ChatGPT：AIGC现象级应用，商业化落地打开成长空间

根据《2023-2028年中国ChatGPT行业发展前景及投资风险预测分析报告》分析，ChatGPT是AIGC领域现象级应用。ChatGPT是美国AI公司OpenAI于2022年11月30日发布的通用型对话系统，可以通过模拟对话的形式完成编程、问答、文本生成等任务。ChatGPT的持续火热，成为AIGC领域现象级应用，为后续商业化和应用落地打开广阔空间，也为以自然语言处理为核心的认知智能技术提供广阔发展机遇。英伟达CEO黄仁勋表示“ChatGPT相当于AI界的iPhone问世”。

ChatGPT在多项测试中超过人类。2022年，包括ChatGPT在内的许多大模型的测试表现已经超出人类。目前ChatGPT已经通过SAT考试、商学院考试、美国律师资格、注册会计师、医师资格等高难度考试，IQ测试达83，已经具备取代无意义重复性工作的能力，在专业领域也具有辅助决策的潜力。

ChatGPT上线后热度持续提升，已超过TikTok成为活跃用户增长最快的产品。ChatGPT发布一周用户数就突破100万人，月访问量达2100万人次。目前ChatGPT尚未披露具体的日活用户数，根据ARK数据，截至2023年1月，预计ChatGPT全球日活用户超过1000万人。

ChatGPT商业化已经落地，未来成长空间广阔。面向B端，ChatGPT可以开放接口对外输出服务，如与微软Bing的结合；面向C端，2023年2月，ChatGPT已推出收费的Plus版本，月度费用为20美元/月,并表示未来或将探索价格更低的订阅方案、2B的商业方案以及数据包等选项。根据OpenAI预测，2023年将实现收入2亿美元，2024年将超过10亿美元，未来成长空间广阔。

ChatGPT是以Transformer为基础的预训练模型。GPT的全称为GenerativePre-TrainedTransformer，即生成式预训练Transfomer模型。预训练模型是指通过挖掘利用大规模无标注数据，学习数据中的知识与规律，然后针对特定任务，通过微调、手工调参等阶段，进入到可以大规模、可复制的大工业落地阶段。Transformer模型来自谷歌2017年发表的论文《Attentionisallyouneed》，是一种采用自注意力机制的深度学习模型，模型按照输入数据各部分的重要性的不同而分配不同的权重。Transformer的优势在于：（1）采用并行训练，大幅提高了训练效率；（2）在分析预测更长的文本时,对间隔较长的语义具有更好的关联效果。

GPT大模型经过多次迭代，参数量大幅提升。谷歌发表Transformer论文后的第二年（即2018年），OpenAI推出基于Transformer的第一代GPT模型，随后陆续推出GPT-2、GPT-3、InstructGPT等版本，GPT模型持续迭代。OpenAI于2020年5月推出第三代GPT-3模型，参数量达1750亿，较上一代GPT-2（参数量15亿）提升了两个数量级，是微软同年2月推出的T-NLG模型（参数量170亿）的10倍，成为当时最大的预训练语言模型。
GPT-3系列已经发展出50多种模型。GPT-3模型推出后，已陆续发展出面向不同场景的模型。除ChatGPT外，GPT-3系列中比较流行的还有CodeX（代码生成）、DALL-E（图片生成）等。CodeX经过自然语言和几十亿行代码的训练，可以完成Python、JavaScript等十几种语言的代码任务。DALL-E于2021年5月推出，可以根据文字描述生成图像和艺术作品，收费价格为0.016-0.020美元/图。

ChatGPT由GPT-3微调而来，模型更小，专注于聊天场景。对比来看，GPT-3是一种大型通用语言模型，可以处理各种语言处理任务，ChatGPT是一个较小的专用模型，专为聊天应用程序设计。ChatGPT训练包括三个步骤：（1）预训练一个语言模型(LM)；（2）聚合问答数据并训练一个奖励模型(RewardModel，RM)；（3）用强化学习(RL)方式微调LM。此外，因为引入了代码作为训练语料，ChatGPT还额外产生了自动写代码和理解代码的能力。

ChatGPT通过RLHF优化训练结果。ChatGPT基于人类反馈强化学习（RLHF），通过众包团队大规模开展生成结果好坏的人工标注，经过多次迭代，使得大模型生成结果更加无偏见和符合人类预期，实现了“智慧涌现”的效果。
InstructGPT相比GPT-3：

更符合人类偏好。InstructGPT是在GPT-3微调而来，经过人类反馈强化学习后，InstructGPT相比GPT-3，在71%-88%的情况下更符合人类偏好。

真实性显著提升。在TruthfulQA测试中，InstructGPT生成真实信息的频率较GPT-3提升约一倍（0.413vs0.224）。

在生成有毒信息方面略有改善。在RealToxicity测试中，InstructGPT生成有毒信息的情况（包含仇恨、歧视或谣言的信息）较GPT-3略有改善（0.196vs0.233）。

预训练大模型：GPT大模型是ChatGPT的基础，目前已经过多个版本迭代，GPT-3版本参数量达1750亿，训练效果持续优化。（2）数据：数据是预训练大模型的原材料。GPT-3数据主要来自CommonCrawl、新闻、帖子、书籍及各种网页，原始数据规模达45TB，训练效果大幅提升。（3）算力：微软AzureAI是OpenAI独家云计算供应商，所用超算拥有285,000个CPU内核、约10,000个GPU。在大模型、大数据和高算力的支撑下，ChatGPT技术持续突破，表现惊艳。

巨头积极布局，产业落地加速AIGC在AI技术创新（生成算法、预训练模型、多模态技术等）、产业生态（三层生态体系雏形已现）和政策支持（北京经信局表示支持头部企业打造对标ChatGPT的大模型）共振下，有望步入发展快车道，根据腾讯研究院发布的AIGC发展趋势报告，预计2030年AIGC市场规模将达1100亿美元，前景广阔。

微软：微软自2019年与OpenAI展开合作，并表示未来所有产品将全线整合ChatGPT。目前已推出引入ChatGPT技术的搜索引擎NewBing，经过测试后，71%的用户对ChatGPT版Bing满意，AI与搜索协同效果显著。

谷歌：2023年2月谷歌推出对标ChatGPT的对话机器人Bard。Bard基于谷歌LaMDA模型，参数量最高达1370亿，LaMDA已经在多个维度接近人类水平。谷歌表示未来会将AI技术率先应用于搜索领域，或将与微软展开正面竞争。

百度：百度在AI领域深耕数十年，在芯片、深度学习框架、大模型以及应用已形成全栈布局，已有文心一格（AI作画）、文心百中（产业搜索）产品落地。2023年2月，百度推出聊天机器人“文心一言”，目前生态合作伙伴近300家，未来可期。