那麼多的AI的專業，但是基本是在等國外的開源之後，大陸在此基礎上進行研究，完全從零開始，我覺得以當前的教育和學術氛圍很難，很難。

當一個國家的學術氛圍都被汙染，被利益所捆綁，眼前的利益永遠放在進步的前方，視線就會被獨擋。加之讓人無法改變的各種考核，為了晉升，為了自己的所謂的前途，沒有辦法，只能拿現有的東西改吧改吧交差。

我相信在每個人的年輕時期，都有過為中華崛起而讀書的信念，當隨著踏入社會，受到社會的鞭撻，所有人都在告訴你如何做人，做一個會來事的人，一個懂人情世故的人，導致一個個花朵，成了被侵蝕的食人花。

我們為啥一定要做出這個呢？中國AI更關注實際運用，而不是做個智慧雙重標準宣傳工具。chatgpt是美國輿論戰的一部分，這都不知道還有臉問。再說了你作為計算機專業的老師問這樣的問題不覺得可笑嗎？或者是你故意這樣提問來達到你不可告人的秘密。

我們作為人類，覺得認知、對語言的理解是人的特殊天賦，覺得機器怎麼學都是照貓畫虎，缺乏真正的理解，總之是作為人類的一種優越感或者驕傲感（包括我自己也有那麼一點）。之前NLP很久的研究都缺乏本質突破，似乎驗證了機器這方面確實不如人。這種驕傲感以截圖馬毅教授的觀點最為典型。這讓很多學者輕視最新的一系列研究工作，比如prompt engineering，instruction tuning, 以為那些只是趕時髦、一時熱鬧，而看不到了背後的主線，即不試圖對GPT模型本身做大改動，而是想辦法去利用其蘊含的無限潛力，bring the best out of it，最終發現LLM的emergent capabilities 。ChatGPT對問題的驚人理解能力，可以說是對人類優越感的打臉，這讓我反思，可能自然語言並沒有那麼難掌握，畢竟常見的語法規則、語義（不包括語言演化裡最新的那部分）是有限的，那麼近乎無限的語料就足以讓模型掌握這些規則和語義。而常識比語義難些，但是既然是常識，它在語料中按理就會多次出現，也就不難掌握。更難的是推理，尤其是長鏈推理。ChatGPT透過在程式碼上訓練，把它的思維從“文科生”(純retrieve和summarize語料)變成“工科生”，有了淺層的推理能力，也就可以應付大部分日常任務。

就這麼說吧，大陸的ai 基本上都是抄襲或者直接搬運國外的開原始碼。

第一梯隊的頂級勢力，都在忙著評職稱、立專案、套資金，研發方面糊弄一下，抄一下，反正上面又不懂，七拼八湊弄出來就行了。

第二梯隊的大廠，前兩年忙著搞房地產蓋房子，這幾年又忙著搞菜市場賣菜、養豬、搞農業，國外出啥新玩意了，就抄過來，反正有城牆擋著，資本主義進不來，畢竟企業的戰略佈局最重要。

第三梯隊的小科技，有啥抄啥，原始碼搞過來，加個操作介面，起個名字，推廣一下，再跟客戶一陣猛吹，收費8888一年，樂滋滋的數票子。

第四梯隊的肉喇叭們，反正啥也不懂，但是我們鋼鐵般的意志必將震碎帝國大廈的安檢機，因為我們的目標是星辰大海，加油，奧利給！

第五梯隊的專業瓜農：大陸那麼多Ai 專業，為什麼做不出我們的……？

最後總結：啥也不是

目前中國AI行業發展較快，但是在chatGPT等語言模型方面仍處於落後水平。

ChatGPT需要許多高階AI技術，包括自然語言處理、深度學習、NLP和文字生成。

而這些技術的發展也非常耗時，而中國AI企業也在不斷加大投入，努力建立對這些技術的研究基礎。

另外，在實際應用上，應該考慮到國情，中國有大量中文資料集，但仍然有不少難以解決的問題。

最近很多人說ChatGPT是風口，也有人說他就是“元宇宙”的後身，割韭菜來的，說法很多。但我更願意把它理解為一種學習相關技術/知識的方法。比如：

（哈哈哈，前文僅供娛樂。）

嘗試用ChatGPT寫程式碼，能寫出來屬實酷，還可以直接用第三方庫！更酷了！就算你毫無程式設計基礎，也可以用ChatGPT，靠“俺尋思”和“說人話”編出一個立刻就能跑的程式。

