10月8日消息，凭借其在 人工智能 研究领域的大胆投资而声名鹊起。然而，随着近期的人才流失，该公司亟需吸引新一代研究人员以保持这种发展势头。
上周，尽管首席技术官米拉·穆拉蒂（Mira Murati）、首席研究官鲍勃·麦克格鲁（Bob McCrew）以及研究副总裁巴雷特·佐夫（Barret Zoph）突然离职，但投资者似乎对此并不在意，仍向OpenAI注入了66亿美元的资金。
然而，这三位高管的离职仅是OpenAI关键技术人才持续流失的最新例证。过去几年间，OpenAI已有多名在算法、技术及基础设施建设方面发挥核心作用的研究人员离职，这些人员对于推动OpenAI成为人工智能领域的全球领军者及知名品牌至关重要。多位离职员工在接受访谈时表示，公司向商业化方向的转型仍是造成内部矛盾的主要原因。
“那些热爱研究的员工被要求更多地参与产品开发，”一位现就职于竞争对手人工智能公司的前OpenAI员工透露。据他表示，OpenAI的一些朋友最近几周开始主动接触外部机会，询问可能的职位。根据专注于招聘信息追踪的公司Lightcast的数据显示，OpenAI的招聘重点确实发生了变化，从基础研究转向产品开发和应用领域。2021年，OpenAI发布的招聘职位中有23%属于一般研究类职位，但到了2024年，这一比例已降至4.4%。
人才的流失可能对OpenAI的发展方向及未来的成功产生深远影响。多位业内专家和离职员工指出，尽管OpenAI目前仍然拥有强大的人才储备，但随着竞争日益激烈，保持领先地位的难度也在不断增加。
上周四，OpenAI旗下Sora AI视频生成项目负责人蒂姆·布鲁克斯（Tim Brooks）也宣布离职，加入OpenAI的主要竞争对手 谷歌 DeepMind。
“这可能会带来一些变化，”一位目前在学术界工作的前OpenAI员工表示。他提到，很多学生依然将OpenAI视为首选雇主，认为它比竞争对手领先几个月，愿意忍受内部的纷争和不稳定，只为加入其中。然而，随着越来越多知名研究人员转投竞争对手或创办初创企业，这种选择可能会发生改变。
从OpenAI的一些核心研究成果中，可以明显看出人才流失的严重性。在早期版本的GPT大语言模型论文的31位中，仍留在OpenAI的已不到一半。2021年，几位负责开发GPT的核心团队成员离职，创立了Anthropic，如今成为OpenAI的主要竞争对手。而在介绍ChatGPT技术的博客文章的致谢部分，约三分之一的致谢者已经离职。
一个至关重要的问题是，OpenAI是否还拥有足够的人工智能研究人员，以保持其在人工智能领域的领先地位，这对于验证其不断攀升的估值至关重要。
此前有媒体报道称，一份与潜在投资者共享的文件显示，OpenAI的目标是在2029年将年收入提升至1000亿美元。该公司预计今年ChatGPT的收入将达到27亿美元，相较于2023年的7亿美元有显著增长，并且还有10亿美元收入来自其他渠道。同时，谷歌等公司在人工智能产品开发上投入了大量资源，社交媒体巨头Meta也提供与盈利性企业同样出色的免费人工智能模型和工具，竞争愈发激烈。
OpenAI亟需填补其联合创始人伊利亚·苏茨克维（Ilya Sutskever）离职留下的关键职位空缺。苏茨克维是公司创始人之一，也是早期技术的领军人物。今年5月，他离职创办了自己的人工智能公司Safe Superintelligence。
苏茨克维在深度学习领域做出了开创性贡献，他预见到增加计算量将带来日益强大的人工智能，这一预测被证明极具前瞻性。他还意识到谷歌研究人员开发的转换器神经网络架构是提升人工智能语言能力的关键。
