东软载波是东软集团子公司,东软集团跟东软载波,东软载波公司简介,东软载波董事长

每经AI快讯，有投资者在投资者互动平台提问：请问公司公司业务中是否有chatgpt应用或者研究

东软载波（300183.SZ）2月8日在投资者互动平台表示，Chatgpt是openAI基于GPT-3架构（生成式语言模型）开发的模型，通过使用大量的训练数据，能够模拟人类的语言行为。可以用于自然语言处理、人机交互等应用场景。 公司的芯片产品、融合通信产品、智能化解决方案主要面向物联网应用，提供数据的采集、传输及应用，为各类上层应用提供基础服务，公司未直接开展chapgpt相关研究，但公司智能化产品如传感器、万能遥控器、智能水表数据采集器等产品都具有自学习和边缘技术功能，使用了相关技术。

(记者 王瀚黎)

免责声明：本文内容与数据仅供参考，不构成投资建议，使用前核实。据此操作，风险自担。

---

全面解读东软载波的智能化野心 东软载波处理结果

东软载波模块的作用,东软载波智能化建筑,东软和东软载波,东软载波科技股份有限公司

东软载波2月8日在互动平台表示，Chapgpt是openAI基于GPT-3架构（生成式语言模型）开发的模型，通过使用大量的训练数据，能够模拟人类的语言行为。可以用于自然语言处理、人机交互等应用场景。公司的芯片产品、融合通信产品、智能化解决方案主要面向物联网应用，提供数据的采集、传输及应用，为各类上层应用提供基础服务，公司未直接开展chapgpt相关研究，但公司智能化产品如传感器、万能遥控器、智能水表数据采集器等产品都具有自学习和边缘技术功能，使用了相关技术。

---

中国将成人工智能超级大国 中国和美国哪个适合人工智能发展

人工智能强国,国人支持人工智能,中国人工智能的未来,中国人工智能世界领先
原文：谁能成人工智能领域领军者？中国锐意进取 美国沉默

美国（可能还可以带上英国）吧

中国虽然锐意进取，但事实上，中国AI 已经全面落后英美了。当然，虽然落后于美英，但还是全球第二吧，因为其他国家落后的更多。

这个很明显的，ChatGPT，OpenAI 已经做出来了，国内研究者们（包括国内最牛的高校，最高级别的三大人工智能实验室等等）还在讨论为啥国内做不出来。Diffusion Model，美英开源了，国内马上就有了； 而GPT3、Codex 以及 ChapGPT，美英没有开源，国内至今没有。

关于 ChatGPT 和其他大模型，可参阅：

学习ChatGPT和扩散模型Diffusion的基础架构Transformer，看完这些论文就够了

究其本质，就一个字：穷！因为穷束缚了想象力，穷夺走了面对失败的勇气！

事实上，在超大模型之前，人工智能领域出来个啥东西，国内都还跟的挺紧的，原创的内容也是有一些的。但自从 GTP3以及类似的超大模型之后，国内就跟不上了。其本质就是，AI（超大模型） 太费钱了。

这个是2020年关于 gpt3和alphaZero的估计：

1. 使用微软提供的AI超级AI计算机，训练一次GPT3的时间大约是5 天左右;如果使用美国云服务提供商提供的 GPU 来训练，训练一次 gtp-3 需要耗费从 280 万到 540 万美元不等，其价格主要取决于使用那 种 gpu/tpu 硬件。
2. 经估算，从零开始训练一个 alphaZero 的花费在 3500 万美元左右(按 2018 年 google 公布的 TPU 价格计算)。

这还仅仅是训练模型的钱，其他费钱的地方也很多：

1. 比如数据，高质量的数据收集。相比于英文的数据，中文的高质量数据太缺乏了！！！这其实也是需要钱堆出来的，而且，这个仅仅靠 AI领域的钱是远远不够的！！！
2. 比如专心的研究而不用考虑各种 KPI，这其实需要足够富裕的社会才能够容忍的。类似DeepMind和 OpenAI 这种到现在都光花钱不怎么产生收入，很难有短期经济效益的，是足够富裕的社会才会有的。

在 GPT3出来没多久（2020年），上海经信委就组织过关于 GPT3的调研，当时我给的建议是（但这两年看来，这个并没有跟上）：

1. GPT3很费钱，国内初创企业搞不定的，国内大企业也大概率会因为没有短期直接的收益而投入不多
2. 关于GPT3，以及当时的 AlphaZero 等，要抓紧组织研究、复现并在此基础上持续研究

上述这个建议的出发点很简单，就是：

GPT3，以及AlphaZero、 ChatGPT、AlphaFold 等所代表的是 AI领域的“大工程”，不是三五个研究小组就能搞定的，需要一个“大”的精英组织，有基础设施（算力集群）、并行计算、大数据（数据量 T 级别，甚至更高）、以及 AI 算法等。