作為一個聊天機器人，ChatGPT被設計得“講文明，懂禮貌”——其發言不但總是朝著積極的方向（比如它自己編的故事，總會有一個光明的結局），甚至還有點兒小“程式設計師”在。

但如果把ChatGPT當做風口，那我覺得不切實際。

ChatGPT只是一個強大的助手，人機結合將會極大提升你的工作效率，就像當初的低程式碼平臺一樣。不瞭解低程式碼的小夥伴，可以到

引邁 - JNPF快速開發平臺_低程式碼開發平臺_零程式碼開發平臺_流程設計器_表單引擎_工作流引擎_軟體架構

的官網去註冊體驗，免費學習一下人家的設計思路。

引邁作為2019年入局低程式碼的50強領銜企業，旗下名牌產品JNPF已成功落地1000+專案的解決方案，平臺使用者量10w+。如果你感興趣，倒是可以去到JNPF官網或掃碼諮詢原始碼，免費模擬搭建企業的管理系統。

兩者唯一的不同就在於，ChatGPT是爆火，而低程式碼平臺已經爆火了十幾年了甚至更久，並且在十四五號召，已然成為數字化的有力工具。

總的來說，學習和實踐是抓住“ChatGPT”風口或者其他技術風口的關鍵，努力不懈和不斷學習是成功的保證。

快速抓住風口的方法很有限。學習和實踐是原始積累，因為這是一個技術領域，需要積累知識和經驗才能在其中取得成功。

chatGPT自己的回答：

因為建立像ChatGPT這樣的語言模型需要大量的人工標註資料和計算資源，並且需要先進的演算法和技術。同時，OpenAI在這方面有著豐富的研究經驗和技術優勢，可以實現快速提高模型的效果。因此，其他的國內AI專業可能難以達到ChatGPT的水平。

這一次發生的人工智慧革命，為什麼發生在美國？

第一， 有龐大的市場需求。美國是一個高度重視寫作的社會，從小學到大學，思辨能力培養都離不開寫作，所以寫作能力是一項重要的能力。我曾經工作的美國公司，有2個工位專門給寫手準備，他們的唯一任務是體會產品，並描述過程，寫作產品手冊，是他們的主要任務。所以，美中中國產品說明書的流暢程度，要比某些國貨強，關鍵是重視程度高。說明書不詳細，必然會導致大量的人工諮詢，意味著更大的人力成本。資本主義的本質是滿足市場需求，寫作也是一種服務，值得提高服務質量；

第二， 以人為本的科研體制。通常我們說歐洲重理論，美國重實用，也是美國佬沒文化的源頭之一。然而，實用科研有時候比基礎研究難，因為實用意味著要找到科研解決的問題，進行簡化，並達到完整的解決方案。而理論研究只需要有一個進展，就足以發表了。在消防領域，清一水的原創理論都是美國的研究成果，跟消防的本質是實用有關。而國內重基礎研究（其實就是發文章和評職稱導向），根本無法對消防工作作出有效的貢獻。美國的消防手冊，對來自國內研究成果的引用幾乎沒有，是不屑，還是跟不上？可能不屑的程度大一點。

第三， 技術革命的本質是什麼？節省人工，在人力成本高昂的美國更是如此。只要哪裡節省人工，就有資金和投入，在chapGPT背後更是如此。世人都說馬斯克英明，其實他的投資圈子決定了，不可能錯過這一投資的機會。我們外行都能敏銳地感覺到這一技術革命，他們還看不出就是故意了。事實上，他後來退出了chapGPT，跟我們的想法不太一樣，可能是用不上吧。節省資金和精力幹大事，一直是馬斯克的座右銘。

第四， 所謂的第一性原理，就是從本質出發做研究和開發。比如，消防的本質是能量守恆，凡是有精彩結果的科研，都是直接或間接地應用了能量守恆原理。一個學術成果好不好，也看這一點。在這個領域，我們都堅信能量是守恆的，所以結果才會簡單有趣。chapGPT的技術看上去很神奇，其實與谷歌的搜尋偏離不遠，在規模和演算法上有所改進而已。自己只要幹這一行，一定知道必然的途徑，那麼堅持到底，就是勝利。我們為什麼沒有堅持？因為領導不是搞科研出身，靠學生堆材料和論文，必然缺乏對趨勢的把握，自然也就不會找到合理的方向。比如，國內曾經研究拉薩的火災，是非常違背科學常識的，因為人類社會最不可能失火的地方，就是拉薩，因為壓力不足和氧氣不足，拉薩是最不容易是失火的地方，你來研究當然有可能發表（因為違背常識的科研，沒有競爭對手，所以發表容易），但對學術又有多大的貢獻呢？在科研方向上面，中國走了太多的彎路，雖然是消防科研經費投入最多的國家，但對消防的學術貢獻反而是很少的，跟科研思路有很大的關聯。美國是解決問題(ToC)的科研，國內是發表文章(ToB)的科研，效果必然不同。

