产品化的 GPT，能否为“百模大战”照亮未来？

这两天，AI 圈都处在一种莫名的震撼感当中。

北京时间 11 月 7 日，OpenAI 举办了首次 DevDay 开发者日活动。活动现场发布了非常多内容，其中有一些按部就班的，比如技术上更新了最新版本的 GPT-4 Turbo。也有一些让从业者目瞪口呆，不知道从何聊起的，比如能够让用户仅用几句话就生成独立应用的 GPTs，以及配套推出的 GPT Store。

出人意料的地方在于，OpenAI 这些动作完全是非技术的。你可以说这是一种应用模式，一种开发工具，或者一种编程语言，反正它跟我们经常在 AI 发布会上看到的模型能力升级一点关系都没有。

这种感觉就是，我们明明都跟着你往北跑，甚至跑出了“百模大战”的气势，结果一觉醒来，你宣布向西拐了，于是结结实实让 AI 行业闪了一下腰。

那可能有朋友说了，这不是正好吗？反正国内大模型这么卷，OpenAI 给出了新方向，我们继续跟着跑就是了。

然而现实情况是 OpenAI 的一系列新动作，完全建立在一套新的游戏规则体系上。这种能力是绝大多数 AI 算法公司并不具备的。

提起 iPhone，我们会说它不一定是技术最强、生态最强，但肯定是产品最强。OpenAI 在做的其实就是基于一套全新的“GPT 游戏规则”，来实现大模型的产品化。

我们认为，这对于今天“百模大战”的绝大多数参与者来说都是坏事，但对于中国 AI 的长期发展来说却是好事。

OpenAI 在做的，是将“新规则”产品化

我们首先还是来回顾一下 OpenAI 的开发者日，到底是如何又一次带来行业震撼的。

本次活动，OpenAI 首先是对 GPT-4 进行了一定升级，比如此次 GPT-4 Turbo 更新了长度达到 128k 的上下文窗口，是此前 GPT-4 的四倍。与此同时，也进行了其他一些关于 AIGC 压缩成本，提高效率方面的升级。而在开发者赋能方面，OpenAI 带来了 Assistants API 等新升级，从而帮助开发者在自身应用中构筑 Agent 体验。

真正引人注目的，是可以快速构建自定义 AI 应用的 GPTs。

这一平台可以支持用户通过提需求的方式，仅仅用几句话就生成一个独立的 GPT 应用，也就是 GPTs。在现场演示中，OpenAI 创始人奥特曼使用 GPTs 定制了一个商业建议类的应用：

首先，他向 GPT 提出自己的诉求是构建一个创业公司的帮手，可以为公司创始人提供相应的商业建议。

第二步，GPT Builder 输出了初步的 GPTs，并询问是否需要进行更多信息输入，有哪些重点强调的内容和需要避免的问题。

第三步，GPT Builder 会询问应用是否联网，是否应该具备以文生图能力、代码生成能力等 GPT 的基础能力，以及是否需要加入专业数据进行精调。

经过这三轮与 GPT Builder 的对话之后，一个 GPTs 就生成完毕。换句话说，在这个应用开发过程中，人类没有贡献任何的代码能力、逻辑能力、设计能力，只提供了一个 idea，最多再加上少量行业数据。

GPTs 发布之后，很快众多开发者都把它玩出花，不难由此看出其潜力广泛。当然，我们可以说这种开发模式有很多问题，比如其能力上限就是当前版本 GPT 的上限，它应用到的能力也仅仅是目前 GPT 具有的能力，极大收窄了应用开发边界。但不可否认的是，GPTs 颠覆了有史以来的应用历程。开发者不再需要软硬件成本、开发工具、开源软件集，甚至可以不懂代码，不耗费时间。就像 iPhone 之前，用户从不会距离订制化软件这么近，而 GPTs 之前，可能也不会有开发者距离订制化软件这么近。这种模式确立之后，GPT 本身的技术升级，会通过 GPTs 得到快速释放。

当创建应用像拍短视频一样简单，一系列产业洗牌与商业模式兴起已经可以预见，而为了配合这种极简开发模式，OpenAI 也将打造类似应用市场的 GPT Store。

过去我们说，智能手机本身就是产品，同时还是更多软件类产品诞生的基础。如今 OpenAI 在做的事情也是一样，它让 ChatGPT 本身成为不断迭代的超级产品，同时也将其能力外放，打造新的软件基础设施。

在由大模型定义的全新技术规则下，GPT 的产品化脱离了以往所有软件的范式，走出了一条新路。

这条路上，未来可能会出现这样一幕：一个不会编程的孩子，仅用几句话就完成了一家企业耗费巨大人力物力打造的应用。那么大公司里的员工要做什么呢？他们为什么不提前利用新规则呢？

这些问题其实在 ChatGPT 开始兴起时就被提了触雷，而 OpenAI 在做的，就是通过将大模型的新游戏规则产品化，来让这些问题更加真实可感。

大战中的“百模”，能否跟上 GPT？

让我们把 OpenAI 的故事先放一放，他们的野心显然还在发酵，按照这个节奏，几个月之内应该还会有更炸裂的发布。

这时候，要来看看中国与全球同步上演的“百模大战”到今年 10 月，国内已经涌现出了超过 130 个大模型。大模型开源、大模型进入垂直行业，以及基于大模型打造的新应用模式等一系列产业端口都非常火爆。

