2022年11月30日，可能將成為一個改變人類歷史的日子——美國人工智能開發機構OpenAI推出聊天機器人ChatGPT。它不僅催生了人工智能界的又一輪高光期，還并不常見地被譽為“蒸汽機時刻”、“iPhone時刻”甚至“鉆木取火時刻”。
這一年來，被稱為“生成式人工智能”的革命性技術激發了全球科技界“把所有軟件和硬件重做一遍”的沖動，讓具有先發優勢的AI基礎設施提供商價值暴漲，使得從醫療到航天的科學探索獲得被加倍賦能的前景，傳說中“奇點”的到來從未變得如此具有可能性。
正如歷史上任何一次技術變革，ChatGPT也給我們帶來了深深的焦慮。既有對AI威脅人類生存的科幻式恐懼，也有對砸掉我們飯碗、騙取我們錢財、操縱我們心靈的現實擔憂。連OpenAI自身，也剛剛經歷了一場危機，差點沒躲過一夜坍塌的命運。
這一年讓我們產生了更多疑問：大語言模型下一步的進化方向是什么？AI芯片短缺何時解決？訓練數據快要耗盡了嗎？中國的百模之戰會如何演化？AI技術發展應加速還是減速？AGI（通用人工智能）是否會存在其他形式？為此，我們邀請了2023年在AI賽道奔跑的業內人士回答這些問題，并提出他們自己的問題。
在生成式人工智能“喧鬧”了一年后，到底有多少企業因為該技術的應用賺到了錢？
“國內應用都在試圖產生價值，但很少實現盈利，做數字人的‘小作坊’倒是真掙錢了。”北京開放傳神科技有限公司（OpenCSG）創始人兼首席執行官陳冉告訴澎湃科技。信也科技副總裁、大數據及AI負責人陳磊認為，在國外企業中，與OpenAI深度合作的微軟公司“營收應該有比較大的起色”。云知聲智能科技股份有限公司董事長兼CTO梁家恩則表示，“AI圖像生成公司Midjourney據稱已經做到1億美元的營收了”，但是“還看不到真正的AGI-Native（AGI原生）應用”。
“目前仍處于剛剛開始的階段，如果計算成本投入和收益，現在盈利的行業還不多見。”上海市數據科學重點實驗室主任、復旦大學教授肖仰華表示，大模型在很多行業都取得了顯著效果，但取得效果并不代表能盈利，這涉及到很多因素，尤其是成本因素，大模型的煉制需要巨大的成本。
如果換一種問法：大模型最先落地或者落地最成功的產業有哪些？螞蟻集團副總裁、金融大模型負責人王曉航認為：“有兩類，一類是創造型產業，比如設計、文娛、游戲；另一類是高知識密集型行業，比如金融、醫療、法律。”但是，醫療、金融等強監管行業對可靠性要求極高，不只是“幻覺”，還有金融的合規性、每個行業的價值主張。如果這3個問題不解決，大模型在嚴謹產業里落地時潛力就無法發揮。
具體到醫療領域，科大訊飛董事長劉慶峰向澎湃科技介紹了“醫療大模型可以完成90%的不合理用藥提醒”，英矽智能聯合首席執行官兼首席科學官任峰則直言：“好像一夜之間，以前做不到的事情忽然就可以做到了。”比如，直接與大模型對話，提問“幫我找到治療某個癌癥的靶點”就可以得到相關結果。
在金融領域，王曉航表示，在很多場景里意圖理解、定性分析、量化分析等領域已經超過人工，“未來的服務要通過多模態的交互、語言的交互來完成，怎么跟移動互聯網的圖形界面融合，形成一種新的界面和體驗，可能是未來兩年會發生的。”
對于未來一年是否會出現現象級的應用，受訪者觀點不一。百度集團副總裁、移動生態商業體系負責人王鳳陽認為現象級的生成式AI應用一定會出現，而且會超出大家的預期。IDEA（粵港澳大灣區數字經濟研究院）AI安全普惠系統研究中心講席科學家王嘉平則表示，“會比原來互聯網的現象級應用來得更快”。阿里云科技和研究中心主任安筱鵬持謹慎樂觀的態度，并指出，對于中國應用場景豐富的說法，前提是特定行業的數據積累足夠多。此外，需要底層算力、開源模型以及各種各樣的工具才能把整個生態搭建好，把技術門檻、應用門檻及成本降下來。