此外，苏茨克维还曾担任过OpenAI董事会成员，该董事会曾在2023年11月短暂罢免首席执行官萨姆·奥特曼（Sam Altman）。虽然苏茨克维后来公开道歉，并呼吁让奥特曼复职，但这一事件加剧了围绕奥特曼对公司的控制、商业重点及风险偏好等方面的内部冲突。报道还称，首席技术官穆拉蒂也常卷入这些冲突中，尤其是在公司仓促推出语音界面时引发公司内部的紧张。
在苏茨克维离职后，简·莱克（Jan Leike）也很快跟随离开，后者曾共同领导管理人工智能长期风险的团队。今年8月，另一位联合创始人兼研究科学家约翰·舒尔曼（John Schulman）也宣布离职。舒尔曼的研究涵盖利用强化学习结合人类反馈微调大语言模型，这一技术对构建如ChatGPT般强大且健谈的聊天机器人至关重要。
今年离职的另一位重要人物是安德烈·卡帕蒂（Andrej Karpathy），他曾在特斯拉担任人工智能主管，2022年重返OpenAI，但在2024年2月离开，创立了专注于教育的人工智能初创公司尤里卡实验室（Eureka Labs）。
一位不愿透露姓名的OpenAI早期员工表示，这些离职人员的影响深远，因为他们的研究对公司至关重要。不过，这位员工也指出，OpenAI仍然拥有一批才华横溢的年轻研究人员，由于公司估值的飙升，OpenAI可以为潜在新员工提供丰厚的薪酬。
OpenAI的最新一轮融资恰逢公司向营利性企业转型的关键时刻。公司创始人之一埃隆· 马斯克 （Elon Musk）曾为公司提供4500万美元的早期资金支持，但在马斯克与OpenAI分道扬镳后，奥特曼将公司转型为有限营利企业，并由不直接对投资者负责的董事会监督。去年11月的人事剧变充分表明，这种公司治理结构与快速增长、获得大量资本支持的科技企业之间存在直接冲突。
另一位前OpenAI员工证实，对产品开发的关注持续引发公司内部的紧张情绪，并透露在职员工预计公司将面临更多动荡。其他离职员工也表示，公司内部情况复杂。一位人士评论道：“公司内部情绪分化严重，有些人感到悲观，另一些则不然。”
针对当前的情况，OpenAI引用了奥特曼在穆拉蒂、麦克格鲁和佐夫离职后向员工发送的一则信息，并在社交媒体上公开。在这封邮件中，奥特曼提到几位即将晋升的研究人员，包括新任研究高级副总裁的马克·陈（Mark Chen）和即将担任首席科学家的雅库布·帕乔基（Jakub Pachocki）。
奥特曼在邮件中写道：“领导层的变动是公司发展的正常过程，尤其是对于那些发展迅速且要求严格的公司。当然，我不会假装这是一件轻松的事情，但我们并非一家普通的公司。”
麻省理工学院斯隆管理学院教授西蒙·约翰逊（Simon Johnson）对此表示：“如果你认为一些关键的特殊人才刚刚离开公司，那么这确实是一个问题。”然而，约翰逊也指出，OpenAI的人才流失可能会为科技行业中的其他公司带来机遇。他称：“我认为人工智能领域需要更多的竞争，我们需要探索更多商业模式，也需要更多有建设性想法的聪明人。因此，我对人员流动持开放态度。”
去年11月，当OpenAI董事会决定罢免首席执行官奥特曼时，员工们纷纷威胁要辞职以示抗议，许多人在社交媒体上分享了“没有人，OpenAI什么都不是”的口号。这似乎表明公司正在测试其关键人员的可替代性。（小小）
百度文心一言是什么？你对文心一言有什么期待？
网络文心一言是每日更新的一句古诗词，旨在激发读者的思考，增强文人文魂。 我期待文心一言能够带给我更多美好的文学体验，更深刻的文化意境，以及更多有趣的历史故事。
进入3月中旬，全球科技巨头再次竞相亮相大语言模型赛道。
一周之内，开发出ChatGPT的美国初创公司OpenAI，对OpenAI投入巨资的科技巨头微软，以及中国互联网龙头企业网络，相继发布了在大语言模型（LLM）领域的最新动态。 这也再次引发了全球对该领域的关注。