第五， 從這次AI革命美國對來自中國的IP高度警覺，不接受來自中國的訪問來看，中美科研脫鉤的趨勢越來越明顯，國內面臨著換帥的巨大壓力。沒有好的科研思路，在國內的高度集中的科研體制下，必然會處處追趕而事事落後的現象。如果為了換賽道而忽視主流領域，又變成了務虛的研究，可以升職稱而不能增進學術水平。拿文章數量來評估人才，這是科研的主要任務嗎？要想彎道超車，前提是選好方向，選好學術帶頭人。

來自chatgpt的回答：

中國做不出ChatGPT的原因有很多，主要有以下幾點：

1. 技術水平不足：中國在自然語言處理、機器學習等技術方面的研究和應用水平還不夠成熟，無法滿足ChatGPT的需求。

2. 資料不足：ChatGPT需要大量的訓練資料，而中國目前缺乏足夠的訓練資料，無法滿足ChatGPT的需求。

3. 資源不足：ChatGPT需要大量的計算資源，而中國目前缺乏足夠的計算資源，無法滿足ChatGPT的需求。

這可以從多個方面來說：

國內的ai領域的發展起步晚，整體的行業人才和技術實際積累不夠。國內的商業環境和商業價值觀決定了中國的投資者都喜歡來錢快的專案，所以人工智慧的公司的專案基本都是應用領域，也就是用已有的ai框架和模型來製作上層應用，上層應用例如影片換臉應用可以在很短的時間推到市場。而研發超級ai需要很長的時間成本。當前的超級ai都是基於海量引數的神經網路，海量引數的神經網路需要海量的訓練資料和計算量，所以經濟成本會很高。

說句題外話：如果將來國內有類似Chat GPT的超級ai推出的話，那大機率也是來自網際網路大廠的實驗室

大陸的 AI 專業可以做出很多高質量的 AI 系統，但是製作像 OpenAI 的 ChatGPT 這樣的大規模語言模型需要很多因素的配合：

1. 資源：訓練一個大型語言模型需要大量的計算資源和資料。

2. 技術：訓練語言模型需要掌握高水平的深度學習技術，以及對語言處理領域的深入瞭解。

3. 資料：訓練語言模型需要大量的高質量語料。

4. 團隊：製作大型語言模型需要有一支強大的人才團隊。

因此，許多大陸 AI 專業仍然需要努力，以追趕 OpenAI 在這方面的領先地位。然而，隨著技術的不斷進步，大陸的 AI 專業也在不斷進步，將有望在未來實現更 高水平的成就。

ChatGPT是一個大型語言模型，需要巨大的計算資源和大量的訓練資料才能構建。在大陸，可能缺乏資源和資料的支援，也可能缺少最新的研究成果和技術。此外，國際競爭力也是一個問題。

主要的原因有以下幾個方面：

1、資源限制：訓練大型語言模型需要大量的計算資源，這在大陸可能不夠充足。

2、資料問題：語言模型的訓練需要大量高質量的訓練資料，而大陸資料的獲取和使用可能受到限制。

3、技術領先性：國外的研究機構和公司在語言模型領域的技術領先性可能較強。

4、競爭力：國際競爭力也是大陸難以構建ChatGPT的一個原因，國外公司和研究機構在資源和技術方面的優勢可能導致大陸難以與之競爭。

這些因素導致了大陸難以構建和訓練像ChatGPT這樣的大型語言模型，但隨著技術的發展和資源的提供，這種情況可能會逐漸改變。

可以看chatGPT自己的回答：

美國在人工智慧領域的基礎性技術更先進，如神經網路和深度學習，這些技術可用於構建大規模的語言模型，如chatGPT。中國的人工智慧研究集中在應用型技術，如計算機視覺和語音識別，難以開發出類似於chatGPT的語言模型。