“任何一次重大技術變革帶來的產業革命拐點，一定來自成本的拐點。”安筱鵬說，蒸汽機最開始被發明出來，是為了把礦井里的水抽上來，它的成本很高，會經常壞。“瓦特做了什么？他大幅提高了蒸汽機的穩定性、安全性、可靠性，降低了成本，所以蒸汽機從一個專用的、只能抽水的機器，變成了一個通用的、可以拉著火車向前跑的機器。”
以下為采訪實錄，因篇幅原因有刪減：
澎湃科技：目前因生成式AI的應用而實現盈利的企業或行業有哪些？
陳磊（信也科技副總裁、大數據及AI負責人）：我們看到很多估值、用戶體量或營收漲了很多的企業。微軟因為生成式AI對Office體系的加持，營收應該有比較大的起色，市值又回到了萬億規模。未來應該會有企業因為生成式AI盈利。
張鵬：每個場景下都有。客服工作可以由AI來取代一部分，或者由AI提升質量。在科研場景中，AI幫助閱讀文獻、查找資料、數據分析，提升科研工作效率，甚至提供一些關鍵性的研究創意。
陳冉【北京開放傳神科技有限公司（OpenCSG）創始人、CEO】：國內應用都在試圖產生價值，但很少實現盈利，做數字人的“小作坊”倒是真掙錢了。國外的應用已經非常適配了，比如Copilot輔助開發代碼，做陪伴的湯姆貓也比較成功。在未來，數據已經準備好的、馬上可以用起來的、使用比較多的、給大家帶來很多價值的應用會馬上形成產業鏈。
梁家恩（云知聲智能科技股份有限公司董事長兼CTO）：AI圖像生成公司Midjourney據稱已經做到1億美元的營收了。過去UGC（注：用戶生成內容）只是文本為主，有了這種多模態工具，UGC會更加豐富多彩。所以這塊的應用可能會比較快，因為它相當于給我們生成了很多候選，再由人協同處理。如果直接讓機器百分之百生成一個非常好的結果，所有AIGC（注：人工智能生成內容）目前都做不到。
肖仰華（上海市數據科學重點實驗室主任、復旦大學教授）：是否盈利取決于成本和收益。大模型應用的成本問題目前已經非常突出，大模型的煉制需要巨大成本，大模型的應用也存在成本。考慮到成本因素之后，收益是否足夠顯著，相對于成本付出是否值得，這也是大模型行業賦能千行百業中的關鍵問題。
目前仍處于剛剛開始的階段，如果計算成本投入和收益，現在盈利的行業還不多見。如果換個問法，大模型取得應用效果的行業和企業有哪些，那么我想答案非常明確，大模型在很多行業都取得了顯著效果，比如大量的虛擬主播基于大模型，普通翻譯員的大部分工作一定程度上可以被大模型所代替。還是仍然要強調，大模型能取得效果并不代表它能盈利，這涉及到很多因素，尤其是成本因素。大模型雖然能夠達到普通人的一些能力和水平，但是成本未必更低，所以這完全是另外一個問題。
澎湃科技：大模型最先落地或者落地最成功的產業有哪些？有哪些難點？
王曉航（螞蟻集團副總裁、金融大模型負責人）：有兩類，一類是創造型產業，比如設計、文娛、游戲；另一類是高知識密集型行業，比如金融、醫療、法律。大語言模型是強大的世界知識圖譜容器，它能媲美、賦能，甚至某種程度上替代一部分知識型工作者。
大模型是基于全網可得的公開數據所訓練的，理解和生成能力非常強，但遇到專業嚴謹的行業時有非常多挑戰，通用大模型在專業通識方面是短板，比如金融專業性很深。各種金融決策的復雜性和嚴謹性要求很高，醫療行業更加復雜嚴謹，比如做家庭資產配置保障計劃不是簡單推薦，而是計算偏離度、風險集中度、風險等級、承受能力，像這樣的決策不是大模型擅長的，它無法學習，即使有足夠的數據，它的嚴謹梳理和計算也遠遠達不到今天的行業要求。