当地时间3月14日，OpenAI公布了其大型语言模型的最新版本——GPT-4，它比GPT-3.5的问答质量和技术都有明显提升。
3月16日下午，网络开启新一代大语言模型、生成式AI产品文心一言测试，从而成为第一家加入该赛道竞争的中国企业。
在发布会现场，网络创始人、董事长兼首席执行官李彦宏通过问答的形式，展示了文心一言在文学创作、商业文案创作、数理推算、中文理解、多模态生成等五个使用场景。 几个小时后，微软宣布，将把GPT-4接入Office全家桶，新名为“Microsoft 365 Copilot”。
正如财经E法在2月17日发布的文章（OpenAI独家回应｜ChatGPT为何不向所有中国用户开放注册？）所述，中国内地和中国香港的手机号均无法注册ChatGPT账号。 此外，虽然OpenAI的应用程序编程接口（API）已向161个国家和地区开放，但不包括中国内地和中国香港。
一方面，业界普遍关注，在AIGC（生成式人工智能）势不可挡的科技浪潮中，谁将成为下一个弄潮儿？另一方面，在中美科技竞合的敏感期，各方亦颇为关注网络迈出的第一步带来的涟漪，以及中国企业该如何应对。
01“真的ready了吗？”
3月16日，李彦宏身着白衬衫和运动鞋演讲。开场就直面疑问，“最近一段时间，很多朋友问我，为什么是今天，你们真的ready了吗”？
李彦宏的回答是，虽然网络已投入AI研究十多年，为发布文心一言做了充分准备，但“不能说完全ready了”，因为文心一言对标ChatGPT、甚至是GPT-4，门槛很高，还“有很多不完美的地方”。 但他强调“一旦有了真实的人类反馈，文心一言的进步速度会非常快”。
李彦宏解释，之所以选择当天发布，是因为市场有需求：客户和合作伙伴都希望能早一点用上最新最先进的大语言模型。
如何理解李彦宏所言的“对标GPT-4的门槛很高”？
当地时间3月14日，OpenAI公布了其大型语言模型的最森衫新版本——GPT-4。 值得注意的是，GPT-4是大型的多模态模型，即能够接受图像和文本类型的输入。 而GPT-3.5只能接受文本输入。
在展示视频中，OpenAI总裁兼联合创始人格雷格·布罗克曼(Greg Brockman)用笔和纸画了一幅网站草图，并将图片输入GPT-4。 仅1到2秒后，GPT-4就生成了网页代码，制作出了与草图高度相似的网站。 根据OpenAI发布的实验数据， GPT-4模型相较前一代GPT-3.5已取得了巨大的进步，在许多专业测试中表现出超过绝大多数人类的水平。
浙江大学国际联合商学院数字经济与金融创新研究中心联席主任盘和林认为，文心一言未来还有待全亮拿面开放来获得用户检验。 无论是通过B端API还是直接向C端用户开放，用户体验口碑都是硬道理。 当前ChatGPT没对中国用户开放，在国内市场，网络将获得先发优势。
对OpenAI和网络的产品均做过测评的艾媒咨询CEO兼首席分析师张毅表示，GPT系列大模型，包括GPT-4与文心一言本质上都是同一类产品，只是它们各自的数据覆盖范畴和数据模型的积累长短不一。 从短期看，OpenAI的产品准备时间相对更加充足，智能程度暂时领先一些。 但是对文心一言而言，能在这么短的时间内训练出这样的一个产品，也是非常了不起的。
同时，张毅也对网络做出更好产品更有信心，他的理由是，从人工智能、大数据、大模型的人才储备来看，中国会更有优势。
中央财经大学数字经济融合创新发展中心主任陈端则认为，与海外竞争对手相比，网络最大的优势是立足本土，构建了语言和文化层面此键腔理解的护城河。
作为中国公司研发的大语言模型产品，文心一言的中文理解能力备受关注。 重要原因是，此前很多评论人士认为，ChatGPT的中文问答能力不如英文问答能力强。
