五天超過百萬用戶，兩個月獲得上億用戶。ChatGPT的火爆肉眼可見，這家企業的創始團隊包括馬斯克和彼得·蒂爾等知名大佬，后又背靠微軟，從微軟獲得了數據（比如微軟小冰采集的對話數據、GitHub的開源代碼庫）、算力（微軟Azure是全球前三的云服務供應商）、資本（微軟數輪入資，今年還將投資幾十億美元）等方面的支持，可以說整個硅谷的資源都被調動起來，聚焦到ChatGPT身上。

　　ChatGPT的優勢在于，它真的有用。之前很多人將人工智能叫做“人工智障”，因為其他人工智能往往答非所問，或者你要按照人工智能習慣的方式來提問才能得到正確答案，而ChatGPT具備上下文語義理解能力和邏輯能力。如果你問的問題它不懂，它就會向你反問，要你補充問題的信息，最終通過一問一答找到你真正需要的答案。

　　在文本創作、知識數據搜索和代碼書寫等方面，ChatGPT都有優于谷歌等搜索引擎的用戶體驗，這讓在AI領域深耕多年的谷歌艷羨不已，也讓其他一眾聊天機器人黯然失色。而一旦用戶數量達到一定規模，通過用戶的提問，在線數據將支持ChatGPT的數據訓練集進一步豐富。可以說ChatGPT讓AI達到了一個奇點，而這個奇點之后有可能是一輪AI領域的“宇宙大爆炸”。

　　國內也有很多聊天機器人，但與ChatGPT相比，還有很大差距，大多數國內的AI應用是一問一答，且有的時候還會誤解用戶的意思，讓人啼笑皆非。國內的AI應用為什么會和美國的ChatGPT拉開差距呢？原因是多方面的：

　　其一，從技術資本層面，最大的限制來自算力、算法、數據。

　　算力方面，我國的數據中心多面向軟件應用環境，比如游戲服務器外包，真正面向AI的算力非常少。而算力本身是非常昂貴的，模型越大，數據越多，數據訓練AI所要消耗的費用就越多，一次集中算力訓練需要幾百萬美元的算力，這是國內AI公司不能負擔的。

　　數據方面，國內數據的質量普遍不高，一方面是因為數據本身積累上的問題，比如小冰用免費AI對話來積累數據，比如GitHub這樣的代碼開源網站比較缺乏。另一方面是因為數據管理較為嚴格，部分數據文本需要審批才可以被人工智能企業使用，減慢了數據價值的釋放。

　　算法方面，我國AI 開發者有思維慣性，過度依賴開源內容，對大模型缺乏探索創新。當然，算力、算法、數據的問題有些也是資本問題，沒錢導致沒辦法進行大模型、大數據量的訓練，但有些也是管理需要改進的地方。

　　從管理層面來看，數據要素流通需要進一步打通，除此之外，我國對AIGC的內容創作也要采取開放包容的態度。AIGC作為技術黑箱，其產出的內容往往是不可知的，在輸出內容方面要允許AIGC犯錯誤，讓AI企業敢于在技術上突破。

　　綜上，一方面要堆錢，算力、算法、數據都要錢。另一方面要松綁，寬松的環境能夠讓技術的生長速度更快。但短期內比較迫切要做的事情是，如果ChatGPT 開源，當然皆大歡喜，國產勢必跟上；如果ChatGPT不開源，我們是否應該引進ChatGPT。引進ChatGPT的理由有兩個：一個是看ChatGPT是否在國內存在合規障礙，如果ChatGPT可行，國內企業就可以模仿；另一個是ChatG-PT對代碼寫作和內容創作來說是一種生產力工具，能夠提高內容產量。

　　當然，實事求是地說，中國人工智能近些年的進步是巨大的。當前，全球人工智能發展呈現出中美兩國引領、主要國家激烈競爭的總體格局。中國人工智能發展成效顯著，人工智能創新水平已經進入世界第一梯隊，與美國的差距進一步縮小。但中國在人工智能人才方面仍落后于美國，中國在人工智能基礎學科建設方面不及美國。

　　而ChatGPT熱潮席卷全球的背后，也帶給我們深刻的思考，人工智能作為未來產業、經濟社會發展中的一項變革性技術與關鍵性力量，深刻影響著未來世界的競爭格局。于中國而言，在人工智能發展領域并非到了“刀槍入庫，馬放南山”的階段，反而恰恰如中國的一句俗話所說：“逆水行舟，不進則退。”所以，我們在人工智能技術及產業發展上依然任重而道遠，須臾松懈不得。