文章主题：文章关键词如下： ChatGPT, 垂直版, 国内玩家, 各行各业
白交 发自 凹非寺
量子位 | 公众号 QbitAI国内玩家如火如荼入局ChatGPT，其在各行业出圈也有目共睹。
但具体什么时候能上岗尚且还不明晰，尤其像一些艰深、壁垒性高的行业，比如医疗。
现在，一位哈佛医学院教授，就亲自下场测试ChatGPT的表现。
结果显示，它在45个案例中的39个诊断正确，正确率87%（超过了现有机器诊断率的51%）；并为30个案例提供了适当的分诊建议。
他表示，ChatGPT辅助诊断的表现，已经接近医生。既然如此，那什么时候可以上岗？
事实上，这也是目前国内大多数玩家所面临的问题：红利在此，如何率先吃掉？
此前我们也系统性地梳理过复刻中国版ChatGPT背后的技术与生态难度，显然不是短期就可以实现的。
现在已经衍生出来一种新思路：直接打造行业垂直版ChatGPT。
这种方式是否可行？
打造行业版ChatGPT可行吗？
ChatGPT的打造，技术核心绕不开算力、数据和算法三要素。
算力方面，OpenAI背靠微软这头奶牛——拥有28.5万个CPU核心、1万个英伟达V100 GPU，光是训练一个GPT-3，费用就高达460万美元；数据上，GPT系列几经迭代优化，一度惊艳众人的GPT-3就有1750亿参数，而上一版本GPT-2只有15亿参数；算法自然也有多年深厚的积累，否则也不能出现“类人”自主学习特征，而且进一步展现出快速适应多领域、多场景的能力。
再加上生态反哺技术，形成迭代闭环。OpenAI自GPT-3开始就以开放接口的形式，构建起了专属“GPT生态”。据gpt3demo网站统计，目前已有656个调用GPT-3系列模型开发的应用程序。
这样的技术与生态壁垒，决定了复刻ChatGPT并非那么容易。既然如此，垂直版ChatGPT的解决思路也开始在行业中探讨。
首先从技术上来看，他们的核心挑战主要在于以更少的参数，比如以百亿规模参数量，在垂直领域的任务达到或超过ChatGPT的效果。
实现这个目标或许比复制 ChatGPT 更为复杂，原因在于所需的参数数量较少，不能仅依靠“暴力美学”，还需要具备卓越的模型设计及压缩技巧。
另外一个挑战是数据来源的不同。
像谷歌、微软他们其实有天然的通用数据来源，但专用数据积累不能跟垂直玩家相比。
在众多领域中，特别是医疗等与民生相关的行业，其专业性之强、涉及范围之广无异于ChatGPT。然而，这些行业所需求的高质量数据，其规模往往远超ChatGPT所能提供的。更为关键的是，这类数据大多无法通过网络轻松获取。
对于那些已经在这一领域深根多年的垂直玩家而言，他们已经建立起了属于自己的产业生态系统，积累了大量的行业数据和专业知识。这些经验为他们成功复制 ChatGPT 提供了坚实的基础。
而且从价值需求来看，垂直行业所代表的价值是实实在在的。像医疗本身需求就不小，一旦ChatGPT落地医疗，所代表的社会价值很大。
以往用户们会习惯性使用的用搜索、APP来帮助诊断自己的疾病，但往往可能收效甚微。
哈佛医学院的Ateev Mehrotra教授曾进行了一项实验，发现在当前的在线诊断工具中，平均准确率仅为51%，而ChatGPT却能达到87%的准确率。基于这一发现，Mehrotra教授认为ChatGPT有望颠覆医疗诊断领域，成为规则改变者。
为了加速ChatGPT应用落地，从技术难度、价值需求等维度看，打造垂直版ChatGPT是可行的。
而现在国内有AI玩家，已经在这样做了。
云知声ChatGPT行业版
最新曝光的进展，智能语音赛道独角兽云知声正在推进ChatGPT行业版的建设——
以医疗作为切入口，构建ChatGPT医疗行业版，同时基于ChatGPT行业版构建平台，快速扩展到其他领域，再利用领域模型集成MoE（Mixture of Experts）技术，训练得到通用ChatGPT模型。
而这种从专用到通用的思路。其实是云知声一贯的“U+X“做法。在这里，“U”指的通用大模型算法研发及高效训练底座平台；“X”则是应用于多个行业领域的专用大模型版本。
事实上这也正在成为不少企业入局ChatGPT的思路，这样一来，可以利用已有的专用数据优势。
不过也不是那么容易走的，更何况云知声选择的，还是对生成内容质量要求更高的医疗行业作为切入口。
提升医疗知识的可靠度应被视为首要解决的问题。ChatGPT 在胡说八道的领域表现尤为出色，其对话功能在 Bing 的搜索和内容生产方面已经足够流畅。对于用户而言，这种风格也许会带来一些乐趣，但我们仍需关注其准确性和可靠性。
在实际应用中，行业版的ChatGPT必须严格控制，避免出现任何不准确或误导性的信息，尤其是在医疗、教育和工业等关键行业，其内容生成的精确性和可靠性要求极高，同时对数据质量的要求也极为严格。这是因为，如果这些行业的信息出现错误或者误导，可能会导致严重的后果和风险。因此，行业版的ChatGPT必须确保其输出的所有信息都是准确、可靠且高质量的，以保障各行业的正常运行和安全。
在我们行业中，追求“性价比”是至关重要的。每一个想要大规模落地的技术，都必须面临一个关键问题：“如何在有限的资源下，实现最大的效果？”这不仅是衡量技术成功与否的标准，也是我们在实际应用中不断优化、提升的焦点。
这也是ChatGPT行业落地的必经之路——模型能以更小的参数规模，达到与ChatGPT同样的效果。这也就给这些企业带来了不小难题。
