3月24日，OpenAI新动态再次引发市场热议。OpenAI宣布ChatGPT将支持第三方插件，以访问更多信息，以及增加相应的功能。
从国内外互联网巨头纷纷推出“自家的ChatGPT”产品，到微软旗下多款产品宣布结合ChatGPT技术。一连数日，ChatGPT热度居高不下，其身后的生成式AI技术和大语言模型技术也逐渐浮出水面，备受关注。
本质上，生成式AI（Generative AI）是一种深度学习模型，由生成器负责生成内容，判别器负责判别源数据和生产内容之间的差别并提供反馈。
大型语言模型（Large Language Models，LLMs）则是在生成式AI之上，通过对大规模语料库的学习，来理解人类语言的问题和答案之间的关系。
大型语言模型与以往的语言模型最大的不同，在于其拥有“涌现能力”（Emergent Ability）。
涌现能力是指，在模型规模超过某个阈值之后，模型性能会打破之前线性增长的规律，实现跃升式突变。简单地说，就是实现“质的飞跃”。
线性增长（左）与打破阈值后的突变（右），来源：知乎而“大规模”就是实现这一质变的关键因素，这通常意味着百亿或千亿级的参数量。
而大型语言模型带来的突破，最直接影响的行业，就是智能交互机器人。
01 大型语言模型：智能交互机器人的新里程碑
智能交互机器人，也就是我们通常所说的“聊天机器人”，可以通过和人类交流，提供相应的回答和服务。
智能交互机器人按其设计目的划分，一般分为信息型、任务型、对话型等三种类型。
信息型聊天机器人提供特定领域的知识或信息，任务型聊天机器人帮助用户完成某些特定任务，对话型聊天机器人则能够与用户闲聊或娱乐。
无论输出内容还是服务，如何在输入阶段就能准确理解甚至“思考”人类语言意图，是所有智能交互机器人产品的核心技术问题。
在智能交互机器人的第一阶段，基于规则的专家系统和机器学习的结合，被认为是行之有效的技术方案。由此，机器第一次实现了对人类语言的“理解“。早在2004年，小i机器人（AIXI.US）推出的Chatbot，正是国内最早应用这一技术的产品。
小i机器人早期产品，来源：Lofter这一阶段，机器理解能力的灵活度相对有限，有时需要用户去“迁就”机器所能识别的语义逻辑。如果表达的方式不对，便会带来交流障碍。
为了解决这一问题，包括小i机器人在内的许多开发者，都选择引入深度学习技术和预训练模型——这是智能交互机器人技术的第二阶段。大量的数据和训练，使机器开始能够自动识别和理解人类语言，对话的自然度得到了大幅提升。
如今，大模型时代，智能交互机器人迈入第三阶段。
与此同时，人们对智能交互机器人的要求也早已不限于“一问一答”。
在进行更自然、流畅、连贯和有逻辑性的对话、这一“智能化”基础需求之上，根据用户的语境、情感和偏好提供服务的“个性化”需求，以及支持图形、声音、视频等多种媒体形式的“多模态”互动需求，都已成为聊天机器人不可缺少的功能。
高频需求场景切换，促使智能交互机器人有望从娱乐工具变成提升效率的生产力工具。正如ChatGPT推出之初，很多博主用它来写段子吸引流量，直到微软将其与Office产品结合，才让“打工人”由衷感到切实震撼。
技术进步切入工作和生活场景，进而转化为生产力提升，才是用户真正关注和愿意为其买单的关键。
来源：微信在此背景下，专业化、垂直化和场景化成为了智能交互的下一个新命题，也是新趋势。
很快，曾经的聊天机器人，将被用来应用在不同行业和领域，提供专业化和垂直化的解决方案。
特定领域知识库和数据集，也将进一步训练和微调，以提高对话质量和准确性。同时，智能交互机器人还能根据不同场景提供定制化的功能和服务，满足用户在教育、医疗、金融、旅游等各个方面的需求。
大语言模型带来的，正是支撑这些新需求趋势的技术基础。
02 场景和数据打开巨量市场
据弗若斯特沙利文，2017年至2021年中国人工智能市场规模由545亿元增长至2607亿元，年复合增长率达47.9%。
ChatGPT所运用的生成式AI技术，被Gartner列为最有商业前景的人工智能技术，预计在2年-5年内进入成熟期。智能交互机器人所运用的对话式AI技术，可被视作生成式AI技术的一种。
同据弗若斯特沙利文，2021年中国对话式AI市场规模为82.7亿元，2026年预计达265.8亿元，年复合增长率26.3%。