醫療、金融等強監管行業對可靠性要求極高，我講的可靠性不只是“幻覺”，還有金融的合規性、每個行業的價值主張。如果這3個問題不解決，大模型在嚴謹產業里落地時潛力無法發揮。如何解決這3個問題？一是大模型要跟專業領域的小模型結合，比如資產配置，在理解用戶需求后調動資產配置工具，而不需要重新計算資產該怎么配置。二是結構化的知識圖譜很重要，比如我們為了做好醫療理賠工作，要建非常完備的醫療和保險知識圖譜，在大模型訓練過程中注入，降低幻覺，提高專業性，在應用過程中優先考慮知識圖譜跟大模型怎么結合。檢索增強技術也非常有效，在專業領域中進行內容定位以后進行解答，就像從一本專業書籍中找答案，這些技術都可以大幅提高大模型專業性和事實性。這是一個系統工程。
澎湃科技：什么樣的大模型應用能夠真正產生價值？
張鵬（北京智譜華章科技有限公司CEO）：一個技術在應用中會產生幾種價值，降本、增效、提質、創新。更具體一點來說，比如能做到人做不到的事，幫人做簡單、重復的工作，把人從這種工作中解脫出來，在數字化時代提升數據流動、交換、處理的效率和效果。
陳冉：應用最終要解決痛點、服務人類，人類為產生價值的過程付費。現在的很多應用不會馬上跳躍式形成下一代應用，中間階段是讓現在的應用AI化，最終變成原生應用，也就是說甚至不用到網頁上點了，這些應用涉及購物、旅游、餐飲、服裝等。
梁家恩：目前還看不到真正的AGI-Native（AGI原生）應用。就像當時移動互聯網剛出來時，大家的想法是把PC應用改小了，裝進手機就完了，目前大模型應用還停留在這個階段，真正的AI-Native（AI原生）應用還需要迭代。
但不管最終形態如何，還是要回答一個問題：幫助用戶解決了什么問題。比如在醫院里，用戶最希望的是有一個超級醫生，所有問題都能解決，連醫院都不需要去了。但在這種嚴肅場景里，要一步到位不太現實。我們現在可以給醫生提供一些工具，幫助醫生提升效率和質量，基礎性的工作讓機器完成，更好釋放更多優質醫療資源。人跟機器的協同過程中，人在適應機器，機器也在學習人的過程中不斷提升。最終它有可能達到專家的中上水平。但未來可能還會剩下一些疑難問題，需要人來協同解決。
醫療是我們的重要方向之一，這是一個知識非常密集的行業，光靠在互聯網上抓取醫療相關的數據，精準度和質量達不到好的醫療專家水平。所以我們還會補充相關數據，針對性優化相關應用。最終還是以解決問題為導向，才能找到最終的AI-Native的形態。
澎湃科技：AI如何應用于智能醫學、生命科學，如何考慮隱私和倫理因素？
劉慶峰（科大訊飛董事長）：居民用藥中非處方藥占45%（2022年我國非處方藥市場規模為1951.7億元，占零售藥品市場的45.4%），但在基層6億多的復診案例中，出現4000多萬例疑似不合理用藥。很多人有基礎疾病，容易出現用藥不當的問題。我們身邊就有一位85歲老人，患有阿爾茲海默病，服用相關藥后牙疼，吃了一個常見的消炎藥后就開始不吃飯，連續將近20天，此后在省立醫院就診后才慢慢恢復。后來發現原因在于不知道這款消炎藥與原來用藥相互之間有反應，除此之外還有些用藥禁忌，老百姓不知道，藥房里的銷售人員也不知道，也不可能每一個病都去問醫生。那么，這個需求如何滿足？
我認為我們的醫療大模型可以完成90%的不合理用藥提醒。同樣的，很多人拿到體檢報告后看不懂有沒有深層次問題，但又不是每個人都能有機會咨詢醫生。科大訊飛在內部嘗試了幾千個抽樣例子，可以看到有40%的樣本應該給予更多提醒，有的要馬上就醫，或者要注意各種各樣的禁忌，還有百分之三點多則提醒要馬上處理。
不過，最好的醫生也不可能百分百都對，模型就算比醫生更專業，也不可能百分百正確。所以我們希望社會對這樣的業務，一方面要嚴格、謹慎，依法，絕不能隨便推薦處方藥，也絕不能隨便下定論，一旦發現有問題一定要提醒“就醫要到醫院”。模型的任務是讓患者心中更清楚，不是替代醫生，而是幫助患者將來更好地了解情況，以便更好地和醫生溝通。
