要说2022年科技最热的领域方向，生成式AI（AIGC）绝对是绕不开的一个词。多名互联网大厂员工对《科创板日报》记者表示，已经开始尝试用ChatGPT自动生成业务代码和重构代码。“亲测真的可以，就是要多检查几遍。”有员工提到。
业内人士告诉记者，“AIGC本质上仍没有产生真正意义上的人类智慧，但未来有望替代大量基础性工作，从产业链发展来看，大厂更多在模型层竞争，创业公司的机会在应用端。”
▍替代大量基础工作
作为人工智能研究实验室OpenAI发布的全新聊天机器人模型，ChatGPT推出后火爆全网，网友纷纷做起各类测试，包括让AI写周报、预测世界杯等等。
网友此前让AI对世界杯比赛结果进行分析，虽比分有误差，但却成功预测阿根廷在点球大战中夺冠。
多名互联网大厂员工表示，已经开始用ChatGPT自动生成业务代码和重构代码。
“用来写业务代码确实不错、重构代码也可以用，亲测真的可以。但其他的还不行。以后干基础活的，都可能下岗。”一位员工说。
前网易网站产品部总监郭子威与ChatGPT进行多次测试对话后，分析ChatGPT所扮演的角色，更像是一个 60 分的全知。
“对于任何领域，它只能输出 60 分及格线的入门内容，但它了解任何领域。并且具备 60-70 分的逻辑与表达能力。而这个 60-70 分的逻辑与表达能力，已经远远超过了人类的平均线。”
郭子威认为，未来，将会有大量的 60 分输出被 AIGC 淘汰。 “比如说，游戏里大量的剧情与角色设定，在我看来都是垃圾话，一定不如 ChatGPT 目前的输出能力。即便能力相当，AI 也能节约人力成本与管理成本。AI 推动的时代，这才刚刚开始。”
小冰公司CEO李笛对《科创板日报》记者表示，ChatGPT严格来说不属于AIGC，其本质是一个语言模型，更贴近交流领域。
“两者的区别是，内容必须要由某种特定形式来呈现，比如一篇文章、一段语音、一张图片或一支视频。而交流不需要这些形式就能完成，它呈现的效果，更像是Q&A问答而非一篇文章。”
李笛介绍，“在技术上，ChatGPT相较GPT-3使用了一种新的训练方法，能够使对话的相关性、逻辑性更好。但同时，这种方法也会使对话的语言风格受‘训练人’影响较大。但这不影响ChatGPT给我们带来的启发，只是要区分实验室技术与产品化框架之间的巨大区别。”
▍大厂竞争底层模型 创业公司侧重于应用
CMC董事总经理易然在采访中指出，目前各个科技巨头主要在模型层竞争，而创业公司在应用层有更多的机会。
“国外除了OpenAI，谷歌、微软等也在做大模型，国内主要还是阿里、百度大厂在做。在应用方面，我相信是百花齐放的，大厂不管是从产品上、行业的商业模式上，太难深入到每个领域，会更愿意打造一个开放的生态。因此，巨头和初创企业会是合作的态势。”
图：生成式AI领域产业与市场格局示意（来源：CMC资本）
当下ChatGPT背后的 GPT-3 模型炙手可热。除了百度、阿里等大厂外，北京智源人工智能研究院研究院(BAAI)也着手相关研发，其开发的悟道模型有1.75 万亿个参数，是 GPT-3 参数的十倍。而之前的记录是谷歌 Switch Transformers 模型（1.6 万亿个参数）所创造。
“北京智源研究院是在科技部和北京市支持下，联合人工智能领域的专家共建，他们做了一个很好的大模型。” 易然评价。
在应用层面，国内外均处于刚起步的阶段。易然透露，据不完全统计，海外可能已经至少有200多家创业公司专注于生成式AI的方向，同时在国内已经有小几十家新创公司投身于这一热潮当中。
从应用突破性角度，易然认为，初创企业可从以下几个角度进行探索和验证：
首先，在创意领域中可寻找高重复性、高人力消耗的任务。
“可能的方向包括：大批量文本、图像、视频、音频等的编辑、风格化、再创作等；虚拟世界中大规模的资产（尤其是3D模型）、人物、设定与对话的生成；大规模的个性化销售邮件和客服；（对效果要求不高的）简介/宣传短片/广告等视频制作”
其次，在“反人性”的任务上提供协助。“这类产品门槛较低，也是目前最为常见的AIGC应用或者以工具插件方式出现，但需注意的是，这一方向尤其容易面临着更同质化的竞争以及来自于该领域领先平台的直接威胁，比如Adobe/Figma, Microsoft/Github, Canva, Notion等。”
易然指出，值得关注的方向包括：代码与开发(包括前端设计)，各类文章、营销素材、演示材料撰写，设计创作的灵感激发，知识库/内容库的搜索和总结。
第三，实现以前人工不易完成的任务。
比如，生成没有版权成本和潜在纠纷的图片、音乐、音效等，以及声音模拟等多模态任务，优化SEO/推荐效果的文字、广告物料，对3D模型压缩、图像还原和清晰度提升。
▍AI仍未拥有人类智慧
虽然AIGC备受热捧，但亦有AI从业者指出，AIGC完全没有原创性，根本没有真正的创作力。
“即便是未来算法更加强大，喂上成千上万的大师绘画作品，AI也只会用梵高的笔触画出一幅风景，而不会演变出另一个独具风格、富有灵魂的达芬奇、拉斐尔、伦勃朗、莫奈、或者塞尚。”有从业者说。
小i机器人创始人袁辉认为，目前不管是面向文本的ChatGPT，还是AI作画背后的Diffusion 模型，其背后的核心问题在于，依然是利用大量的算力、数据，在关联场景进行了最终的计算。
“对AI训练100万猫的图片后，计算机虽然能做到所谓地识别这是猫，但在本质上，计算机仍然并不知道这是一只猫。包括现在像ChatGPT的对话，虽然从人类视角，感觉是有思想的。但其本质仍然没有思想，只是通过大量的计算训练，获得了结论。”
当然，袁辉强调，这对于人类依然有非常大的意义。“很多重复性的基础工作，甚至一些人类认为很高级的工作，通过这些大模型的方式，已经能够极大地提升效率了。”