其中，B端垂直领域应用被认为是主要的增长潜力来源。
来源：弗若斯特沙利文深挖垂直领域应用是行业的共识。360公司创始人、董事长兼CEO周鸿祎在一次访谈中提到，OpenAI找了1000家垂直的SaaS公司，将专门训练垂直领域应用。
早在智能交互机器人的第一和第二阶段，深挖B端垂直领域就已被证明是成功的商业化路径。
2011年，当Siri还只是作为iPhone配套的新功能刚刚推出时，小i的聊天机器人已经转型B端业务，获得了金融、通信等诸多行业巨头的订单，直接贡献了营收的增长。
来源：小i机器人官网基于本轮大语言模型的技术突破，商业化比拼的仍旧是场景和数据，而不是算力。
以ChatGPT为例，许多用户都感受到中文回答相较英文更有局限性。这是因为其训练数据主要运用的是英文。
中国电子银行网文章提到，“RLHF论文中的训练数据英文占比99%+，西、法、德语还占了剩下的大部分，中文估计就是0.0x%这个级别。“
想在中国将大语言模型带来的进步充分发挥，必须拥有对中文使用场景的深刻理解，以及累积出丰富的中文数据集。
然而，相对于英文数据，中文大语言模型的数据集是极其稀缺的。
中文数据在互联网的开源程度较低，数据规模相对较小，且数据质量参差不齐，高质量的无监督语料和指令数据严重不足。并且，垂直细分领域的数据集的获得难度更大，鲜有公开数据，数据积累需要较长的周期。
因此，早已深耕在中文智能交互机器人领域的头部公司，将是智能交互商业化时代最有潜力的先行者。
03 新一轮技术突破红利
拥有20余年积累的庞大中文语料库的小i机器人，拥有这一竞争中最重要的资源。
小i机器人成立于2001年，拥有自主研发的智能交互机器人知识产权，专注于以自然语言处理为基础的认知智能相关技术的产业化落地。
2023年3月9日，小i机器人在纳斯达克上市。
来源：小i机器人官网语料资源对B端垂直领域尤为重要。对于特定行业来说，通过特定领域的数据集训练，并结合基于人类反馈的强化学习，大型语言模型将在特定行业和领域得到更广泛的应用。
多年深耕，令小i机器人在多个垂直领域积累沉淀了海量的知识库和语义库，具有将特定行业语料与大语言模型相结合的丰富经验和技术优势。
商业化落地能力，是小i机器人的另一优势。
AI行业参与者往往重研发、重烧钱而缺乏落地经验。但是，小i机器人最早将人机交互技术引入了大规模商用。小 i 机器人协助银行打造的虚拟客户助手，作为典型案例得到Gartner推荐。
智能对话机器人银行客户案例，来源：小i机器人目前，小i机器人的客户已涵盖近千家企业及政府机构。客户名单包括三大电信运营商，交通银行、建设银行、浦发银行等金融机构，华为、小米、东方航空、通用汽车等大型企业。
大语言模型的技术突破，也正是小i等待已久的机遇。
尽管小i已是行业中少有的极其重视产品应用场景开发的公司，但上游基础技术的瓶颈局限了商业化的空间。AI作为仍处于早期发展的行业，概念与应用之间，还差着无数项技术攻坚。
对垂类市场需求理解深刻的小i机器人，一俟上游基础技术突破，便可以激发出应用端无限想象力，从而带来增长机会。
其实，在创新领域抓住商业机会上，小i机器人的成功经验，已得到商业实践验证与客户的高度认可。
例如，继智能客服实现行业领先地位后，小i又在AI+建筑领域展开探索，推出了全程自动化的智能审图等产品，降低建筑行业成本。2021年小i和中国建筑（601668.SH）签订两项AI+建筑领域的新合同。
AI智能审图产品，来源：小i机器人商业化落地场景和行业的不断丰富，为小i机器人带来业绩提升。2021年，小i机器人营收实现3252万美元，同比增长134.6%，并于同期实现扭亏为盈，净利润达到337万美元。
随着大语言模型技术的重大进展和生成式AI应用领域拓宽，可以想见，小i机器人也将在更多垂直领域研发出具有商业价值的创新产品。
艰难环境下，市场亟待寻求新方向之时，底层人工智能技术革新，犹如一颗横空出世的新星。
有生之年，躬逢其盛。
技术的进步并不会变成一家独大的垄断竞争。供给侧的结构性变化，会激发需求侧产生更多想象力，从而为全行业带来新的商业机会。
能够敏锐捕捉需求变化、并有能力快速追踪落地的公司，将在划时代的机遇来临时，走在同业的前列。
