先说最新发布的GPT-4，跟之前的ChatGPT有什么区别，其实很简单，就是字面区别。没错，少了Chat，多了数字4，这是什么意思呢？
【有账号需求可查看头像旁介绍】
数字4指代版本号，上一版是3.5，这一版是4.0；而少了的Chat才是重点，chat可理解为文本，也就是说ChatGPT主要的大数据来源是文本，而GPT-4去掉了Chat表示它的数据源已经不限于文本了。没错，GPT-4现已支持富文本的数据，就是你可以通过一张图片表达你的意图或辅助表达你的意图，然后GPT-4会自动读取其中的重要特征信息并综合给出它的答案。怎么样，是不是更厉害了，所以相应的它从3.5版本的ChatGPT，升级成了4.0版本的GPT-4.
GPT-4的能力提升有多少呢？给大家举一个例子说明。
有人专门测试过，就是那一套律师考试的试卷，分别让ChatGPT和GPT-4作答，考试结果两者差距很大。ChatGPT排名在倒数10%左右，而GPT-4的排名在前10%，怎么样，这个差距还是很大的吧，相当于几个月没见，它一下从学渣变成了学霸，并且GPT-4的水平超过了90%的人类考生。
以GPT-4为代表的的AI技术，都有哪些限制因素？
最近，不论是从ChatGPT到GPT-4，从百度文心一言到微软的Copilot，好像一夜之间遍地都是AI，而且如雨后春笋，正在强势发展中。那么，这类AI产品现如今的发展，还存在哪些限制吗？还真有，而且可能很快就会表现出疲态，这主要是受限于AI芯片的产量和能源的消耗。
下面展开说说原因。
1. AI芯片
芯片因素大家可类比于手机芯片和汽车芯片，前阵子它们都出现过短缺、供不应求的情况对吧，可能原因是多维的，但结果大家都看到了。那么GPT-4这类产品同样需要用到大量的、高性能的AI芯片，因为它们的模型训练需要一直进行，一直在做高速运算。而且随着其智能化程度的提升，很可能是指数级的提升，那么用到的芯片数量也会大幅度提升。而制造这类高端芯片的厂商，全世界现在可不多，那么像台积电这种制造厂，本来手机芯片、汽车芯片的订单就爆满了，这时你在给它下一个AI芯片的大单，一定是无法满足需求的。
而且这类芯片的价格目前极其昂贵。ChatGPT训练时需要用到英伟达的高端GPU芯片A100。一颗A100的成本，大概是8万人民币。而完成整个训练过程，大概需要三万颗A100芯片。就是若干年前当年战胜李世石的AlphaGO，它只需要专注下围棋一个事儿，训练它也只用了176颗GPU，当时也是斥巨资才换来AlphaGO的一战成名。而升级版的GPT-4，需要的芯片数量和费用更是一般企业无法满足的。
所以啊，从这个角度看，即使你有这个技术，也不代表你能做出来这样一款产品。它需要天时地利人和全满足，就是说你的技术、你的资源、你的市场等因素都到位了，才有可能真正落地这样一款AI产品。
因此，我们国家能够紧随其后发布自己的AI产品，百度文心一言，真的是值得我们骄傲的一件事儿。也许文心一言现在的能力远不如GPT-4，但是相比于嘲笑声，它更值得更应该获得的是鼓励和时间。
2. 能源消耗
当你看完上面那个因素，应该就明白为什么它会受限于能源了，说白了就是太费电了，太费钱了。这东西就跟当年的矿机矿场是一样的道理，它需要大量的计算，需要大量的设备，大量的芯片，大量的耗电，大量的散热，等等，这些都是需要大量砸钱，才能构建出一个最舒适最完美的工作环境，因此当这样的一个环境搭建出来之后，它对于能源的消耗恐怕也是滔滔不绝的。
还是拿ChatGPT举例，ChatGPT训练一次就要消耗90多万度电。相当于1200个中国人一年的生活用电量，你就知道这有多恐怕。而且你要明白，这类AI产品可不是训练一次就行了，需要很多次。一次通过可能保证的是它的基础能力和通过性，而二次三次更多次的反复训练，它才能够拥有不断进化的能力。哪怕有一天，你觉得它的智能化程度足够了，不需要再训练了，可是就算这样，你维持它的日常运转每天也要大概花掉5万美刀的电费！
而且现实中，这类产品是不能够停止计算的，因为他们除了需要海量数据的训练，还有一点至关重要的，就是需要有源源不断的新鲜数据输入训练可行。否则你会发现，它能帮你算出一道世界级难度的物理题，但却不知道“等你下课”这首歌是谁唱的。
GPT-4的诞生，会导致大量人员失业吗？
首先，失业是肯定的，但是，这并不是因为GPT-4的诞生直接导致的。说变了，现在每天随着社会的发展和变革，本来就会有很多就得产业和岗位慢慢呗替代，甚至被取消，这是自然发展规律。只能说，是GPT-4这类产品的诞生，加速了这一产业和岗位转变、进化的过程而已。
其次，伴随着就得产业、机械式岗位的消失，智能化产品的诞生一定会催生出更多新鲜的产业和岗位出来。就像是当年外卖催生了外卖小哥这个群体，滴滴等App催生了大量网约车司机的职业等等。AI类产品最直接的人力需求，就是标注师。上面其实已经提过了，AI产品需要大数据的喂食，但可食的数据一定是提前经过筛选的，所以这部分工作离不开大量的、专业的人工来处理。而且，不同的AI产品所需人力的数量、技能都不一样。
普林斯顿大学的华人科学家李飞飞可能很多业内人都听过她，当年她为了训练一个AI模型，通过亚马逊在线众包，最后有在线雇佣了全世界167个国家的5万人，一共标注了1500万张图片。而这不是说完成一个产品，只是试验阶段的一次功能完善。就像是谷歌最初的以图识图，你发现你给它一张猫的图片，它有时能识别出来有时不能，那是因为猫的品种实在是太多了，而且在结合猫的不同姿态和环境因素、照片复杂度等，一开始它并不能很好的识别。后来也是不断的通过大量猫猫的图片喂养之后，终于现在做到了你给它一张包括猫猫的图片，它就能从中快读定位并识别出来，甚至什么品种、性别、年龄都能说的出来的程度。
所以呢，上面的例子是想告诉大家，不要被某些舆论带偏了，AI产品的发展不但不会让我们失业，反而会给社会创造更多的就业机会和价值。而只要我们保持自身信息的更新，更得上时代的发展和变化，你不但不会因此而失业，你反而会跟着社会一起大步前进。
我这不是安慰你们的说辞。如果说AI的终点是机器人，那么机器在不断追究智能化、人性化的同时，我们人类反而也在不断地追求机器化，你能明白我这句话的含义吗？我们两者都在变化，而且是向着同一个方向，聚合探索前行。
原文链接：https://zhuanlan.zhihu.com/p/615049436?utm_id=0