任峰（英矽智能聯合首席執行官兼首席科學官）：ChatGPT出現之后，我們用內部數據基于其進行了二次訓練，使模型能夠支持生物醫藥的專業精準的信息問答。之前傳統方式是每個靶點的生物學機制都需查閱大量文獻，現在可以直接與大模型對話，比如提問“幫我找到治療某個癌癥的靶點”就可以得到相關結果。這對我來說印象深刻，好像一夜之間，以前做不到的事情忽然就可以做到了。
我們目前已經在用由AI輔助決策的自動化實驗室，把人工智能與自動化、機器人和生物學能力融合，既可執行單一任務，如高通量篩選、高內涵成像、二代測序等，也可以實現一體化串聯流程，比如在14天內完成靶點發現和驗證的全自動化干濕實驗閉環。效果如何呢？以藥物研發的DMTA（Design、Make、Test、Analyze）為例，以前每一輪合成大約需要一名化學家3到6周的時間來制造、純化、量化和鑒定所需化合物，再進行一系列生物分析。而自動化實驗室可以24小時處理，反應可以在任何時間進行，還有可能將合成時間從3到6周縮短到3到10天。除了研發的角度以外，對于醫院、醫生以及患者，AI的賦能都是全方位的，比如輔助診斷、以智能的方式追蹤患者情況變化等。
陳冉：我們看到多模態分子大模型、影像大模型都在做，需要人類高智商的領域和行業就是大模型的發展方向，醫院里的主任就是稀缺資源。
梁家恩：我們最早做的是病歷的書寫和審核，我們會幫醫生檢查診療有沒有存在風險隱患的地方、哪些不符合醫保規范。我們要守住的底線是保護用戶隱私，我們和客戶相關的數據都是脫敏數據。
澎湃科技：AI會引發哪些具體的教育變革？可以參考你們的實踐。
肖仰華：未來隨著通用人工智能技術的快速發展，其對教育的影響會非常深遠。未來教什么學什么，怎么教怎么學都會成為問題。
人工智能的每一次進步似乎都以AI通過了人類的某種考試為標志，像高考、注冊醫師考試、注冊司法執照考試等。那么AI的進步往往反射出人類教育的很多問題，比如既然AI通過了如此眾多的人類考試，我們考試的意義何在？先進的人工智能似乎一直在把機器培養成人，而落后的教育似乎是把人培養成機器，很多優秀的學生被培養成了刷題的機器，這是教育應該極力避免的問題，所以AI的發展映射出的教育問題值得我們注意。
第二個問題是怎么教怎么學。未來知識的獲取、技能的學習意義將會降低，現代文明一直是以知識發現和獲取為主要目的，我們曾經以“飽讀詩書，學富五車”為榮耀，這樣一種追求在大模型時代，將會變得不再那么耀眼。因為最學富五車的是大模型，他幾乎學到了人類的所有知識，那么對于知識的廉價和貶值，取而代之的是人類生存和發展的智慧將會更加凸顯。
張鵬：有一次我跟“好未來”的技術人員交流。AI學習能力比人類強，比人類快，未來我們的孩子還需要學習這些基礎知識嗎？未來的孩子們要學習啥？我當時用開玩笑的語氣說，學習AI。在這樣一個時代，大家要掌握AI的原理或基本知識。第二，基礎知識的學習還是要有，當然可以考慮怎么用輔助手段來提升學習效率。
AI的進化在倒逼人類自身的進化。如果人類不想被AI取代、被AI奴役，人類本身的智能水平以及學習能力需要調整和進化。
陳冉：學校資源是有限的，通過AI把好老師的資源沉淀下來，變成各科老師陪伴在身邊，教育肯定會形成質變。
劉聰（科大訊飛研究院院長）：教育領域屬于訊飛非常重要、也有深厚積累的場景，因此我們在2022年12月開啟大模型攻關確立“1+N”體系之時，就明確了教育屬于“N”的重要落地領域之一。面向家長和學生，訊飛星火認知大模型賦能的訊飛AI學習機實現了中英文作文類人批改，在口語對話方面進行陪伴式對話練習，還能對孩子的發音進行評分。星火語伴App可以讓學生和虛擬人老師面對面溝通。面向老師，星火教師助手可以創新規劃單元教學設計、啟發創設情境教學活動、一鍵生成互動教學課件，提升老師的備課效率。
澎湃科技：參考你們的案例，金融大模型目前有什么進展？
