ChatGPT 能讓TMT投資人「再干15年」嗎？
險峰：ChatGPT下一步會往何處去？會不會被下一個transformer顛覆？
陶芳波：個人觀點，我們可以從底層視角來看，比如今天OpenAI做出了ChatGPT，未來或許還會有GPT4，我們先假設OpenAI的技術是最領先的，現在後面有一堆大廠巨頭和創業公司，正在或者將要做大模型，那如果我是OpenAI，我接下來會做什麼？
我覺得第一個方向，還是怎樣用好手上的現有數據，把模型的潛力全部挖掘出來。下一代GPT的參數量也許還能再大個10倍，但估計也就是這個規模了，不可能再擴大1000倍，因為參數要有足夠的數據來匹配，全世界的優質數據就這麼多，參數量搞得再大效果也不有太大提升。
另一個方向，也是Anthropic提出的，叫做「憲法AI」。就是我們能不能讓AI在一套憲法，或者說一套規則下，實現自我進化，最終變得符合這套規則。舉個例子，每個國家都有自己的監管體系，比如中東地區，只有符合當地監管的AI才能進入該國，我覺得這會是一個非常好的方向，可以大大降低AI吸收信息的成本，提高它的效率。
第三個方向是多模態，讓OpenAI變成一個思考引擎。我們知道人類的感知不是單一的，而是許多模塊組成的，不是說用戶說了一段話，我能感受到這段話就夠了，最簡單的，比如看漫畫書，人能夠把感知圖像和感知文字結合在一起，而不是兩個單獨的東西。
所以我覺得，接下來大模型會在這些方向上繼續發展，這是一個底座，這種狀態會維持相當長一段時間，而接下來才是更巨大的挑戰，無論是投資人，還是創業者，我們到底應該怎樣去迎接ChatGPT的革命性變化，在它上面重構一個巨大的新體系？
舉個例子，2007年iPhone誕生，10年之後你會發現整個互聯網生態都變了，iPhone上面長出了各種各樣的應用，這10年間，全球誕生了多少獨角獸，誕生了多少千億、萬億美金級的公司，這些公司在iPhone出現之前都是不存在的，都是從一個很小的作坊開始做起來的。
我覺得今天大量的機會其實是這裡面，首先是中間層的機會，就像在大模型外面搭一個腳手架，讓它有1000隻手1000隻腳，可以做更複雜的事情，比如基於如何使用大模型構建一個社區，這是一種最輕量級的創業思路。再比如教會大模型怎麼去使用外部工具，怎麼樣更好的去理解對面的用戶，而不只是從文字輸入來理解他——這也是我們正在做的事情。
在中間層上面，還會有各種應用層，剛才費老師也講到，AI在SaaS端已經被驗證了，但我個人認為這一波AI浪潮席捲的範圍會遠大於SaaS。因為SaaS更多還是服務於企業的效率工具，但ChatGPT肯定會拓展到C端，比如說健身、醫療，都有機會可以重做出一個交互式的軟件，把用戶界面完全拋棄掉，和移動互聯網時代相比，我認為這會是一種全新體驗的產品。
黃東旭：我也有類似的觀點，其實軟件的進步一直都是交互方式的進步，以前是字符界面，到後來是UI，沿着這條線往下走，未來最重要的軟件交互形態其實就是自然語言。過去我們一直在嘗試，讓軟件的使用變得更加貼近人類自然語言，但是今天我們終於有了這樣一個新工具，能重新去塑造我們跟軟件的溝通方式。
以前我們用軟件，比如說Linux，輸入一堆命令，機器才能去完成一件事情，相當於我們要去學習機器的語言。但現在有了ChatGPT，你可以直接去跟他說，我想要到達到某某結果，我不管你怎麼幹，最後能給我結果就好，這其實是一個非常顛覆性的東西，所以我們現在正在做的，不斷跟GPT磨合的，也是類似的思路。