李彦宏表示，作为扎根于中国市场的大语言模型，文心一言具备中文领域最先进的自然语言处理能力。 在现场展示中，文心一言正确解释了成语“洛阳纸贵”的含义、“洛阳纸贵”对应的经济学理论，还用“洛阳纸贵”创作了一首藏头诗。
李彦宏称，文心一言的训练数据包括：万亿级网页数据，数十亿的搜索数据和图片数据，百亿级的语音日均调用数据，以及5500亿事实的知识图谱等，这让网络在中文语言的处理上能够独一无二。
受访专家也指出，由于汉语的特殊性，中国企业在研发大模型时面临的难度更大，但若突破了，也会在提供本土服务时，具备更大的优势。
法国里昂商学院人工智能与商业分析教授丁文璿日前对媒体指出，语言对话模型训练，需要让机器对文字产生理解，英语比中文稍微容易一些。 丁文璿解释，中国人工智能技术所处理的中文语言，大多都是象形词，而英文是解释性的，相较而言词语也并非特别丰富。
此外，上海交通大学约翰·霍普克罗夫特计算机科学中心助理教授林洲汉认为，未来大语言模型大概率会往多模态、交互式的方向发展，进一步将视觉、语音、强化学习等领域的技术综合进来。 李彦宏也表示：“多模态是生成式AI一个明确的发展趋势。 未来，随着网络多模态统一大模型的能力增强，文心一言的多模态生成能力也会不断提升。 ”
在多模态生成方面，李彦宏展示了文心一言生成文本、图片、音频和视频的能力。 文心一言在现场用四川话朗读了一段内容，并根据文本生成了一段视频。 但李彦宏透露，文心一言的视频生成成本较高，现阶段还未对所有用户开放，未来会逐步接入。
李彦宏称，文心一言的训练数据包括：万亿级网页数据，数十亿的搜索数据和图片数据，百亿级的语音日均调用数据，以及5500亿事实的知识图谱等，这让网络在中文语言的处理上能够独一无二。
受访专家也指出，由于汉语的特殊性，中国企业在研发大模型时面临的难度更大，但若突破了，也会在提供本土服务时，具备更大的优势。
法国里昂商学院人工智能与商业分析教授丁文璿日前对媒体指出，语言对话模型训练，需要让机器对文字产生理解，英语比中文稍微容易一些。 丁文璿解释，中国人工智能技术所处理的中文语言，大多都是象形词，而英文是解释性的，相较而言词语也并非特别丰富。
此外，上海交通大学约翰·霍普克罗夫特计算机科学中心助理教授林洲汉认为，未来大语言模型大概率会往多模态、交互式的方向发展，进一步将视觉、语音、强化学习等领域的技术综合进来。 李彦宏也表示：“多模态是生成式AI一个明确的发展趋势。 未来，随着网络多模态统一大模型的能力增强，文心一言的多模态生成能力也会不断提升。 ”
在多模态生成方面，李彦宏展示了文心一言生成文本、图片、音频和视频的能力。 文心一言在现场用四川话朗读了一段内容，并根据文本生成了一段视频。 但李彦宏透露，文心一言的视频生成成本较高，现阶段还未对所有用户开放，未来会逐步接入。
发布会前后，网络的股价经历了大落大起。 3月16日，港股网络盘中股价跌幅一度扩大超10%，报120.1港元。 截至收盘，网络股价跌幅为6.36%，报125.1港元。 但网络股价在美股势头强劲，当日网络美股开盘低开高走，振幅超7%。 截至收盘，报138.16美元，涨幅为3.8%。 3月17日，网络港股表现强势，盘中一度大涨超15%。 截至当日收盘，网络港股涨幅为13.67%，报142.2港元。
文心一言宣布开启邀请测试一小时内，排队申请文心一言企业版API调用服务测试的企业用户已达3万多家，申请产品测试网页多次被挤爆，网络智能云官网流量飙升百倍。
文心一言的市场热度持续飙升，资本市场也给予了价值重估。 张毅认为，这也代表了公众对大语言模型/生成式AI “既期待，又担忧，然后是希望”的心情。
02谁都不能错过的科技革命
