文章主题：
🚀ChatGPT的崛起确实引发了对传统搜索引擎地位的深度探讨，尽管它在内容搜索上崭露头角，但短期来看，它还未能颠覆现有的市场格局。预计未来，两者将在搜索引擎领域形成互补，革新我们的搜索体验。🔍谷歌等巨头正积极拥抱AI，应对这一挑战，AI投入预计将大幅增加。ChatGPT以其精准的问题解答显著提升了用户体验，但这背后的数据更新问题和高昂的生成成本（约1.3美元/条，是传统引擎的3-4倍）仍需解决。💡数据实时性和内容真实性是其发展的关键绊脚石，技术的进步有望在一定程度上缓解这些问题，而降低成本可能需要时间，尤其是硬件成本的持续优化。🔍ChatGPT的兴起无疑加速了AI产业的革新与AI内容时代的到来，它带来的不仅是挑战，更是推动全球AI发展的重要推动力。🚀
▍报告缘起：
🌟ChatGPT的崛起，让搜索引擎界的热议升级！🔥2022年11月30日，OpenAI团队的力作ChatGPT震撼登场，仅两个月就收获超千万DAU和20万MAU的亮眼成绩，其对话式问答的强大魅力无法忽视。🔍相较于前辈GPT3，ChatGPT展现出全面且深入的多轮对话能力，记忆力与篇幅显著提升，知识挖掘更彻底。🔍ChatGPT在内容搜索中的深度表现，引发了对传统搜索引擎地位的质疑。它能从多个角度提供详尽的答案，让搜索更加精准和全面。💡对于行业来说，这无疑是一场技术革新风暴，传统巨头们正面临严峻挑战。📝本报告将深入探讨ChatGPT能否颠覆现状，以及它将如何重塑搜索引擎格局。我们期待揭示其背后的技术秘密，以及可能带来的市场变革。🚀准备好迎接这场知识与技术的革命吧！🔍
🌟ChatGPT引领未来搜索新风尚：通过融合人工智能与用户互动的深度学习路径，它在GPT3.5的基础上迭代升级，显著提升了问题到答案的无缝对接能力。🔍相较于传统搜索引擎，其精确匹配算法的优化，让每一次查询都更精准直达所需信息。🏆这不仅意味着更快捷高效的搜索体验，也标志着智能交互时代的来临，为用户提供前所未有的智能化服务。
🌟🚀OpenAI’s AI refinement journey involves fine-tuning a GPT3.5 model with the power of Human Feedback RLHF 🚀💡. A meticulous process begins by sourcing ≈12k-15k human-labeled question-answer pairs, serving as the foundation for initial pre-training. Next, an SFT (Super Fine-Tuned) model takes the stage, generating responses to fresh queries. These suggestions are then evaluated by expert annotators, sorting them like a puzzle. The result? A refined reward model (RM), crafted through pair-wise comparisons, which acts as the driving force for further training. This cycle is iteratively repeated on larger datasets, refining SFT until perfection. 🤖🏆
🌟ChatGPT革命性提升问题解答精准度！🔍相比传统搜索引擎单纯链接内容，它能直接🔥创作详尽且准确的答案，附带权威引用链接（测试版本已具备此特性）。💡对于开放式问题，它如搜索引擎的超级大脑，挖掘网络数据生成全面答案。📚在知识型和创新领域，ChatGPT搜索体验远超想象，传统引擎望尘莫及！🏆🔥注意：内容已根据SEO优化原则进行调整，保留核心信息，去掉了个人身份和联系方式，同时避免了广告嫌疑。
▍ChatGPT取代传统搜索引擎：中短期可能性较低。
尽管ChatGPT能大幅优化用户的搜索体验，但要取代传统搜索引擎仍然面临几个关键技术瓶颈。