王曉航：在大模型時代之前的小模型時代，我們已經全面AI化了，涉及數字化引導、風險管理、理賠、理財師、顧問和銷售團隊等環節。但大模型的到來給我們帶來很大震撼，它在很多金融場景里能夠輕易刷新小模型時代的最好表現，意圖理解、定性分析、量化分析等領域已經超過人工。小模型時代，每一個應用場景都要進行非常深的端到端定制，算法工程師和時間成本很昂貴，大模型統一了算法架構，一個模型經過簡單的微調和適配后可以解決一大票問題，做得比以前更好，提高企業經營效率，所以加速創新，能讓人聚焦在專業有深度的創造性工作上。專業化的金融服務也會有一種替代性的體驗。現在所有移動互聯網的交互都以圖形界面（GUI）為主，未來的服務要通過多模態的交互、語言的交互來完成，怎么跟移動互聯網的圖形界面融合，形成一種新的界面和體驗，可能是未來兩年會發生的。
我們的大模型已經進行了大半年深度測試，就是支小寶的新版本。我們希望能給大眾客戶帶來代際上的不同服務體驗，在金融方面做到有問必答，在幾百款數字化工具上能夠做到有求必應，定制個性化服務方案，改變圖形界面的交互方式。我們期望很高，希望有序收集用戶反饋，提供更好的體驗。在內部，我們為理財師、分析師、銷售人員、理賠專家團隊、內容運營創作團隊提供“支小助”，在原先的數字化展業平臺工具基礎之上，AI帶來新的生產力，提升效率。金融科技作為一個大樣板間，我們雖然是剛起步，但也看到了一些快速迭代，在大模型的沖擊下打開了眼界。
陳磊：我們做的是垂類大模型，一端輔助人工服務用戶，提升客服體驗；一端服務內部專業類員工，結合我們在金融里對業務和數據的理解，用于代碼輔助生成、數據自動挖掘，在沒有調優的情況下，驗證階段的效率提升20%左右。
澎湃科技：未來一年，會出現一個現象級的生成式AI應用嗎？
王曉航：肯定會，但不知道是什么時間出現。下一個應用不會是GPT本身，應該會在產業中，產業里會出現不止一個應用，各個行業都會有，比如電商、金融。數字化金融服務已經非常豐富多元了，但對大眾來說還是過于復雜，怎么把簡單、專業、智能的財富管理服務帶給客戶，這樣的應用有非常深的價值，下一步服務體驗升級只有通過AI才能實現。每個行業都在等待自己的AI超級應用，誰在產業里更有數字化條件，誰把行業和技術相結合，誰就能夠帶來這樣的產品。
陳磊：會的，特別是像代碼生成、代碼輔助應用，會很快在行業里鋪開，大家都在做嘗試，很多嘗試出現了初步效果。
王鳳陽（百度集團副總裁、移動生態商業體系負責人）：我們已經看到一些12個小時就能登頂應用商店榜首，后面用戶數突破100萬的應用。我覺得現象級的生成式AI應用一定會出現，而且會超出大家的預期。
王嘉平【IDEA（粵港澳大灣區數字經濟研究院）AI安全普惠系統研究中心講席科學家】：我認為這會比原來互聯網的現象級應用來得更快。生成式AI直接生產內容，不需要努力積累內容生產者，只要找到消費者，所以它的迭代和增長一定會比原來要快得多。但是現有技術還需要提升，因為現在質量不夠好，很多人會說一眼可以看出是AI創作的。因為現有的內容體系已經把門檻抬得非常高，AIGC要企及這個高度，我覺得還需要時間。一旦它跨越了這個高度，它會“通殺”現在很多以內容消費為主導的產業，包括網文、短視頻、短劇等等。我覺得這會是顛覆性的，但這個顛覆未必是新的東西，未必是個新的源頭產業。
陳冉：一時半會沒有，任何技術發展都有階段性和積累性。我們跳躍式發展，用了一年時間走了10年的路。現在是蒙著眼睛以100邁的速度在高速公路上跑，你怎么知道下一個出口在哪里，技術在飛速發展，你肯定很難判斷方向。當你慢下來才知道哪里的風景是最好的，有可能下了車在旁邊開個超市、民宿。在飛奔時稍微停下腳步思考，那時候就會出現各種各樣的商業模式、應用等。
