五天超過百萬用戶，兩個月獲得上億用戶。ChatGPT的火爆肉眼可見，這家企業的創始團隊包括馬斯克和彼得·蒂爾等知名大佬，後又背靠微軟，從微軟獲得了數據（比如微軟小冰採集的對話數據、GitHub的開源代碼庫）、算力（微軟Azure是全球前三的雲服務供應商）、資本（微軟數輪入資，今年還將投資幾十億美元）等方面的支持，可以說整個硅谷的資源都被調動起來，聚焦到ChatGPT身上。

ChatGPT的優勢在於，它真的有用。之前很多人將人工智能叫做“人工智障”，因爲其他人工智能往往答非所問，或者你要按照人工智能習慣的方式來提問才能得到正確答案，而ChatGPT具備上下文語義理解能力和邏輯能力。如果你問的問題它不懂，它就會向你反問，要你補充問題的信息，最終通過一問一答找到你真正需要的答案。

在文本創作、知識數據搜索和代碼書寫等方面，ChatGPT都有優於谷歌等搜索引擎的用戶體驗，這讓在AI領域深耕多年的谷歌豔羨不已，也讓其他一衆聊天機器人黯然失色。而一旦用戶數量達到一定規模，通過用戶的提問，在線數據將支持ChatGPT的數據訓練集進一步豐富。可以說ChatGPT讓AI達到了一個奇點，而這個奇點之後有可能是一輪AI領域的“宇宙大爆炸”。

國內也有很多聊天機器人，但與ChatGPT相比，還有很大差距，大多數國內的AI應用是一問一答，且有的時候還會誤解用戶的意思，讓人啼笑皆非。國內的AI應用爲什麼會和美國的ChatGPT拉開差距呢？原因是多方面的：

其一，從技術資本層面，最大的限制來自算力、算法、數據。

算力方面，我國的數據中心多面向軟件應用環境，比如遊戲服務器外包，真正面向AI的算力非常少。而算力本身是非常昂貴的，模型越大，數據越多，數據訓練AI所要消耗的費用就越多，一次集中算力訓練需要幾百萬美元的算力，這是國內AI公司不能負擔的。

數據方面，國內數據的質量普遍不高，一方面是因爲數據本身積累上的問題，比如小冰用免費AI對話來積累數據，比如GitHub這樣的代碼開源網站比較缺乏。另一方面是因爲數據管理較爲嚴格，部分數據文本需要審批纔可以被人工智能企業使用，減慢了數據價值的釋放。

算法方面，我國AI 開發者有思維慣性，過度依賴開源內容，對大模型缺乏探索創新。當然，算力、算法、數據的問題有些也是資本問題，沒錢導致沒辦法進行大模型、大數據量的訓練，但有些也是管理需要改進的地方。

從管理層面來看，數據要素流通需要進一步打通，除此之外，我國對AIGC的內容創作也要採取開放包容的態度。AIGC作爲技術黑箱，其產出的內容往往是不可知的，在輸出內容方面要允許AIGC犯錯誤，讓AI企業敢於在技術上突破。

綜上，一方面要堆錢，算力、算法、數據都要錢。另一方面要鬆綁，寬鬆的環境能夠讓技術的生長速度更快。但短期內比較迫切要做的事情是，如果ChatGPT 開源，當然皆大歡喜，國產勢必跟上；如果ChatGPT不開源，我們是否應該引進ChatGPT。引進ChatGPT的理由有兩個：一個是看ChatGPT是否在國內存在合規障礙，如果ChatGPT可行，國內企業就可以模仿；另一個是ChatG-PT對代碼寫作和內容創作來說是一種生產力工具，能夠提高內容產量。

當然，實事求是地說，中國人工智能近些年的進步是巨大的。當前，全球人工智能發展呈現出中美兩國引領、主要國家激烈競爭的總體格局。中國人工智能發展成效顯著，人工智能創新水平已經進入世界第一梯隊，與美國的差距進一步縮小。但中國在人工智能人才方面仍落後於美國，中國在人工智能基礎學科建設方面不及美國。

而ChatGPT熱潮席捲全球的背後，也帶給我們深刻的思考，人工智能作爲未來產業、經濟社會發展中的一項變革性技術與關鍵性力量，深刻影響着未來世界的競爭格局。於中國而言，在人工智能發展領域並非到了“刀槍入庫，馬放南山”的階段，反而恰恰如中國的一句俗話所說：“逆水行舟，不進則退。”所以，我們在人工智能技術及產業發展上依然任重而道遠，須臾鬆懈不得。

（作者系浙江大學國際聯合商學院數字經濟與金融創新研究中心聯席主任、研究員，工信部信息通信經濟專家委員會委員）