事实上，“真的ready了吗？”并不仅针对网络，也是伴随此轮“ChatGPT”热潮以来，公众普遍的疑问。
李彦宏观察到，从2021年开始，人工智能技术开始从“判别式”向“生成式”转变。
创新工场董事长兼CEO李开复3月14日在一场趋势分享会上表示，AI 2.0时代的第一个现象级应用，就是以GPT-4为代表的AIGC，又称生成式AI（Generative AI）。 李开复表示，AI2.0 是绝对不能错过的一次革命，它将会是一个巨大的平台性机会，这个机会将比移动互联网大十倍。 他还表示，AI 2.0也是中国在AI领域的第一次平台角逐机会。
受访专家普遍认为，此前全世界的AI企业都遇到了一个极大的问题：即使技术储备十分丰富，AI应用并没有给它们带来丰厚的收益。 造成这一问题的原因在于，AI产品的应用主要集中在B端（企业用户）和G端（政府用户），AI产品在进入企业或机构时往往流程复杂，这在某种程度上会限制AI产品在市场上的快速扩张。
因此，张毅认为，AIGC的产品应用方向在C端更有可能产生巨大的商业机会。 他分析说，在美国市场，此前C端市场被谷歌、亚马逊、Meta等企业抢占，让微软压力非常大，更需要一款产品来扳回一局。 在中国市场，网络的优势和谷歌一样，都有强大的搜索引擎对数据的抓取能力，以及储存、整理、分析能力的基础。 中国本身拥有十几亿人口的巨大市场，网络完全可以做得很优秀。
“网络和微软、谷歌本质上是两个不同市场的竞争，所以我相信文心一言以及系列产品也一定会跑出来。 ”张毅说。
李彦宏坚称，文心一言不是“中美科技对抗的工具”。 但他也承认，ChatGPT 的成功，加快了网络推出该产品的进度。
网络CTO王海峰表示，人类进入AI时代，IT技术的技术栈可以分为四层：芯片层、框架层、模型层和应用层。 网络是全球为数不多、在这四层进行全栈布局的人工智能公司，在各个层面都有领先业界的自研技术。 例如，高端芯片昆仑芯、飞桨深度学习框架、文心预训练大模型以及搜索、智能云、自动驾驶、小度等应用。 王海峰认为，网络全栈布局的优势在于，可以在技术栈的四层架构中，实现端到端优化，大幅提升效率。
文心一言与ChatGPT一样，都使用了SFT（模型微调）、RLHF（从人类反馈中进行强化学习）以及Prompt（提示）作为底层技术。 此外，文心一言还采用了知识增强、检索增强和对话增强技术。 王海峰表示，这三项是网络已有技术优势的再创新。
陈端认为，在当前技术创新的集成性越来越高的当下，全栈式布局的单一公司在内部技术研发统筹能力和后期商业化进行中的协同能力上具有比较优势。
信心很重要，但差距无法忽视。
在本月初的两会期间，中国科技部部长王志刚在回应ChatGPT相关的问题时，用足球打比方，指出中国还有很多工作要做。 “踢足球都是盘带、射门，但是要做到梅西（足坛巨星利昂内尔·梅西）那么好也不容易。 ”
王志刚指出，中国在这方面也作了很多布局，在该领域的研究也进行了很多年，并且有一些
成果，“但目前要达到像 OpenAI 的效果可能还要拭目以待”他补充道。
王志刚说，ChatGPT出来以后，引起了大家的关注。 实际从技术本身源头来讲，它叫做NLP、NLU，也就是自然语言处理和自然语言理解。 ChatGPT之所以引起关注，在于它作为一个大模型，有效结合了大数据、大算力、强算法，计算方法有进步。 同样一种原理，做得有区别。 比如大家都能做出发动机，但质量是有不同的。
然而，无论是ChatGPT还是文心一言，其背后的大语言模型是核心竞争力。 北京大学王选计算机研究所研究员赵东岩告诉财经E法，国内大模型在数据、训练方法和费用投入方面和OpenAI还有一定差距。
