(dòng)調(diào)用這些功能。你還可以讓它調(diào)用你電腦上已安裝軟件的功能，比如你可以問Windows Copilot“有什么音樂適合工作時(shí)候聽”，它就會(huì)主動(dòng)打開Spotify并且搜索相關(guān)歌單；你甚至可以讓它幫你工作，比如當(dāng)你面對(duì)一篇論文PDF或者一段Word文檔里的文字時(shí)，可以直接讓W(xué)indows Copilot幫你總結(jié)提 煉。

蘋果手機(jī)里的Siri也是系統(tǒng)級(jí)的AI助手，不過在蘋果把其模型從普通深度學(xué)習(xí)切換為生成式AI之前，Siri還做不了Windows Copilot現(xiàn)在做的事。

蘋果在AI領(lǐng)域落后了嗎？事實(shí)是—

#蘋果開辟了新戰(zhàn)場(chǎng)

——增強(qiáng)現(xiàn)實(shí)（AR）

當(dāng)所有技術(shù)公司開發(fā)者大會(huì)的關(guān)鍵詞都是“AI”的時(shí)候，蘋果將公眾的視線再度拉回到“硬件”。6月5日的蘋果開發(fā)者大會(huì)（WWDC）上，在介紹完新款MacBook Air、新款芯片M2 Ultra和一系列操作系統(tǒng)更新后，蘋果CEO蒂姆·庫(kù)克（Tim Cook）用40分鐘—整場(chǎng)發(fā)布會(huì)近乎一半的時(shí)間，發(fā)布了號(hào)稱具有革命性意義的新硬件Apple Vision Pro。

“就像Mac將我們帶入了個(gè)人計(jì)算時(shí)代、iPhone引領(lǐng)我們進(jìn)入移動(dòng)計(jì)算時(shí)代一樣，”庫(kù)克說，“Apple Vision Pro將引導(dǎo)我們來到空間計(jì)算（spatial computing）時(shí)代?！?/p>

提出“空間計(jì)算”這一概念的同時(shí)，Apple Vision Pro也獲得了一個(gè)新稱謂—空間計(jì)算機(jī)（spatial computer）。

相較于Meta的Quest系列頭顯設(shè)備，蘋果的Vision Pro完全拋棄了手柄，讓用戶通過眼睛注視、手指捏合或者開口說話，就能控制設(shè)備?！霸谙到y(tǒng)中導(dǎo)航只需要?jiǎng)觿?dòng)眼睛，每個(gè)元素都能回應(yīng)你的目光，感覺就像在用意念控制一切?！碧O果人機(jī)交互副總裁艾倫·戴伊（Alan Dye）在產(chǎn)品介紹中說。

通過一項(xiàng)叫作EyeSight的技術(shù)，當(dāng)有其他人出現(xiàn)在附近，Vision Pro就會(huì)變得“透明”—通過外部顯示屏，實(shí)時(shí)呈現(xiàn)頭顯用戶的眼睛。反之，當(dāng)用戶完全沉浸于一種虛擬體驗(yàn)—看電影、打游戲或者專注于一次正念訓(xùn)練時(shí)，Vision Pro的鏡片就會(huì)被遮蔽起來，讓周圍人知道該用戶“并不在與外界交流的狀 態(tài)”。

這款頭顯定價(jià)3499美元，價(jià)格相當(dāng)于高配版MacBook Pro。產(chǎn)品發(fā)布后，蘋果的股價(jià)沒有大漲，反而微跌。不過，媒體界對(duì)這款產(chǎn)品的態(tài)度比投資者樂觀很多，《經(jīng)濟(jì)學(xué)人》稱其為“AIGC時(shí)代的新iPhone”，言下之意，它可能是最適配AIGC內(nèi)容的硬件。

一位自稱曾負(fù)責(zé)開發(fā)該設(shè)備的蘋果前員工Sterling Crispin在Twitter上發(fā)文，稱蘋果在這款設(shè)備中用到了初級(jí)的腦機(jī)接口技術(shù)，可通過身體和大腦數(shù)據(jù)來檢測(cè)用戶本人的精神狀態(tài)：AI模型會(huì)嘗試通過眼球追蹤、大腦的電活動(dòng)、心跳、肌肉活動(dòng)、大腦的血密度、血壓、皮膚電導(dǎo)等測(cè)量數(shù)據(jù)，來預(yù)測(cè)頭顯佩戴者是否處于好奇、注意力分散、害怕、專注、回憶過去等認(rèn)知狀態(tài)。

