未來的錢該往哪流？大概率不是 OpenAI

世界格局的宏觀預測

一、國際格局將發生巨大改變

AI 的興起，可能會導致世界進一步割裂，分為能使用 GPT 的國家和不能使用的國家，這種割裂將極大地改變國際競爭的態勢。

對于不支持 GPT 的國家，即便人數占優勢，實際的生產力可能也無法對應增長。以程序員為例，假設使用 GPT 的國家，能讓其300萬程序員效率翻倍。相對而言，未使用 GPT 的國家，盡管程序員數量達到700萬，其戰力可能只等同于使用 GPT 的300萬程序員。

當然，這只是一個簡化的比喻，因為程序員的主要工作并非僅僅編寫代碼，而且 GPT-4 對不同領域的程序員提供的幫助程度也不同。然而，這個例子能夠提供一個角度，讓我們大致理解 AI 技術在提升工作效率方面的潛力。

而且，與互聯網時代不同的是，AI 有潛力滲透到各個行業，對整個經濟格局產生深遠影響，大多數行業未來都可能需要依賴 AI 技術。

因此，如果一個國家未能充分利用 AI 技術，導致其一些關鍵行業的生產力降低到原來的一半甚至更低，那么這將無疑對該國的全球競爭地位構成嚴重威脅。

AI 被視為新一輪工業革命的引擎，這已經成為業界共識。無論是個體還是國家，最早采用 AI 的一方將會獲得巨大的先發優勢，就像英國在工業革命時期那樣。

二、我國在 AI 領域不會被“卡脖子”

我之前擔心過，我國 AI 發展可能會被卡脖子。現在看來，這種想法可以推翻了，主要原因有以下幾點：

1、國內公司的投入大

國內 AI 熱潮正持續升溫。無論是百度、騰訊、阿里還是科大訊飛等頭部科技公司，都在重金投入 AI 大模型的研發和部署。

2、開源力量的推動

越來越多的開源產品在不斷豐富著 AI 領域的生態，開源本身也在推動著技術進步。

3、GPU 進貨問題不大

英偉達為了繞過美國政府對中國公司的銷售限制，專門推出為中國“特供”的 A800 芯片，作為 A100 芯片的替換版本（兩者都是專門用于訓練大模型的 AI 芯片），這無疑是給中國的 AI 企業打了一針強心劑。

英偉達A800芯片參數

在大模型訓練和推理兩個環節，我們也都已經擁有了自己的 GPU，盡管性能只有英偉達的10%-20%，應用范圍也相對狹窄。但是，我們已經有了起步，這就是關鍵，半導體行業的競爭并非只在于誰做得更好。我們現在雖然只有對手幾分之一的速度，但他們卻無法真正封鎖我們，我們也只不過速度慢了一些。如果他們拒絕向我們出售，反而會喪失潛在的利潤。

綜合上面的原因，我認為在一年內，我們自己也能訓練出 ChatGPT 類似的產品，達到 GPT-3.5 的水平。

在這個過程中，各大廠商重復創造輪子是在所難免的，但對于創業團隊，如果沒有特別的優勢或積累，從零開始研發是不必要的，因為很可能最后的結果，還不如已有的開源項目效果好。

盡管我們可能不會被卡脖子，但當我們達到 GPT-3.5 的水平時，別人可能已經開始研發 GPT-5，先發優勢依然明顯。

未來 AI 行業預測

一、OpenAI 未必是最終贏家

當前，普遍觀點認為 OpenAI 與其背后的微軟是贏家。然而，我認為 OpenAI 的勝利尚未確定。主要原因有以下幾點：

1、OpenAI 欠缺大公司的技術和用戶優勢

盡管 OpenAI 在技術方面展現出了顯著的領先地位，但這并不表明，其優勢就如表面上看起來的那樣巨大。

首要的挑戰是來自于其他大公司的威脅。比如 Google，作為全球領先的科技公司，其研發能力和技術積累是可以開發出 ChatGPT 同等級的產品。然而，作為一個商業組織，Google 需要考慮更為全面的商業利益和市場布局。

目前，Google 的核心盈利模式依然是搜索引擎廣告業務，這是一塊經過多年積累，已經相當穩定和盈利的市場。如果急于推出大模型產品，可能會對現有的穩定收入產生沖擊，甚至威脅到 Google 的主營業務。

在這種情況下，Google 更有可能采取謹慎的策略，堅守現有的盈利模式，同時在適當的時機，有策略地推出與相關產品，而不是著急“跟風”大模型，自己革自己的命。

其次，用戶群體是一大關鍵。移動互聯網時代的用戶，大部分都在 Google、Apple 這樣的傳統廠商手中。相較之下，像 ChatGPT 和 Midjourney 這類新興的 AI 應用產品，雖然表現出強大的潛力和創新性，但目前還只有一部分人在使用，其用戶群體相對較小，產品和商業模式也相對單一。