一位科技系统人士则对财经E法指出，客观而言，中美目前在该领域的基础研究成果差距较大。 这些基础研究成果包含自然语言处理（NLP）、数据库、GPU产品，“美国切断GPU芯片（的供应），（中国的）算力就跟不上”。
大型算力的核心在于高性能GPU芯片。 北京航空航天大学软件学院助理教授周号益告诉财经E法，在GPU芯片等计算硬件上，中国与国际的差距在十年左右，硬件水平会严重制约大语言模型以及科学计算类模型的发展。
周号益认为，在技术和模型上，中国的科技公司与OpenAI并没有代差，差距仅在五年以内，在一些较小的技术领域差距只有2-3年。 在数据采集方面，以GPT-3大模型为例，其训练的语料中中文只占5%，中国科技企业对中文语料的积累具有一定优势，因此极有可能在中文领域实现突破。
03巨头下一步：构建生态
对于以ChatGPT为代表的大语言模型赛道如何实现盈利，是各方公认的难题（ChatGPT爆火的冷思考：盈利难题与治理挑战）。
开发出ChatGPT的OpenAI仍是一家亏损中的创业公司。 而2023年1月，投资银行摩根士丹利（Morgan Stanley）的一份分析报告称，ChatGPT的一次回复成本大约是谷歌搜索查询平均成本的6倍-28倍。
但腾讯研究院高级研究员曹建峰和经纬创投前副总裁庄明浩都认为，ChatGPT能带来多少盈利，并不是OpenAI关注的重点，重点是基于它的模型能长出什么样的服务和应用，从而构建起一个生态系统。 “ChatGPT的发展需要一个产业生态，比如它和微软相关应用的融合就是很好的思路。 ”曹建峰说。
当地时间3月15日，微软副总裁兼消费者首席营销官余瑟夫·梅迪发文表示，新版必应搜索引擎已经在 GPT-4 上运行。 另据OpenAI披露，GPT-4是在微软Azure AI 超级计算机上进行训练的，并将基于Azure 的AI基础架构向世界各地的用户提供 GPT-4服务。
谷歌则宣布开放其大语言模型PaLM的API接口，并推出面向开发者的工具MakerSuite。 通过PaLM API 接口，开发者们可以将PaLM用于各种应用程序的开发。 MakerSuite则可以让开发者快速对自己的想法进行原型设计，并且随着时间的推移，该工具将具有用于快速工程、合成数据生成和自定义模型调整的功能。
微软迅速跟进。 当地时间3月16日，微软宣布将把GPT-4接入Office全家桶。 新功能名为“Microsoft 365 Copilot”。
李彦宏则在发布会上表示，文心一言定位于人工智能基座型的赋能平台，将助力金融、能源、媒体、政务等千行百业的智能化变革。
根据文心一言的邀请测试方案，3月16日起，首批用户可通过邀请测试码，在文心一言官网体验产品，后续将陆续开放给更多用户。 此外，网络智能云即将面向企业客户开放文心一言API接口调用服务。 该服务于3月16日起开放预约。
截至3月18日早11点，排队申请网络智能云文心一言企业版API调用服务器测试的企业用户增加到9万家，网络收到关于文心一言合作的咨询 6588条。
陈端认为，这一轮的竞争，不仅是商业主体的竞争，实际上也是关乎下一轮国家数字竞争力的竞争。 所以，网络的当务之急不完全是技术层面的研发，也需要引领更多初创型企业、生态合作伙伴加盟生态阵营。
在陈端看来，中国在构建生态系统上具有优势。 陈端指出，中国的移动互联网经过多年发展，应用层生态化的配套创新已经非常成熟。 应用层的很多中小微创业团队，在过去配合移动互联生态做了大量的局部、垂类场景端的创新，把过去的这种模式以及底层基础设施从移动互联迁移到大模型领域依然适用。
04中小企业还有机会吗？
面对大语言模型的浪潮，中国企业该如何抓住机遇，避免风险？
在中国，布局ChatGPT的企业有两种类型：第一种是传统的互联网大公司，第二种是一些初创企业。