这种繁荣经常会给我们某种错觉：有了 130 个大模型，好像就是拥有了 130 家 OpenAI。

事实绝非如此，在这些大模型当中，能做到“对外开放”“对话流畅自然”“能够提供有效内容反馈”这几点的大语言模型已经寥寥无几。

大模型企业，更多动作还集中在提升参数、刷新榜单、开源等传统意义上的 AI 算法层面，既无法大规模应用，也无法实现商业闭环。那么问题来了，在 OpenAI 转向大模型产品化的新阶段里，百模大战的参数选手们能在未来跟进吗？

恐怕对于多数大模型来说，答案是比较悲观的，其原因有三点：

1.大模型泛化能力的缺失。预训练大模型技术最大的亮点就是其泛化应用能力，这是“智能涌现”现象的来源，也是 OpenAI 可以实现无代码开发、软件能力订制的来源。然而恰恰也就是这种难以准确量化的泛化能力，是众多大模型最为缺失的能力。“一看数值是高知，一上应用是弱智”目前是困扰大模型产业的最大问题。在技术上，绝大多数大模型还不具备拥抱“新规则”的基础。

2.产品化能力的缺失。目前大多数大模型玩家，都是大模型风口下的创业团队，以及院校搭建的科研类大模型。换言之，这些团队普遍呈现技术能力比较强，但压根没考虑过产品能力的问题。未来想要从头复刻 OpenAI 的大模型产品化体系，是一件极其艰难的工作。

3.生态成本与窗口的缺失。从头打造大模型相对容易，但要从头类似 OpenAI 的开发者生态却很难。这一方面是需要持续且巨大的成本投入，另一方面需要抢占开发者聚合的机遇窗口。这两点，目前还在“百模大战”同质化竞争中的企业很难实现。

所以，从这些角度看，OpenAI 这一个急转弯，确实会将全球大多数梦想成为其对手的公司甩出路外。其实就创业土壤来看，今天的大模型初创企业，面临的挑战比几年前的机器视觉公司更大。当时机器视觉公司还有安防等庞大蓝海市场作为支撑，但现在大模型公司是外有 OpenAI 遥遥领先，内有互联网与 AI 巨头强敌环伺。在打榜和对参数之外，大模型的出路何在，已经是一道眼前的必答题。

中国大模型的出路，是打造“新超级入口”

那么，OpenAI 的大拐弯，真的会让中国 AI 产业看不见未来吗？答案当然不是这样，甚至刚好相反。

在目前阶段，GPT 确实保持着极高的技术、产品、生态进化速度。中国 AI 行业更多处在模仿、跟随，同时渐渐积累自身优势的阶段。但客观来看，大模型带来了全新的智能化游戏规则，同时这个规则未来高度依赖产品能力、应用能力，这件事对中国 AI 行业是极为有利的。

首先，客观来看 GPT 是进不来的。无论如何评价这一点，这都会给中国大模型造成可观的空间。这个阶段，OpenAI 还会源源不断的提供参考范本，完成从 0 到 1 的工作，这就将给中国 AI 产业造成既有参考，又有空间的机会窗口。

其次，中国互联网行业、手机行业等领域积累了庞大的产品设计、应用开发基础。这些基础能力除了少数科技巨头之外，更多时候还没有与大模型接驳。实事求是地说，基础模型并不需要太多。最终“百模大战”会有超过 90%的选手仅仅成为时代的痕迹，但基础模型与基础平台之上的应用可以很多，甚至可能出现一个应用开创一个行业的情况。而这些，都是中国互联网与软件行业所擅长的。

对于中国 AI，以及行业的从业者、开发者来说，应该看到只有将大模型基础技术与中国的产品能力、商业能力、规模化市场结合在一起才有未来。中国大模型的真正出路，是基于大模型的新游戏规则，打造出类似微信、支付宝、抖音的超级入口。

否则的话，中国厂商将一直挤在行业+大模型的赛道里。这个赛道当然有意义，但缺乏规模化营收，商业逻辑难以大量复制。

真正值得期待的大模型创业潮，应该发生在中国 AI 进一步模仿 GPT，完善与其对标的技术和平台能力之后。然后在这一基础上，在大模型的新游戏规则下，产生出融合了中国特色应用开发能力、C 端市场需求的软件应用。

多重优势合流之后的超级入口成型之日，才是中国大模型的指数级增长之时。

那个超级入口有很多种可能。一位帮你找信息、完成工作的数字秘书？一个能够支持用户定制多媒体娱乐的平台？一个可以根据用户指令来比价、比店、选品的“AI 李佳奇”？一个虚拟群主带大伙社交的“新 QQ”？

有太多可能，发生在新规则确立之后，发生必须稍有耐心的未来。

2022 年 11 月 30 日发布，ChatGPT 悄无声息地发布。一年之后的今天，大模型层出不穷，有太多公司宣布“要当中国的 OpenAI”。同样是今天，OpenAI 已经开启了变革，转向了一个意料之外，情理之中的新方向。

那么问题来了，下一年我们做什么呢？

或许面对 OpenAI，中国 AI 企业必须学会既要学习，又不能复制。

我们压低身段去学习 OpenAI。需要学习的是有能力持续推动大模型技术迭代，同时具备把大模型作为一种全新数字化基础设施的思考方式。

但不能真的像 OpenAI，因为你用尽全力学像了这个版本，人家下一步拐弯了，而你撞墙上了。这就像看人家汽车起步你也起步，可是你仿造的这辆车压根就没装方向盘。

对于这次的开发者日，OpenAI 联合创始人安德烈·卡尔帕西说，“我看到了计算机中的一个新的抽象层”。

这一点，或许才是最重要的。