未来的钱该往哪流？大概率不是 OpenAI

一、国际格局将发生巨大改变

AI 的兴起，可能会导致世界进一步割裂，分为能使用 GPT 的国家和不能使用的国家，这种割裂将极大地改变国际竞争的态势。

对于不支持 GPT 的国家，即便人数占优势，实际的生产力可能也无法对应增长。以程序员为例，假设使用 GPT 的国家，能让其300万程序员效率翻倍。相对而言，未使用 GPT 的国家，尽管程序员数量达到700万，其战力可能只等同于使用 GPT 的300万程序员。

当然，这只是一个简化的比喻，因为程序员的主要工作并非仅仅编写代码，而且 GPT-4 对不同领域的程序员提供的帮助程度也不同。然而，这个例子能够提供一个角度，让我们大致理解 AI 技术在提升工作效率方面的潜力。

而且，与互联网时代不同的是，AI 有潜力渗透到各个行业，对整个经济格局产生深远影响，大多数行业未来都可能需要依赖 AI 技术。

因此，如果一个国家未能充分利用 AI 技术，导致其一些关键行业的生产力降低到原来的一半甚至更低，那么这将无疑对该国的全球竞争地位构成严重威胁。

AI 被视为新一轮工业革命的引擎，这已经成为业界共识。无论是个体还是国家，最早采用 AI 的一方将会获得巨大的先发优势，就像英国在工业革命时期那样。

二、我国在 AI 领域不会被“卡脖子”

我之前担心过，我国 AI 发展可能会被卡脖子。现在看来，这种想法可以推翻了，主要原因有以下几点：

1、国内公司的投入大

国内 AI 热潮正持续升温。无论是百度、腾讯、阿里还是科大讯飞等头部科技公司，都在重金投入 AI 大模型的研发和部署。

2、开源力量的推动

越来越多的开源产品在不断丰富着 AI 领域的生态，开源本身也在推动着技术进步。

3、GPU 进货问题不大

英伟达为了绕过美国政府对中国公司的销售限制，专门推出为中国“特供”的 A800 芯片，作为 A100 芯片的替换版本（两者都是专门用于训练大模型的 AI 芯片），这无疑是给中国的 AI 企业打了一针强心剂。

在大模型训练和推理两个环节，我们也都已经拥有了自己的 GPU，尽管性能只有英伟达的10%-20%，应用范围也相对狭窄。但是，我们已经有了起步，这就是关键，半导体行业的竞争并非只在于谁做得更好。我们现在虽然只有对手几分之一的速度，但他们却无法真正封锁我们，我们也只不过速度慢了一些。如果他们拒绝向我们出售，反而会丧失潜在的利润。

综合上面的原因，我认为在一年内，我们自己也能训练出 ChatGPT 类似的产品，达到 GPT-3.5 的水平。

在这个过程中，各大厂商重复创造轮子是在所难免的，但对于创业团队，如果没有特别的优势或积累，从零开始研发是不必要的，因为很可能最后的结果，还不如已有的开源项目效果好。

尽管我们可能不会被卡脖子，但当我们达到 GPT-3.5 的水平时，别人可能已经开始研发 GPT-5，先发优势依然明显。

一、OpenAI 未必是最终赢家

当前，普遍观点认为 OpenAI 与其背后的微软是赢家。然而，我认为 OpenAI 的胜利尚未确定。主要原因有以下几点：

1、OpenAI 欠缺大公司的技术和用户优势

尽管 OpenAI 在技术方面展现出了显著的领先地位，但这并不表明，其优势就如表面上看起来的那样巨大。

首要的挑战是来自于其他大公司的威胁。比如 Google，作为全球领先的科技公司，其研发能力和技术积累是可以开发出 ChatGPT 同等级的产品。然而，作为一个商业组织，Google 需要考虑更为全面的商业利益和市场布局。

目前，Google 的核心盈利模式依然是搜索引擎广告业务，这是一块经过多年积累，已经相当稳定和盈利的市场。如果急于推出大模型产品，可能会对现有的稳定收入产生冲击，甚至威胁到 Google 的主营业务。

