2023年人工智能行业动态分析 从全民关注的爆款应用走向商业化开放，在多个场景中展现价值

核心观点：

核心观点：3月15日 OpenAI发布多模态大模型GPT-4，其不仅在语言处理能力上提高，还具备对图像的理解和分析能力。 GPT-4商业化进程加快，开放API的同时还发布了在6个不同商业场景的应用落地。随后微软发布了震撼的微软365 Copilot， 极大提升office的生产力和交互方式。此前，ChatGPT就已经展示了强大的能力，在文字创造、人机交互、教育、影音、零售 等多场景落地应用。我们认为，多模态大模型已在多领域具有专家能力，未来将深度赋能千行百业，改变生产生活方式。

1. 2023年3月15日，OpenAI目前最强大的多模态预训练大模型GPT-4正式发布。其能够处理文本、图像两种模态的输入信息， 单次处理文本量是ChatGPT的8倍，GPT-4的表现大大优于目前最好的语言模型，同时在学术考试中的水平远超GPT3.5。这意 味着GPT-4不仅在学术层面上实现了模型优化与突破，同时也展现出了成为部分领域专家的能力。 2. GPT-4商业化进程加快。GPT-4在发布时便开放了其纯文本输入的API，这与GPT-3和GPT-3.5的滞后开放不同。同时，GPT4这次一起推出了6个商业场景的具体应用落地，在优化人机交互体验、提供专业服务、提升组织效能、文化传承与保护等方 面都展现了巨大的潜能，未来有望看到更多场景中的商业化拓展与落地。

3. ChatGPT已经刮起GPT生态狂潮。2023年3月1号，OpenAI基于GPT 3.5 Turbo模型开放了ChatGPT API。API收费模式为 0.002美元/1000tokens。相较于前一代开放接口GPT 3.5，性能更强的同时，价格下降90%，加速ChatGPT相关应用生态的发展。 4.应用百花齐放，创造新的生产方式。微软先后在搜索引擎Bing、企业服务平台Dynamic 365及开发者工具平台Power Platform等接入 ChatGPT/GPT-4能力。微软还发布了震撼的Microsoft 365 Copilot，极大提升office的生产力和交互方式。与此 同时，在越来越多的企业宣布接入ChatGPT的能力，其中不乏一些已经取得优秀商业化的应用。如Jasper、Quizlet、Shop等， 在语言文字创造、人机交互、教育、绘画、影音、零售等多场景落地应用。

一、ChatGPT：从全民关注的爆款应用走向商业化开放，在多个场景中展现价值

1.1、AIGC商业化演进：重点产品时间线

随着技术的快速进步，AI生成内容(AIGC)极大地解放了生产力，其广阔的应用场景及市场价值推动着其商业化的快速发展。 垂直领域快速落地，爆款产品不断推出。随着技术不断演进，尤其是Diffusion、Transformer和Clip等模型的提出，AIGC的商业化 在多个领域开始落地。其中代码生成、文本生成、图像生成、音视频/游戏等领域已有不少爆款级产品。

1）代码领域，基于OpenAI的Codex模型，Github推出的Copilot具备代码的生成、补全、建议等功能，用户量突破百万级别。 2）文本领域，ChatGPT目前已开放API接口，微软已经在Bing和Dynamic365等应用接入。3月份发布的多模态预训练大模型GPT-4 已开放纯文本API，在图片理解、推理和学术考试中展现了强大能力，未来将适用于更广泛的应用场景。 3）图像领域， Stable diffusion等文生图应用已突破千万级用户量，目前是商业模式最成熟的领域，国内也在积极布局。 4）音视频/游戏领域，起步较晚，对模型复杂度和算力要求更高，百度的文心一言大模型已经具备对视频生成的能力。

1.2、ChatGPT开放接口，OpenAI商业化进一步推进

OpenAI开放ChatGPT API和Whisper API（应用程序接口），允许开发者将ChatGPT集成至他们的应用程序和服务中。 2023年3月1号，OpenAI宣布开放了ChatGPT API，其由自然语言大模型“GPT 3.5 Turbo” 支持，开放的API收费模式为 0.002美元/1000tokens，较前一代价格下降90%。 OpenAI根据API调用的token（分词）输入和输出总数计费。例如调用输入10个token ，输出20个token，则需要支付30 个token的费用。同时token总数还需低于模型最大限制，GPT-3.5-turbo-0301版本的限制是4096个token。