所以，我覺得將 AI 融入擁有大量用戶的傳統產品中，可能會開辟出更大的市場。

2、手機語音助手是最好的應用場景

如果 Apple 或 Google 能在其操作系統中內置一個自己的 GPT，再融入語音助手，OpenAI 可能難以抗衡。國內的手機制造商也可以在這方面嘗試創新，這可能會成為一個巨大的增長點。

因為，當前的技術足以實現，關于監管問題也會有應對方案，最重要的交互問題也可以解決：比如，可以設計讓 AI 在執行操作前請求用戶確認，像現在流行的 AutoGPT 在操作前會問用戶“Yes or No”。手機廠商也可以采取類似的保守策略。

每一步命令執行之前，AutoGPT會詢問用戶是否繼續

二、未來的 AI 將是一超多強的局面

未來將是多家強大的 AI 公司競爭的局面，而非 OpenAI 一家獨大。這些公司可能會分為開源和閉源兩個陣營。我對開源產品充滿信心，原因有以下幾點：

1、開源項目可以滿足非常強的定制化需求

以 Stable Diffusion 和 Midjourney 為例，雖然 Stable Diffusion 的效果可能比 Midjourney 差一些，但 Stable Diffusion 能做到 Midjourney 無法實現的事情——開源產品可以讓用戶自定義訓練和優化。

比如，一個廠商在做國風的品牌，他可以自己訓練或下載現成的國風 checkpoint，借助 Stable Diffusion 設計出眾多符合自身品牌定位的產品，提高自己的生產力。這對于一些特定的行業和特殊的需求，開源項目無疑提供了巨大的幫助。它不僅提供了極高的定制化能力，還允許用戶根據特定的專業和用途進行訓練，打破了 Midjourney 等閉源項目在交互和功能上的限制。

所以，我覺得開源產品只要能達到閉源產品70%的水平，應用場景就會非常廣泛。

在 Twitter 上，有位開發者用清華大學的開源模型 ChatGLM，創建了一個本地部署的 ChatPDF，雖然 ChatGLM 在文字生成能力上相較 GPT-3.5 有所不足，但它足以滿足基本需求。用戶只需將 PDF 論文輸入模型，便可通過 AI 進行深入的學習和分析。這種創新的方式開啟了 AI 改變傳統教育方式的新可能性，展現了在教育領域中 AI 的巨大潛力。

ChatGLM+ChatPDF的項目，GitHub上星標已超過6.3k

2、閉源產品的“越獄”需求很大

用戶對于“越獄”閉源產品的需求也異常旺盛，即通過各種手段突破閉源公司對 AI 的限制。

| NSFW的需求

互聯網的發展受到許多因素的推動，其中一個不可忽視的因素是"NSFW"（Not Safe For Work）的內容需求。這是一個專門用來標注可能不適合在工作場所瀏覽的內容的縮寫。

我介紹過一種被稱為"語音房"的產品。這些產品提供了一種"軟性"的 NSFW 內容，它們有很高的盈利能力，因為這種需求在現實生活中非常普遍，并且是合法的。然而，AI 文本生成模型如 ChatGPT 并不能生成 NSFW 內容。

然后讓我們想象一下，如果有了開源的文字生成產品，人們會如何使用它？

同樣，盡管 Stable Diffusion 已經更新到了2.x 的版本，但仍有很多人堅持使用1.5的版本，主要原因是1.5的版本能生成一些"小姐姐"的圖片，而更新的版本不能。

檢測到關鍵詞，Midjourney禁止了請求

| 隱私的需求

在一些敏感行業中，人們可能不愿意將數據交給 ChatGPT 等閉源公司，因為這會涉及到一定的風險，例如數據的濫用或泄露。因此，在本地部署的開源產品成為一種更安全的選擇。盡管這些開源產品在功能上略顯不足，但它們至少能夠滿足基本的安全要求，使數據得到保護。

3、強大的開源力量

Stable Diffusion 從2022年8月開源到現在，其相關微調方法的生態已經枝繁葉茂了。

開源者們貢獻了海量的 LoRA（Low-Rank Adaptation of Large Language Models，一種用于大型語言模型的優化方法，通過減少參數數量和計算復雜度，提高模型的訓練效率和適應性）、checkpoint（在計算機科學和深度學習中指的是程序執行的標記點或保存點，用于記錄程序狀態和數據，以實現中斷恢復、穩定訓練和模型選擇等功能。），以及 extension（為現有軟件添加額外功能或特性的模塊或插件，比如 ChatGPT 的 Summarize）。