并且，通過監(jiān)測(cè)瞳孔變化，蘋果Vision Pro對(duì)用戶即將要點(diǎn)擊什么內(nèi)容做出預(yù)測(cè)，因?yàn)槿说耐自邳c(diǎn)擊之前會(huì)有反應(yīng)—還沒點(diǎn)擊，人已經(jīng)在期待點(diǎn)擊后會(huì)發(fā)生的事情。因此，設(shè)備通過監(jiān)測(cè)用戶的眼動(dòng)、接收大腦的生物反饋，實(shí)時(shí)設(shè)計(jì)用戶交互界面，這是通過眼睛實(shí)現(xiàn)的一種簡(jiǎn)單的“腦機(jī)接口”。

此外Vision Pro頭顯設(shè)備還在以用戶察覺不到的方式，利用快速閃爍視覺或聲音監(jiān)測(cè)佩戴者的反應(yīng)，利用機(jī)器學(xué)習(xí)和來自身體和大腦的信號(hào)，預(yù)測(cè)用戶的注意力集中程度、放松程度或?qū)W習(xí)效果，通過更新虛擬環(huán)境來不斷優(yōu)化用戶這些狀態(tài)。

#歐洲議會(huì)通過

《人工智能法案》草案

監(jiān)管層面，6月最重要的新聞是歐洲議會(huì)通過了《人工智能法案》（AI Act）草案。

6月14日，歐盟《人工智能法案》有了里程碑式的進(jìn)展：歐洲議會(huì)以499票贊成、28票反對(duì)和93票棄權(quán)通過了全部草案，為歐洲議會(huì)、歐盟成員國(guó)和歐盟委員會(huì)的“三方”談判鋪平了道路。

該談判將在2023年6月至12月西班牙擔(dān)任歐洲理事會(huì)輪值主席國(guó)期間繼續(xù)。順利的話，正式法案預(yù)計(jì)將在今年年底獲批，并在24個(gè)月后，也就是2026年開始對(duì)相關(guān)企業(yè)產(chǎn)生實(shí)際影響。

該法案重點(diǎn)對(duì)兩個(gè)層面的事務(wù)作出了規(guī)定：

其一，法案禁止使用實(shí)時(shí)（real-time）面部識(shí)別技術(shù)。不過，非實(shí)時(shí)（post）的識(shí)別技術(shù)并沒有被禁，意味著已存檔的監(jiān)控錄像仍可以被用來做面部識(shí)別。

其二，法案要求披露生成式AI訓(xùn)練數(shù)據(jù)的版權(quán)。AI Act不會(huì)將ChatGPT等生成式AI判定為高風(fēng)險(xiǎn)（這是OpenAI積極游說的結(jié)果），但對(duì)這些需要大量數(shù)據(jù)訓(xùn)練的AI新增了透明度和風(fēng)險(xiǎn)評(píng)估要求，比如要求徹底記錄任何用于訓(xùn)練AI的原始內(nèi)容，包括文本、圖像、視頻和音樂。OpenAI、Google和微軟等公司都被要求申明，訓(xùn)練AI時(shí)所使用的材料不存在版權(quán)問題。

如果技術(shù)公司的行為違反《人工智能法案》，極端情況下，該公司全球年收入的6%可能會(huì)用于繳納罰款。這項(xiàng)法案標(biāo)志著AI監(jiān)管取得里程碑式的進(jìn)步，但提出的問題可能多于解決的問題。比如，法案提高了訓(xùn)練生成式AI的門檻，初創(chuàng)公司將更難與大公司競(jìng)爭(zhēng)，投資者也不太樂意將資金投入到在歐盟運(yùn)營(yíng)的公司。OpenAI CEO薩姆·奧特曼就曾聲稱，如果不能滿足歐洲的法規(guī)，OpenAI可能退出歐洲市場(chǎng)。不過，沒過幾天他就改口了。

國(guó)內(nèi)篇

#多家AI初創(chuàng)公司新獲融資，騰訊頻頻參投

6月，多家中國(guó)AI初創(chuàng)公司獲得融資，且其中3家公司背后出現(xiàn)了一個(gè)共同投資者—騰訊。這3家企業(yè)分別是由美團(tuán)前聯(lián)合創(chuàng)始人王慧文創(chuàng)立的光年之外，商湯科技前副總裁、通用智能技術(shù)負(fù)責(zé)人閆俊杰參與創(chuàng)立的Mi n iMa x，以及深言科技—?jiǎng)?chuàng)始人兼CEO豈凡超是清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系2017級(jí)博士畢業(yè)生。

騰訊在大語(yǔ)言模型領(lǐng)域的自研進(jìn)度，慢于老對(duì)手百度和阿里巴巴。2022年10月，騰訊才完成首個(gè)萬億參數(shù)的AI大模型“混元NLP大模型”的訓(xùn)練。作為對(duì)照，百度和阿里巴巴都于2021年推出過各自的大模型。今年2月，騰訊曾成立混元助手（HunyuanAide）項(xiàng)目組，計(jì)劃推出類ChatGPT的對(duì)話產(chǎn)品。不過這款產(chǎn)品迄今尚未發(fā)布。百度和阿里巴巴則分別于今年3月和4月推出了自己的類ChatGP T產(chǎn)品。