除此之外，本次OpenAI还开放了Whisper API。是一种语音转换文字（speech to text）的模型，可以转写或翻译语音， 支持包括英语、中文、阿拉伯语、日语、德语、西班牙语等几十种语言，使用Whisper API的费用为每分钟0.006美元。目前OpenAI已经开放了包括ChatGPT API和Whisper API在内的多个API接口，逐步推进商业化进程： OpenAI开放的语言类API包括用于对话的GPT-3.5-turbo（多段对话）、InstructGPT（一问一答），其中InstructGPT根据其 性能可以分为Ada、Babbage、Curie、Davinci（由弱至强），这四个模型还提供针对具体场景的微调接口，其中的Ada还可 以作为研究的基础Embedding模型被调用。开放的多模态模型为Dall·E，根据处理图像的像素不同进行收费。开放的音频模 型为Whisper。

1.3、微软与OpenAI深度合作，依托前沿AI技术提升产品能力

微软作为OpenAI最为重要的合作伙伴和投资人，其旗下产品与OpenAI的相关模型深度融合。 1.微软旗下的搜索引擎结合了GPT4的技术，将搜索、创造、聊天结为一体，多方位地满足用户个性化的需求； 2.微软旗下的企业服务平台Dynamic 365是融合CRM、ERP等功能的SaaS服务，其结合ChatGPT的技术推出Dynamics 365 Copilot，为 销售、服务、营销到供应链等跨业务的人员提供帮助； 3.微软旗下的开发者工具Power Platform，结合ChatGPT技术推出，Power Virtual Agents和AI Builder，分别提供构建聊天机器人的低 代码方法和面向开发人员的生成AI功能。

1.4、B端应用：Dynamic365&Power Platform

Dynamic365是微软推出的企业服务平台，其中于2023年3月9日推出的的Dynamics 365 Copilot结合了ChatGPT相关的AI技 术，用于 CRM 和 ERP 。目前处于预览阶段，其可以为销售、服务、营销到供应链等跨业务的人员提供帮助，例如实现 生成回复客户信息的电子邮件，为团队创建会议摘要，为营销活动提供灵感等。 Power Platform是微软旗下的开发者工具，其中于2023年3月6日推出的Power Virtual Agents和AI Builder都已经使用了 OpenAI的GPT语言模型技术。其中Power Virtual Agents通过聊天机器人的形式实现低代码编程，比如将 AI 聊天机器人指 向企业的特定资源，如网站或者知识库，简单配置便可使用，无须额外编写代码。而 AI Builder 结合了ChatGPT API（称 为 Azure OpenAI 服务）的生成 AI 功能，允许开发人员使用 GPT 模型生成文本，包括汇总报告、生成内容创意等等。

二、GPT4：更强大的多模态大模型，带来更广泛的商业应用可能

2.1、GPT-4:OpenAI最强大的多模态大模型

2023年3月15日， OpenAI发布多模态预训练大模型GPT-4，并称其是目前最强大的多模态大模型。其主要特点如下： GPT-4具备从图像中获取和分析信息的能力：GPT-4不仅拥有图像阅读能力，还可以从图像中提取逻辑，进行分析思考。 以左图为例：问：如果把图中的绳子剪掉会怎么办？ GPT-4: 气球会飞走。 GPT-4对图片的理解能力、分析逻辑能力、物理等学科的知识储备都赋予了这个模型强大的智能。 GPT-4能够处理更长的文本输入：在ChatGPT模型中，单次输入的文本量为3000个单词左右，而GPT-4模型单次能够处理 超过25000个单词，是上一代ChatGPT模型的近8倍，代表着对长文章的阅读、分析、生成能力大幅提高。

2.2、GPT-4:从语言模型走向多模态模型，带来更为丰富的应用场景

GPT-4是大型多模态模型，能够接受图像和文本两种模态的输入，再通过文字给出正确的文本答复，在多个不同的应用场景中展现 出强大的能力。 1）给出一道物理题和相应的示意图，GPT-4可以给出具体的解题步骤和相应的答案。 2）给出论文的截图，GPT-4可以总结出论文的主要内容，并根据用户进一步的提问补充其中的细节，在用户的指令下，GPT-4进一 步解释了论文中的第二个图像涉及的具体步骤。