在这种情况下，Google 更有可能采取谨慎的策略，坚守现有的盈利模式，同时在适当的时机，有策略地推出与相关产品，而不是着急“跟风”大模型，自己革自己的命。

其次，用户群体是一大关键。移动互联网时代的用户，大部分都在 Google、Apple 这样的传统厂商手中。相较之下，像 ChatGPT 和 Midjourney 这类新兴的 AI 应用产品，虽然表现出强大的潜力和创新性，但目前还只有一部分人在使用，其用户群体相对较小，产品和商业模式也相对单一。

所以，我觉得将 AI 融入拥有大量用户的传统产品中，可能会开辟出更大的市场。

2、手机语音助手是最好的应用场景

如果 Apple 或 Google 能在其操作系统中内置一个自己的 GPT，再融入语音助手，OpenAI 可能难以抗衡。国内的手机制造商也可以在这方面尝试创新，这可能会成为一个巨大的增长点。

因为，当前的技术足以实现，关于监管问题也会有应对方案，最重要的交互问题也可以解决：比如，可以设计让 AI 在执行操作前请求用户确认，像现在流行的 AutoGPT 在操作前会问用户“Yes or No”。手机厂商也可以采取类似的保守策略。

二、未来的 AI 将是一超多强的局面

未来将是多家强大的 AI 公司竞争的局面，而非 OpenAI 一家独大。这些公司可能会分为开源和闭源两个阵营。我对开源产品充满信心，原因有以下几点：

1、开源项目可以满足非常强的定制化需求

以 Stable Diffusion 和 Midjourney 为例，虽然 Stable Diffusion 的效果可能比 Midjourney 差一些，但 Stable Diffusion 能做到 Midjourney 无法实现的事情——开源产品可以让用户自定义训练和优化。

比如，一个厂商在做国风的品牌，他可以自己训练或下载现成的国风 checkpoint，借助 Stable Diffusion 设计出众多符合自身品牌定位的产品，提高自己的生产力。这对于一些特定的行业和特殊的需求，开源项目无疑提供了巨大的帮助。它不仅提供了极高的定制化能力，还允许用户根据特定的专业和用途进行训练，打破了 Midjourney 等闭源项目在交互和功能上的限制。

所以，我觉得开源产品只要能达到闭源产品70%的水平，应用场景就会非常广泛。

在 Twitter 上，有位开发者用清华大学的开源模型 ChatGLM，创建了一个本地部署的 ChatPDF，虽然 ChatGLM 在文字生成能力上相较 GPT-3.5 有所不足，但它足以满足基本需求。用户只需将 PDF 论文输入模型，便可通过 AI 进行深入的学习和分析。这种创新的方式开启了 AI 改变传统教育方式的新可能性，展现了在教育领域中 AI 的巨大潜力。

2、闭源产品的“越狱”需求很大

用户对于“越狱”闭源产品的需求也异常旺盛，即通过各种手段突破闭源公司对 AI 的限制。

| NSFW的需求

互联网的发展受到许多因素的推动，其中一个不可忽视的因素是"NSFW"（Not Safe For Work）的内容需求。这是一个专门用来标注可能不适合在工作场所浏览的内容的缩写。

我介绍过一种被称为"语音房"的产品。这些产品提供了一种"软性"的 NSFW 内容，它们有很高的盈利能力，因为这种需求在现实生活中非常普遍，并且是合法的。然而，AI 文本生成模型如 ChatGPT 并不能生成 NSFW 内容。

然后让我们想象一下，如果有了开源的文字生成产品，人们会如何使用它？

同样，尽管 Stable Diffusion 已经更新到了2.x 的版本，但仍有很多人坚持使用1.5的版本，主要原因是1.5的版本能生成一些"小姐姐"的图片，而更新的版本不能。

| 隐私的需求

在一些敏感行业中，人们可能不愿意将数据交给 ChatGPT 等闭源公司，因为这会涉及到一定的风险，例如数据的滥用或泄露。因此，在本地部署的开源产品成为一种更安全的选择。尽管这些开源产品在功能上略显不足，但它们至少能够满足基本的安全要求，使数据得到保护。

3、强大的开源力量

Stable Diffusion 从2022年8月开源到现在，其相关微调方法的生态已经枝繁叶茂了。

开源者们贡献了海量的 LoRA（Low-Rank Adaptation of Large Language Models，一种用于大型语言模型的优化方法，通过减少参数数量和计算复杂度，提高模型的训练效率和适应性）、checkpoint（在计算机科学和深度学习中指的是程序执行的标记点或保存点，用于记录程序状态和数据，以实现中断恢复、稳定训练和模型选择等功能。），以及 extension（为现有软件添加额外功能或特性的模块或插件，比如 ChatGPT 的 Summarize）。