顺带说说，为什么 ChatGPT 值得重视呢？

一方面，对于 ChatGPT 来说，综合了机器学习的三大范式――有监督学习、无监督学习、强化学习。由于GPT3.5（包括未来的 GPT4）强大的能力，以及基于 RLHF 实现了人机交互，并且能够从人机交互中持续学习，这使得ChatGPT 已经有了 AGI 的雏形了。AGI 的基础特征就是一个模型能够适用于多种任务，特别是在训练时候所未能想到（设计/遇到）的任务，而 ChatGPT 与以往模型的最大差别是，在语言模型中，它好像能做一切事情（分类、抽取、生成、摘要、写诗，还有人用它来谱曲等等）。个人感觉，未来几年如果未能紧紧跟上这个领域，则新一代的技术革命危矣。

另一方面，ChatGPT 和扩散模型所代表的 AIGC，还有另一个层面的意思，就是在AI 辅助创作方面的生产力能够极大提升，这将对未来的“知识”生产产生降维打击。现在“英文”知识已经远远好于“中文”知识了，在 ChatGPT等 AIGC 的协同下，未来可能进一步拉大差距。比如，国外已经出现了利用 ChatGPT 来共同写论文的例子了。

最后，国内在非“大工程”AI 的话，还是能够保持坐二望一的地位的，但在大工程 AI方面，可能还是“坐二”，但对第一可能已经是望尘莫及了。

既然已经看到这里了，那么就买几本书看看吧，为 AI 添砖加瓦打好基础。这里推荐三本，一本是图灵奖三巨头的《深度学习》，第二本是知识图谱领域权威书籍珠峰书《知识图谱：认知智能理论与实战》，第三本是强化学习的经典书籍《强化学习（第二版）》。

人工智能三大流派之一的连接主义，深度学习是连接主义的代表，花书《深度学习》是代表性著作。

人工智能三大流派之一的符号主义，早期的代表是专家系统，现在的代表是知识图谱，珠峰书《知识图谱：认知智能理论与实战》是代表性著作。

AlphaGo 的基础， 为ChatGPT提供人机交互和人类反馈的底层功臣的强化学习，《强化学习（第二版）》是经典著作。

都看到这里了，不买书的就顺手点个赞吧！

“穷”本身是相对的，在 AI 未来的进一步发展中，是需要很多钱的，这包括：

1. AI研究本身需要大量的钱，比如训练 AlphaZero、GPT3、PaLM 等，费钱不少，但这块国内大企业或大的研究机构是付得起的；
2. 投入大量的钱进行创新，比如 OpenAI 几百亿持续5年在研究生成式模型，这个从 GPT 、GPT2再到 GPT3都并不是业界所一致看好的，但OpenAI 能够持续研究。这个对国内大企业和头部研究机构来说，就不见得能付得起了；
3. 数据，目前高质量的数据还是以英文为主，相比之下，中文可谓稀缺。这块是需要百年的“富裕”来支撑的。从这个视角来讲，中国还很“穷”。
4. 与数据一样，能够有大量的人去探索、创新、去研究未知的科学，是需要大量富足的、高智商人去往我的投入的，这块对国内来说，刚刚起步。

补充一个关于数据问题，中文语言语料相比于英文语言语料的极大劣势，至少有3点是明确的，其他更多也欢迎评论补充：

1. 国内审核机制导致 UGC 内容极其缺乏，特别是高质量的 UGC 。从这个衍生出去，接下来的 AIGC 也会因此受阻。
2. 学术论文基本以英文为主，相对应的中文的科学类论文（以及广义的科学类语料，比如编程代码之类的）也是极其缺乏的（相比与英文）。
3. 一个众所周知的事实是：公开已标注的语料中也是以英文为主，中文极其缺乏（相比于英文）。

补充另一个问题：在大陆使用 Transformers、Pytorch 和 Tensorflow 等框架时，所有自动下载模型的接口都存在问题，一旦模型大一些（比如超过1G），往往需要数小时甚至下载失败，这非常影响使用。其原因没法说。

补充一个 Google 和 ChatGPT的信息：Google 并不是做不出 ChatGPT，Google CEO发布 Red Code的原因是，如果Google 也提供类似 ChatGPT这样的服务的话，会影响广告收入。

补充关于Google 的对话大模型：LaMDA，FLAN 等；详情可参考 Google 对对话大模型的评估论文《The Flan Collection: Designing Data and Methods for Effective Instruction Tuning》 arXiv:2301.13688

据2023年2月2日路透社的报道，ChatGPT 的当时的用户量已超过1亿，成为有史以来用户增长最快的产品。这点对于使用了 RLHF 的产品来说，大量用户的反馈能够迅速提升其水平，ChatGPT 能够根据用户反馈进行快速升级，这对后来的类似 ChatGPT产品形成了另一个壁垒。另一方面，大量的专业认识对 ChatGPT 的评估产生了大量的论文和 blog，这些内容也是 OpenAI 完善ChatGPT 的宝贵资源.比如被大量诟病 ChatGPT 数学能力（如牛津大学评估了 ChatGPT 的数学能力《Mathematical Capabilities of ChatGPT》），ChatGPT 就专门升级了其数学能力。这点对未来类似 ChatGPT 的产品来说，就没有那么多全球范围内的各个领域专家对其评估，“帮助”改进产品了。不幸的是【相反，对 OpenAI /美国来说是幸运的】，这两点对AI 产品来说，至关重要。