3）用户给出一张具有相关数据信息的图表并提出了一个和图表数据相关的问题，GPT-4可以识别出图表中对应的数据，给出问题的 处理步骤和处理结果。如下图3所示，给定一张含有芬兰、格鲁吉亚、西亚每日人均肉类消费的图表，GPT4按照要求计算出了格鲁吉亚 和西亚每日人均肉类消费的和并给出了对应步骤。 4）输入一张图片并提出和图片相关的问题，GPT-4可以基于图片给出准确的回答。如下图4所示，输入一张“VGA线充手机”的图 片并要求GPT-4解释图片幽默的原因，GPT-4成功按照用户的要求给出了图片的三个部分的具体含义并正确给出了图片之所以看上去滑 稽是因为“将较大的VGA数据线接到了相对迷你的现代手机上”。而在图5的例子中，GPT-4成功解释了关于神经网络层数的漫画内容。

2.3、GPT-4:从“百科全书”逐步成为文理通吃的“专家”

相较于过去的GPT系列模型，GPT-4在更多应用领域成为专家，包括为机器学习模型评判标准和为人类设计的专业测试。在为机器学习模型设计的传统基准上，GPT-4的表现大大优于了目前的最好的语言模型，以及大多数SOTA模型 相较于GPT-3.5以及当前最好的语言模型，GPT-4在机器学习模型学术基准数据集上的表现实现了全面突破，在7项数据集中的测试 均优于当前最优的语言模型。除了在Drop基准数据集上与QDGAT模型有一定差距，GPT-4在其余6项基准数据集的测试都实现了当前 世界最优秀的性能。在MMLU数据集中，GPT-4不仅在英语语言上的性能实现了突破，在其他语言方面的表现也优于现在的语言模型。

在为人类设计的各种专业测试和学术基准数据集中，GPT-4展现出媲美甚至优于人类的水平。 GPT-3.5模型在一些相对简单的人类专业测试中已经展现出不错的性能，但当任务的复杂度上升后，其便难以处理，而GPT-4模型在 一些相对困难的任务中也已经取得相当优异的性能，例如其在模拟律师考试中取得了应试者中前10%的成绩，而GPT-3.5模型只有倒数 10%的成绩，甚至在GPT-3.5难以处理的如AP Calculus BC（AP微积分）考试中，GPT-4的水平也已经超过40%的应试者。

2.4、GPT-4：在可控性和真实性方面比ChatGPT有大幅提升

GPT-4更加可控，回答更加符合事实：Open AI 花费了 6 个月时间使用对抗性测试程序和ChatGPT的经验教训对GPT-4进行迭代调 整，从而在可控性和真实性上取得了很好的结果。在内部评估中，GPT-4 回答可能生成有害内容的输入的可能性降低了 82%，产 生符合事实回复的可能性高出 40%。 引入人类反馈进行训练。Open AI引入了ChatGPT用户以及50名来自人工智能、网络安全、生物安全和国际安全等领域的专家提交 的反馈来训练模型，以使模型的回答避免含有某些不恰当的言论。

从实际使用中不断提升。Open AI将以前模型的使用经验应用到 GPT-4 的安全研究和监控系统中。例如Open AI会自动检测用户的 行为是否违背安全性原则。若违反，系统会临时发布警告暂停或禁止用户的行为。与 ChatGPT 一样，随着越来越多的人使用它， Open AI将定期更新和改进 GPT-4。 GPT-4协助进行安全方面的研究。GPT-4 的高级推理和指令遵循功能加快了安全研究工作。Open AI使用 GPT-4 来帮助创建训练数 据，以便在训练、评估和监控中对分类器进行微调和迭代。

2.5、ChatGPT升级GPT-4版本，GPT-4开放相应API加速商业化

ChatGPT升级了对应的GPT-4版本：在GPT-4发布后，OpenAI直接将GPT-4接入了ChatGPT。订阅了ChatGPT Plus的用户 可以有使用上限的GPT-4访问权限。 GPT-4开放了相应的API ： GPT-4纯文本API可以通过注册申请的方式获取，但目前图像输入仍处于Alpha测试阶段，尚 未开放给用户。价格方面，输入长度为8K的版本输入和回复的价格分别为每1000个token 0.03美金和0.06美金，输入长度 为32K的版本输入和回复的价格分别为每1000个token 0.06美金和0.12美金。 GPT-4商业化落地加速：GPT-4强大的性能和解决丰富场景下具体问题的能力让其在优化人机交互体验、提供专业服务、 提升组织效能、文化传承与保护等方面都展现了巨大的潜能。

编辑：荣耀2020