OpenAI 為客戶無差別提供動力強勁的藍寶堅尼，但大部分客戶的業務其實是送外賣，這構成了 OpenAI 的 「遙遙領先難題」。本文源自微信公眾號遠川科技評論所著文章《OpenAI，困於“遙遙領先“》，由元宇宙日爆整理。
（前情提要：Altman回歸後》OpenAI現況如何，微軟掌控一切？最大收入來源是什麼？ ）
（背景補充：OpenAI創辦人：GPT-5在路上！望微軟加碼更多資金推進通用人工智慧（AGI） ）
轟動全球的大型連續劇 「Sam Altman去哪兒」 劃上了句號，但 OpenAI 的煩心事並沒有結束。
Sam Altman 能在短時間內官復原職，離不開微軟忙前忙後。今年以來，微軟一直在幫助好兄弟做大做強。不僅追加投資了 100 億美金，還大規模呼叫了微軟研究院的人力，要求放下手頭的基礎科研專案，全力將 GPT-4 等基礎大模型落地成產品，用 OpenAI 全副武裝 [1]。
但很多人不知道的是，今年 9 月，微軟研究院負責人 Peter Lee 曾接到過一個祕密專案 —— 打造 OpenAI 的替代品。
第一個 「去 OpenAI 化」 的，正是微軟的首個大模型應用 Bing Chat。
據 The Information 爆料，微軟正嘗試將原本整合在 Bing 當中的 OpenAI 大模型，逐步替換成自研版本。11 月的 Ignite 開發者大會上，微軟宣佈 Bing Chat 更名為 Copilot，如今市場定位與 ChatGPT 頗為相似 —— 很難不讓人多想。
延伸閱讀：微軟AI野心不藏了，Windows Copilot 堪稱全能助理、Bing重定義ChatGPT使用方法
不過，微軟的初衷並不是 OpenAI 的技術能力有瑕疵，也不是預見到了 OpenAI 管理層的分歧，真實原因有點讓人哭笑不得：
因為 OpenAI 的技術能力太強了。
開著藍寶堅尼送外賣
促使微軟自研大模型的契機，是 OpenAI 的一次失敗 [3]。
ChatGPT 轟動全球之際，OpenAI 的電腦科學家們正在忙於一個代號為 Arrakis 的專案，希望對標 GPT-4 打造一個稀疏模型（sparse model）。
這是一種特殊的超大模型：處理任務時，模型只有特定部分會被啟用。例如當用戶需要生成一段摘要時，模型會自動啟用最適合該工作的部分，不必每次都調動整個大模型。
相較於傳統的大模型，稀疏模型擁有更快的響應速度和更高的準確性。更重要的是它可以大大降低推理的成本。
翻譯成人話就是，殺雞再也不用牛刀了 —— 而這正是微軟所看重的。
延伸閱讀：GPT-4突然變笨？OpenAI被質疑「省成本」導致性能下滑、改變運算模式
輿論聊到大模型成本時，總愛談論 7、8 位數的訓練成本，以及天文數位的 GPU 開支。但對大多數科技公司而言，模型訓練和資料中心建設只是一次性的資本開支，一咬牙並非接受不了。相比之下，日常執行所需的昂貴推理成本，才是阻止科技公司進一步深入的第一道門檻。
因為在通常情況下，大模型並不像網際網路那般具備明顯的規模效應。
使用者的每一個查詢都需要進行新的推理計算。這意味著使用產品的使用者越多、越重度，科技公司的算力成本也會指數級上升。
此前，微軟基於 GPT-4 改造了大模型應用 GitHub Copilot，用於輔助程式員寫程式碼，收費 10 美元 / 月。
據《華爾街日報》的爆料，由於昂貴的推理成本，GitHub Copilot 人均每月虧 20 美金，重度使用者甚至可以給微軟帶來每個月 80 美金的損失 [5]。
大模型應用的入不敷出，才是推動微軟自研大模型的首要原因。
OpenAI 的大模型在技術上依舊遙遙領先，長期位於各大榜單的首位，但代價是昂貴的使用成本。
有 AI 研究員做過一筆測算，理論上 GPT-3.5 的 API 價格，幾乎是開源模型 Llama 2-70B 推理成本的 3-4 倍，更別提全面升級後的 GPT-4 了 [6]。
然而除了程式碼生成、解決複雜數學難題等少數場景，大部分工作其實完全可以交由引數較小的版本和開源模型。
新創公司 Summarize.tech 就是個活生生的案例。它的業務是提供總結音視訊內容的工具，擁有約 20 萬月活使用者，早期曾使用 GPT-3.5 來支援其服務。
