微软豪投100亿加码OpenAI，ChatGPT崛起对谷歌构成威胁？科技巨头交锋的背后，NLP领域

92 0 0

文章主题：

🚀微软即将步入2023年度战略调整，预计在3月底前全球裁员10,000名员工，占整体团队的5%，以应对全球经济挑战及客户导向的业务调整。尽管如此，这并未削弱其雄厚财力建立对OpenAI的最新一轮支持的决心。微软正积极拥抱变化，展现出科技巨头的稳健与决心。🌟

🚀Microsoft to make a massive $100 billion splash with their investment in OpenAI, fueling innovation and driving progress in the tech industry. 🤝The tech giant is set to secure a significant 75% profit share from the partnership, until the initial investment is fully recouped. After that, Microsoft’s stake will rise to a compelling 49%, marking a strategic move for both parties. #MicrosoftOpenAI #InnovativeCollaboration 🚀🚀

🌟投资OpenAI：ChatGPT引领行业巨变，微软与谷歌AI竞争新焦点🌟ChatGPT的横空出世，不仅引发了业界的广泛关注，更重塑了人工智能（AI）和自然语言处理（NLP）领域的格局。这款强大的通用型AI工具，正悄然帮助微软巩固其在搜索引擎领域的领导地位，同时也为OpenAI自身铺就商业化之路，挑战谷歌AI长期以来的市场主导地位。🚀ChatGPT以其颠覆性的创新，打破了由谷歌AI主导的传统市场版图，为这两家科技巨头带来了前所未有的竞争压力。微软和OpenAI携手，无疑将开启一个AI技术革新与商业应用的新篇章，引领行业迈向更广阔的发展前景。🔍SEO优化提示：使用相关关键词如”ChatGPT、微软搜索壁垒、通用型AI商业化、谷歌AI主导市场、AI技术革新”等，同时保持内容的连贯性和信息丰富性。

🌟【ChatGPT引领新潮流】🚀2022年11月30日，ChatGPT震撼发布，短短两个月，其驱动的工具平台月活用户数已破亿大关，AI技术的影响力可见一斑！🔥💡企业与学生需求升级，ChatGPT Plus应运而生——每月仅需20美元，优质会员服务触手可及。💼为企业赋能，教育领域添砖加瓦，ChatGPT正逐步成为行业热门选择。🔍据摩根士丹利深度分析，ChatGPT的崛起引发热议——它不仅可能蚕食市场份额，更对谷歌作为搜索引擎的核心地位构成潜在挑战。🌐未来，ChatGPT将继续引领技术革新，塑造互联网新生态。让我们共同期待其更多创新与可能性！💡🚀

🌟随着深度学习的迅猛发展，NLP领域的研究取得了显著突破，催生出众多创新应用。然而，尽管技术日新月异，商业化进程却仍处于瓶颈期。👀近日，OpenAI与微软的联手投资，犹如一针强心剂，引发了业界对NLP企业商业化前景的深切担忧。🚀这股力量的冲击，无疑将推动行业内的竞争加速，催生更多商业化的可能性。

ChatGPT的过去与现在

🌟ChatGPT背后的黑科技揭秘🔍——微调GPT3.5，引领NLP新潮流🚀！不像ELMO、BERT家族或是ERNIE或M6，这些业界明星都是NLP大模型的璀璨明珠，它们共同塑造了预训练技术的基石。无论问答检索、人机互动、语言翻译还是创意写作，预训练模型都能轻松应对，展现无与伦比的智能魅力🌈！

但不同的是，ChatGPT这次还提供了客户端界面，用户可直接通过客户端基于模型训练出的“机器人”进行交互，并且实现WebUI免费版。这种做法也让许多C端用户可以迅速调用ChatGPT，如构思小说框架、写论文、辅助课程设计、为程序debug等操作花样百出。

在GPT3.5之前，OpenAI已经连续发布三个版本的GPT模型，尤其以GPT-3最为著名。在此期间，GPT模型就开始疯狂通过增加可训练参数、增加训练样本等方式进行改进。但暴力拆解方式下，GPT-3依然会经常产生错误，曾有专家指出，“如果没有大量复杂的工程调试，GPT-3还无法真正投入使用。”

另一方面，GPT-3，其参数量就已经达到1750亿，并使用了45TB的训练样本。这意味着当AI任务训练效果提升的同时，也对模型训练成本和时间带来了巨大挑战。业内有人曾估计仅训练GPT-3模型就需要1200万美元，如果用一块非常先进的英伟达GPU训练GPT-3，大概需要100年。

在Transformer思潮的推动下，语言模型进入“巨量”时代，大模型已经在产业界带来了一系列连锁变化。而NLP领域又并非是一个独立的技术范畴，依然需要有底层算力、大数据、知识图谱、迁移学习等核心技术的支撑。

如果GPT按照以往的发展逻辑，将会逐渐通过开源方式让科研与工程界共享技术红利。但在商业世界，绝非如此简单。

微软的神来一笔

2019年，在联合创始人马斯克转身离开后，OpenAI宣布重组，成为有利润上限的盈利机构，股东的投资回报被限制为不超过原始投资金额的100倍。同年7月，微软以10亿美元注资，并获得了OpenAI GPT-3的独家授权，而OpenAI则可借助微软的Azure云服务平台解决商业化问题，缓解高昂的成本压力。

