发布短短五天，注册用户数超过100万，两个月后，月活用户已经超过1亿人次....

ChatGPT刚一发布就让全球的人工智能企业羡慕不已。

然而就在人们还在沉浸在感慨中，GPT-4又再度“出圈”：更强大的数据库、更聪明的对话、更接近于人类的思考方式......

就在上个月，国内互联网巨头百度发布了对标ChatGPT产品“文心一言”。结果却是，体验不佳、股价下跌。

相比于多轮迭代的ChatGPT，“文心一言”在逻辑推理、多轮对话等方面的表现不尽如人意。国产人工智能从“追风者”变成“追赶者”，到底难在哪里？

在上海徐汇，竹间智能产品总监徐珲向记者介绍了他们自主研发的一款文案神器“灵感闪写”。

在这里，记者进行了个小测试，将同样的主题分别提给“灵感闪写”和ChatGPT。

结果ChatGPT生成的内容更胜一筹，从拍摄景别到镜头设计，从采访提纲到拍摄场景，都非常专业。比如开场和结尾镜头的详细设计，都是记者可以直接采用的视频脚本。

徐珲坦言，同为基于大模型技术的文字生产类产品，“灵感闪写”的数量级仅为百亿级，与ChatGPT的千亿级相去甚远，模型缺少训练是主因。

而ChatGPT背后的训练跟参数非常庞大，需要非常多的一些硬件的辅助，最关键的就是GPU。

GPU，即人工智能的算力支撑。由于美国实施的贸易限制，国内企业无法获取相关芯片，而运行ChatGPT至少需要上万枚芯片。算力的缺失，是限制中国生成式AI诞生的最直接因素之一。

在竹间智能CEO简仁贤看来，没有这些算力，就应该去想办法，把这些基础的模型，用最好的方式，到最有用的场景。

上海银行研发总部，产品经理姜亚文正向记者介绍处于测试阶段的虚拟员工产品，与之前的“元宇宙”虚拟人不同，她运用的也是大模型技术，扮演的是一位专业的金融行业客服。

事实上，ChatGPT一经问世，就有不少人认为金融行业将是ChatGPT落地场景的最佳领域。究其原因，金融行业在纵向上涵盖多种工作需求，又覆盖了从金融到各行各业的多元化应用场景。

如果说早前ChatGPT的走红只是唤醒了国内网民的好奇心，摆出了一副“吃瓜”姿态，现在已然被彻底点燃了热情。

但“文心一言”上线至今，并未有第二家企业官宣跟进，或喧嚣或冷静的背后，科大讯飞董事长刘庆峰的观点似乎代表了国内科技界的主流看法：AI要兑现红利，标准之一就是有看得见摸得着的应用场景。

事实上，人工智能产业规模占全国三分之一,企业数占比达到30%的长三角，并不缺少媲美ChatGPT的大模型，更有超过全球的实实在在的应用场景，这也是很多企业自信可以开发出相关应用的直接原因。然而算力资源、工程能力、模型迭代策略、调优机制等能力的缺失也是不争的事实。

更重要的是，ChatGPT能够提炼的语料是开放的、共享的、免费的，而中国版ChatGPT所需要的高质量中文语料大多被存在各家企业或机构的“后花园”里无法共享。尽管在工信部的“施压”下，大厂们已经开始“拆墙”，但不同平台的数据仍然很难产生交流和总结，无形中增加了模型训练的难度。

即使有高质量数据，还需要多轮训练。ChatGPT一次完整的模型训练成本超过1200万美元，频率通常在几个月到一年不等。高昂的成本，短时间内看不到回报，喜欢“赚快钱”的中国互联网企业显然也有些不太适应。

在“肉眼可见”的技术差距面前，做垂直、做细分领域的NO.1已经成为当下国内人工智能行业实现追赶的共识。

目前，上海银行已经实现了人工智能在营销、风控、客服及运营等领域的应用覆盖，支撑近200个业务场景。但细究来看，当前银行业广泛应用的人工智能和ChatGPT仍存在代际性区别。

在上海银行信息技术部总经理曹广智看来，生成式AI，不可能适用金融业的所有场景。

作为客服对话，90%的准确性就够了，但如果真的用于企业服务，比方说导致了错误的引导，那最后的损失一定是商业银行承担责任的。

金融业作为被严格监管、需持牌合规经营的行业，有其特殊性，ChatGPT依托的通用知识库需要优化，甚至针对金融业的特性进行专门训练，才能解决业务痛点。

从“通才”变“专才”，国产ChatGPT的路还很长。

工作日一早，徐珲就忙着和客户交流产品体验，他们最近又新开发了一款培训类ChatGPT技术产品，即将内测上线。

在徐珲和团队看来，ChatGPT的爆火将人工智能的关注度带到了前所未有的高度，这是挑战，更是机遇。

竹间智能CEO简仁贤告诉记者，中国不需要做一个和ChatGPT一模一样的大模型，而需要去做能够支持有价值场景的这些基础模型，聚合起来，让所有的人都可以去垂手可得。

（看看新闻Knews记者：王骋 张琦 高原）