Summarize插件，可以一鍵總結網頁內容

包括文本生成方面，從 Meta 公司開發的大型語言模型技術 LLaMa（Large Language Model Meta AI ）到其衍生品 Alpaca（斯坦福在 LLaMa-7B 的基礎上監督微調出來的模型），都是因為開源的力量。

我相信在短短一年內，依靠開源力量，一些產品就能達到 GPT-3.5 的水平。包括現在，我們看到一些模型，在某個特定領域使用起來比 ChatGPT 更高效。所以，AI 技術并不會被“卡脖子”，我們應該感謝開源精神，這種無國界的精神真正推動了全球的進步。

GitHub上中文LLaMA模型和指令精調的Alpaca大模型，星標超9k

根據以上對 AI 行業的討論，我們可以得出三個關鍵預測，同時也是三個重要的推論：

第一，技術和數據不會被單一的公司壟斷

未來很可能形成開源陣營與閉源陣營對立的局面，實現一個超級強者與多個有力競爭者并存的格局。在這樣的環境下，各個領域的優質開源產品都將有很大的發展空間。

第二，應用端會成為最有利潤的環節

未來，大模型將像云服務一樣普及，但并不會成為行業中利潤最豐厚的部分。

技術愛好者可能會欣賞到現在這個時代的純粹性，例如 ChatGPT、Midjourney 等純技術驅動的成功案例，因為它們并不需要花費大量精力在產品開發上，也不需要過多考慮商業模式和策略優化。

然而，我認為隨著 AI 技術的日益成熟，價值最終還是會回歸到應用端和產品化的能力，發現需求和留住用戶的能力會變得越來越重要。

第三，創業公司需要保持靈活性

創業公司可以采用"大模型中立"的策略，隨時接入和切換不同的大模型。隨著大廠的參與和各種開源產品的發展，大模型的市場也將出現多元化的競爭局面。在這種環境下，使用 API 的價格不會過高，創業公司也能夠保持相當的靈活性。

創業 & 投資的建議

一、開源項目產品化是“低垂的果實”

無論是創業還是投資，我認為一個明確的方向就是將開源項目產品化。開源項目通常在產品化方面的能力較弱，很難實際落地，而創業公司可以填補這個空白。

比如 Stable Diffusion，2022年8月到現在開源這么久了，仍然不是一個普通人可以玩的一個產品。

再比如 AutoGPT，我用它去完成一些復雜的任務，但在數小時的嘗試之后，我遇到了各種報錯和死循環，最終什么都沒輸出出來。當然，最近也有人給 AutoGPT 做 UI 層的產品，雖然很好看，但都沒有解決 AutoGPT 的根本問題：工作不穩定。

現在很多人為了蹭熱度，急于推出一個產品，短期內可能吸引了一些眼球，但從長期看，這些產品的使用效果可能并不好。但是，如果能夠把 AutoGPT 思路提煉出來，并真正投入時間和精力去開發一個可靠且好用的產品，那么這將會有非常大的前景。

二、平衡開發速度與產品力

將一個原本只有極客們玩得轉的東西，轉變為適合大眾使用的產品，需要強大的產品化能力。在這個過程中，如果你做得太快，產品可能做得不夠好；如果做得太慢，你可能錯過了熱度。因此，平衡好速度與產品力之間的關系非常重要。

大公司往往在這方面會顯得比較遲緩和保守，這為創業公司提供了許多機會。

總之，這些開源的產品就是“低垂的果實”。而且，Twitter 和 Github 上很火爆的極客產品，在技術和市場驗證上都完成了從0到1的突破，只是最后的產品環節沒做好。如果創業者能夠將產品化的最后一公里走好，可能會取得非常大的成功。

視頻已經于4月19日發布，此篇文章并未對內容進行過多的增刪。值得注意的是，僅僅在過去的兩個月左右的時間里，我們已經可以看到一些預測正在逐步成為現實。

我曾經在社群中提到過某頭部金融機構發布的報告，他們嘗試預測未來一年的十大重要事件，結果卻有八個出現了誤判。這說明預測未來是一件極其復雜的事情，需要考慮的變量太多，而且未來的發展往往超出我們的想象。

此外，我在文章中提出的一些觀點與主流意見存在一定的差異。這些預測是否會被事實打臉，或者是否會成為現實，可能需要一個更長的時間去檢驗。

歡迎關注公眾號「李自然說」，及時獲取最新動態和文章內容！