ChatGPT搞钱行不行******
一系列的试探之后,AI聊天机器人ChatGPT的收费计划浮出水面。当地时间2月1日,人工智能实验室Open AI在其官网宣布将推出“ChatGPT Plus”付费订阅版本,每月收取20美元。免费了两个月,月活用户却达1亿的ChatGPT,终于踏上了自己的“赚钱路”,由此,AIGC商业化落地的探讨也陡然升温。不少人迫切地想知道,ChatGPT Plus会不会是AIGC从烧钱到赚钱的关键转折。
免费服务仍将继续
“新晋顶流”ChatGPT用收费计划再次搅动了AI圈的一池春水。根据Open AI的公告,订阅ChatGPT Plus服务的用户,即使在高峰时段,也可获得该聊天机器人更快速的回应,而且可以提前体验新功能和改进。
去年11月,ChatGPT横空出世,不仅能够通过学习和理解人类的语言与用户进行对话,还能根据上下文互动,甚至能够完成撰写文案、翻译等工作。得益于这种突破性的使用体验,ChatGPT迅速蹿红。
当地时间2月1日,瑞银发布研究报告称,截至今年1月,近期爆火的ChatGPT在推出仅两个月后,其月活跃用户估计已达1亿,成为历史上用户增长最快的消费应用。同样的成绩,海外版抖音TikTok在全球发布后,花了大约9个月的时间,Instagram则花了两年半的时间。
但大量用户涌入的同时,也导致ChatGPT经常在流量压力之下无法提供及时的回应,此次收费版的ChatGPT Plus针对的便是这一痛点。
据悉,付费计划将在未来几周内首先在美国推出,然后扩展到其他国家。但ChatGPT Plus的推出并不意味着取代免费版的ChatGPT,Open AI表示,将继续为ChatGPT提供免费访问。
烧不起的模型成本
尽管只推出了两个月,但Open AI对于ChatGPT的收费计划却已经暗示了有一阵子。早在1月初,Open AI就曾提出过专业版ChatGPT的计划,宣布“开始考虑如何使ChatGPT货币化”,并公布了一项调查。什么价格以上会无法接受?什么价格以下会觉得太便宜?诸如此类关于定价的问题皆在其中。
有用户曾在社交媒体上提问ChatGPT是否会永久免费,对此,Open AI首席执行官Sam Altman回应称:“我们将不得不在某个时间点,以某种方式将其商业化,因为运算成本令人瞠目结舌。”Sam Altman曾透露,ChatGPT平均每次的聊天成本为“个位数美分”。
“这类大模型训练成本非常高。”在接受北京商报记者采访时,瑞莱智慧高级产品经理张旭东表示。
但相对训练来说,模型推理,也就是用户提交输入模型输出结果的过程,这一成本会更高。“据说ChatGPT在开放测试阶段每天要花掉200万美元的服务器费用,所以前段时间免费的公测也停止了,如何降低模型推理的消耗也是目前的一个重要研究问题。”张旭东称。
“钱景”在哪
长久以来,广阔的市场前景和难以盈利的现状几乎成为了AI领域难以平衡的理想和现实,对ChatGPT或者说是以ChatGPT为代表的AIGC也是一样。
洛克资本副总裁史松坡对北京商报记者分析称,ChatGPT受到广泛认可的重要原因是引入新技术RLHF,即基于人类反馈的强化学习。在史松坡看来,ChatGPT是一个高效的信息整合助手,可以取代大量人类中初级助理的角色。
但他同时提到,目前ChatGPT在海外英文环境中已经能胜任图画创作、音乐创作、文字整理、信息搜集综合、基础编程和金融分析,但还不能胜任高频度的人类主观决策,比如大型投资决策、政治战略决策等。
天使投资人、知名互联网专家郭涛认为,ChatGPT在重塑众多行业或场景的同时也孕育着巨大的商机,将推动众多行业快速变革,有望在AIGC、传媒、娱乐、教育、客户服务、医疗健康、元宇宙等领域快速落地,具有万亿级市场规模。
张旭东认为,AIGC商业化落地还需要结合应用场景,目前基于生成式大模型的商业应用案例还比较少,就以当下的技术水平看,一两年内达到很好的AGI(通用人工智能)水平还是不太现实的,所以一定需要有垂直领域的创新公司来基于OpenAI等公司的工作来寻找合适的场景落地。
AIGC商业化,侵权与被侵权
AIGC要想商业化,场景只是其一。伴随着ChatGPT的爆火,争议始终并行,比如AI绘画面临的版权探讨。学术界也已针对ChatGPT做出了反应,权威学术出版机构Nature规定,ChatGPT等大模型不能被列为作者。纽约市教育部门曾表示,纽约公立学校的所有设备和网络上将禁止使用ChatGPT。
张旭东认为,目前AIGC最为成熟的应用在内容作品创作上,但从专业角度看,AIGC属于模仿创新,并不具备真正的创造力,AIGC的作品可能对一些艺术家、创作家的风格题材造成侵权;另一方面,AIGC作品也存在被他人侵权的风险。
此外,就安全性问题而言,AIGC这种深度生成能力很可能被滥用于伪造虚假信息,比如生成一些敏感性的有害信息,甚至伪造新闻信息恶意引导社会舆论,而且这些生成式内容难以分辨追踪,大幅增加对信息治理的挑战难度。信息获取也是AIGC需要解决的问题之一。