陶芳波：我記得ChatGPT剛出來的時候，就有投資人提出一個觀點，說TMT可以重新再干15年，我覺得這個邏輯是對的，因為上個時代我們基於移動互聯網，做出了各種各樣的APP，而今天新的交互形式出現了，每一個細分的賽道上可能都會成長出一個全新的獨角獸，或者全新的商業模式，我覺得是一個完全的大洗牌。
今天ChatGPT的潛力大概只發揮了百分之幾，就已經創造出超過了萬億的市場，未來這個規模可能是幾十萬億。
ChatGPT 正在對哪些工作崗位造成影響？
險峰：這個問題是幫別人問的，他是個很早期的NLP從業者，想問大模型出來以後，其他的模型可能就成為歷史了，他們這些人未來應該怎麼辦？
龍波：這個問題的答案還是比較清晰的，以前那些傳統的NLP的手段，在這個時代肯定是不會再有用了，比如大量的語法樹之類，非常繁瑣，過去開發過程很痛苦，要一支很大的團隊才能做出一個很小的東西，我們肯定不會再回到那個年代，老的技術基本都可以用大型語言模型（LLM，large language model）替代。
對於ChatGPT的未來，我非常同意陶博士剛才說的，如果只是一味地增加數據或增加參數，不一定還能得到好的ROI，因為你給了更多的數據，就意味着有更多的噪音，最後信噪比可能反而更差，這也是為什麼我們有時覺得ChatGPT會回答錯的原因，所以還是要關注如何提高數據的質量。
與數據質量同樣重要的，可能是跟大模型的互動。舉個例子，如果我們真的要讓ChatGPT變成某個領域的專家，不再犯什麼錯誤，可以想想我們培養一個PHD的過程是什麼樣的？他需要和他的導師、行業大牛反覆地交互討論學習，才能最終成為專家，而不是說簡單的篩選高質量數據餵給他就完了。
如果再進一步，我們要讓ChatGPT成為真正的通用人工智能，在每個領域都很精深，也需要有一個方法能夠讓AI迭代高質量數據，所以我覺得未來在算法層面可能會有一些突破，比如說讓RL和大語言模型更完美的結合，能夠更好地篩選出高質量數據，甚至是自動採集這種數據，這些都會跟人學習的過程越來越像。
到那時，我不知道是不是只靠現在的統計模型或者大型語言模型就夠了，還是會跟其他新技術綁定在一起，比如現在也有人在研究，怎麼把真正的推理能力和神經網絡相結合，這是我看到一些未來可能發生的事情。
險峰：接下來可能是很多CEO比較感興趣的問題，創業公司應該如何使用ChatGPT ？它將可以替代哪些崗位？
黃東旭：個人認為可以從兩個方面來看，對內和對外，我先說對外。
首先在AI爆發的大背景下，我們做數據庫的還是一個挺安全的生意，因為不管怎麼樣你還是要存數據。在過去沒有AI的時候，我要從數據庫里提取數據，學過計算機的朋友可能都知道要用到SQL，或者其他語言，總之是需要敲代碼才能去跟數據庫做交互。
舉個例子，之前我曾經把我自己所有看過的電影、所有看過的書，全都導到了我的數據庫里，我就可以直接去問我的數據庫說，在我去年看過所有的電影裡，哪個導演的片子最多？他會直接幫我生成SQL，SQL再去數據庫里進行查詢，非常快速且準確，但是前提是你必須會敲代碼，懂得機器的語言。
沿着我剛才的理論——自然語言會變成下一個軟件交互的UI，大家想象一下，如果你是個CEO，你公司裡面有很多運營數據，每次你去找財務，或者數據分析師，說我需要一個某某數據，他可能過好幾天才能返過來，但現在如果有這樣的一個很神奇的數據庫，CEO可以直接開口問AI，比如今年公司花錢最多的部門是哪個，馬上就可以得到答案。