包括文本生成方面，从 Meta 公司开发的大型语言模型技术 LLaMa（Large Language Model Meta AI ）到其衍生品 Alpaca（斯坦福在 LLaMa-7B 的基础上监督微调出来的模型），都是因为开源的力量。

我相信在短短一年内，依靠开源力量，一些产品就能达到 GPT-3.5 的水平。包括现在，我们看到一些模型，在某个特定领域使用起来比 ChatGPT 更高效。所以，AI 技术并不会被“卡脖子”，我们应该感谢开源精神，这种无国界的精神真正推动了全球的进步。

GitHub上中文LLaMA模型和指令精调的Alpaca大模型，星标超9k

根据以上对 AI 行业的讨论，我们可以得出三个关键预测，同时也是三个重要的推论：

第一，技术和数据不会被单一的公司垄断

未来很可能形成开源阵营与闭源阵营对立的局面，实现一个超级强者与多个有力竞争者并存的格局。在这样的环境下，各个领域的优质开源产品都将有很大的发展空间。

第二，应用端会成为最有利润的环节

未来，大模型将像云服务一样普及，但并不会成为行业中利润最丰厚的部分。

技术爱好者可能会欣赏到现在这个时代的纯粹性，例如 ChatGPT、Midjourney 等纯技术驱动的成功案例，因为它们并不需要花费大量精力在产品开发上，也不需要过多考虑商业模式和策略优化。

然而，我认为随着 AI 技术的日益成熟，价值最终还是会回归到应用端和产品化的能力，发现需求和留住用户的能力会变得越来越重要。

第三，创业公司需要保持灵活性

创业公司可以采用"大模型中立"的策略，随时接入和切换不同的大模型。随着大厂的参与和各种开源产品的发展，大模型的市场也将出现多元化的竞争局面。在这种环境下，使用 API 的价格不会过高，创业公司也能够保持相当的灵活性。

一、开源项目产品化是“低垂的果实”

无论是创业还是投资，我认为一个明确的方向就是将开源项目产品化。开源项目通常在产品化方面的能力较弱，很难实际落地，而创业公司可以填补这个空白。

比如 Stable Diffusion，2022年8月到现在开源这么久了，仍然不是一个普通人可以玩的一个产品。

再比如 AutoGPT，我用它去完成一些复杂的任务，但在数小时的尝试之后，我遇到了各种报错和死循环，最终什么都没输出出来。当然，最近也有人给 AutoGPT 做 UI 层的产品，虽然很好看，但都没有解决 AutoGPT 的根本问题：工作不稳定。

现在很多人为了蹭热度，急于推出一个产品，短期内可能吸引了一些眼球，但从长期看，这些产品的使用效果可能并不好。但是，如果能够把 AutoGPT 思路提炼出来，并真正投入时间和精力去开发一个可靠且好用的产品，那么这将会有非常大的前景。

二、平衡开发速度与产品力

将一个原本只有极客们玩得转的东西，转变为适合大众使用的产品，需要强大的产品化能力。在这个过程中，如果你做得太快，产品可能做得不够好；如果做得太慢，你可能错过了热度。因此，平衡好速度与产品力之间的关系非常重要。

大公司往往在这方面会显得比较迟缓和保守，这为创业公司提供了许多机会。

总之，这些开源的产品就是“低垂的果实”。而且，Twitter 和 Github 上很火爆的极客产品，在技术和市场验证上都完成了从0到1的突破，只是最后的产品环节没做好。如果创业者能够将产品化的最后一公里走好，可能会取得非常大的成功。

视频已经于4月19日发布，此篇文章并未对内容进行过多的增删。值得注意的是，仅仅在过去的两个月左右的时间里，我们已经可以看到一些预测正在逐步成为现实。

我曾经在社群中提到过某头部金融机构发布的报告，他们尝试预测未来一年的十大重要事件，结果却有八个出现了误判。这说明预测未来是一件极其复杂的事情，需要考虑的变量太多，而且未来的发展往往超出我们的想象。

此外，我在文章中提出的一些观点与主流意见存在一定的差异。这些预测是否会被事实打脸，或者是否会成为现实，可能需要一个更长的时间去检验。

欢迎关注公众号「李自然说」，及时获取最新动态和文章内容！