郭涛则提到,当前AIGC赛道尚处于孕育探索阶段,存在关键核心技术不成熟、免费素材资源较少、内容堆砌且质量参差不齐、成熟的商业应用场景较少、相关法律法规不健全及技术伦理挑战等突出问题,短期内还难以实现大规模商业化应用。
北京商报记者 杨月涵
发挥数据的创新引擎作用******
作者:孙辰朔(清华大学习近平新时代中国特色社会主义思想研究院特约研究员)
随着数字技术创新和迭代速度加快,数据作为关键生产要素,已快速融入生产、分配、流通、消费和社会服务管理等各个环节,成为驱动经济社会发展的重要力量。习近平总书记指出,“发挥数据的基础资源作用和创新引擎作用,加快形成以创新为主要引领和支撑的数字经济”。中共中央、国务院前不久发布的《关于构建数据基础制度更好发挥数据要素作用的意见》对激活数据要素潜能、做强做优做大数字经济、构筑国家竞争新优势作出了一系列部署。切实用好数据要素,更好发挥数据的数字化、网络化、智能化基础作用,协同推进技术、模式、业态和制度创新,对于深化创新驱动、推动高质量发展具有重要意义。
数据要素是数字经济深化发展的核心引擎。充分发挥数据资源优势、挖掘数据价值潜力,需要不断完善数据要素培育和发展相关体制机制,加快构建数据基础制度,让数据要素更好为创新赋能,为推动高质量发展注入强大动能。
第一,数据要素能够推动知识技术创新。数据要素是指能够参与社会生产经营活动、可为使用者或所有者带来经济效益、以电子方式记录的数据。释放数据要素价值的关键在于数据开发利用。政府、企业、科研院所等在参与数据要素加工使用的过程中,通过结合人工智能算法、经济数学模型和领域专业知识,对研发、设计、生产、营销与决策各环节进行数据清洗、分析、建模,可以发现新的规律,研究出新的理论,创造新的知识或技术,带来更多经济效益和更大社会价值。
第二,数据要素能够优化科技创新要素配置。实现科技创新的要素包括劳动、资本、土地、技术、数据、企业创新精神等实体要素和虚拟要素。传统要素市场中存在信息不对称、要素流通不畅等,容易产生创新要素供需错配等问题,使创新资源的利用偏离最优配置。通过对数据要素的挖掘分析和利用,可以降低信息交互偏差和要素交易成本,推动创新要素流向高生产效率、高边际产出的企业和行业,打通“信息孤岛”和“数据壁垒”,从而实现要素高效配置。
第三,数据要素能够提升产业创新发展能力。一方面,作为数字化、网络化、智能化的基础,数据要素能够参与技术、产品、市场、组织、管理等创新过程,依靠信息技术创新驱动,推动数字产业化,不断催生新产业新业态新模式,培育壮大一批具有增长潜力的新兴产业,创造更多新需求和新就业岗位,挖掘新的经济增长点。另一方面,促进数据高效流通,推动产业数字化转型,实现数字经济与实体经济深度融合,将极大提升传统产业跨区域、跨场景、跨行业的协同创新水平,提升产业发展的质量和效益。
更好发挥数据要素对创新的推动作用,可重点从以下四个方面发力。
一是构建彰显创新引领的数据基础制度,鼓励数据要素投入创新。数据基础制度体系是数据要素赋能创新的制度保障。要建立数据产权制度,推动数据产权结构性分置和有序流通,强化高质量数据要素供给,推进数据分类分级确权授权使用和市场化流通交易。要建立合规高效的数据要素流通和交易制度,让数据要素更加顺畅地流通、更有效率地交易。要建立体现效率、促进公平的数据要素收益分配制度,激发数据要素赋能创新、协同创新的活力和潜能。还要加强政策支持和引导,激励创新创业创造,让更多数据要素参与创新过程。
二是推动数字与产业融合发展,深化产业链创新链融合。数据要素驱动创新的重要路径在于促进数字经济与实体经济深入融合,促进实体经济中的创新要素高效配置。要面向各市场主体、行业和区域需求,统筹推进数字化转型。数据要素驱动创新的关键抓手在于推动创新链产业链深度融合,要加强数据要素与其他生产要素的组合迭代、交叉融合,推动生产要素多领域、多维度、系统性突破,围绕产业链部署创新链、围绕创新链布局产业链,深入实施工业互联网创新发展战略,发挥数据的创新引擎作用。
三是致力打造数字人才高地,强化关键核心技术攻关。充分发挥数据要素作用,关键在于扩大高水平数字创新人才供给。要创新科技人才培养体系,将数字人才培养作为学科建设的重要内容,提升全民数字素养与技能,培养造就一大批既懂专业领域又懂数字技术的高水平复合型人才。还要提升关键软硬件技术创新和供给能力,加强数字科技基础理论研究和数字基础设施建设。
四是构建多方协同治理模式,筑牢数字经济创新发展安全屏障。发挥数据要素驱动创新的作用离不开强有力的安全治理,要充分发挥政府有序引导和规范发展的作用,构建政府、企业、社会多方协同治理模式。要压实企业的数据治理责任,增强企业社会责任,促进公平竞争。还要增强数据安全保障、网络安全防护等各方面能力,把安全要求贯穿数据要素赋能创新全过程。
(文图:赵筱尘 巫邓炎)