那如果再推一步，我們把背後的數據集換成了區塊鏈，換成了房地產信息，換成了股市信息，你會發現一下子人人都是數據分析師，這對於各個行業都會是一個巨大的顛覆。
至於對內部，我覺得CEO一定要放棄ChatGPT可以完全取代人的觀念，現階段肯定是取代不了，但是它能提高人的效率。
如果大家寫過程序就會知道，一個工程師可能有80%的時間都是做重複勞動，未來這80%的工作其實都可以讓ChatGPT來做，比如說寫文檔、寫單元測試，生成一些腳手架之類，它不會完全取代程序員，但是確實能帶來很大的提升效率。
大家如果看過《鋼鐵俠1》，裡面有一個AI助手叫做賈維斯，現在我跟ChatGPT的工作模式與它很像，我會告訴它我要做什麼東西，你先做一個原型出來，然後一步步跟它交互，告訴它可以這樣這樣搞。
所以至少目前，我並不會把ChatGPT當做是一個可以取代人工的東西，而是給所有的工程師都配了一個賬號，告訴他們遇事不決先問一下ChatGPT，搞不好效率就提升了，這是我大概的經驗分享。
陶芳波：我稍微插一句，我覺得東旭他們公司很厲害，已經開始使用ChatGPT來提高效率了，其實很多國內的公司都可以學一下。
另外他講的第一點我感觸很深，數據庫公司未來一定會存在，但也一定還會很多有提供其他互聯網信息服務的公司，我覺得他們可能都要去思考，是不是今天我暫時是安全的，ChatGPT跟我就沒有關係？
我覺得可以換一種視角，現在的現實是，這個超級大腦已經在那裡了，他未來一定是會跟各種各樣的東西連接在一起，這裡面有一個很重要的點，以前我們說信息服務的連接端口是API，還有一大堆代碼之類的，但今天這個端口很可能會變掉，變成一個更加接近於人類語言的東西。
所以我覺得每一個服務提供商，如果覺得你的信息服務很有價值，我覺得都可以嘗試去擁抱ChatGPT，看看怎麼跟他建立起對話通道，越早擁抱，就越早可以讓ChatGPT把你的服務分發到更多的場景、更多的用戶。我覺得這件事情誰做得快，誰就可能成為自己賽道里的下一代巨頭企業。
ChatGPT廣泛使用後，人類的認知能力會下降嗎？
險峰：ChatGPT出來以後，主流聲音認為以後可能就不再需要搜索引擎了，但也有一些悲觀者認為，我們將來接觸的大部分信息都會由機器生成，裡面會有大量的假信息，這將威脅人類的認知和判斷能力，如果我們從小就依賴這樣的產品，可能會是一個災難性，對此各位怎麼看？
費良宏：這不是一個新問題，其實互聯網從誕生之日起，就一直在改變我們使用和消費信息的習慣。
比如，最開始出現的是瀏覽器，它讓網頁信息變成了一種規範的、可以被瀏覽的形式；之後，隨着信息總量的不斷增長，大量垃圾信息開始影響我們的用戶體驗，這時出現了雅虎的黃頁，它通過人工方式去維護目錄，給每個網頁設置優先級。
再往後，當信息量繼續爆炸，黃頁的維護開始跟不上數據的生產速度，人們慢慢意識到，使用搜索可能會比使用黃頁更有效率，這時誕生了最早期的搜索引擎，比如AltaVista和Infoseek，但是它們的能力受限於當時的技術，還只能在一個很小的範圍內能進行搜索。
後來的故事大家都知道了，1998年，谷歌的兩個合伙人開始創業，他們希望用計算機構建一個更廣義的集群，通過大量廉價的硬件設備來滿足整個互聯網的搜索需求。在當時，大家認為這是不可能實現的，但後來的事實證明，技術的進步遠超我們的想象，於是人類進入了關鍵字搜索時代，開始通過搜索引擎來使用和消費互聯網信息。