6月19日在騰訊云舉辦的行業(yè)大模型技術(shù)峰會(huì)上，騰訊直接發(fā)布了“行業(yè)大模型”，面向十大行業(yè)（金融、文旅、政務(wù)、傳媒、教育等）提供解決方案。

避開面向C 端用戶的類ChatGPT產(chǎn)品，直接發(fā)布面向B端用戶的“行業(yè)大模型”，且不按照行業(yè)慣例給這個(gè)模型起個(gè)名字—騰訊的做法，可能是為了避免被拿去跟同行的聊天機(jī)器人比較。不過，還有一個(gè)可能性，那就是騰訊判斷監(jiān)管層面希望國(guó)內(nèi)生成式AI的發(fā)布不要那么高調(diào)。

#國(guó)內(nèi)大模型產(chǎn)品

幾乎都未獲得公測(cè)許可

目前，普通國(guó)內(nèi)用戶無法使用ChatGPT，也幾乎沒有公開途徑體驗(yàn)國(guó)內(nèi)現(xiàn)已發(fā)布的各種生成式AI產(chǎn)品。

百度旗下的文心一言在今年3月發(fā)布后，僅開放了內(nèi)測(cè)和“小范圍”公測(cè)。金山辦公4月發(fā)布的WPS AI迄今未開啟公測(cè)。阿里云旗下的對(duì)話式產(chǎn)品“通義千問”今年4月發(fā)布后同樣未能開放公測(cè)。

阿里云旗下另一款名為“通義聽悟”的產(chǎn)品，是國(guó)內(nèi)至今唯一開放公測(cè)的大模型應(yīng)用。這款應(yīng)用在6月1日上線，與文心一言、WPS A I等需要生成新內(nèi)容的應(yīng)用不同，其主要功能是把錄音轉(zhuǎn)換為文字或做些翻譯工 作。

6月20日，國(guó)家網(wǎng)信辦官網(wǎng)發(fā)布了一份公告，公布了境內(nèi)現(xiàn)已備案的“深度合成服務(wù)算法”名單。這些算法幾乎都與生成式AI技術(shù)相關(guān)，應(yīng)用場(chǎng)景包括文本生成、圖像生成和視頻生成。

根據(jù)網(wǎng)信辦官網(wǎng)的答記者問，這些備案基于的是今年1月開始施行的《互聯(lián)網(wǎng)信息服務(wù)深度合成管理規(guī)定》（以下簡(jiǎn)稱“《規(guī)定》”）。《規(guī)定》所稱的“深度合成技術(shù)”就是指“利用深度學(xué)習(xí)、虛擬現(xiàn)實(shí)等生成合成類算法制作文本、圖像、音頻、視頻、虛擬場(chǎng)景等網(wǎng)絡(luò)信息的技術(shù)”，基本囊括主流生成式AI的應(yīng)用場(chǎng)景。

根據(jù)這份《規(guī)定》，“具有輿論屬性或者社會(huì)動(dòng)員能力的深度合成服務(wù)提供者”和“深度合成服務(wù)技術(shù)支持者”均需履行備案手續(xù)，備案內(nèi)容和《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》的要求一樣，須填報(bào)服務(wù)提供者的名稱、服務(wù)形式、應(yīng)用領(lǐng)域、算法類型、算法自評(píng)估報(bào)告、擬公示內(nèi)容等信息。

6月20日公示的是上述《規(guī)定》實(shí)施后的首批備案名單，列出的算法共41款，那些只在新聞發(fā)布會(huì)上聽過、從未在實(shí)際應(yīng)用市場(chǎng)上見過的產(chǎn)品皆在其列。其中，由阿里系公司提供或支持的數(shù)量最多，共有14款，主要涉及智能客服、智能辦公等領(lǐng)域。數(shù)量緊隨其后的是騰訊系公司，提供或支持的算法有6款，主要涉及語(yǔ)音和音樂的合成以及智能辦公場(chǎng)景。百度、抖音、美團(tuán)、科大訊飛各自有2款算法進(jìn)入該名單，主要涉及圖片生成、視頻特效、智能客服、語(yǔ)音認(rèn)知及大模型領(lǐng)域。

根據(jù)一位要求匿名的業(yè)內(nèi)人士的說法，“一些公司及其產(chǎn)品即使進(jìn)入備案公示名單，它們什么時(shí)候能上市，監(jiān)管層面也沒有時(shí)間表?！?/p>