图片来源@视觉中国

文 | 产业N啵N

随着多款AI产品相继亮相，生成式人工智能（AIGC）成为新一轮的市场焦点，ChatGPT、GPT-4、大模型的讨论已经铺天盖地。

悄然间，ChatGPT引燃了全球AI大模型的创业浪，不少大牛趁着风口入局。先是今年2月，原美团联合创始人王慧文广发AI英雄帖。紧随其后，前京东AI掌门人周伯文、创新工场CEO李开复、阿里前技术副总裁贾扬清、搜狗公司前CEO王小川等等，一众头顶光环的企业家相继下场创业。

与此同时，“AI会取代哪些岗位”的焦虑蔓延开来，相关话题备受关注。但随着ChatGPT的向前发展，职场人的态度正在发生转变，从恐慌不安，到关注技术的变迁本质，再到积极讨论大模型企业的offer选择，更多的开始思考如何通过驾驭技术完成职场跃迁。

毕竟，在算法、算力等都存在差距的现实条件下，人才或将成为这场全球擂台赛里的破局。

自【【微信】】公布了其大型语言模型的最新版本GPT-4，强大的学习和分析能力直接引爆了整个行业。 “人工智能会取代人类吗？”再次老生常谈，但这一次，大家对这个问题的答案开始没有自信。

不过，在AI技术上，压力来到了国内。随着百度发布文心一言，吹响了国内大模型应用的号角。

目前走上麻将桌的主要有大厂、AI公司，以及各领域的创业团队。入局的企业选择的战略路线也不尽相同。以百度为首，阿里、华为、360、阿里、商汤、京东、科大讯飞、字节跳动等巨头企业，主要是结合自身业务及战略布局，陆续官宣各自的大语言模型产品。

在创业团队中，王慧文、王小川等众多科技大佬直接“带资进组”，进军大模型领域进行创业。其中“二王”大佬各携5000万美元启动资金高调入场。

除了科技大佬外，来自高校、研究院所的创业项目同样不容小觑。曾传闻被王慧文收购的AI初创公司之一、清华系——深言科技，已经快速完成新一轮高估值融资，最新市场估值约 1 亿美金。据悉，其很快又将开启新一轮融资。

在这场“技术赛跑”中，国内科技巨头为何争先恐后的押注真金白银？有业内人士大胆假设，谁能先形成领先的大模型能力，谁将拥有通用基础大模型与生态和流量入口，更直白来讲，就是更有可能拥有从应用层到算力层的营收话语权。

随着ChatGPT走红，AIGC人才成香饽饽。《2023 AIGC人才趋势报告》显示， 2023年1-2月AIGC人才招聘需求数量同比上涨31.3%，创历史新高。

不过，报告同步显示，从人工智能行业的人才供需情况来看，算法工程师、计算机视觉、深度学习、嵌入式、C++工程师的供需比均小于1，其中算法工程师人才尤其紧缺，供需比仅为0.68。

人才紧缺使得热招岗位薪资水涨船高。AIGC领域热招岗位中，图像识别、算法研究员、深度学习岗位因其技术难度大、市场前景广阔而备受追捧，是AIGC领域的佼佼者，薪资均已达到百万。此外，AIGC产品经理作为非技术岗，薪资水平也达到90万元，与其他领域相比占据较大优势，吸引大量产品人才投递。

在BOSS直聘上，搜索与ChatGPT相关的岗位，百万年薪已稀松平常。以“NLP（自然语言处理）”岗位为例，字节开出30-60K（18薪）的招NLP算法工程师/专家；美团则愿意以最高年薪200多万招招外卖NLP/搜索算法负责人。

“最近对AI大模型人才的需求太多了”，甚至有猎头在招聘平台上表示，“只要技术背景过关，薪资不成问题”。

AIGC人才争夺战不期而至，“挖墙脚”也成了抢人的关键词。据媒体报道，百度发布生成式 AI 产品“文心一言”后，其大模型团队内的研发人员被其他公司盯上了。有3年左右相关经验的员工，可以直接给到原先年薪的2倍，表示：“百万年薪很正常”。

相同的“抢人”趋势也在国外出现，即使是明面上抵制AI的马斯克也加入了AIGC大战，根据商业内幕（Business Insider）的消息，马斯克最近约豪掷千金买GPU造大模型，并马大力抢人，已成功挖到两位DeepMind工程师的墙角。

