快捷导航 
时间：2023-03-15 22:10:04来源：互联网
上周我们发布了报告上篇 《4万字告诉你ChatGPT到底是什么（上）》，今天的下篇我们将继续节选报告第三章中的“我国人工智能发展中存在的主要问题”、第四章《ChatGPT对资本市场影响的分析与研判》和第五章《我国未来人工智能发展的展望》中部分核心内容和观点。
OpenAI推出ChatGPT后不久，微软宣布将ChatGPT与搜索引擎Bing整合，谷歌宣布推出Bard应对挑战，接着Meta官网公布了一款新的人工智能大型语言模型LLaMA。
此时，人们自然而然把目光转向了中国相关企业，他们何时宣布推出类似于ChatGPT人工智能发展的时间表。
人们特别关注的企业有百度、阿里巴巴以及人工智能企业科大讯飞等等一大批中国与人工智能有关联企业的动向。
3.4.3 我国人工智能发展中存在的主要问题
我国发展人工智能面临三方面技术难点如下：
第一，人工智能的AI算法
人工智能常见的算法技术的基础性研究主要集中于国内各大高校团队，但在科研成果转化领域一直发展比较缓慢，较难实现从理论和技术向生产力的转化。
目前以华为、阿里、腾讯等公司主导的人工智能技术研发团队迅速崛起，将科研产品开发与算法技术结合，从产业领域实现人工智能算法的技术成果转化。
但是在算法的基础理论研究层面，一直以来是我们发展人工智能技术的短板。没有对大规模机器学习场景中强化学习算法模型、生成性预训练变换模型、分布式并行的研发投入，或者说由于受到资金投入与人才缺乏的影响，研究成果与世界发达企业还有很大的差距。
美国现有的人工智能系统的关键技术都是不开源的，系统深度学习框架、数据库和工具集，均限内部使用，部分仅对系统的应用接口持开源的态度，使我们无法在短时间内掌握世界最先进的人工智能系统的开发经验。
从市场的角度来看，我国目前的人工智能系统都是一些比较初级的数据采集与分析应用系统，类似于ChatGPT高度智能化的AI产品的研发还处于摸索与初级阶段，在性能和稳定性方面改善空间潜力巨大。
早在20世纪80年代，我国学术界就提出了相当完善的AI算法模型，中国多家高校有从事算法模型的研究，但大多都将算法模型应用在人脸识别系统，提高图像识别精度方面。到目前为止算法模型在AI领域的价值还没有被真正体现，这可能受限于我们的芯片制造水平难以提供支撑深度神经网络训练和预训练需要的算力。
科研领域需要更大投入，要针对目前的已有算法进行深度优化，或者另辟蹊径，提出更为先进的算法理论。要打造出符合世界产业发展最新技术水平，具有全球市场竞争力的人工智能产品，看来有相当长的一段路要走。但也不排除弯道超车或换道超车奇迹的发生。
我国AI发展现状任重而道远。
第二，人工智能AI模型软件
国内的人工智能模型软件开发已经起步，开始对标世界先进的人工智能模型，培育自己的发展环境。人工智能模型是人工智能生态中最重要的因素之一，我国需要促进国产模型软件的发展和推广，摆脱国外的标准制约。ChatGPT就是基于“生成型预训练变换模型”开发出来的自然语言聊天机器人。
第三，人工智能开发环境
人工智能开发环境是指相关算法、数据库、软件开发工具、高性能的人工智能AI计算机芯片、云计算网络的集合。国产AI模型开发需要和国产AI智能芯片及硬件进行相互适配、性能优化和应用推广，才能够形成面向行业应用的软硬件一体化人工智能平台。
国际人工智能巨头掌控着人工智能开发环境的关键技术，我们目前还较难在短时间内在AI芯片、算法、模型软件、云数据库服务等人工智能开发环境上有十分大的突破。
人工智能系统开发是一个系统工程，需要协同各个方面的资源共同发力，才能在产业发展中占有制高点。
3.4.4 AI芯片，人工智能绕不过去的坎
人工智能AI芯片是技术发展的关键之一，它是提供人工智能算力的灵魂和大脑，承载了为各种终端提供强大算力的重要任务。人工智能AI 芯片的出现，极大提高数据处理的能力，尤其在处理海量数据时明显优于传统CPU。
从技术架构来看，AI芯片一般可以分为GPU、FPGA、ASIC和类脑芯片四大类——
GPU（Graphics Processing Unit，图形处理器）
GPU是利用处理图形任务的图形处理器来计算原本由中央处理器CPU的通用计算任务。
GPU的关键性能是矩形并行计算，主流的GPU具有强大的计算能力，无论性能还是内存带宽均远大于同代的CPU。CPU 由专为顺序串行处理而优化组成，而 GPU 则拥有一个由数以千计的更小、更高效的核心（专为同时处理多重任务而设计）组成的大规模并行计算架构。同时CPU相当一部分时间在执行外设的中断、进程的切换等任务，而GPU有更多的时间用于并行计算。