云知声也明确表示，要想让ChatGPT行业版真正发挥作用并实现大规模应用，其所需的参数规模可能需要达到百亿级别。这一目标并非易事，但只要我们努力去实现它，就有可能取得成功。
从某种程度上说，打造行业版的ChatGPT比现在通用的ChatGPT还要更难，但到真正ChatGPT行业落地时，这些问题又都必须得解决。概括来说，就是实现ChatGPT工程化能力。
这是每个躬身入局者，绕不开但必须得过的路。
在此基础上，毫无疑问的是，云知声的选择更难——医疗作为切入口。这是始终被认为是行业壁垒高、专业性强、技术难度制高点的领域，也是为什么相较于其他行业的盛况，医疗AI玩家就显得少之又少的原因。
但一旦将医疗版ChatGPT打通，那么其他领域的实现，包括最后的通用大模型也就事半功倍了。
作为成立于2012年的AI公司，他们一直密切关注AI前沿技术，并积极推动技术产业化应用，包括2012年的深度学习算法升级和产业化应用，到2016年Atlas超算平台、知识图谱和全栈AI技术应用，到现在基于ChatGPT框架的AGI认知技术升级。
同时，在医疗行业有近10年深耕，积累的行业知识、数据和应用，还获得了2019年北京市科技进步一等奖。
在回应是否有信心打造ChatGPT行业版时，云知声方面表示：完全有信心。
前面总结，打造ChatGPT离不开高质量的数据，领先的算法和充分的算力。而对于垂直版ChatGPT还需要更深厚的工程化能力。
从这几方面来看，云知声的确具有行业参考性。
数据方面，近10年来云知声积累了全方位的行业数据，包括面向患者的导诊、预问诊、患者教育和随访系统，也有面向临床的语音病历，病历质控，单病种质控和医疗风险管理系统，已有近400家医院落地使用。据称数据规模已达到了5T，为医疗行业语言大模型提供数据基础。
算法方面，而ChatGPT所代表的认知智能，本身就是云知声核心技术优势。他们构建了国内最大的医疗知识图谱之一。从2019年至2022年，云知声的认知智能技术在国内外相关评测中荣获7冠5亚。其自主研发的医疗预训练语言模型CirBERTa一度登顶中文医疗信息处理挑战榜榜首。
在算力上，云知声超算平台浮点计算能力可达8亿亿次/秒,可为千亿级参数规模模型提供算力保障。
而在大模型工程化方面，云知声已经研发了CirBERTa模型，复现了GPT-2模型，并利用模型压缩和知识蒸馏机制，实现了线上推理效率的近百倍加速，为大模型的广泛应用奠定了基础。
此外作为行业版ChatGPT，内容质量保障也是关键一环。
云知声给出的解决方案是，利用应用在CirBERTa的持续学习和知识嵌入技术，基于已有知识图谱积累，优化ChatGPT模型的知识获取和更新机制。
据介绍，这样一来可以保证ChatGPT回答中的知识正确性，与此同时还可以给出知识溯源信息。
另外，利用云知声业内领先的病历质控技术，可以自动发现生成的病历中的问题，进而自动生成作为ChatGPT核心技术的基于人类反馈的强化学习（RLHF，Reinforcement Learning from Human Feedback）所需的用户反馈数据，加速模型的优化。
谁最先吃掉ChatGPT红利？
最后回到事件本身，此前论及ChatGPT对行业的价值，都是从宏观上的产业生态和模式创新上谈，比如对人机交互、信息分发、内容生产等方面。
如今随着越来越多的垂直企业入局，ChatGPT对企业的意义也呼之欲出——一种全新AGI的技术范式选择：基于“大规模通用基础模型+轻量级行业应用优化”的行业知识整合和问题解决方法。
以往这些场景玩家，对于AI的探索可能处于“看山是山、看山不是山”的懵懂状态，现在出现了一座“更小，而且明知会有路的山”。
ChatGPT所表现出来的“智能”，给他们带来了一种明确的技术方向。
云知声CEO黄伟也深有体会，甚至于相较于AlphaGo，他认为ChatGPT所带来的影响要深厚得多，相当于一场新的“工业革命”。
这场革命最大的优势是，通过自监督注意力机制，能够充分利用海量无监督数据训练通用基础模型，并将感知、认知与生成，用统一框架实现“端到端”的整合，直接从高质量生成结果上去呈现机器智能。机器采取的人工引导的数据驱动学习方法，与人类的逻辑思维方式是完全不一样的，类似飞机所采用的喷气式“空气动力学”机制，与鸟类采取的“扇动翅膀”方式完全不同。
不管是对整个产业，还是单个企业而言，ChatGPT所带来的价值确实让他们不跟不行。
尤其对于一些场景玩家来说，他们还是最有可能吃掉ChatGPT红利的一拨人。
他们有场景有数据、有深厚的行业壁垒，一旦具备ChatGPT能力，就可以率先在行业落地。这是其他玩家所不能及的先发优势。
上一次AI浪潮来袭时，最终也是场景玩家率先吃掉AI红利。只不过现在ChatGPT是直接以技术路径出现，落地速度自然要比以往快得多。
云知声CEO黄伟也给出了个明确的时间点：
年内就会实现成功应用落地的方案。
— 完 —
《中国AIGC产业全景报告暨AIGC 50》调研启动
谁会是中国的“ChatGPT”？最有竞争力和潜力的AIGC力量位于何方？
量子位《中国AIGC产业全景报暨AIGC 50》正式启动对外征集，期待有更多优秀的机构、产品、案例与技术能够被大众看到。
点这里?关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿进展日日相见 ~
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