後來，該企業試著將底層大模型更換成開源的 Mistral-7B-Instruct，發現使用者並沒有感知到差異，但每月的推理成本卻從 2000 美元降低至不到 1000 美元 [7]。
也就是說，OpenAI 為客戶無差別提供動力強勁的藍寶堅尼，但大部分客戶的業務其實是送外賣 —— 這構成了 OpenAI 的 「遙遙領先難題」。
所以不光是微軟，連 Salesforce、Wix 等 OpenAI 的早期大客戶，也已經替換成更便宜的技術方案。
降低推理成本，讓 「開奧迪比雅迪更便宜」，成為了 OpenAI 必須要解決的課題，這才有了前文提到的稀疏模型專案 Arrakis。
事實上，不光是 OpenAI，Google 也在從事相關研究，並且已經取得了進展。8 月的 Hot Chips 大會上，Google首席科學家、原Google大腦負責人傑夫・迪恩更在演講中提到，稀疏化會是未來十年最重要的趨勢之一 [8]。
正是遙遙領先帶來的高成本讓微軟琢磨起了 「自力更生」 的可能性，OpenAI 其實也注意到了這個問題：
11 月 6 日的開發者大會上，OpenAI 推出了 GPT-4 Turbo，一口氣降價 1/3，已低於 Claude 2—— 即最大競爭對手 Anthropic 開發的閉源大模型。
OpenAI 的 「藍寶堅尼」 雖然還不夠便宜，至少比其他小轎車實惠了不少。
可惜 11 天之後，一場足以載入科技史的鬧劇，正使得這一努力大打折扣。據外媒爆料，在奧特曼與 OpenAI 董事會談判回歸的那個週末，已有超過 100 個客戶聯絡了友商 Anthropic [10]。
延伸閱讀：OpenAI開發大會》最強GPT-4 Turbo新產品、可「客製化」聊天機器人上架GPT Store賺錢..
商業化的悖論
即便沒有這場內亂，OpenAI 的客戶流失危機可能依然存在。
這要從 OpenAI 的模型與產品設計思路講起：
不久前，OpenAI 往開發者社群中投入了 GPTs 這顆重磅炸彈。使用者可以利用自然語言來訂製不同功能的聊天機器人。截止至奧特曼復職當天，使用者已上傳了 19000 個功能迥異的 GPTs 聊天機器人，平均日產 1000+，活躍程度堪比一個大型社群 [11]。
延伸閱讀：客製聊天機器人》OpenAI的「GPTs」是什麼？如何創建教學、開發者怎麼用GPT Store創造營收？
眾所周知，GPT 模型並不開源，而且還有 「遙遙領先難題」。但對個人開發者和小型企業來說，OpenAI 具備兩個開源模型所無法匹敵的優勢：
其一是開箱即用的低開發門檻。在海外論壇上，一些利用 OpenAI 基礎模型搞開發的小型團隊，會將自家產品形容為 「wrappers（包裝紙）」。因為 GPT 模型強悍的通用能力，他們有時只需要替模型開發一個 UI，再找到適用場景，就能拿到訂單。
開發者如果需要進一步微調模型，OpenAI 同樣提供了一項名為的 LoRA（低秩自適應）的輕量級模型微調技術。
簡單來說，LoRA 的大致原理是先將大模型 「拆散」，再面向指定任務做適應性訓練，進而提升大模型在該任務下的能力。LoRA 主要著眼於調整模型內部結構，並不需要太多行業資料進行微調。
但在訂製開源模型時，開發者有時會使用全量微調。雖然在特定任務上表現更好，但全量微調需要更新預訓練大模型的每一個引數，對資料量要求極高。
相比之下，OpenAI 模式顯然對普通開發者更加友好。
其次，前文曾提到大模型並不具備規模效應，但這句話其實有一個前提 —— 即計算請求充足的情況下。
測試顯示，每批次傳送給伺服器的計算請求越少，對算力的利用效率會降低，進而會導致單次計算的平均成本直線上升 [6]。
OpenAI 可以一次性將所有客戶的數百萬個計算請求一起捆綁傳送，但個人開發者和中小企業卻很難做到這一點，因為並沒有那麼多活躍使用者。
簡單來說就像送快遞，同樣從上海到北京，OpenAI 客戶多，可以一次送 100 件；其他模型就湊不出這麼多了。
諮詢公司 Omdia 的分析師曾評價稱，OpenAI 從規模效應中的獲利，遠遠超過大多數在 AWS 或 Azure 上託管小型開源模型的新創企業 [14]。
所以，雖然 「ChatGPT 一更新就消滅一群小公司」 的現象客觀存在，但還是有不少開發者願意賭一把。