🌟ChatGPT数据更新挑战：实时性与技术限制交锋🌟🔥面对日益增长的语言处理需求，ChatGPT的英文版和中文版在数据更新上却存在显著差距——前者停留在2021年，后者仅至2020年，这背后的“定时器”并非偶然，而是大型语言模型技术发展的瓶颈。 olduğu gibi，复杂的标注数据训练模式使得实时更新成为难题，每轮预训练的昂贵成本（A100显卡+数周至月时间+百万美元）就像一道难以逾越的门槛。💡然而，简单地重训整个模型并非上策。微调虽能快速融入新知识，但过高的权重可能导致“知识过载”，频繁调整又可能抹去旧有的积累——这就像在模型的记忆中不断擦除和添加，既耗时又不持久。 若要保持ChatGPT的卓越性能与信息新鲜度，我们需要寻找更高效且可持续的方法，让技术追赶时代的步伐。🚀—📝 ChatGPT的实时性更新问题：一个技术挑战与策略调整的深度解析📝🔥面对数据时效性的挑战，ChatGPT在英文和中文版本间的时间差揭示了技术限制的现实。昂贵的预训练成本（GPU+长时间+巨额费用）像一道难题，阻碍了即时的数据更新。💡微调虽快捷，但新知识与旧记忆间的平衡是个微妙的艺术。过度依赖可能导致模型负担过重，频繁调整则可能模糊其对历史信息的记忆。为了保持ChatGPT的卓越表现和持续的知识更新，我们需要创新策略，寻找既能满足实时性又能保护模型稳定的方法。🚀—🔍 ChatGPT数据更新：技术瓶颈与优化路径的深度探讨🔍
2）数据的真实性仍不足可靠。在大量的测试后我们发现，虽然ChatGPT回答问题的准确性有所提高，但如果提出的问题较为模糊或者本身包含部分错误信息在内，模型有可能以“一本正经”的语气生成完全错误甚至凭空捏造的回答。真假答案的混杂会让用户在需要对专业性问题寻求答案时产生严重的困扰，这也是目前语言类大模型普遍存在的问题。据CSDN微信公众号报道，2022年11月几乎同一时间上线的Meta服务科研领域的语言类大模型Galactica就因为真假答案混杂的问题，测试仅仅3天就被用户投诉下线。
3）模型在线推理端成本高昂。根据模型的现有数据，我们假设每次生成的回答长度平均为50个词，使用8x英伟达A100用于推理的情况下，我们估算ChatGPT每一次生成答案的成本约为1.3美分，约为谷歌搜索引擎每次搜索成本的3倍。如果每天面对数以亿计用户的搜索请求，如此高昂的成本是公司所不能承受的，中短期内完全取代传统搜索引擎在商业模式上无法做到。
▍搜索引擎产品演变：传统搜索引擎为主+大语言模型为辅相结合。
目前ChatGPT的技术路径难以在较短时间内解决搜索成本的问题，因此从分场景限制用量的思路出发，我们认为中短期内ChatGPT可以通过部分技术改进辅助传统搜索引擎实现用户体验大幅提升。
1）考虑到ChatGPT在不同分类问题中的表现情况，限制ChatGPT搜索仅在知识类搜索场景下启用可以有效控制成本。
2）面对时效类问题时，模型自动判断转向传统搜索引擎生成答案，并通过传统搜索引擎的数据返回生成ChatGPT版本的汇总新答案。
3）针对回答真实性问题，加入对答案产生来源的引用注明给用户，让用户可以快速检验回答的可靠性。
总的来看，通过一些小技术的革新（大部分已经出现在了其他大语言模型中，只需要借鉴）就可以让ChatGPT成为一个合格的辅助搜索引擎。不过成本的问题短期内暂时看不到太好的解决方法，这也给了目前的搜索引擎巨头充足的时间以应对Chatgpt会带来的冲击。
搜索巨头如谷歌以及百度均在大语言模型上有深厚的积累，尤其是谷歌拥有与ChatGPT相似的对话类模型Sparrow以及Lamda，其部分技术更是在ChatGPT上有所突破，包括使用了多个RM模型以应对不良信息的产生以及加入了新知识迭代优化的相关思路。预计ChatGPT的成功不会给搜索产业带来颠覆性的新入局者，但会推动谷歌等搜索巨头加快迭代大语言模型辅助传统搜索引擎的新格局。
谷歌在最新一季度的财报电话交流会中表示：“谷歌将在未来几周或几个月正式推出类似ChatGPT基于大语言模型的人工智能。这种人工智能将以搜索伴侣的形式辅助其传统搜索引擎。”不过我们认为大语言模型的加入也会影响到中期谷歌等巨头的搜索业务利润空间。在平均每个用户生成50个单词的假设下，我们预计到2023年如果有10％的搜索结果由大语言模型生成，将会给谷歌每年带来约12亿美元的额外运营成本。
▍风险因素：
AI核心技术发展不及预期风险；科技领域政策监管持续收紧风险；全球宏观经济复苏不及预期风险；宏观经济波动导致欧美企业IT支出不及预期风险；全球云计算市场发展不及预期风险；企业数据泄露、信息安全风险；行业竞争持续加剧风险等。
▍投资策略：
受制于信息更新、回答准确性、算力成本等层面因素的综合约束，ChatGPT中短期内取代传统搜索引擎的概率较低，但料将加速搜索引擎产品演化进程，并在中期形成以传统搜索为主、ChatGPT类模型为辅的新搜索引擎形态，倒逼传统搜索厂商不断加大AI领域投入，同时鉴于目前全球搜索引擎的市场格局，份额较小的微软Bing最有可能率先实验大语言模型的实际应用，谷歌等头部厂商亦将大概率被动跟随。ChatGPT产生的鲶鱼效应，料将推动全球AI产业化进程的全面提速，以及AI生成内容时代的全面到来。
本文源自金融界
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
