GPT-3：是富人的游戏，还是未来的电力？

人工智能将是未来核心生产力，这一观点在科技届几乎无人会反对。

因此创造一个类人甚至超人的 AI 产品迷人且充满了想象力，吸引着各个行业都在尝试使用 AI 来帮助产业向智能化转型，资本和创业者也在其中沉浮向前。

2020 年 6 月，在训练约 2000 亿个单词、烧掉几千万美元后，史上最强大 AI 模型 GPT- 3 一炮而红。写小说、编剧本、敲代码……GPT- 3 的无所不能吸引了全球数以万计的开发人员正在基于该平台开发，目前 300 多种应用程序在使用 GPT-3，每天生产 45 亿个字符。

随着其应用场景的不断扩大，GPT-3 真的能取代人类吗？

一、GPT- 3 到底有多厉害？

之所以笔者今天想聊聊这个看似遥不可及的底层技术，是因为最近看了一部电视剧《你好，安怡》。在剧中，安怡是一位来自 2035 年的 AI 机器人，与当前生活中不一样的是，目前技术下的智能机器人虽然能帮忙做一些任务，但似乎只能干一件事。医院里的智能导诊机器人不会写代码，送餐的机器人也写不了小说，它们更像是一个个工具而非智能体。

一个真正的 AI 机器人应该什么样呢？电视剧里的安怡似乎给出了方向，她拥有自己的独立意识，不仅能搞定家务、带孩子，还能通过修改程序帮助主人解决工作危机，甚至还想做这个家庭的女主人。

想让 AI 机器人能够像人一样交流，就要用优异的 NLP（自然语言处理）能力。 而今天探讨的主角 GPT- 3 就是 NLP 领域的佼佼者，达到了万能选手一般的能力，也因此被人为是 AI 领域一个出人意料的进步。

本质上 GPT-3 是一个语言模型，而语言是智慧的工具，人能成为万物之灵是能够借助语言去获得知识。如果 AI 掌握了语言，并且理解还能预测人类语言，那么拥有 GPT- 3 语言的 AI 机器人就很有可能成为安怡这样的通才。

这里就不得不提一下 GPT- 3 的背景，GPT- 3 是由人工智能组织 OpenAI 开发的语言。该组织成立于 2015 年成立，其联合创始人包括特斯拉 CEO 马斯克、著名孵化器 Y Combinator 前 CEO 山姆·奥特曼以及著名投资人彼得·蒂尔等。

值得一提的是，此前 NLP（自然语言处理）并不是 Open AI 最为关注的领域，但自然语言处理方面成果是业内一直关注的重点。

2020 年，美国查普曼大学的学生利用基于 Transformer 的 GPT- 3 模型，创作了影片剧本《律师》，走红社交网络。

2021 年，OpenAI 又基于 GPT- 3 发布了 DALL·E 这个连接文本与图像的神经网络，能通过自然语言操纵视觉概念，比如，你输入“一把牛油果造型的扶手椅”，它们就能通过图像合成出一系列的目标图像。

人们所惊叹的创造力，让 GPT- 3 产生了巨大的商业价值。

越多越多的企业家、科研人员甚至艺术家都开始探索这个领域，对他们来说，GPT - 3 意味着一种新的工具的诞生。

ZeroCrater 的创始人甚至在一篇博客文章中表示，GPT - 3 比他尝试过的任何 AI 语言系统都更加连贯。确实 GPT-3 可扩展性非常强大，甚至可以用在无代码开发领域，只要对它输入你想要什么样的网页或者 app，它就能帮你直接生成。因此，之前业内也传出过基层码农将会被 AI 干掉的言论。

从技术的角度，GPT- 3 是有史以来功能最强大的语言模型。 从初代 GPT 到 GPT-3，算法模型基本没有变化，但通过堆人、堆算力来进行训练后的结果就是 GPT- 3 有希望去胜任所有智力任务。

数据显示，GPT 训练数据量从 1 代到目前的 3 代一直在高速增长，GPT- 3 的参数量已经达到 1750 亿，而算力费也已经是千万级别。

可见，GPT- 3 靠的是通过规模化现有算法模型，来实现算力的增长。回顾 GPT-3 的技术思路，可以发现 AI 领域的一个明显趋势是： 要训练一个有颠覆性进步的模型，最终比拼的是算力规模。

二、算力，一场富人的游戏？

神经网络之父 Geoffrey Hinton 在 GPT- 3 出现后，曾这样感慨：“生命、宇宙和万物的答案，其实只是 4.398 万亿个参数而已。”

