OpenAI王炸之后，创业者何去何从｜Hello Tech

图片来源：OpenAI开发者大会视频

200万名开发者参与生态构建，92%的世界500强公司使用其产品，以及ChatGPT全球周活跃用户超1亿。

这是OpenAI首席执行官Sam Altman在首次开发者大会上公布的过去一年骄人业绩。

然而在这场被戏称为“AI春晚”的DevDay上，给AI圈带来大地震的远不止这些：不仅有会前流传的GPT-4 Turbo和更强大的全新功能，还将推出GPT Store，以及自定义GPT（GPTs），用户可以分分钟创建自己的GPT。

AI的爆炸时刻

Sam Altman曾说过：“我们正在孕育新物种，它们正在迅速增殖。”

对于此次的新功能，我们做了太长不看版总结。

面向普通用户的更新：

推出GPTs，用户可以自定义GPT，为特定任务创建定制版的ChatGPT，无需编写代码，并可以将GPT连接到API，执行管理数据库、发送电子邮件和短信等任务。

OpenAI将上线GPT商店，创作者可以上架自己构建的GPT，平台也会将产生的收入与创作者分享（AI圈App Store既视感）。

面向开发者的更新：

发布GPT4-Turbo模型，功能更强大且更便宜：支持更长的token；开发者对模型有更多控制；知识库更新到2023年4月；开放更多的API，支持视觉、图像创建和文本转语音等新模态；定制化并且有更高的速率限制。

此次GPT4-Turbo上下文窗口达到128k，是GPT-4的四倍，大约相当于300页纸的文字量。与此同时，输入价格0.01美元每1000 token，输出价格为0.03美元每 1000 token，比GPT 4大幅下降。

发布Assistants API，推出Code Interpreter（代码解释器）、Retrieval（知识库）、Function calling（函数调用）等功能，开源语音和图像模块，帮助开发者更轻松地在自己的应用程序上构建Agent。

图片来源：OpenAI开发者大会视频

这场开发者大会结束后，有评价称OpenAI的组合拳把创业者打懵了，“一夜回到解放前”、“降维打击初创企业”之声不绝于耳，但事实上“建生态”这条路线并非横空出世，大模型玩家都在探索类似的落地方式。

其次，OpenAI距离建立类似App Store的底层infra，仍然有很长一段路要走。这需要非常丰富的应用形态，而非仅仅是ChatGPT提供的对话及信息获取。如果没有充足的日活和使用频率，生态的建设无异于空中楼阁。

但是非常重要的一点是，OpenAI在“建生态”这条路上官宣出发，让国内外的AI从业者都不得不正视即将到来的巨大变革。

创业者的机会在哪里

答案是寻找领域壁垒的大山，将大模型能力和场景深度结合。

虽然OpenAI基于很强的基座模型，往上做了很强的演化，但是其目前甚至很长一段时间都还解决不好的问题，是垂直纵深的领域壁垒问题。

垂直领域的壁垒是决定能否建立护城河的关键，这里涉及到独特的行业数据、数据挖掘能力、种种业务逻辑的复杂性、客户隐私……在垂直方向深耕，才能做出真正有核心价值的产品。

在这个节点，让我们重新回顾一个月前，Altman在YC Alumni Reunion上的分享，或许很有思考意义。

图片来源：Thread

Key Takeaways：

• 简单模仿、套壳OpenAI的公司注定消亡。仅在成本、速度、界面、用户体验、提升GPT功能等方面与OpenAI一较高下的公司，竞争优势并不会持续，企业必须提供真正独特的价值。OpenAI已经投入大量资金，解决自身存在的缺陷和问题，并将不断提高模型的准确性和成本效率。

  值得注意的是，当今市场上有多种模型可供选择，每种模型都有其独特挑战。如果仅仅覆盖OpenAI或某个模型的特性，未来将面临挑战。

• 优先考虑针对特定目标的人工智能解决方案，比如AI在医学、教育上的赋能，这两者社会价值都十分巨大。有消息称，OpenAI正在筹建OpenAI学院，它有可能是人人可访问的免费在线教学系统。在此之前，OpenAI也在GPT-4客户案例中展现了两个教育场景，GPT-4化身AI学习助手，既可以作为学生的虚拟导师，又可以作为教师的课件助手。

• 挖掘协助企业使用人工智能的潜力，包括创建私有GPT的可能性。OpenAI目前似乎正在避开这个领域，优先考虑扩展其高端模型的功能。因此训练一个更小、资源密集度较低、不依赖于广泛GPU计算能力的模型似乎是一个可以探索的方向。

• 没有计划的盲目筹资是不明智的，融到钱并不意味着万事大吉。

• 要做长远的思考，OpenAI也曾涉足机械臂、核能研究、游戏等领域，最终发现要解决的问题是对AGI之路的综合思考。失败的尝试并不可怕，重要的是通过失败发展出新的能力。

• 重视人才招聘，关注那些“看起来不完全适合加入公司”的人。ChatGPT并非是OpenAI从最开始就倾力投入的项目，当大模型路线尚不明确时，OpenAI仍然招聘了一位本科生做AI方向的研究。

  这位本科生就是Alec Radford，毕业后就加入了OpenAI，如今在谷歌学术上的论文引用次数已经超过9万。他所坚持的大模型路线取得突破后，成为整个公司倾力投入的项目，改变了OpenAI甚至整个AI领域的发展方向。

• Altman认为大模型领域的“Scaling Laws”已经开始发挥作用，随着大模型训练成本和调用GPT接口价格的下降，更强大的AI能力将会出现。

  Scaling Law（扩展法则）的概念最初由OpenAI发表于2020年的“Scaling Laws for Neural Language Models”，文中提出：测试集上的Loss会随着计算、数据规模与模型参数量的增加而呈现可以预测的下降模式，即随着模型、数据集的大小和计算的增加，模型的性能会提高。该发现对于优化自然语言模型的设计与训练有重要的指导意义。

• 即便前景如此光明，Altman表示距离AGI之路还很远。真正的AGI将能够“自行推理”，随着时间推移，发展新知识。能够根据已有知识写论文、做实验的AI，才能达到AGI的门槛。同时，他指出必须谨慎对待AI的输出结果，人们难以原谅计算机犯的错误。

Reference:

https://www.usethread.io/blog/navigating-openais-platform-risks-insights-from-sam-altmans-talk

https://www.linkedin.com/posts/ibamasood_chatgpt-can-now-hear-see-and-speak-nervous-activity-7112087060068368384-0OXb/

https://twitter.com/sama/status/1705751665293554120