儘管過了幾個月，市場對ChatGPT概念的短期炒作可能快會落幕，然而在眾多炒作背後可能會質疑中國是否可以成功複製ChatGPT。事實上，我們認為要想複製一個OpenAI公司打造的ChatGPT的框架是能做到的，但是在數據品質的深度和準確性上可能會有差距。這個應用的本質是以GPT-3模型為框架，是一個開源軟體，因此在純技術層面中國的程式師也不會落後太多。

AI的核心關鍵離不開算力，算法和數據。在算力方面，訓練AI模型高度依賴Nvidia的高端AI晶片i.e. A100 GPU。從2022年開始美國已經率先限制Nvidia向中國出口A100及H100 GPU，但Nvidia也推出了特製的A800去替代A100專門服務中國市場，新晶片數據傳輸速率為400GB/s低於A100的600GB/s。雖然算力不及美國的高端，但還是能彌補的。

在算法方面，一個行內的主流觀點是，儘管沒有率先做出GPT-3,但是在算法和大模型上也就落後半年到兩年。如百度的飛槳據聞涉足領域甚至更廣，但深度方面仍有差距。阿里巴巴的達摩院也有類似OpenAI的訓練模型，在去年年底其AliceMind對中文語言理解的水準首次超越人類的得分。要知道，過去中文語言理解是AI業界的難題之一，語言對話模型訓練需要讓機器對文字產生理解，英語會比中文的自然語言處理容易一些，導致用中文的準確性可能更低。

另外，較難的地方可能在於訓練AI模型的數據，大家可能會想，中國人口龐大，而且數字化程度高，不缺海量數據去訓練模型，但是筆者認為能夠滿足高品質大模型運轉的高品質文字數據，在中國是相對稀缺的。要知道OpenAI背後的數據庫是海量高品質的英語文字數據，英文訊息尤其是高品質訊息佔統治地位，2022年某統計顯示互聯網上開放訊息中文佔比僅1.3%，而英文占比63%，其中，高品質部分優勢更大，就連我們辦公最常用的Microsoft Office，Azure在保護用戶隱私的前提下，背後收集的客戶數據也會給Microsoft加持的OpenAI去訓練模型，因此效果無疑會更優質。

最後，由於ChatGPT的成本高昂，有人算過ChatGPT每次回答的成本是0.1/0.2美分，是Google每一頁展示成本的約10倍，可見即便是商業化也無法做到短期賺錢。筆者認為，在中國功利文化濃厚，互聯網行業內捲嚴重，互相廝殺急著賺錢的環境下，往往會把模型訓練和商業應用放在一起做，不如OpenAI更專注在訓練模型上，把商業應用交給下游去摸索，因此體驗起來的實際效果可能會不如ChatGPT，也很難長期大量資金去成就如OpenAI這樣不求盈利，為求推動人類未來進步的科技理想主義公司。

簡志健，持證監會持牌人士，博立聯合創辦人/中原資產管理投資總監
傅可怡，持證監會持牌人士，博立研究團隊/中原資產管理高級分析員
執筆之時，筆者及其客戶持有Microsoft