有人做出大胆预测，2023年及未来几年内，不止国内外各大互联网科技巨头加大在AIGC上的投入力度，这条赛道当中有望涌现出更多新型独角兽企业。

当然，市场中还存在另一种相对保守的声音，他们认为，尽管AIGC对于人类指令的理解已越来越精准，但事实上，更多相关应用还比较初级，对于人类表达中不少“隐式内容（比如梗词、梗图等）”理解还比较有限，有些还会产生“幻觉”。

在【【微信】】上线GPT-4产品时，其在官网中公开承认：该产生仍存在与早期GPT模型相似的局限性，它并不是“完全可靠的”，最新版本的GPT仍会“幻觉”事实并出现推断错误。

“在使用时应格外小心，特别是在容易出错的语境下，具体的使用规则应根据具体需求来确定，例如人工审查、加强背景理解甚至完全避免高风险使用等规则。”换言之，尽管人们使用AIGC工作学习的便捷性提高了，但内容甄别和验证成本却不降反升。

正是出于加强对内容监管方面的考量，4月11日，在国内AIGC产品密集发布的同一周里，国内相关部门就《生成式人工智能服务管理办法（征求意见稿）》公开征求意见，提出生成式人工智能产品提供服务前需申报安全评估和算法备案。

这个结论也得到了专业人士的验证。有行研机构表示，AIGC在获取数据及信息时是否合规存在不小的争议，其生成的内容是否应受版权保护同样无法界定，此外，智能生成的内容是否会因滥用而产生伴生风险等等一系列问题，目前都不容易明确。

只不过，乐观预计下，尽管AIGC的应用与市场推广可能在短期内面临一定的限制，但从中长期角度来看，这有望从根本上“降虚火”，远期利好整个行业。

ai 大模型趋势和挑战 ai 企业影响因素分析

(资料图片)

本期内容提要：

GPT模型基于Transformer，它的本质即全局特征提取器。将词向量、位置向量和分段向量相加，便得到了GPT模型的输入表示。在模型的训练过程中，这些向量将通过多层Transformer结构进行处理，以捕捉词汇之间的复杂关系。词向量（Toke Embeddings）：每个词片段都被映射到一个固定长度的向量，捕捉该词片段的语义信息。这些词向量在模型的预训练过程中学习得到。位置向量（Positional Embeddings）：GPT使用固定长度的位置向量，用于捕捉词片段在输入序列中的位置信息。这些位置向量与词向量相加，生成包含位置信息的输入表示。分段向量（Segmen Embeddings）：GPT-2不使用分段向量，但在GPT-3及BERT等其他模型中，它们用于区分不同的输入段。模型的训练就是寻找这些向量之间存在的位置关系，以发现语言作为知识的载体，其本身所蕴含何种数学相关性。

提升参数量=提升性能、提升泛化能力，长期垄断局面可能形成：从论文研究来看，参数量的提升有助于构建语言预测模型的精确度，同时提高泛化能力。泛化能力的提升意味着一个参数量超级庞大的大模型，其在垂直细分领域的预测能力可超过针对垂直领域开发的中等参数量模型，这意味着AI的发展长期也是强者恒强的垄断过程，即参数量超级庞大的模型在任何垂直领域都具备优势，垂直细分的小模型难有生产空间。

数据标注的地位被弱化，AI产业的经济竞争也是文化竞争：无论是GPT还是SAM，其在训练过程中，大量依靠互联网原生内容训练，因此一种语言的高质量文本内容的丰富程度，将决定基于该语言的大模型能力强弱，中文互联网文本内容生态亟待加强。

AI大模型至少是一次中等规模的产业革命：仅从时间节点ChatGPT的表现来看，AI的能力边界取决于过去人类产生的知识，它对于工业来说就是极大地降低了知识获取难度。将人类知识的海洋汇聚于一个语言的入口，它更像是windows之于电脑，开启了普通人接触高性能设备的通道，也开启了电子产品/AI从企业端进入消费端的大门。

针对电子行业，我们认为在大模型格局未完全形成之前，参数量的无上限堆砌是各家企业发力的焦点，故算力的“军备竞赛”无可避免，若以动态视角来看AI芯片及服务器相关上游的弹性存在超预期可能。建议关注：兴森科技、兆威机电、芯原股份、寒武纪、通富微电。

风险提示：1.技术迭代不及预期；2.地缘政治风险；3.技术路径、产业趋势发生重大变化。

（来源：信达证券）

粉丝特惠：好股票APP五个热门产品任选一款，体验五天！欢迎下载注册体验！