我覺得明年是一個重要的時間點，怎么讓各種形式沉淀下來，形成商業閉環。美國形成了上千家公司的生態，國內現在是單打獨斗，沒有形成生態平臺和社區，所以我們公司就干這個事兒。商業模式是從實踐中來的，需要平臺對接上下游，有人生產大模型，有人使用大模型，有人服務大模型，最終形成生態，A公司和B公司鏈接在一起才能做生意。平臺和社區生態的要素就是開源，通過開源讓生態飛速發展。
安筱鵬（阿里云科技和研究中心主任）：對于預測我持謹慎樂觀的態度。它是多種因素齊頭并進才能產生的結果，而不是靠某一個因素。首先，對于中國的應用場景豐富的說法，我們還是要回到前期基礎上，應用場景豐富的前提是特定行業的數據積累足夠多，也就是說即使應用場景非常豐富，如果失去這個前提，模型的質量就是要打折扣的。第二，需要底層算力，開源模型，模型訓練、部署及運營，以及各種各樣的工具，才能把整個生態搭建好，把整個技術門檻、應用門檻及成本降下來，如此才會推動整個商業化的應用，這也是今天阿里云所要做的工作。
任何一次重大技術變革帶來的產業革命拐點，一定來自成本的拐點。當投入產出比沒有發生變化的時候，產業革命是不會到來的。蒸汽機最開始被發明出來，是為把礦井里的水抽上來，它的成本很高。所以在瓦特之前，蒸汽機早就被發明了，但蒸汽機會經常壞。瓦特做了什么？他大幅提高了蒸汽機的穩定性、安全性、可靠性，降低了成本，所以蒸汽機從一個專用的、只能抽水的機器，變成了一個通用的、可以拉著火車向前跑的機器。
再看數字技術革命，比如計算機，在IBM的大型機、小型機出現時，它對整個社會進步的影響是有限的，只有到了PC機（個人電腦）的到來，尤其加上互聯網網速高度提升以及成本極度降低時，才推動了整個這一輪的產業革命。所以技術的拐點加上技術成本拐點的到來，加上使用門檻的降低，才會推動一個產業的技術進步，這是非常關鍵的。
大家都說GPU很重要，大家都可以去開發GPU，那么從英偉達的身上我們可以看到最關鍵的是什么？像吳恩達（注：斯坦福大學教授）所說的，CUDA（注：英偉達開發的閉源并行計算平臺和應用程序編程接口，允許軟件使用某些類型的圖形處理單元進行通用處理）出現之前，全球能用GPU編程的可能不超過100人，而目前全球的CUDA開發者已經達到幾百萬。CUDA極度降低了使用門檻，而當使用門檻極度降低構建了一個生態的時候，這個生態就是一個強大的護城河。對我們來說也是一樣的，真正的商業化需要技術，需要產業化，但實際上普羅大眾的使用門檻、使用成本的急劇降低是其中關鍵。但這是迭代的結果，不是等著它有一天降低，而是在技術進步、產業應用不斷迭代下，它的成本急速降低，從而促進整個生態的發展。
澎湃科技：對于大模型的應用方向，你最想知道答案的一個問題是什么？
王曉航：在哪個主流、嚴謹、深度的行業里會涌現出重大的應用創新，并被大規模認可？
陳磊：大模型的商業化路徑到底是什么樣的？現在所有大模型的收費模式都是按調用的token（注：在AI領域token通常指文本處理過程中的最小單位）數來收費，但打不平硬件和人力投入。未來大模型應用能夠關聯到實際產生的業務價值，并反饋到它的定價上，是蠻關鍵的一個問題，我們也比較好奇。
張鵬：現象級的AI應用是否會存在，或者會在哪存在？
梁家恩：進入垂直行業解決實際問題時大模型的可控性和可靠性問題如何解決？現在大模型框架很難從根本上消除“幻覺”，還需要很多后端的手段幫大模型完善。在實驗室里90%、95%的可控性、可靠性挺高的，但嚴肅場景下讓用戶放心使用就很難。
陳冉：大模型應用是服務于人的，但各種應用可能會取代人，所以怎么認定人的技能？
（原標題：ChatGPT一周年｜AI應用如何賺錢？大模型等待“瓦特時刻”）
本文鏈接：ChatGPT一周年｜大模型等待“瓦特時刻”http://www.lensthegame.com/show-11-1656-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。