陈端认为，目前市场上的初创公司已经错过了布局大模型的初始创业阶段。陈端分析说，
重新打造生成式AI企业，跟时机、底层的生态支撑度，还有创始人自身的阅历、经验、视野、个人IP的自然调动能力都是息息相关的。 此外，大模型在前期的投入，不管是算力还是其他的成本，以及时间窗口都很重要。
陈端表示，目前，网络有能力把自己的其他的产品与文心一言协同，就像微软把Office与GPT-4协同推出Copilot，而“创业者单纯去拼大模型却没有配套生态，这是很成问题的”。
张毅也认为，对于能够有资金、实力支撑的企业来讲，单独构建大模型产品可能会更受资本和创业者的青睐。 但对于中小企业来讲，依托文心一言的开放平台去嫁接自己在细分领域的应用，也是一个不错的选择。
因为要做出大语言模型，需要长时间，以及巨额资金的投入。
OpenAI成功的背后，是微软多年来的巨额投入。 美国时间2023年1月23日，微软宣布将对OpenAI进行为期数年、价值数以十亿计美元的投资。 在2019年和2021年，微软曾向OpenAI两次投资。 2019年的投资为10亿美元，而2021年的投资未公开金额。
AI公司“彩云科技”的创始人袁行远在接受36氪采访时指出，要想跑通一次100亿以上参数量的模型，至少要做到“千卡/月”这个级别，即：用1000张GPU卡，然后训练一个月。 即使不用最先进的英伟达A100，按照一张GPU五万元的均价计算，1000张GPU意味着单月5000万的算力成本，这还没算上算法工程师的工资。
“无论是哪家公司，都不可能靠突击几个月就能做出这样的大语言模型。 ”李彦宏在发布会上表示，深度学习、自然语言处理，需要多年的坚持和积累，没法速成。 大模型训练堪称暴力美学，需要有大算力、大数据和大模型，每一次训练任务都耗资巨大。
网络提供的数据显示，网络近十年累计研发投入超过 1000 亿元。 2022 年网络核心研发费用 214.16 亿元，占网络核心收入比例达到 22.4%。 但网络并未透露大模型研发在核心研发费用中的占比。
李彦宏在发布会上表示，网络对文心一言的定位，是一个通用的赋能平台，金融、能源、媒体、政务等千行百业，都可以基于这个平台来实现智能化变革，实现效率提升，创造巨大的商业价值。 李彦宏认为，大模型时代将产生三大产业机会，分别为新型云计算公司、进行行业模型精调的公司和基于大模型底座进行应用开发的公司，即应用服务提供商。
李彦宏断言，对于大部分创业者和企业来说，真正的机会并不是从头开始做ChatGPT和文心一言这样的基础大模型，这很不现实，也不经济。 基于通用大语言模型抢先开发重要的应用服务，这可能才是真正的机会。 目前，基于文本生成、图像生成、音频生成、视频生成、数字人、3D等场景，已经涌现出很多创业明星公司，可能就是未来的新巨头。
“大模型、生成式AI最终的产品形态还不得而知，所以这条路注定是长跑，需要整个科技界在资本、研发、模式创新上密切、持续地跟跑。 ”张毅说。
李开复认为，AI2.0会最先应用在能容错的领域，而毫无疑问最大的应用领域现在是内容创造。 每个领域都可以把原有的App重写一次，创造出更赚钱的商业模式，最终AI2.0的生成能力会把成本降的几乎到0。
人工智能的发展前景趋势？
1、 机器视觉和语音识别是主要市场
技术层是基于基础理论和数据之上，面向细分应用开发的技术。 中游技术类企业具有技术生态圈、资金和人才三重壁垒，是人工智能产业的核心。 相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。