到了今天，互聯網上的信息總量已經是一個天文數字，你的每一次搜索，結果可能有成百上千頁，裡面存在大量無用或者重複的信息，那我們應該如何應對這樣的局面？這時ChatGPT出現了，它可以幫助我們去做總結歸納，如果從信息消費的歷史來看，這是一個巨大的進步，這點無可否認。
而從歷史來看，一旦我們養成了新的信息消費習慣，就沒有辦法再回到之前的時代，我們不可能用黃頁去替代今天的搜索引擎，同樣的，未來當我們適應了ChatGPT，我們也回不到關鍵字搜索時代。
因此，人類下一階段的信息使用習慣一定是更高級別的，當然這裡還有成本問題，比如像ChatGPT的每一次搜索大概需要1.3美分，成本還是比較高的，如果再能降低10倍的話，我覺得整個搜索市場會被完全顛覆。
從這個角度說，ChatGPT的歷史地位可以等價於瀏覽器的出現，或者是谷歌搜索引擎的出現，人類每一個信息消費習慣的進步都意味着一個里程碑式。
龍波：非常贊同良宏的觀點，ChatGPT的交互方式讓我們獲取信息更加高效，它帶來的影響是不可逆的，肯定會對搜索引擎，甚至推薦引擎都帶來衝擊，而且我認為衝擊會很大。儘管短時間內會有些技術上的挑戰，比如如何把ChatGPT融入到搜索引擎中去，但我認為這些都不是問題，很快都會被解決。
那麼ChatGPT的挑戰是什麼？第一個挑戰是商業化，任何2C的技術應用背後一定要有商業支撐。
剛才良宏談到谷歌的巨大成功，但是其實在1999年，布林和拉里佩奇是準備以100萬美元的價格把谷歌賣掉的，據說最後已經談到了75萬，如果當時交易達成，也就沒有後面的故事了；到了2002年，雅虎打算收購谷歌時，開出的價格是100億美金，等於說4年翻了一萬倍。
為什麼形勢會逆轉呢？因為商業模式走通了，從display as到search as，搜索廣告的收入開始有了巨大的增長，當時所有人都看到了谷歌的商業潛力，所以價值一下就不一樣了。也正因為如此，谷歌才能有資源雇最好的員工，創造最好的企業文化。
未來ChatGPT也會面臨同樣的問題，比如現在的搜索引擎是靠點擊量來收費，本質上賣的是用戶的注意力，而如果AI一秒鐘就完成了答案交付，那賣廣告的模式肯定就不再work了，一定還需要尋找新的商業模式來支撐它，當然，我相信最後肯定也會找到。
第二個挑戰是人文方面的，剛才問題中也提到了，ChatGPT會極大影響人的認知模式。
在搜索引擎時代，我們每完成一次信息收集，其實都是完成一次學習的過程。舉個例子，比如我們發論文，每篇文章後面一定要有一個reference（參考文獻），你要先把前人做出的研究成果講清楚，再說你在這個基礎上取得什麼成果，這是一種知識的傳接，如果沒有reference就不可以被稱為學術論文。
谷歌的搜索引擎，也是把它認為最相關、最高質量的鏈接排在最上面，最後還是需要你自己去做判斷，這是人類學習的方法，你一定要有出處，要有reference，這是我們作為研究者對人類知識積累的一個基本態度。而如果AI就只給一個答案，會讓信息繭房變得更嚴重。
傳統來說，我們在互聯網獲取信息有兩種基本方式，一個是搜索，一個是推薦。搜索是說用戶知道自己想找什麼，我就給他什麼，推薦是用戶不知道自己想要什麼，那我就猜你想要什麼。而當ChatGPT出來以後，因為它每天都會和你有交互，它會猜得更準確，更嚴重的是，它還會主動創造出一些讓你喜歡的答案或信息，你聽了會覺得那就是真實的，而且又沒有reference。
到那時，我們要面對的信息繭房會比推薦引擎時代大得多，每個人可能只聽到自己想聽到的，只理解自己能理解的，我不知道這會對人類產生什麼影響，但這個影響一定是世界範圍的。
