【大讨论】“ChatGPT用户增长乏力，为什么？” _模型

云创大数据总裁刘鹏老师发起的“大模型研发技术交流群”太给力了！昨天群里发起了“用户增长乏力，为什么？”的大讨论。
今年1月，的环比增长率为131.6%，2月份为62.5%，3月份为55.8%，4月份明显放缓，环比增长率为12.6%，到了5月，这个数字已经变为2.8%，而6月的环比增长率有可能为负数。为什么会出现这种情况？
群里的各位有识之士各抒己见。刘鹏老师进行了总结，现摘录如下：
1. 会一本正经的说“胡话”，提供一些靠不住的答案，这使得它的实用性会大打折扣。
2. 因为推理成本非常高，所以它有意识地控制了服务人群的数量，即使刚融资103亿美元，还是只允许付费用户3个小时只能提25个问题。
3. 国内用户访问不到，所以它的用户增长空间有限。

文章插图
4. 算力太缺了。期待新能源和新的计算方式。算力缺是表面上的，本质还是清洁新能源的供给，或是量子计算应用的技术突破。
5. 缺中文语料。我们的数据资源太割裂了，缺乏共享共用共产机制，缺乏规范和一致。也就是说数是不少，怎么用并没有解决。提供更多的内地中文数据资源，进行模型训练，对于我们的应用开发才有意义。
6. 搜索引擎给出的是多个答案，让用户自己筛选。而试图只给一个最佳答案，这个本身在真假难辨的互联网环境下就不是一件容易的事情，数据清洗难度极大。尤其是面对那些没有标准答案的场景，更是不可能给出让每个人都满意的答案。
7. 大模型技术目前还只是停留在各公司的战略投入层面，以后怎么落地？落地产品是什么？怎么赚钱？拭目以待。
8. 在智能语音交互场景，大模型还有一个大问题就是响应时延太长。
9. 还应该关注特定领域的小模型训练，投入产出比可能会更高。
10. 月活用户增速放缓甚至下降，一个很重要的原因是用户的新鲜感在消退。对于普通用户来说，很多人是在尝鲜，真正用于生产力工具的毕竟是少数。同时，其他通用大模型的推出（如国内的星火）也分流了一部分客群，垂直领域的大模型也会分流一部分客群，再加上国内访问麻烦，分流效应会更加显著。我觉得未来AIGC的发展，与云的发展会很类似。作为一种基础设施，国外跟国内是两个不同生态。国外以公有云为主，国内会百花齐放。未来通用大模型、国资大模型、私有化大模型都会有自己的生态位。

文章插图
11. 前一段时间蛮热的，热的分两类：一类是与之相仿的，一类是它的应用。第二类没有第一类的支撑很难壮大，甚至都无法持续，而且缺少差异化，不少都是玩玩而已。
12. 在企业垂直领域，大模型大有可为。其实就是像IT行业的发展一样，越来越往人性化和低代码的自然语言方向靠拢，把技术隐藏在简单的应用背后。比如，从汇编到C语言再到图形化应用，输入也是如此，最后变成纯手写笔迹或语音打字等。那么原先工业领域的ERP或EDA等，也必将在垂直大模型应用的基础上，越来越低代码零门槛化，最终形成工业智能制造操作系统的通用大模型。
13. 只是提供一些粗浅思路、基本的描述，可以借鉴一下，但主要内容或核心内容还是要自己规划和编写。
国内的形形色色的大模型还在不断推出，这其中多少带有一些“蹭热度”的嫌疑。不过，以大模型为代表的人工智能应用加速落地这是大势所趋。抓住这波红利，不能靠炒作，更要脚踏实地，真正找到商业的结合点。