该层面包括算法理论(机器学习)、平台框架和应用技术(计算机视觉、语音识别、自然语言处理)。 众多国际科技巨头和独角兽均在该层级开展广泛布局。 近年来，我国技术层围统垂直领城重点研发，在计算机视觉、语音识别等领城技术成熟，国内头部企业脱颗而出，竞争优势明显。
2、计算机视觉发展历经三大理念，规模突破400亿元
1982年马尔(David Marr)《视觉》(Marr，1982)一书的问世，标志着计算机视觉成为了一门独立学科。 计算机视觉的研究内容，大体可以分为物体视觉(object vision)和空间视觉(spatial vision)二大部分。 物体视觉在于对物体进行精细分类和鉴别，而空间视觉在于确定物体的位置和形状，为“动作(action)”服务。 正像著名的认知心理学家所言，视觉的主要功能在于“适应外界环境，控制自身运动”。 适应外界环境和控制自身运动，是生物生存的需求，这些功能的实现需要靠物体视觉和空间视觉协调完成。
计算机视觉近40年的发展中，尽管人们提出了大量的理论和方法，但总体上说，计算机视觉经历了三个主要历程。 即：马尔计算视觉、多视几何与分层三维重建和基于学习的视觉。
国际市场研究机构Research And Markets发布的最新报告显示，2019年全球计算机视觉市场规模为46.433亿美元，预计到2027年将达到950.805亿美元，从2020年到2027年，预计年复合增长率为46.9%。
3、语音识别发展科追溯到1956年
语音识别的研究工作可以追溯到20世纪50年代。 在1952年，AT&T贝尔研究所的Davis，Biddulph和Balashek研究成功了世界上第一个语音识别系统Audry系统，可以识别10个英文数字发音。 这个系统识别的是一个人说出的孤立数字，并且很大程度上依赖于每个数字中的元音的共振峰的测量。 1956年，在RCA实验室，Olson和Belar研制了可以识别一个说话人的10个单音节的系统，它同样依赖于元音带的谱的测量。 到21世纪之后，深度学习技术极大的促进了语音识别技术的进步，识别精度大大提高，应用得到广薯知帆泛发展。
目前，语音识别技术已逐渐被应用于工业、通信、商务、家电、医疗、汽车电子以及家庭服务等各个领域。 例如数雹，现今流行的手机语音助手，就是将语音识别技术应用到智能手机中，能够实现人与手机的智能对话功能。 其中包括美国苹果公司的Siri语音助手，智能360语音助手，网络语音助手等。
随着语音技术和自然语言理解技术的快速进步，AI语音语义技术已在智能翻译、智能医疗、智能汽车、智能客服、互联网语音审核等多个领域实现场景应用。
疫情之后不仅是工业领域，政务服务领域的语音机器人、传统行业企业的语音机器人也将有较高的市场增长空间。 另外，NLP、AI数字员工、RPA的发展，一定程度上也将重塑AI应用场景。
2018年，全球智能语音市场仍呈现快速增长趋势，市场规模为142.1亿美元，根据预测到2024年全球智能语音市场规模将达到215亿美元，其中智慧医疗健康、智慧金融以及各类智能终端智能语音技术需求将成为主要的驱动因素。
4、美国AI高层次学者数量大幅领先
AI高层次学者是指入选AI 2000榜单的2000位人才，由于存在同一学者入选不同领域的现象，经过去重处理后，AI高层次学者共计1833位。 从国家角度看AI高层次学者分布，美国A1高层次学者的数量最多，有1244人次，占比62.2%，超过总人数的一半以上，且是第二位国家数量的6倍以上。 中猛册国排在美国之后，位列第二，有196人次，占比9.8%。 德国位列第三，是欧洲学者数量最多的国家;其余国家的学者数量均在100人次以下。
—— 以上数据参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》