算力是 AI 发展始终绕不开的问题。

罗氏、辉瑞、诺华、默沙东等等著名药企，都瞄准 AI 完成药物筛选，加速新药研发进程；谷歌的 AI 程序 AlphaFold 2，去年成功解决了蛋白质折叠的问题，相当于突破了生物学 50 年的重大难题……这些科技成果背后离不开计算机的发展，计算机算力已经成为基础科研、前沿研究的重要工具。GPT- 3 的参数量已经达到千亿级别，规模接近人类神经元的总量，就是最好的例子。

但强大的算力往往靠的是财力的支持。 其实 GPT- 3 不仅训练成本高，此前微软还为训练它特地建设了一个 5 亿美元的超算中心。微软这个超算中心装载了一万张英伟达 GPU，训练 GPT- 3 消耗了它 355 个 GPU 年的算力。

因此算力带来的经济成本也成为了国内 AI 研发的壁垒。 一方面，国内 AI 大厂拥有的软硬件虽然多，但是不够开放，闲置的算力资源被散落在各个平台。

另一方面，中国很少有企业能够像微软一般财大气粗组件算力中心。因为即使是比 GPT- 3 规模更小的 AI 模型，动辄耗费几十乃至上百张 AI 加速卡，对很多企业来说也是“不能承受之重”。

三、谁能打造国内的 AI 发电厂？

那么在中国，如果打造成出一个比 GPT- 3 更强，甚至像安怡一般超出想象力的人工智能呢？

目前看来市面上有两种路径可以走，一种是开发出更加强大的算法，更高效地利用算力，节省费用；另一种是就是在现有算法基础上进行规模化训练，让更多 AI 模型获得丰富的训练参数，从而达到优质模型的开放。但当下，走通两条路的前提都是拥有强大的算力。据估计，未来人工智能将占据 80% 以上的计算需求，需要有开放的 AI 算力中心承载这种需求。

还记得去年国家发改委明确划定“新基建”的概念范围时，指出“人工智能作为信息基础设施板块中的新技术基础设施，因其对传统产业的创新和重塑能力，更被誉为是数字经济时代的‘新电能’”。

因此当 AI 被誉为数字经济时代的“新电能”时，谁先搭建开放的算力中心，谁将成为国内的 AI 发电厂。

开源这件事，在过去的手机行业取得了巨大的成功，凭借软件开放、硬件整合的能力，普通消费者短短十年内享受到了智能手机普及的福利。

因此 AI 产业若能完成算力的软件与硬件的开源，就能让 AI 行业迅速发展。

因为开源可以高效统筹散落的闲置算力资源，达到提高算力的结果，从而低成本实现整个产业的共赢。

2011 年，Facebook 牵头发起了 OCP 开放计算项目，4 年时间内 OCP 就为 Facebook 节省了 20 亿美元的成本，数据中心电费降低了 20%。

还有英特尔、微软、谷歌都在以开放的姿态融合更多新的 AI 硬件，把更强大的算力贡献给产业。

反观国内，阿里拥有突出的云计算能力，为超过一半的 A 股上市公司、80%中国科技创新企业提供服务；商汤做为中国知名的 AI 算法提供商，已公开的全球专利资产近 2000 件，覆盖 20 个国家和地区；浪潮智算中心与 5G 结合，提供了云端训练、边缘推理的新应用场景……这些前言 AI 企业都能把算力供给全行业使用，就能推动 AI 的产业化，以国内庞大市场，也一定能催生更强大 AI 模型的诞生。

四、未来价值

知名风投机构 A16Z 合伙人 Frank Chen 关于 CPT- 3 的观点是，GPT- 3 让使用者避开了培训数据以及建立 AI 业务的部分经济成本，这使得 NLP（自然语言处理）成为 AI 研发最有前途的领域之一。因为有了 GPT-3，很多 AI 初创公司的软件都内置了最新的 NLP 技术。

这意味着，开放 API 的 GPT- 3 已经对 AI 创业公司产生正向的影响。随着算力的开放，AI 时代拥有更多低廉的算力资源，更多像 GPT- 3 一样的 AI 模型就会低成本出现，从而推动 AI 的产业化。

但新兴的技术往往面临高速发展与低速商业化的困局，因此新旧技术之间的交替也非常考验资本与企业的耐心。但不能偏于一隅的仅仅讨论商业应用价值，因为它代表着未来的竞争力。

几十年前，柯达说，你负责按快门，剩下的交给我们。

在未来，AI 或许也会表明心态，人类什么都不用干，剩下的交给它。

作者：可达怡

编辑：安吉拉