PDF.ai 的創辦人 Damon Chen 就是直接受害者，PDF.ai 的主要功能是讓模型閱讀 PDF 檔案，結果 10 月底 ChatGPT 也更新了這項能力。但 Damon Chen 卻非常淡然：「我們的使命不是成為另一家獨角獸，幾百萬美金的年收入已經足夠了」。
但對於富可敵國的大公司來說，OpenAI 的這些優勢全都成了劣勢。
比如，OpenAI 在輕量級開發上頗有優勢，但隨著企業不斷深入場景，需要進一步訂製時，很快會又一次面臨 「遙遙領先難題」：
由於 GPT-4 過於複雜且龐大，深度訂製需要耗費最低 200 萬美金和數月的開發時間。相比之下，全量微調開源模型的成本多為數十萬美元上下，兩者明顯不是一個量級。
另外，微軟、Salesforce 等大客戶自己的計算請求就夠多了，根本不需要和別人一起拼單降成本，這讓 OpenAI 在成本端優勢全無。即便是新創企業，隨著使用者不斷增加，使用 OpenAI 模型的性價比也會降低。
前文提到擁有 20 萬月活的新創公司 Summarize.tech，就成功利用開源的 Mistral-7B-Instruct 降本 50% 以上。
要知道 7B 引數的小型開源模型還可以執行在 「老古董」 級的輝達 V100 上 —— 該 GPU 釋出於 2017 年，甚至沒進美國晶片出口管制名單的法眼。
從商業角度看，能夠支撐公司營收的恰恰是財大氣粗的大公司，如何抓住那些 「野心不只數年收入百萬美金」 的客戶，已是 OpenAI 必須面對的命題。
閃點事件
讓 OpenAI 「面對商業化問題」 聽上去似乎有些奇怪，畢竟直到 2023 年初，跟賺錢相關的議題還遠不在 OpenAI 的日程表上，更別提搞什麼開發者大會了。
今年 3 月，OpenAI 總裁布羅克曼（Greg Brockman）—— 也就是上週和奧特曼一起被開除的大哥 —— 接受了一次採訪。他坦誠地說道，OpenAI 並沒有真正考慮過構建通用的工具或者垂直領域的大模型應用。雖然嘗試過，但這並不符合 OpenAI 的 DNA，他們的心也不在那裡 [17]。
持續四天半的鬧劇之後，Brockman 也再度迴歸
這裡的 DNA，其實指的是一種純粹理想主義、保護人類免受超級智慧威脅的科學家文化。畢竟 OpenAI 的立身之本很大程度上建立在 2015 年馬斯克與奧特曼的 「共同宣言」—— AI 更安全的道路將掌控在不受利潤動機汙染的研究機構手中 [18]。
理想主義大旗的號召下，OpenAI 成功招募到了以伊利亞 (Ilya Sutskever) 為首的頂尖科學家團隊 —— 儘管當時奧特曼提供給他們的薪資還不足 Google 一半。
讓 OpenAI 開始轉變的一個關鍵因素，恰恰是 ChatGPT 的釋出。
最初，OpenAI 領導並沒有將 ChatGPT 視作一款商業化的產品，而是將其稱為一次 「低調的研究預覽」，目的是收集普通人與人工智慧互動的資料，為日後 GPT-4 的開發提供助力。換句話說，ChatGPT 能火成這樣，是 OpenAI 沒有想到的。
出乎意料的爆紅改變了一切，也促使奧特曼和布羅克曼轉向了加速主義。
所謂加速主義，可以簡單理解為對 AGI 的商業化抱有無限熱情，準備大幹快上跑步進入第四次工業革命。與之對應的則是安全主義，主張用謹慎的態度來發展 AI，時刻衡量 AI 對人類的威脅。
一位匿名 OpenAI 員工在接受《大西洋月刊》採訪時說道，「ChatGPT 之後，收入和利潤都有了明確的路徑。你再也無法為『理想主義研究實驗室』的身份做辯護了。那裡有客戶正等著服務 [20]。」
ChatGPT 也催生了 「科技界最好的兄弟情誼」
這種轉變讓 OpenAI 開始踏入一個陌生的領域 —— 持續將研發成果轉換成受歡迎的產品。
對一家曾以理想主義標榜的象牙塔來說，這項工作顯然有些過於 「接地氣」 了。比如技術領袖伊利亞就是個電腦科學家而非產品經理，之前在 Google 也多負責理論研究，產品落地的職責在傑夫・迪恩領導的 Google 大腦團隊身上。
在 ChatGPT 釋出前，OpenAI 更像是幾個財富自由的科學家和工程師組成的小作坊，但時過境遷，他們變成了一個正兒八經的商業機構。