在於網際網路的核心理念。

我剛接觸網際網路的時候，那時候所有的知識是免費共享的。現在，大陸任何有用的資源都要收費，網民被教育的是要向知識付費，包括網際網路搜尋，不小心都要被廣告給誤導。

國外的網際網路最近幾年接觸不到了，他們怎麼收割網民我不知道，但絕不向大陸這麼殘忍。至少谷歌搜尋和百度搜索，還是不一樣的，這點看的出來。

大陸網際網路缺少一種精神，只有貪婪，人家成功了，我抄過來用，在大陸變現掙錢。如果讓自己開發，困難一堆，主要是怕賠錢。

現在，大陸外之間，有一堵牆，保護著這些網際網路企業，活的舒舒服服。如果這堵牆沒了，多少網際網路企業就應聲倒下。

不光是現在無法做出chatgbt這樣的專案，再過50年，如果大陸還是這樣封閉的網際網路環境，那時候，這些企業，還是跟在人家屁股後面跑。

chatgbt是人家2021年就完成的專案了，就算人傢什麼都不幹，關了機器等著你，你至少還要追兩年。怎麼和人家玩呢？

ChatGPT的核心有兩個，演算法和資料。核心演算法還不是太難，最多也就是效率的高低而已。但是再好的演算法都需要在背後有海量資料的支援，國內的短板在資料這一塊。Garbage in，Garbage out。沒有質量好的data，就不會有好的人工智慧。資料的質量越好，AI就越會顯得智慧。

客觀的說，我們國家在AI方面應該處於第二梯隊，僅次於美國。但是，差距很大。

原因，很多方面的。基礎教育，科研氛圍，這些是根本。還有整體社會太過於功利化，以“經濟”為中心，一切向錢看，搞基礎研發的人太少，能夠沉下心關注的人更少。這樣的現象，在學校，在社會，在公司。

然而，近年來，更多的海外人才迴歸，可能是一個比較好的徵兆吧。未來可能變得好一些吧。

需要時間。

這是一個好問題，我來說說個人看法。

首先，當前大陸很多高校確實設立了不少人工智慧相關的專業，很多老師的實驗室也輸出了大量的前沿創新成果，但是要想做出ChatGPT不僅僅比拼人力，更是在比拼算力，這是當前很多團隊都很無奈的事情。

人工智慧當前的大量創新都是基於大模型開展的，而這種大模型對於資料和算力的消耗是非常巨大的，而絕大部分高校，包括國外的高校，都沒有這樣強大的資源支撐，所以即使瞭解ChatGPT的原理也無法開展相關的專案研究。

ChatGPT是一個工具，但是ChatGPT也是一個產品，這個產品的研發經過了多次迭代，這個過程需要耗費巨大的資金，目前國內能夠承擔這個資金規模的企業並不算多，即使一些頭部大廠有能力開展前期的研發，但是由於人工智慧產品的落地前景並不明朗，所以這種投資本身的風險也是巨大的。

實際上，在經歷了多輪“燒錢”之後，ChatGPT也才剛剛開啟商業化應用，之後能否取得成功還是一個未知數，而且目前在多個領域針對於ChatGPT的聲音也非常雜，這給後續ChatGPT的發展也帶來了諸多的不確定性。

對於資源本身就非常有限的高校團隊來說，開展一些更務實的課題專案是絕大多數老師的選擇，而對於處在產業領域的研發團隊來說，ChatGPT的不確定性因素太多了。

好訊息是目前一些大陸大型團隊已經開始在規劃對標產品了，在這個春節期間跟我的學生探討ChatGPT時，有兩名同學告訴我他們所在的團隊已經明確要開啟對標ChatGPT產品的研發了。

大陸網際網路領域的創新熱度一直是比較高的，但是創新不能脫離場景，在大陸資源比較有限的情況下，極少有團隊敢開啟ChatGPT這樣的專案，這需要巨大的勇氣，因為在很多人的眼裡，這是一種自殺行為。

實際上，大陸很多創業者從來不缺乏想象力，大概在15年前，我就遇到過一名創業者，我參加了一場他的路演，他當時要做的事情跟ChatGPT就非常接近。

從我個人的角度來看，很多大陸研發團隊的創新格局之所以沒有全面開啟，很重要的一個原因就是大部分團隊都不敢折騰，都很珍惜手裡來之不易的那點資源。