过去几年，OpenAI与微软的合作节奏逐渐加快。2021年，OpenAI与代码托管平台Github（被微软收购）合作推出Copilot AI智能代码生成平台，可将文字语言提示词转化为代码，目前是为了提升开发者编码效率。

2022年，OpenAI先后推出图像生成器DALL-E 2和文本生成器ChatGPT，微软也迅速将其整合到自身产品套件，如搜索引擎Bing、Office办公全家桶、会议视频产品Teams Premium均已经计划应用ChatGPT。

而如今，微软不仅希望进行新一轮百亿美金投资，还表示将在Azure云平台中整合ChatGPT，实现Azure OpenAI服务全面上市，通过该服务可访问OpenAI开发的AI模型，届时微软的每个产品都将具备相同的AI能力。

与OpenAI的合作，成为微软到迄今为止在AI领域一笔成功的买卖，对微软在搜索引擎、办公、会议视频，以及云市场引发了强烈冲击，而这也让外界“期待”有望在2023年发布的GPT-4。

热闹的背后

据外媒CNBC爆料，谷歌最近正在加快研发一个名为“学徒巴德”（Apprentice Bard）的聊天机器人，其基于LaMDA语言模型。显然，谷歌于去年12月针对ChatGPT的“红色警报”已经拉响。而除了LaMDA之外，谷歌也已经计划将图像生成模型Imagen对抗OpenAI的DALL·E 2。

而据百度披露，今年1月初，百度搜索将升级“生成式搜索”能力，基于百度自研的生成式模型能力，为用户开放式的搜索提问或定制化的信息需求“创作答案”。此外据路透社报道，百度曾计划于3月将该服务作为独立应用推出，再逐步将其集成到搜索引擎中。

无论在当下关注度较为集中的搜索领域，还是其他潜在领域，受ChatGPT的强烈刺激，包括谷歌、百度在内的AI主力梯队已经快速跟进起来。不过，源自GPT本身涉及的伦理问题与技术难点依然存在。

如Stack Overflow已经宣布禁止将ChatGPT所产生的问题用于回答社区问题，并给出违规者最多可被封禁30天的惩戒措施。当不少大学生开始用ChatGPT写作业，纽约大学等高校的教授及学者们也发出警告，将AI视为作弊行为。

在技术层面，GPT-3曾经会犯的错误，在ChatGPT上也并未解决掉，如只能计算精通十以内的加减法，甚至还会“一本正经地胡说八道”。这与ChatGPT的训练语料库有一定关系，其喂养的数据还是来自2021年前来自互联网的数十亿个文本示例。例如在专业知识领域或者信息更新快的IT领域，模型训练任务和训练效果往往会受其制约。

而在训练成本上，小冰公司CEO李笛此前表达，“ChatGPT主要是研究性质上的突破。它有非常好的创新，即证明了在原有的大模型基础之上，进行一些新的训练方法，可以更好地提高对话质量。但如果小冰用ChatGPT的方式来运行系统，现在小冰每天承载的交互量就需要花近3亿人民币的对话成本，即使ChatGPT可以把成本优化到现在的10%，也赚不回来。”

据外媒披露，微软此前的融资就以现金+Azure云算力的方式作为兑付，模型训练最消耗的也恰恰是算力成本。这也难怪分析机构预测，ChatGPT使用量的快速增长可能使英伟达在12个月内销售额达到30亿至110亿美元。长期来看，这也将是微软应对算力高投入与ChatGPT高增长可预见收益下的一种对冲策略。

其实，ChatGPT出现之前，基本国内大的AI玩家就已经在涉足构建出类似于GPT、但主要基于中文语料库的预训练大模型。大模型在落地过程中呈现出了与以往模型不同的技术特征，也带来了更好的智能化水平。

“但是大模型想要在某个方向上训练得更好，智能化水平更高，需要在具体落地场景引入额外的领域知识，才能解决实际问题。AI大模型有其自身特点，训练时使用的数据集主要来自互联网，在通用知识和领域知识的分布上存在不均，会影响其在具体行业的应用。”浪潮信息AI软件研发总监吴韶华对钛媒体App表示。

对于更多的创业公司而言，大模型做微调或二次开发的方式，且不说仍需要大量算力的支持，在实际场景中，能不能等到成熟落地也需要时间成本。

在ChatGPT之后，势必会有更多的AI团队试图给出算法更加精准、训练成本更低、对于用户而言调取更方便的模型，它可能依然会结合Transformer，也可能运用新的机器学习方法，提出对语言翻译、文本生成、甚至情感分析等NLP通用场景下的解决思路。

尤其对于中国的AI团队，也会在ChatGPT的这场狂欢中继续回答一个老问题：当技术的风口再次来了，如何避免走过去商业目标不清晰的老路？（本文首发钛媒体APP 作者 | 杨丽）