過去一年，OpenAI 新增了數百位新僱員，用於加速商業化。根據 The Information 的報導，OpenAI 的員工總數很可能已經超過 700 人。就算不考慮賺錢，也得有方法應對運營成本 —— 畢竟科學家也要還房貸啊。
短暫又劇烈的 「奧特曼去哪兒」 事件並沒有解決這個問題，反而讓它變得愈發尖銳：OpenAI 到底是個什麼組織？
在 CNBC 的一次採訪裡，馬斯克曾這樣形容由他親手創辦、後來又將他掃地出門的公司：「我們成立了一個組織來拯救亞馬遜雨林，但後來它卻做起了木材生意，砍伐了森林將其出售 [18]。」
這種矛盾使得 OpenAI 困於遙遙領先，也催生了這場驚呆所有人下巴的鬧劇。
今年早些時候，連線雜誌的記者曾跟訪了奧特曼一段時間，期間也曾反覆提及這個問題，但奧特曼每次都堅稱，「我們的使命沒有改變」。但當信奉安全主義的伊利亞滑跪，以及奧特曼回歸，顯然 OpenAI 已經做出了它的選擇。
＿
參考資料
[1]How Microsoft is Trying to Lessen Its Addiction to OpenAI as AI Costs Soar，The Information
[2]Microsoft rebrands Bing Chat to Copilot, to better compete with ChatGPT，The Verge
[3]OpenAI Dropped Work on New ‘Arrakis’ AI Model in Rare Setback，The Information
[4]GPT-4 Architecture, Infrastructure, Training Dataset, Costs, Vision, MoE，SemiAnalysis
[5]Big Tech Struggles to Turn AI Hype Into Profits，The Wall Street Journal
[6]Why GPT-3.5 is (mostly) cheaper than Llama 2，Aman
[7]OpenAI’s Corporate Sales Come Under Pressure From Microsoft as AI Customers Eye Cheaper Options，The Information
[8]THE NEXT 100X FOR AI HARDWARE PERFORMANCE WILL BE HARDER，Next Platform
[9]OpenAI’s ‘Extinction Event’ For Other AI Startups，The Information
[10]OpenAI’s Customers Consider Defecting to Anthropic, Microsoft, Google，The Information
[11]GPTs Hunter
[12]What it Takes to Make Open-Source AI Cheaper Than OpenAI，The Information
[13] 圖解大模型微調系列之：大模型低秩介面卡 LoRA（原理篇），猛猿
[14]Open Source vs. Closed Models: The True Cost of Running AI，AI Business
[15]Why a New OpenAI Product Costs $2 Million，The Information
[16]「血色婚禮」 後，生成式 AI 仍在第一幕，我思鍋我在
[17]OpenAI President on Musk Criticism: ‘We Made a Mistake’，The Information
[18]What OpenAI Really Wants，Wired
[19] 深度學習革命，凱德・梅茨
[20]Inside the Chaos at OpenAI，The Atlantic
本文來自微信公眾號 「遠川科技評論」（ID:kechuangych），作者：陳彬，編輯：李墨天，視覺設計：疏睿。
📍相關報導📍
有錢也不賺》ChatGPT Plus暫停新用戶註冊，OpenAI：使用量飆升超負荷
