两周前疯狂刷屏的爆款AI应用ChatGPT，也难逃互联网过气定理。
“人类离强大到危险的AI不远了。”这个让马斯克强烈安利的聊天机器人，在短短十余天的时间里，便拥有了一场从走红到凉凉的经历。
“ChatGPT本来的预期就不是商业化，一没有收费，二没有开放API，所以它只是一个DEMO。”AI赛道创业者，猴子无限创始人尹伯昊向「科技新知」表示，热度下来是正常现象，但这并不妨碍它是一个跨时代产品。
在他看来，ChatGPT爆火的背后，映射着一个不可忽视的事实：技术的拐点已经到了。
“ChatGPT背后运用的技术是GPT.5，等GPT4出来的时候一定会非常火爆，届时国内很快就会有一大批创业公司出现。”
彼时的AIGC赛道，必将迎来一场“血战”，一边是布局多年的BAT老势力，一边是初生牛犊的新选手，谁的赢面比较大？
站在新的技术拐点前，或许大家都在同一起跑线上。
AI难被“驯服”
很多人对于ChatGPT的过气表示并不意外，甚至包括开发方OpenAI的CEOSamAltman本人。
“ChatGPT的局限性令人难以置信，但在某些方面足够出色，足以给人一种强烈的误导印象。现在依赖它来做任何重要的事情都是错误的。它是一个项目的DEMO；我们在稳健性和真实性方面还有很多工作要做。”SamAltman在社交媒体上如此表示。
从实际体验来看，目前版本的ChatGPT存在两个关键性的问题。
问题一：只提供了“情绪价值”，没有提供“商业价值”。
正如SamAltman所言，现在依赖ChatGPT来做任何重要的事情都是错误的。当作一种娱乐属性的软件来说没问题，但如果渴望ChatGPT能有更大的实用价值，似乎有些太过理想。
一款合格的工具是帮助人们减少重复性劳动，而一款好工具是能帮助人们进行决策。而ChatGPT目前能做到的，还处于第一阶段。
就拿前几天有人夸赞ChatGPT编程能力很强大举例，对于外行或者入门级程序员来说，ChatGPT快速生成的代码已经足够用，比如Java的简单编程例子，九九乘法表、水仙花数等，但对于中高级开发人员来说还远远不够。
问题二：看似合理，实则荒谬。
有时ChatGPT还会闹出一些乌龙事件。OpenAI公司承认，尽管号称可以和人类对话，但ChatGPT也可能写出“看似合理但不正确或荒谬的答案”。
比如有网友输入“宫廷玉液酒”来考验ChatGPT，它一本正经地给出回答：“宫廷玉液酒是一种传统的中国白酒......”而我们都知道，如果这句话问一个中国网友，他给到的答案会截然不同。
OpenAI坦承，由于ChatGPT的知识只来自训练数据中的统计规律，而不是任何类似人类对世界复杂和抽象系统的理解，因此“该系统可能偶尔会产生不正确或误导性的信息，并产生攻击性或有偏见的内容。”
清华大学国强教授、智能产业研究院(AIR)首席研究员也指出，这款机器人本质上还是一个基于统计的语言模型，应该没有真正理解开放域的问题。它在处理开放域的问题上实际上还是基于概率，基于前一个值来生成下一个值。
狂欢的中国学徒们
人们对于技术的期待，往往太过于理想主义。或许应该放低些对AI的期待和要求，毕竟很多时候，人类自己都不知道心里想要的正确答案是什么。
就像微软旗下AI产品小冰公司CEO李笛说的那样，ChatGPT非常强调回答的因果关系，而回答的结论本身是否正确对它而言并不重要。强调过程，弱化结果，这是ChatGPT和搜索引擎最大的不同。
又或者说，ChatGPT的意义并不是给出人们想要的答案，而是让人们感知到，技术的拐点或许真的已经到了。
“技术拐点的核心体现在于，我们好像离图灵测试越来越近了。”尹伯昊向「科技新知」感慨道。
Gartner在《年重要战略技术趋势报告》中指出，生成式人工智能（GenerativeArtificialIntelligence）将是最引人注目和最强大的人工智能技术之一，可用于多种场景，如创建软件代码、促进药物研发和营销等。
从DiscoDiffusion到Midjourney和DALL-E2，AIGC的门槛一次次被降低，最后到StableDiffusion模型开源，彻底让AIGC站上了风口浪尖。
CMC资本董事总经理易然在采访中指出，目前各个科技巨头主要在模型层竞争，而创业公司在应用层有更多的机会。
例如OpenAI开发的GPT-模型、谷歌开发的LaMDA模型、Meta开发的OPT-B模型、阿里巴巴达摩院开发的M6模型、微软与英伟达联合开发的Megatron-Turing（MT-NLP）模型等。
视野聚焦到国内不难发现，互联网大小厂都开始更加