好吧，今天继续battle。节前受邀参加了几家云服务商的活动，其中有一位很资深的云服务商自身专家出面给我们，彻底讲述了一下中国和美国在AI和大模型方面的进展与差距。 但有意思的是中午吃饭的时候，就开始有号称科技大v出来给我们布道。认为从ChatGPT开始，中国和美国之间AI与大模型的差距就是以阶梯状的方式来显现，甚至认为中国到现在的能力永远也追不上美国。 好吧，我不知道，科技的大V居然愚蠢到了这种程度。 我们自己的公司是一家做资本市场数据分析的企业，分析结果展示更偏重于媒体表现，因此也拿到了网信办互联网金融信息服务备案的许可。对于ChatGPT在金融领域的应用经验，我想我们是中国任何一家企业都无法比拟的，因为我们在去年11月份，就从美国同事的手上拿到了当时chat GPT3的内测代码，开始在自身的系统中就此进行测试和开发。 所以对于大模型和大模型的应用，我想我们应该是在中国，算有自己核心发言权的那一拨人。 实际上不论是美国的ChatGPT，哪怕是4，亦或是其他几个开源的模型，或者是美国彭博社特意推出的针对于资本市场分析的大模型工具，我们都用过。反馈情况是技术非常酷炫，结果烂的一批。彭博社号称综合几个开源大模型的优势，推出针对资本市场数据的分析工具，我们拿两家A股的公司财报导入，不是数据提取位置出现错误，就是数据理解出现错误，最后的图表也是无法使用的。而且有意思的是，我们觉得可能是因为资本市场不同的对于财报要求所致，我们还将美国股市上市公司的财报导了进去，结论依然是一样的。 所以我们这6个多月以来，不得不自己用GPT4和国产大模型文心一言与星火，结合开发了一套大模型拆分财报并作出简短点评的系统，而这套系统最核心的并不是技术，技术团队只用了不到20天就全部做完了，最核心的是我们20多位分析师历经三个月，对所有能遇到的错误进行的数据标注，几乎超过8万条。 我们现在还需要三位分析师同事每天8个小时，通过后台来关注各个模型生成的内容，相关数据有没有错误，虽然数据的错误率已经降到了95%以下，但在资本市场层面，只要一个数据的错误，就可能对于投资人的决策造成诱诱导，而平台的专业性就没有办法显现。 我们说这么多的原因，其实是告诉大家，当下不论是国产大模型，还是美国的ChatGPT4，亦或是其他那些开源的大模型，其实都是通用模型，只解决了与人机对话中的自然理解问题，真正让他们去处理行业中的工作错误百出。 在我们的测试中，所有的模型都有这样的问题，原因也很简单，他们在前期的学习中，只是将互联网能找到的信息输入进去，真正在专业领域才能碰到的相关数据问题和解析问题，他们是不可能涉及的，因为这会增加大模型培训的时间，同时支出更多的成本。 所以大模型技术上的强弱，我认为没有任何意义，当下的技术水平，哪怕国产模型稍微弱一点也都够用了。再先进的大模型跟产业结合不到一起去，它就是一个昂贵的玩具。 说到中美在大模型的竞争上，国家已经对这件事情有了深刻的认知，有一句话是在最近这段时间从高层提出来的，就是“利用通用人工智能，推动实现产业体系的智能化”。所以国家看到的是大模型，一定要跟我们现在的产业体系相结合，而美国看到的是我一定要在大模型的领域实现技术的领先，这就产生了一个巨大的分歧。 美国其实不是不想在各个行业都将大模型部署进去，但是他遇到了很多的问题，最核心就是数据不足，我再举个例子，比如说在医疗领域，大模型应用最核心的点、能解决医生的难题，并且提升诊疗效率的，就是CT阅片。那么我拿到了一个内部数据，美国全年拍摄的CT片子是中国大概拍摄CT片子总量的1/500。换句话说，中国的医生一年内在CT中见到的疑难杂症的数量和种类，是美国的医生一辈子都难以想象的。因此用美国自己的CT数据来训练CHATGPT4，其对CT阅片的结果准确程度和用中国的数据来训练中国的模型，最终产生的结果，一定是技术稍微落后一点的中国模型胜出。这说明了数据对于当下大模型领域中美竞争的重要性。 然后中美在大模型领域产生这样的能力差距和数据差距，重要原因就在于美国推行了20年的脱实向虚，而中国在不停的夯实制造业基础。美国将大量的资金投向了互联网技术的研发，这是他们脱实向虚和金融资本化的一个最核心的标志；而中国确实这20多年来不停的夯实制造业的基础，搭建了全球最完善的制造业体系，在这个过程中美国产生了GPT这样的先进的互联网技术，但可惜的是它没有后续的行业数据支撑，注定恐怕只能成为一个昂贵的玩具，而中国有了这些行业的数据和制造业的底气，如果有哪怕技术差一点，但是可以用的通用模型来匹配，就会产生放大性的辐射效应。 这也是在中美大模型竞争中，我极力看好我们国家的重要原因。